【每周研报复现】基于阻力支撑相对强度（RSRS）的市场择时
原创文章第106篇，专注“个人成长与财富自由、世界运作的逻辑， AI量化投资”。
今天要复现的研报是：”光大证券_金融工程深度：基于阻力支撑相对强度（RSRS）的市场择时——技术择时系列报告之一“。
研报核心就是提出了一个指标，并以此构建策略。这个指标是RSRS(阻力支撑相对强度)。这个指标，我们基于backtrader实现过，可以参见之前的文章：动量轮动与光大RSRS指标在backtrader的实现;
阻力支撑指标RSRS策略：光大证券研报复现
RSRS指标，相对阻力支撑指标的实现，qlib扩展自己的特征表达式
我们目前的框架，把qlib的因子表达式的代码抽离出来，使用自己的hdf5存储，没有使用qlib自带的数据格式。
因此需要再来做一点介绍。
class RSRS(PairOperator):
def __init__(self, feature_left, feature_right, N, M):
self.N = N
self.M = M
super(RSRS, self).__init__(feature_left, feature_right)
def _load_internal(self, instrument):
series_left = self.feature_left.load(instrument)
series_right = self.feature_right.load(instrument)
slope = []
R2 = []
# 计算斜率值
n = self.N
for i in range(len(series_left)):
if i < (self.N - 1):
slope.append(pd.NA)
R2.append(pd.NA)
else:
x = series_right[i - n + 1:i + 1]
# iloc左闭右开
x = sm.add_constant(x)
y = series_left.iloc[i - n + 1:i + 1]
regr = sm.OLS(y, x)
res = regr.fit()
beta = round(res.params[1], 2) # 斜率指标
slope.append(beta)
R2.append(res.rsquared)
betas = pd.Series(slope, index=series_left.index)
betas.name = 'betas'
r2 = pd.Series(R2, index=series_left.index)
r2.name = 'r2'
return betas, r2
用循环的方式使用numpy是无奈之举，没有找到rolling两个序列计算的方法，如果谁有方法可以告知一下。
指标计算好，策略很快就写好的。这就是我们”积木式“策略开发的好处！
e = BacktraderEngine(init_cash=100000, start=datetime(2005, 1, 1), end=datetime(2017, 4, 30))
# 1.添加数据集，即资产候选集
symbols = ['000300.SH']
for s in symbols:
e.add_data(s)
# 2.特征工程
from engine.datafeed.dataloader import Dataloader
names = []
fields = []
fields += ["RSRS($high,$low,18,600)"]
names += ['RSRS']
fields += ["Ref($close,-1)/$close - 1"]
names += ['label']
names += ['buy',
'sell']
fields += ['$RSRS_betas>1',
'$RSRS_betas<0.8']
D = Dataloader()
data = D.load_one_df(symbols, names, fields)
print(data)
# 3. "积木式策略"
from engine.strategy.strategy_base import StratgeyAlgoBase
from engine.strategy.algos import SelectBySignal, WeightEqually
e.cerebro.addstrategy(StratgeyAlgoBase, algo_list=[
SelectBySignal(features=data),
WeightEqually()
])
e.run()
e.analysis()
年化19.1%，最大回撤50.6%，与研报（未计算交易成本）的结果类似。
小结：
今天主要是把RSRS指标在我们自己的AI量化平台上再次开发了一次。几点优化：
1、现在支持后一个因子，使用前一列计算结果了。比如前边计算了mom_20，后边可以使用$mom_20直接引用——这个在qlib框架里是不行的。
2、支持返回多个series，比如RSRS_betas, RSRS_r2，或者像布林带这种，一次可以返回上下两轨，不需要写两次。这个qlib的因子表达式也是不支持的。
复现的结果与研报类似，有兴趣的同学可以继续做标准分及修正标准分。
另外说一句，RSRS指标最近几年似乎不太行，而且官方后续的研报也证实了这一点。但研报里的思路还是不错的，值得我们学习。
完整代码、数据请前往星球-量化专栏下载。
每周复现一篇研报。另外如果问题，请在星球，或者星球专属群中提问。