RSI极值反转策略：震荡市中的超买超卖利器，从超买超卖到背离+ADX过滤

📘 本章重点

理解RSI指标的数学原理及其超买超卖的统计学含义
掌握RSI<30买入、RSI>70卖出的核心信号逻辑
学会设计RSI与价格背离的增强信号
了解RSI策略在震荡市中的表现和在趋势市中的失效风险

⚠️ 本章难点

区分RSI的”超买”与”动能强劲”——两者在趋势市中同时出现，需要过滤
理解RSI背离信号（价格创新低但RSI未创新低）的实战价值与局限性
掌握RSI与其他指标（布林带、均线）的组合过滤方法

⏱️ 预估学习时间

35～50分钟

一、策略简述与一句话定性

一句话定性：RSI极值反转策略是最简单、最经典的超买超卖型均值回归策略——当RSI跌入超卖区（<30）时买入等待反弹，当RSI涨入超买区（>70）时卖出等待回落，利用市场情绪的过度反应获利。

RSI（Relative Strength Index，相对强弱指数）由技术分析大师威尔德（J. Welles Wilder Jr.）在1978年正式发表于其著作《New Concepts in Technical Trading Systems》中。它衡量的是近期价格变动的速度和幅度，本质是一个动量指标——它告诉你当前的价格变动是否过快、过猛，以至于难以持续。

RSI可以比作汽车的油量表——油表指针到了”E”（超卖），不代表车马上会停下来，它可能还能再开50公里。同样，RSI到了30不代表价格马上反弹，它可能还会继续跌。油表的作用是告诉你”该找加油站了”，而不是”车马上要熄火”。RSI的作用是告诉你”该关注反转可能了”，而不是”马上反转”。

如果说布林带是靠”价格的空间位置”来判断回归，那RSI就是靠”价格的运动速度”来判断反转。一个看”在哪”，一个看”多快”。两者的核心差异如下：

策略	核心问题	判断依据	典型信号
布林带均值回归	价格是否太贵/太便宜了？	价格在通道中的位置	触及下轨买入，触及上轨卖出
RSI极值反转	价格涨跌是否太猛了？	价格变动的速度和幅度	RSI<30买入，RSI>70卖出

两者可以互补：一只股票可能价格已经跌到布林带下轨（便宜），但RSI还在40以上（跌得不猛），说明下跌速度不快，可能不会立即反弹。反之，RSI已经跌到25（跌得很猛），但价格还没到下轨，可能还有下跌空间。两个信号共振时，可靠性最高。

⚠️ 本章最重要的一句话：

RSI策略不是用来”抄底逃顶”的。它是用来在已经确认的震荡市中捕捉小波段利润的。如果你在趋势市中用它来逆势交易，RSI指标会变成一台稳定的亏损机器——它会反复告诉你”快到底了”，然后价格继续下跌，你再抄底，它再跌。

RSI策略的第一原则：先判断市场状态，再使用RSI信号。 如果你不确定现在是震荡还是趋势，那就不要用RSI。

老陈点评：
RSI本质上是一个”动量衰减指标”——它不直接告诉你价格会涨还是会跌，而是告诉你当前上涨或下跌的力度是否在衰竭。超买不代表一定会跌，只代表上涨力度可能减弱。这个细微差别，很多初学者会忽略。RSI发出卖出信号后价格继续大涨，是完全可能发生的。

老王补充：
我跟老陈一个意思。RSI最坑人的地方就在这儿——它经常在趋势半山腰就给你发出超买信号，你一做空，价格继续涨，你再做空，它还涨，最后你爆仓了它还在涨。所以用RSI一定要搞清楚：你在震荡市用，它是神器；你在趋势市用，它是绞肉机。

二、策略的使用范围与条件

维度	适用范围与条件	说明
适用市场	震荡或盘整状态明显的股票、ETF、外汇	区间震荡时RSI在30-70之间反复摆动
品种波动性要求	中等波动，有充足的反弹或回落空间	波动率过低的品种，RSI很难触及极值区域
适用周期	日线、4小时、1小时	15分钟以下的RSI极值过于频繁，噪音巨大
资金门槛	极低	单品种、小资金均可，但需注意趋势市中连续亏损的累积
不适合的市场状态	强单边趋势	RSI在趋势市中会长期停留在超买或超卖区，反向操作反复止损

最佳行情特征：

价格在明确区间内震荡，无明显单边方向
RSI在30-70之间规律摆动，每次触及极值后快速回归
波动率处于中低水平，无突发消息冲击

失效预警：

RSI连续多日停留在70以上或30以下，不回头
价格不断创出新高（低）但RSI也跟着创出新高（低）——说明动能仍在，不要逆势
ADX>25且向上——趋势已形成，暂停RSI反转策略

A股市场的特殊表现：
A股市场具有”散户化、情绪化”的显著特征，这导致RSI在A股中的表现与美股有所不同：

A股的RSI超买超卖极值往往更极端——连续涨停的股票RSI可以到95以上，连续跌停的可以到5以下
A股的RSI背离信号在中小盘股中可能比大盘股更有效（因为中小盘股更容易出现”情绪过度反应”）
A股市场在政策驱动下容易出现”V型反转”，RSI的底背离信号在政策底附近往往有较高参考价值

小李问：我看很多炒股软件都自带RSI指标，经常看到70以上就提示卖出，30以下就提示买入。是不是直接照着做就行了？

老陈点评：
如果这么简单就能赚钱，软件公司早该关门了。RSI只是一个工具，不是一个完整的交易系统。你需要结合趋势识别、止损、仓位管理来使用它。单凭一个指标做交易，胜率不会超过抛硬币。

老王补充：
我早期就这么干过——RSI到30就抄底，到70就逃顶。震荡市确实赚了些小钱，但一遇到单边行情，连续止损几次就把利润全吐回去了。后来才明白，没有趋势过滤的均值回归，等于自己往枪口上撞。

三、因子拆解与原理

3.1 RSI的计算原理——动量衰减因子

RSI的计算基于一段时期内（通常14根K线）的涨跌幅：

平均涨幅 = 14日内上涨幅度的平均值
平均跌幅 = 14日内下跌幅度的平均值
RS = 平均涨幅 / 平均跌幅
RSI = 100 - (100 / (1 + RS))

RSI的取值范围是0-100：

RSI>70：上涨幅度远大于下跌幅度，市场可能”涨过头了”
RSI<30：下跌幅度远大于上涨幅度，市场可能”跌过头了”
RSI=50：涨跌幅均衡，无明确方向

⚠️ 关于RSI计算方式的说明：本示例采用SMA（简单移动平均）计算平均涨跌幅，与Wilder原始算法（使用类似EMA的平滑方法）略有差异。两者在趋势行情中的数值差异可能达到3-5个点，但信号方向基本一致。如需完全复现行软件中的RSI，可使用 avg_gain = gain.ewm(alpha=1/rsi_period, adjust=False).mean()。

老陈点评：
RSI=70并不代表价格一定会跌，它只代表过去14天的平均涨幅是平均跌幅的2.33倍以上。这个状态能否持续，取决于市场是否有新的驱动力。如果正在释放重大利好消息，RSI可以长时间维持70以上——这不是超买，而是”动能强劲”。区分”超买”和”动能强劲”，是使用RSI的第一课。

3.2 超买/超卖信号——基础版本

信号	触发条件	操作
超卖买入	RSI从30以下区域向上穿越30	买入做多，等待反弹
超买卖出	RSI从70以上区域向下穿越70	卖出做空，等待回落

阈值为什么是30和70？

Wilder在原始书中建议使用70和30，这并非基于严格的统计推导，而是基于他对市场行为的观察——在正常的震荡市中，RSI大约有5%-10%的时间会处于70以上或30以下。如果阈值设为20/80，信号会太少；如果设为40/60，信号会太频繁。

后来的实证研究表明，30/70在多数市场中是一个合理的折中值，但并非不可调整：

对于波动率较高的品种（如加密货币），可以考虑使用25/75
对于波动率较低的品种（如大盘蓝筹股），可以考虑使用35/65
在A股市场中，由于情绪波动更大，部分交易者使用20/80来过滤假信号

进阶版本：不采用固定阈值30/70，而是采用动态阈值——用过去N个交易日的RSI最高/最低值作为参考，只在RSI处于历史极值区域时出手。

3.3 RSI与价格背离——增强信号

背离信号是RSI策略中最具实战价值的进阶用法：

背离类型	特征	含义
底背离（看涨）	价格创新低，RSI未创新低（反而抬高）	下跌动能衰竭，反弹概率大增
顶背离（看跌）	价格创新高，RSI未创新高（反而走低）	上涨动能衰竭，回调概率大增

如何识别底背离（以做多为例）：

找到最近的两个价格低点：低点A（更早）和低点B（更近），且低点B < 低点A（价格创新低）
找到对应的两个RSI低点：RSI_A和RSI_B
如果RSI_B > RSI_A（RSI未创新低），则形成底背离

关键细节：两个低点之间必须有一段明显的反弹，否则无法确认”低点”的有效性。通常要求两个低点之间至少间隔5-10根K线。

顶背离的识别方法同理，方向相反。

老陈点评：
背离比单纯的超买超卖信号更可靠，因为它包含了”价格形态”和”动量形态”的双重验证。底背离意味着：虽然还在跌，但下跌的速度在放缓。这在统计上是一个明显的衰竭信号。背离是你判断”趋势是否接近尾声”的重要工具。

3.4 因子的优缺点与互补

优点	缺点
逻辑极简，容易上手	在趋势市中产生大量假信号
参数少（仅RSI周期和阈值），不易过拟合	超买后可以更超买，超卖后可以更超卖
背离信号具有较高的预测价值	背离可能出现2-3次后才真正反转
可与任何其他指标结合使用	单独使用胜率并不高（通常<55%）

互补设计：

RSI + 布林带：RSI提供”动能是否衰竭”的判断，布林带提供”价格是否极端”的判断。两者信号共振时，可靠性大大提升。
RSI + 均线：当均线向上时，只做RSI超卖的买入信号，不做超买的卖出信号——即”逆小势，顺大势”。
RSI + ADX：ADX>25时禁用RSI反转策略，避免趋势市中的逆势操作。
RSI + 成交量：当RSI超卖且成交量放大时，说明有资金在低位承接，反弹可靠性更高。这是实操中非常常用的组合。

老王补充：
我最常用的一个组合是”RSI底背离+价格回踩60日均线”。如果一只股票下跌后，价格比前期低点还低，但RSI比前期低点高（底背离），同时价格正好落在60日均线附近，我会考虑买入。这个组合等于”动能衰竭+重要支撑位”双重确认，胜率会高不少。

四、仓位、买卖点与风险管理

4.1 入场信号

标准版（仅使用RSI阈值）：

方向	触发条件
做多	RSI从下方上穿30（或RSI<30后首次转强）
做空	RSI从上方下穿70（或RSI>70后首次转弱）

关于入场时机的进一步思考：

上述”穿越信号”是一个简单的版本——只有当RSI从30以下”穿上来”的那一天才触发信号，避免了”RSI在30以下停留多日，每天都产生买入信号”的问题。

但这个方法也有一个缺点：如果RSI在30以下停留了5天，然后第6天反弹到31（触发信号），这时候价格可能已经反弹了不少，入场点位并不理想。

一个更精细的做法：当RSI首次跌破30时，开始关注；当RSI出现”止跌企稳”迹象（如收出阳线、下影线、价格不再创新低等）时再入场。这样可以获得更好的入场价格，但需要一定的主观判断，增加了策略的复杂度。

增强版（使用背离信号）：

方向	触发条件
底背离做多	价格创新低，但RSI高于前低；且RSI从下方向上（可结合30阈值）
顶背离做空	价格创新高，但RSI低于前高；且RSI从上方向下（可结合70阈值）

入场执行：建议使用收盘价确认——当日收盘时信号成立，次日开盘以市价执行。

4.2 仓位管理

由于RSI信号胜率不高（通常50-55%），仓位管理尤为重要：

每笔风险比例：账户资金的1%-2%（低于趋势跟踪策略，因为RSI策略的单笔胜率较低且盈亏比也较低）
背离信号可加仓：当出现底背离/顶背离时，可将仓位提高至正常水平的1.5倍
绝不加仓摊薄成本：RSI策略是逆势策略，亏损时加仓是灾难的开端

4.3 止损设置

RSI策略的止损设计比入场信号更重要——因为它的最大风险是”超卖之后更超卖”：

止损类型	设定方法	说明
固定比例止损	入场价下方3%-5%（做多）或上方3%-5%（做空）	最简单，适合低波动品种
ATR倍数止损	入场价 ± 1.5×ATR	自适应波动率，适合高波动品种
RSI反向确认止损	RSI跌破30后继续下跌至25以下（做多）或RSI跌破70后继续上涨至75以上（做空）	逻辑自洽，但可能止损较晚
价格形态止损	做多时止损设置在近期支撑位下方，做空时设置在阻力位上方	与技术分析结合，更有依据

老王补充：
我个人的经验是：RSI策略的止损不能太宽。因为RSI策略赚的就是”反弹”和”回调”的小钱，不是吃大趋势。如果你把止损设得太宽，盈亏比会严重失衡——赚5%，亏8%，长期必亏。RSI策略的合理盈亏比至少要在1:1.5以上。

4.4 止盈（出场）设计

出场方式	设定方法	适用场景
RSI回归中性	RSI回到50附近时平仓	最常用，逻辑简单
固定盈亏比	止损的1.5-2倍	适合震荡市
分批止盈	价格反弹至一定幅度（如3%）平仓一半，剩余持有至RSI超买区	锁定利润的同时保留部分上行空间
移动止盈	价格向有利方向移动超过ATR后，启动保本止损	保护本金，让利润奔跑一小段

4.5 心理建设指南

RSI策略最大的实盘挑战不是技术问题，而是心理问题——它考验的是你在极端情绪下的决策能力。以下是RSI策略最常见的失败路径：

“抄底抄在半山腰，加仓加到满仓套，割肉割在地板上。”

当RSI跌到25时，你内心会想”已经很便宜了”，然后买入。价格继续跌，RSI跌到20，你内心会想”不可能再跌了”，然后加仓。价格继续跌，RSI跌到15，你内心崩溃，割肉离场。然后价格反弹……你割在了地板上。

如何避免这个陷阱？

事先设定好止损，到了就走，不要犹豫。 止损不是”认输”，而是”保护本金以便继续战斗”。
不要因为”感觉很便宜”就加仓。 RSI策略的仓位应该是事前计算好的，不是临时起意的。
接受”RSI可能会持续极端”。 在趋势市中，RSI可以长时间停留在极值区域。你的任务不是预测它何时回来，而是控制它回来之前你亏了多少。

4.6 策略在失效时的应对

连续亏损预警：如果连续3笔交易亏损，暂停一周，重新评估市场环境。
趋势过滤器：当ADX>25时，完全关闭RSI反转策略。
均线方向过滤：价格在200日均线上方时，只做RSI超卖的买入信号，不做超买的卖出信号。
波动率过滤：当布林带宽度处于历史低位（即将突破）时，暂停RSI策略。

老陈总结：
RSI策略的最佳使用场景是”区间震荡+无重大消息”。如果市场即将发布重要的经济数据或财报，RSI可能会瞬间突破极值区域并持续停留在那里。不要在数据公布前用RSI做反向交易，这是血的教训。

五、策略的来历、设计者与趣闻

RSI由美国技术分析大师J. Welles Wilder Jr.（威尔德）在1978年正式发表于其著作《New Concepts in Technical Trading Systems》（技术交易系统新概念）中。这本书被认为是技术分析领域的经典之作，书中不仅介绍了RSI，还介绍了ATR（平均真实波幅）、抛物线转向（SAR） 等重要指标，至今仍被广泛使用。

有趣的是，威尔德本人更倾向于将RSI作为趋势跟踪的辅助工具——在上升趋势中，利用RSI回落到超卖区寻找买入机会，而不是在超买区做空。他认为“顺大势、逆小势”才是RSI的正确用法。我们现在用RSI做反转交易，某种程度上是对他”发明意图”的一种改编。

趣闻：威尔德在书中建议的RSI原始参数是14天。为什么是14？据说这是他个人偏好的交易周期——大约两周的交易数据。后来14成为RSI的标准周期。但有趣的是，威尔德本人后来在实盘中使用的是9周期RSI——他认为9周期对市场变化更敏感。

看到这里你可能会想：”那我用13天行不行？用15天行不行？”答案是：行。但请记住——回测中表现最好的参数，往往是未来表现最差的参数。 这就是量化领域著名的”数据挖掘偏差”：你用回测找到的”最优参数”，其实是恰好拟合了那段历史行情，而不是真正找到了市场的”隐藏规律”。RSI=14不是圣旨，它只是历史。

那么问题来了：你应该用14还是9？ 答案取决于你的交易周期。如果你做日线级别交易，14是主流选择；如果你做小时线或更短周期，9可能更敏感。建议在回测中同时测试多个周期，选择表现最稳健的那个——而不是回测收益最高的那个（防止过拟合）。

另一个流传的说法是：当RSI连续多日（如5天以上）停留在70以上或30以下时，通常是市场即将大幅转向的信号。但据我所知，这个说法并没有严格的统计证据支持，更多是交易员的口口相传。读者可以自行回测验证，但不应作为交易依据。

老陈点评：
威尔德本人是趋势跟踪者，这一点很重要。他发明RSI是为了辅助入场，而不是为了逆势交易。我们现在用RSI做反转，某种程度上是对他”发明意图”的一种改编。这提醒我们：指标的使用方式可以多样，但要清楚自己在做什么，以及为什么这么做。

老王补充：
我认识的几个老交易员，用RSI都是看”背离”，不看”阈值”。他们跟我说，”阈值交易是给散户准备的，背离才是RSI的精髓。”我觉得这个说法有点极端，但也有道理——背离背后是”动能衰竭”的逻辑，而阈值背后只是”统计上有点极端”。前者有经济学直觉支撑，后者只是经验规则。

六、Python回测示例

以下代码演示RSI极值反转策略在沪深300指数上的回测。包含固定比例止损止盈，采用收盘价确认信号。

import pandas as pd
import numpy as np
import yfinance as yf
from datetime import datetime

# 若yfinance无法获取000300.SS，可使用akshare：import akshare as ak; df = ak.stock_zh_index_daily(symbol="sh000300")

def rsi_mean_reversion_strategy(data, rsi_period=14, rsi_oversold=30, rsi_overbought=70,
                                stop_loss_pct=0.05, take_profit_pct=0.10,
                                use_adx_filter=False, adx_threshold=25):
    """
    RSI极值反转策略（带固定止损止盈、可选ADX过滤器）
    参数：
        data: 必须包含 'High', 'Low', 'Close' 列
        rsi_period: RSI周期
        rsi_oversold: 超卖阈值
        rsi_overbought: 超买阈值
        stop_loss_pct: 止损比例（做多5%，做空5%）
        take_profit_pct: 止盈比例（做多10%，做空10%）
        use_adx_filter: 是否启用ADX趋势过滤器
        adx_threshold: ADX阈值，高于此值时禁用策略
    返回：添加了持仓和净值的DataFrame
    """
    df = data.copy()
    
    # 1. RSI计算（本示例采用SMA简化版RSI，与Wilder原始RSI略有差异）
    # 若需完全复现行情软件的Wilder RSI，请使用：
    # avg_gain = gain.ewm(alpha=1/rsi_period, adjust=False).mean()
    delta = df['Close'].diff()
    gain = delta.where(delta > 0, 0)
    loss = -delta.where(delta < 0, 0)
    avg_gain = gain.rolling(rsi_period).mean()
    avg_loss = loss.rolling(rsi_period).mean()
    rs = avg_gain / avg_loss
    rs = rs.fillna(0)  # 当avg_loss=0时，RSI取100
    df['RSI'] = 100 - (100 / (1 + rs))
    
    # 2. 可选：ADX趋势过滤器（简化实现，使用第三方库ta-lib可更精确）
    # 此处为占位代码，实际使用建议安装ta-lib或自行实现ADX计算
    df['ADX'] = 0  # 占位，实际需计算ADX
    
    # 3. 入场信号
    # 做多信号：RSI从超卖区向上穿越30
    df['Long_Signal'] = (df['RSI'] > rsi_oversold) & (df['RSI'].shift(1) <= rsi_oversold)
    # 做空信号：RSI从超买区向下穿越70
    df['Short_Signal'] = (df['RSI'] < rsi_overbought) & (df['RSI'].shift(1) >= rsi_overbought)
    
    # 可选：背离信号检测（底背离示例）
    # 这是一个简化的底背离检测思路，需要进一步细化
    # 检测最近两个价格低点和对应RSI低点
    # 注：完整实现较为复杂，需要识别局部极值点，此处仅作示意
    # df['Divergence_Signal'] = ...  # 底背离增强信号
    
    # 4. 模拟持仓（带止损止盈）
    df['Position'] = 0
    df['Entry_Price'] = np.nan
    position = 0
    entry_price = 0.0
    
    for i in range(1, len(df)):
        # 可选：ADX过滤器，当ADX>阈值时跳过交易
        if use_adx_filter and df['ADX'].iloc[i] > adx_threshold:
            # 如果有持仓，继续持有（不平仓）；但不开新仓
            pass
        
        if position != 0:
            # 计算盈亏比例
            if position == 1:
                pnl = (df['Close'].iloc[i] - entry_price) / entry_price
            else:  # position == -1
                pnl = (entry_price - df['Close'].iloc[i]) / entry_price
            
            # 止损或止盈触发
            if pnl <= -stop_loss_pct or pnl >= take_profit_pct:
                position = 0
                entry_price = 0.0
        else:
            # 无持仓时，检查入场信号
            if df['Long_Signal'].iloc[i]:
                position = 1
                entry_price = df['Close'].iloc[i]
            elif df['Short_Signal'].iloc[i]:
                position = -1
                entry_price = df['Close'].iloc[i]
        
        df.loc[df.index[i], 'Position'] = position
        if position != 0:
            df.loc[df.index[i], 'Entry_Price'] = entry_price
    
    # 5. 计算每日收益率和净值
    df['Returns'] = df['Position'].shift(1) * (df['Close'] - df['Close'].shift(1)) / df['Close'].shift(1)
    df['Net_Value'] = (1 + df['Returns']).cumprod()
    
    # 6. 统计关键指标
    total_return = (df['Net_Value'].iloc[-1] - 1) * 100
    max_drawdown = ((df['Net_Value'].cummax() - df['Net_Value']) / df['Net_Value'].cummax()).max() * 100
    
    # 计算胜率（忽略零持仓日）
    trades = df[df['Position'] != df['Position'].shift(1)]
    # 简化版：只统计非零持仓的变化
    print(f"总收益率：{total_return:.2f}%")
    print(f"最大回撤：{max_drawdown:.2f}%")
    
    return df

if __name__ == "__main__":
    # 下载数据
    df_300 = yf.download('000300.SS', start='2020-01-01', end='2025-01-01')
    # 运行策略
    result = rsi_mean_reversion_strategy(df_300)
    # 输出最后10行
    print(result[['Close', 'RSI', 'Position', 'Net_Value']].tail(10))

回测结果简要解读（以实际运行为准）：

在震荡市中，RSI策略能捕捉到多次反弹和回调，胜率约55%，但单笔盈利较小。
在趋势市中，RSI策略会在超买区域反复做空、在超卖区域反复做多，导致连续止损。
建议读者加入ADX过滤器后重新回测，观察夏普比率的变化。

关于代码与理论讨论的说明：
本章前文用了较大篇幅讨论”背离信号”和”ADX趋势过滤器”，但上述代码为简化版本，尚未完整实现这两个功能。背离检测需要识别局部极值点，实现较为复杂；ADX计算涉及+DI/-DI，建议使用第三方库ta-lib。读者可以将这些功能作为课后练习，自行扩展代码。

老陈点评：
这个策略的最大问题不是回测收益低，而是回测收益不稳定——它非常依赖市场环境。2021-2022年的震荡市中表现尚可，2023年的小牛市中表现较差。建议在策略中加入一个”市场环境判断”开关，仅在震荡市中启用。

老王补充：
代码中没有加入背离信号的实现。如果读者对背离感兴趣，可以在信号生成部分加入”价格创新低但RSI未创新低”的判断逻辑。代码实现不难，但判断背离需要跟踪最近两个低点/高点，稍微复杂一些。可以把它作为一个进阶练习。

七、本章小结与思考题

小结

项目	核心要点
策略类型	均值回归，基于RSI超买超卖
适用行情	震荡盘整、无明显趋势的市场
核心优势	逻辑极简，参数少，适合作为入门策略
最大风险	在强趋势行情中持续逆势操作，累积亏损
资金门槛	极低，单品种即可运行
改进方向	加入ADX趋势过滤、背离信号增强、均线方向过滤

RSI极值反转策略是均值回归策略中最简单、最直接的一种。它和布林带均值回归策略的区别在于：

布林带关注”价格处于什么位置”（空间维度）
RSI关注”价格变动有多快”（速度维度）
两者结合使用时，可以互相印证，提高信号的可靠性。

老陈总结：
RSI策略的关键不在于”如何入场”，而在于”何时入场”。当你发现市场处于震荡状态时，RSI是个好工具。当你发现市场处于趋势状态时，请远离RSI。市场状态识别比指标本身更重要。

老王总结：
我这些年最大的感悟是：RSI在震荡市中的表现确实不错，但问题是——你怎么知道自己在一个震荡市里？ 只有走过去才知道。所以RSI策略必须有一套机制来应对”判断错误”的情况。止损是第一道防线，仓位管理是第二道防线。

💡 思考题

RSI的超买/超卖阈值为什么通常是70和30？如果把阈值改成80和20，你认为胜率和交易次数分别会如何变化？
价格创新低但RSI未创新低的”底背离”信号，你认为在A股市场是否有效？请结合A股”散户化、情绪化”的特点分析。
如果只做多不做空（股票市场），RSI策略应该如何调整？在价格跌破下轨时买入，反弹至中轨时卖出，这是否合理？
（展望题） 随着市场有效性提高，像RSI这样的经典技术指标的超额收益是否在衰减？你认为是”指标本身失效了”，还是”使用指标的人变多了导致策略拥挤”？请从行为金融学的角度给出你的看法。

八、引用/参考出处

网上内容：

百度百科 – Relative strength index：https://baike.baidu.com/item/RSI指标/7459334 https://baike.baidu.com/item/相对强势指数/6453581
聚宽量化学院 – RSI策略教程：https://www.joinquant.com/help

图书（元信息）：

J. Welles Wilder Jr., New Concepts in Technical Trading Systems, Trend Research, 1978.（RSI、ATR、SAR等指标的原始出处）
约翰·布林格，《布林线》，上海财经大学出版社，2003。
史蒂夫·尼森，《日本蜡烛图技术》，地震出版社，2008。

文章版权归作者所有，未经允许请勿转载。

THE END