量化指标解码02：RSI深度解码 - 从超买超卖到背离钝化的全面分析

本文是《量化指标解码》系列的第2篇，我们将深入解码RSI指标的每一个细节，从计算原理到实战应用，从常规用法到高级技巧，让你真正掌握这个最经典的技术指标。

RSI深度解码

写在前面

在上一篇文章中，我给K线图表的技术指标装上了"AI大脑"，让它们能够开口说话，用人话告诉你市场状态、交易信号和操作建议。

当时，我以RSI指标为例，展示了智能解读的整体架构和实现思路。文章发布后，有不少朋友留言说，虽然看到了RSI的智能解读效果，但对RSI指标本身还是一知半解：

• RSI到底是怎么计算出来的？

• 为什么超买是70，超卖是30？能不能调整？

• RSI背离是什么？怎么判断？

• RSI钝化又是什么情况？如何应对？

• 实战中应该怎么用RSI？

说实话，这些问题问得都非常好。技术指标的智能解读固然重要，但如果不理解指标的底层原理和应用场景，就很难真正用好它。

所以，我决定写这篇文章，把RSI指标从里到外、从上到下，彻彻底底地讲清楚。

这不是一篇简单的科普文章，而是一篇实战导向的深度教程。我会：

• 用最简单的语言解释RSI的计算原理

• 用实际的代码展示如何实现RSI

• 用真实的案例说明RSI的各种用法

• 分享我在实战中踩过的坑和经验

准备好了吗？让我们一起深入RSI的世界！

一、RSI的原理：从涨跌幅到相对强弱

1.1 RSI是什么？

RSI（Relative Strength Index），中文名叫"相对强弱指标"，是由威尔斯·怀尔德（Welles Wilder）在1978年提出的。

它的核心思想非常简单：通过比较一段时间内价格上涨和下跌的幅度，来判断市场的超买超卖状态。

举个例子：

• 如果过去14天，价格涨了10天，跌了4天，涨幅远大于跌幅，说明买盘很强，RSI就会很高（可能在70以上）

• 如果过去14天，价格涨了4天，跌了10天，跌幅远大于涨幅，说明卖盘很强，RSI就会很低（可能在30以下）

1.2 RSI的计算公式

RSI的计算公式看起来有点复杂，但理解起来其实不难：

RSI = 100 - (100 / (1 + RS))

其中：

RS = 平均涨幅 / 平均跌幅

具体步骤：

1. 计算每日涨跌幅

   • 如果今天收盘价 > 昨天收盘价，涨幅 = 今天收盘价 - 昨天收盘价，跌幅 = 0

   • 如果今天收盘价 < 昨天收盘价，跌幅 = 昨天收盘价 - 今天收盘价，涨幅 = 0

   • 如果今天收盘价 = 昨天收盘价，涨幅 = 0，跌幅 = 0

2. 计算平均涨跌幅

   • 平均涨幅 = 过去N天涨幅的平均值

   • 平均跌幅 = 过去N天跌幅的平均值

   • N通常取14

3. 计算RS和RSI

   • RS = 平均涨幅 / 平均跌幅

   • RSI = 100 - (100 / (1 + RS))

1.3 一个简单的例子

假设我们计算最近5天的RSI（为了简化，实际中通常用14天）：

日期	收盘价	涨幅	跌幅
Day1	100	-	-
Day2	102	2	0
Day3	105	3	0
Day4	103	0	2
Day5	106	3	0

计算：

• 平均涨幅 = (2 + 3 + 0 + 3) / 4 = 2

• 平均跌幅 = (0 + 0 + 2 + 0) / 4 = 0.5

• RS = 2 / 0.5 = 4

• RSI = 100 - (100 / (1 + 4)) = 100 - 20 = 80

RSI = 80，说明市场处于超买状态。

1.4 RSI的取值范围和含义

RSI的取值范围是0-100，通常我们这样理解：

RSI区间	市场状态	操作建议
80-100	极度超买	强烈卖出信号，短期回调概率极大
70-80	超买区域	谨慎做多，考虑分批减仓
55-70	偏强区域	多头占优，回调做多，注意止盈
45-55	中性区域	观望为主，等待明确突破信号
30-45	偏弱区域	空头占优，反弹做空，注意止损
20-30	超卖区域	关注做多，可分批建仓
0-20	极度超卖	强烈买入信号，短期反弹概率极大

注意：这些阈值不是固定的，可以根据不同的市场和品种进行调整。

二、代码实现：如何用Python计算RSI

理论讲完了，让我们看看如何用代码实现RSI。

2.1 使用TA-Lib计算RSI

在ATMQuant项目中，我们使用TA-Lib库来计算RSI，这是最简单也最可靠的方法：

import talib
import numpy as npdef calculate_rsi(close_prices: list, period: int = 14) -> list:"""计算RSI指标Args:close_prices: 收盘价序列period: RSI周期，默认14Returns:RSI值序列"""# 转换为numpy数组close_array = np.array(close_prices)# 使用TA-Lib计算RSIrsi_array = talib.RSI(close_array, timeperiod=period)return rsi_array.tolist()

2.2 在ATMQuant中的实际应用

在我们的ATMQuant项目中，RSI的计算被封装在RsiItem类中，并且增加了缓存机制以提高性能：

# core/charts/rsi_item.pyclass RsiItem(ChartItem, ConfigurableIndicator):"""RSI相对强弱指标"""def __init__(self, manager: BarManager, rsi_window: int = 14, rsi_long_threshold: float = 70, rsi_short_threshold: float = 30):"""初始化RSI指标"""super().__init__(manager)# 参数设置self.rsi_window = rsi_windowself.rsi_long_threshold = rsi_long_thresholdself.rsi_short_threshold = rsi_short_threshold# 数据缓存（重要！提高性能）self.rsi_data: Dict[int, float] = {}def get_rsi_value(self, ix: int) -> float:"""获取RSI值（带缓存）"""if ix < 0:return50# 默认值# 如果缓存中有，直接返回if ix in self.rsi_data:return self.rsi_data[ix]# 否则重新计算bars = self._manager.get_all_bars()close_data = [bar.close_price for bar in bars]rsi_array = talib.RSI(np.array(close_data), self.rsi_window)# 更新缓存for n, value in enumerate(rsi_array):ifnot np.isnan(value):self.rsi_data[n] = valuereturn self.rsi_data.get(ix, 50)

关键点：

• 使用字典缓存已计算的RSI值，避免重复计算

• 当新K线到来时，只清除最近几个数据点的缓存

• 支持参数配置（周期、超买超卖阈值）

三、RSI的经典用法：超买超卖与背离

现在你已经理解了RSI的原理和计算方法，让我们看看在实战中如何使用RSI。

3.1 超买超卖信号

这是RSI最基础也是最常用的功能。

超买信号（RSI > 70）：

• 市场可能过热，价格短期内上涨过快

• 可能面临回调压力

• 操作建议：考虑减仓或止盈

超卖信号（RSI < 30）：

• 市场可能超跌，价格短期内下跌过快

• 可能出现反弹机会

• 操作建议：关注建仓机会

让我看看在代码中如何实现这个判断：

def analyze_rsi_overbought_oversold(rsi_value: float, overbought_threshold: float = 70,oversold_threshold: float = 30) -> str:"""分析RSI超买超卖状态Args:rsi_value: RSI值overbought_threshold: 超买阈值oversold_threshold: 超卖阈值Returns:分析结果文本"""if rsi_value >= 80:return"极度超买 - 强烈卖出信号，风险提示: 短期回调概率极大"elif rsi_value >= overbought_threshold:return"超买区域 - 谨慎做多，操作建议: 考虑分批减仓"elif rsi_value <= 20:return"极度超卖 - 强烈买入信号，机会提示: 短期反弹概率极大"elif rsi_value <= oversold_threshold:return"超卖区域 - 关注做多，操作建议: 可分批建仓"elif45 <= rsi_value <= 55:return"中性区域 - 观望为主，策略: 等待明确突破信号"elif rsi_value > 55:return"偏强区域 - 多头占优，策略: 回调做多，注意止盈"else:return"偏弱区域 - 空头占优，策略: 反弹做空，注意止损"# 示例
print(analyze_rsi_overbought_oversold(75))  
# 输出: 超买区域 - 谨慎做多，操作建议: 考虑分批减仓print(analyze_rsi_overbought_oversold(25))
# 输出: 超卖区域 - 关注做多，操作建议: 可分批建仓

实战经验：

• 不要单纯依赖RSI超买超卖信号开仓或平仓

• 在强趋势行情中，RSI可能长期处于超买或超卖区域（这就是"钝化"）

• 最好结合其他指标（如MACD、均线）一起判断

3.2 RSI背离：顶背离与底背离

背离是RSI最强大的功能之一，它可以提前预警趋势反转。

什么是背离？

顶背离（看跌信号）：

• 价格创新高，但RSI没有创新高

• 说明虽然价格还在涨，但上涨动能已经减弱

• 可能出现回调或反转

底背离（看涨信号）：

• 价格创新低，但RSI没有创新低

• 说明虽然价格还在跌，但下跌动能已经减弱

• 可能出现反弹或反转

如何判断背离？

让我用代码展示背离的判断逻辑：

def detect_rsi_divergence(prices: list, rsi_values: list, lookback: int = 10) -> dict:"""检测RSI背离Args:prices: 价格序列rsi_values: RSI序列lookback: 回看周期Returns:背离信息字典"""result = {'bull_divergence': False,  # 底背离（看涨）'bear_divergence': False,  # 顶背离（看跌）'description': ''}if len(prices) < lookback * 2:return result# 获取最近的数据recent_prices = prices[-lookback:]recent_rsi = rsi_values[-lookback:]# 获取历史对比数据history_prices = prices[-lookback*2:-lookback]history_rsi = rsi_values[-lookback*2:-lookback]# 检测顶背离if max(recent_prices) > max(history_prices):  # 价格创新高if max(recent_rsi) < max(history_rsi):  # 但RSI没有创新高result['bear_divergence'] = Trueresult['description'] = '检测到顶背离 - 看跌反转信号，策略: 等待价格确认后做空'# 检测底背离if min(recent_prices) < min(history_prices):  # 价格创新低if min(recent_rsi) > min(history_rsi):  # 但RSI没有创新低result['bull_divergence'] = Trueresult['description'] = '检测到底背离 - 看涨反转信号，策略: 等待价格确认后做多'return result# 示例：模拟一个顶背离场景
prices = [100, 105, 110, 108, 112, 115, 113, 117, 120, 118, 122]  # 价格创新高
rsi_values = [60, 65, 70, 68, 72, 75, 73, 74, 72, 70, 71]  # RSI没创新高divergence = detect_rsi_divergence(prices, rsi_values, lookback=5)
if divergence['bear_divergence']:print(divergence['description'])# 输出: 检测到顶背离 - 看跌反转信号，策略: 等待价格确认后做空

在ATMQuant中的实现

在我们的图表系统中，背离信号会用不同颜色的连线标注出来：

# core/charts/rsi_item.pyclass RsiItem(ChartItem, ConfigurableIndicator):"""RSI指标，支持背离检测"""def __init__(self, manager: BarManager):super().__init__(manager)# 背离数据self.start_bull_indices = []  # 底背离起点self.end_bull_indices = []    # 底背离终点self.start_bear_indices = []  # 顶背离起点self.end_bear_indices = []    # 顶背离终点# 颜色配置self.gold_pen = pg.mkPen(color=(252, 173, 4), width=5)  # 顶背离用金色self.purple_pen = pg.mkPen(color=(128, 0, 128), width=5)  # 底背离用紫色def add_divergence_pairs(self, bull_divergence_pairs, bear_divergence_pairs):"""添加背离对（由策略传入）"""self.start_bull_indices = [pair[1] for pair in bull_divergence_pairs]self.end_bull_indices = [pair[0] for pair in bull_divergence_pairs]self.start_bear_indices = [pair[1] for pair in bear_divergence_pairs]self.end_bear_indices = [pair[0] for pair in bear_divergence_pairs]def _draw_bar_picture(self, ix: int, bar: BarData) -> QtGui.QPicture:"""绘制RSI（包括背离线）"""picture = QtGui.QPicture()painter = QtGui.QPainter(picture)# ... 绘制RSI线的代码 ...# 绘制底背离线（紫色）if ix in self.start_bull_indices:start_index = self.start_bull_indices.index(ix)if start_index < len(self.end_bull_indices):end_index = self.end_bull_indices[start_index]start_rsi = self.get_rsi_value(ix)end_rsi = self.get_rsi_value(end_index)painter.setPen(self.purple_pen)painter.drawLine(QtCore.QPointF(ix, start_rsi),QtCore.QPointF(end_index, end_rsi))# 绘制顶背离线（金色）if ix in self.start_bear_indices:start_index = self.start_bear_indices.index(ix)if start_index < len(self.end_bear_indices):end_index = self.end_bear_indices[start_index]start_rsi = self.get_rsi_value(ix)end_rsi = self.get_rsi_value(end_index)painter.setPen(self.gold_pen)painter.drawLine(QtCore.QPointF(ix, start_rsi),QtCore.QPointF(end_index, end_rsi))painter.end()return picture

视觉效果：

• 底背离：紫色连线，连接两个RSI低点

• 顶背离：金色连线，连接两个RSI高点

3.3 RSI钝化：强趋势中的特殊现象

钝化是RSI在实战中最容易踩坑的地方。

什么是钝化？

• 高位钝化：RSI持续在70以上（比如连续3天以上在80以上）

• 低位钝化：RSI持续在30以下（比如连续3天以上在20以下）

钝化意味着什么？

传统理论认为RSI超买就该卖，超卖就该买。但在强趋势行情中，RSI可能长时间钝化：

• 牛市中：RSI可能长期在70-80甚至更高，此时如果盲目做空会损失惨重

• 熊市中：RSI可能长期在20-30甚至更低，此时如果盲目做多也会被套

如何应对钝化？

def detect_rsi_bluntness(rsi_values: list, threshold: float, min_periods: int = 3) -> dict:"""检测RSI钝化Args:rsi_values: RSI序列threshold: 阈值（80表示高位钝化，20表示低位钝化）min_periods: 最少持续周期Returns:钝化信息"""result = {'is_blunt': False,'periods': 0,'description': ''}if len(rsi_values) < min_periods:return result# 统计连续满足条件的周期数consecutive_count = 0for rsi in reversed(rsi_values):if threshold > 50:  # 高位钝化if rsi >= threshold:consecutive_count += 1else:breakelse:  # 低位钝化if rsi <= threshold:consecutive_count += 1else:breakif consecutive_count >= min_periods:result['is_blunt'] = Trueresult['periods'] = consecutive_countif threshold > 50:result['description'] = (f"RSI高位钝化({consecutive_count}周期) - 强势行情持续，"f"特殊行情: 强趋势行情，可持有但严控风险")else:result['description'] = (f"RSI低位钝化({consecutive_count}周期) - 弱势行情持续，"f"特殊行情: 弱趋势行情，暂不抄底")return result# 示例：高位钝化
rsi_values = [70, 75, 78, 82, 85, 83, 84, 86, 88]
bluntness = detect_rsi_bluntness(rsi_values, threshold=80, min_periods=3)
if bluntness['is_blunt']:print(bluntness['description'])# 输出: RSI高位钝化(6周期) - 强势行情持续，特殊行情: 强趋势行情，可持有但严控风险

在智能解读中的应用

在RsiItem的get_info_text方法中，我们已经实现了钝化检测：

def get_info_text(self, ix: int) -> str:"""获取RSI信息文本"""# ... 其他分析 ...# RSI钝化分析if rsi_value > 80:consecutive_count = 1check_ix = ix - 1while check_ix >= 0and check_ix in self.rsi_data and self.rsi_data[check_ix] > 80:consecutive_count += 1check_ix -= 1if consecutive_count >= 3:words.append(f"RSI高位钝化({consecutive_count}周期) - 强势行情持续")words.append("特殊行情: 强趋势行情，可持有但严控风险")elif rsi_value < 20:consecutive_count = 1check_ix = ix - 1while check_ix >= 0and check_ix in self.rsi_data and self.rsi_data[check_ix] < 20:consecutive_count += 1check_ix -= 1if consecutive_count >= 3:words.append(f"RSI低位钝化({consecutive_count}周期) - 弱势行情持续")words.append("特殊行情: 弱趋势行情，暂不抄底")return"\n".join(words)

实战建议：

• 钝化时不要逆势操作

• 高位钝化可以持有多单，但要严格止损

• 低位钝化不要急于抄底，等待反转确认

• 结合均线、成交量等指标判断趋势强度

四、RSI参数优化：不同市场的最佳设置

RSI的默认参数是14周期，超买线70，超卖线30。但这些参数不是万能的，需要根据不同市场和品种进行优化。

4.1 周期参数优化

标准周期：14

• 适用于大多数市场

• 平衡灵敏度和稳定性

• 推荐新手使用

短周期：5-9

• 更敏感，信号更早

• 但假信号也更多

• 适合短线交易、日内交易

长周期：21-28

• 更稳定，假信号少

• 但信号滞后

• 适合中长线交易

让我们写一个参数优化的函数：

def optimize_rsi_period(prices: list, min_period: int = 5, max_period: int = 30) -> dict:"""优化RSI周期参数通过回测找到最佳周期Args:prices: 价格序列min_period: 最小周期max_period: 最大周期Returns:优化结果"""best_period = 14best_score = 0results = {}for period in range(min_period, max_period + 1):# 计算RSIrsi_array = talib.RSI(np.array(prices), timeperiod=period)# 简单的回测策略：超卖买入，超买卖出signals = []positions = []current_position = 0for i in range(period, len(rsi_array)):if np.isnan(rsi_array[i]):continuesignal = 0if rsi_array[i] < 30and current_position == 0:signal = 1# 买入信号current_position = 1elif rsi_array[i] > 70and current_position == 1:signal = -1# 卖出信号current_position = 0signals.append(signal)positions.append(current_position)# 计算收益（简化版）returns = 0buy_price = 0for i, signal in enumerate(signals):if signal == 1:buy_price = prices[period + i]elif signal == -1and buy_price > 0:returns += (prices[period + i] - buy_price) / buy_pricebuy_price = 0results[period] = returnsif returns > best_score:best_score = returnsbest_period = periodreturn {'best_period': best_period,'best_score': best_score,'all_results': results}# 示例使用
prices = [100 + i + (i % 5) * 2for i in range(100)]  # 模拟价格数据
optimization = optimize_rsi_period(prices)
print(f"最佳周期: {optimization['best_period']}")
print(f"最佳收益率: {optimization['best_score']:.2%}")

4.2 超买超卖阈值优化

不同的市场特性需要不同的阈值：

市场类型	超买阈值	超卖阈值	说明
股票（A股）	70	30	标准配置
商品期货	75	25	波动更大，阈值可放宽
加密货币	80	20	波动极大，阈值应更宽
外汇	70	30	标准配置
低波动品种	65	35	缩小阈值，增加灵敏度

在ATMQuant中，我们允许用户自定义这些参数：

# core/charts/rsi_item.pyclass RsiItem(ChartItem, ConfigurableIndicator):"""RSI指标，支持参数配置"""def get_config_dialog(self, parent: QtWidgets.QWidget) -> QtWidgets.QDialog:"""获取配置对话框"""config_items = [("rsi_window", "RSI周期", "spinbox", {"min": 5, "max": 100, "value": self.rsi_window}),("rsi_long_threshold", "超买阈值", "doublespinbox", {"min": 60.0, "max": 90.0, "step": 1.0, "value": self.rsi_long_threshold}),("rsi_short_threshold", "超卖阈值", "doublespinbox", {"min": 10.0, "max": 40.0, "step": 1.0, "value": self.rsi_short_threshold})]return self.create_config_dialog(parent, "RSI配置", config_items)def apply_config(self, config: Dict[str, Any]) -> None:"""应用配置"""self.rsi_window = config.get('rsi_window', self.rsi_window)self.rsi_long_threshold = config.get('rsi_long_threshold', self.rsi_long_threshold)self.rsi_short_threshold = config.get('rsi_short_threshold', self.rsi_short_threshold)# 清空缓存，重新计算self.rsi_data.clear()self.update()

使用方法：

1. 在图表上右键点击RSI指标

2. 选择"配置"

3. 调整参数

4. 点击"应用"即可看到效果

五、RSI实战策略：从单一指标到组合使用

理论和代码都讲完了，现在让我们看看在实战中如何使用RSI。

5.1 策略1：RSI超买超卖策略（简单但有效）

这是最基础的RSI策略：

策略逻辑：

• 当RSI < 30时，买入开多

• 当RSI > 70时，卖出平多

• 设置止损：亏损超过2%平仓

from vnpy.app.cta_strategy import CtaTemplate
from core.strategies.base_strategy import BaseCtaStrategyclass RsiOverboughtOversoldStrategy(BaseCtaStrategy):"""RSI超买超卖策略"""# 策略参数rsi_window = 14rsi_entry = 30# 超卖入场rsi_exit = 70   # 超买出场stop_loss_percent = 0.02# 止损2%# 策略变量rsi_value = 0entry_price = 0parameters = ["rsi_window", "rsi_entry", "rsi_exit", "stop_loss_percent"]variables = ["rsi_value", "entry_price"]def __init__(self, cta_engine, strategy_name, vt_symbol, setting):super().__init__(cta_engine, strategy_name, vt_symbol, setting)# 初始化RSI数组管理器self.am = Nonedef on_init(self):"""策略初始化"""self.logger.info("策略初始化")self.load_bar(10)  # 加载10天历史数据def on_start(self):"""策略启动"""self.logger.info("策略启动")def on_stop(self):"""策略停止"""self.logger.info("策略停止")def on_bar(self, bar):"""K线数据更新"""# 更新数组管理器self.am.update_bar(bar)ifnot self.am.inited:return# 计算RSIself.rsi_value = self.am.rsi(self.rsi_window)# 如果没有持仓if self.pos == 0:# 超卖，买入if self.rsi_value < self.rsi_entry:self.buy(bar.close_price + 5, 1)self.entry_price = bar.close_priceself.logger.info(f"RSI超卖({self.rsi_value:.1f}) - 买入开多")# 如果持有多单elif self.pos > 0:# 超买，卖出if self.rsi_value > self.rsi_exit:self.sell(bar.close_price - 5, abs(self.pos))profit = (bar.close_price - self.entry_price) / self.entry_priceself.logger.info(f"RSI超买({self.rsi_value:.1f}) - 卖出平多，收益率: {profit:.2%}")# 止损elif bar.close_price < self.entry_price * (1 - self.stop_loss_percent):self.sell(bar.close_price - 5, abs(self.pos))self.logger.warning(f"触发止损 - 卖出平多")

策略优点：

• 逻辑简单，容易理解

• 在震荡市场中表现良好

策略缺点：

• 在趋势市场中容易被打止损

• 容易遇到RSI钝化

• 盈亏比不理想

5.2 策略2：RSI + 均线组合策略（更可靠）

单一指标容易产生假信号，我们可以结合均线来过滤：

策略逻辑：

• RSI < 30 且 价格在均线上方 → 买入（确认上升趋势中的回调）

• RSI > 70 且 价格在均线下方 → 卖出（确认下降趋势中的反弹）

class RsiMaComboStrategy(BaseCtaStrategy):"""RSI + 均线组合策略"""# 策略参数rsi_window = 14rsi_entry = 30rsi_exit = 70ma_window = 20# 均线周期stop_loss_percent = 0.02# 策略变量rsi_value = 0ma_value = 0entry_price = 0parameters = ["rsi_window", "rsi_entry", "rsi_exit", "ma_window", "stop_loss_percent"]variables = ["rsi_value", "ma_value", "entry_price"]def on_bar(self, bar):"""K线数据更新"""self.am.update_bar(bar)ifnot self.am.inited:return# 计算指标self.rsi_value = self.am.rsi(self.rsi_window)self.ma_value = self.am.sma(self.ma_window)# 如果没有持仓if self.pos == 0:# RSI超卖 且 价格在均线上方（上升趋势中的回调）if self.rsi_value < self.rsi_entry and bar.close_price > self.ma_value:self.buy(bar.close_price + 5, 1)self.entry_price = bar.close_priceself.logger.info(f"RSI超卖({self.rsi_value:.1f}) + 价格在均线上方 - 买入开多")# 如果持有多单elif self.pos > 0:# RSI超买 或 价格跌破均线if self.rsi_value > self.rsi_exit or bar.close_price < self.ma_value:self.sell(bar.close_price - 5, abs(self.pos))profit = (bar.close_price - self.entry_price) / self.entry_priceexit_reason = "RSI超买"if self.rsi_value > self.rsi_exit else"跌破均线"self.logger.info(f"{exit_reason} - 卖出平多，收益率: {profit:.2%}")# 止损elif bar.close_price < self.entry_price * (1 - self.stop_loss_percent):self.sell(bar.close_price - 5, abs(self.pos))self.logger.warning(f"触发止损 - 卖出平多")

策略优点：

• 用均线确认趋势，减少假信号

• 在趋势市场中表现更好

• 盈亏比有所改善

策略缺点：

• 信号数量减少

• 可能错过一些机会

5.3 策略3：RSI背离策略（高级）

利用RSI背离捕捉趋势反转：

策略逻辑：

• 检测到底背离 → 等待RSI回到50上方确认 → 买入

• 检测到顶背离 → 等待RSI跌破50确认 → 卖出

class RsiDivergenceStrategy(BaseCtaStrategy):"""RSI背离策略"""# 策略参数rsi_window = 14divergence_lookback = 10# 背离检测回看周期confirm_threshold = 50# 确认阈值# 策略变量rsi_value = 0has_bull_divergence = Falsehas_bear_divergence = Falseentry_price = 0parameters = ["rsi_window", "divergence_lookback", "confirm_threshold"]variables = ["rsi_value", "has_bull_divergence", "has_bear_divergence"]def on_bar(self, bar):"""K线数据更新"""self.am.update_bar(bar)ifnot self.am.inited:return# 计算RSIself.rsi_value = self.am.rsi(self.rsi_window)# 检测背离divergence = self.detect_divergence()# 没有持仓if self.pos == 0:# 检测到底背离if divergence['bull_divergence']:self.has_bull_divergence = Trueself.logger.info("检测到底背离 - 等待确认")# 底背离确认（RSI回到50上方）if self.has_bull_divergence and self.rsi_value > self.confirm_threshold:self.buy(bar.close_price + 5, 1)self.entry_price = bar.close_priceself.has_bull_divergence = Falseself.logger.info(f"底背离确认 - 买入开多")# 持有多单elif self.pos > 0:# 检测到顶背离if divergence['bear_divergence']:self.has_bear_divergence = Trueself.logger.info("检测到顶背离 - 等待确认")# 顶背离确认（RSI跌破50）if self.has_bear_divergence and self.rsi_value < self.confirm_threshold:self.sell(bar.close_price - 5, abs(self.pos))profit = (bar.close_price - self.entry_price) / self.entry_priceself.has_bear_divergence = Falseself.logger.info(f"顶背离确认 - 卖出平多，收益率: {profit:.2%}")def detect_divergence(self) -> dict:"""检测RSI背离"""result = {'bull_divergence': False,'bear_divergence': False}if len(self.am.close_array) < self.divergence_lookback * 2:return result# 获取数据prices = self.am.close_array[-self.divergence_lookback*2:]rsi_values = [self.am.rsi(self.rsi_window, array=True)[i] for i in range(-self.divergence_lookback*2, 0)]recent_prices = prices[-self.divergence_lookback:]recent_rsi = rsi_values[-self.divergence_lookback:]history_prices = prices[:self.divergence_lookback]history_rsi = rsi_values[:self.divergence_lookback]# 顶背离if max(recent_prices) > max(history_prices) and max(recent_rsi) < max(history_rsi):result['bear_divergence'] = True# 底背离if min(recent_prices) < min(history_prices) and min(recent_rsi) > min(history_rsi):result['bull_divergence'] = Truereturn result

策略优点：

• 可以捕捉到大的趋势反转

• 胜率较高

• 盈亏比优秀

策略缺点：

• 信号较少

• 需要等待确认，可能错过最佳入场点

• 假背离也存在

六、写在最后

RSI是最经典的技术指标之一，从原理到实战，我们完整地讲解了它的方方面面。

通过这篇文章，你应该已经掌握了RSI的计算原理、经典用法（超买超卖、背离、钝化）、参数优化方法，以及多个实战策略。

但记住这几点：

1. 不要单独使用RSI，一定要结合其他指标

2. 警惕钝化，强趋势中RSI可能失效

3. 背离需要确认，耐心等待价格确认信号

4. 止损永远第一，保护本金最重要

下一篇，我们将深入研究布林带（Bollinger Bands） —— 波动率交易的完整指南。

Stay tuned!

---

本文是《量化指标解码》系列文章的第2篇，完整代码已开源至GitHub：https://github.com/seasonstar/atmquant

本文内容仅供学习交流，不构成任何投资建议。交易有风险，投资需谨慎。

---

📌 相关标签

#量化交易#技术指标#RSI#策略开发#量化回测

---

加入「量策堂·AI算法指标策略」

想系统性掌握策略研发、指标可视化与回测优化？加入我的知识星球，获得持续、体系化的成长支持：

---

往期文章回顾

《量化指标解码》系列

• 量化指标解码01：让指标开口说话！K线图表给技术指标装上AI大脑

《以AI量化为生》系列（交易系统开发）

• 以AI量化为生：15.双图与四图视图开发实战

• 以AI量化为生：14.多周期交易买卖点连线智能匹配实战

• 以AI量化为生：13.交易时段小时K线合成实战

• 以AI量化为生：12.多周期图表开发实战

• 以AI量化为生：11.增强版K线图表系统开发实战

• 以AI量化为生：10.回测界面大改版与用户体验全面提升

---