【国盛金工量价选股】如何基于RSI技术指标构建有效的选股因子？

国盛沈芷琦刘富兵 2026-05-23 置信度: high

综合质量 4 /5

新颖性 3 /5

可复现性 4 /5

核心内容

本文将经典的时序择时RSI指标拓展至横截面选股。首先基于日频涨跌幅构建20日RSI因子，效果有限（ICIR=-1.16）。随后将数据频率提升至1分钟，每日计算日RSI并取20日均值，得到高频RSI因子（ICIR=-2.14）。最终以每日换手率为权重对20个交易日的日RSI做加权平均，构建成交量配合RSI因子，利用成交量较大的交易日信息更丰富这一特性进一步提升效果（ICIR=-2.34，IR=2.26）。因子方向为反转——RSI越大代表超买越严重，未来收益越低，IC为负。

经济逻辑

RSI反映过度交易程度，数值越大超买越严重，未来反转概率越大，因此在横截面上表现为负向因子（IC<0）。提高数据频率可挖掘更多微观量价信息；成交量（换手率）越大的交易日，价格信号的信息量越丰富、噪声越小，以换手率为权重能提升RSI信号的信噪比。这与量价理论中'量在价先'、'大量才有大行情'的直觉一致。

超额收益逻辑

RSI作为反转指标，捕捉的是过度交易导致的价格偏离。在横截面上，RSI较高的股票（近期上涨幅度大、上涨分钟多）处于超买状态，未来反转回调概率大；RSI较低的股票处于超卖状态，未来反弹概率大。提升至分钟频率后，能更精细地刻画日内多空力量对比，挖掘日频数据无法捕捉的微观结构信息。以换手率加权的逻辑在于：高换手率交易日的价格变动代表了更多信息交易者的博弈结果，信号可信度更高，低换手率日则更多为噪声，加权后提升了信噪比。

构造细节 [factor]

因子定义

因子构建分三步：步骤1（计算日RSI）：每个交易日t，取当日全部1分钟涨跌幅序列{r_1, r_2, ..., r_M}（M为当日分钟数），分离出所有r_i>0的分钟（上涨分钟）和所有r_i<0的分钟（下跌分钟）。日RSI_t = mean(上涨分钟涨跌幅) / [mean(上涨分钟涨跌幅) + |mean(下跌分钟涨跌幅)|] × 100。若当日无上涨分钟或无下跌分钟，需做边界处理（如取100或0）。步骤2（20日加权平均）：每月月底，回溯过去20个交易日{t-19,...,t}，以每日换手率TO_i为权重，计算加权平均：Factor_raw = Σ(TO_i × RSI_i) / Σ(TO_i)，其中i从t-19到t。步骤3（中性化）：对Factor_raw做横截面市值中性化（回归取残差），得到最终成交量配合RSI因子。因子方向为负向（IC<0），即因子值越大未来收益越低。日频RSI因子（对比）：步骤1改为用日频涨跌幅计算20日窗口RSI，即RSI = mean(20日中上涨日涨跌幅) / [mean(上涨日涨跌幅)+|mean(下跌日涨跌幅)|]×100，无需步骤2。高频RSI因子（对比）：步骤1同上用分钟数据，步骤2改为简单算术平均（不加权），步骤3同。

处理流程

1. 获取全A股1分钟收盘价数据，计算每只股票每个交易日的1分钟涨跌幅序列
2. 每个交易日t，基于1分钟涨跌幅计算日RSI_t：分子=上涨分钟的平均涨跌幅，分母=上涨分钟平均涨跌幅+|下跌分钟平均涨跌幅|，乘以100
3. 获取每只股票每个交易日的换手率TO_t
4. 每月月底，回溯过去20个交易日，计算加权平均：Factor_raw = Σ(TO_t × RSI_t) / Σ(TO_t)
5. 对Factor_raw做横截面回归：Factor_raw = β0 + β1×log(市值) + ε，取ε为中性化后的因子值
6. 按因子值10分组，第1组做多、第10组做空（因子为负向，因子值小的组未来收益高）
7. （可选纯净化）每月月底将因子值对Barra风格因子+中信一级行业虚拟变量回归，取残差作为纯净因子

参数

回看天数N: 20分钟频率: 1分钟加权权重: 每日换手率

数据输入

: (分钟): (日频): (日频): (日频): (月频): (月频)

组合方式

因子最终形态为分钟RSI与换手率加权的结合：日RSI由1分钟涨跌幅计算，再以每日换手率为权重做20日加权平均，最后做市值中性化。

绩效

-0.054

月度IC均值

-2.34

年化ICIR

25.89%

10分组多空对冲年化收益

2.26

信息比率

77.57%

月度胜率

11.86%

最大回撤

-2.17

纯净因子年化ICIR

基准: 全市场10分组多空对冲

回测期: 2014/01/01-2023/01/31

成交量配合RSI因子在全市场的月度IC均值为-0.054，年化ICIR为-2.34；10分组多空对冲的年化收益为25.89%，信息比率为2.26，月度胜率为77.57%，最大回撤为11.86%。剔除风格与行业后的纯净因子年化ICIR仍可达-2.17。

收益归因 ✓ 已完成

通过剥离常用风格与行业干扰，纯净因子的年化ICIR仍可达到-2.17，多空对冲年化收益11.83%，信息比率2.12，最大回撤4.63%。

方法: 对Barra风格因子和中信一级行业虚拟变量进行回归取残差

稳健性

子样本稳定性: 报告提供了分年度表现数据（图表10/13），成交量配合RSI因子在回测期内各年度均有正向贡献。纯净因子分年度表现同样稳健。回看天数从20日改为40、60日，10分组多空对冲IR均保持在2以上，参数敏感性低。

风格偏差: 成交量配合RSI因子与10个Barra风格因子的相关系数绝对值均小于0.20，相关性较低。纯净化（剔除Barra风格+行业）后ICIR从-2.34降至-2.17，多空年化收益从25.89%降至11.83%，但IR仍达2.12，说明因子alpha并非来源于风格暴露。

因子在不同回看窗口下表现稳定，与常用风格因子相关性低，纯净化后仍保持强选股能力，参数鲁棒性和风格中性性均良好。

数据依赖

所需数据: 全A股1分钟收盘价（用于计算分钟涨跌幅）、日频换手率、市值数据、Barra风格因子、中信一级行业分类

可复现性: medium

因子构造逻辑清晰、公式明确，代码实现难度不高。主要门槛在于1分钟级别高频行情数据的获取与存储，需具备高频数据基础设施。清洗和边界处理（如当日无上涨/下跌分钟）需注意但影响有限。

新颖性评估 [新组合]

RSI指标本身已有40余年历史，非全新方法。本文的创新点在于：（1）将RSI从时序择时拓展至横截面选股；（2）将日频提升至分钟频率；（3）以换手率为权重做量价配合加权。整体属于已有指标的高频化+成交量加权组合改进，增量创新适中。

不足与缺陷

1分钟数据存在幸存者偏差和前视偏差风险：回测使用当前上市股票的分钟数据，可能未处理退市股票
高频数据计算的RSI对流动性差的股票（分钟成交稀疏）可能产生伪信号，报告未讨论流动性过滤
换手率加权本质是给高换手率日更高权重，但这可能引入与流动性因子的隐性相关，纯净化后收益大幅下降（25.89%→11.83%）说明部分收益来自风格暴露
缺乏空头实际可操作性的讨论，A股做空受限，多空对冲收益可能难以完全实现
报告未提及交易成本、滑点对高频因子的影响，实际落地时成本侵蚀可能较大
因子在震荡市效果可能较弱（RSI择时特点一中提到），但选股端未做分市场状态检验
日内RSI的计算窗口（全天1分钟）可能不是最优，未探索不同日内时段的RSI

可复用元素

RSI高频化的框架清晰可复现：分钟涨跌幅→日RSI→20日加权→市值中性化
换手率加权的思路可迁移至其他量价因子的改进
纯净化检验流程规范（对Barra风格+行业回归取残差）
参数敏感性检验（回看20/40/60日）体现了稳健性意识

启发

量价配合加权的思路可推广到更多传统技术指标（KDJ、MACD、布林带等）的高频化改造
换手率加权可泛化为更广义的成交量加权（成交额、主动成交额等）
日内不同时段的RSI可能携带不同信息（开盘集合竞价RSI vs 尾盘RSI），可进一步拆分
RSI因子与高频反转因子可能高度相关，可探索正交化后的增量信息

改进方向

构造'成交额不对称RSI因子'：以分钟成交额方向替代涨跌方向，即RSI_额 = 上涨分钟成交额均值 / (上涨分钟成交额均值 + 下跌分钟成交额均值)，再用换手率加权。当前RSI仅统计涨跌幅度方向，未区分大单与小单。用成交额加权可直接刻画资金流向的结构性不对称，更精准捕捉主力资金的过度交易行为。

基于: 相似逻辑：保留RSI的多空不对称框架+换手率加权思路；不同构造：将'涨跌幅均值'替换为'成交额均值'，从价格维度升级为量价融合维度预期收益: 成交额方向比纯价格方向更能反映信息交易者的真实意图，预计可提升ICIR 10-20%，并与现有RSI因子形成低相关的互补alpha

构造'日内分时段RSI因子'：将全天1分钟数据分为早盘（9:30-10:30）、午盘（10:30-13:00）、尾盘（13:00-15:00）三段，分别计算RSI，再以各时段成交额为权重加权。不同时段的多空力量可能携带不同信息——尾盘RSI可能更具预测力（信息交易者倾向于收盘前操作）。

基于: 相似逻辑：保留分钟RSI+成交额加权框架；不同构造：将全天单一RSI拆分为分时段RSI 预期收益: 分时段拆分可提取时段维度的增量信息，尾盘RSI权重自然更高，预计可小幅提升IC并增强因子解释力

复现计划

1. 数据准备：获取全A股2014-2023年1分钟收盘价、日频换手率、市值、Barra风格因子、中信一级行业数据。2. 日RSI计算：每只股票每个交易日，基于1分钟涨跌幅计算日RSI_t = mean(涨分钟涨幅)/(mean(涨分钟涨幅)+|mean(跌分钟跌幅)|)×100，处理无涨/无跌分钟的边界情况。3. 因子构造：每月月底回溯20日，以换手率TO_i为权重计算加权平均Factor_raw = Σ(TO_i×RSI_i)/Σ(TO_i)。4. 中性化：对log(市值)回归取残差。5. 回测：月度调仓，10分组，多空对冲，计算IC/ICIR/年化收益/IR/胜率/最大回撤。6. 纯净化：对Barra风格+行业虚拟变量回归取残差，重复回测。7. 参数检验：回看天数改为40、60日重复回测。8. 关键验证点：日频RSI ICIR≈-1.16、高频RSI ICIR≈-2.14、成交量配合RSI ICIR≈-2.34、纯净ICIR≈-2.17。