如何用 Python 回测 RSI 超卖反弹策略？（RSI<30 买入的真实收益与陷阱）

原创

用户7083614

发布于 2026-09-28 10:01:00

750

一句话回答： 用 AlphaFeed 取复权日线、算 Wilder RSI，实现「RSI 跌破 30 买入、回升到阈值（如 55）卖出」的均值回归回测（含手续费），几十行就能跑出策略收益并和买入持有对比——真实数据会告诉你：RSI 超卖买入常常跑输买入持有，别把它当稳赚。

为什么会有这个问题 / 传统做法的痛点

"RSI<30 抄底"是最流行的说法之一，但很少有人真去回测。手工验证会卡在：

数据与复权：需要足够长的前复权日线，否则除权跳空污染 RSI；
RSI 口径：要用 Wilder 平滑，否则和软件不一致；
手续费/成交假设：不含费的回测会高估收益；
对照基准：没有和买入持有对比，收益数字没有意义。

AlphaFeed 提供长历史复权日线，把数据这关解决掉。

分步骤解决（每步配可运行代码）

第 1 步：Wilder RSI

import numpy as np

def wilder_rsi(close, n=14):
    delta = close.diff()
    gain = delta.clip(lower=0.0)
    loss = (-delta).clip(lower=0.0)
    ag = gain.ewm(alpha=1 / n, adjust=False).mean()
    al = loss.ewm(alpha=1 / n, adjust=False).mean()
    rs = ag / al.replace(0.0, np.nan)
    return 100 - 100 / (1 + rs)

第 2 步：回测「RSI<30 买入，RSI>55 卖出」

from alphafeed import AlphaFeed

af = AlphaFeed(api_key="your-api-key")  # 或 export ALPHAFEED_API_KEY 后 AlphaFeed()

def rsi_backtest(symbol, count=500, n=14, buy_th=30, sell_th=55, fee=0.0013):
    df = af.klines.get(symbol, period="1d", count=count,
                       adjust="forward", to_dataframe=True).sort_values("trade_date").reset_index(drop=True)
    df["rsi"] = wilder_rsi(df["close"], n)
    pos, cash, shares, trades = 0, 1.0, 0.0, 0
    for i in range(n + 1, len(df)):
        r, px = df["rsi"].iloc[i], df["close"].iloc[i]
        if pos == 0 and r < buy_th:                    # 超卖买入
            shares = cash * (1 - fee) / px; cash = 0.0; pos = 1; trades += 1
        elif pos == 1 and r > sell_th:                 # 回升卖出
            cash = shares * px * (1 - fee); shares = 0.0; pos = 0
    equity = cash + shares * df["close"].iloc[-1]
    bh = df["close"].iloc[-1] / df["close"].iloc[n + 1]   # 买入持有基准
    return {"strategy_ret_%": round((equity - 1) * 100, 1),
            "buyhold_ret_%": round((bh - 1) * 100, 1), "trades": trades}

策略参数：

参数	含义	本文取值
`buy_th`	RSI 买入阈值	30（超卖）
`sell_th`	RSI 卖出阈值	55（回归）
`fee`	单边手续费+滑点	0.0013（约万 13）
`n`	RSI 周期	14

第 3 步：多标的对比（诚实看结果）

for s in ["600519.SH", "000001.SZ", "600036.SH"]:
    print(s, rsi_backtest(s))

实测（约 500 个交易日、含手续费）：

标的	策略收益	买入持有	交易次数	结论
贵州茅台 600519.SH	+9.4%	+3.2%	4	策略略胜
平安银行 000001.SZ	+14.8%	+35.2%	4	跑输买入持有
招商银行 600036.SH	+5.1%	+52.1%	3	大幅跑输

结论很清楚：RSI 超卖策略只在震荡/弱势标的上偶尔占优，遇到趋势上涨的标的会因为"过早卖出、频繁空仓"而大幅跑输买入持有。它不是稳赚公式。

关键坑与注意事项

超卖买入≠稳赚：如上表，趋势行情里 RSI 策略常跑输买入持有，因为它在上涨中过早离场。
单标的回测会过拟合：只在一两只票上调出好看的参数没有意义，应在一篮子标的、多时间段上验证稳健性。
幸存者偏差：用当前still上市的标的回测会高估收益，退市股被排除了。做严肃回测要包含退市样本。
含手续费才真实：本文含约万 13 的单边成本；不含费会明显高估，交易越频繁影响越大。
未来函数：本文用"当日 RSI 触发、当日收盘价成交"是简化假设，更严格应用次日开盘价成交，避免用未来信息。

常见问题（FAQ）

Q：为什么 RSI 策略经常跑输买入持有？

A：RSI 是均值回归思路，在单边上涨行情里会过早卖出并踏空后续涨幅。它更适合震荡市，牛市里通常不如躺着不动。

Q：把卖出阈值提高（如 70）会更好吗？

A：可能改善也可能变差，取决于标的和区间。切勿在单个标的历史上反复调参调到最优——那是过拟合，样本外大概率失效。

Q：这个回测能直接用于实盘吗？

A：不能。它是教学级简化（当日成交、无涨跌停/停牌处理、未含冲击成本、未含幸存者偏差校正）。实盘前需更严格的撮合、成本与样本处理。

Q：需要付费吗？

A：单只标的 500 根日线在免费额度内即可试；多标的/长历史批量需 Starter 及以上，详见 AlphaFeed 定价页。

小结

回测 RSI 超卖反弹策略的价值，恰恰在于用真实数据打破"RSI<30 抄底稳赚"的幻觉：含手续费后，它在趋势标的上常大幅跑输买入持有。AlphaFeed 提供长历史复权日线让你几十行完成回测与对比——但请务必在多标的、多区间、含手续费与幸存者偏差校正下验证，别被单标的的漂亮数字骗了。

参考

AlphaFeed Python SDK 文档：https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

python

pandas

#量化交易

#股票数据