@wezly 是的

@哄哄163 换个角度，给你按时间顺序的18组数据，每一组数据有最高价，最低价。按时间顺序画散点图，求线性回归方程，你能怎么实现？

@林小乃 大哥，它不是按时间序列画图，它是按最低价为x轴，最高价为y轴！ 我拿(1,2),(2,3),(3,4) 画和(3,4),(2,3),(1,2) 画有啥区别： x = df['low'].values y = df['high'].values X = sm.add_constant(x) model = sm.OLS(y,X) #最小二乘法 如果按（时间，收盘价）计算斜率是这样写的： x = np.arange(df['close'].size) y = df['close'].values X = sm.add_constant(x) model = sm.OLS(y,X) #最小二乘法 你看出上面的区别了吗？

@哄哄163，就是这样子复现的呀 def get_rank(etf_pool): score_list = [] for etf in etf_pool: df = attribute_history(etf, g.m_days, '1d', ['close']) y = df['log'] = np.log(df.close) x = df['num'] = np.arange(df.log.size) slope, intercept = np.polyfit(x, y, 1) annualized_returns = math.pow(math.exp(slope), 250) - 1 r_squared = 1 - (sum((y - (slope * x + intercept))**2) / ((len(y) - 1) * np.var(y, ddof=1))) score = annualized_returns * r_squared score_list.append(score) df = pd.DataFrame(index=etf_pool, data={'score':score_list}) df = df.sort_values(by='score', ascending=False) rank_list = list(df.index)

@林小乃 你这个是计算动量指标，跟咱们讨论的RSRS指标不是一回事，别张冠李戴了。 你看看你的代码里，最高价最低价都没有出现，根本没派上用场。 你学一下RSRS指标的计算逻辑，不一样的。

好像很有发现，这个指标之前就是有这个问题

@哄哄163 哦，你的意思是不是不用ols，用wls，越近的delta(high-low)的权重越高？ 用指数权重wls简单跑过，新因子的区别度不理想...可能需要仔细考虑下权值的定义方式。

@哄哄163 能否通过考虑最后一天和最开始一天之间的涨跌关系确定斜率正负

这个指标设计的时候就跟趋势关系不大吧，是通过量化high相对low的相对变化幅度，哪个大就说明波动大，认为是没有在压力位/支撑位形成共识，更容易被突破，以此来决定买入或卖出。但从实验结果看，确实从研报发布后就没啥效果了，不排除过度调参了。。。

一切技术指标，都是概率，都是运气。一时运气好 胜率高，导致rsrs指标火了 但是实际上呢？能管用多久 rsrs作者都不知道 一时管用，能发个研报，就可以了

“择时”的字面意思好像比较清晰，它没有“择方向”的意思吧？开空还是开多不能全靠这个指标吧？

@leafarceb 择时不择方向，那你要择时干嘛？择时睡觉吗？

@托马斯羊 不玩期货比特币吗？

@托马斯羊 那我问你波动率换手率择时，有方向吗？

@leafarceb 他这个指标大于0.7就建仓，小于-0.7就清仓，在-0.7和0.7之间就保持不变。你是根本就不看本文讨论的问题吗？

研报里的走势示例图就很迷，根据beta还能整出走势了

一直没搞懂这个斜率是怎么算的

@wykycdn 以最高价为因变量，最低价为自变量进行OLS线性回归，计算出当日的RSRS斜率。 找找社区里的策略代码，里面有实现逻辑

@leafarceb 你不选方向来RSRS地方干嘛呢：），你是个哲学家？