企业官网建设流程全解析

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

importnumpyasnpdefwilder_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)return100-100/(1+rs)

第 2 步：回测「RSI<30 买入，RSI>55 卖出」

fromalphafeedimportAlphaFeed af=AlphaFeed(api_key="your-api-key")# 或 export ALPHAFEED_API_KEY 后 AlphaFeed()defrsi_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=0,1.0,0.0,0foriinrange(n+1,len(df)):r,px=df["rsi"].iloc[i],df["close"].iloc[i]ifpos==0andr<buy_th:# 超卖买入shares=cash*(1-fee)/px;cash=0.0;pos=1;trades+=1elifpos==1andr>sell_th:# 回升卖出cash=shares*px*(1-fee);shares=0.0;pos=0equity=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：

第 3 步：多标的对比（诚实看结果）

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

实测（约 500 个交易日、含手续费）：

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