RTI与随机指标：哪个是交易大型科技股的最佳振荡指标？

在本文中，我们比较了交易中最广泛使用的两个技术指标：RTI（相对强弱指数）和随机振荡器。这些基于动量的工具帮助交易员通过分析价格走势的强度和方向来识别金融市场中的超买和超卖状况。两者都是标准化振荡器，这意味着它们的值在0和100之间波动。

为了测试它们在现实世界中的有效性，我们使用每个震荡指标开发了两种自动化交易策略，并将它们应用于一篮子表现优异的美国科技股，即标准普尔500指数中所谓的“华丽7”：

我们将根据2010年至今的回测，分析这两个指标在信号频率、盈利能力和稳健性方面的关键差异。让我们来看看哪一只在高市值科技股的系统性交易中表现更好。

RJ由Welles Wilder开发，通过比较指定时期内的平均损益来衡量趋势的强度。怀尔德最初建议使用14期长度，分别以30和70作为超卖和超买水平。

图1：适用于特斯拉（TSLA）的RTI指标。

由George Lane创建，随机振荡器也是一个在0和100之间振荡的标准化工具。与RSI不同，它由两条线组成：

图2：特斯拉随机振荡器（TSLA）。

我们使用每日时间框架构建了这两种策略，并根据所选股票的长期看涨偏好将进入仅限多头头寸。每当出现退出信号时，该头寸就会被关闭，不涉及逆转或卖空。

对于基于RTI的策略，我们使用了默认参数：14期RTI，超卖和超买阈值分别设置为30和70。当RJ跌破下限（30）时，多头头寸被打开，一旦它回到上限（70）上方，多头头寸被关闭。

就随机振荡器而言，我们还保留了默认设置：%K线的14个时段，超卖和超买区域的阈值为20和80。当%K线越过%D线上方时，交易会启动，但前提是%K已经处于超卖区域（低于20）。相反，当%K在超买区（80以上）下突破%D时，交易结束。

为了进一步完善策略并防止交易在没有明确退出信号的情况下无限期保持开放，我们在10个金条（相当于大约两个交易周）后实施了基于时间的退出。

每次交易的固定头寸规模为10，000美元，而初始投资组合资本设定为100，000美元，确保平台可以同时管理多笔交易。

从2010年至今的第一组结果来看，这两种策略的表现都表现出了相当程度的一致性。然而，基于RTI的策略显然总体上更有效，特别是在股票曲线的规律性和每笔交易的平均利润方面。准确地说，RTI策略的平均交易价值为235美元，而基于随机的系统停止在78美元。

还值得注意的是，在应用默认设置的情况下，两个系统生成的交易数量相对较少。例如，RTI策略在整个七只股票篮子中仅触发了167次操作，这是由于使用了更长的回顾期，自然会产生更少的入场信号。

图3.“RTI”策略的股票线，默认参数应用于Magnient 7股票篮子。

图4.总贸易基于RTI振荡器的策略分析。

图5.“随机”策略的股票线，默认参数应用于Magnient 7股票篮子。

图6.基于随机振荡器的总交易策略分析。

在注意到这两种策略在使用标准参数时产生的交易数量相对有限之后，我们决定测试新的输入，目的是增加样本量并可能提高净利润。交易数量越多，结果就越可靠，并能更好地评估每种策略随着时间的推移的稳健性。

具体来说，对于RTI和随机振荡器，我们应用了更短的计算期5，这大致相当于一个交易周。我们还使用了更严格的阈值来定义超买和超卖区域，分别将其设置为40和60。

分析使用新参数获得的结果（RJ如图7和8所示）以及随机指标图9和10所示），我们可以清楚地看到净利润的改善。

尤其是基于RTI的策略，交易数量显着增加：交易数量从167笔增加到令人印象深刻的1，400笔，平均交易价值为99美元。更高的交易频率会带来更可观的净利润，更重要的是，会产生一条随着时间的推移稳定、持续增长的股票曲线（见图7），近年来表现尤为强劲。

随机策略也受益于新参数，将其交易数量增加到1，118笔，平均交易价值为83美元（见图10）。然而，当观察图9中的权益线时，其进展似乎不如RTI平稳，在测试期结束时有一段明显的横向移动。

总体而言，新设置的计算周期为5，阈值为40和60，导致策略更加积极和有利可图。尤其是RTI，似乎对这种配置反应更好，能够将高交易频率与稳健的长期表现结合起来。

图7.策略的权益线基于具有优化参数的RTI震荡指标。

图8.总贸易基于RTI和优化参数的策略分析。

图9.该策略的权益线基于优化参数的随机振荡器。

图10.总贸易基于优化参数的随机策略分析。

在本文中，我们展示了如何使用两种著名的震荡指标（RTI和Stochastic）来构建有效的交易策略。我们已经看到，进行关键调整，例如修改计算期和超买/超卖阈值，如何导致业绩有意义的改善，尤其是在净利润方面。

结果表明，使用更灵敏的RTI参数往往会产生更一致和可靠的策略，特别是在最近的市场条件下。

也就是说，这些策略只是一个起点。通过加入停止损失、止盈水平等元素或200期移动平均线等额外过滤器来改善信号质量，还有进一步改进的空间。

同样重要的是要注意，这些回测是针对过去几年具有强劲看涨趋势的股票进行的，这可能促成了积极的结果。下一个逻辑步骤将是使用其他交易逻辑并在不同的市场环境中测试这些系统。

现在就这样！下次见，交易愉快！

Beninga免责声明：本文来自无薪外部撰稿人。它不代表Benzinga的报告，也没有对内容或准确性进行编辑。