如何负责任地进行RSI回测？

在测试前明确定义RSI及其精确计算方式

RSI（相对强弱指数）是一种基于历史价格变动构建的动量振荡器。在回测中，首要责任是明确定义所使用的输入参数和计算细节（例如，你输入的价格序列是收盘价、典型价格，还是其他一致选择，以及用于RSI计算的回看周期长度）。这一点至关重要，因为微小的实现差异可能导致RSI数值变化，从而影响后续评估结果。

同时，还需在测试设计中明确定义“信号事件”的含义。RSI回测不应隐含地假设“RSI发生变化”就等同于“发生了交易”。应明确如何衡量结果，而不将指标本身当作独立承诺：例如，你可以在明确规则下评估高或低RSI时期是否与未来不同的收益分布相关。

选择固定不变的数据规则和假设

负责任的回测始于数据清洁和明确的假设。需要记录的常见数据规则包括：

• 使用的时间戳和采样频率（K线收盘价 vs. K线内行为）。
• 如何处理缺失数据、公司行为（如适用）以及异常值。
• 是否包含足够的历史数据以“预热”RSI计算，在首个测试点之前完成初始化。

每一项计算都应说明其假设。如果你测试“N根K线后的表现”，需明确结果是否使用收盘价到收盘价的收益率，是否每根K线只考虑一个结果，以及多个事件重叠时如何处理。

包含成本和现实的执行假设

回测常常因忽略回测与实盘条件之间的差异而失败。至少应以一致的方式建模成本，并保持透明：

• 交易成本（点差、佣金、费用）作为进入/退出逻辑的额外摩擦。
• 若测试假设成交完美，则需考虑滑点或执行不确定性。

你不需要精确模拟经纪商的微观结构才能做到负责任，但应避免不现实的假设。一种实用的方法是进行敏感性检查：在多种合理的成本和执行情景下重复评估，以观察结论是否在较不利条件下依然成立。

使用样本外和前向滚动测试控制偏差

即使RSI计算正确，回测仍可能因偏差和过拟合而夸大证据。应使用偏差控制方法减少数据泄露和参数调优带来的失真：

• 样本外测试：使用一个时间段选择RSI参数或决策规则，然后在另一个未用于设计的后续时间段评估表现。
• 前向滚动（滚动）评估：仅基于历史数据更新规则，并在下一个时间段进行测试。

保持评估协议稳定。如果你反复更改参数以追求同一数据集上的最佳结果，你可能实际上是在衡量迭代过程，而非指标的预测有效性。

不仅评估“理想结果”，还需评估失败模式

一个负责任的RSI回测必须至少包含一个实质性的局限性或失败模式。需考虑的示例如下：

• 市场状态敏感性：RSI关系可能因波动率、趋势强度或市场结构的变化而减弱甚至反转。
• 参数不稳定性：结果可能高度依赖特定的RSI周期长度或阈值定义，导致难以复制。
• 事件重叠：频繁由RSI触发的条件可能相互作用，导致你无意中假设了多个同时持仓，或忽略了机会成本。

由于历史关系不能保证未来结果，应将发现视为在特定假设下关联性的假设——尤其是在市场环境和执行条件不同时。

通过清晰报告验证你的主张

为了使他人能够独立验证你的RSI回测推理，请报告足以复现你发现的内容：

• RSI定义细节（价格输入、回看周期、如有平滑方法）。
• 精确的事件规则或评估方法（如何分类“高RSI”时期，以及测量哪个未来窗口）。
• 数据频率、预热方法和缺失数据处理方式。
• 使用的交易成本和执行假设，以及任何敏感性范围。
• 样本外或前向滚动协议，包括用于参数选择和评估的具体时间段。

一个有用的后续问题是：当你逐一改变一个假设（数据频率、成本水平或事件定义）时，结论是否依然成立？如果结论仅在狭窄选择下成立，这本身就是不稳定性的证据，而非稳健性的标志。