RSI 背離有效嗎?規則、停損與 ES 回測
RSI 背離只有在波段高低點、進場、停損與出場都寫成規則,並且統計過交易筆數之後,才能被判斷。事後用肉眼畫出的背離看起來總是對的。在 ES 日 K 上,一個以規則實作、作為 RSI 反轉替代品的策略,在六年半內產生 137 筆交易,而交易筆數是第一個該看的數字。
作者 Soren Huang · 發佈 · 更新於 · 編輯原則
目錄
RSI 背離作為反轉訊號有效嗎?
RSI 背離要成為訊號,前提是先寫成規則:如何找出波段、比較哪兩個波段、進場放在哪裡、停損擺在哪裡。事後用肉眼看著走勢圖畫出來的背離,每一個都像是對的,而且無法計數;只有統計交易筆數,才能分辨一個型態與一個故事的差別。
RSI 背離是指價格的兩個波段方向,與同樣兩根 K 棒上 RSI 讀數的方向互相矛盾。相對強弱指標(RSI)是 Wilder(1978)提出的動能指標,數值介於 0 到 100 之間;它的 14 期預設值與 70/30 門檻,在如何解讀與回測 RSI 規則一文中有完整說明。背離的支持者認為,當價格創下新低、RSI 卻沒有,代表賣壓正在減弱,轉折即將來臨。
問題不在這個想法,而在於通常的驗證方式。交易者往回捲動走勢圖,找到一個底部,然後注意到 RSI 在那裡做出更高的低點。那些之後什麼都沒發生的背離就這樣被忽略了,因為沒有人會在一段平淡的走勢上畫出波段。這就像天氣預報員只記下自己說中的那些預測。要得到公平的計數,型態就必須變成一連串電腦可以套用到每一根 K 棒的規則,這也是任何圖表工具要進入策略之前都得通過的檢驗;哪些技術分析工具可以寫成可測試的規則一文,就是依這個標準為常見工具分類。
什麼是多頭、空頭與隱藏 RSI 背離?
一般背離是指價格創出新的極值、RSI 卻沒有,它被解讀為反轉訊號;隱藏背離則是 RSI 創出新的極值、價格卻沒有,它被解讀為延續訊號。四種情況都是拿價格上的兩個波段高低點,與同樣兩根 K 棒上的 RSI 數值做比較,因此整個定義可以放進一張表格。
| 類型 | 價格:第二個波段相對第一個 | RSI:第二個波段相對第一個 | 解讀 | 方向 |
|---|---|---|---|---|
| 一般多頭背離 | 較低的低點 | 較高的低點 | 反轉 | 做多 |
| 一般空頭背離 | 較高的高點 | 較低的高點 | 反轉 | 做空 |
| 隱藏多頭背離 | 較高的低點 | 較低的低點 | 上升趨勢延續 | 做多 |
| 隱藏空頭背離 | 較低的高點 | 較高的高點 | 下跌趨勢延續 | 做空 |
一般形式的多頭背離,就是多數人說「RSI 背離」時所指的:價格出現較低的低點,RSI 出現較高的低點,交易者便尋找做多的進場點。隱藏背離則是它的鏡像,趨勢追蹤者會用它:在上升趨勢中,價格回檔到一個較高的低點,RSI 卻下探到較低的低點,交易者把這個深的 RSI 下探讀成趨勢內的回檔,而趨勢尚未結束。兩種形式在同一張圖上給出相反的指示,取決於你在找哪一種,這也是為什麼要在測試之前、而不是測試過程中,先固定好定義。另一個相關的陷阱,是強勁的趨勢讓 RSI 連續數週釘在 70 以上;RSI 卡在超買區代表什麼一文說明了為什麼單獨一個高讀數並不是賣出訊號,也說明了為什麼在這種區段中讀到的空頭背離,需要和其他背離一樣嚴格的波段規則。
如何在不靠肉眼判斷的情況下偵測波段?
波段低點是指某根 K 棒的低點,低於它左右兩側各若干根 K 棒的低點;波段高點則是同樣的規則套用在高點上。由於右側的 K 棒必須先收盤,波段要在它發生數根 K 棒之後才會被確認,而這段延遲本身也是規則的一部分。Lo、Mamaysky 與 Wang(2000)對圖表型態正是採取這條路線:他們把每個型態寫成電腦可以套用到每根 K 棒的規則,然後才問這個型態是否帶有資訊。這裡也應採取同樣的紀律。
- 選定波段強度 N。一個波段低點需要左邊 N 根 K 棒的低點都較高,右邊 N 根 K 棒的低點也都較高。常見的取值是 3 到 5。N 越大,找到的波段越少,但每個都越大。
- 在候選低點之後 N 根 K 棒才確認。在候選低點之後第 N 根 K 棒收盤時,檢查右側 N 個低點是否全部更高。只有這時,這個波段才存在於策略之中。
- 讀取兩個波段那兩根 K 棒的 RSI。取第一個波段低點那根 K 棒與第二個波段低點那根 K 棒上的 RSI 值。價格比價格,RSI 比 RSI。
- 設定兩個波段之間的最大距離。例如第二個波段必須落在第一個波段之後 60 根 K 棒之內;相隔一年的兩個低點,不算同一個型態。
- 設定最小 RSI 差距。例如第二個 RSI 低點必須比第一個至少高出 2 點,避免只差 0.1 也被算作背離。
假設性範例
日 K 上的波段強度 N = 5。第一個波段低點在一個星期一形成,價格為 4,000 點,RSI 為 28。之後二十根 K 棒,價格創出較低的低點 3,950,RSI 為 34。這根第二低點的 K 棒是候選;規則會在五個交易日之後確認,也就是右側第五個較高的日低點收盤時。在確認那一天,策略比較 3,950 與 4,000(較低的低點),以及 34 與 28(較高的低點,高出 6 點,超過 2 點的最小差距)。一般多頭背離是在確認那根 K 棒上完成的,而不是在低點當天。到那時,價格可能已經遠離底部,而那才是交易者真正能採取行動的訊號。
若規則在右側 K 棒收盤之前就偷看它們,產生的訊號其實永遠無法交易。許多型態回測都藏著這種漏洞;常見的前視偏誤與一根 K 棒的檢查方法說明了如何找出它。
如何下單並設定停損?
在背離確認後的下一根 K 棒開盤進場,把停損放在第二個波段點之外固定距離的位置,並以時間條件或反向訊號出場,使每筆交易都有三個事先寫好的決定。隔根 K 棒執行,是指在收盤的 K 棒上做決定,並於下一根 K 棒成交;這是依收盤價判斷的規則最早能成交的價格。
| 決定 | 事先寫定的規則 | 為何採用這個而非其他做法 |
|---|---|---|
| 進場 | 確認後那根 K 棒的開盤價 | 波段低點本身要等 N 根 K 棒之後才知道;在「低點」進場是回測的虛構 |
| 停損 | 第二個波段之外固定的跳動點或點數 | 與波段連動的停損,能讓每筆交易的風險可比;憑感覺設定的停損無法被測試 |
| 出場 | 固定的 K 棒數之後,或出現反向背離時 | 時間出場能測試訊號本身是否有優勢;確定之後,才能再加入停利 |
以 ES 為例,也就是 E-mini S&P 500 期貨,一點價值 $50,一個 0.25 點的跳動點價值 $12.50,因此把停損設在波段低點之下 8 點,在滑價之前每口風險為 $400。交易所可能會調整合約價值,所以請查閱你所交易市場的交易所合約頁面;免費的期貨合約計算機可以把以點數表示的停損距離,換算成常見合約的美元金額。
假設性範例
上面範例中的第二個波段低點是 3,950。停損規則是波段之下 8 點,因此停損設在 3,942。確認在五天後完成,下一根的開盤價是 3,990,所以進場價比停損高出 48 點:每口風險為 $2,400。這段距離就是等待確認的代價。若交易者想要降低每筆交易的風險,有兩個誠實的選項:縮小 N,這樣確認得更快,但會產生更多假波段;或是減少口數。把停損拉近進場價,則會切斷它與波段的連結,測試的對象也就不同了。
第一次測試通常不設停損、不設停利,只用進場訊號,並以其反向訊號作為出場。這不是疏忽。它是在停損與停利(兩者各有容易被最佳化器迎合的設定)被允許塑造結果之前,先衡量訊號本身是否有任何優勢。本文最後一節的回測就是這樣跑的。
哪一種 K 棒週期對 RSI 背離比較好?
日 K 與小時 K 產生的背離較少,但波段比較乾淨,每筆交易分攤到的成本比例也較小;5 分 K 會產生許多訊號,但平均波動幅度接近手續費與滑價,因此 K 棒週期應該依交易筆數與成本比例來選擇,而不是看哪一張圖比較漂亮。這兩個數字的方向是相反的,合適的 K 棒大小,就是兩者都可以接受的那個位置。
| 衡量指標 | 5 分 K | 60 分 K | 日 K |
|---|---|---|---|
| 每年訊號數 | 很多 | 一些 | 很少 |
| N = 5 的波段確認所需時間 | 25 分鐘 | 5 個交易小時 | 一個交易週 |
| 一買一賣的成本佔平均波動的比例 | 大 | 中等 | 小 |
| 累積數百筆交易所需的歷史年數 | 不到一年 | 數年 | 超過多數資料集所能提供的 |
值得寫下來的公式只有一個,就是成本比例:成本比例 = 一買一賣成本 ÷ 每筆交易的平均波動,其中一買一賣成本是進場與出場合計的手續費加滑價,平均波動則是扣除成本之前一筆交易所能賺取的幅度。成本比例接近一,代表訊號必須非常好才能打平;成本比例只有百分之幾,代表測試主要是在檢驗訊號本身。
假設性範例
一口 ES 合約的一買一賣成本是 $50。某條背離規則在日 K 上平均能賺 20 點,也就是 $1,000,因此成本比例是 5%。同一條規則放在 5 分 K 上,平均只賺 2 點,也就是 $100,成本比例則是 50%。在日 K 上,優勢稍微減弱仍能留下結果;在 5 分 K 上,滑價稍微增加就會把它抹掉。但日 K 上的規則每年可能只有 20 筆交易,需要十年的資料才能判斷,而 5 分 K 上的規則幾個月內就能累積數百筆交易。
對於很少觸發的反轉訊號,小時 K 常常是折衷的選擇:每年的交易數足以計數,成本比例又夠小,使結果反映的是訊號本身,而不是經紀商的收費。較短的 K 棒適合那些設計上就頻繁觸發的指標;測試顯示日內交易的最佳指標是什麼一文則涵蓋了這一面。
ES 期貨回測顯示什麼,包括交易筆數?
本文背後的這次運算,從嘗試過的一千零二十四組候選策略中只保留了一組,使用由 RSI 衍生的 QQE 規則,作為手繪背離的替代品。它在 ES 日 K 上的 137 筆交易,顯示的是一個以規則實作的 RSI 反轉訊號在扣除成本後的表現,而不是背離本身能賺多少。QQE 是經過平滑的 RSI,外圍套著一條跟隨它移動的帶狀區。被保留的候選策略只用一條 QQE 規則作為唯一的進場與出場,沒有停損、沒有停利、也沒有過濾條件。它之所以能代表背離,是因為它與背離建立在同一條動能線上,並且在同類型的轉折上觸發;但它並不是兩個波段的比較,因此這個結果應被視為基於 RSI 的反轉規則的參考點,而不是對背離本身的定論。
來源:AlphaPrime 產品引擎(CPU),2026-10-31 執行。ES 日線,2019-01-02 至 2025-06-30,多空都做,1 口,每筆手續費 $20、滑價 $25。
| 項目 | 結果 |
|---|---|
| 淨利(已平倉) | $97,472.5 |
| 最大回撤 | $50,980 |
| 交易筆數 | 137 |
| 勝率 | 53.28% |
| 獲利因子 | 1.441 |
| 平均每筆 | $711.48 |
| 在場時間 | 84.7% |

有三點比標題上的獲利更重要。第一,約六年半內 137 筆交易,大約是每年二十筆,這只能當作一個線索,而不是定論:樣本這麼小,只要幾筆交易改變,結果就可能大幅改變。第二,這組被保留的候選策略有 84.7% 的時間在場內,並在做多與做空之間來回切換,這和一條一年只觸發幾次、其餘時間空手的背離規則完全不同;一條真正的兩波段背離規則在日 K 上產生的交易,會比這裡還要更少。第三,平均每筆損益 $711.48 遠高於每筆交易收取的 $45 手續費與滑價,因此結果反映的是訊號,而不是成本假設,這也就是前一節的成本比例問題,在日 K 上得到的答案。

這個候選策略是事後挑選的,依據報酬與回撤的比例,從約一千組中選出最佳者;而在看過結果之後挑出最好的那一個,會讓它的表現被美化。Bailey、Borwein、López de Prado 與 Zhu(2014)指出,同一段歷史上嘗試的變體越多,其中最佳者就越會因為運氣而膨脹。Park 與 Irwin(2007)回顧了數十年的技術分析研究,也發現同樣的模式:當成本與所測試的規則數量都納入計算後,結果會縮水。AlphaPrime(Valynox)透過它的回測,在這一千次評估的每一次都計入了 $20 的手續費、$25 的滑價,以及隔根 K 棒成交,因此產生這個候選策略的排名,本來就是扣除成本後的結果,而不是毛利再事後扣掉。然而,挑選的加成仍然存在於這些數字之中,只有權益圖中標示的樣本外區段,以及在這次運算從未見過的資料上所做的新測試,才能說明其中有多少是運氣。
這個方框並不是說 RSI 背離或 QQE 在 ES 上能賺 $97,472.5,讀者也不應該期待這個數字。它說的是:一個嚴格依規則實作的 RSI 反轉訊號,在日 K 上扣除成本之後,在這段歷史中產生了正的、但樣本很小的結果。接下來該做的是:為你自己的市場寫下第一節的五條規則,在日 K 上不設停損、不設停利地執行,然後統計交易筆數。如果筆數低於約 30 筆,就改用小時 K 再統計一次,然後才去看其他任何數字。
常見問題
RSI 背離有效嗎?
只能針對一條寫定的規則來回答:波段強度、波段之間的最大距離、最小 RSI 差距、進場的 K 棒、停損與出場。若在事後用肉眼判斷,背離永遠看起來有效,因為失敗的案例從來不會被畫出來。在 ES 日 K 上,一個以規則實作、作為 RSI 反轉替代品的策略,在扣除成本後於六年半內產生 137 筆交易,這足以引人注意,但還不足以作為定論。
什麼是隱藏 RSI 背離?
隱藏背離是指 RSI 創出新的極值、價格卻沒有。在上升趨勢中,價格形成較高的低點,RSI 卻形成較低的低點;在下跌趨勢中,價格形成較低的高點,RSI 卻形成較高的高點。它被解讀為延續訊號,與一般背離相反,因此測試時必須事先說明要找的是哪一種形式。
該如何交易 RSI 背離?
用左右固定 K 棒數來偵測波段,只在第二個波段的右側 K 棒收盤後才確認它,並把兩個價格波段與同樣兩根 K 棒上的 RSI 數值做比較。在確認後那根 K 棒的開盤價進場,把停損設在第二個波段之外的固定距離,並在固定的 K 棒數之後或出現反向訊號時出場。在第一次測試之前,把這三個決定都寫下來。
哪一種 K 棒週期最適合 RSI 背離?
就是那個能產生足夠交易來計數、而成本比例又夠小、使結果主要反映訊號本身的週期。日 K 的波段乾淨、成本比例小,但交易很少;5 分 K 的交易很多,但成本比例可能接近平均波動的一半。對於很少觸發的訊號,小時 K 常常是折衷的選擇。
參考文獻
- Wilder, J. W. (1978). New Concepts in Technical Trading Systems. Trend Research.
- Lo, A. W., Mamaysky, H., & Wang, J. (2000). Foundations of Technical Analysis: Computational Algorithms, Statistical Inference, and Empirical Implementation. The Journal of Finance, 55(4), 1705–1765.
- Bailey, D. H., Borwein, J., López de Prado, M., & Zhu, Q. J. (2014). Pseudo-Mathematics and Financial Charlatanism: The Effects of Backtest Overfitting on Out-of-Sample Performance. Notices of the American Mathematical Society, 61(5), 458–471.
- Park, C.-H., & Irwin, S. H. (2007). What Do We Know About the Profitability of Technical Analysis? Journal of Economic Surveys, 21(4), 786–826.

