1. 本站首页
  2. 宽客学院
  3. 交易策略

[原创] SuperTrend V.1 超级趋势线系统

一、故事由来

我的好朋友燃哥观察了这个指标很久，在元旦以前推荐给我，讨论是否可以转化成量化。
可惜拖延症犯了，一直拖到现在才来帮他完成这样一个心愿，其实也是最近对算法的领悟突飞猛进。
估摸着某一天写一个pine的翻译器。一切皆可python。
好了废话不多说，我们来介绍一下这个传说中的超级趋势线。

 

二、系统介绍

CMC Markets 新一代智能交易系统 —— 超级趋势线（Supertrend）
这里有一篇文章介绍这个系统。

在CMC Markets中的新一代智能交易系统中，在技术指标中选取“超级趋势线”调取即可使用，
如图中所示，可以根据自身喜好对上涨的信号、下跌的信号调节“颜色和粗细”。
那么什么是超趋势指标？在理解超趋势指标公式之前，理解ATR是必要的，因为超趋势使用ATR值来计算指标值。

其中的主要算法下面也有一张图来介绍

大致看一下，主要描述是HL2（k线均价）乘以n倍ATR的通道。做趋势突破。
但文章写得比较简略。没有详细的算法。随后我想到了最牛的社区Tradingview。
果不奇然。上面果然有。

从图上看，还是比较切合趋势的。但可惜的是它只是一个Alert的报警信号。

 

三、学习源码

看着代码还不算太长，那我们就翻译过来试一下吧。！(っ•̀ω•́)っ✎⁾⁾！

完整pine代码如上。。

 

四、代码转化

这里我们在FMZ新建一个策略，起名SuperTrade

接着我们来设置2个参数Factor、Pd

为了更好的简化代码的操作，便于理解，这样要用到python的高级数据扩展包pandas

中午吃饭的时候我问梦梦老师，FMZ是否支持这个库。下午一看居然可以用了。
梦梦老师真的太厉害了。

1.我们要导入pandas库time库
2.在main函数当中设置使用季度合约（主要跑okex）
3.设定一个循环doTicker()15分钟检测1次。
将代码跑在15分钟的周期上
接着我们在doTicker()中写主要策略。

import pandas as pd
import time

def main():
    exchange.SetContractType("quarter")
    preTime = 0
    Log(exchange.GetAccount())
    while True:
        records = exchange.GetRecords(PERIOD_M15)
        if records and records[-2].Time > preTime:
            preTime = records[-2].Time
            doTicker(records[:-1])
        Sleep(1000 *60)

4.我们要取回k线的OHCLV 所以用GetRecords（）
5.我们将取回的数据导入pandas M15 = pd.DataFrame(records)
6.我们要修改表的头部标签。 M15.columns = ['time','open','high','low','close','volume','OpenInterest']
其实就是将'open','high','low','close’ 的首字母改成小写，便于后期写代码不要一会大写一会小写。

def doTicker(records):
    M15 = pd.DataFrame(records)
    M15.columns = ['time','open','high','low','close','volume','OpenInterest']

7.给数据集合增加一列hl2 hl2=(high+low)/2

#HL2
M15['hl2']=(M15['high']+M15['low'])/2

8.接着我们来计算ATR
因为ATR的计算要导入一个变量length，它的取值是Pd

接着我们通过查阅麦语言手册，ATR真實波動幅度均值的算法步骤如下：
TR : MAX(MAX((HIGH-LOW),ABS(REF(CLOSE,1)-HIGH)),ABS(REF(CLOSE,1)-LOW));
ATR : RMA(TR,N)

其中TR的值取下面3个差值的最大一个
1、当前交易日的最高价与最低价间的波幅 HIGH-LOW
2、前一交易日收盘价与当个交易日最高价间的波幅 REF(CLOSE,1)-HIGH)
3、前一交易日收盘价与当个交易日最低价间的波幅 REF(CLOSE,1)-LOW)
所以TR : MAX(MAX((HIGH-LOW),ABS(REF(CLOSE,1)-HIGH)),ABS(REF(CLOSE,1)-LOW));

在python计算中

M15['prev_close']=M15['close'].shift(1)

要先设立一个prev_close 去取close在上一行的数据，也就是将close右移1格成立一个新的参数

ranges= [M15['high'] - M15['low'],M15['high']-M15['prev_close'],M15['low']-M15['prev_close']]

接着定义一个中间变量 记录TR的3个对比值的数组。（HIGH-LOW）（high-prev_close）（low-prev_close）

M15['tr'] = pd.DataFrame(ranges).T.abs().max(axis=1)

我们在数据集合当中定义新的一列取名TR，TR的取值是取中间变量绝对值的最大一个，使用abs（）和max（）函数

alpha = (1.0 / length) if length > 0 else 0.5
M15['atr']=M15['tr'].ewm(alpha=alpha, min_periods=length).mean()

最后我们要计算ATR的值，ATR : RMA(TR,N)，据查RMA的算法其实就是一个固定值变种的EMA算法。
N是我们导入的变量，其中ATR的默认参数是14。这里我们导入alpha=length的倒数。

===

然后用ewm算法计算ema
完整ATR计算过程如下

#ATR(PD)
length=Pd
M15['prev_close']=M15['close'].shift(1)
ranges= [M15['high'] - M15['low'],M15['high']-M15['prev_close'],M15['low']-M15['prev_close']]
M15['tr'] = pd.DataFrame(ranges).T.abs().max(axis=1)
alpha = (1.0 / length) if length > 0 else 0.5
M15['atr']=M15['tr'].ewm(alpha=alpha, min_periods=length).mean()

9始计算Up和Dn

M15['Up']=M15['hl2']-(Factor*M15['atr'])
M15['Dn']=M15['hl2']+(Factor*M15['atr'])

Up=hl2 -（Factor * atr）
Dn=hl2 +（Factor * atr）
是不是很简单呢。

下面是TV当中15行-21行的核心代码段

TrendUp=close[1]>TrendUp[1]? max(Up,TrendUp[1]) : Up
TrendDown=close[1]<TrendDown[1]? min(Dn,TrendDown[1]) : Dn

Trend = close > TrendDown[1] ? 1: close< TrendUp[1]? -1: nz(Trend[1],1)
Tsl = Trend==1? TrendUp: TrendDown

linecolor = Trend == 1 ? green : red

这一段的主要意思是想表达，
如果处于看涨阶段，（下方线）TrendUp = max(Up,TrendUp[1])
如果处于下跌阶段，（上方线）TrendDown=min(Dn,TrendDown[1])
也就是说在一个趋势中，ATR的值一直在使用一种类似强盗布林策略的技术。
不断将通道的另一侧收窄

这里TrendUp和TrendDown每一次的计算都需要进行自我迭代。
就是每一步都要拿上一步的自己来计算。
所以要对数据集合做循环遍历。

这里先要对数据集合新建字段TrendUp，TrendDown，Trend，linecolor。并给定他们一个初始值
接着使用fillna(0)语法将之前计算的结果中带有空值的数据填上0

M15['TrendUp']=0.0
M15['TrendDown']=0.0
M15['Trend']=1
M15['Tsl']=0.0
M15['linecolor']='Homily'
M15 = M15.fillna(0)

启用一个for循环
在循环中采用python三目运算

for x in range(len(M15)):

计算TrendUp
TrendUp = MAX(Up,TrendUp[-1]) if close[-1]>TrendUp[-1] else Up
大致意思是 如果 上一个close>上一个TrendUp，成立取Up和上一个TrendUp当中最大的值，不成立取Up值，并传递给当前TrendUp

M15['TrendUp'].values[x] = max(M15['Up'].values[x],M15['TrendUp'].values[x-1]) if (M15['close'].values[x-1]>M15['TrendUp'].values[x-1]) else M15['Up'].values[x]

同理，计算TrendDown
TrendDown=min(Dn,TrendDown[-1]) if close[-1]<TrendDown[-1] else Dn
大致意思是 如果 上一个close<上一个TrendDown，成立取Dn和上一个TrendDown当中最小的值，不成立取Dn值，并传递给当前TrendDown

M15['TrendDown'].values[x] = min(M15['Dn'].values[x],M15['TrendDown'].values[x-1]) if (M15['close'].values[x-1]<M15['TrendDown'].values[x-1]) else M15['Dn'].values[x]

下面是计算控制方向的flag，我简化了一下伪代码
Trend= 1 if (close > TrendDown[-1]) else (x)
x = -1 if (close< TrendUp[-1]) else Trend[-1]

意义是是 如果 收盘价>上一个 TrendDown 则取1（看多） 不成立取x
如果 收盘价<上一个 TrendUp 则取-1（看空）不成立取上一个Trend （意思是是不变）
翻译成图像语言就是突破上轨转换flag看多，突破下轨转换flag看空，其他时间不变。

M15['Tsl'].values[x] = M15['TrendUp'].values[x] if  (M15['Trend'].values[x]==1) else M15['TrendDown'].values[x]

计算Tsl和Linecolor
Tsl= rendUp if (Trend==1) else TrendDown
Tsl 是用来在图像上表示SuperTrend 的值。意思是看多的时候在图上标记下轨，看空的时候在图上标记上轨。
linecolor= 'green' if (Trend==1) else 'red'
linecolor 的含义是 如果看多 则标记绿线 ，如果看空则标记空色（主要是用途Tradingview展示）

M15['Tsl'].values[x] = M15['TrendUp'].values[x] if  (M15['Trend'].values[x]==1) else M15['TrendDown'].values[x]
M15['linecolor'].values[x]= 'green' if ( M15['Trend'].values[x]==1) else  'red'

接着23-30行的代码主要是plot绘图 这里不做详解。

最后还有2行代码用于买入卖出信号控制
Tradingview中，他的含义是 反转了Flag以后给出信号
将条件语句转换成为python。
如果上一个Trend flag从-1变成1 代表突破上方阻力 开多
如果上一个Trend flag从1变成-1 代表突破下发支撑 开空

if(M15['Trend'].values[-1] == 1 and M15['Trend'].values[-2] == -1):
    Log('SuperTrend V.1 Alert Long',"Create Order Buy)
if(M15['Trend'].values[-1] == -1 and M15['Trend'].values[-2] == 1):
    Log('SuperTrend V.1 Alert Long',"Create Order Sell)

本段完整代码如下：

M15['TrendUp']=0.0
M15['TrendDown']=0.0
M15['Trend']=1
M15['Tsl']=0.0
M15['linecolor']='Homily'
M15 = M15.fillna(0)

for x in range(len(M15)):
    M15['TrendUp'].values[x] = max(M15['Up'].values[x],M15['TrendUp'].values[x-1]) if (M15['close'].values[x-1]>M15['TrendUp'].values[x-1]) else M15['Up'].values[x]
    M15['TrendDown'].values[x] = min(M15['Dn'].values[x],M15['TrendDown'].values[x-1]) if (M15['close'].values[x-1]<M15['TrendDown'].values[x-1]) else M15['Dn'].values[x]
    M15['Trend'].values[x] = 1 if (M15['close'].values[x] > M15['TrendDown'].values[x-1]) else ( -1 if (M15['close'].values[x]< M15['TrendUp'].values[x-1])else M15['Trend'].values[x-1] )
    M15['Tsl'].values[x] = M15['TrendUp'].values[x] if  (M15['Trend'].values[x]==1) else M15['TrendDown'].values[x]
    M15['linecolor'].values[x]= 'green' if ( M15['Trend'].values[x]==1) else  'red'
    
if(M15['Trend'].values[-1] == 1 and M15['Trend'].values[-2] == -1):
    Log('SuperTrend V.1 Alert Long',"Create Order Buy)
    Log('Tsl=',Tsl)
if(M15['Trend'].values[-1] == -1 and M15['Trend'].values[-2] == 1):
    Log('SuperTrend V.1 Alert Long',"Create Order Sell)
    Log('Tsl=',Tsl)


 

五、全部代码

我调整了一下整体的代码结构。
并将做多做空相关下单指令合并到策略中。
下面是完整代码

'''backtest
start: 2019-05-01 00:00:00
end: 2020-04-21 00:00:00
period: 15m
exchanges: [{"eid":"Futures_OKCoin","currency":"BTC_USD"}]
'''

import pandas as pd
import time

def main():
    exchange.SetContractType("quarter")
    preTime = 0
    Log(exchange.GetAccount())
    while True:
        records = exchange.GetRecords(PERIOD_M15)
        if records and records[-2].Time > preTime:
            preTime = records[-2].Time
            doTicker(records[:-1])
        Sleep(1000 *60)

       
def doTicker(records):
    #Log('onTick',exchange.GetTicker())
    M15 = pd.DataFrame(records)

    #Factor=3
    #Pd=7
    
    M15.columns = ['time','open','high','low','close','volume','OpenInterest']  
    
    #HL2
    M15['hl2']=(M15['high']+M15['low'])/2

    #ATR(PD)
    length=Pd
    M15['prev_close']=M15['close'].shift(1)
    ranges= [M15['high'] - M15['low'],M15['high']-M15['prev_close'],M15['low']-M15['prev_close']]
    M15['tr'] = pd.DataFrame(ranges).T.abs().max(axis=1)
    alpha = (1.0 / length) if length > 0 else 0.5
    M15['atr']=M15['tr'].ewm(alpha=alpha, min_periods=length).mean()


    M15['Up']=M15['hl2']-(Factor*M15['atr'])
    M15['Dn']=M15['hl2']+(Factor*M15['atr'])
    
    M15['TrendUp']=0.0
    M15['TrendDown']=0.0
    M15['Trend']=1
    M15['Tsl']=0.0
    M15['linecolor']='Homily'
    M15 = M15.fillna(0)

    for x in range(len(M15)):
        M15['TrendUp'].values[x] = max(M15['Up'].values[x],M15['TrendUp'].values[x-1]) if (M15['close'].values[x-1]>M15['TrendUp'].values[x-1]) else M15['Up'].values[x]
        M15['TrendDown'].values[x] = min(M15['Dn'].values[x],M15['TrendDown'].values[x-1]) if (M15['close'].values[x-1]<M15['TrendDown'].values[x-1]) else M15['Dn'].values[x]
        M15['Trend'].values[x] = 1 if (M15['close'].values[x] > M15['TrendDown'].values[x-1]) else ( -1 if (M15['close'].values[x]< M15['TrendUp'].values[x-1])else M15['Trend'].values[x-1] )
        M15['Tsl'].values[x] = M15['TrendUp'].values[x] if  (M15['Trend'].values[x]==1) else M15['TrendDown'].values[x]
        M15['linecolor'].values[x]= 'Long' if ( M15['Trend'].values[x]==1) else  'Short'
 

    linecolor=M15['linecolor'].values[-2]
    close=M15['close'].values[-2]
    Tsl=M15['Tsl'].values[-2] 


    if(M15['Trend'].values[-1] == 1 and M15['Trend'].values[-2] == -1):

        Log('SuperTrend V.1 Alert Long','Create Order Buy')
        Log('Tsl=',Tsl)
        position = exchange.GetPosition()
        if len(position) > 0:
            Amount=position[0]["Amount"]
            exchange.SetDirection("closesell")
            exchange.Buy(_C(exchange.GetTicker).Sell*1.01, Amount);
        
        exchange.SetDirection("buy")
        exchange.Buy(_C(exchange.GetTicker).Sell*1.01, vol);

    if(M15['Trend'].values[-1] == -1 and M15['Trend'].values[-2] == 1):
        Log('SuperTrend V.1 Alert Long','Create Order Sell')
        Log('Tsl=',Tsl)
        position = exchange.GetPosition()
        if len(position) > 0:
            Amount=position[0]["Amount"]
            exchange.SetDirection("closebuy")
            exchange.Sell(_C(exchange.GetTicker).Buy*0.99,Amount);
        exchange.SetDirection("sell")
        exchange.Sell(_C(exchange.GetTicker).Buy*0.99, vol*2);

公开策略连接https://www.fmz.com/strategy/200625

 

六、回测与总结

我们选取了近一年的数据进行回测。
使用okex季度合约 15分钟周期。
设定的参数是，
Factor=3
Pd=45
vol=100（每次下单100张）
所得年化收益，约33%。
总体来说回撤并不是很****r /> 其中主要是312的大跌对系统产生了比较大的冲击，
如果没有312的话收益应该会比较好看。

七、写在最后

SuperTrend是一个非常不错的交易系统

SuperTrend系统的主要原理是采用ATR通道突破策略（类似于肯特通道）
但其变化的地方主要在于使用了强盗布林的收窄策略，或者说是逆向的唐奇安原理。
在行情运行中不断收窄上下通道。
以便达到通道突破转向的操作。（一旦通道突破，上下轨恢复初始值）

我在TradingView上把up dn TrendUp TrendDn 分别plot了出来
这样便于更好的理解这个策略
一目了然

另外github上还有一个js的版本。js我不是很懂，但从if语句看好像有点问题。
地址是https://github.com/Dodo33/gekko-supertrend-strategy/blob/master/Supertrend.js

最后我去追查了一下原版。
它发表在2013.05.29
作者是Rajandran R
C++代码发表在Mt4论坛https://www.mql5.com/en/code/viewcode/10851/128437/Non_Repainting_SuperTrend.mq4
我大致看懂了C++的意思，有机会再重写一份。

希望大家可以从中学到精髓。
难搞哦。~！

免责声明：信息仅供参考，不构成投资及交易建议。投资者据此操作，风险自担。
如果觉得文章对你有用，请随意赞赏收藏
收藏 点赞
253528688 1人赞赏收藏
最新文章
周排行
月排行
相关推荐
“机械跟踪”以来我的思考
干货 | 区间突破交易系统的操作原则
新人必经之路，如何捕捉趋势，让盈利持续？
Python版追涨杀跌策略
相关下载
abberation长线策略
Keltner Channel 策略
日线多级跟踪止盈止损交易策略（TB）源码
趋势巨人多周期多品种趋势策略改良版（TB）源码
升级商品期货多品种海龟交易策略以及回测说明 使用发明者量化交易平台扩展API实现TradingView报警信号交易
登录后评论

宽客在线

为宽客量身打造的资讯和在线工具平台

开始量化交易

关于我们

联系我们

订阅我们以获得重要的新闻和服务

微信二维码
Copyright © 2019 宽客在线