在Elasticsearch中回测超级趋势线(Supertrend)交叉交易策略

我们已经讨论了好几个单一指标交易策略，其中简单的相对强弱指数（RSI）交易策略取得的利润最高。在本文中，我们将使用 Elasticsearch 实现超级趋势线（Supertrend）交叉交易策略，并比较其性能是否优于相对强弱指数指标。超级趋势线指标是由 Olivier Seban 创建，但在网上却难以找到它是什么时候宣布的。该指标是一种趋势跟踪指标，提供信号以显示价格趋势，所以它有滞后现象。基本上，它适用于日内交易。

与布林带 (Bollinger Band) 类似，超级趋势线可以显示动量和波动性的趋势。这个指标首先使用真实波动幅度均值（Average True Range，简称ATR）来衡量市场波动范围。真实波动幅度 (True Range，简称TR) 的 n 个周期移动平均线（包括当前阶段）可以写成以下等式。

上式中变量High、Low、PClose分别为资产的最高价、最低价和上一个收盘价，其中ABS为绝对函数，而MAX为最大值函数。真实波动幅度均值可以通过使用简单移动平均 (SMA) 来编写。参数 n-period 的默认值为 14， n-period 后的参数 shift 为 1 以包括当前数据。

与布林带类似，超级趋势线涉及上带和下带。为了计算这两个带，引入了一个具有与布林带中标准偏差相同概念的参数Multiplier。 Multiplier的默认值为3，读者可以进一步参考文章使用Elasticsearch计算布林带宽度指标以了解更多信息。但是，在超级趋势线中的上下带，仅用作生成超级趋势线最终值，是上下带的混合产物。此外，在计算过程中涉及两个阶段，包括基本带阶段和最终带阶段。将两个基本带命名为 BUBand 和 BLBand，并写成如下。

如前所述，超级趋势线是两个最终带的混合产物。但是由于不同开发者引入不同的最终带定义，本文将采用比较流行但使用方法不简单。超级趋势线(st)的初始值设置为最终上带(fuband)。而后续的值可以分为三种情况。第一种情况是前一个超级趋势线值(pst)等于前一个最终上带值(pfuband) ，第二种情况是前一个超级趋势线值等于前一个最终下带值(pflband) ，否则属于第三种情况。第一种情况可以细分为三个子情况，即当前收盘价(close)是否大于、小于或等于当前最终上带值。第二种情况也可以细分为三个子情况，即当前收盘价是否大于、小于或等于当前最终下带值。第三种情况是什么都不做，保持原来的值。详细阅读下面的 Python 代码会更清楚了解各个条件。

            if pst == -1:st = fubandelse:if pst == pfuband:if close < fuband:st = fubandelif close > fuband:st = flbandelif pst == pflband:if close > flband:st = flbandelif close < flband:st = fuband

使用图表来观察值的变化要容易得多。在本文中，我们尝试将回溯测试应用于免佣金交易所交易基金 (commission-free ETF)，并专注于将 Elasticsearch 作为分析工具。下面的例子随机选择了“Fidelity International Multifactor ETF”。其股票代码为FDEV。将随机抽取另外10只ETF运行，最终结果将在稍后公布。数据选自Investors Exchange（IEX）提供的 2021-02-01 和 2021-05-31 之间的时间范围。在下图中，最终上带（红色）和最终下带（绿色）与每日收盘价（蓝色）一起绘制。

下图显示了与每日收盘价（蓝色）一起绘制的超级趋势曲线（灰色）。当超级趋势线的值来自最终上带时，它显示为红点。绿点则是来自下带的值。根据下图，超级趋势线指标有明显滞后反映价格下跌或价格上涨。但是，当价格逐渐上涨或下跌时，它可以很好地捕捉趋势。

在这里，我们展示了一个简单的超级趋势线指标交叉策略，并使用 Elasticsearch 来执行大部分实现细节。假设限制一次购买和持有 1 股，则在所持有的股份被出售之前不会发生任何交易。

如果没持有股份，当超级趋势线从上向下穿过收盘线时买入一股。
如果持有一股，当超级趋势线从下向上穿过收盘线时卖出股份。
在测试期结束时，持有的股份以当前收盘价格兑现。
建议设置止损点，但我们在本文中忽略了它以简化演示策略。

根据超级趋势线交易策略，上图有 3 个青柠色点和 2 个浅珊瑚色点。因此，允许 3 次买入和 2 次卖出交易。从观察看来，这种策略有可能会选择以高价买入，然后以低价卖出。就像其他文章中的结论一样，它在平稳或波动的市场中交易效果并不好。以下描述使用 Elasticsearch 的实现。假设有一个填充有数据的 Elasticsearch 索引，其使用的数据映射与之前的文章类似。以下步骤演示了 REST API 请求正文的代码。

通过搜索操作收集所有相关文档
使用带有必要条件（must）子句的布林查询（bool query）来收集股票代码为FDEV和公告截止日期从2021年02月01日到2021年05月31日的文档。由于需要计算滑动窗口，因此增加了一个半月的数据（从2020年12月15日到2021年01月31日）。

{"query": {"bool": {"must": [{"range": {"date": {"gte": "2020-12-01", "lte": "2021-05-31"}}},{"term": {"symbol": "FDEV"}}]}},

提取每日的收盘价
使用名为Backtest_Supertrend日期直方图（date_histogram）存储桶聚合，并配合参数field（字段）为date和interval（间隔）为 1d（1天）。由于没有内插数据，为了过滤非交易日（空桶），使用名为 SDaily 的“bucket_selector”聚合来选择文档计数（_count）大于 0 的桶。

    "aggs": {"Backtest_Supertrend": {"date_histogram": {"field": "date","interval": "1d","format": "yyyy-MM-dd"},"aggs": {"SDaily": {"bucket_selector": {"buckets_path": {"count":"_count"},"script": "params.count > 0"}},

提取每日最高、最低和收盘价
由于子聚合使用管道（pipeline）聚合而无法直接采用文档字段，所以额外使用三个“平均”聚合，名为 High、Low 和 Daily，用于检索最高、最低和收盘价。

                "High": {"avg": {"field": "high"}}, "Low": {"avg": {"field": "low"}}, "Daily": {"avg": {"field": "close"}},

计算前一个收盘价

                "PClose": {"moving_fn": {"script": "MovingFunctions.sum(values)", "window": 1, "buckets_path": "Daily"}},

过滤掉没有前一个收盘价的文件
使用名为 SPClose 的“bucket_selector”聚合和参数“buckets_path”来指定“PClose” ，选择那些 PClose 值大于 0 的桶。

                "SPClose":{"bucket_selector": {"buckets_path": {"PClose": "PClose"}, "script": "params.PClose > 0"}},

计算 TR
使用名为 TR 的“bucket_script”聚合，并使用参数“buckets_path”来指定 High、Low 和 PClose。然后，根据公式计算出TR值。

                "TR": {"bucket_script": {"script": "Math.max(Math.max(params.High - params.Low, Math.abs(params.High - params.PClose)),     Math.abs(params.Low - params.PClose))", "buckets_path": {"High": "High", "Low": "Low", "PClose": "PClose"}}}

计算两个基本带
使用两个名为 BUBand 和 BLBand 的“bucket_script”聚合，并使用参数“buckets_path”指定最高、最低和 ATR 聚合值。 Multiplier 的值设置为 3，然后根据公式计算 Bands 的值。

                "BUBand": {"bucket_script": {"buckets_path": {"High": "High", "Low": "Low", "ATR": "ATR"}, "script": "0.5 * (params.High + params.Low) + 3 * params.ATR"}}, "BLBand": {"bucket_script": {"buckets_path": {"High": "High", "Low": "Low", "ATR": "ATR"}, "script": "0.5 * (params.High + params.Low) - 3 * params.ATR"}}

由于最终带的定义涉及到它的前一个值，所以在Elasticsearch 中没有办法指定这样的公式。如果读者知道如何处理，请发表评论，个人非常感谢您的贡献。最终带和超级趋势线的计算将在 Python 程序中完成。

Python主程序包括四个部分。

读取命令行参数，包括开始日期、结束日期、符号代码和包含使用 JSON 格式以 Elasticsearch REST API 请求正文编写的交易策略的文件名称。
根据参数从Elasticsearch服务器获取数据。
解析响应数据并处理买卖交易。
报告回测统计数据(为简单起见，利润并未扣除交易费用)。

主函数如下所示：

def main(argv):type = 'Supertrend'input_file, start_date, end_date, symbol = get_opt(argv)resp = get_data(input_file, start_date, end_date, symbol)transactions = parse_data(resp, start_date)report(transactions, type)

读者可以进一步参考Gitee上的开源项目Backtest_Supertrend。Python程序结果提供交易策略的统计信息，包括整个买卖交易的"赢"和"输"。以下是对FDEV运行超级趋势线交易策略后的结果。

购买次数:              3
卖出次数:              2
得胜次数:              2
亏损次数:              1
总利润:            -0.05
平均购买价格:       29.32
利润百分率:        -0.18%

以下表格收集了 2021-02-01 至 2021-05-31 使用超级趋势线交叉交易策略随机挑选的 11 只 ETF 的所有统计数据。结果表明，这种策略并不一定可以获利。有3次失败的交易记录。

下表汇总了所有 11 只 ETF 的统计数据。该表还显示了具有相对强弱指数和随机（慢）策略获得最大利润的ETF。简而言之，超级趋势线的总利润低于其他两种策略。

这里需要提到的一件事，是当市场处于趋势中时，超级趋势线将具有出色的表现，以FMAT为例，如下图显示它可以跟随趋势以获得更大的利润。然而，根据 Investopedia 的一篇文章结论（Market Timing Tips Every Investor Should Know），在所有股票持有期内，市场只有大约 25% 的时间能够展示上升趋势或下降趋势。

备注:

感谢Investors Exchange（IEX）大数据开放社区提供相关数据及Gitee开源社区提供存储开源项目。
本文基于公开发布技术和研究观点，并不构成任何投资建议，读者在使用时须自行承担责任。
文中可能还存在疏漏和错误之处，恳请广大读者批评和指正。
作者的中文著作Elasticsearch 数据分析与实战应用（ISBN 978-7-113-27886-1号）2021 年 8月出版。
作者的英文著作Advanced Elasticsearch 7.0（ISBN 978-1-789-95775-4号）被bookauthority评为 2021 年最值得阅读的 4 本 Elasticsearch 新书之一。