如何用 Python 回测 SuperTrend（超级趋势）策略？ATR 通道翻转，附未来函数防范

Q: 需要付费吗？

单只股票日线回测在免费额度内即可；若要对**全市场**批量测 SuperTrend 找适配标的，需要 `klines.batch` + `universes`（Starter 及以上），详见官网定价页。

策略与回测 · 代码验证于 2026-10-14

如何用 Python 回测 SuperTrend（超级趋势）策略？

一句话回答： SuperTrend（超级趋势）用 ATR 在中价 (high+low)/2 上下画一条自适应通道线：价格站上通道线翻多、跌破翻空，线本身随趋势推进只朝有利方向移动，天然是一条移动止损。用 AlphaFeed 取前复权日线即可实现并回测——关键是翻转信号用收盘确认、次日开盘成交、避免未来函数；实测它在震荡/区间行情里会被反复打脸、显著跑输买入持有，诚实呈现。

为什么会有这个问题 / 传统做法的痛点

SuperTrend 因为”一条线、翻多翻空、自带止损”而极受欢迎，但自己实现时常踩坑：① final band 的递归逻辑（上/下轨要带”只朝有利方向移动”的记忆）写错；② 未来函数——用当日 ATR/收盘定当日信号再用当日成交；③ 把它当”稳赚神器”，忽视趋势跟随在震荡市的致命弱点。本文给出标准 final-band 递归 + 严格 T+1 成交的诚实骨架。

分步骤解决（每步配可运行代码）

第 1 步：取前复权日线，算 ATR 与基础通道

from alphafeed import AlphaFeed
import numpy as np, pandas as pd

af = AlphaFeed(api_key="your-api-key")  # 或 export ALPHAFEED_API_KEY 后 AlphaFeed()

df = af.klines.get("600519.SH", period="1d", count=800,
                   adjust="forward", to_dataframe=True)
df = df.sort_values("trade_date").reset_index(drop=True)

n, mult = 10, 3.0
h, l, c = df["high"], df["low"], df["close"]
pc = c.shift(1)
tr  = pd.concat([h - l, (h - pc).abs(), (l - pc).abs()], axis=1).max(axis=1)
atr = tr.ewm(alpha=1/n, adjust=False).mean()        # Wilder ATR
hl2 = (h + l) / 2
ub, lb = hl2 + mult*atr, hl2 - mult*atr             # 基础上/下轨

第 2 步：final band 递归 + 方向判定（SuperTrend 核心）

fub = ub.to_numpy(float, copy=True); flb = lb.to_numpy(float, copy=True)
cv  = c.to_numpy(float, copy=True); ubv = ub.to_numpy(float); lbv = lb.to_numpy(float)
for i in range(1, len(df)):
    fub[i] = ubv[i] if (ubv[i] < fub[i-1] or cv[i-1] > fub[i-1]) else fub[i-1]   # 上轨只降不升(除非被突破)
    flb[i] = lbv[i] if (lbv[i] > flb[i-1] or cv[i-1] < flb[i-1]) else flb[i-1]   # 下轨只升不降(除非被跌破)

direction = np.ones(len(df), dtype=int)
for i in range(1, len(df)):
    if   cv[i] > fub[i-1]: direction[i] = 1     # 升破上轨 → 多
    elif cv[i] < flb[i-1]: direction[i] = -1    # 跌破下轨 → 空
    else:                  direction[i] = direction[i-1]
df["dir"] = direction

第 3 步：回测（翻转信号→次日开盘成交，计手续费）

df["open_next"] = df["open"].shift(-1)
pos, entry, trades, rets = 0, 0.0, 0, []
for i in range(11, len(df) - 1):
    px = df["open_next"].iloc[i]
    if np.isnan(px): continue
    flip_up = df["dir"].iloc[i] == 1 and df["dir"].iloc[i-1] == -1
    flip_dn = df["dir"].iloc[i] == -1 and df["dir"].iloc[i-1] == 1
    if pos == 0 and flip_up:
        pos, entry = 1, px                                  # 翻多 → 次日开盘买
    elif pos == 1 and flip_dn:
        rets.append(px/entry*(1-0.0013)**2 - 1); trades += 1; pos = 0   # 翻空 → 次日开盘卖
rets = pd.Series(rets)
total = (1+rets).prod()-1 if len(rets) else 0.0
bh = df["close"].iloc[-1]/df["close"].iloc[11]-1
print(f"交易{trades}次 累计{total*100:.2f}% 胜率{(rets>0).mean():.3f} | 买入持有{bh*100:.2f}%")

实测（tools/verify_new_2026-10-14.py，SDK 0.1.4）：贵州茅台近 800 日，SuperTrend（ATR10, 倍数3）交易 14 次、累计 −40.25%、胜率 0.143，同期买入持有 −16.56%。策略大幅跑输——区间震荡里价格反复穿越通道，SuperTrend 被不断”翻多买在反弹高点、翻空卖在回落低点”打脸。这清楚说明：SuperTrend 不是神器，趋势跟随在震荡市是劣势，结果高度依赖品种与行情、不可外推。

参数与字段说明

参数/概念	含义	备注
`adjust="forward"`	前复权	必须，除权缺口会伪造翻转
`n=10`	ATR 周期	常用 7~14
`mult=3.0`	ATR 倍数	越大越钝、翻转越少
final band 递归	轨道”只朝有利方向移动”	SuperTrend 核心，别漏
`direction`	+1 多 / −1 空	翻转即信号
`open_next`	次日开盘成交	避免未来函数

关键坑与注意事项

本例大幅跑输买入持有：别把 SuperTrend 当稳赚工具。14% 胜率 + −40% 说明震荡市里它被反复打脸；换趋势性强的品种/周期结果可能不同，但无法保证。
final band 递归不能省：上/下轨的”记忆”逻辑是 SuperTrend 的灵魂，写成裸 hl2±mult·atr 会频繁翻转、面目全非。
避免未来函数：方向用收盘确认、成交放次日开盘；用当日 ATR+当日成交会虚高。
参数敏感、易过拟合：n 与 mult 一改结果大变，务必样本外验证。
A 股只做多：示例翻多做多、翻空离场（不做空）；原始 SuperTrend 可多空双向。
成本敏感：频繁翻转时手续费/滑点侵蚀明显。

常见问题（FAQ）

Q：SuperTrend 和 ATR 移动止损、抛物线 SAR 有什么区别？ A：都用波动/趋势给出一条移动止损线。SuperTrend 以中价±ATR 为基础加”只朝有利方向移动”的 final band；SAR 用加速因子；ATR trailing stop 直接按 ATR 回撤。三者思路相近、构造不同。

Q：为什么我的 SuperTrend 和 TradingView 不完全一致？ A：ATR 的平滑方式（Wilder vs 简单）、n/mult、以及 final band 初始化不同都会造成差异。先对齐 ATR 口径与参数。

Q：需要付费吗？ A：单只股票日线回测在免费额度内即可；若要对全市场批量测 SuperTrend 找适配标的，需要 klines.batch + universes（Starter 及以上），详见官网定价页。

小结

SuperTrend 用 ATR 通道 + final band 递归画出一条自适应趋势线，翻多翻空自带移动止损。用 AlphaFeed 的前复权日线即可复现回测——务必写对 final band 递归、收盘确认+次日开盘成交避免未来函数。本例诚实跑输买入持有（−40.25% vs −16.56%、胜率 14%），提醒：趋势跟随在震荡市是劣势，一切以回测为准、不可外推。