슈퍼트렌드 (SuperTrend)

 

앞의 두 글에서 밴드형 지표(볼린저 밴드, 켈트너 채널)를 다뤘습니다. 둘 다 "이동평균 ± 변동성"으로 가격의 위아래에 밴드를 그리는 구조였습니다. 이번 글에서는 ATR을 밴드가 아닌 추세 방향 판단과 동적 손절에 사용하는 슈퍼트렌드(SuperTrend)를 다룹니다.

---

지표 소개

슈퍼트렌드는 가격의 중간값(HL/2)을 기준으로 ATR 배수만큼 위아래에 밴드를 설정하고, 가격이 밴드를 돌파하면 추세 방향을 전환합니다.

기본 상단밴드 = (고가 + 저가) / 2 + K × ATR(N)
기본 하단밴드 = (고가 + 저가) / 2 - K × ATR(N)

일반적으로 N=14, K=3을 사용합니다.

 

핵심은 밴드가 한 방향으로만 이동한다는 것입니다. 상승 추세에서는 하단밴드(지지선)가 올라가기만 하고 내려가지 않습니다. 하락 추세에서는 상단밴드(저항선)가 내려가기만 하고 올라가지 않습니다. 가격이 이 밴드를 뚫으면 추세가 전환됩니다.

 

이전 지표들과의 비교

6편의 ATR은 변동성의 크기만 측정했습니다. 볼린저 밴드와 켈트너 채널은 가격을 밴드로 감쌌지만 방향성은 없었습니다. 슈퍼트렌드는 ATR을 사용하되, 추세 방향(상승/하락)과 동적 스톱 레벨을 동시에 제공합니다.

차트에서는 상승 추세 구간은 초록색 선(하단밴드 = 지지선), 하락 추세 구간은 빨간색 선(상단밴드 = 저항선)으로 표시됩니다.

 

 

초록색 선이 가격 아래에서 따라올라가는 것이 보입니다. 이것이 동적 지지선 역할을 하며, 가격이 이 선 아래로 내려가면 빨간색으로 전환됩니다.

 

 

추세 전환 시점(초록↔빨강)이 매매 신호가 됩니다. ATR 배수(K)가 클수록 전환이 느려지고(덜 민감), 작을수록 빨라집니다(더 민감).

---

해석

슈퍼트렌드에서 읽을 수 있는 정보는 두 가지입니다.

 

추세 방향: 초록(상승) / 빨강(하락). 가장 기본적인 해석입니다. 초록이면 롱 포지션 유지, 빨강이면 숏 포지션 유지(또는 현금 보유).

동적 스톱: 슈퍼트렌드 라인 자체가 트레일링 스톱 역할을 합니다. 상승 추세에서 초록색 선은 "여기 아래로 떨어지면 추세가 끝난 것"이라는 기준선입니다. ATR 기반이므로 변동성에 따라 스톱 거리가 자동 조절됩니다.

---

가설 설정

슈퍼트렌드의 가장 기본적인 사용법은 방향 전환 매매입니다.

• 진입 — 하락 → 상승 전환 (빨강 → 초록)
• 청산 — 상승 → 하락 전환 (초록 → 빨강)

ATR 배수(K)에 따른 차이를 비교합니다. K=2(민감), K=3(기본), K=4(둔감).

---

백테스트 조건

항목	설정
종목	BTC/USDT (Binance Spot)
기간	2018.01.01 ~ 2025.12.31
타임프레임	일봉 (1D)
ATR 기간	14일
ATR 배수	2.0 / 3.0 / 4.0 (비교)
진입	하락 → 상승 전환
청산	상승 → 하락 전환
초기 자본	$10,000
수수료 / 슬리피지	미적용

---

코드 구현

import pandas as pd
import numpy as np
import mplfinance as mpf
import matplotlib.pyplot as plt

# ===== 설정 =====
DATA_FILE = "BTCUSDT_1d.csv"
ST_PERIOD = 14          # ATR 기간
ST_MULTS = [2.0, 3.0, 4.0]  # ATR 배수 비교
INITIAL_CAPITAL = 10000
ZOOM_DAYS = 180
# ================

# 데이터 로드
df = pd.read_csv(DATA_FILE, index_col="timestamp", parse_dates=True)

# ATR 계산
high_low = df["high"] - df["low"]
high_close = (df["high"] - df["close"].shift(1)).abs()
low_close = (df["low"] - df["close"].shift(1)).abs()
tr = pd.concat([high_low, high_close, low_close], axis=1).max(axis=1)
df["atr"] = tr.rolling(window=ST_PERIOD).mean()

# 슈퍼트렌드 계산 함수
def calc_supertrend(df, period, multiplier):
    hl2 = (df["high"] + df["low"]) / 2
    atr = df["atr"]

    upper_basic = hl2 + multiplier * atr
    lower_basic = hl2 - multiplier * atr

    upper_band = upper_basic.copy()
    lower_band = lower_basic.copy()
    supertrend = pd.Series(index=df.index, dtype=float)
    direction = pd.Series(index=df.index, dtype=int)  # 1=up, -1=down

    for i in range(period, len(df)):
        if pd.isna(upper_basic.iloc[i]):
            continue

        # 상단밴드: 현재 기본값이 이전 상단밴드보다 낮고, 이전 종가가 이전 상단밴드보다 낮으면 유지
        if i > period and not pd.isna(upper_band.iloc[i - 1]):
            if upper_basic.iloc[i] < upper_band.iloc[i - 1] or df["close"].iloc[i - 1] > upper_band.iloc[i - 1]:
                upper_band.iloc[i] = upper_basic.iloc[i]
            else:
                upper_band.iloc[i] = upper_band.iloc[i - 1]

        # 하단밴드: 현재 기본값이 이전 하단밴드보다 높고, 이전 종가가 이전 하단밴드보다 높으면 유지
        if i > period and not pd.isna(lower_band.iloc[i - 1]):
            if lower_basic.iloc[i] > lower_band.iloc[i - 1] or df["close"].iloc[i - 1] < lower_band.iloc[i - 1]:
                lower_band.iloc[i] = lower_basic.iloc[i]
            else:
                lower_band.iloc[i] = lower_band.iloc[i - 1]

        # 방향 결정
        if i == period:
            direction.iloc[i] = 1 if df["close"].iloc[i] > upper_band.iloc[i] else -1
        else:
            prev_dir = direction.iloc[i - 1]
            if prev_dir == -1 and df["close"].iloc[i] > upper_band.iloc[i]:
                direction.iloc[i] = 1
            elif prev_dir == 1 and df["close"].iloc[i] < lower_band.iloc[i]:
                direction.iloc[i] = -1
            else:
                direction.iloc[i] = prev_dir

        # 슈퍼트렌드 값
        if direction.iloc[i] == 1:
            supertrend.iloc[i] = lower_band.iloc[i]
        else:
            supertrend.iloc[i] = upper_band.iloc[i]

    return supertrend, direction

# 백테스트 함수: 슈퍼트렌드 방향 전환으로 매매
def run_st_backtest(df, direction, initial_capital):
    capital = initial_capital
    holdings = 0
    buy_price = 0
    in_position = False
    trades = []
    equity_curve = []

    for i in range(1, len(df)):
        close = df["close"].iloc[i]
        d = direction.iloc[i]
        d_prev = direction.iloc[i - 1]

        if pd.isna(d) or pd.isna(d_prev):
            equity_curve.append(capital + holdings * close)
            continue

        if not in_position:
            # 하락 → 상승 전환 → 매수
            if d == 1 and d_prev == -1:
                buy_price = close
                holdings = capital / buy_price
                capital = 0
                in_position = True
        else:
            # 상승 → 하락 전환 → 매도
            if d == -1 and d_prev == 1:
                sell_price = close
                capital = holdings * sell_price
                pnl = (sell_price - buy_price) / buy_price * 100
                trades.append({"pnl_pct": round(pnl, 2)})
                holdings = 0
                in_position = False

        equity_curve.append(capital + holdings * close)

    if in_position:
        last_price = df["close"].iloc[-1]
        capital = holdings * last_price
        pnl = (last_price - buy_price) / buy_price * 100
        trades.append({"pnl_pct": round(pnl, 2)})
        holdings = 0

    eq = pd.Series(equity_curve)
    peak = eq.cummax()
    mdd = ((eq - peak) / peak * 100).min()

    return capital, trades, mdd

# 바이앤홀드
first_price = df["close"].dropna().iloc[0]
last_price = df["close"].dropna().iloc[-1]
bnh_return = (last_price - first_price) / first_price * 100
bnh_capital = INITIAL_CAPITAL * (1 + bnh_return / 100)

# 실행
print("=" * 65)
print(f"SuperTrend (ATR {ST_PERIOD}) 백테스트 — ATR 배수 비교")
print(f"진입: 하락→상승 전환, 청산: 상승→하락 전환")
print(f"Data: {df.index[0].strftime('%Y-%m-%d')} ~ {df.index[-1].strftime('%Y-%m-%d')}")
print("=" * 65)
print(f"  {'Mult':<8} {'Capital':>10} {'Return':>10} {'MDD':>8} {'Trades':>7} {'Win':>5} {'Lose':>5} {'WinRate':>8}")
print("-" * 65)

best_mult = None
best_st = None
best_dir = None

for mult in ST_MULTS:
    st, direction = calc_supertrend(df, ST_PERIOD, mult)
    capital, trades, mdd = run_st_backtest(df, direction, INITIAL_CAPITAL)
    total_return = (capital - INITIAL_CAPITAL) / INITIAL_CAPITAL * 100
    wins = len([t for t in trades if t["pnl_pct"] > 0])
    losses = len([t for t in trades if t["pnl_pct"] <= 0])
    win_rate = wins / len(trades) * 100 if trades else 0

    print(f"  ×{mult:<6} ${capital:>9,.0f} {total_return:>+9.2f}% {mdd:>+7.2f}% {len(trades):>6}  {wins:>5} {losses:>5} {win_rate:>7.1f}%")

    if mult == 3.0:  # 차트용 기본값
        best_mult = mult
        best_st = st
        best_dir = direction

print("-" * 65)
print(f"  {'B&H':<8} ${bnh_capital:>9,.0f} {bnh_return:>+9.2f}%")
print("=" * 65)

# 슈퍼트렌드를 차트용 컬럼에 저장
df["st"] = best_st
df["st_dir"] = best_dir
df["st_up"] = df["st"].where(df["st_dir"] == 1, np.nan)
df["st_down"] = df["st"].where(df["st_dir"] == -1, np.nan)

# 차트 1 — 상승장
df_bull = df.loc["2020-10-01":"2021-04-30"].copy()

ap_bull = [
    mpf.make_addplot(df_bull["st_up"], color="#43A047", width=1.5),
    mpf.make_addplot(df_bull["st_down"], color="#E53935", width=1.5),
]

fig1, axes1 = mpf.plot(df_bull, type="candle", style="charles",
    title=f"BTC/USDT  SuperTrend (ATR {ST_PERIOD}, ×{best_mult}) (2020.10 ~ 2021.04, Bull)",
    volume=False, figsize=(14, 8),
    addplot=ap_bull, returnfig=True)

# 차트 2 — 최근 구간
df_zoom = df.tail(ZOOM_DAYS).copy()

ap_zoom = [
    mpf.make_addplot(df_zoom["st_up"], color="#43A047", width=1.5),
    mpf.make_addplot(df_zoom["st_down"], color="#E53935", width=1.5),
]

fig2, axes2 = mpf.plot(df_zoom, type="candle", style="charles",
    title=f"BTC/USDT  SuperTrend (ATR {ST_PERIOD}, ×{best_mult}) (Last {ZOOM_DAYS}D)",
    volume=False, figsize=(14, 8),
    addplot=ap_zoom, returnfig=True)

plt.show()

 

---

사용법

ST_PERIOD로 ATR 기간을, ST_MULTS로 비교할 배수를 변경할 수 있습니다.

---

결과 분석

 

=================================================================
SuperTrend (ATR 14) 백테스트 — ATR 배수 비교
진입: 하락→상승 전환, 청산: 상승→하락 전환
Data: 2018-01-01 ~ 2025-12-31
=================================================================
  Mult        Capital     Return      MDD  Trades   Win  Lose  WinRate
-----------------------------------------------------------------
  ×2.0    $  106,919   +969.19%  -53.76%     62     26    36    41.9%
  ×3.0    $   59,990   +499.90%  -50.57%     38     14    24    36.8%
  ×4.0    $  118,515  +1085.15%  -56.87%     23     11    12    47.8%
-----------------------------------------------------------------
  B&H      $   65,507   +555.07%
=================================================================

앞의 볼린저 밴드, 켈트너 채널과 완전히 다른 결과입니다.

배수	수익률	MDD	거래	승률
×2.0	+969.19%	-53.76%	62	41.9%
×3.0	+499.90%	-50.57%	38	36.8%
×4.0	+1085.15%	-56.87%	23	47.8%

몇 가지 눈에 띄는 점이 있습니다.

 

1. 추세추종의 힘. ×2.0과 ×4.0이 모두 B&H(+555%)를 넘었습니다. 앞의 두 글에서 밴드 역추세 전략이 +84% 수준에 머물렀던 것과 대조적입니다. 슈퍼트렌드는 하락장에서 포지션을 빠져나와서 자본을 보존하고, 상승장에서는 추세를 따라가며 수익을 가져갑니다. BTC 같은 추세 시장에 더 적합한 구조입니다.

 

2. 승률이 낮지만 수익이 높다. ×3.0의 승률은 36.8%로, 3번 중 2번은 집니다. 그런데도 +499%입니다. 이것이 추세추종의 특성입니다 — 지는 횟수가 많지만 이길 때 크게 이깁니다. 볼린저/켈트너의 역추세 전략이 승률 60%대였지만 수익률이 낮았던 것과 정반대입니다.

 

3. ×4.0이 가장 높은 수익률. 배수가 클수록 전환이 느려지고 거래 횟수가 줄어듭니다(62→38→23회). ×4.0이 +1085%로 가장 높은데, 23회 거래에 승률 47.8%로 가장 균형 잡힌 수치입니다. 둔감한 만큼 휩쏘를 당해서 적지만, 진짜 추세를 잡으면 놓치지 않습니다. 다만 ×3.0이 일반적 기본값으로 쓰이는 데는 이유가 있습니다 — ×4.0의 높은 수익은 BTC의 강한 추세성에 특화된 결과일 수 있고, 다른 시장에서는 너무 둔감해서 전환이 너무 늦을 수 있습니다.

 

차트에서 초록색 선(상승 추세)이 계단식으로 올라가는 것이 보입니다. 이것이 "한 방향으로만 이동하는 밴드" 원리입니다. 상승 추세에서 지지선은 올라가기만 하고, 가격이 이 선 아래로 떨어지면 빨간색(하락 추세)으로 전환됩니다.

---

정리

슈퍼트렌드는 ATR을 사용하되, 밴드가 아닌 추세 방향 + 동적 스톱을 제공하는 지표입니다. 볼린저/켈트너가 "가격이 밴드 어디에 있는가"를 보여준다면, 슈퍼트렌드는 "지금 추세가 상승인가 하락인가"를 명확하게 답합니다.

이 섹션의 세 지표를 정리하면 이렇습니다.

 

지표	변동성 측정	용도	단독 성과
볼린저 밴드	표준편차	변동성 판단, 스퀴즈 감지	+84% (역추세)
켈트너 채널	ATR	안정적 밴드 매매	+83% (역추세)
슈퍼트렌드	ATR	추세 방향 + 동적 스톱	+499~1085% (추세추종)

 

같은 ATR을 쓰더라도 어떻게 쓰느냐(밴드 vs 추세 필터)에 따라 결과가 극적으로 달라집니다.

 

---

본 포스팅은 지표의 원리와 백테스트 과정을 정리한 기술 블로그이며, 특정 자산의 매매를 권유하지 않습니다.
백테스트 결과는 과거 데이터 기반이며 실제 수익을 보장하지 않습니다. 모든 투자의 책임은 본인에게 있습니다.