移动平均函数对 RSI 交叉策略回测结果的显着影响

        之前的文章“在 Elasticsearch 中回测 RSI 交叉策略”，我们介绍了如何使用 Elasticsearch 实现相对强弱指数 (RSI) 指标以获得回测结果。 文章中相对强弱指数的计算使用了简单移动平均 (SMA) 函数。 然而，原作者威尔斯(J. Welless Widler) 使用了他自创的平滑方法，是一种不同形式的指数平均。 在本文中，我们将使用不同的移动平均函数进行深入研究，并检验哪个方法可以得到更好的回测结果。 建议读者快速浏览一下我之前的文章，对使用Elasticsearch的实现细节有一个基本的了解。

        相对强弱指数于 1978 年发表在威尔德的著作“New Concepts in Technical Trading Systems“ ,  中文翻译本为《技术交易系统新概念》。 该书还介绍了其他著名的指标，包括抛物线转向指标(PSAR)、平均真实范围 (ATR) 和平均趋向指数 (ADX) 等等 。相对强弱指数是一个动量指标，提供有关价格变化的信息，以支持买卖资产的机会。价格变化被转换成近期平均收益(gain)和近期平均损失(loss)两种数据。它的方程可以写成如下，其中 MAgain,n 和 MAloss,n 是近期收益的移动平均和近期亏损的移动平均。 默认情况下，周期 n 为 14。

        相对强弱指数交叉策略定义了交叉处的指定值，例如其值大于70为超买信号和少于30为超卖信号。对于其他值，只能等待信号的产生。本文探讨使用不同类型的移动平均函数所产生的相对强弱指数，会对回测结果产生重大影响。威尔德对时间戳t 处的近期增益（Gaint）及近期损失(Losst)的平滑方法写成如下。 

      根据维基百科(Wikipedia)的移动平均文档，威尔德的平滑平均属于修正移动平均 (MMA)、运行移动平均 (RMA) 或平滑移动平均 (SMMA) 的类型。 当n=14时，平滑移动平均的第一个有效值为前14个周期的平均值。 此后，时间戳 t 的 SMMA 将等于前一个时间戳的平滑移动平均的 13/14加上当前值的 1/14。

        根据上述文章，指数移动平均 (EWMA)可以写成如下，其中N是指数移动平均中的周期，而n是平滑移动平均中的周期。

        因此，n周期的平滑移动平均相当于N=2n-1周期的指数移动平均。由于n=14是相对强弱指数的默认值，当使用指数移动平均时，周期N为27的α值为0.071428571。在本文中，我们尝试展示移动平均函数对相对强弱指数交叉策略的影响是显着的。使用图表来观察值的变化要容易得多。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）提供从2021-02-01 到 2021-05-31 之间的时间范围。。在以下两个图表中，来自不同类型移动平均函数的 相对强弱指数与每日收盘价一起绘制。第一个图表显示了来自 SMMA14 和 EWMA27L 的 相对强弱指数，其中 EWMA27L 表示计算使用较长的移动窗口，大约 110 个数据点，用于 Elasticsearch 的 EWMA 函数。根据上述等式，当前EWMA的计算应该涉及所有先前数据点，所以RSI_EWMA27L和RSI_SMMA14两条线在开始时有点差距，然后在 2021-03-30 左右开始重叠。这种现象表明在开始时没有足够的数据点来计算第一个有效值，读者应注意使用足够数量的数据点来计算第一个有效值。但是，在图中显示RSI_SMMA14并不敏感，不会产生任何高于 70 或低于 30 的值。 

        第二张图表显示了SMA14和EWMA27S的相对强弱指数，其中 EWMA27S 表示计算使用较短的移动窗口，27 个数据点，用于 Elasticsearch 的 EWMA 函数。 EWMA27S似乎过于敏感并且会产生大量信号，而 SMA14只是仅仅可以接受。