技术指标API

**本文档中引用的文件** - [__init__.py](file://hikyuu/indicator/__init__.py) - [indicator.py](file://hikyuu/indicator/indicator.py) - [pyind.py](file://hikyuu/indicator/pyind.py) - [MA.h](file://hikyuu_cpp/hikyuu/indicator/crt/MA.h) - [EMA.h](file://hikyuu_cpp/hikyuu/indicator/crt/EMA.h) - [MACD.h](file://hikyuu_cpp/hikyuu/indicator/crt/MACD.h) - [RSI.h](file://hikyuu_cpp/hikyuu/indicator/crt/RSI.h) - [RSI.cpp](file://hikyuu_cpp/hikyuu/indicator/crt/RSI.cpp) - [_build_in.cpp](file://hikyuu_pywrap/indicator/_build_in.cpp) - [_ta_lib.cpp](file://hikyuu_pywrap/indicator/_ta_lib.cpp) - [build_in.h](file://hikyuu_cpp/hikyuu/indicator/build_in.h) - [ta_crt.h](file://hikyuu_cpp/hikyuu/indicator_talib/ta_crt.h)

简介

Hikyuu技术分析系统提供了全面的技术指标API，支持创建各种经典技术指标和TA-Lib集成指标。本文档系统性地列出所有内置技术指标的创建函数，包括MA、EMA、MACD、RSI等经典指标以及TA-Lib集成指标。详细说明每个指标构造函数的参数（如计算周期、价格类型）、返回的Indicator对象属性和方法。提供从原始数据创建指标、指标间运算（如REF、CROSS）以及指标结果提取的完整代码示例。特别说明Indicator与KData的关联方式，以及如何在策略中高效使用指标结果。

核心指标创建函数

Hikyuu提供了多种经典技术指标的创建函数，这些函数位于hikyuu/indicator模块中，主要通过C++实现并在Python层面进行封装。

移动平均线（MA）

简单移动平均线（Simple Moving Average）的创建函数：

Indicator HKU_API MA(int n = 22);
Indicator HKU_API MA(const IndParam& n);
inline Indicator HKU_API MA(const Indicator& ind, int n = 22);

参数说明：

n：计算均值的周期窗口，n为0时从第一个有效数据开始计算
ind：待计算的数据源

返回值：

返回一个Indicator对象，表示简单移动平均线

Section sources

MA.h

指数移动平均线（EMA）

指数移动平均线（Exponential Moving Average）的创建函数：

Indicator HKU_API EMA(int n = 22);
Indicator HKU_API EMA(const IndParam& n);
inline Indicator HKU_API EMA(const Indicator& data, int n = 22);

参数说明：

n：计算均值的周期窗口，必须为大于0的整数
data：待计算的源数据

返回值：

返回一个Indicator对象，表示指数移动平均线

Section sources

EMA.h

平滑异同移动平均线（MACD）

MACD（Moving Average Convergence Divergence）的创建函数：

Indicator HKU_API MACD(int n1 = 12, int n2 = 26, int n3 = 9);
Indicator HKU_API MACD(const IndParam& n1, const IndParam& n2, const IndParam& n3);
inline Indicator MACD(const Indicator& data, int n1 = 12, int n2 = 26, int n3 = 9);

参数说明：

n1：短期EMA时间窗，默认12
n2：长期EMA时间窗，默认26
n3：（短期EMA-长期EMA）EMA平滑时间窗，默认9
data：待计算数据

返回值：

具有三个结果集的Indicator对象：
- result(0)：MACD_BAR（MACD直柱，即MACD快线－MACD慢线）
- result(1)：DIFF（快线，即短期EMA-长期EMA）
- result(2)：DEA（慢线，即快线的n3周期EMA平滑）

Section sources

MACD.h

相对强弱指数（RSI）

相对强弱指数（Relative Strength Index）的创建函数：

Indicator HKU_API RSI(int n = 14);
Indicator HKU_API RSI(const Indicator& data, int n = 14);

参数说明：

n：计算周期，默认14
data：待计算的数据源

计算公式：

计算价格变化：diff = REF(0) - REF(1)
分离上涨和下跌：u = IF(diff > 0, diff, 0)，d = IF(diff < 0, (-1) * diff, 0)
计算EMA：ema_u = EMA(u, n)，ema_d = EMA(d, n)
计算RS：rs = ema_u / ema_d
计算RSI：rsi = (1 - 1 / (1 + rs)) * 100

返回值：

返回一个Indicator对象，表示相对强弱指数

Section sources

RSI.h
RSI.cpp

TA-Lib集成指标

Hikyuu集成了TA-Lib库，提供了丰富的技术指标函数。这些函数通过TA_前缀标识，位于hikyuu/indicator_talib模块中。

TA-Lib MACD指标

TA-Lib版本的MACD指标创建函数：

m.def("TA_MACD", py::overload_cast<int, int, int>(TA_MACD), py::arg("fast_n") = 12,
      py::arg("slow_n") = 26, py::arg("signal_n") = 9);
m.def("TA_MACD", py::overload_cast<const Indicator&, int, int, int>(TA_MACD), py::arg("data"),
      py::arg("fast_n") = 30, py::arg("slow_n") = 26, py::arg("signal_n") = 9);

参数说明：

data：输入数据
fast_n：快速EMA周期（2-100000）
slow_n：慢速EMA周期（2-100000）
signal_n：信号线平滑周期（1-100000）

Section sources

_ta_lib.cpp

TA-Lib RSI指标

TA-Lib版本的RSI指标创建函数：

m.def("TA_RSI", py::overload_cast<int>(TA_RSI), py::arg("n") = 14);
m.def("TA_RSI", py::overload_cast<const Indicator&, int>(TA_RSI), py::arg("data"),
      py::arg("n") = 14, R"(TA_RSI - Relative Strength Index)");

参数说明：

data：输入数据
n：计算周期（2-100000）

Section sources

_ta_lib.cpp

其他TA-Lib指标

Hikyuu还集成了多种TA-Lib指标，包括：

TA_SMA：简单移动平均
TA_EMA：指数移动平均
TA_WMA：加权移动平均
TA_TEMA：三重指数移动平均
TA_BOLL：布林带
TA_KDJ：随机指标
TA_STOCH：随机振荡器
TA_WILLR：威廉指标
TA_ADX：平均趋向指数

这些指标的创建函数都遵循类似的模式，通常包含数据源和计算周期参数。

Section sources

ta_crt.h
_ta_lib.cpp

指标对象属性与方法

Indicator对象是Hikyuu技术指标系统的核心，封装了指标计算结果和相关操作。

基本属性

name：指标名称
size()：指标结果的大小
discard()：丢弃的初始数据点数量
getResult(index)：获取指定索引的结果集

主要方法

Indicator对象提供了多种方法用于数据转换和操作：

# 转换为numpy数组
Indicator.to_numpy = Indicator.to_np
Indicator.value_to_numpy = Indicator.value_to_np

# 转换为pandas DataFrame
Indicator.to_pandas = Indicator.to_df
Indicator.value_to_pandas = Indicator.value_to_df

# 设置上下文
Indicator.set_context(kdata)

结果提取

Indicator对象可以包含多个结果集，通过getResult()方法访问：

Indicator macd = MACD(data, 12, 26, 9);
Indicator bar = macd.getResult(0);  // MACD直柱
Indicator diff = macd.getResult(1); // DIFF线
Indicator dea = macd.getResult(2);  // DEA线

Section sources

indicator.py
build_in.h

指标间运算

Hikyuu支持丰富的指标间运算操作，允许用户创建复杂的指标组合。

基本运算

支持标准的数学运算符：

加法：+
减法：-
乘法：*
除法：/
取模：%

# 示例：创建自定义指标
ma5 = MA(CLOSE(), 5)
ma10 = MA(CLOSE(), 10)
ma_diff = ma5 - ma10  # 两条均线的差值

逻辑运算

支持逻辑运算符：

大于：>
小于：<
等于：==
不等于：!=
与：&
或：|
非：~

特殊运算函数

Hikyuu提供了专门的指标运算函数：

REF函数

引用过去某个周期的值：

Indicator HKU_API REF(int n);
Indicator HKU_API REF(const IndParam& n);
inline Indicator HKU_API REF(const Indicator& ind, int n);

参数说明：

n：回溯周期数
ind：源指标

CROSS函数

判断是否发生交叉：

Indicator HKU_API CROSS(const Indicator& ind1, const Indicator& ind2);

参数说明：

ind1：第一个指标
ind2：第二个指标

当ind1从下方向上穿越ind2时返回True。

其他运算函数

HHV：N周期内最高值
LLV：N周期内最低值
SUM：N周期内求和
COUNT：N周期内满足条件的次数
EVERY：N周期内是否一直满足条件
EXIST：N周期内是否存在满足条件的情况

Section sources

build_in.h
_build_in.cpp

指标与KData关联

指标与KData的关联是Hikyuu技术分析系统的关键特性，确保指标计算与原始K线数据保持同步。

上下文设置

通过set_context()方法将指标与KData关联：

def KDJ(kdata=None, n=9, m1=3, m2=3):
    """ 经典 KDJ 随机指标 """
    rsv = (CLOSE() - LLV(LOW(), n)) / (HHV(HIGH(), n) - LLV(LOW(), n)) * 100
    k = SMA(rsv, m1, 1)
    d = SMA(k, m2, 1)
    j = 3 * k - 2 * d
    if kdata is not None:
        k.set_context(kdata)
        j.set_context(kdata)
        d.set_context(kdata)
    return k, d, j

价格数据引用

Hikyuu提供了便捷的价格数据引用函数：

# 避免 python 中公式原型必须加括号
KDATA = C_KDATA()
CLOSE = C_CLOSE()
OPEN = C_OPEN()
HIGH = C_HIGH()
LOW = C_LOW()
AMO = C_AMO()
VOL = C_VOL()

这些函数可以直接在指标公式中使用，自动关联到当前的KData上下文。

同名指标别名

为了兼容不同习惯，Hikyuu提供了同名指标的别名：

# 同名指标
VALUE = PRICELIST
CAPITAL = LIUTONGPAN
CONST = LASTVALUE
STD = STDEV

Section sources

indicator.py
pyind.py

完整代码示例

以下是一些完整的代码示例，展示如何在实际应用中使用技术指标API。

创建基本指标

from hikyuu import *

# 获取股票数据
stock = sm['sh000001']
kdata = stock.get_kdata(Query(-100))

# 创建基本技术指标
ma5 = MA(CLOSE(kdata), 5)
ma10 = MA(CLOSE(kdata), 10)
ema12 = EMA(CLOSE(kdata), 12)
ema26 = EMA(CLOSE(kdata), 26)

# 创建MACD指标
macd = MACD(CLOSE(kdata), 12, 26, 9)
diff = macd.getResult(1)
dea = macd.getResult(2)
bar = macd.getResult(0)

# 创建RSI指标
rsi = RSI(CLOSE(kdata), 14)

指标间运算示例

# 均线交叉信号
golden_cross = CROSS(ma5, ma10)
death_cross = CROSS(ma10, ma5)

# RSI超买超卖信号
rsi_overbought = RSI(kdata, 14) > 70
rsi_oversold = RSI(kdata, 14) < 30

# MACD柱状图变化
macd_increasing = REF(bar, 1) < bar
macd_decreasing = REF(bar, 1) > bar

# 复合条件
buy_signal = golden_cross & (rsi_oversold | (rsi < 50))
sell_signal = death_cross & (rsi_overbought | (rsi > 50))

数据合并与导出

def concat_to_df(dates, ind_list, head_stock_code=True, head_ind_name=False):
    """将列表中的指标至合并在一张 pandas DataFrame 中"""
    df = dates.to_df('ms')
    if not ind_list:
        return df
    for i in range(len(ind_list)):
        ind = ind_list[i]
        if head_ind_name and head_stock_code:
            name = f"{ind.name}/{ind.get_context().get_stock().market_code}"
        elif head_ind_name:
            name = f'{ind.name}{i}'
        else:
            name = ind.get_context().get_stock().market_code
        df = pd.merge(df, ind.to_df()[['datetime', 'value1']].rename(
            columns={'value1': name}), on='datetime', how='left')
    return df

# 使用示例
query = Query(-200)
k_list = [stk.get_kdata(query) for stk in [sm['sz000001'], sm['sz000002']]]
ma_list = [MA(CLOSE(k)) for k in k_list]
result_df = concat_to_df(sm.get_trading_calendar(query), ma_list, 
                        head_stock_code=True, head_ind_name=False)

自定义指标函数

def BOLL(kdata, n=20, p=2):
    """布林带指标"""
    mid = MA(CLOSE(kdata), n)
    std = STDEV(CLOSE(kdata), n)
    up = mid + p * std
    down = mid - p * std
    up.set_context(kdata)
    mid.set_context(kdata)
    down.set_context(kdata)
    return up, mid, down

def KDJ(kdata, n=9, m1=3, m2=3):
    """KDJ随机指标"""
    rsv = (CLOSE(kdata) - LLV(LOW(kdata), n)) / \
          (HHV(HIGH(kdata), n) - LLV(LOW(kdata), n)) * 100
    k = SMA(rsv, m1, 1)
    d = SMA(k, m2, 1)
    j = 3 * k - 2 * d
    k.set_context(kdata)
    d.set_context(kdata)
    j.set_context(kdata)
    return k, d, j

Section sources

indicator.py
pyind.py

策略中高效使用指标

在交易策略中高效使用技术指标是实现量化交易的关键。以下是最佳实践和优化建议。

批量计算优化

避免重复计算相同的指标，采用批量计算方式：

# 错误做法：重复计算
def strategy_bad(stock):
    ma5 = MA(CLOSE(stock.get_kdata()), 5)
    ma10 = MA(CLOSE(stock.get_kdata()), 10)
    rsi = RSI(CLOSE(stock.get_kdata()), 14)
    # 每次都重新获取KData并计算指标

# 正确做法：批量计算
def strategy_good(stock, kdata):
    close = CLOSE(kdata)
    ma5 = MA(close, 5)
    ma10 = MA(close, 10)
    rsi = RSI(close, 14)
    # 复用KData和中间结果

内存管理

合理管理指标对象的生命周期，避免内存泄漏：

# 及时释放不再需要的指标
def process_indicators(stock_list, query):
    results = []
    for stock in stock_list:
        kdata = stock.get_kdata(query)
        if len(kdata) == 0:
            continue
            
        # 创建指标
        indicators = {
            'ma5': MA(CLOSE(kdata), 5),
            'ma10': MA(CLOSE(kdata), 10),
            'macd': MACD(CLOSE(kdata), 12, 26, 9),
            'rsi': RSI(CLOSE(kdata), 14)
        }
        
        # 提取所需结果
        result = {
            'code': stock.market_code,
            'ma5_last': indicators['ma5'].to_np()[-1],
            'ma10_last': indicators['ma10'].to_np()[-1],
            'macd_bar': indicators['macd'].getResult(0).to_np()[-1],
            'rsi_value': indicators['rsi'].to_np()[-1]
        }
        results.append(result)
        
        # 显式释放指标对象（Python会自动处理，但明确更好）
        del indicators
        
    return results

性能优化技巧

复用中间结果：避免重复计算相同的基础指标
延迟计算：只在需要时才计算指标结果
批量处理：对多个股票使用相同的计算逻辑
合理设置discard：避免不必要的数据丢弃

class IndicatorCache:
    """指标缓存类，避免重复计算"""
    
    def __init__(self):
        self._cache = {}
    
    def get_indicator(self, key, creator_func):
        """获取指标，如果已存在则返回缓存版本"""
        if key not in self._cache:
            self._cache[key] = creator_func()
        return self._cache[key]
    
    def clear(self):
        """清空缓存"""
        self._cache.clear()

# 使用示例
indicator_cache = IndicatorCache()

def get_ma_indicator(kdata, period):
    key = f"MA_{kdata.get_stock().market_code}_{period}"
    return indicator_cache.get_indicator(key, 
                                       lambda: MA(CLOSE(kdata), period))

实时策略中的指标使用

在实时交易策略中，需要特别注意指标的实时更新：

class RealTimeStrategy:
    """实时交易策略示例"""
    
    def __init__(self):
        self.indicator_cache = {}
        self.last_update_time = None
    
    def update_indicators(self, kdata):
        """更新指标"""
        stock_code = kdata.get_stock().market_code
        
        # 只有当有新数据时才重新计算
        if (stock_code not in self.indicator_cache or 
            self.last_update_time != kdata[-1].datetime):
            
            close = CLOSE(kdata)
            
            # 计算所需指标
            self.indicator_cache[stock_code] = {
                'ma5': MA(close, 5),
                'ma20': MA(close, 20),
                'macd': MACD(close, 12, 26, 9),
                'rsi': RSI(close, 14)
            }
            
            self.last_update_time = kdata[-1].datetime
    
    def get_signals(self, kdata):
        """获取交易信号"""
        self.update_indicators(kdata)
        stock_code = kdata.get_stock().market_code
        
        if stock_code not in self.indicator_cache:
            return None
            
        indicators = self.indicator_cache[stock_code]
        ma5 = indicators['ma5'].to_np()
        ma20 = indicators['ma20'].to_np()
        macd_bar = indicators['macd'].getResult(0).to_np()
        rsi = indicators['rsi'].to_np()
        
        # 生成交易信号
        signals = {
            'golden_cross': ma5[-1] > ma20[-1] and ma5[-2] <= ma20[-2],
            'death_cross': ma5[-1] < ma20[-1] and ma5[-2] >= ma20[-2],
            'macd_positive': macd_bar[-1] > 0,
            'rsi_overbought': rsi[-1] > 70,
            'rsi_oversold': rsi[-1] < 30
        }
        
        return signals

Section sources

indicator.py
pyind.py

技术指标API

技术指标API

目录

简介

核心指标创建函数

移动平均线（MA）

指数移动平均线（EMA）

平滑异同移动平均线（MACD）

相对强弱指数（RSI）

TA-Lib集成指标

TA-Lib MACD指标

TA-Lib RSI指标

其他TA-Lib指标

指标对象属性与方法

基本属性

主要方法

结果提取

指标间运算

基本运算

逻辑运算

特殊运算函数

REF函数

CROSS函数

其他运算函数

指标与KData关联

上下文设置

价格数据引用

同名指标别名

完整代码示例

创建基本指标

指标间运算示例

数据合并与导出

自定义指标函数

策略中高效使用指标

批量计算优化

内存管理

性能优化技巧

实时策略中的指标使用

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!

Uh oh!