第 16 章：Rust 指标全景与工程化使用¶

本章目标：让你能够把 AKQuant 的 Rust 指标体系当作“可教学、可迁移、可工程化复用”的指标库来使用。

1. 为什么要学习 Rust 指标体系¶

同一套函数签名可切换 backend="python" 与 backend="rust"，便于迁移与性能升级。
Rust 实现覆盖了完整的趋势、动量、波动率、量能与数学变换指标。
对策略开发而言，最关键的是理解三件事：输入结构、输出结构、warmup 行为。

2. 全量覆盖范围（当前 103 个）¶

Momentum：8 个
Moving Average & Transforms：59 个
Trend：20 个
Volatility：11 个
Volume：5 个

完整逐项解释请使用课程配套词典页： - Rust 指标全量说明（103 个）

3. 学会“读指标”的统一方法¶

每个指标都用同一模板理解：

输入是什么（close 还是 high, low, close）
输出是什么（单序列、双序列还是三序列）
warmup 需要几根 K 线
指标在策略里承担哪一种角色（主信号、过滤器、风控、确认）

4. 五大类指标怎么教、怎么用¶

4.1 趋势类（方向与强度）¶

方向判别：EMA/SMA/TEMA/KAMA/SAR
强度过滤：ADX/ADXR/DX
典型组合：EMA + ADX + NATR

4.2 动量类（变化速度）¶

速度/斜率：ROC/ROCP/ROCR/ROCR100/MOM
过热过冷：RSI/CMO/WILLR
典型组合：BBANDS + RSI + MOM

4.3 波动率类（风险尺度）¶

范围与波动：ATR/NATR/TRANGE/STDDEV/VAR
通道类：BollingerBands
价格派生：MEDPRICE/TYPPRICE/WCLPRICE/AVGPRICE/MIDPRICE

4.4 量价类（成交量确认）¶

趋势确认：OBV/AD
动量确认：MFI/ADOSC
K 线力量：BOP

4.5 数学变换类（特征工程）¶

对数/指数：LN/LOG10/LOG1P/EXP/EXPM1
三角与双曲：SIN/COS/TAN/ASIN/ACOS/ATAN/SINH/COSH/TANH
代数运算：ADD/SUB/MULT/DIV/MOD/POW/MAX2/MIN2
规整变换：ABS/SIGN/ROUND/CLIP/CLAMP01/SQ/CUBE/RECIP/INV_SQRT/DEG2RAD

5. 教学中的核心坑位¶

5.1 warmup 区段误用¶

窗口不足时指标值无效，必须在教学与作业中强调空值过滤。

5.2 多输出解包顺序错误¶

MACD -> (macd, signal, hist)
BollingerBands -> (upper, middle, lower)
STOCH -> (slowk, slowd)
AROON -> (aroondown, aroonup)

5.3 迁移时直接切 Rust¶

正确流程是先 python 对齐，再切 rust 提速。

6. 标准教学脚手架（可直接放实验课）¶

import numpy as np
from akquant import talib as ta

close = np.asarray(df["close"], dtype=float)
high = np.asarray(df["high"], dtype=float)
low = np.asarray(df["low"], dtype=float)
volume = np.asarray(df["volume"], dtype=float)

ema_fast = np.asarray(ta.EMA(close, timeperiod=20, backend="rust"), dtype=float)
ema_slow = np.asarray(ta.EMA(close, timeperiod=60, backend="rust"), dtype=float)
adx = np.asarray(ta.ADX(high, low, close, timeperiod=14, backend="rust"), dtype=float)
natr = np.asarray(ta.NATR(high, low, close, timeperiod=14, backend="rust"), dtype=float)
rsi = np.asarray(ta.RSI(close, timeperiod=14, backend="rust"), dtype=float)

if np.isnan([ema_fast[-1], ema_slow[-1], adx[-1], natr[-1], rsi[-1]]).any():
    return

7. 推荐教学路径¶

第 1 周：先教 EMA/RSI/ATR 的输入输出与 warmup。
第 2 周：加入 MACD/BBANDS/STOCH 的多输出处理。
第 3 周：引入 ADX/NATR/SAR 做风险过滤。
第 4 周：做一次 python -> rust 迁移实验与回归验证。
第 5 周：用数学变换类指标做简单特征工程实验。

8. 本章小结¶

Rust 指标体系已经覆盖策略开发所需的核心技术面能力。
真正决定教学效果的不是指标数量，而是“结构化理解 + 可复现实验”。
完整指标字典与解释请始终以参考页为准：
Rust 指标全量说明（103 个）