第 16 章：AKQuant 技术指标体系与应用¶
⏱️ 预计阅读 ~20 分钟 ｜ 🎯 难度 ★★★☆☆（进阶）
在前面的章节中，我们已经学习了数据、回测、策略、分析与实盘主线。本章把视角重新拉回策略内部最常用的一类工具：技术指标 (Indicators)。与“知道某个指标名字”相比，更重要的是学会把指标当作可迁移、可验证、可工程化复用的组件来使用。
学习目标¶
- 理解 AKQuant Rust 指标体系的使用边界，以及
python -> rust迁移的推荐路径。 - 掌握指标输入、输出、warmup 与多输出解包的统一阅读方法。
- 能将趋势、动量、波动率、量价指标组合成最小可复现实验。
前置知识¶
- 已掌握第 5 章中的策略开发基础，知道指标会被放进什么样的交易逻辑中。
- 已掌握第 10 章中的结果分析方法，能够解释指标变化如何影响策略表现。
本章实践入口¶
- 主示例：examples/textbook/ch16_indicators.py
- 进阶示例：examples/45_talib_indicator_playbook_demo.py, examples/60_custom_indicator_demo.py, examples/62_indicator_streaming_demo.py, examples/61_indicator_visualization_export_demo.py
- 对应指南：AKQuant 指标全量说明
快速运行与验收¶
python examples/textbook/ch16_indicators.py
# 可选：接入真实 A 股数据
python examples/textbook/ch16_indicators.py --symbol sh600000
验收要点：
- 脚本依次输出三课演示：读指标（输入/输出/warmup）、用指标（EMA+ADX+NATR 角色分工回测）、迁移指标（python/rust 后端对齐）。
- 切换
backend="python"与backend="rust"后，收敛尾段数值基本一致且可解释。 - 能识别 warmup 导致的空值区段，并在计算指标前剔除前部 NaN 填充，避免把无效值喂给策略信号。
16.1 为什么单独学习 Rust 指标体系¶
AKQuant 的指标接口并不只是“换一个更快的 TA-Lib 后端”。它更像一个统一层：
- 接口统一：同一套函数签名可切换
backend="python"与backend="rust"。 - 迁移友好：你可以先让旧策略在 Python 后端上对齐，再切换到 Rust 后端提速。
- 工程化复用：指标可以作为主信号、过滤器、风控尺度，甚至可视化与特征工程输入。
因此，本章关注的不是“把 103 个指标背下来”，而是学会三件真正重要的事：
- 指标吃什么输入；
- 指标吐什么输出；
- 指标在前若干根 K 线上的 warmup 行为是什么。
16.2 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、参数口径与返回说明请始终以参考页为准：
这意味着本章的定位不是“把字典搬进正文”，而是帮你建立读指标、选指标、迁移指标的方法。
16.3 学会“读指标”的统一方法¶
无论你看到的是 EMA、MACD 还是 ATR，都建议按同一模板理解：
- 输入是什么：是
close，还是high, low, close，还是需要volume。 - 输出是什么：返回单序列、双序列还是三序列。
- warmup 多长：前多少根 K 线不能直接用于交易判断。
- 策略角色是什么：主信号、过滤器、风控尺度，还是确认信号。
16.3.1 输入结构¶
最常见的输入结构有三类：
- 单输入：例如
EMA(close)、RSI(close)。 - 三输入：例如
ATR(high, low, close)、ADX(high, low, close)。 - 四输入：少数量价指标还会显式使用
volume。
如果输入结构看错，后面的结果解释几乎一定会偏掉。
16.3.2 输出结构¶
指标的输出并不总是“一列数字”。
- 单输出：
EMA、RSI、ATR - 双输出：
AROON - 三输出：
MACD、BollingerBands、STOCH
因此，多输出指标不能只记名字，还要记解包顺序。
16.3.3 warmup 不是小细节¶
指标在窗口未满时，结果往往是空值或不稳定值。对策略开发而言，这不是边缘问题，而是最常见的误用来源之一。
如果你在 warmup 阶段就直接发出交易信号，往往会出现两类假象：
- 回测“看起来能跑”，但信号并不可靠；
- Python 与 Rust 后端的对齐误差被误判成实现错误。
16.4 五大类指标怎么教、怎么用¶
16.4.1 趋势类：先判断方向，再过滤强度¶
- 方向判别：
EMA/SMA/TEMA/KAMA/SAR - 强度过滤：
ADX/ADXR/DX - 典型组合：
EMA + ADX + NATR
教学上可以先让学生完成一件最小任务：均线给方向，ADX 过滤弱趋势，NATR 控制仓位尺度。这样一来，趋势、强度、风险三个角色都被引入了。
16.4.2 动量类：捕捉变化速度与过热过冷¶
- 速度/斜率：
ROC/ROCP/ROCR/ROCR100/MOM - 过热过冷：
RSI/CMO/WILLR - 典型组合：
BBANDS + RSI + MOM
动量类指标最容易出现的问题是“只看信号方向，不看市场状态”。把它与波动率或趋势过滤器联用，通常比单独使用更稳。
16.4.3 波动率类：先定风险尺度，再谈仓位¶
- 范围与波动：
ATR/NATR/TRANGE/STDDEV/VAR - 通道类：
BollingerBands - 价格派生：
MEDPRICE/TYPPRICE/WCLPRICE/AVGPRICE/MIDPRICE
波动率类指标特别适合做两类任务：
- 给止损、止盈、移动保护定义动态阈值；
- 把“行情变快了”这件事转化为可量化的仓位调整规则。
16.4.4 量价类：确认而不是替代主信号¶
- 趋势确认：
OBV/AD - 动量确认：
MFI/ADOSC - K 线力量：
BOP
量价类指标常见的正确用法是“做确认层”，而不是直接替代价格主信号。这样更容易解释，也更适合教学。
16.4.5 数学变换类：为特征工程做准备¶
- 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
这一类指标在传统技术分析里不一定显眼，但在第 12 章和第 14 章那种“把信号送入模型或表达式引擎”的任务里很有价值。
16.5 三个最常见的工程坑位¶
16.5.1 warmup 区段误用¶
- 窗口不足时的结果不能直接拿来发单。
- 教学示例和作业里应明确要求先做空值过滤。
16.5.2 多输出解包顺序错误¶
MACD -> (macd, signal, hist)BollingerBands -> (upper, middle, lower)STOCH -> (slowk, slowd)AROON -> (aroondown, aroonup)
如果顺序拿错，结果通常不会报错，但策略语义会悄悄失真，这比直接报错更危险。
16.5.3 迁移时直接切 Rust¶
推荐流程不是“一上来就换 Rust”，而是：
- 先用
backend="python"与旧策略结果对齐； - 再切到
backend="rust"观察数值与绩效差异； - 最后再做性能与大规模批量实验。
16.6 标准教学脚手架¶
下面这段脚手架适合直接放进实验课，用于演示“同一套输入上并行计算多类指标”的最小流程：
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)
# warmup 区段不可直接参与信号判断
if np.isnan([ema_fast[-1], ema_slow[-1], adx[-1], natr[-1], rsi[-1]]).any():
return
你可以把这段模板理解为一个最小实验台：
EMA负责方向；ADX负责强度；NATR负责风险尺度；RSI负责状态确认。
16.7 三类推荐实验¶
16.7.1 趋势实验：EMA + ADX + NATR¶
目标：构建一套最小趋势框架。
EMA(20)与EMA(60)判断方向；ADX(14)过滤掉趋势强度过弱的区间；NATR(14)用于决定仓位大小或止损距离。
这一实验最适合作为“指标不是堆砌，而是角色分工”的第一课。
16.7.2 震荡实验：BBANDS + RSI¶
目标：理解区间震荡与过热过冷。
BollingerBands给出上下轨；RSI确认是否进入超买/超卖区域；- 观察单独使用与联合使用时的信号差异。
16.7.3 迁移实验：python -> rust¶
目标：验证迁移流程，而不是直接追求更快。
建议步骤：
- 先固定参数与数据集；
- 用
backend="python"记录一份基线结果； - 切到
backend="rust"对比数值、信号点位与最终绩效； - 仅在结果口径一致后再讨论性能收益。
16.8 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：把数学变换类指标接入简单特征工程实验。
本章小结¶
必须掌握¶
- Rust 指标体系已经覆盖策略开发中最常用的核心技术面能力。
- 真正决定教学效果的不是指标数量，而是输入、输出、warmup 与角色分工的结构化理解。
理解即可¶
- 数学变换类指标、流式指标处理与自定义指标开发，是从技术分析过渡到特征工程的重要桥梁。
实践提醒¶
- 做指标迁移时先对齐结果，再切后端提速。
- 完整指标字典、参数说明与返回结构请始终以参考页为准：Rust 指标全量说明（103 个）。
主线推进¶
贯穿全书的那条最小多均线 / 趋势策略，在本章被反过来拆解成它最底层的零件——技术指标，并被纳入一套可迁移、可验证、可工程化复用的使用规范。前面各章里，均线只是“一根线穿过价格”的直觉；本章则要求把它当作有明确输入、输出与 warmup 行为的组件来对待：EMA 负责给方向，ADX 负责过滤弱趋势，NATR 负责把仓位与止损放回波动率尺度上，三者各司其职，正是“指标不是堆砌，而是角色分工”的最小示范。更关键的是，本章为这条主线补上了从 Python 后端到 Rust 后端的迁移纪律：先用 backend="python" 与既有结果对齐，再切到 backend="rust" 比对数值、信号点位与绩效，最后才谈性能与批量提速。至此，主线策略不再依赖某一处临时写就的指标计算，而是站在一个统一、可复现、可加速的指标工程层之上——这也为全书从研究走向准实盘、再走向规模化实验，留下了可靠的复用基座。
延伸阅读¶
经典著作
- Kaufman, P. J. Trading Systems and Methods（第 6 版），John Wiley & Sons, 2019（ISBN 9781119605355）—— 交易系统与技术指标的权威工具书，系统覆盖移动平均、ATR、布林带、MACD、动量振荡器与趋势系统的数学口径与风险用法，可作为本章 16.4「五大类指标」逐项含义与组合方式的纸面参照。
- Murphy, J. J. Technical Analysis of the Financial Markets，New York Institute of Finance, 1999 —— 技术分析的标准教科书，对趋势、动量、波动率与量价四类指标的市场含义有完整阐述，呼应本章 16.4.1–16.4.4 关于「指标承担什么角色」的讨论。
- Pardo, R. The Evaluation and Optimization of Trading Strategies（第 2 版），John Wiley & Sons, 2008 —— 强调先固定数据与参数、再做基线对齐与回归验证的严谨流程，与本章 16.5.3、16.7.3 提出的「先对齐结果、再切后端提速」迁移纪律一脉相承。
官方文档与工具
- AKQuant 指标全量说明（103 个） —— 本章正文反复强调的权威参考页，给出全部指标的输入、输出、参数口径与返回结构，对应本章 16.2 的覆盖范围与 16.3 的「读指标」方法。
- TA-Lib Functions List —— TA-Lib 官方函数清单，逐一列出 ADX、MACD、BBANDS、ATR、OBV 等全部指标及其英文全称，可对照本章 16.4 的五大类划分与 16.4.5 的数学变换类。
- TA-Lib Python 文档 —— TA-Lib 的 Python 封装文档，说明函数返回数组、lookback（warmup）区段会以 NaN 填充等行为，呼应本章 16.3.3 与 16.5.1 对 warmup 空值的处理要求。
本书相关
- 第 5 章：策略开发实战 —— 本章 16.4 各指标最终要放进第 5 章那样的事件驱动策略类里承担主信号、过滤器或风控尺度的角色。
- 第 10 章：策略评价体系与风险指标 —— 本章 16.7.3 的
python -> rust迁移实验，最终要靠第 10 章的数值、信号点位与绩效对比来判定口径是否一致。 - 第 14 章：高性能因子挖掘与表达式引擎 —— 本章 16.4.5 的数学变换类指标，正是把信号送入第 14 章那种因子表达式与模型流程时的常用预处理算子。
课后练习¶
基础题¶
- 任选
EMA、RSI、ATR三个指标，写出它们各自的输入、输出和 warmup 口径。
应用题¶
- 用
EMA + ADX + NATR设计一个最小趋势策略过滤框架，并解释每个指标承担的角色。
综合题¶
- 对同一数据集分别运行
backend="python"与backend="rust"，比较数值、信号点位与回测结果差异，并写出迁移结论。
参考答案要点（先独立思考再展开）
基础题：EMA(close) 单输入单输出，warmup ≈ timeperiod-1；RSI(close) 单输入单输出，warmup ≈ timeperiod；ATR(high, low, close) 三输入单输出，warmup ≈ timeperiod。
应用题：EMA 给方向、ADX 过滤弱趋势、NATR 定风险尺度（决定仓位大小或止损宽度）——三者角色分工，而非指标堆砌。
综合题：EMA 这类简单递推指标全程基本一致；RSI/ADX/NATR 这类 Wilder 平滑指标在 warmup 区段有初值差异、收敛尾段趋于一致。结论：先用 python 后端对齐基线，再切 rust 提速。
常见错误与排查¶
- 指标结果全是空值：优先检查窗口长度、输入数组长度和 warmup 区段是否被误当成有效值。
- 多输出指标结果看起来“能跑但不对”：检查解包顺序是否与文档一致。
- 切换到 Rust 后结果变化很大：先回到 Python 后端做基线对齐，再排查数据口径、空值处理和参数设置。
全书结语： 恭喜你完成了《量化投资：从理论到实战》的全部课程！ 我们从 Python/Rust 基础出发，构建了高性能回测引擎，探讨了股票、期货、期权等全资产类别的策略，落地到实盘交易系统，并在本章把视角收束回策略内部最常用的指标工程。 量化投资是一场没有终点的马拉松。市场在变，对手在变，唯一不变的是我们要保持对数据的敬畏和对逻辑的执着。
愿 Alpha 与你同在！