文档 / 模块参考 / 指标模块
指标模块
交易指标
借助指标模块解锁全方位的技术分析视角——从简单的移动平均线到复杂的计算公式，提供种类繁多的指标。本部分帮助用户将这些指标无缝集成到自己的策略中，更精准地识别市场趋势、把握潜在的入场或离场时机。
要创建新的指标模块，请在蓝图画布中双击，或点击菜单中的 + 按钮。在搜索栏中输入：“indicator/” 加上下方的缩写，或直接输入下方的缩写。
请记住，不同的策略需要不同类型的指标。最好的交易指标彼此互补，而不是重复相同的信息。
我们的一些最爱
指标名称：缩写
最近信号利润: last_profit
_Last signal profit_ 用于计算自最近一次交易信号以来的利润，帮助用户了解策略在特定时间段内的表现。适合用来创建止损/止盈触发条件。
K线形态识别: candlestick
_Candlestick Pattern Detection_ 可检测K线形态，如看涨、看跌、锤子线、流星线等，帮助用户基于K线组合识别关键市场趋势和潜在的反转信号。
相对强弱指数: rsi
Relative Strength Index 衡量市场价格变动的速度和变化率，在 0 到 100 之间波动。它可以判断资产是否处于超买或超卖状态，帮助用户识别潜在的趋势反转和市场状况。
简单移动平均线: sma
_Simple Moving Average_ 计算资产在指定周期数内的平均价格，形成一条平滑的趋势线。它有助于判断市场的总体方向。
指数移动平均线: ema
_Exponential Moving Average_ 与之类似，但对近期价格赋予更大权重，因此对短期价格变化的反应更灵敏。它有利于捕捉更即时的市场趋势。
超级趋势: SuperTrend
_Supertrend_ 基于市场价格和波动率计算 Supertrend 值，帮助用户判断当前趋势的方向。
超级趋势KO: SuperTrendKO
_SuperTrendKO_ 与 Supertrend 类似，SupertrendKO 是一个改进版本，它将市场噪音纳入考量，通过减少假信号来提供更准确的趋势信号。
完整交易指标列表
向量绝对值: abs
Vector Absolute Value 计算数组中每个元素的绝对值。
向量反余弦: acos
_Vector Arccosine_ 计算数组中每个元素的三角函数反余弦值。
累积派发线: ad
_Accumulation Distribution Line_ 利用成交量流向与股价之间的关系来判断股票的趋势。
加法: add
Add 将两个数组相加。
累积派发振荡器: adosc
_Accumulation Distribution Oscillator_ 的计算方法是：用累积派发线的短周期指数移动平均线减去累积派发线的长周期指数移动平均线。
平均趋向指数: adx
_Average Directional Movement Index_ 通过一个 0 到 100 范围内的数值来显示趋势的强度。
平均趋向指数评估: adxr
_Average Directional Movement Index Rating_ 与平均趋向指数相同，但更加平滑。相比 adx，该指标受市场快速短期波动的影响更小。
动量震荡指标: ao
_Awesome Oscillator_ 衡量市场的动量。
绝对价格振荡器: apo
_Absolute Price Oscillator_ 是短周期指数移动平均线与长周期指数移动平均线之间的差值。
阿隆指标: aroon
_Aroon_ 由两个指标组成：Aroon-Up 和 Aroon-Down。Aroon 可以识别趋势的开始、强度以及任何变化。
阿隆振荡器: aroonosc
_Aroon Oscillator_ 是 Aroon-Up 与 Aroon-Down 指标之间的差值，输出为 0 到 100 之间的数值。
向量反正弦: asin
_Vector Arcsine_ 计算数组中每个元素的三角函数反正弦值。
向量反正切: atan
_Vector Arctangent_ 计算数组中每个元素的三角函数反正切值。
平均真实波幅: atr
_Average True Range_ 衡量指定周期内股价波动范围的市场波动率。
平均价格: avgprice
_Average Price_ 显示股票开盘价、最高价、最低价和收盘价的均值。
布林带: bbands
_Bollinger Bands_ 包含上轨、中轨和下轨。中轨是一条移动平均线指标，上轨和下轨位于中轨两侧。标准差的取值决定了中轨与上下轨之间的距离。
多空力量平衡: bop
_Balance of Power_ 评估市场中买方和卖方的力量对比。
K线形态识别: candlestick
_Candlestick Pattern Detection_ 可检测K线形态，如看涨、看跌、锤子线、流星线等，帮助用户基于K线组合识别关键市场趋势和潜在的反转信号。
顺势指标: cci
_Commodity Channel Index_ 在价格远高于均值时数值偏高，在价格远低于均值时数值偏低。因此 cci 可以识别价格走势中的超买和超卖区域。此外，它还被用于发现反转和背离。
向量向上取整: ceil
_Vector Ceiling_ 返回数组各元素向上取整后的最小整数。
钱德动量摆动指标: cmo
_Chande Momentum Oscillator_ 计算上涨和/或下跌交易日的价格动量。换句话说，它计算收高之和与收低之和的差值，再除以全部价格变动之和。
向量余弦: cos
_Vector Cosine_ 计算数组中每个元素的三角函数余弦值。
向量双曲余弦: cosh
_Vector Hyperbolic Cosine_ 计算数组中每个元素的三角函数双曲余弦值。
任意交叉: crossany
_Crossany_ 持续检测输入之间是否发生相互交叉。
向上交叉: crossover
_Crossover_ 持续检测第一个输入是否向上穿越另一个输入。也就是说，与 crossany 指标不同，它只关注第一个输入上穿到另一个输入之上的情况。
蔡金波动率: cvi
Chaikins Volatility 计算每个周期最高价与最低价之间的差值。
衰减: decay
_Decay_ 保存近期信号的数组。这是一个很有用的指标，尤其是在机器学习算法中。
双重指数移动平均线: dema
_Double Exponential Moving Average_ 与指数移动平均线相同，但由于对近期数据点赋予了更大权重，因此滞后更小。
方向指标: di
_Directional Indicator_ 由 positive directional indicator 和 negative directional indicator 两条线组成，用于显示价格趋势的走向。这两条线的交叉会产生买入和卖出信号：如果正向线向上穿越负向线，则为买入信号，反之亦然。
向量除法: div
_Vector Division_ 将给定的输入相除。
动向值: dm
_Directional Movement_ 绘制 positive directional movement 和 negative directional movement 两条线。它们通过之前的最高价和最低价计算得出。
去趋势价格振荡器: dpo
_Detrended Price Oscillator_ 剔除价格趋势，使波峰和波谷更容易识别。因此，借助该指标估算周期长度会简单得多。
动向指数: dx
_Directional Movement Index_（也称为 dmi）包含两条动向线以及平均趋向指数指标。
指数衰减: edecay
_Exponential Decay_ 与 decay 几乎相同，但在相同周期下速度更快。
指数移动平均线: ema
_Exponential Moving Average_ 显示一段时间内价格变化的方向。EMA 类似于 Simple Moving Average，但 SMA 直接计算价格的平均值，而 EMA 对近期价格赋予更大权重。
简易波动指标: emv
_Ease of Movement_ 研究价格波动与成交量之间的关系。
向量指数运算: exp
_Vector Exponential_ 返回输入数组中每个数字的指数值。也就是说，它计算欧拉常数 e 的各输入元素次幂。
费雪变换: fisher
_Fisher Transform_ 旨在通过使价格更接近正态分布，来提升价格序列中转折点的可预测性。这种变换让极端值和潜在反转更容易被识别。
向量向下取整: floor
Vector Floor 返回小于或等于某个值的最大整数。
预测振荡器: fosc
_Forecast Oscillator_ 通过监测当前股价与 Time Series Forecast 函数得出的线性回归价格之间的差值，来预测股票的未来价格。
赫尔移动平均线: hma
_Hull Moving Average_ 是一种改进的移动平均线，它消除了滞后（因此速度极快），并且比其他传统移动平均线指标更平滑。
考夫曼自适应移动平均线: kama
_Kaufman Adaptive Moving Average_ 通过消除短期价格波动来减少假信号。换句话说，kama 剔除了市场噪音，因此当市场波动率较低时，它会紧贴当前市场价格。
克林格成交量振荡器: kvo
_Klinger Volume Oscillator_ 通过对比成交量与价格来预测市场反转。
滞后模块: lag
Lag 模块 将输入数据延迟指定的数量。例如，在 15 分钟K线上设置滞后为 1 时，它会输出上一根K线的数据。这对于将当前值与过去值进行比较非常有用。
拉盖尔滤波器: laguerrefilter
_Laguerre filter_ 用于平滑价格数据并识别趋势。它对市场数据应用拉盖尔滤波算法，降低噪音，更清晰地呈现底层趋势。
最近信号利润: last_profit
_Last signal profit_ 用于计算自最近一次交易信号以来的利润，帮助用户了解策略在特定时间段内的表现。
线性回归: linreg
_Linear Regression_ 绘制特定数量K线的线性回归线的末端值。
线性回归截距: linregintercept
_Linear Regression Intercept_ 返回移动周期内第一根输入K线处线性回归线的高度。
线性回归斜率: linregslope
_Linear Regression Slope_ 判断趋势强度的方向。该指标使用当前K线和之前的 n-1 根K线为每根K线计算斜率，其中 n 是交易者指定的周期。
向量自然对数: ln
_Vector Natural Log_ 计算输入数组中每个元素的自然对数。
向量常用对数: log10
_Vector Base-10 Log_ 计算输入数组中每个元素的以 10 为底的对数。
移动平均收敛发散指标: macd
_Moving Average Convergence Divergence_ 判断股价的方向。请注意不要用该指标来检测趋势反转，因为它只能在反转发生之后才检测到。它通常也不用于识别超买或超卖状态。
市场促进指数: marketfi
_Market Facilitation Index_ 衡量趋势强度，并在趋势即将出现时预测其开始。它计算每单位成交量的价格变动。
质量指数: mass
Mass Index 通过使用 Exponential Moving Averages 衡量指定周期内交易区间（最高价与最低价之差）的扩张和收缩，帮助交易者识别潜在的趋势反转。
周期最大值: max
_Maximum In Period_ 返回最近 n 根K线中的最大值。
周期平均离差: md
_Mean Deviation Over Period_ 计算一段时间内的绝对平均离差。
中间价: medprice
_Median Price_ 计算单根K线最高价与最低价的均值。
资金流量指数: mfi
Money Flow Index 通过同时监测价格和成交量来衡量交易压力，返回 0 到 100 之间的数值。
周期最小值: min
Minimum In Period 返回最近 n 根K线中的最小值。
动量指标: mom
_Momentum_ 计算当前价格与倒数第 n 根K线价格之间的变化。
Mesa正弦波: msw
_Mesa Sine Wave_ 检测市场处于周期（震荡）模式还是趋势模式。
向量乘法: mul
Vector Multiplication 接收两个输入数组并将它们相乘。
归一化平均真实波幅: natr
_Normalized Average True Range_ 是 average true range 的归一化版本，计算公式为：NATR = (ATR / Close) * 100。
负成交量指数: nvi
_Negative Volume Index_ 是一个累积型指标，对市场成交量敏感。其理论认为高成交量源于不知情的交易者，因此它不关注高成交量的交易日。在低成交量的交易日，知情的交易者更为活跃，因此 nvi 指标会受其影响：nvi 的数值在价格上涨时上升，在价格下跌时下降。
能量潮指标: obv
_On Balance Volume_ 是一个累积型指标，用于计算买入和卖出压力。它在上涨日增加，在下跌日减少。
百分比价格振荡器: ppo
_Percentage Price Oscillator_ 计算两条不同周期的指数移动平均线之间的差值，再除以周期较长的那条。
预测: predict
_Predict_ 模块旨在利用机器学习预测下一步价格走势。注意： 该模块仍处于学习过程中，尚未完成全部训练。在此之前，它可能无法给出准确的预测。
抛物线SAR: psar
_Parabolic SAR_ 帮助确定止损点和趋势中的潜在反转。事实上，SAR 代表 stop and reverse（止损反转），这一名称恰如其分地描述了它的用途。
正成交量指数: pvi
_Positive Volume Index_ 与 Negative Volume Index nvi 相同——并且经常与其配合使用——但它对高成交量的交易日敏感。
Qstick指标: qstick
_Qstick_ 作为一种动量指标，对股票收盘价与开盘价之差应用简单移动平均线。
变动率: roc
_Rate of Change_ 计算当前价格与 n 个周期前价格之间的百分比变化。
变动率比率: rocr
Rate of Change Ratio 计算当前价格与 n 个周期前价格之间的变化。
向量四舍五入: round
_Vector Round_ 返回数组中每个元素最接近的整数。
相对强弱指数: rsi
_Relative Strength Index_ 衡量市场价格变动的速度和变化率，在 0 到 100 之间波动。
向量正弦: sin
_Vector Sine_ 计算数组中每个元素的三角函数正弦值。
向量双曲正弦: sinh
_Vector Hyperbolic Sine_ 计算数组中每个元素的三角函数双曲正弦值。
简单移动平均线: sma
_Simple Moving Average_ 通过计算平均价格来显示一段时间内价格变化的方向。
向量平方根: sqrt
_Vector Square Root_ 计算数组中每个元素的平方根。
周期标准差: stddev
_Standard Deviation Over Period_ 衡量一段时间内当前价格与平均价格之间的差异。
周期标准误差: stderr
_Standard Error Over Period_ 显示总体均值与样本均值之间的差异程度。
随机指标: stoch
_Stochastic Oscillator_ 将最近的收盘价与一段时间内的最高价和最低价进行比较，数值范围为 0 到 100。
随机RSI: stochrsi
_Stochastic RSI_ 是 stoch 和 rsi 两个指标的组合。实际上，它是在 rsi 指标上应用 stoch 指标，即衡量 rsi 相对于其一段时间内高/低区间的位置。
存量流量比: stocktoflow
_Stock to flow_ 评估特定资产的稀缺性，常用于比特币等加密货币。它将现有存量（当前供应量）与流量（新增产量）进行比较，帮助洞察资产的潜在价值和市场动态。
向量减法: sub
Vector Subtraction 返回两个输入的差值（a - b）。
超级趋势: SuperTrend
_Super Trend_ 基于市场价格和波动率计算 Super Trend 值，帮助用户判断当前趋势的方向。
超级趋势KO: SuperTrendKO
_Super Trend KO_ 与 Super Trend 类似，Super Trend KO 是一个改进版本，它将市场噪音纳入考量，通过减少假信号来提供更准确的趋势信号。
周期求和: sum
_Sum Over Period_ 返回最近 n 根K线的总和。
向量正切: tan
_Vector Tangent_ 计算数组中每个元素的三角函数正切值。
向量双曲正切: tanh
_Vector Hyperbolic Tangent_ 计算数组中每个元素的三角函数双曲正切值。
三重指数移动平均线: tema
_Triple Exponential Moving Average_ 是一种反应迅速、数据更平滑的移动平均线。它通过对近期数据赋予更大权重来减少滞后，因此更适合短线交易。
向量角度换算: todeg
_Vector Degree Conversion_ 将弧度数组转换为角度数组。
向量弧度换算: torad
_Vector Radian Conversion_ 将角度数组转换为弧度数组。
真实波幅: tr
_True Range_ 返回以下各项中的最大值：
- 当日最高价减去当日最低价
- 当日最高价减去前一日收盘价的绝对值
- 当日最低价减去前一日收盘价的绝对值
三角移动平均线: trima
_Triangular Moving Average_ 与 Simple Moving Average（sma）相同，但取了两次平均；换句话说，trima 是在另一条 sma 上再应用一次 sma。这种方法产生的曲线更平滑，且对中间的K线赋予更大权重。
三重指数平均 (TRIX): trix
Triple Exponential Moving Average 显示经过三重平滑的 ema（对 ema 应用三次）的百分比变化。
向量截断取整: trunc
_Vector Truncate_ 对数组中的每个元素只返回数字的整数部分。
时间序列预测: tsf
_Time Series Forecast_ 顾名思义，基于历史数据预测未来趋势。与移动平均线指标相比，它对价格的突然变化更为敏感。
典型价格: typprice
_Typical Price_ 计算最高价、最低价和收盘价的算术平均值。
终极振荡器: ultosc
_Ultimate Oscillator_ 通过考量三个不同的时间框架来衡量买入压力。这些周期（7、14、28）分别对应短期、中期和长期市场趋势。
周期方差: var
_Variance Over Period_ 通过计算与均值的平方偏差的平均值来衡量波动程度。
十字过滤线: vhf
_Vertical Horizontal Filter_ 监测价格变动并指示价格所处的阶段——趋势阶段还是盘整阶段。
可变指数动态平均线: vidya
_Variable Index Dynamic Average_ 计算一条周期随市场波动率动态变化的 ema。
年化历史波动率: volatility
_Annualized Historical Volatility_ 衡量一段时间内股价相对于年均价的偏离程度。
成交量振荡器: vosc
Volume Oscillator 计算快速成交量移动平均线与慢速成交量移动平均线之间的差值。以这种方式监测成交量变化，比单纯监测成交量本身更具技术意义。
成交量加权移动平均线: vwma
_Volume Weighted Moving Average_ 与大多数移动平均线指标类似，但在计算中纳入了市场成交量。实际上，它对高成交量的价格赋予比低成交量价格更大的权重。
威廉多空力度: wad
_Williams Accumulation/Distribution_ 是吸筹和派发价格变动的累积总和。吸筹和派发分别描述由买方和卖方主导的市场。事实上，wad 指标衡量的是市场的正向和负向压力。
加权收盘价: wcprice
_Weighted Close Price_ 就是最高价、最低价与双倍收盘价的平均值。
怀尔德平滑: wilders
_Wilder's Smoothing_ 与 ema 相同，但怀尔德平滑使用不同的平滑系数，因此对价格变化的反应更慢。
威廉指标 %R: willr
_Williams %R_ 通过将最近收盘价的位置与一段时间内的最高价和最低价进行比较，来识别超买和超卖的市场。
加权移动平均线: wma
_Weighted Moving Average_ 与 sma 相同，但对近期数据赋予更大权重。这样它对价格变化的反应更快，也更贴近市场价格。
零滞后指数移动平均线: zlema
_Zero-Lag Exponential Moving Average_ 与 dema 和 tema 的目标相同。它消除滞后以提升速度，并更紧密地跟踪价格。