pandas_ta 库指标分类

pandas_ta 库并没有采用传统技术分析教科书中"趋势、震荡、成交量"等基于交易逻辑 的分类方式,而是采用了更贴近量化开发实践的功能性分类体系。这种分类直接映射到其 API 调用结构上,主要分为以下三大维度:

1. 按指标类别分类

这是 pandas_ta 最核心的组织方式,所有指标被归入约 15 个功能模块中。每个模块对应一个独立的命名空间,可通过 ta.{category}() 或 df.ta.{category}() 调用:

类别 说明 代表性指标
Overlaps 与价格曲线重叠绘制的指标 SMA, EMA, BOLL, VWAP, HMA
Momentum 衡量价格变化速度与强度的振荡器 RSI, MACD, STOCH, CCI, ROC
Volatility 度量价格波动幅度的指标 ATR, BBW, KC, NATR, THERMO
Volume 结合量价关系的指标 OBV, MFI, AD, CMF, VP
Trend 专门用于识别/确认趋势方向的指标 ADX, DMI, PSAR, SUPERTREND, VORTEX
Statistics 统计学衍生指标 ZSCORE, SKEW, KURT, QUANTILE
Cycles 周期/时间序列分析指标 EBSW, REFLEX, INVERTEDHAMMER
Pattern K线形态识别 CDL_DOJI, CDL_ENGULFING 等60+种
Performance 收益率与风险绩效度量 LOGRET, PCTCHANGE, SHARPE, SORTINO
Utils / Helpers 辅助计算工具 CROSS, ABOVE, BELOW, IFELSE

注意: 部分指标可能同时具备多重属性(如 MACD 既是动量也是趋势指标),pandas_ta 会根据其主要用途将其归入单一类别。例如 MACD 被归入 Momentum 而非 Trend。

2. 按调用粒度分类

除了功能类别,pandas_ta 还提供了三种不同粒度的使用接口,适应不同的开发场景:

  • 单指标调用: ta.rsi(close, length=14) ------ 精确控制单个指标的参数,适合调试和定制化策略。
  • 类别批量调用: df.ta.momentum(length=14, append=True) ------ 一次性计算该类别下所有指标,适合特征工程探索。
  • 自定义策略: df.ta.strategy(name="my_strategy", config=[...]) ------ 通过 JSON/YAML 配置文件定义指标组合,适合生产环境中的可复现研究。

3. 按数据依赖分类

这一分类虽未在文档中显式标注,但在实际使用中至关重要:

  • 仅依赖收盘价: 如 EMA、RSI,只需 close 列即可计算。
  • 依赖 OHLC 多列: 如 ATR、BOLL、SUPERTREND,需要完整的开高低收数据。
  • 依赖成交量: 如 OBV、MFI、AD,必须提供 volume 列,否则返回 NaN。
  • 依赖外部数据: 如 VP(成交量分布)需要指定价格区间参数;部分统计指标可能需要额外传入基准序列。

4. 与传统分类的差异提醒

许多交易者习惯按"趋势型 / 震荡型 / 量能型"来记忆指标,但 pandas_ta 的 Overlaps 类别是一个独特设计------它纯粹基于可视化位置(是否与K线同轴绘制)而非交易逻辑。这意味着:

  • EMA(趋势跟踪)和 BOLL(波动率通道)同属 Overlaps;
  • ADX(纯趋势强度)却被归入 Trend 而非 Overlaps;
  • VWAP(量价趋势)也在 Overlaps 中。

因此,在使用 pandas_ta 时,建议以功能模块 为索引查找指标,而非套用传统教科书分类。可通过 df.ta.indicators() 获取完整指标列表及其所属类别,或通过 ta.Category 字典对象查看各类别下所有可用指标。

相关推荐
2601_967979121 小时前
pandas重塑层次化索引(stack()和unstack()函数解析)
pandas·重塑·层次化索引·stack()·unstack()
郝学胜-神的一滴1 天前
Effective Python 条款35:用类封装替代生成器异常注入
开发语言·人工智能·python·金融·pandas·scikit-learn·matplotlib
弈栈录1 天前
时间序列分析:按日、周、月进行趋势统计
数据分析·pandas
linweidong4 天前
RTX 4090 Ubuntu + ComfyUI + comfy-kitchen 0.2.41 完整部署文档
机器学习·云原生·conda·pandas·scikit-learn
benchmark_cc5 天前
个人开发者接入五档盘口:用 QuantDash 读取单只股票的验收清单与易错点
python·数据分析·pandas·量化交易·股票数据·quantdash
benchmark_cc9 天前
用 QuantDash 读取单只股票五档盘口:抽样、缺失值检查与复现记录
python·数据分析·pandas·量化交易·股票数据·quantdash
benchmark_cc12 天前
单只股票五档盘口接入个人研究仓库:QuantDash 读取、校验与易错点
python·数据分析·pandas·量化交易·股票数据·quantdash
benchmark_cc13 天前
用 QuantDash 读取美股行情:AAPL.US 的运行前检查、排错顺序与数据校验清单
python·数据分析·pandas·量化交易·股票数据·quantdash
databook15 天前
经常听到的透视表是干什么的?
python·数据分析·pandas
benchmark_cc17 天前
A 股、港股、美股如何建立统一的标的主数据格式?
开发语言·python·数据分析·pandas·量化交易·股票数据·quantdash