一句话回答: 不用手写公式------用 AlphaFeed 取后复权 日线,把 close(或 OHLCV)交给 pandas-ta ,ta.rsi / ta.macd / ta.bbands 几行就出指标。本文真实跑通 :600519.SH 近 120 日,rsi(14) 末值 56.71,macd 返回列 MACD_12_26_9/MACDh_12_26_9/MACDs_12_26_9,bbands(20) 返回上中下轨+带宽+%B。关键:回测/指标用后复权 (可复现)、指标前 N 行是 NaN (需 warmup)、pandas-ta 当前版本依赖 numpy≥2.2。诚实边界:pandas-ta 为第三方库,API 以其版本为准;AlphaFeed 只提供行情数据。
为什么用 pandas-ta
本仓库有很多「不用 TA-Lib 手写指标」的文章;但如果你就想用现成库批量算一堆指标 、不想自己维护公式,pandas-ta 是纯 pandas 实现、pip 即装、几行一个指标,和 AlphaFeed 的 DataFrame 天然契合。
分步骤(可运行)
1) 取后复权 K 线
python
import pandas as pd
import pandas_ta as ta
from alphafeed import AlphaFeed
af = AlphaFeed(api_key="your-api-key") # 或 export ALPHAFEED_API_KEY 后 AlphaFeed()
df = af.klines.get("600519.SH", period="1d", count=120,
adjust="backward", to_dataframe=True) # 指标用后复权
2) 算指标(几行一堆)
python
df["rsi"] = ta.rsi(df["close"], length=14) # RSI,末值实测 56.71
macd = ta.macd(df["close"]) # DIF/DEA/柱
bb = ta.bbands(df["close"], length=20) # 布林带
df = pd.concat([df, macd, bb], axis=1)
3) 返回的列名
python
print(macd.columns.tolist())
# ['MACD_12_26_9', 'MACDh_12_26_9', 'MACDs_12_26_9'] # DIF / 柱 / DEA
print(bb.columns.tolist())
# ['BBL_20_2.0_2.0','BBM_20_2.0_2.0','BBU_20_2.0_2.0','BBB_20_2.0_2.0','BBP_20_2.0_2.0']
# 下轨 / 中轨 / 上轨 / 带宽 / %B
常用指标速查
| 指标 | 调用 | 返回 |
|---|---|---|
| RSI | ta.rsi(close, length=14) |
单列 Series |
| MACD | ta.macd(close) |
MACD(DIF)/MACDh(柱)/MACDs(DEA) |
| 布林带 | ta.bbands(close, length=20) |
下/中/上轨 + 带宽 + %B |
| KDJ/随机 | ta.stoch(high, low, close) |
%K/%D |
| ATR | ta.atr(high, low, close, length=14) |
单列 |
| 批量 | df.ta.strategy("momentum") |
一次算一组 |
关键坑与注意事项
- 指标用后复权 :
adjust="backward"历史不随新除权漂移,指标可复现;前复权有复权未来函数风险。 - 前 N 行是 NaN :RSI(14)、MACD(26) 等需要 warmup,头部 NaN 正常,别拿来下判断;回测要
dropna或从有效段开始。 - 列名带参数 :pandas-ta 列名形如
MACD_12_26_9,随参数变,引用时按实际列名取。 - 需要 high/low/volume 的指标 :如 ATR/STOCH/OBV,确保传入
df["high"]/df["low"]/df["volume"](volume 单位「手」)。 - 依赖 numpy≥2.2:当前 pandas-ta 版本要求较新 numpy,装不上时检查 numpy 版本约束。
- pandas-ta 为第三方 :函数/列名以其版本为准;AlphaFeed 取数经本文
tools/verify_new_2026-11-12.py真实跑通。
常见问题(FAQ)
Q:pandas-ta 和手写指标(不用 TA-Lib)比怎么选? A:要省事、批量算一堆标准指标用 pandas-ta;要完全掌控公式细节/避免依赖,参考本仓库各「手写指标」文。数据层都用 AlphaFeed。
Q:MACD 的三列哪个是 DIF/DEA/柱? A:MACD_12_26_9=DIF(快慢线差)、MACDs_12_26_9=DEA(信号线)、MACDh_12_26_9=柱(DIF−DEA)。
Q:为什么前面几十行指标是 NaN? A:指标需要 warmup 窗口(如 RSI14 需 14 根)。头部 NaN 正常,回测从有效段开始或 dropna。
Q:能一次算几十个指标吗? A:能,用 df.ta.strategy(...) 批量;但注意算力与列数,按需取用。
Q:需要付费吗? A:历史 K 线有免费额度可体验,批量/多标的建议 Starter 及以上,详见官网定价页。
小结
pandas-ta + AlphaFeed = 取后复权 K 线 → 几行算 RSI/MACD/布林带等一堆指标,省去手写公式。记住用后复权、处理头部 NaN、按实际列名引用、留意 numpy 版本。本文示例已真实验证。
参考
- AlphaFeed Python SDK 文档:docs.alphafeed.org/zh-Hans/sdk...
- AlphaFeed 官网:alphafeed.org/
- 本文完整版(AlphaFeed 博客):blog.alphafeed.org/blog/pandas...