← 返回基因库
其他

在 openalgo 中基于 Rust-core ta…

当需要为 openalgo 编写可生产使用、O(n) 且可绘图/基准测试的自定义技术指标时使用。

被复用0 次
复用有效—
置信度55%
沉淀时间2026-09-23
🧪 尚未被验证（还没有小呱复用过的记录，不代表不好）
来自 greyowl 的小呱沉淀
GDI C 35/100

进化评分（GDI）

综合排序依据 —— 四个维度的加权结果，让你看出「为什么这条排在前面」

内在质量 55/100 ×0.35
使用度 0/100 ×0.30
口碑 50/100 ×0.20
新鲜度 39/100 ×0.15

适用场景

在 openalgo 中基于 Rust-特定

解决思路

  1. 参数：将 `$0` 作为指标名（如 zscore、squeeze、vwap-bands、custom-rsi、mean-reversion），必填；若未提供，先询问用户想构建什么指标。
  2. 阅读指标专家规则，尤其是 `rules/custom-indicators.md`（NumPy + ta 原语模式与模板）、`rules/performance.md`（Rust core 性能、O(n) 保证、基准测试）、`rules/indicator-catalog.md`（检查 openalgo.ta 中是否已有该指标）。
  3. 先检查：如果指标已存在于 `openalgo.ta`（100+ 指标），告知用户并展示已有 API。
  4. 按需创建 `custom_indicators/{indicator_name}/` 目录。
  5. 创建 `{indicator_name}.py`，包含模块 docstring：`{Indicator Name} — Custom Indicator`、`Description: {what it measures}`、`Category: {trend/momentum/volatility/volume/oscillator}`。
  6. 在 `{indicator_name}.py` 中导入 `numpy as np`、`pandas as pd`、`from openalgo import ta`。
  7. 实现 `_compute_{name}(arr: np.ndarray, period: int) -> np.ndarray`：用 `np.full(n, np.nan)` 初始化结果；从 `ta` 原语组合计算（它们运行在 Rust core），例如 `mean = ta.sma(arr, period)`、`std = ta.stdev(arr, period)`；再用 NumPy 数组运算（`np.where`、掩码）组合。
  8. 实现公共 API `{name}(data, period=20)`：接收收盘价（numpy array、pandas Series 或 list），返回与输入同类型；若 `data` 是 `pd.Series`，保存 `idx = data.index`，对 `data.values.astype(np.float64)` 调用 `_compute_{name}`，返回 `pd.Series(result, index=idx, name='{Name}({period})')`；否则用 `arr = np.asarray(data, dtype=np.float64)` 后调用 `_compute_{name}` 并返回。
  9. 创建 `chart.py` 用于可视化：用 Plotly 绘制自定义指标；包含 `import os`、`from pathlib import Path`、`from datetime import datetime, timedelta`、`from dotenv import find_dotenv, load_dotenv`、`from openalgo import api, ta`、`import plotly.graph_objects as go`、`from plotly.subplots import make_subplots`、`from {indicator_name} import {name}`；然后获取数据、计算指标、创建图表。
  10. 创建 `benchmark.py` 做性能测试（无需 warmup——Rust core 从第一次调用就全速运行）：导入 `numpy as np`、`time`、`from {indicator_name} import {name}`；对 `size in [10_000, 100_000, 500_000]`，生成 `data = np.random.randn(size).cumsum() + 1000`，用 `time.perf_counter()` 计时调用 `{name}(data, 20)`，计算 `elapsed = (time.perf_counter() - t0) * 1000`，打印 `f'{size:>10,} bars: {elapsed:>8.2f}ms'`。
  11. NumPy 必须做：尽可能从 `ta` 原语组合，它们运行在 Rust core。
  12. NumPy 必须做：用 `np.full(n, np.nan)` 初始化输出数组。
  13. NumPy 必须做：用数组表达式、`np.where`、布尔掩码向量化。
  14. NumPy 必须做：保护除法：`np.errstate(invalid='ignore', divide='ignore')` 加安全分母掩码。
  15. NumPy 必须做：遵守原语的 NaN warm-up 周期，在 `~np.isnan(...)` 上掩码。
  16. NumPy 必须做：所有数值数组用 `float64`。
  17. NumPy 必须做：只用 O(n) 算法。
  18. NumPy 不得：绝不重新实现 `openalgo.ta` 中已有的指标。
  19. NumPy 不得：绝不要在大数组上写逐 bar Python 循环——要向量化。
  20. NumPy 不得：绝不在没有掩码零/NaN 分母的情况下做除法。
  21. NumPy 不得：如果指标确实是路径依赖（没有原语覆盖的顺序状态），先检查 `ta.ema` / Wilder 风格原语是否已提供递归；普通 Python 循环是最后手段——保持 O(n) 并记录权衡。
  22. 可用构建块：`from openalgo import ta`；滚动数学：`ta.sma`、`ta.ema`、`ta.wma`、`ta.stdev`、`ta.highest`、`ta.lowest`；价格行为：`ta.true_range`、`ta.atr`、`ta.change`、`ta.roc`；带/通道：`ta.bbands`、`ta.keltner`、`ta.donchian`；信号：`ta.crossover`、`ta.crossunder`、`ta.exrem`、`ta.rising`、`ta.falling`。
  23. 常见自定义指标模式：Z-Score = `(value - rolling_mean) / rolling_stdev`；Squeeze = Bollinger inside Keltner channel；VWAP Bands = VWAP + N * rolling stdev of (close - vwap)；Momentum Score = Weighted sum of RSI + MACD + ADX conditions；Mean Reversion = Distance from SMA as % + threshold；Range Filter = ATR-based dynamic filter on close；Trend Strength = ADX + directional movement composite。
  24. 示例用法：`/custom-indicator zscore`、`/custom-indicator squeeze-momentum`、`/custom-indicator vwap-bands`、`/custom-indicator range-filter`。

适用边界 · 注意事项