vnpy--vnpy/docs/elite/strategy/elite_function.md

指标计算函数

VeighNa Elite Trader的CTA策略模块内置了以下计算函数供策略调用：

sma ：简单移动平均

• 入参

  • close: np.ndarray
  • time_period: int=30

• 出参

  • sma_array: np.ndarray

ema ：指数滑动平均

• 入参

  • close: np.ndarray
  • time_period: int=30

• 出参

  • ema_array: np.ndarray

kama ：适应性移动平均

• 入参

  • close: np.ndarray
  • time_period: int=30

• 出参

  • atr_array: np.ndarray

wma ：加权移动平均

• 入参

  • close: np.ndarray
  • time_period: int=30

• 出参

  • wma_array: np.ndarray

apo：绝对价格振荡器

• 入参

  • close: np.ndarray
  • fast_period: int=12
  • slow_period: int=26
  • matype: int=0

• 出参

  • apo_array: np.ndarray

请注意，matype分别对应：0=SMA, 1=EMA, 2=WMA, 3=DEMA, 4=TEMA, 5=TRIMA, 6=KAMA, 7=MAMA, 8=T3

cmo：钱德动量摆动指标

• 入参

  • close: np.ndarray
  • time_period: int=14

• 出参

  • cmo_array: np.ndarray

mom：上升动向值

• 入参

  • close: np.ndarray
  • time_period: int=10

• 出参

  • mom_array: np.ndarray

ppo：价格震荡百分比指数

• 入参

  • close: np.ndarray
  • fast_period: int=12
  • slow_period: int=26
  • matype: int=0

• 出参

  • ppo_array: np.ndarray

roc：变动率指标

• 入参

  • close: np.ndarray
  • time_period: int=10

• 出参

  • roc_array: np.ndarray

rocr：变动率比率

• 入参

  • close: np.ndarray
  • time_period: int=10

• 出参

  • rocr_array: np.ndarray

rocp：变动率百分比

• 入参

  • close: np.ndarray
  • time_period: int=10

• 出参

  • rocp_array: np.ndarray

trix：三次平滑EMA的一天变化率

• 入参

  • close: np.ndarray
  • time_period: int=30

• 出参

  • trix_array: np.ndarray

stddev：标准偏差

• 入参

  • close: np.ndarray
  • time_period: int=5
  • nbdev: float=1

• 出参

  • stddev_array: np.ndarray

std：标准偏差

• 入参

  • close: np.ndarray
  • time_period: int=5
  • nbdev: float=1

• 出参

  • std_array: np.ndarray

obv：能量潮

• 入参

  • close: np.ndarray
  • volume: np.ndarray

• 出参

  • obv_array: np.ndarray

cci：顺势指标

• 入参

  • high: np.ndarray
  • low: np.ndarray
  • close: np.ndarray
  • time_period: int=14

• 出参

  • cci_array: np.ndarray

atr：真实波动幅度均值

• 入参

  • high: np.ndarray
  • low: np.ndarray
  • close: np.ndarray
  • time_period: int=14

• 出参

  • atr_array: np.ndarray

natr：归一化波动幅度均值

• 入参

  • high: np.ndarray
  • low: np.ndarray
  • close: np.ndarray
  • time_period: int=14

• 出参

  • natr_array: np.ndarray

rsi：相对强弱指数

• 入参

  • close: np.ndarray
  • time_period: int=14

• 出参

  • rsi_array: np.ndarray

macd：平均异同移动平均线

• 入参

  • close: np.ndarray
  • fast_period: int=12
  • slow_period: int=26
  • signal_period: int=9

• 出参

  • macd_array: np.ndarray
  • macdsignal_array: np.ndarray
  • macdhist_array: np.ndarray

adx：平均趋向指数

• 入参

  • high: np.ndarray
  • low: np.ndarray
  • close: np.ndarray
  • time_period: int=14

• 出参

  • adx_array: np.ndarray

adxr：平均趋向指数的趋向指数

• 入参

  • high: np.ndarray
  • low: np.ndarray
  • close: np.ndarray
  • time_period: int=14

• 出参

  • adxr_array: np.ndarray

minus_di：负趋向指标

• 入参

  • high: np.ndarray
  • low: np.ndarray
  • close: np.ndarray
  • time_period: int=14

• 出参

  • minusdi_array: np.ndarray

plus_di：正趋向指标

• 入参

  • high: np.ndarray
  • low: np.ndarray
  • close: np.ndarray
  • time_period: int=14

• 出参

  • plusdi_array: np.ndarray

willr：威廉指标

• 入参

  • high: np.ndarray
  • low: np.ndarray
  • close: np.ndarray
  • time_period: int=14

• 出参

  • willr_array: np.ndarray

ultosc：终极波动指标

• 入参

  • high: np.ndarray
  • low: np.ndarray
  • close: np.ndarray
  • time_period: int=7
  • time_period2: int=14
  • time_period3: int=28

• 出参

  • ultosc_array: np.ndarray

trange：真实波幅

• 入参

  • high: np.ndarray
  • low: np.ndarray
  • close: np.ndarray

• 出参

  • trange_array: np.ndarray

aroon：阿隆指标

• 入参

  • high: np.ndarray
  • low: np.ndarray
  • time_period: int=14

• 出参

  • aroonup_array: np.ndarray
  • aroondown_array: np.ndarray

aroonosc：阿隆震荡

• 入参

  • high: np.ndarray
  • low: np.ndarray
  • time_period: int=14

• 出参

  • aroonosc_array: np.ndarray

minus_dm：负趋向变动值

• 入参

  • high: np.ndarray
  • low: np.ndarray
  • time_period: int=14

• 出参

  • minusdm_array: np.ndarray

plus_dm：正趋向变动值

• 入参

  • high: np.ndarray
  • low: np.ndarray
  • time_period: int=14

• 出参

  • plusdm_array: np.ndarray

mfi：资金流量指标

• 入参

  • high: np.ndarray
  • low: np.ndarray
  • close: np.ndarray
  • volume: np.ndarray
  • time_period: int=14

• 出参

  • mfi_array: np.ndarray

ad：平衡交易量指标

• 入参

  • high: np.ndarray
  • low: np.ndarray
  • close: np.ndarray
  • volume: np.ndarray

• 出参

  • ad_array: np.ndarray

adosc：震荡指标

• 入参

  • high: np.ndarray
  • low: np.ndarray
  • close: np.ndarray
  • volume: np.ndarray
  • fast_period: int=3
  • slow_period: int=10

• 出参

  • adosc_array: np.ndarray

bop：均势指标

• 入参

  • open: np.ndarray
  • high: np.ndarray
  • low: np.ndarray
  • close: np.ndarray

• 出参

  • bop_array: np.ndarray

stoch：随机指标

• 入参

  • high: np.ndarray
  • low: np.ndarray
  • close: np.ndarray
  • fastk_period: int=5
  • slowk_period: int=3
  • slowk_matype: int=0
  • slowd_period: int=3
  • slowd_matype: int=0

• 出参

  • slowk_array: np.ndarray
  • slowd_array: np.ndarray

boll：布林通道

• 入参

  • data: np.ndarray
  • window: int
  • dev: float

• 出参

  • bollup_array: np.ndarray
  • bolldown_array: np.ndarray

keltner：肯特纳通道

• 入参

  • high: np.ndarray
  • low: np.ndarray
  • close: np.ndarray
  • window: int
  • dev: float

• 出参

  • kkup_array: np.ndarray
  • kkdown_array: np.ndarray

donchian：唐奇安通道

• 入参

  • high: np.ndarray
  • low: np.ndarray
  • window: int

• 出参

  • donchianup_array: np.ndarray
  • donchiandown_array: np.ndarray

cross_over：上穿

• 入参
  • data: np.ndarray
  • level: float

若data上一个值小于等于level以及data最新值大于level，则返回True。

• 出参
  • cross_over: bool

cross_below：下穿

• 入参

  • data: np.ndarray
  • level: float

• 出参

  • cross_below: bool

若data上一个值大于等于level以及data最新值小于level，则返回True。

check_increasing：检查序列单调上升

• 入参

  • data: np.ndarray

• 出参

  • increasing: bool

check_decreasing：检查序列单调下降

• 入参

  • data: np.ndarray

• 出参

  • decreasing: bool

resample_data：对K线数据重新取样

• 入参

  • df: pd.DataFrame
  • rule: str

• 出参

  • resampled_df: pd.DataFrame

• 示例

若想要测试resample_data函数的效果，可以在策略的on_history函数收到hm推送的时候先获取K线DataFrame，再调用resample_data函数对K线数据重新取样，如下所示：

# 判断实盘trading状态，只有策略启动之后才进行输出
df: pd.DataFrame = hm.to_dataframe()
resampled_df: pd.DataFrame = resample_data(df, "5min")