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, HMAMomentum衡量价格变化速度与强度的振荡器RSI, MACD, STOCH, CCI, ROCVolatility度量价格波动幅度的指标ATR, BBW, KC, NATR, THERMOVolume结合量价关系的指标OBV, MFI, AD, CMF, VPTrend专门用于识别/确认趋势方向的指标ADX, DMI, PSAR, SUPERTREND, VORTEXStatistics统计学衍生指标ZSCORE, SKEW, KURT, QUANTILECycles周期/时间序列分析指标EBSW, REFLEX, INVERTEDHAMMERPatternK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, SORTINOUtils / 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, length14)—— 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(length14, appendTrue)—— 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(namemy_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 OverlapsADX纯趋势强度却被归入 Trend 而非 OverlapsVWAP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。