pybroker.vect 模块

包含向量化工具函数。

adx(high: NDArray[float64], low: NDArray[float64], close: NDArray[float64], lookback: int) → NDArray[float64]

计算平均动向指数（Average Directional Movement Index，ADX）。

参数:

• high -- 最高价。

• low -- 最低价。

• close -- 收盘价。

• lookback -- 回溯 K 线数量。

返回:

计算结果组成的 numpy.ndarray。

aroon_diff(high: NDArray[float64], low: NDArray[float64], lookback: int) → NDArray[float64]

计算 Aroon 上升趋势指标减去 Aroon 下降趋势指标。

参数:

• high -- 最高价。

• low -- 最低价。

• lookback -- 回溯 K 线数量。

返回:

计算结果组成的 numpy.ndarray。

aroon_down(high: NDArray[float64], low: NDArray[float64], lookback: int) → NDArray[float64]

计算 Aroon 下降趋势指标。

参数:

• high -- 最高价。

• low -- 最低价。

• lookback -- 回溯 K 线数量。

返回:

计算结果组成的 numpy.ndarray。

aroon_up(high: NDArray[float64], low: NDArray[float64], lookback: int) → NDArray[float64]

计算 Aroon 上升趋势指标。

参数:

• high -- 最高价。

• low -- 最低价。

• lookback -- 回溯 K 线数量。

返回:

计算结果组成的 numpy.ndarray。

atr(high: NDArray[float64], low: NDArray[float64], close: NDArray[float64], lookback: int) → NDArray[float64]

计算平均真实波幅（Average True Range，ATR）。

真实波幅取 high - low、abs(high - previous close) 和 abs(low - previous close) 三者中的最大值。

参数:

• high -- 最高价。

• low -- 最低价。

• close -- 收盘价。

• lookback -- 回溯 K 线数量。

返回:

由真实波幅的 lookback 根 K 线均值组成的 numpy.ndarray。前 lookback 个值为 NaN，因为第一根 K 线的真实波幅没有前一根 K 线的收盘价可供参考。

close_minus_ma(high: NDArray[float64], low: NDArray[float64], close: NDArray[float64], lookback: int, atr_length: int, scale: float = 1.0) → NDArray[float64]

计算收盘价减去移动平均线（Close Minus Moving Average）。

参数:

• close -- 收盘价。

• high -- 最高价。

• low -- 最低价。

• lookback -- 回溯 K 线数量。

• atr_length -- 用于平均真实波幅（ATR）归一化的回溯长度。

• scale -- 大于 1.0 会使返回值被压缩得更多，小于 1.0 则压缩得更少。默认为 1.0。

返回:

计算结果组成的 numpy.ndarray，取值范围为 [-50, 50]。

cross(a: NDArray[float64], b: NDArray[float64]) → NDArray[bool]

检测 a 上穿 b 的交叉。

参数:

• a -- 数据组成的 numpy.ndarray。

• b -- 数据组成的 numpy.ndarray。

返回:

当 a 上穿 b 时取值为 1，否则取值为 0 的 numpy.ndarray。

cubic_deviation(values: NDArray[float64], lookback: int, scale: float = 0.6) → NDArray[float64]

计算相对三次趋势的偏离度（Deviation from Cubic Trend）。

参数:

• values -- 输入组成的 numpy.ndarray。

• lookback -- 回溯 K 线数量。

• scale -- 大于 1.0 会使返回值被压缩得更多，小于 1.0 则压缩得更少。默认为 0.6。

返回:

计算结果组成的 numpy.ndarray，取值范围为 [-50, 50]。

cubic_trend(values: NDArray[float64], high: NDArray[float64], low: NDArray[float64], close: NDArray[float64], lookback: int, atr_length: int, scale: float = 1.0) → NDArray[float64]

计算三次趋势强度（Cubic Trend Strength）。

参数:

• values -- 输入组成的 numpy.ndarray。

• high -- 最高价。

• low -- 最低价。

• close -- 收盘价。

• lookback -- 回溯 K 线数量。

• atr_length -- 用于平均真实波幅（ATR）归一化的回溯长度。

• scale -- 大于 1.0 会使返回值被压缩得更多，小于 1.0 则压缩得更少。默认为 1.0。

返回:

计算结果组成的 numpy.ndarray，取值范围为 [-50, 50]。

delta_on_balance_volume(close: NDArray[float64], volume: NDArray[float64], lookback: int, delta_length: int = 0, scale: float = 0.6) → NDArray[float64]

计算能量潮变化量（Delta On-Balance Volume）。

参数:

• close -- 收盘价。

• volume -- 成交量。

• lookback -- 回溯 K 线数量。

• delta_length -- 差分所使用的滞后期。

• scale -- 大于 1.0 会使返回值被压缩得更多，小于 1.0 则压缩得更少。默认为 0.6。

返回:

计算结果组成的 numpy.ndarray，取值范围为 [-50, 50]。

detrended_rsi(values: NDArray[float64], short_length: int, long_length: int, reg_length: int) → NDArray[float64]

计算去趋势相对强弱指数（Detrended RSI）。

参数:

• values -- 输入组成的 numpy.ndarray。

• short_length -- 短期 RSI 的回溯长度。

• long_length -- 长期 RSI 的回溯长度。

• reg_length -- 用于线性回归的 K 线数量。

返回:

计算结果组成的 numpy.ndarray。

highv(array: NDArray[float64], n: int) → NDArray[float64]

计算 array 中每 n 个周期的最高值。

参数:

• array -- 数据组成的 numpy.ndarray。

• n -- 周期长度。

返回:

array 中每 n 个周期最高值组成的 numpy.ndarray。

intraday_intensity(high: NDArray[float64], low: NDArray[float64], close: NDArray[float64], volume: NDArray[float64], lookback: int, smoothing: float = 0.0) → NDArray[float64]

计算日内强度（Intraday Intensity）。

参数:

• high -- 最高价。

• low -- 最低价。

• close -- 收盘价。

• volume -- 成交量。

• lookback -- 回溯 K 线数量。

• smoothing -- 平滑量；<= 1 表示不平滑。默认为 0。

返回:

计算结果组成的 numpy.ndarray。

inverse_normal_cdf(p: float) → float

计算标准正态分布的逆累积分布函数（inverse CDF）。

laguerre_rsi(open: NDArray[float64], high: NDArray[float64], low: NDArray[float64], close: NDArray[float64], fe_length: int = 13) → NDArray[float64]

计算拉盖尔相对强弱指数（Laguerre RSI）。

参数:

• open -- 开盘价。

• high -- 最高价。

• low -- 最低价。

• close -- 收盘价。

• fe_length -- 分形能量（Fractal Energy）长度。默认为 13。

返回:

计算结果组成的 numpy.ndarray。

linear_deviation(values: NDArray[float64], lookback: int, scale: float = 0.6) → NDArray[float64]

计算相对线性趋势的偏离度（Deviation from Linear Trend）。

参数:

• values -- 输入组成的 numpy.ndarray。

• lookback -- 回溯 K 线数量。

• scale -- 大于 1.0 会使返回值被压缩得更多，小于 1.0 则压缩得更少。默认为 0.6。

返回:

计算结果组成的 numpy.ndarray，取值范围为 [-50, 50]。

linear_trend(values: NDArray[float64], high: NDArray[float64], low: NDArray[float64], close: NDArray[float64], lookback: int, atr_length: int, scale: float = 1.0) → NDArray[float64]

计算线性趋势强度（Linear Trend Strength）。

参数:

• values -- 输入组成的 numpy.ndarray。

• high -- 最高价。

• low -- 最低价。

• close -- 收盘价。

• lookback -- 回溯 K 线数量。

• atr_length -- 用于平均真实波幅（ATR）归一化的回溯长度。

• scale -- 大于 1.0 会使返回值被压缩得更多，小于 1.0 则压缩得更少。默认为 1.0。

返回:

计算结果组成的 numpy.ndarray，取值范围为 [-50, 50]。

lowv(array: NDArray[float64], n: int) → NDArray[float64]

计算 array 中每 n 个周期的最低值。

参数:

• array -- 数据组成的 numpy.ndarray。

• n -- 周期长度。

返回:

array 中每 n 个周期最低值组成的 numpy.ndarray。

macd(high: NDArray[float64], low: NDArray[float64], close: NDArray[float64], short_length: int, long_length: int, smoothing: float = 0.0, scale: float = 1.0) → NDArray[float64]

计算指数平滑异同移动平均线（Moving Average Convergence Divergence，MACD）。

参数:

• high -- 最高价。

• low -- 最低价。

• close -- 收盘价。

• short_length -- 短期回溯长度。

• long_length -- 长期回溯长度。

• smoothing -- 计算 MACD 减去其平滑值（当参数 >= 2 时）。

• scale -- 大于 1.0 会使返回值被压缩得更多，小于 1.0 则压缩得更少。默认为 1.0。

返回:

计算结果组成的 numpy.ndarray，取值范围为 [-50, 50]。

money_flow(high: NDArray[float64], low: NDArray[float64], close: NDArray[float64], volume: NDArray[float64], lookback: int, smoothing: float = 0.0) → NDArray[float64]

计算佳庆资金流量指标（Chaikin's Money Flow）。

参数:

• high -- 最高价。

• low -- 最低价。

• close -- 收盘价。

• volume -- 成交量。

• lookback -- 回溯 K 线数量。

• smoothing -- 平滑量；<= 1 表示不平滑。默认为 0。

返回:

计算结果组成的 numpy.ndarray。

normal_cdf(z: float) → float

计算标准正态分布的累积分布函数（CDF）。

normalized_negative_volume_index(close: NDArray[float64], volume: NDArray[float64], lookback: int, scale: float = 0.5) → NDArray[float64]

计算归一化负成交量指标（Normalized Negative Volume Index）。

参数:

• close -- 收盘价。

• volume -- 成交量。

• lookback -- 回溯 K 线数量。

• scale -- 大于 1.0 会使返回值被压缩得更多，小于 1.0 则压缩得更少。默认为 0.5。

返回:

计算结果组成的 numpy.ndarray，取值范围为 [-50, 50]。

normalized_on_balance_volume(close: NDArray[float64], volume: NDArray[float64], lookback: int, scale: float = 0.6) → NDArray[float64]

计算归一化能量潮指标（Normalized On-Balance Volume）。

参数:

• close -- 收盘价。

• volume -- 成交量。

• lookback -- 回溯 K 线数量。

• scale -- 大于 1.0 会使返回值被压缩得更多，小于 1.0 则压缩得更少。默认为 0.6。

返回:

计算结果组成的 numpy.ndarray，取值范围为 [-50, 50]。

normalized_positive_volume_index(close: NDArray[float64], volume: NDArray[float64], lookback: int, scale: float = 0.5) → NDArray[float64]

计算归一化正成交量指标（Normalized Positive Volume Index）。

参数:

• close -- 收盘价。

• volume -- 成交量。

• lookback -- 回溯 K 线数量。

• scale -- 大于 1.0 会使返回值被压缩得更多，小于 1.0 则压缩得更少。默认为 0.5。

返回:

计算结果组成的 numpy.ndarray，取值范围为 [-50, 50]。

price_change_oscillator(high: NDArray[float64], low: NDArray[float64], close: NDArray[float64], short_length: int, multiplier: int, scale: float = 4.0) → NDArray[float64]

计算价格变化振荡指标（Price Change Oscillator）。

参数:

• high -- 最高价。

• low -- 最低价。

• close -- 收盘价。

• short_length -- 短期回溯 K 线数量。

• multiplier -- 用于计算长期回溯 K 线数量的乘数：长期回溯长度 = multiplier * short_length。

• scale -- 大于 1.0 会使返回值被压缩得更多，小于 1.0 则压缩得更少。默认为 4.0。

返回:

计算结果组成的 numpy.ndarray，取值范围为 [-50, 50]。

price_intensity(open: NDArray[float64], high: NDArray[float64], low: NDArray[float64], close: NDArray[float64], smoothing: float = 0.0, scale: float = 0.8) → NDArray[float64]

计算价格强度（Price Intensity）。

参数:

• open -- 开盘价。

• high -- 最高价。

• low -- 最低价。

• close -- 收盘价。

• smoothing -- 平滑量。默认为 0。

• scale -- 大于 1.0 会使返回值被压缩得更多，小于 1.0 则压缩得更少。默认为 0.8。

返回:

计算结果组成的 numpy.ndarray，取值范围为 [-50, 50]。

price_volume_fit(close: NDArray[float64], volume: NDArray[float64], lookback: int, scale: float = 9.0) → NDArray[float64]

计算价量拟合指标（Price Volume Fit）。

参数:

• close -- 收盘价。

• volume -- 成交量。

• lookback -- 回溯 K 线数量。

• scale -- 大于 1.0 会使返回值被压缩得更多，小于 1.0 则压缩得更少。默认为 9.0。

返回:

计算结果组成的 numpy.ndarray，取值范围为 [-50, 50]。

quadratic_deviation(values: NDArray[float64], lookback: int, scale: float = 0.6) → NDArray[float64]

计算相对二次趋势的偏离度（Deviation from Quadratic Trend）。

参数:

• values -- 输入组成的 numpy.ndarray。

• lookback -- 回溯 K 线数量。

• scale -- 大于 1.0 会使返回值被压缩得更多，小于 1.0 则压缩得更少。默认为 0.6。

返回:

计算结果组成的 numpy.ndarray，取值范围为 [-50, 50]。

quadratic_trend(values: NDArray[float64], high: NDArray[float64], low: NDArray[float64], close: NDArray[float64], lookback: int, atr_length: int, scale: float = 1.0) → NDArray[float64]

计算二次趋势强度（Quadratic Trend Strength）。

参数:

• values -- 输入组成的 numpy.ndarray。

• high -- 最高价。

• low -- 最低价。

• close -- 收盘价。

• lookback -- 回溯 K 线数量。

• atr_length -- 用于平均真实波幅（ATR）归一化的回溯长度。

• scale -- 大于 1.0 会使返回值被压缩得更多，小于 1.0 则压缩得更少。默认为 1.0。

返回:

计算结果组成的 numpy.ndarray，取值范围为 [-50, 50]。

reactivity(high: NDArray[float64], low: NDArray[float64], close: NDArray[float64], volume: NDArray[float64], lookback: int, smoothing: float = 1.0, scale: float = 0.6) → NDArray[float64]

计算反应性指标（Reactivity）。

参数:

• high -- 最高价。

• low -- 最低价。

• close -- 收盘价。

• volume -- 成交量。

• lookback -- 回溯 K 线数量。

• smoothing -- 平滑乘数。

• scale -- 大于 1.0 会使返回值被压缩得更多，小于 1.0 则压缩得更少。默认为 0.6。

返回:

计算结果组成的 numpy.ndarray，取值范围为 [-50, 50]。

returnv(array: NDArray[float64], n: int = 1, use_log: bool = False) → NDArray[float64]

计算收益率。

参数:

• array -- 数据组成的 numpy.ndarray。

• n -- 收益率计算周期。默认为 1。

• use_log -- 是否计算对数收益率（log(array[i] / array[i - n])），而非算术收益率。默认为 False。

返回:

收益率组成的 numpy.ndarray。

stochastic(high: NDArray[float64], low: NDArray[float64], close: NDArray[float64], lookback: int, smoothing: int = 0) → NDArray[float64]

计算随机指标（Stochastic，KD）。

参数:

• high -- 最高价。

• low -- 最低价。

• close -- 收盘价。

• lookback -- 回溯 K 线数量。

• smoothing -- 原始随机值被平滑的次数，为 0、1 或 2 次。默认为 0。

返回:

计算结果组成的 numpy.ndarray。

stochastic_rsi(values: NDArray[float64], rsi_lookback: int, sto_lookback: int, smoothing: float = 0.0) → NDArray[float64]

计算随机相对强弱指数（Stochastic RSI）。

参数:

• values -- 输入组成的 numpy.ndarray。

• rsi_lookback -- RSI 计算的回溯长度。

• sto_lookback -- 随机指标（Stochastic）计算的回溯长度。

• smoothing -- 平滑量；<= 1 表示不平滑。默认为 0。

返回:

计算结果组成的 numpy.ndarray。

sumv(array: NDArray[float64], n: int) → NDArray[float64]

计算 array 中每 n 个周期的总和。

参数:

• array -- 数据组成的 numpy.ndarray。

• n -- 周期长度。

返回:

array 中每 n 个周期总和组成的 numpy.ndarray。

volume_momentum(volume: NDArray[float64], short_length: int, multiplier: int = 2, scale: float = 3.0) → NDArray[float64]

计算成交量动量（Volume Momentum）。

参数:

• volume -- 成交量。

• short_length -- 短期回溯 K 线数量。

• multiplier -- 回溯乘数。默认为 2。

• scale -- 大于 1.0 会使返回值被压缩得更多，小于 1.0 则压缩得更少。默认为 3.0。

返回:

计算结果组成的 numpy.ndarray，取值范围为 [-50, 50]。

volume_weighted_ma_ratio(close: NDArray[float64], volume: NDArray[float64], lookback: int, scale: float = 1.0) → NDArray[float64]

计算成交量加权移动平均比率（Volume-Weighted Moving Average Ratio）。

参数:

• close -- 收盘价。

• volume -- 成交量。

• lookback -- 回溯 K 线数量。

• scale -- 大于 1.0 会使返回值被压缩得更多，小于 1.0 则压缩得更少。默认为 1.0。

返回:

计算结果组成的 numpy.ndarray，取值范围为 [-50, 50]。