indicator-expert

OpenAlgo 指标专家技能

环境

• Python 3.12+（openalgo 2.x 所需），以及 openalgo、pandas、numpy、plotly、dash、streamlit
• 数据源：OpenAlgo（印度市场，通过 client.history()、client.quotes()、client.depth()）、yfinance（美国／全球）
• 实时数据：OpenAlgo WebSocket（client.connect()、subscribe_ltp、subscribe_quote、subscribe_depth）
• 指标：openalgo.ta（始终使用——通过编译后的 Rust 核心计算 100 多种指标，从首次调用起即可全速运行）
• 图表：使用 template="plotly_dark" 的 Plotly
• 仪表板：使用 dash-bootstrap-components 的 Plotly Dash（默认），或使用 st.plotly_chart() 的 Streamlit——仅在用户明确要求时使用 Streamlit
• 自定义指标：使用 openalgo.ta 基础函数组合 NumPy 向量化操作（Rust 核心——无需 JIT，也无需预热）
• 使用 python-dotenv + find_dotenv() 从根目录下的单个 .env 加载 API 密钥——绝不硬编码密钥
• 脚本按需放入相应目录（charts/、dashboards/、custom_indicators/、scanners/），并在需要时创建目录
• 代码或日志输出中绝不使用图标／表情符号

关键规则

1. 始终使用 openalgo.ta 计算所有技术指标。绝不重新实现库中已有的指标。
2. 数据规范化：获取数据后，始终将 DataFrame 索引转换为 datetime、排序并移除时区。
3. 信号清理：生成原始买入／卖出信号后，始终使用 ta.exrem()。调用 exrem 前始终使用 .fillna(False)。
4. Plotly 深色主题：所有图表都使用 template="plotly_dark"；绘制蜡烛图时将 xaxis type="category"。
5. 自定义指标：使用 openalgo.ta 基础函数（ta.sma、ta.stdev、ta.bbands 等）与 NumPy 向量化操作组合。绝不重新实现内置指标；无需 JIT 或预热。
6. 输入灵活性：openalgo.ta 接受 numpy 数组、pandas Series 或列表。输出类型与输入类型一致。
7. WebSocket 数据流：使用 client.connect()、client.subscribe_ltp()／subscribe_quote()／subscribe_depth() 获取实时数据。
8. 环境：通过 find_dotenv() 从项目根目录加载 .env——绝不硬编码 API 密钥。
9. 市场识别：如果代码看起来属于印度市场（SBIN、RELIANCE、NIFTY），使用 OpenAlgo。如果属于美国市场（AAPL、MSFT），使用 yfinance。
10. 始终用通俗易懂的语言解释图表输出，让交易者了解指标所显示的内容。

数据源优先级

市场	数据源	方法	示例代码
印度（股票）	OpenAlgo	client.history()	SBIN、RELIANCE、INFY
印度（指数）	OpenAlgo	client.history(exchange="NSE_INDEX")	NIFTY、BANKNIFTY
印度（期货与期权）	OpenAlgo	client.history(exchange="NFO")	NIFTY30DEC25FUT
美国／全球	yfinance	yf.download()	AAPL、MSFT、SPY

OpenAlgo 数据 API 方法

方法	用途	返回值
client.history(symbol, exchange, interval, start_date, end_date)	OHLCV 蜡烛图	DataFrame（timestamp、open、high、low、close、volume）
client.quotes(symbol, exchange)	实时快照	Dict（open、high、low、ltp、bid、ask、prev_close、volume）
client.multiquotes(symbols=[...])	多标的报价	报价字典列表
client.depth(symbol, exchange)	市场深度（L5）	Dict（bids、asks、ohlc、volume、oi）
client.intervals()	可用间隔	Dict（minutes、hours、days、weeks、months）
client.optionchain(underlying, exchange, expiry_date, strike_count)	ATM 附近的期权链	Dict（underlying_ltp、atm_strike、每个行权价对应 ce/pe 的链）
client.optiongreeks(symbol, exchange, interest_rate, ...)	期权希腊值 + IV	Dict（greeks：delta/gamma/theta/vega/rho、implied_volatility、days_to_expiry）
client.expiry(symbol, exchange, instrumenttype)	到期日列表	Dict（data：到期日列表）
client.connect()	WebSocket 连接	None（建立 WS 连接）
client.subscribe_ltp(instruments, callback)	实时 LTP 流	携带 {symbol, exchange, ltp} 的回调
client.subscribe_quote(instruments, callback)	实时报价流	携带 {symbol, exchange, ohlc, ltp, volume} 的回调
client.subscribe_depth(instruments, callback)	实时深度流	携带 {symbol, exchange, bids, asks} 的回调

指标库参考

所有指标均通过 from openalgo import ta 访问：

趋势（20）

ta.sma、ta.ema、ta.wma、ta.dema、ta.tema、ta.hma、ta.vwma、ta.alma、ta.kama、ta.zlema、ta.t3、ta.frama、ta.supertrend、ta.ichimoku、ta.chande_kroll_stop、ta.trima、ta.mcginley、ta.vidya、ta.alligator、ta.ma_envelopes

动量（9）

ta.rsi、ta.macd、ta.stochastic、ta.cci、ta.williams_r、ta.bop、ta.elder_ray、ta.fisher、ta.crsi

波动率（16）

ta.atr、ta.bbands、ta.keltner、ta.donchian、ta.chaikin_volatility、ta.natr、ta.rvi、ta.ultimate_oscillator、ta.true_range、ta.massindex、ta.bb_percent、ta.bb_width、ta.chandelier_exit、ta.historical_volatility、ta.ulcer_index、ta.starc

成交量（15）

ta.obv、ta.obv_smoothed、ta.vwap、ta.mfi、ta.adl、ta.cmf、ta.emv、ta.force_index、ta.nvi、ta.pvi、ta.volosc、ta.vroc、ta.kvo、ta.pvt、ta.rvol

振荡指标（20+）

ta.cmo、ta.trix、ta.uo_oscillator、ta.awesome_oscillator、ta.accelerator_oscillator、ta.ppo、ta.po、ta.dpo、ta.aroon_oscillator、ta.stoch_rsi、ta.rvi_oscillator、ta.cho、ta.chop、ta.kst、ta.tsi、ta.vortex、ta.gator_oscillator、ta.stc、ta.coppock、ta.roc

统计（9）

ta.linreg、ta.lrslope、ta.correlation、ta.beta、ta.variance、ta.tsf、ta.median、ta.mode、ta.median_bands

混合（6+）

ta.adx、ta.dmi、ta.aroon、ta.pivot_points、ta.sar、ta.williams_fractals、ta.rwi

兼容 TA-Lib（18，openalgo 2.0 新增）

ta.mom、ta.rocp、ta.rocr、ta.rocr100、ta.apo、ta.midpoint、ta.midprice、ta.avgprice、ta.medprice、ta.typprice、ta.wclprice、ta.plus_dm、ta.minus_dm、ta.dx、ta.adxr、ta.stochf、ta.linregangle、ta.linregintercept

实用工具

ta.crossover、ta.crossunder、ta.cross、ta.highest、ta.lowest、ta.change、ta.roc、ta.stdev、ta.exrem、ta.flip、ta.valuewhen、ta.rising、ta.falling

模块化规则文件

每个主题的详细参考文档位于 rules/：

规则文件	主题
indicator-catalog	包含签名和参数的 100 多种指标完整参考
data-fetching	OpenAlgo 历史数据、报价和深度数据，yfinance，数据规范化
plotting	Plotly 蜡烛图、叠加图、子图、多面板图表
custom-indicators	使用向量化 NumPy 和 ta 基元构建自定义指标
websocket-feeds	通过 WebSocket 实时流式传输 LTP、报价和深度数据
performance	Rust 核心性能、O(n) 保证、基准测试
dashboard-patterns	带回调的 Plotly Dash Web 应用
streamlit-patterns	带侧边栏、指标和 Plotly 图表的 Streamlit Web 应用
multi-timeframe	多时间周期指标分析
signal-generation	信号生成、清理、交叉和下穿
indicator-combinations	组合指标进行共振分析
symbol-format	OpenAlgo 符号格式、交易所代码、指数符号

图表模板（位于 rules/assets/）

模板	路径	描述
EMA 图表	assets/ema_chart/chart.py	蜡烛图上的 EMA 叠加图
RSI 图表	assets/rsi_chart/chart.py	RSI 超买／超卖区域
MACD 图表	assets/macd_chart/chart.py	MACD 线、信号线、直方图
Supertrend	assets/supertrend_chart/chart.py	带方向颜色的 Supertrend 叠加图
Bollinger	assets/bollinger_chart/chart.py	带挤压检测的布林带
多指标	assets/multi_indicator/chart.py	蜡烛图 + EMA + RSI + MACD + 成交量
基础仪表盘	assets/dashboard_basic/app.py	单符号 Plotly Dash 应用
多标的仪表盘	assets/dashboard_multi/app.py	多标的、多时间周期仪表盘
Streamlit 基础版	assets/streamlit_basic/app.py	单标的 Streamlit 应用
Streamlit 多周期版	assets/streamlit_multi/app.py	多时间周期 Streamlit 应用
自定义指标	assets/custom_indicator/template.py	NumPy 自定义指标模板（组合 ta 基元）
实时数据流	assets/live_feed/template.py	WebSocket 实时指标
扫描器	assets/scanner/template.py	多标的指标扫描器

快速模板：标准指标图表脚本

import os
from datetime import datetime, timedelta
from pathlib import Path

import numpy as np
import pandas as pd
import plotly.graph_objects as go
from plotly.subplots import make_subplots
from dotenv import find_dotenv, load_dotenv
from openalgo import api, ta

# --- Config ---
script_dir = Path(__file__).resolve().parent
load_dotenv(find_dotenv(), override=False)

SYMBOL = "SBIN"
EXCHANGE = "NSE"
INTERVAL = "D"

# --- Fetch Data ---
client = api(
    api_key=os.getenv("OPENALGO_API_KEY"),
    host=os.getenv("OPENALGO_HOST", "http://127.0.0.1:5000"),
)

end_date = datetime.now().date()
start_date = end_date - timedelta(days=365)

df = client.history(
    symbol=SYMBOL, exchange=EXCHANGE, interval=INTERVAL,
    start_date=start_date.strftime("%Y-%m-%d"),
    end_date=end_date.strftime("%Y-%m-%d"),
)
if "timestamp" in df.columns:
    df["timestamp"] = pd.to_datetime(df["timestamp"])
    df = df.set_index("timestamp")
else:
    df.index = pd.to_datetime(df.index)
df = df.sort_index()
if df.index.tz is not None:
    df.index = df.index.tz_convert(None)

close = df["close"]
high = df["high"]
low = df["low"]
volume = df["volume"]

# --- Compute Indicators ---
ema_20 = ta.ema(close, 20)
rsi_14 = ta.rsi(close, 14)

# --- Chart ---
fig = make_subplots(
    rows=2, cols=1, shared_xaxes=True,
    row_heights=[0.7, 0.3], vertical_spacing=0.03,
    subplot_titles=[f"{SYMBOL} Price + EMA(20)", "RSI(14)"],
)

# Candlestick
x_labels = df.index.strftime("%Y-%m-%d")
fig.add_trace(go.Candlestick(
    x=x_labels, open=df["open"], high=high, low=low, close=close,
    name="Price",
), row=1, col=1)

# EMA overlay
fig.add_trace(go.Scatter(
    x=x_labels, y=ema_20, mode="lines",
    name="EMA(20)", line=dict(color="cyan", width=1.5),
), row=1, col=1)

# RSI subplot
fig.add_trace(go.Scatter(
    x=x_labels, y=rsi_14, mode="lines",
    name="RSI(14)", line=dict(color="yellow", width=1.5),
), row=2, col=1)
fig.add_hline(y=70, line_dash="dash", line_color="red", row=2, col=1)
fig.add_hline(y=30, line_dash="dash", line_color="green", row=2, col=1)

fig.update_layout(
    template="plotly_dark", title=f"{SYMBOL} Technical Analysis",
    xaxis_rangeslider_visible=False, xaxis_type="category",
    xaxis2_type="category", height=700,
)
fig.show()