haze-library 1.1.3

High-performance quantitative trading indicators library with Rust backend

🌫️ Haze-Library

基于 Rust 的高性能量化交易指标库

---

✨ 核心特性

特性	描述
🚀 215+ 技术指标	完整覆盖 TA-Lib、pandas-ta、谐波形态等
⚡ Rust 高性能	比纯 Python 快 5-10 倍
📊 流式计算	O(1) 实时增量指标计算
🤖 机器学习	内置 SVM、线性回归等 ML 模型
🎯 LT 组合指标	10 个 SFG 专业交易信号 + 市场状态自适应
🔗 多框架支持	NumPy、Pandas、Polars、PyTorch
💹 交易执行	CCXT 交易所接口封装
🎯 高精度	误差容忍度 < 1e-9
🔒 类型安全	完整的类型注解

---

📦 安装

从 PyPI 安装（推荐）

# 安装最新版本 (v1.1.1+)
pip install haze-library

# 或指定版本
pip install haze-library==1.1.1

可选依赖

# 交易执行功能（CCXT）
pip install haze-library[execution]

# Pandas 支持
pip install haze-library[pandas]

# 完整安装
pip install haze-library[full]

从源码构建

git clone https://github.com/kwannz/haze.git
cd haze
pip install maturin
maturin develop --release --features python

环境要求

• Python 3.14+
• Rust 1.75+（仅源码构建需要）

---

🚀 快速开始

基础用法

import haze_library as haze

# 价格数据
close = [100.0, 101.0, 102.0, 101.5, 103.0, 102.5, 104.0]
high = [101.0, 102.0, 103.0, 102.5, 104.0, 103.5, 105.0]
low = [99.0, 100.0, 101.0, 100.5, 102.0, 101.5, 103.0]
volume = [1000, 1200, 1100, 1300, 1250, 1150, 1400]

# 移动平均线
sma = haze.sma(close, period=5)
ema = haze.ema(close, period=5)

# 动量指标
rsi = haze.rsi(close, period=14)
macd, signal, hist = haze.macd(close, fast=12, slow=26, signal=9)

# 波动率指标
atr = haze.atr(high, low, close, period=14)
upper, middle, lower = haze.bollinger_bands(close, period=20, std_dev=2.0)

# 趋势指标
supertrend, direction = haze.supertrend(high, low, close, period=10, multiplier=3.0)
adx = haze.adx(high, low, close, period=14)

# 成交量指标
obv = haze.obv(close, volume)
vwap = haze.vwap(high, low, close, volume)

Pandas 集成

import pandas as pd
import haze_library

# 加载数据
df = pd.read_csv('ohlcv.csv')

# 使用 .haze 访问器
df['sma_20'] = df['close'].haze.sma(20)
df['rsi_14'] = df['close'].haze.rsi(14)
df['atr_14'] = df.haze.atr(14)

# 布林带（返回多列）
bb = df['close'].haze.bollinger_bands(20, 2.0)
df['bb_upper'] = bb['upper']
df['bb_middle'] = bb['middle']
df['bb_lower'] = bb['lower']

NumPy 接口

import numpy as np
from haze_library import np_ta

close = np.random.randn(1000) + 100

# 计算指标（返回 np.ndarray）
sma = np_ta.sma(close, period=20)
rsi = np_ta.rsi(close, period=14)
macd, signal, hist = np_ta.macd(close)

流式计算（实时数据）

from haze_library.streaming import (
    IncrementalSMA,
    IncrementalRSI,
    IncrementalMACD,
    IncrementalBollingerBands,
)

# 创建流式计算器
sma = IncrementalSMA(period=20)
rsi = IncrementalRSI(period=14)
macd = IncrementalMACD(fast=12, slow=26, signal=9)

# 逐个数据点更新（O(1) 复杂度）
for price in realtime_prices:
    sma_value = sma.update(price)
    rsi_value = rsi.update(price)
    macd_line, signal_line, histogram = macd.update(price)

    print(f"SMA: {sma_value:.2f}, RSI: {rsi_value:.2f}")

谐波形态检测

import haze_library as haze

# 检测 XABCD 谐波形态
# 返回：信号(1=看涨/-1=看跌)、PRZ上沿、PRZ下沿、完成概率
signals, prz_up, prz_lo, prob = haze.harmonics(high, low, close)

# 获取详细形态信息
patterns = haze.harmonics_patterns(high, low, left_bars=5, right_bars=5)
for p in patterns:
    print(f"{p.pattern_type_zh}: {p.state}")
    print(f"  PRZ 中心: {p.prz_center:.2f}")
    print(f"  完成概率: {p.completion_probability:.1%}")

机器学习模型

from haze_library import ml

# 特征提取
features = ml.extract_features(close, high, low, volume)

# 训练 SVM 模型
model = ml.train_svm(features, labels)

# 预测
predictions = model.predict(new_features)

🤖 LT 组合指标系统 (v1.1.0+)

LT (Long-Term) 组合指标系统集成了 10 个 SFG (Smart Financial Group) 专业交易信号指标，具备市场状态自适应权重调整和加权集成投票逻辑，适用于中长期趋势交易。

快速开始

import numpy as np
from haze_library import lt_indicator

# 准备价格数据（至少 500+ 个数据点以获得稳定信号）
n = 1000
high = np.array([100.0 + i * 0.1 + np.random.rand() * 2 for i in range(n)])
low = np.array([100.0 + i * 0.1 - np.random.rand() * 2 for i in range(n)])
close = np.array([100.0 + i * 0.1 for i in range(n)])
volume = np.array([1000.0 + np.random.rand() * 500 for _ in range(n)])

# 计算 LT 组合指标
result = lt_indicator(high, low, close, volume)

# 查看最终信号
print(f"交易信号: {result['ensemble']['final_signal']}")  # BUY / SELL / NEUTRAL
print(f"信号强度: {result['ensemble']['confidence']:.2%}")  # 0-100%
print(f"市场状态: {result['market_regime']}")  # TRENDING / RANGING / VOLATILE

10 个 SFG 指标详解

#	指标名称	说明	适用场景
1	AI SuperTrend	KNN + SuperTrend 机器学习增强	趋势跟踪 + 智能预测
2	ATR2 Signals	ATR + MLMI 多层次预测	波动率自适应入场
3	Pivot Points	枢轴点 + 跟踪止损	支撑阻力位突破
4	AI Momentum	KNN + RSI 关系预测	动量反转捕捉
5	Volume Profile	成交量分布 + POC/VAH/VAL	高成交量区域识别
6	General Parameters	动态 EMA 通道	趋势强度确认
7	Market Structure	BOS/CHoCH + Fair Value Gap	市场结构转换
8	PD Array	Premium/Discount + 突破区块	价格失衡修复
9	Linear Regression	多时间框架支撑阻力	均值回归交易
10	Dynamic MACD + HA	MACD + 平均 K 线	趋势延续验证

市场状态自适应

系统自动检测 3 种市场状态并动态调整指标权重：

# 查看当前市场状态
regime = result['market_regime']
print(f"市场状态: {regime}")

# 不同市场状态的权重策略
if regime == "TRENDING":
    # 趋势指标权重高 (SuperTrend, MACD, Regression)
    print("→ 适合趋势跟踪策略")
elif regime == "RANGING":
    # 均值回归指标权重高 (Pivot, Volume Profile)
    print("→ 适合区间交易策略")
elif regime == "VOLATILE":
    # 波动率指标权重高 (ATR2, Market Structure)
    print("→ 适合波动率突破策略")

详细信号分析

# 查看所有指标的独立信号
for name, data in result['indicators'].items():
    signal = data.get('signal', 'N/A')
    confidence = data.get('confidence', 0.0)
    print(f"{name:30} -> {signal:8} ({confidence:.1%})")

# 示例输出:
# ai_supertrend               -> BUY      (85.3%)
# atr2_signals                -> BUY      (72.1%)
# ai_momentum                 -> NEUTRAL  (45.0%)
# volume_profile              -> SELL     (38.2%)
# ...

# 集成投票结果
ensemble = result['ensemble']
print(f"\n最终信号: {ensemble['final_signal']}")
print(f"多头票数: {ensemble['bullish_votes']}")
print(f"空头票数: {ensemble['bearish_votes']}")
print(f"中性票数: {ensemble['neutral_votes']}")
print(f"综合信心: {ensemble['confidence']:.2%}")

实战应用示例

import pandas as pd
from haze_library import lt_indicator

# 加载真实市场数据
df = pd.read_csv('BTC_USDT_1h.csv')  # 至少 500+ 行数据

# 计算 LT 信号
result = lt_indicator(
    df['high'].values,
    df['low'].values,
    df['close'].values,
    df['volume'].values
)

# 获取最新信号
signal = result['ensemble']['final_signal']
confidence = result['ensemble']['confidence']
regime = result['market_regime']

# 交易逻辑
if signal == "BUY" and confidence > 0.6:
    if regime == "TRENDING":
        print("✅ 强烈看涨信号 - 开多仓 (趋势跟踪)")
    elif regime == "RANGING":
        print("✅ 看涨信号 - 区间下沿做多")
    else:
        print("⚠️  看涨信号 - 高波动期谨慎操作")

elif signal == "SELL" and confidence > 0.6:
    if regime == "TRENDING":
        print("❌ 强烈看跌信号 - 开空仓 (趋势跟踪)")
    elif regime == "RANGING":
        print("❌ 看跌信号 - 区间上沿做空")
    else:
        print("⚠️  看跌信号 - 高波动期谨慎操作")

else:
    print("⏸️  中性信号 - 观望等待更明确机会")

# 风险管理建议
if confidence < 0.4:
    print("⚠️  低信心信号 - 建议减小仓位或不交易")
elif confidence < 0.6:
    print("ℹ️  中等信心 - 标准仓位")
else:
    print("💪 高信心信号 - 可适当增加仓位（不超过最大仓位限制）")

最佳实践

1. 数据量要求: 至少 500 个数据点（推荐 1000+）以获得稳定信号
2. 时间周期: 适用于 1H / 4H / 1D 周期，中长期趋势交易
3. 信号确认:
   • confidence > 0.6 为高质量信号
   • confidence < 0.4 建议观望
4. 市场适应:
   • TRENDING: 顺势交易，持仓时间较长
   • RANGING: 区间交易，快进快出
   • VOLATILE: 谨慎操作，严格止损
5. 风险控制:
   • 永远设置止损（建议 2-3 倍 ATR）
   • 单笔仓位不超过总资金 5-10%
   • 多个信号确认后再入场

---

📊 指标分类

移动平均线（16 个）

指标	说明	函数
SMA	简单移动平均	sma(close, period)
EMA	指数移动平均	ema(close, period)
WMA	加权移动平均	wma(close, period)
DEMA	双重指数移动平均	dema(close, period)
TEMA	三重指数移动平均	tema(close, period)
KAMA	考夫曼自适应移动平均	kama(close, period)
HMA	赫尔移动平均	hma(close, period)
ZLMA	零延迟移动平均	zlma(close, period)
T3	T3 移动平均	t3(close, period)
ALMA	阿尔诺德移动平均	alma(close, period)
FRAMA	分形自适应移动平均	frama(close, period)
VIDYA	变量指数动态平均	vidya(close, period)
RMA	相对移动平均	rma(close, period)
SWMA	正弦加权移动平均	swma(close)
PWMA	帕斯卡加权移动平均	pwma(close, period)
SINWMA	正弦权重移动平均	sinwma(close, period)

动量指标（17 个）

指标	说明	函数
RSI	相对强弱指标	rsi(close, period)
MACD	指数平滑异同移动平均	macd(close, fast, slow, signal)
Stochastic	随机指标	stochastic(high, low, close, k, d)
CCI	商品通道指数	cci(high, low, close, period)
MFI	资金流量指标	mfi(high, low, close, volume, period)
Williams %R	威廉指标	willr(high, low, close, period)
ROC	变化率	roc(close, period)
MOM	动量	mom(close, period)
KDJ	随机指标 KDJ	kdj(high, low, close, k, d, j)
TSI	真实强度指数	tsi(close, fast, slow)
Stoch RSI	随机 RSI	stochrsi(close, period)
Ultimate	终极振荡器	ultimate(high, low, close)
Awesome	动量震荡指标	awesome(high, low)
Fisher	费舍尔变换	fisher(high, low, period)
APO	绝对价格振荡器	apo(close, fast, slow)
PPO	百分比价格振荡器	ppo(close, fast, slow)
CMO	钱德动量振荡器	cmo(close, period)

波动率指标（10 个）

指标	说明	函数
ATR	平均真实波幅	atr(high, low, close, period)
NATR	归一化 ATR	natr(high, low, close, period)
Bollinger	布林带	bollinger_bands(close, period, std)
Keltner	肯特纳通道	keltner(high, low, close, period)
Donchian	唐奇安通道	donchian(high, low, period)
Chandelier	吊灯止损	chandelier(high, low, close, period)
HV	历史波动率	historical_volatility(close, period)
Ulcer	溃疡指数	ulcer_index(close, period)
Mass	质量指数	mass_index(high, low)
True Range	真实波幅	true_range(high, low, close)

趋势指标（14 个）

指标	说明	函数
SuperTrend	超级趋势	supertrend(high, low, close, period, mult)
ADX	平均趋向指数	adx(high, low, close, period)
SAR	抛物线转向	sar(high, low, accel, max_accel)
Aroon	阿隆指标	aroon(high, low, period)
DMI	方向移动指数	dmi(high, low, close, period)
TRIX	三重平滑 EMA	trix(close, period)
DPO	去趋势价格振荡器	dpo(close, period)
Vortex	涡流指标	vortex(high, low, close, period)
Choppiness	震荡指数	choppiness(high, low, close, period)
VHF	垂直水平过滤器	vhf(close, period)
QStick	量价棒	qstick(open, close, period)
DX	趋向指数	dx(high, low, close, period)
+DI	正向指标	plus_di(high, low, close, period)
-DI	负向指标	minus_di(high, low, close, period)

成交量指标（11 个）

指标	说明	函数
OBV	能量潮	obv(close, volume)
VWAP	成交量加权均价	vwap(high, low, close, volume)
CMF	蔡金资金流量	cmf(high, low, close, volume, period)
Force	劲道指数	force_index(close, volume, period)
VO	成交量振荡器	volume_oscillator(volume, fast, slow)
AD	累积/派发线	ad(high, low, close, volume)
PVT	价量趋势	pvt(close, volume)
NVI	负量指标	nvi(close, volume)
PVI	正量指标	pvi(close, volume)
EOM	简易波动指标	eom(high, low, volume, period)
ADOSC	AD 振荡器	adosc(high, low, close, volume, fast, slow)

蜡烛图形态（61 个）

支持所有主流 K 线形态识别：

• 反转形态：锤子线、上吊线、吞没形态、孕线、十字星、早晨之星、黄昏之星等
• 持续形态：三白兵、三黑鸦、跳空缺口等
• 中性形态：高浪线、陀螺线等

# 检测蜡烛图形态
patterns = haze.detect_candlestick_patterns(open, high, low, close)

其他指标

• 统计指标（13 个）：线性回归、相关性、Z 分数、贝塔系数等
• 价格变换（4 个）：平均价格、中间价、典型价格等
• 数学运算（25 个）：各类数学函数
• 周期指标（5 个）：希尔伯特变换系列
• 谐波形态（3 个）：XABCD 形态检测
• 高级信号（4 个）：AI SuperTrend、动态 MACD 等

---

🏗️ 系统架构

┌──────────────────────────────────────────────────────────┐
│                    Python 应用层                          │
│            （交易策略 / 数据分析 / 回测系统）               │
└─────────────────────────┬────────────────────────────────┘
                          │
          ┌───────────────┼───────────────┐
          │               │               │
          ▼               ▼               ▼
┌─────────────┐   ┌─────────────┐   ┌─────────────┐
│  np_ta      │   │  pandas     │   │  polars_ta  │
│  (NumPy)    │   │  accessor   │   │  (Polars)   │
└──────┬──────┘   └──────┬──────┘   └──────┬──────┘
       │                 │                 │
       └─────────────────┼─────────────────┘
                         │
                         ▼
┌──────────────────────────────────────────────────────────┐
│              haze_library (PyO3 绑定)                     │
│         215+ 指标函数 + 流式计算器 + ML 模型              │
└─────────────────────────┬────────────────────────────────┘
                          │
                          ▼
┌──────────────────────────────────────────────────────────┐
│                   Rust 核心库                             │
│  ┌────────────┐  ┌────────────┐  ┌────────────┐         │
│  │ indicators │  │  streaming │  │     ml     │         │
│  │ 技术指标   │  │  流式计算   │  │  机器学习   │         │
│  └────────────┘  └────────────┘  └────────────┘         │
│  ┌────────────┐  ┌────────────┐  ┌────────────┐         │
│  │   utils    │  │   types    │  │   errors   │         │
│  │  工具函数   │  │   类型定义  │  │   错误处理  │         │
│  └────────────┘  └────────────┘  └────────────┘         │
└──────────────────────────────────────────────────────────┘

---

🎯 性能基准

测试环境：10,000 个数据点

指标	pandas-ta	TA-Lib	Haze-Library	加速比
RSI (14)	12.5 ms	8.2 ms	1.3 ms	6.3x
Bollinger (20)	15.8 ms	10.1 ms	2.1 ms	4.8x
MACD (12/26/9)	18.3 ms	11.4 ms	1.9 ms	6.0x
SuperTrend (10)	22.1 ms	-	2.8 ms	7.9x
ADX (14)	19.5 ms	12.3 ms	2.2 ms	5.6x

---

🧮 数值稳定性

Haze-Library 采用多种技术确保数值计算的精确性：

• f64 精度：所有计算使用 64 位浮点数
• Kahan 求和：长序列累加使用补偿求和算法
• Welford 算法：方差/标准差使用增量算法避免数值溢出
• 精度验证：所有指标与参考实现对比误差 < 1e-9

---

⚠️ 错误处理

import haze_library as haze

try:
    # 周期过大
    rsi = haze.rsi([100, 101, 102], period=14)
except ValueError as e:
    print(f"错误: {e}")
    # 输出: Invalid period: 14 (must be > 0 and <= data length 3)

try:
    # 数组长度不匹配
    atr = haze.atr([101, 102], [99, 100], [100, 101, 102], period=2)
except ValueError as e:
    print(f"错误: {e}")
    # 输出: Length mismatch

try:
    # 空数据
    rsi = haze.rsi([], period=14)
except ValueError as e:
    print(f"错误: {e}")
    # 输出: Empty input

---

💹 交易执行（可选）

需要安装 haze-library[execution]：

from haze_library.execution import ExecutionEngine, ExecutionPermissions
from haze_library.execution.providers.ccxt import CCXTProvider

# 创建交易执行引擎
provider = CCXTProvider(
    exchange="binance",
    api_key="your_key",
    api_secret="your_secret",
)

permissions = ExecutionPermissions(
    live_trading=True,
    max_notional_per_order=1000.0,  # 单笔最大 1000 USDT
)

engine = ExecutionEngine(provider=provider, permissions=permissions)

# 下单
from haze_library.execution.models import CreateOrderRequest

order_req = CreateOrderRequest(
    symbol="BTC/USDT",
    side="buy",
    order_type="limit",
    amount=0.001,
    price=50000.0,
)

order, check = engine.place_order(order_req)
print(f"订单 ID: {order.id}")

---

📜 许可证 / License

本项目为专有软件，保留所有权利。

This project is proprietary software. All rights reserved.

• ❌ 禁止未经授权的使用 / Unauthorized use prohibited
• ✅ 商业许可可用 / Commercial licenses available

许可咨询 / Licensing inquiries: [e-mail]

---

🤝 贡献

欢迎提交 Issue 和 Pull Request！

详见 CONTRIBUTING.md

---

🙏 致谢

• TA-Lib - 技术分析参考实现
• pandas-ta - Pandas 集成灵感
• PyO3 - Rust-Python 绑定
• Maturin - 构建工具

---

Made with ❤️ by the Haze Team

版本: 1.1.3 | 更新日期: 2025-12-30