polars-ta 0.0.1

polars expressions

polars_ta

基于polars的算子库。实现量化投研中常用的技术指标、数据处理等函数。对于不易翻译成Expr的库（如：TA-Lib）也提供了函数式调用的封装

设计原则

1. 调用方法由成员函数换成独立函数
2. 输入数据使用Expr，少用Series
3. 函数命名优先向TA-Lib靠拢，然后向WorldQuant靠拢，最后才仿国内通达信等表达式
4. 计算速度优先，标准化优先。与其它系统结果不一致时需示明区别

指标区别

EMA指标

1. EMA(CLOSE, 10)，talib.set_compatibility(0)，此为默认设置
   • 第一个有效值为talib.SMA(CLOSE, 10)
2. EMA(CLOSE, 10)，talib.set_compatibility(1)
   • 第一个有效值为CLOSE

由于TA-Lib的兼容模式0在EMA计算时逻辑发生了变动，用表达式实现起来复杂、计算效率低。 所以本库只实现兼容模式1。正好国内股票软件其实也只实现了兼容模式1。可以全量数据与TA-Lib进行单元测试比较

因EMA受影响的指标有MACD, DEMA, TEMA, TRIX, T3等。

中国版SMA(X, N, M)

本质上是国外的RMA 兼容模式0，即第一个有效值为移动平均，然后就是alpha区别

1. SMA(X, N, M) = X.ema_mean(alpha=M/N)
2. RMA(X, N) = X.ema_mean(alpha=1/N) = SMA(X, N, 1)
3. EMA(x, N) = X.ema_mean(alpha=2/(N+1)) = X.ema_mean(span=N)

换算关系可参考: ewm_mean

遇到这种情况，本项目还是用RMA 兼容模式1来代替，数据误差由大到小，所以请预先提供一定长度的数据。后面一段的数据可以单元测试

受影响的的指标有ATR, RSI等

移动求和

ADX等一类的指标第一个有效值算法为SUM，而不是SMA，之后使用ema_mean(alpha=1/N)。此类暂不实现

TA-Lib封装的演化

1. Expr.map_batches可以实现调用第三方库，如TA-Lib, bottleneck。但因为对输入与输出格式有要求，所以还需要用函数对第三方API封装一下。
   • 输入输出都只能是一列，如要支持多列需转换成pl.Struct。事后pl.Struct要拆分需使用unnest
   • 输出必须是pl.Series
2. 参数多，代码长。开始使用register_expr_namespace来简化代码
   • 实现代码helper.py
   • 使用演示demo_ta1.py
   • 优点：使用简单
   • 不足：成员函数调用模式不便于输入到遗传算法中进行因子挖掘
   • 不足：__getattribute__动态方法调用非常灵活，但失去了IDE智能提示
3. 前缀表达式。将所有的成员函数都转换成公式
   • 实现代码wrapper.py
   • 使用演示demo_ta2.py
   • 优点：可以输入到遗传算法
   • 不足：__getattribute__动态方法调用非常灵活，但失去了IDE智能提示
4. 代码自动生成。
   • 实现代码codegen_talib.py
   • 生成结果__init__.py
   • 使用演示demo_ta3.py
   • 优点：即可以输入到遗传算法，IDE还有智能提示

参考

• https://github.com/pola-rs
• https://github.com/TA-Lib/ta-lib
• https://github.com/twopirllc/pandas-ta
• https://github.com/bukosabino/ta