Technical Indicators Skill

专业的股票技术指标计算工具，支持主流技术分析指标。

Overview

本 Skill 提供以下核心功能：

1. 单个指标计算 - 计算 MA、MACD、RSI、BOLL 等单一指标
2. 批量计算 - 一次性计算所有指标
3. 指标解读 - 提供指标含义和使用建议

所有计算基于 pandas 和 talib，支持向量化高性能计算。

Quick Start

1. 准备数据

技术指标计算需要 OHLCV 数据（开盘、最高、最低、收盘、成交量）。 通常先调用 financial-data-fetch Skill 获取数据。

2. 选择指标

根据分析需求选择合适的指标：

• 趋势分析 → MA (移动平均线)
• 动量分析 → MACD, RSI
• 波动分析 → BOLL (布林带)
• 综合分析 → calculate_all_indicators

3. 调用工具

传入 DataFrame 数据，返回包含指标值的新 DataFrame。

Indicators

1. MA (移动平均线)

Tool: calculate_ma

Description: 计算简单移动平均线（SMA），用于判断价格趋势。

Parameters:

• data (DataFrame, required): 包含"收盘"列的价格数据
• periods (list[int], optional): MA 周期列表，默认 [5, 10, 20, 60]

Returns: DataFrame，新增列：MA5, MA10, MA20, MA60

Example:

result = calculate_ma(data=stock_df, periods=[5, 10, 20])
# 返回包含 MA5, MA10, MA20 列的 DataFrame

Interpretation:

• 短期MA（5日）上穿长期MA（20日） → 金叉，买入信号
• 短期MA下穿长期MA → 死叉，卖出信号

---

2. MACD (指数平滑异同移动平均线)

Tool: calculate_macd

Description: 计算 MACD 指标，用于判断买卖时机和趋势强度。

Parameters:

• data (DataFrame, required): 包含"收盘"列的价格数据
• fast_period (int, optional): 快线周期，默认 12
• slow_period (int, optional): 慢线周期，默认 26
• signal_period (int, optional): 信号线周期，默认 9

Returns: DataFrame，新增列：MACD_DIF, MACD_DEA, MACD_BAR

Example:

result = calculate_macd(data=stock_df)
# 返回包含 MACD_DIF, MACD_DEA, MACD_BAR 的 DataFrame

Interpretation:

• DIF 上穿 DEA → 金叉，买入信号
• DIF 下穿 DEA → 死叉，卖出信号
• BAR 柱状图放大 → 趋势增强

---

3. RSI (相对强弱指标)

Tool: calculate_rsi

Description: 计算 RSI 指标，用于判断超买超卖状态。

Parameters:

• data (DataFrame, required): 包含"收盘"列的价格数据
• period (int, optional): RSI 周期，默认 14

Returns: DataFrame，新增列：RSI

Example:

result = calculate_rsi(data=stock_df, period=14)
# 返回包含 RSI 列的 DataFrame

Interpretation:

• RSI > 70 → 超买区域，可能回调
• RSI < 30 → 超卖区域，可能反弹
• RSI 在 30-70 之间 → 正常区域

---

4. BOLL (布林带)

Tool: calculate_boll

Description: 计算布林带指标，用于判断价格波动范围。

Parameters:

• data (DataFrame, required): 包含"收盘"列的价格数据
• period (int, optional): MA 周期，默认 20
• std_dev (float, optional): 标准差倍数，默认 2.0

Returns: DataFrame，新增列：BOLL_MIDDLE, BOLL_UPPER, BOLL_LOWER

Example:

result = calculate_boll(data=stock_df, period=20, std_dev=2.0)
# 返回包含 BOLL_MIDDLE, BOLL_UPPER, BOLL_LOWER 的 DataFrame

Interpretation:

• 价格触及上轨 → 超买，可能回调
• 价格触及下轨 → 超卖，可能反弹
• 价格突破上轨 → 强势上涨
• 价格跌破下轨 → 强势下跌

---

5. 批量计算所有指标

Tool: calculate_all_indicators

Description: 一次性计算所有主流技术指标（MA、MACD、RSI、BOLL）。

Parameters:

• data (DataFrame, required): 包含 OHLCV 列的价格数据

Returns: DataFrame，新增所有指标列

Example:

result = calculate_all_indicators(data=stock_df)
# 返回包含所有指标的 DataFrame

Data Requirements

输入数据格式

所有工具要求输入 DataFrame 包含以下列：

• ✅ 必需: 收盘 (float) - 收盘价
• ⚠️ 可选: 开盘, 最高, 最低, 成交量 (部分指标需要)

数据质量要求

1. 最小数据量:

   • MA: 至少 max(periods) + 1 行
   • MACD: 至少 34 行（slow_period + signal_period）
   • RSI: 至少 period + 1 行
   • BOLL: 至少 period + 1 行

2. 数据连续性: 建议使用连续交易日数据（无缺失）

3. 数据排序: 按日期升序排列

Error Handling

1. 数据不足

错误：数据量不足，需要至少 34 行数据计算 MACD

2. 列名缺失

错误：DataFrame 缺少 '收盘' 列

3. 数据类型错误

错误：'收盘' 列必须为数值类型（float/int）

4. 参数超出范围

错误：RSI 周期必须 > 0（当前: -1）

Performance Notes

• 计算时间:
  • 单个指标: < 100ms (1000行数据)
  • 批量计算: < 500ms (1000行数据)
• 内存使用: 约为原始数据的 2-3 倍
• 优化建议: 使用向量化操作，避免循环

References

详细指标公式和解读见：

• 指标公式详解
• 指标解读指南

Script Implementation

指标计算逻辑实现在：

• scripts/calculate_ma.py - MA 计算
• scripts/calculate_macd.py - MACD 计算
• scripts/calculate_all.py - 批量计算（复用 core/indicators.py）

这些脚本复用项目中的 core/indicators.py 模块，确保计算一致性。