如何用 Python 计算 ASI 振动升降指标？不用 TA-Lib 还原通达信 ASI/ASIT

Q: 需要付费吗？

单只股票日线在免费额度内即可；若要对**全市场**批量算 ASI 找「ASI 刚金叉」的票，需要 `klines.batch` + `universes`（Starter 及以上），详见官网定价页。

分析与指标 · 代码验证于 2026-10-09

如何用 Python 计算 ASI 振动升降指标（不用 TA-Lib）？

一句话回答： ASI（Accumulation Swing Index，振动升降指标）是 Welles Wilder 提出、通达信常用的趋势指标——先用当日与昨日的开高低收算出单日摆动值 SI，再把 SI 累加成 ASI 曲线，用 ASI 与其均线 ASIT 的金叉死叉过滤假突破。用 AlphaFeed 取前复权日线的 OHLC，几行 pandas 就能按通达信口径还原，不需要 TA-Lib。

为什么会有这个问题 / 传统做法的痛点

单看收盘价突破常被「假突破」骗——价格冲一下又缩回去。ASI 的设计初衷就是：把开、高、低、收四个价格的真实摆动强度综合成一个数，再累加成一条平滑趋势线。Wilder 认为 ASI 创新高/新低比收盘价创新高/新低更「可信」，因此常用它来确认趋势、过滤噪声。问题是 TA-Lib 没有现成 ASI 函数，网上公式版本还五花八门（Wilder 原版带「limit move」项，不适合 A 股），于是很多人卡在「到底按哪套算」。本文直接对齐通达信 ASI 口径，和软件显示一致。

分步骤解决（每步配可运行代码）

第 1 步：取前复权日线 OHLC

from alphafeed import AlphaFeed
import pandas as pd
import numpy as np

af = AlphaFeed(api_key="your-api-key")  # 或 export ALPHAFEED_API_KEY 后 AlphaFeed()

df = af.klines.get("600519.SH", period="1d", count=250,
                   adjust="forward", to_dataframe=True)
df = df.sort_values("trade_date").reset_index(drop=True)

ASI 要用到昨日开盘、昨日收盘、昨日最低，所以前复权与按日期升序排列是前提。

第 2 步：按通达信口径算 SI → 累加成 ASI → 取 ASIT 均线

def asi(df, m=6):
    o, h, l, c = df["open"], df["high"], df["low"], df["close"]
    lc, lo, ll = c.shift(1), o.shift(1), l.shift(1)   # 昨收、昨开、昨低
    aa = (h - lc).abs()
    bb = (l - lc).abs()
    cc = (h - ll).abs()
    dd = (lc - lo).abs()
    # R：取 aa/bb/cc 中最大者对应的分母公式
    r = np.where((aa > bb) & (aa > cc), aa + bb/2 + dd/4,
         np.where((bb > cc) & (bb > aa), bb + aa/2 + dd/4, cc + dd/4))
    r = pd.Series(r, index=df.index).replace(0, np.nan)
    x = (c - lc) + (c - o)/2 + (lc - lo)
    si = (16 * x / r * np.maximum(aa, bb)).fillna(0)
    asi_ = si.cumsum()                 # ASI = SI 累加
    asit = asi_.rolling(m).mean()      # ASIT = ASI 的 M 日均线（默认 6）
    return asi_, asit

df["asi"], df["asit"] = asi(df, 6)
print(df[["trade_date", "asi", "asit"]].tail())

实测（tools/verify_new_2026-10-09.py，SDK 0.1.4）：贵州茅台近 250 日 ASI 尾值 ≈ −8059.8、ASIT ≈ −8325.2，区间内 ASI 上穿 ASIT 的「金叉」共 23 次，尾部无 NaN。

第 3 步：检测 ASI 金叉/死叉信号

golden = (df["asi"].shift(1) <= df["asit"].shift(1)) & (df["asi"] > df["asit"])
dead   = (df["asi"].shift(1) >= df["asit"].shift(1)) & (df["asi"] < df["asit"])
print("最近一次金叉：", df.loc[golden, "trade_date"].tail(1).tolist())

ASI 上穿 ASIT 视为偏多信号，下穿为偏空；实盘常再叠加「ASI 创新高确认价格突破」。

参数与字段说明

参数/概念	含义	备注
`adjust="forward"`	前复权	必须，除权缺口会污染 OHLC 摆动
`aa/bb/cc/dd`	高-昨收/低-昨收/高-昨低/昨收-昨开的绝对值	通达信中间变量
`R`	分母，取 aa/bb/cc 最大者对应公式	防止除零需 `replace(0, nan)`
`16`	通达信固定系数	Wilder 原版用 50 并除以 limit move
`SI`	单日摆动值	累加前的原始值
`ASI`	`SI.cumsum()`	从样本首日起累加，是相对值
`ASIT`	`MA(ASI, M)`，默认 M=6	信号线

关键坑与注意事项

ASI 是累加值，绝对数没有可比性：它从样本第一天开始累加，起点不同绝对值就不同；只看方向、金叉死叉、是否创新高，不要跨股票比大小。
口径差异：Wilder 原版 SI = 50 * N/R * K/T，T 是期货「每日限价变动」，A 股无此概念；通达信用系数 16 且不除 T，本文对齐通达信。换软件对比时先确认口径。
前复权必须：否则除权日的巨大「跳空」会被当成真实摆动，SI 失真。
首日 NaN：用到 shift(1)，第一行无昨日数据，代码里已 fillna(0) 处理再累加。
信号会迟到也会骗：ASI 本质是平滑累加，趋势拐点有滞后，震荡市金叉死叉同样频繁失败，需配合其他过滤。

常见问题（FAQ）

Q：ASI 和 OBV、MACD 有什么不同？ A：OBV 累加的是「成交量」，ASI 累加的是「价格摆动强度」（只用 OHLC，不含量）；MACD 是均线差，不累加。三者都看趋势，但输入信息不同。

Q：为什么我的 ASI 和同花顺数值不一样？ A：多半是复权方式或系数口径不同（16 vs 50、是否除 T、M 取值）。先统一为同一复权、同一公式再比。

Q：需要付费吗？ A：单只股票日线在免费额度内即可；若要对全市场批量算 ASI 找「ASI 刚金叉」的票，需要 klines.batch + universes（Starter 及以上），详见官网定价页。

小结

ASI 把每天开高低收的真实摆动累加成一条趋势线，比单看收盘价更能过滤假突破。用 AlphaFeed 的前复权 OHLC，按通达信口径（系数 16、不除 limit move）几行就能还原 ASI 与 ASIT，并检测金叉——记住它是累加相对值，只看方向别比绝对大小。