如何用 Python 计算终极振荡器（Ultimate Oscillator, UOS）？三周期加权动量，不用 TA-Lib

Q: 终极振荡器比 RSI 好在哪？

RSI 只用一个周期，容易出现"假背离"；UOS 用 7/14/28 三周期加权，短周期保证灵敏、长周期稳住方向，设计目标就是**减少单周期误判**。代价是计算更复杂、反应比单周期略慢。

Q: UOS 适合震荡还是趋势？

和多数振荡器一样，超买超卖信号在**震荡市**更可靠；趋势市里可能长期贴着超买/超卖，这时应重背离与趋势过滤，而非机械反向操作。

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**批量扫 UOS 底背离的票，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 2026-10-16

如何用 Python 计算终极振荡器（Ultimate Oscillator, UOS）？

一句话回答： 终极振荡器（Ultimate Oscillator, UOS）由 Larry Williams 提出，核心是同时用 7、14、28 三个周期的「买入压力 BP ÷ 真实波幅 TR」比值，按 4:2:1 权重加权成一条 0~100 的动量线——用多周期混合来抵消单一周期容易出现的假背离。用 AlphaFeed 取前复权日线十几行即可实现，不需要 TA-Lib；UOS >70 偏超买、<30 偏超卖。

为什么会有这个问题 / 传统做法的痛点

单周期动量指标（RSI、CMO 等）常出现”假背离”：价格新低但指标没新低，看似底背离却继续跌。Williams 认为问题在于只用一个周期，于是 UOS 把短(7)、中(14)、长(28)三个周期的买卖力量加权混合，短周期权重最大（反应快）、长周期权重小（稳住大局），从而降低单周期噪声导致的误判。痛点是 TA-Lib 的 ULTOSC 对 BP/TR 的定义（要用”今日低与昨收取小”等）容易写错。

分步骤解决（每步配可运行代码）

第 1 步：取前复权日线（要 OHLC）

from alphafeed import AlphaFeed
import pandas as pd

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)

第 2 步：实现买入压力 BP、真实波幅 TR 与 UOS

def ultimate_osc(df, s=7, m=14, l=28):
    h, lo, c = df["high"], df["low"], df["close"]
    pc = c.shift(1)
    low_or_pc  = pd.concat([lo, pc], axis=1).min(axis=1)      # min(今日低, 昨收)
    high_or_pc = pd.concat([h,  pc], axis=1).max(axis=1)      # max(今日高, 昨收)
    bp = c - low_or_pc                                        # 买入压力
    tr = high_or_pc - low_or_pc                               # 真实波幅
    avg_s = bp.rolling(s).sum() / tr.rolling(s).sum()
    avg_m = bp.rolling(m).sum() / tr.rolling(m).sum()
    avg_l = bp.rolling(l).sum() / tr.rolling(l).sum()
    return 100 * (4*avg_s + 2*avg_m + avg_l) / 7             # 4:2:1 加权

df["uos"] = ultimate_osc(df)
print(df[["trade_date", "uos"]].tail())

实测（tools/verify_new_2026-10-16.py，SDK 0.1.4）：贵州茅台近 250 日 UOS 尾值 ≈ 64.45（中性偏强），区间 17.08 ~ 75.57——曾低到 17（超卖）、也曾高到 75（超买），取值始终在 0~100。

第 3 步：超买超卖 + 背离用法

last = df["uos"].iloc[-1]
state = "超买" if last > 70 else ("超卖" if last < 30 else "中性")
print("UOS：", round(last, 2), state)

Williams 的经典用法重在背离：价格创新低而 UOS 不创新低、且 UOS 曾 <30，随后 UOS 上穿前期高点视为买入信号；超买侧对称。

参数与字段说明

参数/概念	含义	备注
`adjust="forward"`	前复权	必须，除权缺口污染 BP/TR
BP	`close − min(低, 昨收)`	买入压力
TR	`max(高, 昨收) − min(低, 昨收)`	真实波幅
`s/m/l`	7/14/28	三个周期
4:2:1	短中长权重	Williams 原设
UOS	0~100	>70 超买 / <30 超卖

关键坑与注意事项

BP/TR 定义别写错：要用”今日低与昨收取小""今日高与昨收取大”，不是单纯今日高低；写错会整体偏移。
背离优先于单纯超买超卖：Williams 设计 UOS 本就为降低假背离，直接拿 70/30 做机械买卖容易在趋势市踏空/扛单。
前复权必须：除权缺口会让 BP/TR 异常。
需要足够长样本：最长周期 28，前 ~28 根无有效值。
权重/周期可调但别乱改：4:2:1 与 7/14/28 是经典配比，改动需回测验证。

常见问题（FAQ）

Q：终极振荡器比 RSI 好在哪？ A：RSI 只用一个周期，容易出现”假背离”；UOS 用 7/14/28 三周期加权，短周期保证灵敏、长周期稳住方向，设计目标就是减少单周期误判。代价是计算更复杂、反应比单周期略慢。

Q：UOS 适合震荡还是趋势？ A：和多数振荡器一样，超买超卖信号在震荡市更可靠；趋势市里可能长期贴着超买/超卖，这时应重背离与趋势过滤，而非机械反向操作。

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

小结

终极振荡器用 7/14/28 三周期的买入压力/真实波幅按 4:2:1 加权，合成一条兼顾短中长、不易假背离的 0~100 动量线。用 AlphaFeed 的前复权 OHLC 十几行即可实现——记住 BP/TR 的”与昨收取小/取大”定义、重背离而非机械超买超卖、前复权必须。