分析与指标

风险指标、技术指标、复盘

• Python 算一目均衡表（Ichimoku）：转换线/基准线/先行云/迟行线怎么画
  用 AlphaFeed 前复权 K 线和 pandas 手算一目均衡表（一目云图）五条线：转换线、基准线、先行带 A/B（前移 26）、迟行线（后移 26），不用 TA-Lib。含云层多空判读、位移方向与 A 股实测。
• Python 算经典枢轴点（Pivot Points）：日内支撑压力 P/R1-R3/S1-S3 怎么算
  用 AlphaFeed 前复权 K 线和「前一日高低收」手算经典枢轴点：枢轴 P=(H+L+C)/3，再推 R1-R3 阻力与 S1-S3 支撑。讲清与摆动高低点、R-Breaker 的区别、如何读盘与 A 股实测。
• Python 算 Stochastic RSI（StochRSI）：和 RSI、KDJ 有什么区别？不用 TA-Lib
  用 AlphaFeed 前复权 K 线手算 StochRSI：先算 RSI，再对 RSI 做随机指标归一化得 %K/%D，比 RSI 更灵敏。讲清 StochRSI 与 RSI、KDJ 的区别、超买超卖阈值与 A 股实测。
• 如何用 Python 做蒙特卡洛（自助法）回测？看策略的回撤分布与亏损概率
  把策略的逐笔收益用自助法（bootstrap）打乱重采样成成千上万条路径，就能看到最大回撤的分布、最坏情况和「最终亏损的概率」，而不是只盯一条历史净值曲线。本文用 AlphaFeed 前复权数据演示，并说明其 iid 假设局限。
• 如何用 Python 评估交易系统？盈利因子、期望值、最大连亏一次算清
  评估一套策略不能只看总收益——盈利因子（总盈利÷总亏损）、每笔期望值、最大连续亏损笔数共同决定它能不能长期用、心理上扛不扛得住。本文用 AlphaFeed 前复权数据从真实策略交易算这几个关键指标，并诚实呈现一个亏损策略长啥样。
• 如何用 Python 计算动量震荡指标 AO（Awesome Oscillator）？不用 TA-Lib
  AO（Awesome Oscillator，动量震荡指标）由 Bill Williams 提出，= 中价（高低均值）的 5 日 SMA 减 34 日 SMA，围绕零轴摆动，用零轴穿越、双峰（saucer）等判动量转折。本文用 AlphaFeed 前复权数据实现 AO。
• 如何用 Python 计算凯利公式仓位（Kelly Criterion）？用胜率与盈亏比定最优下注比例
  凯利公式 f* = p − (1−p)/b，用策略的胜率 p 与盈亏比 b 算长期增长最优的下注比例。本文用 AlphaFeed 前复权数据从真实策略交易估 p、b 并算凯利——还演示「凯利为负=没有正期望、根本不该下注」这一关键结论。
• 如何用 Python 计算 TSI 真实强弱指数（True Strength Index）？双重平滑动量，不用 TA-Lib
  TSI（真实强弱指数）对价格动量做两次指数平滑、再除以绝对动量的双重平滑，得到 −100~+100 的平滑动量线，噪声比 RSI 小、方向更清晰。本文用 AlphaFeed 前复权数据实现 TSI 与信号线。
• 如何用 Python 算 Parkinson / Garman-Klass 波动率？用 OHLC 比收盘波动率更高效
  Parkinson 用最高最低价、Garman-Klass 进一步用开高低收，比只用收盘价的历史波动率「信息更充分、估计更高效」，相同样本下误差更小。本文用 AlphaFeed 前复权数据实现三种波动率并对比。
• 如何用 Python 画线性回归通道（Linear Regression Channel）？判断趋势方向与超买超卖
  线性回归通道对最近 N 根收盘价做最小二乘拟合得到回归中线，再用残差标准差在上下各画 k 倍形成通道：斜率看趋势方向，价格触上/下轨看相对高低。本文用 AlphaFeed 前复权数据实现，不用额外库。
• 如何用 Python 做 Beta 对冲（市值中性）？用沪深300对冲个股的系统性风险
  Beta 对冲 = 持有个股的同时按 Beta 比例做空指数（期货/ETF），把组合对大盘的敞口压到接近 0，只保留个股的超额(α)波动。本文用 AlphaFeed 取个股与沪深300算 Beta、对冲比例与对冲后残差波动，附诚实 caveat。
• 如何用 Python 计算 CMO 钱德动量摆动指标？不用 TA-Lib（含与 RSI 的区别）
  CMO（钱德动量摆动指标）= 100×(区间涨幅之和 − 跌幅之和)/(涨幅之和 + 跌幅之和)，取值 −100~+100，比 RSI 更灵敏地衡量动量强弱与方向。本文用 AlphaFeed 前复权数据实现 CMO 并给出超买超卖判读。
• 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
  终极振荡器（Ultimate Oscillator）由 Larry Williams 提出，同时用 7/14/28 三个周期的「买入压力/真实波幅」加权合成一条 0~100 的动量线，兼顾短中长、减少单周期背离骗线。本文用 AlphaFeed 前复权数据实现 UOS。
• 如何用 Python 计算 Aroon 指标（阿隆指标）？用「距离最高/最低多久」判断趋势
  Aroon 指标用「距离最近 N 日最高价/最低价过去了多少天」来度量趋势：Aroon Up 高说明近期不断创新高（上升趋势），Aroon Down 高说明不断创新低，Aroon 振荡器=Up−Down。本文用 AlphaFeed 前复权数据实现，不用 TA-Lib。
• 如何用 Python 计算 Schaff 趋势周期（STC）？比 MACD 更快的趋势指标
  Schaff Trend Cycle（STC）由 Doug Schaff 提出，把 MACD 再做两重随机指标处理并平滑，得到 0~100 的曲线，号称比 MACD 转向更快、假信号更少。本文用 AlphaFeed 前复权数据实现 STC，不用 TA-Lib，并给出诚实 caveat。
• 如何用 Python 计算震荡指数（Choppiness Index）？判断「趋势还是盘整」
  震荡指数（Choppiness Index）用一段时间真实波幅之和与价格区间的比值取对数，输出 0~100 的数值：高（>61.8）表示盘整、低（<38.2）表示趋势。本文用 AlphaFeed 前复权数据实现 CI，帮你决定该用趋势还是震荡策略。
• 如何用 Python 计算费雪变换（Fisher Transform）？让转折点更锐利
  费雪变换（Fisher Transform）由 John Ehlers 提出，把价格归一化后做反双曲正切变换，使原本"钝"的价格分布接近正态、转折点更尖锐易辨。本文用 AlphaFeed 前复权数据实现费雪变换与信号线，不用 TA-Lib。
• 如何用 Python 计算艾尔德多空力度（Elder-Ray Bull/Bear Power）？不用 TA-Lib
  艾尔德多空力度用 13 日 EMA 做"市场共识基准"，Bull Power=最高价−EMA 衡量多方力量、Bear Power=最低价−EMA 衡量空方力量，配合趋势判断买卖时机。本文用 AlphaFeed 前复权数据实现并给出经典用法。
• 如何用 Python 计算 KST 指标（Know Sure Thing）？四段 ROC 加权的动量摆动指标
  KST（Know Sure Thing）由 Martin Pring 提出，把 4 个不同周期的平滑 ROC 按权重相加成一条动量线，再配 9 日信号线用金叉死叉择时。本文用 AlphaFeed 前复权数据实现 KST 并检测金叉，不用 TA-Lib。
• 如何用 Python 计算滚动相关系数？看个股与大盘的相关性如何随时间变化
  滚动相关系数用移动窗口算个股与大盘（或两资产）的相关性，揭示「相关性会随时间大幅变化」这一静态相关系数掩盖的真相。本文用 AlphaFeed 前复权数据算个股 vs 沪深300 的 60 日滚动相关，附诚实解读。
• 如何用 Python 计算涡旋指标（Vortex Indicator, VI+/VI−）判断趋势方向？不用 TA-Lib
  涡旋指标用两条线 VI+ 与 VI− 衡量上行/下行力量，VI+ 上穿 VI− 偏多、下穿偏空，适合判断趋势启动与方向。本文用 AlphaFeed 前复权数据实现 Vortex 并检测金叉，附诚实 caveat。
• 如何用 Python 计算估波曲线（Coppock Curve）判断长期底部？用上证指数月线实现
  估波曲线（Coppock Curve）= 两段 ROC（14 月+11 月）之和的 10 期加权移动平均，是经典的长期（月线）底部动量指标，上穿 0 轴常被视为中长线买入信号。本文用 AlphaFeed 月线数据实现并检测信号。
• 如何用 Python 计算梅斯线（Mass Index）预警趋势反转？不用 TA-Lib
  梅斯线 Mass Index 用「高低价差的 EMA 比值」累加来捕捉波动区间的放大，典型的「鼓包」（升破 27 再跌回 26.5）常预警趋势反转。本文用 AlphaFeed 前复权数据实现并检测鼓包，附诚实 caveat。
• 如何用 Python 计算 Hurst 指数判断「趋势还是均值回归」？R/S 分析实现
  Hurst 指数用 R/S 重标极差分析把一段价格序列归类为趋势(H>0.5)、随机游走(H≈0.5)或均值回归(H<0.5)。本文用 AlphaFeed 前复权数据算日收益的 Hurst，并多股对比，附对短样本噪声的诚实提醒。
• 如何用 Python 计算考夫曼自适应均线 KAMA？用效率比率让均线快慢自调
  KAMA（考夫曼自适应移动平均）用「效率比率 ER」衡量价格走得干不干脆，趋势明确时跟得快、震荡时变钝，天然减少假信号。本文用 AlphaFeed 前复权数据实现 ER 与 KAMA 并检测上穿，不用 TA-Lib。
• 如何用 Python 计算 ASI 振动升降指标？不用 TA-Lib 还原通达信 ASI/ASIT
  ASI 振动升降指标把每日 OHLC 的真实涨跌强度累加成一条趋势线，用来过滤假突破。本文用 AlphaFeed 前复权数据按通达信口径还原 ASI 与 ASIT 均线，并检测金叉，附诚实解读。
• 如何用 Python 计算特雷诺比率（Treynor Ratio）？用 Beta 衡量每单位系统性风险的超额收益
  特雷诺比率 = 超额收益 ÷ Beta，衡量「每承担一单位系统性（市场）风险换来多少超额回报」。本文用 AlphaFeed 取个股与沪深300数据算 Beta 与特雷诺比率，并多股对比，附与夏普的区别与诚实解读。
• 如何用 Python 计算盈亏痛苦比（Gain-to-Pain Ratio）？用「总收益÷总亏损」衡量持有体验
  盈亏痛苦比（GPR）= 区间总收益 ÷ 所有下跌月的亏损绝对值之和，衡量「每承受一单位亏损痛苦换来多少净收益」。本文用 AlphaFeed 前复权数据算月度 GPR 并多股对比，附诚实解读。
• 如何用 Python 检测 RSI 底背离/顶背离？（价格创新低而 RSI 不创新低）
  RSI 背离是经典的反转预警：价格创新低但 RSI 没创新低（底背离），往往提示下跌动能衰竭。本文用 AlphaFeed 前复权日线算 RSI，用摆动高低点自动检测背离，并说明它为何常失败。
• 如何用 Python 计算 Omega 比率？用整段收益分布衡量风险调整收益
  夏普只用均值和方差，丢掉了偏度与肥尾信息。Omega 比率用「阈值以上的收益总和 ÷ 阈值以下的损失总和」保留整段分布信息。本文用 AlphaFeed 前复权日线算 Omega，并对比多只股票。
• 如何用 Python 计算上行/下行捕获率？看一只股票是「涨跟得上、跌扛得住」还是反过来
  上行捕获率衡量大盘上涨时个股跟涨多少，下行捕获率衡量大盘下跌时个股跟跌多少。理想是上行高、下行低。本文用 AlphaFeed 取个股与沪深300前复权数据，几行算出两个捕获率并解读攻防性。
• 如何用 Python 计算信息比率（IR）和跟踪误差？衡量「跑赢基准」的性价比
  夏普比率看绝对收益性价比，信息比率（IR）看「相对基准的超额收益」性价比。本文用 AlphaFeed 取个股与沪深300前复权数据，算主动收益、跟踪误差与信息比率，并说明它和夏普的区别。
• 如何用 Python 计算 VaR 和 CVaR（在险价值）？历史模拟法 + 正态法两种口径
  VaR 回答「95% 的情况下一天最多亏多少」，CVaR 回答「真摔进那最差 5% 时平均亏多少」。本文用 AlphaFeed 前复权日线算日收益，分别用历史模拟法和参数（正态）法算出 VaR/CVaR，并说明两者差异与尾部风险坑。
• 如何用 Python 计算蔡金资金流 CMF 指标？（带量的资金流向，不用 TA-Lib）
  CMF（Chaikin Money Flow）用「收盘在当日高低区间的位置」加权成交量，衡量一段时间资金是流入还是流出。本文用 AlphaFeed 前复权日线，几行 pandas 算出 CMF，并说明和 MFI/OBV 的区别与一字板除零坑。
• 如何用 Python 算因子 IC（信息系数）？判断一个选股因子到底有没有用
  做量化选股前先问：这个因子真能预测未来收益吗？IC（信息系数，常用 rank IC）就是量化因子有效性的标尺。本文用 AlphaFeed 批量前复权日线，构造截面面板算 rank IC 与 IC_IR，并给出一个「动量在 A 股短期反而反转」的真实发现。
• 如何用 Python 计算溃疡指数（Ulcer Index）？比最大回撤更懂「痛苦」的风险指标
  最大回撤只记录最深的那一次，溃疡指数（Ulcer Index）衡量的是「回撤有多深 × 持续有多久」的整体痛苦程度。本文用 AlphaFeed 前复权净值，几行 pandas 算出 UI 和马丁比率，并对比多只股票的风险。
• 如何用 Python 画波动率锥（Volatility Cone）？判断当前波动是高还是低
  当前 20 日年化波动率 35% 到底算高还是低？单看一个数字没有参照。波动率锥把多个窗口的历史波动率分位画在一起，一眼看出当前波动在历史什么位置。用 AlphaFeed 前复权日线，几行 pandas 搞定。
• 如何用 Python 计算滚动夏普比率？（看风险调整收益随时间的变化）
  全样本一个夏普值掩盖了策略/个股在不同阶段的好坏。用 AlphaFeed 前复权日线算滚动夏普比率，看风险调整后收益随时间的变化，识别“近期是否变差”，附窗口选择、年化口径与避坑。
• 如何用 Python 算最大回撤和回撤恢复期？（水下曲线与创新高间隔）
  最大回撤只是一个数字，更要命的是“多久才回本”。用 AlphaFeed 前复权数据算回撤序列、最大回撤、水下曲线（underwater）、最长回撤恢复期与当前水下时长，看清一只票/组合让你套牢多久。
• 如何用 Python 判断一只股票是“追涨”还是“抄底”更有效？（收益率自相关检验）
  收益率自相关为负说明短期均值回归（抄底有效），为正说明动量延续（追涨有效）。用 AlphaFeed 前复权日线算 lag-1 自相关与方差比，量化判断个股更适合均值回归还是趋势策略，附统计显著性与避坑。
• 如何用 Python 计算 WVAD 威廉变异离散量指标？（量价结合看资金进出）
  WVAD 用“收盘相对开盘的位置 × 成交量”累加，衡量一段时间内资金是净流入还是净流出。用 AlphaFeed 前复权日线，几行 pandas 就能算出 WVAD 及其均线，识别量价背离，不依赖 TA-Lib。
• 如何用 Python 计算 CR 能量指标（中间意愿指标）？判断多空能量强弱
  CR 指标以“前一日中价”为基准，比较最高价的上冲能量与最低价的下探能量，反映多空力量对比。用 AlphaFeed 前复权日线，几行 pandas 就能算出 CR 及其多条均线（MA1~MA3），识别能量强弱与超买超卖，不依赖 TA-Lib。
• 如何用 Python 计算滚动 Beta（时变 Beta）？看个股对大盘敏感度的变化
  静态 Beta 只给一个数，滚动 Beta 能看出个股对大盘的敏感度随时间如何变化。用 AlphaFeed 取个股与沪深300前复权收益，用滚动协方差/方差算出时变 Beta，识别 Beta 抬升与降低，附窗口选择与避坑。
• 如何用 Python 计算 BRAR 情绪指标（AR 人气/BR 意愿）？判断市场买卖情绪
  BRAR 由 AR（人气指标）和 BR（意愿指标）组成，用开盘/最高/最低与昨收的关系衡量多空买卖意愿。用 AlphaFeed 前复权日线，几行 pandas 就能算出 AR 与 BR，识别情绪过热与低迷，不依赖 TA-Lib。
• 如何用 Python 计算 VR 成交量变异率指标？（用量能判断多空强弱）
  VR（成交量变异率）比较上涨日与下跌日的成交量，反映资金做多还是做空的能量对比。用 AlphaFeed 前复权日线，几行 pandas 就能算出 VR，识别低位放量与高位risk，附阈值参考与避坑，不依赖 TA-Lib。
• 如何用 Python 计算 DPO 去趋势价格振荡器？（剔除趋势看价格周期）
  DPO（去趋势价格振荡器）把移动均线前移相减，剥离长期趋势、突出价格的周期性高低点。用 AlphaFeed 前复权日线，几行 pandas 就能算出 DPO，估计周期节奏、识别相对超买超卖，不依赖 TA-Lib。
• 如何用 Python 计算索提诺比率和卡玛比率？（比夏普更懂下行风险的收益评估）
  夏普比率把上涨波动也当风险，索提诺只罚下行波动、卡玛用最大回撤衡量风险。用 AlphaFeed 前复权日线算出年化收益、下行波动、最大回撤，几行 pandas 得到 Sortino 与 Calmar，更贴合“怕跌不怕涨”的真实风险偏好。
• 如何用 Python 计算 EMV 简易波动指标？（量价结合看拉升是否轻松）
  EMV（简易波动指标）把价格变动和成交量结合，衡量股价上涨/下跌是否“轻松”。用 AlphaFeed 前复权日线，几行 pandas 就能算出 EMV 与其均线，识别放量滞涨与缩量上行，不依赖 TA-Lib。
• 如何用 Python 计算 BBI 多空指标？（多周期均线的多空分界线）
  BBI（多空指标）把 3/6/12/24 日四条均线取平均，形成一条兼顾短中期的多空分界线。用 AlphaFeed 前复权日线，几行 pandas 就能算出 BBI，判断价格在多头还是空头区域，并做全市场多头排列筛选，不依赖 TA-Lib。
• 如何用 Python 计算 DMA 平行线差指标？（快慢均线差值判断趋势）
  DMA（平行线差）用两条不同周期均线的差值判断趋势方向与拐点，比单看均线更灵敏。用 AlphaFeed 前复权日线，几行 pandas 就能算出 DMA 与信号线 AMA，识别金叉死叉与零轴穿越，不依赖 TA-Lib。
• 如何用 Python 计算 TRIX 三重指数平滑均线指标？（过滤震荡的趋势指标）
  TRIX 通过三重指数平滑过滤掉短期波动噪音，是识别中长期趋势的经典指标。用 AlphaFeed 前复权日线，几行 pandas 就能算出 TRIX 与其信号线 MATRIX，识别金叉死叉与零轴穿越，完全不依赖 TA-Lib。
• 如何用 Python 计算抛物线 SAR（Parabolic SAR）指标？判断趋势反转与移动止损
  SAR 是最经典的趋势跟踪与移动止损指标。用 AlphaFeed 前复权日线，几十行 Python 就能实现 Wilder 原版 SAR（含加速因子 AF），识别多空翻转点、做移动止损，完全不依赖 TA-Lib，附参数与避坑说明。
• 如何用 Python 自动识别股票的支撑位与压力位？（摆动高低点 + 成交密集区）
  支撑压力位怎么用代码找？用 AlphaFeed 历史 K 线，通过摆动高低点（swing high/low）聚类与成交量密集区两种方法自动识别支撑位与压力位，附参数、去重与实战避坑，纯 pandas 实现。
• 如何用 Python 统计 A 股连续涨停（几连板）？——历史连板天数与最长纪录
  想知道一只票最近几连板、历史最长连板多少天？用 AlphaFeed 日线数据按板块涨跌停幅度识别涨停日，几行代码算出当前连板数与历史最长连涨停纪录，含 20cm 与 ST 的阈值处理。
• 如何用 Python 计算 ROC 变动率指标做动量分析？（不依赖 TA-Lib）
  ROC（Rate of Change 变动率）是最直观的动量指标。用 AlphaFeed 前复权日线，几行 pandas 就能算出 N 日 ROC、判断动量强弱与背离，并做全市场动量排名，附参数选择与背离识别的实战注意事项。
• 如何用 Python 检测 MACD 顶背离/底背离？（价格新高而 DIF 不新高）
  想用程序自动识别 MACD 顶背离、底背离？用 AlphaFeed 复权日线算 DIF/DEA，找价格摆动高点，价格创新高但 DIF 没创新高即顶背离，几行搞定，并讲清背离≠反转、右侧确认等坑。
• 如何用 Python 计算 MFI 资金流量指标？（带成交量的 RSI）
  想用 MFI 资金流量指标判断资金进出与超买超卖？用 AlphaFeed 复权日线，取典型价×成交量算正负资金流，几行得到 14 日 MFI，用 80/20 识别超买超卖，并讲清它和 RSI 的区别、缩量失真等坑。
• 如何用 Python 计算 PSY 心理线指标？（用上涨天数占比看市场情绪）
  想用 PSY 心理线判断超买超卖情绪？用 AlphaFeed 复权日线，统计近 N 日上涨天数占比算出 PSY，用 75/25 识别超买超卖，几行搞定，并讲清 PSY 只看涨跌天数不看幅度、震荡钝化的坑。
• 如何用 Python 分析股票的日历效应？（星期效应与月份效应，附数据挖掘陷阱）
  股票收益真有"星期效应""月份效应"吗？用 AlphaFeed 复权日线按星期几、月份分组统计平均收益，几行看出规律，并用真实数据讲清这类效应大多不稳定、易受数据挖掘偏差影响，别当交易信号。
• 如何用 Python 分析股票收益率分布？（偏度、峰度与"尖峰厚尾"）
  股票日收益真的服从正态分布吗？用 AlphaFeed 复权日线算日收益率的均值、标准差、偏度、峰度，用真实数据看清"尖峰厚尾"现象，并讲清峰度口径、极端值影响与用正态假设的风险。
• 如何用 Python 计算威廉指标 WR（%R）？（超买超卖判断，不用 TA-Lib）
  想用威廉指标 WR 判断超买超卖？用 AlphaFeed 复权日线，几行算出 Williams %R，用 -20/-80 识别超买超卖区，并讲清 WR 的负值区间、与 KDJ 的关系及震荡钝化的坑。
• 如何用 Python 计算 CCI 顺势指标？（超买超卖与背离，不用 TA-Lib）
  想自己算 CCI 顺势指标判断超买超卖？用 AlphaFeed 复权日线，用典型价 TP、平均绝对偏差 MD 几行算出 CCI，识别 ±100 超买超卖区，并讲清 CCI 无界、震荡钝化与背离的坑。
• 如何用 Python 计算 KDJ 随机指标？（金叉死叉与超买超卖，不用 TA-Lib）
  想自己算 KDJ 又怕和行情软件对不上？用 AlphaFeed 复权日线，用经典 RSV + K/D/J 递推口径几行算出 KDJ，识别金叉死叉与超买超卖，并讲清 KDJ 平滑口径、J 值溢出与钝化的坑。
• 如何用 Python 计算 ADX 判断趋势强弱？（区分趋势市与震荡市）
  想知道行情是有趋势还是在震荡？用 AlphaFeed 复权日线算 ADX 与 +DI/-DI，用 ADX 高低判断趋势强弱、用 DI 方向判断多空，几十行让你的策略只在有趋势时出手，并讲清 ADX 滞后与阈值的坑。
• 如何用 Python 自建一个股票指数？（流通市值加权 vs 等权，自选股篮子）
  想给自选股组合做一条"自己的指数"？用 AlphaFeed 取成分股复权收盘 + instruments 的流通股本，几十行算出流通市值加权指数并和等权指数对比，讲清基点归一、成分对齐与复权的坑。
• 如何用 Python 计算已实现波动率（Realized Volatility）？用分钟线更准
  想比日线更精细地度量波动？用 AlphaFeed 取分钟 K 线，用分钟收益平方和算已实现方差再年化，得到已实现波动率（RV），比只用日收盘的历史波动率更贴近真实日内波动，并讲清采样频率与隔夜跳空的坑。
• 如何用 Python 把日线合成周线？做多周期共振分析（日线+周线）
  想做周线/月线级别分析又不想找周线数据源？用 AlphaFeed 取复权日线后用 pandas resample 合成周线/月线，几行代码算出日线+周线均线共振信号，并讲清 resample 周期锚点与复权的坑。
• 如何用 Python 做量价分析？放量突破与 OBV 量价背离识别
  想用成交量确认价格信号？用 AlphaFeed 的复权日线，几十行算出"放量突破前高"和 OBV 量价背离，量价配合看突破真假、背离看趋势衰竭，并讲清成交量分析的坑。
• 如何用 Python 扫描 A 股跳空缺口并统计缺口回补概率？
  想快速找出今日高开/低开跳空的股票，并回测缺口「当天回补」的概率？用 AlphaFeed 一次取全 A 快照按开盘价对昨收算跳空，再用日线历史统计缺口回补率，几十行搞定。
• 如何用 Python 算多只股票的相关性矩阵与组合波动率？（组合风险入门）
  持有一篮子股票，风险不是各自波动的简单相加。用 AlphaFeed 批量取复权 K 线，几行代码算出相关性矩阵、年化组合波动率与各标的风险贡献。
• 如何用 Python 计算个股的 Beta 和相关性？（以沪深300为基准）
  用日 K 线和沪深300指数，几行 Python 算出个股 Beta、与大盘的相关系数，以及多只股票的相关性矩阵。
• 如何用 Python 自动生成每日 A 股市场复盘报告？
  用全市场行情一键统计涨跌家数、涨跌停数量、成交额、涨幅榜，自动生成每日复盘 Markdown 报告并定时运行。
• 如何用 Python 计算股票的收益率、波动率和最大回撤？
  用日 K 线数据，手把手计算年化收益率、年化波动率、夏普比率和最大回撤，附完整可运行代码。
• 如何用 Python 计算 MA、MACD、RSI、布林带？（不依赖 TA-Lib）
  只用 pandas 和 numpy，从行情 API 取数后手写 MA、EMA、MACD、RSI、布林带，附完整可运行代码。