finta 和 TA-Lib 的结果为什么不一样：逐指标对照与差异归因

FinTA · 完全一致

哪些指标可以直接互换使用

这张表的价值在于：它把「该不该怀疑」这件事变成可操作的。如果你的 SMA 与另一个库不一致，那几乎不可能是算法问题，应该回去查数据（行序、列、行数）；而如果你的布林带与另一个库不一致，那多半不是谁错了，只是口径不同。

FinTA · ATR 归因

FinTA 的 ATR 和 TA-Lib 有什么区别？差在简单均值还是 Wilder

# 两种 ATR 口径的差，从代码上只差一个平滑函数
tr = pd.concat([(ohlc.high - ohlc.low),
                (ohlc.high - ohlc.close.shift()).abs(),
                (ohlc.low  - ohlc.close.shift()).abs()], axis=1).max(axis=1)

finta_like = tr.rolling(14).mean()                       # ← FinTA 的 ATR
wilder     = tr.ewm(alpha=1/14, adjust=False).mean()     # ← TA-Lib / ta 的 ATR

print(float(TA.ATR(ohlc, 14).iloc[-1]))   # 328.568904  ← 与 finta_like 完全一致
print(float(finta_like.iloc[-1]))         # 328.568904
print(float(wilder.iloc[-1]))             # 336.4...    ← 与 TA-Lib 一致

# 两者的差距在波动放大的区间最大（最大差 561.69），在平稳区间很小

这个差异有实际后果：ATR 常被用来设止损距离（例如 2 × ATR）。同样叫「2 倍 ATR」，用 FinTA 和用 TA-Lib 会在波动大的行情里给出不同的止损位。所以换库时不能只改函数名，必须重新校准参数——这一点在选型与迁移页有专门一节。

FinTA · 自己做一遍

怎么在自己的数据上做交叉验证

五步做交叉验证

# 最小交叉验证脚本（结构与本站实测一致）
import numpy as np, pandas as pd, talib, ta
from finta import TA

ohlc = pd.read_csv('ohlc.csv', index_col='date', parse_dates=True).sort_index()
assert ohlc.index.is_monotonic_increasing        # 先排除行序问题
c, h, l, v = ohlc['close'], ohlc['high'], ohlc['low'], ohlc['volume']

def compare(a, b, label):
    a = pd.Series(np.asarray(a, float), index=ohlc.index)
    b = pd.Series(np.asarray(b, float), index=ohlc.index)
    m = a.notna() & b.notna()
    d = (a[m] - b[m]).abs()
    print('%-24s n=%3d max=%10.6f mean=%9.6f corr=%.6f'
          % (label, m.sum(), d.max(), d.mean(), a[m].corr(b[m])))

compare(TA.SMA(ohlc, 14), talib.SMA(c.values, timeperiod=14),        'SMA14 finta vs talib')
compare(TA.RSI(ohlc),    talib.RSI(c.values, timeperiod=14),         'RSI14 finta vs talib')
compare(TA.ATR(ohlc),    talib.ATR(h.values, l.values, c.values, 14),'ATR14 finta vs talib')
compare(TA.BBANDS(ohlc)['BB_UPPER'],
        talib.BBANDS(c.values, timeperiod=20, nbdevup=2, nbdevdn=2, matype=0)[0],
        'BB_UP finta vs talib')

# 本站实测输出：
# SMA14 finta vs talib    max= 0.000000  corr=1.000000
# RSI14 finta vs talib    max= 4.740213  corr=0.999759
# ATR14 finta vs talib    max=561.693027 corr=0.988654
# BB_UP finta vs talib    max=160.060692 corr=0.999998

顺带说明一个容易忽略的底气：上游自己也做过这件事——仓库的 requirements-test.txt 里列着 TA-Lib，.travis.yml 里有一段从源码编译 ta-lib 0.4.0 的脚本。只是仓库已归档、CI 停跑，这套对照现在只能自己重做。