边界：指标不是策略

技术指标能当买卖信号吗：从「RSI 低于 30」到可评估策略缺的五步

FinTA 给出的是价格的历史变换，不是收益预测。" "TA.RSI(ohlc) < 30 这句话描述的是「过去 14 期跌得比涨得多的程度」，" "它不包含任何关于明天会怎样的事实。

而从这一列数字走到「这个策略值不值得用」，中间隔了五步：" "信号规则、成交假设、未来函数检查、样本外划分、与基准对照。" "跳过任何一步，得到的结果都无法解释——本站把每一步的检查项列成可执行清单。

看五步缺口看未来函数清单

5 个缺口7 条常见误解0 个收益数字只讲边界

指标列（FinTA 的输出）把价格变成 RSI / MACD / ATR 这些列

信号规则与仓位什么时候进、什么时候出、下多少

成交假设（成本 / T+1）手续费、滑点、涨跌停、次日才能卖

样本外与基准用没看过的数据验证，并与简单基准比

依据 FinTA 的能力范围整理的边界示意；不是官方路线图，也不构成任何交易建议。

FinTA · 常见误解

技术指标当策略用有哪些常见误解？七条逐项对照

表 1：把指标当策略时的常见误解
常见说法	问题在哪	更准确的说法
「RSI 低于 30 就该买」	RSI 低位可以持续很久；不同市场状态下同一阈值含义完全不同	RSI 只描述过去 14 期的涨跌力度，是否买入需要另立规则并回测验证
「金叉买入、死叉卖出」	均线交叉本身滞后，在震荡行情里会反复触发、累积成本	交叉是趋势类指标的形态描述，需要跟止损与成本一起评估
「用当日收盘算出的指标，就在当天收盘成交」	你不可能在收盘价确定的同一时刻用该价格成交；A 股还要遵守 T+1	把成交价挪到下一个可交易日，并把这条假设写进结论
「历史回测赚了，就说明有效」	样本内表现好可能只是过拟合；没有样本外验证等于没有证据	必须留出没参与过参数调整的数据段做验证，并与基准对照
「一个指标不够，多叠几个就准了」	叠加高度相关的指标不会增加信息量，只会增加参数	先问每个指标提供了什么独立信息，再决定要不要叠加
「指标参数调到看着漂亮就能稳定盈利」	在历史上扫参数必然能找到漂亮的组合，这叫曲线拟合	参数的稳健性比某个点上的高低重要：邻近参数的表现是否也好
「FinTA 算出来的数和行情软件一样，所以信号也一样」	本站实测布林带、ATR、ADX 在不同库之间有系统性差异，阈值不能跨库搬运	换库要重新校准参数；差异清单见交叉验证页

这七条不是「不要用指标」，而是「指标是原料，不是结论」。描述历史与预测未来是两件事，中间必须补上验证环节。本站全站不提供任何收益率、胜率或夏普数字，也不做交易建议。

FinTA · 未来函数

未来函数怎么查：六类常见来源

表 2：未来函数检查清单（前两类本站有实测证据）
来源	具体表现	怎么查	本站实测
数据行序错误	数据是最新一行在前，指标按行滚动时把未来的 K 线算进了当天	断言 `df.index.is_monotonic_increasing` 为 True；并检查你用的是 `iloc[i]` 还是按日期取值	实测可复现：倒序后 2017-06-10 的 SMA(14) 从 2471.2325 变成 2612.5128，而后者等于「当天到未来第 13 根」的均值
指标在缺失行上仍输出数值	停牌/缺失被补成 NaN 行后，某些指标在那些行上照样给值	检查 `isna()` 的分布是否与你的数据缺口一致	实测：插 10 行全 NaN 后 SMA 出现 36 个 NaN，但 RSI 只有 1 个——它的曲线在缺口处是「假连续」
用了全样本统计量做标准化	例如用整段数据的均值/标准差做 z-score，训练段与验证段共享了未来信息	检查所有 `mean()`/`std()` 是在滚动窗口还是整列上算的	—
重采样时用了未来的边界	把周线重采样成日线对齐时，周线的「收盘」要到周五才知道	检查重采样后用的是什么时间戳标签	—
信号与成交同价	当日收盘算信号、当日收盘成交	把成交时点延后一个可交易单位	—
复权因子用了最新值	用「今天」的前复权因子回溯整个历史，等于把后续除权信息带进过去	用后复权或点对点复权序列做回测	—

前两条之所以放最前面，是因为它们最容易被忽略且症状最像「策略有效」：用了未来数据的指标，会在历史最低点附近给出漂亮的买入信号，回测曲线自然好看。排查成本很低——一行断言与一次 isna() 统计。

FinTA · 成交假设

回测的成交假设要写清哪些事？七个必须声明的项

表 3：成交假设清单
假设项	为什么必须写清	A 股常见取值参考（仅作说明）
手续费	双边收取，直接吃掉高频策略的收益	按你券商的实际费率，写进结论
印花税	卖出单边收取	以交易所与税务现行规则为准
滑点	市价单通常成交在不利方向；流动性差的标的影响更大	按标的流动性设定，不要默认 0
T+1	当天买入不能当天卖出，日内策略在 A 股不成立	把卖出时点推迟到下一个交易日
涨跌停	涨跌停当天可能买不到也卖不掉，回测里成交会失真	涨跌停日按「无法成交」处理更保守
停牌	停牌期间无法交易，但指标仍在滚动	停牌段单独标注，别让它悄悄改变仓位
最小交易单位	A 股按手（100 股）交易，资金量小时无法精确按比例建仓	整数手约束会影响小资金策略

这些假设里没有一条是 FinTA 能替你回答的——它只算指标列。把它们写下来并显式参数化，是「可评估」与「看起来有效」的分界线。具体费率、税制与交易规则请以交易所与券商的现行规定为准。

FinTA · 五步

从指标到可评估策略要经过哪些步骤？五步走完

五步走完才算「可评估」

把指标变成信号，并写清规则：说清用哪一列、比什么阈值、什么时候是有效信号、信号冲突时怎么办。规则必须是代码里能一行行读出来的，不是「感觉上」。

显式声明成交假设：把上表七项全部参数化，包括成交时点（信号次日开盘还是收盘）、手续费、滑点、涨跌停与停牌处理方式。这些参数要写进结果里，而不是藏在代码里。

做未来函数检查：把本页第 2 节的六条检查项逐个跑一遍，特别是数据行序断言与 isna() 分布检查——这两步成本低、收益也大。

划分样本内与样本外：参数只在样本内调，样本外只跑一次。如果样本外表现显著变差，结论是「不稳健」，而不是「再调调参数」。

与基准对照：把「买入并持有」这类最简单的基准放进来比。跑不赢基准的策略，复杂度的代价没有回报；同时说明是否扣除了成本。

这五步里没有一步需要 FinTA，但每一页都要用到它算出来的那几列。这正是本站反复强调的定位：FinTA 负责第一步的输入，不负责后面四步。

FinTA · 证明力

单一指标能证明什么、不能证明什么

表 5：指标的证据边界
它能证明的	它不能证明的
过去 N 期价格涨跌的相对力度（RSI）	未来 N 期的收益方向或幅度
过去 N 期价格对均线的偏离程度（布林带带宽）	偏离一定会回归
过去 N 期真实波幅的平均水平（ATR）	未来的波动幅度会维持在同一水平
过去 N 期趋势方向的强弱（ADX）	趋势会延续；且 ADX 在不同库之间差异最大
某一段历史数据上，某个规则在特定成交假设下的表现	同一规则在另一段数据或另一市场上的表现
你的数据整理与指标计算是否正确	这个指标是否值得做成策略

把这张表读完之后，一个实用的自检问题是：「如果我把这个指标换成随机数，我的结论会变吗？」如果不会变，说明你真正依赖的不是指标，而是别的东西（比如成交假设或样本选择）——那才是应该先检查的地方。

FinTA · 本站立场

本站不做什么

不发布任何收益数字

全站没有收益率、胜率、夏普、年化。本站做的是代码可用性、数据契约与数值口径的核验，不是策略评估。任何声称「某指标回测盈利」的说法都不在本站范围内。

不提供交易建议

指标阈值、参数、买卖时点的选择都由使用者自己承担。本站只说明这些数字是怎么算出来的、在什么条件下会算错。

不承诺集成

FinTA 与 EasyClaw 无已证实集成——本机 29 个技能、603 个文件里 finta 出现 0 次。EasyClaw 路线提供的是「免环境提问」，不是「运行 FinTA」。

不替你做取舍

「该用 FinTA 还是换库」「该不该把指标做成策略」这两个问题，本站给判断依据与读数，不给推荐结论。

FinTA · 工具分工

评估一个策略还需要哪些工具

表 6：从指标到结论各环节对应的工具品类
环节	需要什么	FinTA 能否提供	典型工具品类
取数	行情数据（含复权口径）	不能——它没有任何行情接口	财经数据接口库、数据提供商
指标计算	把价格变成 RSI / MACD / ATR 等列	能（这就是它的全部功能）	指标库（本页讨论的对象）
信号生成	把指标列变成买卖规则	不能	你自己的代码，或规则引擎
回测撮合	账本、成交模型、成本与滑点	不能	回测框架
绩效统计	收益、回撤、夏普、胜率等统计量	不能	绩效分析库
稳健性检验	样本外、参数敏感性、基准对照	不能	你自己设计的验证流程
风险控制	仓位、止损、集中度约束	不能	组合与风控逻辑

这张表想说明的是一件事：FinTA 只在上表七行里占一行。所以当你发现研究卡住时，先确认卡在哪一行——如果卡在「取数」或「回测」，换一个指标库（包括换掉 FinTA）并不会让问题消失。本项目群对其中几类工具都有独立的研究页，可按需跳转阅读。

FAQ

关于指标与策略边界的常见问题

RSI 低于 30 是不是买入信号？

不是。RSI 只描述过去 14 期涨跌力量的相对值，不包含任何关于后续价格的信息。低位可以持续很久，不同市场状态下同一个阈值的含义也不同。要把它变成信号，必须补上本页第 4 节的五步，本站不提供也不建议任何交易决策。

为什么我的回测结果看起来很好？

最常见的原因按本站实测的顺序是：① 数据行序反了，指标用到了未来 K 线（可复现、症状极像「有效」）；② 成交假设过于理想（成本、滑点按 0 计）；③ 参数在全部数据上调过，没有样本外验证。先按本页未来函数清单查前两条，成本很低。

FinTA 能帮我做回测吗？

不能。它只产出指标列：不产生信号、不建模成交与成本、不做样本外划分、不评估绩效。把指标列当成「策略已就绪」会跳过整个验证环节。本站的定位是帮你在第一步拿到正确的数字。

换个库会不会让策略结果变好？

不会，但会让结果变。本站实测：同一份数据下 ATR 在 FinTA 与 TA-Lib 之间最大差 561.69，布林带带宽比值恒为 √(20/19)。用 ATR 设止损距离这类用法，换库必须重新校准参数，否则你比较的其实是两个不同规则。具体读数见交叉验证页。

本站有没有跑过任何策略回测？

没有。本站只做代码可用性实测、数据契约验证与跨库数值对照，不运行策略、不发布绩效数字。这是有意的边界——让「哪些结论有实测支撑」这件事始终清清楚楚。

那我要评估策略该用什么？

需要一套回测框架（账本、撮合、成本模型、绩效统计），这类工具与 FinTA 是不同品类：FinTA 给你指标列，回测框架负责后面的执行与统计。本站的选型与迁移页列了五个库的定位差异，可以据此判断你缺的是哪一类工具。

相关阅读：与 TA-Lib 交叉验证、替代库选型。本页结论绑定 2026-10-12 的实测环境（Python 3.11.9），数值口径以官方源码为准。