方法清单与桩函数

FinTA 支持哪些指标：README 写 80 个，代码里其实有 90 个

README 的「Supported indicators」一段写着 "over 80"，下面列了 80 条指标名；而 TA 类里实际有 90 个公开方法（master 上是 92 个）。多出来的不只是命名差异——其中 5 个方法的函数体只有一句 raise NotImplementedError，另外 README 也漏掉了 12 个真实可用的方法。

换句话：照着 README 选指标会漏；照着方法名选指标会踩空。 本站把 90 个方法逐个调用了一遍，把「能用 / 补不回来 / 环境造成」三类分开列出来。

看空壳方法看全量清单

README 801.3 共 90master 共 925 个未实现

README 列 80 个指标名全部真实存在，但漏了 12 个方法

1.3 里有 90 个公开方法76 个默认可调用

5 个方法体是空的raise NotImplementedError，换环境也不可用

依据对 finta/finta.py 的 AST 解析与逐方法调用实测整理的方法清点示意；不是官方功能清单。

FinTA · 三个数字

三个数字为什么对不上：80、90、92 分别指什么

表 1：三个数字的来源与差额
数字	来自哪里	怎么数出来的	差额是什么
80	README「Supported indicators」代码块	把代码块里的 `'XXX'` 逐条提取计数	README 只列了「指标」，没列辅助方法与后来新增的方法
90	PyPI 1.3 的 `class TA`	AST 解析取公开方法（不含 `_` 开头）	比 README 多 12 个：`ALMA`、`BOP`、`DYMI`、`EVSTC`、`LWMA`、`MAMA`、`PSAR`、`SWI`、`VBM`、`VIDYA`、`WILLIAMS_FRACTAL`，以及 README 未列的 `VC`（仅 master）
92	GitHub master（af01fa5）的 `finta/finta.py`	同样的 AST 清点	比 1.3 多 `VC` 与 `WAVEPM`——这两个方法从未发版

三个数字没有一个是错的：README 描述的是文档覆盖，90/92 描述的是代码暴露。真正的问题在于文档与代码不同步、且仓库已归档——不会有人来对齐它们。所以本站把代码事实（90/92）作为主口径，README 只作为「官方叙述」引用。

FinTA · 文档缺口

README 漏掉了哪 12 个方法？哪些值得关注

表 2：README 未列出的 12 个方法
方法	是什么	1.3 上能否调用	值不值得用
`PSAR`	抛物线 SAR（另一套实现，与 `SAR` 并存）	pandas 1.5 上可用；pandas 3 上抛 `KeyError: 0`	值得，但要注意同名两套实现与 1.3 的列顺序问题
`WILLIAMS_FRACTAL`	Williams 分形（结构高低点）	可用	值得，属于少见的形态类方法
`BOP`	Balance Of Power（买卖力量平衡）	可用	值得，与 `EBBP` 相关但公式不同
`VBM`	Volatility-Based Momentum	可用	按需
`DYMI`	动态动量指数（RSI 的变周期版本）	可用	按需
`EVSTC`	基于 EVWMA 的 Schaff Trend Cycle 变体	pandas 1.5 可用；pandas 3 抛 `iteritems`	按需，注意依赖旧 pandas
`LWMA`	线性加权移动平均	可用，但必须显式传 `period`（90 个方法里只有它没有默认参数）	值得，是 WMA 的另一种写法
`ALMA`	Arnaud Legoux 移动平均	不可用（未实现）	不考虑
`MAMA`	MESA 自适应移动平均	不可用（未实现）	不考虑
`SWI`	Sine Wave 指标	不可用（未实现）；README 却把它列为受支持指标	不考虑
`VIDYA`	可变指数动态平均	不可用（未实现）	不考虑
`VC`	Value Chart（4 列输出）	1.3 里不存在，仅 master 有	仅在装 master 时可用

LWMA 值得单独说一句：90 个方法里只有它没有默认参数。调用 TA.LWMA(ohlc) 会抛 TypeError: missing 1 required positional argument: 'period'，看起来像 bug，其实是签名设计——写惯 TA.SMA(ohlc) 的人会在这里卡一下。

FinTA · 未实现桩

5 个 raise NotImplementedError 的方法怎么识别

# 一个桩方法的完整源码（finta 1.3，删去注释与装饰器后剩这些）
@classmethod
@inputvalidator("ohlc")
def ALMA(cls, ohlc: DataFrame, period: int = 9, sigma: int = 6, offset: float = 0.85) -> Series:
    """
    Arnaud Legoux Moving Average.
    """
    raise NotImplementedError

# 也就是说：签名、文档字符串、参数默认值都写好了，函数体是空的。
# 这类方法不是「版本没装对」，换任何 pandas/numpy 都不会好。

# 批量识别（实测：5 个）
import inspect
from finta import TA

stubs = []
for n in sorted(k for k in TA.__dict__ if not k.startswith('_')):
    src = inspect.getsource(getattr(TA, n))
    if 'raise NotImplementedError' in src and len(src.splitlines()) < 14:
        stubs.append(n)
print(stubs)   # ['ALMA', 'MAMA', 'SWI', 'TMF', 'VIDYA']

表 3：5 个未实现桩的逐个说明
方法	文档字符串写的功能	README 是否列为受支持	替代做法
`ALMA`	Arnaud Legoux Moving Average	否（README 未列）	用 `TA.WMA` 或 `TA.EMA` 近似；要精确 ALMA 需自己实现
`MAMA`	MESA Adaptive Moving Average	否	用 `TA.KAMA`（需旧 pandas）或外部库
`SWI`	Sine Wave 指标	是（README 把它列进了清单）	没有等价物；需要正弦波类指标请换库
`TMF`	Twiggs Money Index（README 写作 Twiggs Money Index）	是	可用 `TA.CHAIKIN` 或 `TA.ADL` 做近似，但公式不同
`VIDYA`	可变指数动态平均	是	用 `TA.ER` + 自适应逻辑自己实现

注意后三行：README 明确把 SWI、VIDYA 写进了受支持指标清单，但代码里它们是桩。这是本站建议「用方法名而不是 README 选指标」的直接原因。

FinTA · 全量清单

90 个方法怎么按用途归类

表 4：六类方法的数量与可用状态（1.3 / pandas 3 与 pandas 1.5 两种环境）
类别	方法数	pandas 3 上可用	pandas 1.5 上可用	不受环境影响的缺口
均线 / 平滑	18	13	15	`ALMA`、`MAMA` 是桩；`KAMA`、`FRAMA`、`ZLEMA`、`EVWMA`、`VIDYA` 受环境或实现影响
趋势 / 方向	17	14	16	`PSAR`、`SAR` 在 pandas 3 上抛 `KeyError`；`EV_MACD` 受 `iteritems` 影响
动量 / 摆动	19	17	18	`SWI` 是桩；`EVSTC` 受 `iteritems` 影响
波动率 / 通道	12	12	12	无（该类最完整）
成交量 / 资金流	17	16	17	`TMF` 是桩
复合 / 形态	7	4	6	`WAVEPM`、`VC` 在 1.3 里不存在

这张表的读法是：波动率类 12 个方法在任何环境下都完整可用，而均线类与趋势类各有 3–5 个坑。如果你的需求集中在 ATR、BBANDS、KC 这类通道与波动率指标，遭遇的问题会最少；集中在自适应均线上则正好落在最脆弱的一类。

FinTA · 选型建议

常见需求该用哪个方法，替代是什么

表 5：场景 → 建议方法 → 注意事项
你想要什么	建议方法	注意点	不理想时的替代
最普通的均线	`TA.SMA(ohlc, n)`	默认 `period=41`，不是常见的 14 或 20，请显式传参	`TA.WMA` / `TA.EMA`
对近期更敏感的均线	`TA.EMA(ohlc, n)`	默认 `period=9`；`adjust=True` 时前几行就有值（与 TA-Lib 不同）	`TA.DEMA` / `TA.TEMA`
价格通道	`TA.BBANDS(ohlc, period=20, std_multiplier=2)`	返回 3 列；标准差是样本口径（ddof=1），宽度比 TA-Lib 大 √(20/19) 倍	`TA.KC`（基于 ATR 的通道）
波动幅度	`TA.ATR(ohlc, 14)`	用的是 True Range 的简单均值，不是 Wilder 平滑，与 TA-Lib 有系统差	自己按 Wilder 递归实现
超买超卖	`TA.RSI(ohlc, 14)`	与 `ta` 完全一致；与 TA-Lib 只在预热段不同	`TA.STOCHRSI` / `TA.WILLIAMS`
量价关系	`TA.OBV(ohlc)`	1.3 在平盘日输出 NaN，master 沿用上一值——两版结果不同	`TA.MFI`（与 TA-Lib 完全一致）
自适应均线	`TA.KAMA`（需 pandas <2）	`ALMA`/`MAMA`/`VIDYA` 都不可用	改用仍在维护的库

选型时还有一个容易忽略的判断依据：这个方法有没有出现在官方测试里。tests/test_unit.py 有 86 个测试函数、用精确浮点断言，被测试覆盖的方法至少能证明「上游认为它会稳定输出这些数」——这比 README 的清单更可信。

FinTA · 核对清单

怎么把 FinTA 的方法清单变成自己的检查单

FinTA 方法清单落地的五步

第一步：把你实际要用的指标写出来——不是「FinTA 支持什么」，而是「我的策略需要哪几个数」。常用需求基本落在 SMA / EMA / RSI / MACD / BBANDS / ATR / ADX / OBV / STOCH / WILLIAMS 这十个里，而它们在 FinTA 上都是可用状态。

第二步：对每个指标跑一次桩检测——取源码看是否只含 raise NotImplementedError，或者直接调用一次看异常类型：桩方法抛 NotImplementedError，环境类问题抛别的异常。

第三步：记录每个指标在你的环境里是否可用——同一个 FinTA 1.3，在 pandas 3 上有 14 个不可用、在 pandas 1.5 上只有 6 个。把实测结果写进项目笔记，而不是抄本站的数字。

第四步：为可用的指标写一条断言——固定输入、固定输出。这一步的成本很低，但它是以后判断「是不是环境变了」的可靠依据；FinTA 已归档，不会有人替你发现回归。

第五步：给不可用的指标定去向——环境类失效可以降版本修，桩方法只能换库或自实现；两条去向都要写进文档，而不是留在某个人的记忆里。

表 6：你的指标落在哪一类、该怎么处理
你的指标	在 FinTA 上的状态	建议处置
SMA / EMA / WMA / SMMA	可用，任何环境	直接用，注意显式传 `period`（默认值不是常见值）
RSI / STOCH / WILLIAMS / CCI / MFI	可用，且与其他库数值可对齐	直接用（CCI 记得期数显式传 20 或 14）
MACD / PPO	可用	直接用；注意它只返回两列、没有柱状线

最后提醒一句：这张检查单的目的不是让你背下 90 个方法，而是让「能不能用」变成一次可重复的实测。上游已经归档，本站在这里给出一套判定流程，比给出一个快照式的结论更有用——因为你的环境会变，而 FinTA 不会。

FAQ

关于 FinTA 方法清单的常见问题

FinTA 到底有多少个指标？

按不同口径：README 列 80 条指标名；PyPI 1.3 的 TA 类有 90 个公开方法；GitHub master 有 92 个。本站以代码为准，并以 master 的 pinned commit 作为核验基准。具体数字以官方源码为准，本站给出了清点方法。

README 里的指标都可用吗？

不是。SWI、TMF、VIDYA 三个方法被 README 列为受支持指标，但函数体只有 raise NotImplementedError。另外 README 还有 12 个方法完全没列到。建议以「方法是否存在 + 实测能否调用」为判据，而不是看清单。

TS 类为什么用不了？

因为它从来不存在。本站把 8 个历史版本的源码逐个解析，只有 class TA。中文教程里的 from finta import TA, TS 属于错误信息，任何版本上都会 AttributeError。

PSAR 和 SAR 有什么区别？

两者都是抛物线 SAR 的实现，参数名不同（PSAR(iaf, maxaf) vs SAR(af, amax)），返回类型也不同（DataFrame vs Series）。PSAR 未出现在 README 清单里；1.3 上它返回的 psarbull / psarbear 两列顺序与 master 相反。

怎么自己确认某个方法是不是空壳？

用 inspect.getsource() 取源码，判断是否含 raise NotImplementedError 且函数体很短。本站给出了完整的十行脚本。更省事的办法是直接调用一次——桩方法会立刻抛 NotImplementedError，而环境问题会抛别的异常类型，两者可区分。

如果我要的指标正好是失效的那几个怎么办？

两条路：① 把 pandas 钉到 2.0 之前，可以救回 8 个环境类失效的方法（但救不回 5 个桩）；② 换库——ta、pandas-ta、TA-Lib 在同样需求上的覆盖与代价见选型与迁移页。本站只做能力对照，不替你决定。

相关阅读：安装与运行时实测、源码公式与预热。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。