https://github.com/banbox/banta
Event driven Technical Analysis library
https://github.com/banbox/banta
financial fundamental-analysis indicator library momentum oscillator quantitative-finance strategy ta-lib technical technical-analysis tradingview trend
Last synced: 23 days ago
JSON representation
Event driven Technical Analysis library
- Host: GitHub
- URL: https://github.com/banbox/banta
- Owner: banbox
- License: mit
- Created: 2023-12-07T10:09:47.000Z (about 2 years ago)
- Default Branch: main
- Last Pushed: 2025-11-09T12:06:39.000Z (3 months ago)
- Last Synced: 2026-01-14T13:55:42.370Z (29 days ago)
- Topics: financial, fundamental-analysis, indicator, library, momentum, oscillator, quantitative-finance, strategy, ta-lib, technical, technical-analysis, tradingview, trend
- Language: Go
- Homepage:
- Size: 204 KB
- Stars: 13
- Watchers: 1
- Forks: 9
- Open Issues: 6
-
Metadata Files:
- Readme: readme.cn.md
- License: LICENSE
Awesome Lists containing this project
README
# BanTA 技术分析库
**banta**是一个高性能的技术分析指标库，支持状态缓存/并行计算两种模式。旨在提供**高自由度、高性能、简洁易用**的指标框架。
[](https://deepwiki.com/banbox/banta)
* **状态缓存模式：** 在每个K线上更新并缓存，无需重新计算历史数据，指标计算结果全局重用；类似TradingView
* **并行计算模式：** 一次性计算所有K线，无缓存，收到新K线需再次重新计算；类似ta-lib
* **nan值兼容：** 智能忽略输入数据中间的nan值，后续计算继续使用之前的状态
* **严格测试：** 每个指标都使用各种条件单元测试验证，并和常见指标库结果对比
* **轻量无依赖：** 仅使用golang，无任何依赖包
* **支持python：** 已通过gopy打包为bbta包，可直接从python中导入使用
## 支持的指标
#### 和常见指标平台结果一致性对比
| banta | MyTT | TA-lib Class | TA-lib Metastock | Pandas-TA | TradingView |
|-------------|:----:|:------------:|:----------------:|:---------:|:-----------:|
| AvgPrice | ✔ | ✔ | ✔ | ✔ | ✔ |
| Sum | ✔ | ✔ | ✔ | ✔ | ✔ |
| SMA | T1 | ✔ | ✔ | ✔ | ✔ |
| EMA | T1 | T1 | ✔ | ✔ | T2 |
| EMABy1 | ✔ | T1 | T2 | T2 | T3 |
| RMA | -- | -- | -- | T1 | -- |
| VWMA | -- | -- | -- | ✔ | ✔ |
| WMA | ✔ | ✔ | ✔ | ✔ | ✔ |
| HMA | -- | -- | -- | ✔ | ✔ |
| TR | -- | ✔ | ✔ | ✔ | -- |
| ATR | T1 | ✔ | ✔ | T2 | T3 |
| MACD | T1 | T2 | T1 | ✔ | T3 |
| RSI | T1 | ✔ | ✔ | T2 | T3 |
| KDJ | T1 | T2 | T1 | T3 | ✔ |
| Stoch | -- | ✔ | ✔ | -- | ✔ |
| BBANDS | ✔ | ✔ | ✔ | ✔ | ✔ |
| Aroon | -- | ✔ | ✔ | ✔ | T1 |
| ADX | -- | ✔ | ✔ | T1 | T2 |
| ADXBy1 | -- | T1 | T1 | T2 | ✔ |
| PluMinDI | -- | ✔ | ✔ | -- | -- |
| PluMinDM | -- | ✔ | ✔ | -- | -- |
| ROC | ✔ | ✔ | ✔ | -- | ✔ |
| TNR/ER | -- | -- | -- | -- | -- |
| CCI | ✔ | ✔ | ✔ | ✔ | ✔ |
| CMF | -- | -- | -- | ✔ | ✔ |
| KAMA | -- | ✔ | ✔ | T1 | ✔~ |
| WillR | -- | ✔ | ✔ | ✔ | ✔ |
| StochRSI | -- | ✔ | ✔ | ✔ | ✔~ |
| MFI | ✔ | ✔ | ✔ | ✔ | ✔ |
| RMI | -- | -- | -- | -- | ✔~ |
| CTI | -- | -- | -- | ✔ | T1 |
| LinReg | -- | -- | -- | ✔ | ? |
| CMO | -- | ✔ | ✔ | ✔ | T1 |
| CMOBy1 | -- | T1 | T1 | T1 | ✔ |
| CHOP | -- | -- | -- | ✔ | T1 |
| ALMA | -- | -- | -- | ✔ | T1 |
| Stiffness | -- | -- | -- | -- | ✔ |
| PercentRank | -- | -- | -- | -- | ✔~ |
| CRSI | -- | -- | -- | -- | ✔~ |
| CRSIBy1 | -- | community | -- | -- | -- |
| DV | -- | -- | -- | -- | -- |
| UTBot | -- | -- | -- | -- | ✔ |
| STC | -- | -- | -- | -- | ✔ |
```text
-- 此平台没有该指标
✔ 和此平台计算结果一致
✔~ 和此平台计算结果基本一致(有一定偏差)
Ti 和此平台计算结果不一致
```
## 如何使用(带状态缓存)
```go
import (
"fmt"
ta "github.com/banbox/banta"
)
var envMap = make(map[string]*ta.BarEnv)
func OnBar(symbol string, timeframe string, bar *ta.Kline) {
envKey := fmt.Sprintf("%s_%s", symbol, timeframe)
e, ok := envMap[envKey]
if !ok {
e = &ta.BarEnv{
TimeFrame: timeframe,
BarNum: 1,
}
envMap[envKey] = e
}
e.OnBar(bar)
ma5 := ta.SMA(e.Close, 5)
ma30 := ta.SMA(e.Close, 30)
atr := ta.ATR(e.High, e.Low, e.Close, 14).Get(0)
xnum := ta.Cross(ma5, ma30)
if xnum == 1 {
// ma5 cross up ma30
curPrice := e.Close.Get(0) // or bar.Close
stopLoss := curPrice - atr
fmt.Printf("open long at %f, stoploss: %f", curPrice, stopLoss)
} else if xnum == -1 {
// ma5 cross down ma30
curPrice := e.Close.Get(0)
fmt.Printf("close long at %f", curPrice)
}
kdjRes := ta.KDJ(e.High, e.Low, e.Close, 9, 3, 3).Cols
k, d := kdjRes[0], kdjRes[1]
}
```
### 核心理念
传统的技术分析库比如`ta-lib`和`pandas-ta`这些库非常流行，也进行了很多性能优化，在一次性计算几百上千跟K线时速度非常快。
但在你的机器人实盘运行使用这些库时，每次收到新的K线都要同时传入前面几百个K线数据，如果运行的标的更多一些，或者如果在1m甚至1s上运行时，计算延迟就会大到无法忍受。
很多人都用过TradingView，它使用的PineScript就是一个基于事件的技术分析引擎；它不会在收到一根新K线时重新运行前面的K线，而是使用前面缓存的结果。
这也是`BanTA`的设计理念，基于事件，每收到一个K线运行一次，使用前面缓存的结果。
#### BanTA中状态缓存是如何实现的
在`BanTA`中，状态缓存的核心是`Series`序列类型，基本上所有返回值都是序列，`Series`中有`Data []float64`字段，它记录了当前指标在每个K线的值。
最常用的`e.Close`就是收盘价序列，`e.Close.Get(0)`就是`float64`类型的当前收盘价；
计算均值也很简单：`ma5 := ta.SMA(e.Close, 5)`，返回的ma5也是一个序列；
有些指标如KDJ一般返回k和d两个字段`kdjRes := ta.KDJ(e.High, e.Low, e.Close, 9, 3, 3).Cols`，可以从`Cols`中得到两个序列组成的数组。
## 如何使用（并行计算）
```go
import (
"github.com/banbox/banta/tav"
)
func main(){
highArr := []float64{1.01, 1.01, 1.02, 0.996, 0.98, 0.993, 0.99, 1.0, 1.02}
lowArr := []float64{0.99, 1.0, 1.0, 0.98, 0.965, 0.98, 0.98, 0.984, 1.0}
closeArr := []float64{1.0, 1.01, 1.0, 0.99, 0.97, 0.981, 0.988, 0.992, 1.002}
sma := tav.SMA(closeArr, 5)
ma30 := tav.SMA(closeArr, 30)
atr := tav.ATR(highArr, lowArr, closeArr, 14)
xArr := tav.Cross(ma5, ma30)
}
```
### 提示
建议您在进行研究时使用并行计算一次性获取指标计算结果，在实盘或基于事件驱动回测时使用带状态指标，效率更高。
## Python安装
```shell
pip install bbta
```
仅支持python8及以上版本，暂不支持macos和windows下python13
## Python使用带状态指标
```python
from bbta import ta
# 1. 创建环境
# BarEnv 用于管理状态，在每个时间周期/交易对上创建一个即可
env = ta.BarEnv(TimeFrame="1m")
# 2. 准备K线数据
# (时间戳ms, 开, 高, 低, 收, 交易量)
klines = [
(1672531200000, 100, 102, 99, 101, 1000), (1672531260000, 101, 103, 100, 102, 1200),
(1672531320000, 102, 105, 101, 104, 1500), (1672531380000, 104, 105, 103, 103, 1300),
(1672531440000, 103, 104, 102, 103, 1100), (1672531500000, 103, 106, 103, 105, 1600),
(1672531560000, 105, 107, 104, 106, 1800), (1672531620000, 106, 106, 102, 103, 2000),
(1672531680000, 103, 104, 101, 102, 1700), (1672531740000, 102, 103, 100, 101, 1400),
]
# 3. 模拟K线推送
# 在实盘中，每收到一根新K线就调用一次 OnBar
for kline in klines:
ts, o, h, l, c, v = kline
env.OnBar(ts, o, h, l, c, v, 0)
# 4. 计算指标
ma5 = ta.Series(ta.SMA(env.Close, 5))
ma30 = ta.Series(ta.SMA(env.Close, 30))
# 获取最新值
ma5_val = ma5.Get(0)
ma30_val = ma30.Get(0)
print(f"Close={c:.2f}, MA5={ma5_val:.2f}, MA30={ma30_val:.2f}")
```
## Python使用并行计算指标
```python
from bbta import tav, go
# 1. 准备数据
# 并行计算模式的函数接收 go.Slice_float64 类型
# 我们可以从python list创建
high_py = [102.0, 103.0, 105.0, 105.0, 104.0, 106.0, 107.0, 106.0, 104.0, 103.0]
low_py = [99.0, 100.0, 101.0, 103.0, 102.0, 103.0, 104.0, 102.0, 101.0, 100.0]
close_py = [101.0, 102.0, 104.0, 103.0, 103.0, 105.0, 106.0, 103.0, 102.0, 101.0]
high = go.Slice_float64(high_py)
low = go.Slice_float64(low_py)
close = go.Slice_float64(close_py)
# 2. 一次性计算所有指标
# 返回结果也是 go.Slice 类型
ma5 = tav.SMA(close, 5)
atr = tav.ATR(high, low, close, 14)
# 3. 查看结果
# 可以转为python list查看
print(f"Close: {list(close)[-5:]}")
print(f"MA5: {[f'{x:.2f}' for x in list(ma5)[-5:]]}")
print(f"ATR: {[f'{x:.2f}' for x in list(atr)[-5:]]}")
# 对于多返回值指标，比如KDJ
kdj_result = tav.KDJ(high, low, close, 9, 3, 3)
k_line = kdj_result[0]
d_line = kdj_result[1]
j_line = kdj_result[2]
print(f"K-line: {[f'{x:.2f}' for x in list(k_line)[-5:]]}")
```