自带数据算指标

POST /api/indicators/compute 让你用自己的 K 线调用引擎的 60+ 指标计算逻辑 —— 不依赖引擎的内存缓存,也不限定 venue / symbol。

适合场景:

回测:数据库 / CSV 里的历史 OHLCV 想跑指标
自定义数据源:对手交易所、聚合合约、你自己的 tick 重采样
离线分析:某段时段想验证指标值,但不想被引擎 cache 限制

不适合:

实时行情:走 POST /api/indicators 让引擎从内存 store 取,延迟更低
跨周期(MTF)指标(比如 SMC 的 fvg_timeframe):这类参数需要引擎自己 prefetch 多周期数据,只能走 store 路径

30 秒上手

bash

curl -X POST 'https://api.mobiusquant.ai/api/indicators/compute' \
  -H 'authorization: Bearer mq_xxx' \
  -H 'content-type: application/json' \
  -d '{
    "klines": [
      [1735689600000, 95000.0, 95500.0, 94800.0, 95200.0, 1234.5],
      [1735693200000, 95200.0, 95800.0, 95100.0, 95650.0, 1500.2]
    ],
    "interval": "1h",
    "calc": [{"name": "rsi", "params": {"period": 14}}]
  }'

jsonc

{
  "count": 2,
  "interval": "1h",
  "klines": [[1735689600000, 95000.0, ...], ...],   // echo
  "indicators": {
    "rsi:period=14": {
      "columns": ["open_time", "rsi"],
      "data":    [[1735689600000, null], [1735693200000, null]],
      "explain": { /* knowledge: summary_focus / signals / caveats */ }
    }
  }
}

RSI 在前 14 根之前返回 null —— 这是正常的,所有"累积型"指标都需要 warmup。详见下方限制。

Python 集成示例

python

import requests
import pandas as pd

# 从你自己的数据源拉历史 OHLCV
df = pd.read_csv('btc_1h_history.csv')   # 列:open_time(ms), open, high, low, close, volume

klines = df[['open_time', 'open', 'high', 'low', 'close', 'volume']].values.tolist()

resp = requests.post(
    'https://api.mobiusquant.ai/api/indicators/compute',
    headers={'Authorization': 'Bearer mq_xxx'},
    json={
        'klines':   klines,
        'interval': '1h',
        'calc': [
            {'name': 'ema', 'params': {'period': 20}, 'id': 'ema20'},
            {'name': 'ema', 'params': {'period': 200}, 'id': 'ema200'},
            {'name': 'rsi', 'params': {'period': 14}},
        ],
    },
)
result = resp.json()
print(result['indicators']['ema20']['data'][-1])   # 最新 EMA20 值
print(result['indicators']['rsi:period=14']['data'][-1])

SMC 等"复合指标"也支持

像 SMC (Smart Money Concepts) 这种非数值输出指标,返回结果除了 per-bar columns 还会附带 objects sidecar:

bash

curl -X POST 'https://api.mobiusquant.ai/api/indicators/compute?explain=false' \
  -H 'content-type: application/json' \
  -d '{
    "klines": [/* ≥500 根历史 K 线 */],
    "calc": [{"id": "smc", "name": "smc",
              "params": {"show_swing_points": true, "show_premium_discount_zones": true}}]
  }'

响应里 indicators.smc.objects 包含 swing_structures / order_blocks_swing / fair_value_gaps / premium_zone 等结构化对象,可以直接喂给 chart 渲染器或 LLM 分析。详见 SMC 指标页。

请求字段

字段	类型	必填	说明
`klines`	array	✓	OHLCV 数组,每根 K 线两种格式自动识别(见下)
`calc`	array	✓	指标列表,每项 `{name, params, id?}`,跟 `/api/indicators` 同
`interval`	string	✗	仅元数据,响应回显;某些 MTF 指标用不到
`echo_klines`	bool	✗	默认 `true`,响应回 echo;`false` 时只返指标

klines 元素的两种格式:

jsonc

// 紧凑(Binance 嵌套列表风格):[open_time_ms, open, high, low, close, volume, quote_volume?]
[1735689600000, 95000.0, 95500.0, 94800.0, 95200.0, 1234.5, 117526200.0]

// 对象(更显式)
{
  "open_time":    1735689600000,
  "open":         95000.0,
  "high":         95500.0,
  "low":          94800.0,
  "close":        95200.0,
  "volume":       1234.5,
  "quote_volume": 117526200.0     // 可选,部分指标用(VWAP / CVD 等);缺省补 0
}

响应字段

字段	类型	说明
`count`	int	处理的 K 线根数
`interval`	string	回显 request 里的 interval(传了才有)
`klines`	array	echo 输入的 K 线(`echo_klines=false` 时省略)
`indicators`	object	key = `id` 或自动生成的 `name:p1=v1,...`,value = 单个指标的 columns/data/objects/explain

每个 indicators.<key> 的结构跟 POST /api/indicators 完全一致:

jsonc

{
  "columns": ["open_time", "rsi"],
  "data":    [[1735689600000, null], [1735693200000, 67.4], ...],
  "objects": { /* 仅 SMC 等非数值指标 */ },
  "explain": { /* knowledge: 仅 ?explain=true 时 */ }
}

限制

限制	值	触发
K 线数量	≤ 2000 根	超返 `413`
`open_time`	严格单调递增的毫秒	否则 `400`
OHLCV	必须 finite(无 NaN / inf)	否则 `400`
`calc` 列表	非空,且 `name` 必须在 registry 里	否则 `400`
`calc` 非法参数	Pydantic / signature 校验	`422`

关键:无 warmup buffer

/api/indicators 内部会自动预取 1000 根 warmup 喂给 EMA / RSI / ATR 这类"累积型"指标。/api/indicators/compute 不会 —— 它老老实实只用你给的 K 线。

所以请确保 history 够长:

指标 / 用法	最少 K 线
RSI(14) 想稳定	≥ 50
EMA(200) / ATR(200) 想稳定	≥ 200
Bollinger / Keltner / Donchian 默认参数	≥ 30
SMC 内部结构 + FVG	≥ 50
SMC swing 结构 / OB / Strong-Weak / P/D zones	≥ 100(默认 swing_size=50,加 buffer)
SMC 完整功能 + EQH/EQL 稳定	≥ 200(ATR 收敛阈值)
生产分析建议	500+

前 N 根的指标值返回 null 是正常的,你应该丢掉那段 warmup,只用尾部稳定的结果。

鉴权与速率限制

跟 /api/indicators 同套:

不带 Authorization header → 走匿名 IP 桶(低限速)
带合法 Bearer mq_xxx → 走 token 桶(高限速)
没 token 的话先申请一个,免费

错误码

Code	含义	处理
`400`	校验失败(非单调递增 / NaN / 未知指标 / 列数不够)	看 `detail`,改请求
`401`	带了 Authorization 但 token 无效	重新申请
`413`	`klines` 超 2000 根	分批,或缩短窗口
`422`	Pydantic 校验失败(缺字段 / 类型错 / 多余 key)	看 `detail.loc`
`429`	超 rate limit	看 `Retry-After`,带 token 限速更高
`500`	指标计算异常(指标自身 bug)	报 issue,附 `detail` 里的 indicator name

自带数据算指标 ​

30 秒上手 ​

Python 集成示例 ​

SMC 等"复合指标"也支持 ​

请求字段 ​

响应字段 ​

限制 ​

关键:无 warmup buffer ​

鉴权与速率限制 ​

错误码 ​

相关 ​

自带数据算指标

30 秒上手

Python 集成示例

SMC 等"复合指标"也支持

请求字段

响应字段

限制

关键:无 warmup buffer

鉴权与速率限制

错误码

相关