# 指标与信号 (/zh/features/indicators)

计算指标、构建自己的指标、逐 K 线更新，并转换为信号或学习目标。本节面向构建策略输入的读者，涵盖标准指标、自定义公式和模型预测。下方页面从内置及自定义指标，延伸到流式更新、交易信号和机器学习标签。

## 从这里开始 \[#start-here]

| 您想构建什么？                   | 从哪里开始                                                      |
| ------------------------- | ---------------------------------------------------------- |
| 跨标的和参数计算 RSI、均线、通道或其他已有指标 | [技术指标](/zh/features/indicators/technical-indicators/)      |
| 自己的公式，或可复用的 pandas 计算     | [自定义指标](/zh/features/indicators/indicator-development/)    |
| 随新 K 线到来持续计算              | [流式指标](/zh/features/indicators/streaming-indicators/)      |
| 根据交叉、水平或日历规则生成入场和退出条件     | [交易信号](/zh/features/indicators/trading-signals/)           |
| 用于预测模型的收益、突破或趋势目标         | [机器学习标签](/zh/features/indicators/machine-learning-labels/) |

*   [技术指标](/zh/features/indicators/technical-indicators): 大规模运行 TA-Lib、pandas-ta、ta、SMC、WorldQuant Alphas 和原生指标
*   [自定义指标](/zh/features/indicators/indicator-development): 将 Python、pandas 或 Numba 计算转为可复用的参数网格指标
*   [流式指标](/zh/features/indicators/streaming-indicators): 使用有状态累加器逐 K 线更新指标，匹配批量结果
*   [交易信号](/zh/features/indicators/trading-signals): 在回测前生成、组合、清洗和分析入场与退出信号
*   [机器学习标签](/zh/features/indicators/machine-learning-labels): 创建三重障碍、趋势和拐点标签，并回测模型预测

## 从计算到策略 \[#from-a-calculation-to-a-strategy]

指标提供 RSI 或价格相对均线距离等数值。交易规则将其转为信号，例如 RSI
重新上穿阈值时买入。您可以跨多个标的比较窗口和阈值，检查信号触发频率，再将其传给[信号回测](/zh/features/backtesting/signal-backtesting/)来衡量交易结果。

从集成库开始，或使用自己的 Python、pandas、Numba
计算。自定义指标使用相同的带标签输出和比较辅助方法，因此可以将熟悉的指标与自己的研究特征组合。需要更大规模搜索设置时，请继续阅读[参数优化](/zh/features/optimization/strategy-optimization/)。

如果使用机器学习，指标可提供模型特征，标签定义模型应学习预测的未来结果。模型预测再成为交易输入。标签页面展示了完整流程，包括与简单基线的比较。

开发流程见[指标文档](/zh/documentation/indicators/)，完整策略示例见[信号开发教程](/zh/tutorials/signal-development/)。