title: ta_198 因子构建公式介绍 source: BigQuant Wiki - ta_198因子构建公式 format: markdown

传统技术指标因子构建公式介绍

本文整理 198 个全量传统技术指标因子体系的构成、变量含义、指标分类与特征说明，覆盖全维度传统技术分析特征，可作为量化因子研究、特征工程、选股建模的标准基础文档。

1. 因子概览

传统技术指标因子是一套基于日频行情数据构建的经典技术分析因子集合，主要使用 open、high、low、close、volume、amount 基础行情字段，通过量能异动、市场情绪、价格趋势、震荡波动、极值高低点、量价交互统计六大维度，系统刻画股票短期、中期、长期的交易状态与资金行为特征。

198 个技术因子完全基于传统经典技术指标，包含 MACD、KDJ、BOLL、RSI、CCI、BIAS、OBV、VR、PSY、MFI、CR、ARBR 等数十类经典技术模型，同时多周期窗口全覆盖，解释性更强、贴合实盘技术分析逻辑、适配量化趋势、震荡、情绪各类行情策略。

2. 因子分类

3. 基础字段说明

4. 因子特点说明

198 技术指标因子体系全部基于纯历史滚动窗口计算，无未来函数、无外部数据依赖，所有因子均做了除零保护、空值兼容、异常值修复，可直接用于实盘回测与机器学习建模。

本套因子：

• 可解释性极强，完全对应传统技术分析理论
• 覆盖绝大多数券商、量化平台标准技术指标
• 多周期嵌套，适配短线、中线、长线策略
• 量价分离 + 量价结合双重特征

5. 使用建议

1. 统一复权口径 所有价格、量能字段建议统一使用后复权数据，保证时序连续性，避免价格跳空导致的因子失真。

2. 异常值与缺失值处理 因子包含大量比值、标准差、滚动回归、分母运算，需对停牌数据、一字涨跌停、极小分母做缺失填充与去极值处理。

3. 横截面标准化与中性化 多股票建模时，需每日进行标准化、行业中性、市值中性，消除截面偏差。

4. 无未来函数保障 所有指标仅使用当期与历史滚动数据，严格符合实盘落地要求，可直接用于训练、回测、实盘选股。

5. 冗余特征筛选 198 因子存在多窗口同源指标冗余，可通过 IC 值、相关性、特征重要性筛选最优子因子集，提升模型稳定性。

TA198 因子表名： cn_stock_factors_ta_198 因子字段名为：sma_5,sam_10...,vhf 文档用例 下面示例均使用 dai.query(...).df() 读取数据。

1. 读取某一天的全市场 TA198 因子数据

dt = '2026-05-20'
sql = f"""select *from cn_stock_factors_ta_198where date = '{dt}'order by date, instrument"""
df = dai.query(sql).df()df

2. 读取某一天的全市场数据，并只保留部分字段 示例：仅读取日期、股票代码、sma_5单因子数据

dt = '2026-05-20'
sql = f"""selectdate,instrument,sma_5from cn_stock_factors_ta_198where date = '{dt}'order by date, instrument"""
df = dai.query(sql).df()df

3. 读取某一天的指定股票全因子数据

dt = '2026-05-20'ins = ['000002.SZ', '600000.SH', '603968.SH']
ins_str = ",".join([f"'{x}'" for x in ins])
sql = f"""select *from cn_stock_factors_ta_198where date = '{dt}'and instrument in ({ins_str})order by date, instrument"""
df = dai.query(sql).df()df

4. 读取指定日期、指定股票、指定因子数据 示例：读取sma_5、sma_10、sma_20三个自定义因子数据

dt = '2026-05-20'ins = ['000002.SZ', '600000.SH', '603968.SH']factors = [sma_5', 'sma_10', 'sma_20']
ins_str = ",".join([f"'{x}'" for x in ins])factor_str = ", ".join(factors)
sql = f"""selectdate,instrument,{factor_str}from cn_stock_factors_ta_198where date = '{dt}'and instrument in ({ins_str})order by date, instrument"""
df = dai.query(sql).df()df

5. 读取一段时间的全市场 TA198 因子数据 示例：读取2026-05-01 至 2026-05-20 全市场因子数据

start_dt = '2026-05-01'end_dt = '2026-05-20'
sql = f"""select *from cn_stock_factors_ta_198where date >= '{start_dt}'and date <= '{end_dt}'order by date, instrument"""
df = dai.query(sql).df()df