如何将TradingView Pine Script的TTF指标转换为Python实现？

核心逻辑对比 #

先明确原Pine Script中关键代码的含义：

buyPower = hh - nz(ll[length])
sellPower = nz(hh[length]) - ll

这里的hh是当前周期的最高价，ll是当前周期的最低价；[length]表示往前偏移length个周期，nz()函数是将NaN值替换为0。所以两行的实际逻辑是：

• buyPower = 当前最高价 - length周期前的最低价（空值补0）
• sellPower = length周期前的最高价（空值补0） - 当前最低价

错误原因分析 #

你得到后期TTF全为0，大概率是以下问题：

• 错误使用滚动窗口（如rolling().min()/rolling().max()）计算ll和hh，而非直接取对应周期的原始高低价
• 偏移周期数设置错误（比如用shift(1)代替shift(length)）
• 未正确处理空值，或分母为0时未做特殊处理

正确Python实现代码 #

假设你使用Pandas处理行情数据，DataFrame包含high（最高价）和low（最低价）列：

import pandas as pd
import numpy as np

def calculate_ttf(df, length=10):
    # 获取length周期前的高低价，空值用0填充（对应Pine的nz函数）
    prev_low = df['low'].shift(length).fillna(0)
    prev_high = df['high'].shift(length).fillna(0)
    
    # 计算buyPower和sellPower
    buy_power = df['high'] - prev_low
    sell_power = prev_high - df['low']
    
    # 计算TTF，处理分母为0的情况
    denominator = buy_power + sell_power
    ttf = np.where(denominator == 0, 0, (buy_power - sell_power) / denominator * 100)
    
    df['ttf'] = ttf
    return df

使用示例 #

# 假设df是你的行情数据DataFrame
df = calculate_ttf(df, length=10)

这样计算出来的TTF值就会和TradingView中的结果一致，不会出现后期全为0的问题。

内容的提问来源于stack exchange，提问作者YoYoYo