原创内容第841篇，专注智能量化投资、个人成长与财富自由。
介绍一个ta-lib的平替——我们来实现一下，最高价突破布林带上轨，和最低价突破布林带下轨的可视化效果：
cross_up_upper = stock['high'].copy()# `cross_up_upper` 最高价突破布林带上轨 cross_up_upper[~ stock['column:high > boll.upper'] ] = np.nan # Set some items of the series to `np.nan` so that mplfinance will not draw markers for those items.cross_down_lower = stock['low'].copy()cross_down_lower[~ stock['column:low < boll.lower'] ] = np.nan
绘图：
apds = [mpf.make_addplot(stock[[# The middle band'boll',# The upper band# The default period of bollinger bands is 20 days. # However, we could specify arguments for a command after `:`.'boll.upper:20',# The lower band# Which is a short cut for 'boll.lower''boll.l']]),mpf.make_addplot(cross_up_upper, scatter=True, markersize=200, marker='v'),mpf.make_addplot(cross_down_lower, scatter=True, markersize=200, marker='^'), ]# Go plotting! Oh yeah! mpf.plot(stock, type='candle', addplot=apds, figscale=2)
代码和策略在如下位置 ：
年化收益200%+的策略集 | 实时板块资金热力图 「aitrader 5.0系统代码发布」
提供aitrader桌面全量代码，数据可视化，因子挖掘，实盘功能
AI量化实验室——2025量化投资的星辰大海
stock-pandas 是一个基于 pandas 的 Python 股票数据分析库，专为量化交易和金融分析设计。它提供了简洁的 API 和链式调用语法，使得技术指标的计算和数据分析更加便捷。
主要特点：
-
完全基于 pandas 的 DataFrame 和 Series
-
支持链式方法调用，代码更简洁
-
内置多种常见技术指标计算
-
支持自定义指标
-
与 pandas 生态无缝集成。
-
与 TA-Lib 的主要区别
特性
stock-pandas
TA-Lib
架构基础 纯 Python 实现，基于 pandas
C 语言实现，有 Python 封装
安装难度 简单 (pip install)
可能需要编译，Windows 需预编译包
计算速度 较慢 (纯 Python)
极快 (C 语言优化)
指标覆盖 常见指标
超过 150 种技术指标
API 风格 链式调用，更 Pythonic
传统函数式调用
自定义指标 容易扩展
困难
依赖关系 仅依赖 pandas
需要单独安装 C 库
实时更新 活跃维护
更新较慢
学习曲线 平缓
较陡峭
作为量化交易的基础环境，c++ builder环境还是很必要的。
因为不少python包是需要编译环境的。
比如安装stock-pandas，就需要编译环境。
代码和数据下载：AI量化实验室——2025量化投资的星辰大海
AI量化实验室 星球，已经运行三年多，1600+会员。
aitrader代码，因子表达式引擎、遗传算法（Deap）因子挖掘引擎等，支持vnpy，qlib，backtrader和bt引擎，内置多个年化30%+的策略，每周五迭代一次，代码和数据在星球全部开源。
扩展 • 历史文章
EarnMore（赚得更多）基于RL的投资组合管理框架：一致的股票表示，可定制股票池管理。（附论文+代码）
年化收益200%+的策略集 | 实时板块资金热力图 「aitrader 5.0系统代码发布」
年化19.66%，回撤12%的稳健策略|manus的启发：基于大模型多智能体的智能投研系统（python代码+数据）
年化30.24%，最大回撤19%，综合动量多因子评分策略再升级（python代码+数据）
年化18%-39.3%的策略集 | backtrader通过xtquant连接qmt实战
)
