摘要
Inertia 是 RTTA 对 Donald Dorsey 惯性指标的流式实现：对相对波动率指数（RVI）进行线性回归。它把波动方向平滑成一个较慢的波动率趋势特征。
更新 API
value = rtta.Inertia(
std_window=10, smooth_window=14, reg_window=20, fillna=True
).update(close)
每次调用 update(...) 处理一个收盘价。advance(...) 更新状态但不返回 Python 值。标量 batch(...) 返回一个 NumPy 数组。
工作原理
Dorsey 的相对波动率指数是一种 RSI 风格的振荡器，但作用对象是收盘价的滚动标准差（上涨波动与下跌波动）。惯性指标再对该 RVI 序列应用滚动线性回归，使输出跟踪相对波动率的局部趋势，而不是原始 RVI 的每次跳动。惯性值较高，表示按 RVI 构造衡量的波动率持续偏向上涨一侧；较低则表示相反。
递推公式
令 \(c_t\) 为收盘价。首先使用 std_window 和 smooth_window 参数，按 RelativeVolatilityIndex 的定义构造 Dorsey RVI：
\[\sigma_t = \operatorname{StdDev}_{n_\sigma}(c_t)\]
\[u_t =
\begin{cases}
\sigma_t & c_t > c_{t-1} \\
\tfrac12\sigma_t & c_t = c_{t-1} \\
0 & c_t < c_{t-1}
\end{cases}
\qquad
d_t =
\begin{cases}
\sigma_t & c_t < c_{t-1} \\
\tfrac12\sigma_t & c_t = c_{t-1} \\
0 & c_t > c_{t-1}
\end{cases}\]
\[U_t = \operatorname{EMA}_{n_s}(u_t),\quad
D_t = \operatorname{EMA}_{n_s}(d_t),\quad
\operatorname{RVI}_t = 100\cdot\frac{U_t}{U_t+D_t}\]
随后，惯性指标是在 reg_window 内对 RVI 拟合的线性回归值：
\[I_t = \operatorname{LinReg}_{n_r}(\operatorname{RVI})_t.\]
实现说明
该递推过程在 src/rtta/indicator.cpp 的 class Inertia 中实现，由 RelativeVolatilityIndex 与 LinearRegressionCore 组合而成。