摘要
RainbowMovingAverage 是 RTTA 对 Mel Widner 彩虹线的流式实现：一组递归嵌套的简单移动平均线。每一层都是前一层的 SMA。指标返回最深层、所有层形成的包络，以及彩虹宽度。
更新 API
result = rtta.RainbowMovingAverage(period=2, layers=10, fillna=True).update(price)
# result.outer, result.highest, result.lowest, result.mid, result.width
每次调用 update(...) 处理一个价格观测值。如果调用方只想更新状态而不生成 Python 返回值，可以用相同输入调用 advance(...)。数组形式的 batch(...) / replay_update_outputs(...) 遵循与 RTTA 其他结果结构体相同的多输出路径。
工作原理
Widner 彩虹线构建一系列嵌套平滑器，而不是一条移动平均线。第 1 层是价格的 SMA；第 \(k\) 层是第 \(k-1\) 层的 SMA。层次越深，滞后越大；因此，价格呈趋势时各层会扇形展开，价格盘整时则会收拢。RTTA 为每一层维护一个因果 SMA 状态，并在每个时点把前一层输出送入下一层。
递推公式
令 \(x_t\) 为输入价格，\(p\) 为 period，\(L\) 为 layers。
\[S^{(1)}_t = \operatorname{SMA}_p(x_t), \qquad
S^{(k)}_t = \operatorname{SMA}_p\!\bigl(S^{(k-1)}_t\bigr)
\quad\text{其中 }k=2,\ldots,L\]
\[H_t = \max_{1\le k\le L} S^{(k)}_t, \qquad
L_t = \min_{1\le k\le L} S^{(k)}_t\]
\[\begin{aligned}
\operatorname{outer}_t &= S^{(L)}_t \\
\operatorname{mid}_t &= \tfrac12(H_t + L_t) \\
\operatorname{width}_t &= H_t - L_t
\end{aligned}\]
当 fillna=False 时，在大约取得 \(p\cdot L\) 个样本之前，输出为 NaN（每层后续 SMA 都会增加滞后）。当 fillna=True 时，预热期间会输出部分 SMA 均值。
实现说明
该递推过程在 src/rtta/indicator.cpp 的 class RainbowMovingAverage 中实现。每层都是一个嵌套 SMA 成员；结果结构体字段为 outer、highest、lowest、mid 和 width。