摘要
RandomWalkIndex 是 RTTA 对随机游走指数（RWI）的流式实现。它把当前最高价/最低价极值与窗口另一侧极值进行比较，并以 ATR 乘以 \(\sqrt n\) 缩放，分别得到上侧和下侧读数。
更新 API
result = rtta.RandomWalkIndex(window=14, fillna=True).update(close, high, low)
# result.high, result.low
当 fillna=False 时，在取得 window 个样本之前，两个字段均为 NaN。
工作原理
随机游走指数判断价格在 \(n\) 根 K 线内的移动距离，是否超过随机游走通常会达到的范围。在简单扩散模型下，期望距离按 \(\sigma\sqrt n\) 增长；ATR 在此替代 \(\sigma\)。RWI High 较大，表示市场从窗口低点向上移动的距离超过随机游走噪声；RWI Low 较大，则表示市场从窗口高点向下移动的距离超过噪声。大约高于 1 的值，常被解读为相应方向存在非随机趋势的证据。
递推公式
令 \(C_t,H_t,L_t\) 为收盘价、最高价和最低价，\(n\) 为 window（默认 \(14\)）。
在 \(n\) 根 K 线上维护最高价滚动最大值、最低价滚动最小值，以及相同长度的 Wilder ATR：
\[H^{\max}_t = \max_{0\le i < n} H_{t-i}, \qquad
L^{\min}_t = \min_{0\le i < n} L_{t-i}\]
\[A_t = \operatorname{ATR}_n(C_t, H_t, L_t)\]
\[\operatorname{scale}_t = A_t \sqrt{n}\]
\[\begin{aligned}
\operatorname{RWI\text{-}High}_t &= \frac{H_t - L^{\min}_t}{\operatorname{scale}_t} \\
\operatorname{RWI\text{-}Low}_t &= \frac{H^{\max}_t - L_t}{\operatorname{scale}_t}
\end{aligned}\]
（使用安全除法。）结果字段 high 为 RWI-High，字段 low 为 RWI-Low。内部 ATR 使用 fillna=True。
实现说明
该递推过程在 src/rtta/indicator.cpp 的 class RandomWalkIndex 中实现，使用 RollingExtreme 计算最高价/最低价，并使用 ATR。