摘要
RSI 对单一标量价格流增量计算相对强弱指数。它保存前一个价格，以及持续更新的上涨与下跌幅度状态。
更新 API
value = rtta.RSI(window=14, fillna=True).update(value)
第一个样本用于初始化 prev。当 fillna=True 时，第一次返回 50.0；当 fillna=False 时，预热阶段返回 NaN。
工作原理
RSI 比较近期上涨幅度与下跌幅度，并把两者的比率映射为有界振荡值。RTTA 的 C++ 实现在价格上涨时更新上涨状态，在价格下跌时更新下跌状态。预热阶段以当前样本数为平均分母；预热结束后，按 window 采用 Wilder 平滑。
递推公式
令 \(x_t\) 为当前值，\(x_{t-1}\) 为前一值，\(n\) 为 window。
\[g_t = \max(x_t - x_{t-1}, 0), \qquad
\ell_t = \max(x_{t-1} - x_t, 0)\]
预热阶段，RTTA 只更新实际发生变动的一侧：
\[G_t =
\begin{cases}
\frac{(t-1)G_{t-1}+g_t}{t}, & g_t > 0 \\
G_{t-1}, & g_t = 0
\end{cases}\]
\[L_t =
\begin{cases}
\frac{(t-1)L_{t-1}+\ell_t}{t}, & \ell_t > 0 \\
L_{t-1}, & \ell_t = 0
\end{cases}\]
预热结束后，相同的方向性更新改用 (n)：
\[G_t =
\begin{cases}
\frac{(n-1)G_{t-1}+g_t}{n}, & g_t > 0 \\
G_{t-1}, & g_t = 0
\end{cases}
\qquad
L_t =
\begin{cases}
\frac{(n-1)L_{t-1}+\ell_t}{n}, & \ell_t > 0 \\
L_{t-1}, & \ell_t = 0
\end{cases}\]
输出为：
\[RS_t = \frac{G_t/n}{L_t/n}, \qquad
RSI_t = 100 - \frac{100}{1 + RS_t}\]
如果下跌状态为零，越过最初的单样本路径后，RTTA 返回 100.0。
实现说明
递推公式在 src/rtta/indicator.cpp 的 class RSI 中实现。上述方向状态的更新方式与当前 C++ 代码完全一致。