摘要
SqueezeMomentum 是 RTTA 对 TTM 风格挤压指标的流式实现：当布林带位于肯特纳通道之内（波动率压缩）时给出二元标志，并计算价格相对于混合中线的线性回归动量。
更新 API
result = rtta.SqueezeMomentum(window=20, bb_mult=2.0, kc_mult=1.5, fillna=True).update(close, high, low)
| 参数 | 默认值 | 含义 |
|---|---|---|
window |
20 |
BB、ATR/KC、Donchian 和线性回归的回看期 |
bb_mult |
2.0 |
布林带标准差乘数 |
kc_mult |
1.5 |
肯特纳通道 ATR 乘数 |
fillna |
True |
若为 False，取得 window 个样本前返回 NaN |
update(...) 返回：
on——处于挤压状态（BB 位于 KC 内）时为1.0，否则为0.0momentum——去均值序列的线性回归值
advance(...) 更新状态；last() 返回缓存的结果。
工作原理
挤压开启是指布林带（均值 ± \(k\cdot\sigma\)）完全位于肯特纳通道（均值 ± \(m\cdot ATR\)）之内。这是经典 TTM Squeeze 的压缩状态：已实现波动率（BB）相对于平均真实波幅宽度（KC）较低。当挤压“释放”（on 从 1 变为 0）时，积蓄的能量常以方向性价格移动释放。
动量衡量收盘价相对于一个基准的位置：该基准取 Donchian 中点与收盘价 SMA 的平均值，再进行滚动线性回归（与 LazyBear / TTM 风格柱状图相同）。正动量偏向向上释放，负动量偏向向下释放。
递推公式
令 \(n\) 为窗口长度，\(k=\texttt{bb\_mult}\)，\(m=\texttt{kc\_mult}\)。
收盘价的滚动均值与总体标准差：
\[\mu_t = \operatorname{mean}_n(c),\qquad
\sigma_t = \operatorname{stddev}_n(c)\]
\[BB^{hi}_t = \mu_t + k\sigma_t,\qquad
BB^{lo}_t = \mu_t - k\sigma_t\]
使用长度为 \(n\) 的 ATR：
\[KC^{hi}_t = \mu_t + m\cdot ATR_t,\qquad
KC^{lo}_t = \mu_t - m\cdot ATR_t\]
挤压标志：
\[on_t =
\begin{cases}
1 & BB^{lo}_t > KC^{lo}_t \;\land\; BB^{hi}_t < KC^{hi}_t \\
0 & \text{其他情况}
\end{cases}\]
Donchian 中点与混合基准：
\[HH_t = \max_{0\le i<n} h_{t-i},\qquad
LL_t = \min_{0\le i<n} l_{t-i}\]
\[basis_t = \frac{1}{2}\left(\frac{HH_t+LL_t}{2} + \mu_t\right)\]
\[\delta_t = c_t - basis_t\]
\[momentum_t = \operatorname{LinReg}_n(\delta)_t\]
（通过 LinearRegressionCore 取得当前 K 线处的回归拟合值。）
当 fillna=False 且取得的样本少于 \(n\) 个时，两个字段均为 NaN。
实现说明
- 在
src/rtta/indicator.cpp的class SqueezeMomentum中实现。 - 使用滚动 sum/sum2 计算均值/方差，使用
RollingExtreme计算 HH/LL，并使用ATR和LinearRegressionCore linreg_。 - 结果类型：
SqueezeMomentumResult（on、momentum）。 - 批量辅助函数：
batch_squeeze_momentum。 - 注意：肯特纳通道中线使用收盘价 SMA（
mean），而不是典型价格的另一条 EMA——这与本 C++ 实现一致。