流式市场智能

市场信号，
不靠时光机。

RTTA 是面向技术指标、在线变化检测、市场状态监控和研究信号的低延迟 C++23 引擎。它提供简洁的 Python API，并以逐笔更新的方式保持严格因果。

安装 pyrtta 浏览 188 种算法

Apache 2.0
Python 3.9+
C++23 / nanobind
逐笔有状态更新

RTTA / 因果引擎实时状态

更新并返回结果的平均延迟 84.9 ns

三个已发布 CPU 测试的平均值

逐笔数据流RSI(14)

12:45:01.1233471.2561.8
12:45:01.1243471.2662.1
12:45:01.1253471.1958.7
12:45:01.1263471.2863.0

188

当前注册表中参与基准测试的
因果算法

70.2ns

仅更新状态的平均 advance 延迟
覆盖已发布 CPU 测试

84.9ns

返回结果的平均 update 延迟
覆盖已发布 CPU 测试

3种 CPU 架构

已发布完整基准测试记录
ARM · x86 · LoongArch

01 / 天生因果

输入一笔，得到一个诚实答案。

RTTA 算法都是有状态对象。它们按时间顺序接收观测，只能根据已经见过的数据作出反应。因此，API 本身就能帮助实盘系统和研究循环避免无意中的前视偏差。

01 / 观测

新的市场事件到达。

收盘价、OHLCV、报价、成交、特征或跨资产观测。

02 / 更新

只推进一次状态。

需要返回值时调用 update；只需要状态转换时调用 advance。

03 / 记忆

只保留必要的实时状态。

滚动窗口、滤波器、市场状态和检测器随时准备接收下一笔数据。

04 / 响应

读取当前结果。

将结果交给特征、风控检查、研究信号、仪表盘或模拟器决策。

未来数据：已锁定下一条观测无法通过对象 API 向过去泄漏。

live_signal.py

import rtta

rsi = rtta.RSI()

for close in close_stream:
    value = rsi.update(close)

    if value > 70.0:
        reduce_position()

# 状态已经准备好接收下一笔数据。

最直观的 API，就是实盘 API

热点路径不需要 DataFrame 仪式。

在流式代码中使用小型有状态对象。对于重启和研究工作流，batch 与 replay 路径会在 C++ 中以因果顺序消化历史数据，同时让同一个对象继续准备接收下一条实时观测。

02 / 它关注什么

不只是图表指标。

RTTA 将经典技术分析、在线模型健康、流动性状态、市场微观结构和研究级流式信号放在统一的增量接口之后。

真正适合实盘循环的技术指标。

移动平均、动量、振荡器、带状指标、通道、波动率、成交量、收益率、价格变换和自适应状态空间滤波器。

浏览算法目录

检测过程何时发生变化。

CUSUM、Page-Hinkley、ADWIN、KSWIN、EWMA 位移、残差漂移、校准漂移，以及面向均值、方差、beta、相关性和流动性的滚动双窗口检测器。

查看检测器

持续在线跟踪市场状态。

阈值与回滞状态、波动率状态、趋势/震荡、订单流、相关性、配对价差、有界 BOCPD、HMM 类滤波器和高斯混合模型。

查看状态监控

读懂 K 线之下的市场。

订单流失衡、买卖价反弹、VPIN、Amihud 非流动性、Kyle lambda、价差特征、报价填塞、领先/滞后状态和执行成本状态。

探索微观结构

03 / 一个引擎，多种工作

始终在线的完整市场工具箱。

从简单滚动数值到多输出研究系统，都遵循同一套 update、advance、last、batch 和 replay 约定。学会一种接口，就能使用整个目录。

阅读 API 指南

经典技术分析

趋势与动量

EMA · SMA · RSI · MACD · STOCHASTIC · AROON · SUPERTREND · KST · TSI · VORTEX

自适应状态

滤波器与包络

KALMAN · PARTICLE FILTER · IMM · GAUSSIAN PROCESS · SAVITZKY–GOLAY · NADARAYA–WATSON

模型健康

位移与漂移

CUSUM · ADWIN · DDM · EDDM · HDDM · KSWIN · PAGE-HINKLEY · EWMA Z-SCORE

市场状态

状态与转换

BOCPD · ONLINE HMM · STICKY HMM · GMM · VOLATILITY · LIQUIDITY · AUCTION TRANSITIONS

微观结构

流量与流动性

OFI · VPIN · KYLE LAMBDA · AMIHUD · SPREAD FEATURES · QUOTE INTENSITY · BID-ASK BOUNCE

研究信号

高阶实时特征

MATCHED FLOW · CLOCK ECHO · CLOSE PRESSURE · COINTEGRATION BREAKDOWN · LEAD-LAG

04 / 实测实时路径

讲纳秒，不讲感觉。

在三种已发布架构的测试中，各 CPU 延迟中位数的平均值为：仅推进状态的 advance 为 70.2 ns，返回 Python 结果的 update 为 84.9 ns。每个来源页面仍会公布测试环境和全部 188 种算法的完整记录。

这里的摘要是三个已发布 CPU 测试中位数的简单平均。它描述的是这组受测系统，而不是一场处理器竞赛。

已发布的典型逐笔延迟各 CPU 中位数的平均值

仅更新状态 / advance(...) 70.2ns

三个已发布架构测试的平均状态转换延迟。

更新并返回 Python 结果 / update(...) 84.9ns

改变状态并返回当前数值或结果的平均延迟。

覆盖范围每次 188 种算法

样本量50,000 次更新

已发布测试ARM · x86 · LoongArch

打开基准测试记录查看测试方法与来源数据

05 / 开始流式处理

把下一笔数据交给 RTTA。

以 pyrtta 安装 Python 发行包，再导入 rtta。C++ 扩展、NumPy 集成和有状态算法接口会一并就绪。

快速开始 → 算法目录 → 源代码 ↗

终端 / Python 3.9+

$ pip install pyrtta

市场信号，不靠时光机。