feat(indicator): 新增 SAR/VWAP/AROON 三指标 + 注册 FK（30 → 34）

2026-09-12 14:34:18 +08:00 · 2026-06-14 18:46:02 +08:00
parent 37635af8f2
commit a12c2122fc
6 changed files with 365 additions and 7 deletions
@@ -14,7 +14,7 @@ easy-tdx 要做的事很简单：**把机构的数据锁砸开，扔到每个普
 它是一个完全免费、无需注册、无需 API Key、纯开源的行**情核武器**。  
 一行命令，A股、港股、美股、期货——K线、报价、资金流向、板块轮动、分时明细、逐笔成交，**毫秒级拉满**。

-**32个技术指标**（MACD、KDJ、RSI、BOLL……连”捉妖大师”和”30日乖离率信号”都给你算好）开箱即用。
+**34个技术指标**（MACD、KDJ、RSI、BOLL……连”捉妖大师”和”30日乖离率信号”都给你算好）开箱即用。
 **缠论分析**（笔、中枢、买卖点、背驰）一键出结果——你不再需要手画分型、猜线段。
 **内置回测引擎**——写个策略文件，一行命令跑回测，16 个经典策略自带，多因子组合、策略选股扫描，批量对比哪个最赚钱一目了然。

@@ -709,7 +709,7 @@ with MacClient.from_best_host() as c:
    #         + BS_X, BS_SMA, BS_LMA
 ```

-支持 32 个指标：MACD, KDJ, RSI, BOLL, DMI, ATR, WR, CCI, BIAS, BIAS_SIGNAL, OBV, VR, EMV, MFI, BRAR, ASI, TRIX, DPO, MTM, ROC, EXPMA, BBI, PSY, DFMA, CR, KTN, XSII, MASS, TAQ, ZHUOYAO。
+支持 34 个指标：MACD, KDJ, RSI, BOLL, DMI, ATR, WR, CCI, BIAS, BIAS_SIGNAL, OBV, VR, EMV, MFI, BRAR, ASI, TRIX, DPO, MTM, ROC, EXPMA, BBI, PSY, DFMA, CR, KTN, XSII, MASS, TAQ, ZHUOYAO, SAR, VWAP, AROON, FK。

 ```python
 # Python API 用法
@@ -725,7 +725,7 @@ with MacClient.from_best_host() as c:
    #         + ZY_LONG, ZY_MID, ZY_SHORT, ZY_TREND
 ```

-支持 32 个指标：MACD, KDJ, RSI, BOLL, DMI, ATR, WR, CCI, BIAS, BIAS_SIGNAL, OBV, VR, EMV, MFI, BRAR, ASI, TRIX, DPO, MTM, ROC, EXPMA, BBI, PSY, DFMA, CR, KTN, XSII, MASS, TAQ, ZHUOYAO。
+支持 34 个指标：MACD, KDJ, RSI, BOLL, DMI, ATR, WR, CCI, BIAS, BIAS_SIGNAL, OBV, VR, EMV, MFI, BRAR, ASI, TRIX, DPO, MTM, ROC, EXPMA, BBI, PSY, DFMA, CR, KTN, XSII, MASS, TAQ, ZHUOYAO, SAR, VWAP, AROON, FK。

 ### 财务

@@ -941,7 +941,7 @@ uvicorn.run(app, host="0.0.0.0", port=8000)
 | `market-stat` | 全市场涨跌统计 |
 | `server-info` | 服务器交易时段 |
 | `symbol-info` | 个股特征快照 |
-| `indicator` | 技术指标计算（32 个：MACD/KDJ/RSI/BOLL/DMI/ATR...） |
+| `indicator` | 技术指标计算（34 个：MACD/KDJ/RSI/BOLL/DMI/ATR...） |
 | `indicator-list` | 列出可用技术指标 |
 | `backtest` | 回测引擎（加载策略文件，输出绩效报告） |
 | `portfolio` | 多标的组合回测（共享资金池，均等分配，汇总绩效） |
@@ -1060,7 +1060,7 @@ with MacClient.from_best_host() as c:
        print(info["name"], info["description"], info["outputs"])
 ```

-支持 31 个技术指标：
+支持 34 个技术指标：

 | 指标 | 输入 | 输出列 |
 |------|------|--------|
@@ -1094,6 +1094,10 @@ with MacClient.from_best_host() as c:
 | TAQ | high, low | TAQ_UP, TAQ_MID, TAQ_DOWN |
 | ZHUOYAO | close | ZY_LONG, ZY_MID, ZY_SHORT, ZY_TREND |
 | BIAS_SIGNAL | close | BS_X, BS_SMA, BS_LMA |
+| SAR | high, low | SAR（抛物线转向/动态止损位） |
+| VWAP | close, high, low, vol | VWAP（N日滚动成交量加权均价） |
+| AROON | high, low | AROON_UP, AROON_DOWN, AROON_OSC |
+| FK | close | FK（EMA(2) 突破斜率外推 EMA(42)） |

 #### 分时

@@ -1460,7 +1464,7 @@ src/easy_tdx/
 ├── client.py          # TdxClient / AsyncTdxClient（标准协议）
 ├── unified.py         # UnifiedTdxClient（统一入口）
 ├── config.py          # 服务器地址、端口、超时配置
-├── indicator.py       # 技术指标计算（32 个，基于 MyTT）
+├── indicator.py       # 技术指标计算（34 个，基于 MyTT）
 ├── MyTT.py            # 麦语言技术指标算法库
 ├── mac/
 │   ├── client.py      # MacClient / AsyncMacClient（MAC 协议）
@@ -1511,6 +1515,27 @@ ruff format --check src/ tests/                              # format check

 ## Changelog

+### 1.12.0 (2026-06-14)
+
+**新增 4 个技术指标（30 → 34）** — 按"语义空白"补齐三类现有指标库缺失的维度：止损位、机构成本价、趋势启动时机。均为纯 numpy 实现，零新依赖。
+
+**新增指标**：
+- **SAR 抛物线转向**（`high, low` → `SAR`）：基于 Wilder 加速因子的动态止损位，填补 32 个指标里"止损位"语义的空白。可直接喂给 `BacktestEngine` 做动态 `stop_loss`。实现含反转检测、AF 加速/封顶、SAR 不穿越前两根 K 线极值的限制。
+- **VWAP 成交量加权均价**（`close, high, low, vol` → `VWAP`）：N 日滚动机构基准成本价，填补"机构成本"维度空白。用典型价格 `(H+L+C)/3` 加权，含除零保护（零成交量返回 nan）。
+- **AROON 阿隆指标**（`high, low` → `AROON_UP, AROON_DOWN, AROON_OSC`）：用"N 周期内新高/新低距今多少根"识别趋势启动时机，与现有 DMI（判断趋势强度但滞后）互补而非冗余。
+- **FK 趋势指标**（`close` → `FK`）：清理孤儿函数——`MyTT.FK` 此前已实现但未在 `indicator.py` 注册，用户通过 CLI/API 无法调用。现正式注册暴露。语义为 EMA(2) 是否突破斜率外推 EMA(42)，本质是动量偏离检测。
+
+**架构**：所有新指标沿用现有 `IndicatorSpec` 注册模式，`compute_indicators()` / `get_stock_kline_with_indicators()` / CLI `easy-tdx indicator` 自动可用，无需改动调度层。
+
+**除零与边界保护**：
+- SAR：一字板/停牌（高低价相同）不崩溃、不产生 inf；空输入返回空数组
+- VWAP：零成交量返回 nan（不产生 inf）；前 N-1 根为 nan（rolling 窗口）
+- AROON：输出严格落在 [0, 100] 区间
+
+**类型存根**：`MyTT.pyi` 同步补充 SAR/VWAP/AROON/FK 四个函数签名，mypy strict 零错误。
+
+**测试**：新增 `tests/unit/test_mytt.py`，22 个用例覆盖三个新指标 + FK 的数值正确性、单边行情行为、除零/空输入边界。注册层端到端覆盖复用 `test_indicator.py::test_all_registered_indicators_run`。
+
 ### 1.11.6 (2026-06-13)

 **CI 类型与格式修复** — 修复 CI 流水线 mypy strict（13 errors）和 ruff format（8 files）失败，全部为类型标注与存根问题，无运行时行为变更。
@@ -4,7 +4,7 @@ build-backend = "hatchling.build"

 [project]
 name = "easy-tdx"
-version = "1.11.6"
+version = "1.12.0"
 description = "通达信 TCP 协议行情数据客户端，支持在线行情、离线数据读取与写入同步"
 readme = "README.md"
 requires-python = ">=3.10"
@@ -14,6 +14,7 @@
 # V3.2  2023-04-04 新增 CR指标
 # V3.3  2023-11-09 新增 SIN,COS,TAN序列处理的三角函数
 # V4.0  2026-06-02 handsomejustin 新增 ZHUOYAO,BIAS_SIGNAL两个自创函数
+# V4.1  2026-06-14 新增 SAR(抛物线转向), VWAP(成交量加权均价), AROON(阿隆指标); 注册 FK

 # 以下所有函数如无特别说明，输入参数S均为numpy序列或者列表list，N为整型int
 # 应用层1级函数完美兼容通达信或同花顺，具体使用方法请参考通达信
@@ -496,4 +497,66 @@ def OUTPERFORM_20D(CLOSE, INDEX_CLOSE):  # 20日相对强度：个股涨幅跑
    return IF(stock_ret > index_ret, 1, 0)


+def SAR(HIGH, LOW, AF_STEP=0.02, AF_MAX=0.2):  # 抛物线转向指标：基于 ATR 思想的动态止损位
+    HIGH = np.asarray(HIGH, dtype=float)
+    LOW = np.asarray(LOW, dtype=float)
+    n = len(HIGH)
+    sar = np.full(n, np.nan)
+    if n == 0:
+        return sar
+    # 初始假设上涨趋势：SAR 起点取首根低点，极值点取首根高点
+    bull = True
+    af = AF_STEP
+    ep = HIGH[0]
+    sar[0] = LOW[0]
+    for i in range(1, n):
+        # 下一根 SAR = 前一根 SAR + AF * (EP - 前一根 SAR)
+        new_sar = sar[i - 1] + af * (ep - sar[i - 1])
+        # SAR 不能进入前两根 K 线极值范围（Wilder 标准限制，避免 SAR 被价格穿越）
+        prev2 = max(i - 2, 0)
+        if bull:
+            new_sar = min(new_sar, LOW[i - 1], LOW[prev2])
+        else:
+            new_sar = max(new_sar, HIGH[i - 1], HIGH[prev2])
+        sar[i] = new_sar
+        # 反转判断：上涨时 LOW 穿越止损位 / 下跌时 HIGH 穿越止损位
+        if bull and LOW[i] <= new_sar:
+            bull = False
+            sar[i] = ep  # 反转点 SAR = 前极值点
+            ep = LOW[i]
+            af = AF_STEP
+        elif not bull and HIGH[i] >= new_sar:
+            bull = True
+            sar[i] = ep
+            ep = HIGH[i]
+            af = AF_STEP
+        else:
+            # 无反转，更新极值点和加速因子
+            if bull and HIGH[i] > ep:
+                ep = HIGH[i]
+                af = min(af + AF_STEP, AF_MAX)
+            elif not bull and LOW[i] < ep:
+                ep = LOW[i]
+                af = min(af + AF_STEP, AF_MAX)
+    return sar
+
+
+def VWAP(CLOSE, HIGH, LOW, VOL, N=20):  # 成交量加权均价：N日滚动机构基准成本价
+    TP = (HIGH + LOW + CLOSE) / 3.0  # 典型价格
+    num = pd.Series(TP * VOL).rolling(N).sum().values
+    den = pd.Series(VOL).rolling(N).sum().values
+    with np.errstate(divide="ignore", invalid="ignore"):
+        return np.where(den > 0, num / den, np.nan)
+
+
+def AROON(HIGH, LOW, N=25):  # 阿隆指标：趋势启动时机识别（N周期内新高/新低距今多少根）
+    # HHVBARS/LLVBARS 返回极值距今的周期数
+    up_bars = HHVBARS(HIGH, N)  # N周期最高价距今周期数
+    down_bars = LLVBARS(LOW, N)  # N周期最低价距今周期数
+    AROON_UP = (N - up_bars) / N * 100  # 越接近100=近期创新高=上涨动能强
+    AROON_DOWN = (N - down_bars) / N * 100  # 越接近100=近期创新低=下跌动能强
+    OSC = AROON_UP - AROON_DOWN  # 震荡指标：正值多头，负值空头
+    return RD(AROON_UP), RD(AROON_DOWN), RD(OSC)
+
+
 # 望大家能提交更多指标和函数  https://github.com/mpquant/MyTT
@@ -91,6 +91,20 @@ def PSY(CLOSE: npt.ArrayLike, N: int = ...) -> NDArray: ...
 def TAQ(CLOSE: npt.ArrayLike, N: int = ...) -> NDArray: ...
 def XSII(CLOSE: npt.ArrayLike, HIGH: npt.ArrayLike, LOW: npt.ArrayLike, N: int = ...) -> NDArray: ...
 def ZHUOYAO(CLOSE: npt.ArrayLike, HIGH: npt.ArrayLike, LOW: npt.ArrayLike, VOL: npt.ArrayLike) -> NDArray: ...
+def SAR(HIGH: npt.ArrayLike, LOW: npt.ArrayLike, AF_STEP: float = ..., AF_MAX: float = ...) -> NDArray: ...
+def VWAP(
+    CLOSE: npt.ArrayLike,
+    HIGH: npt.ArrayLike,
+    LOW: npt.ArrayLike,
+    VOL: npt.ArrayLike,
+    N: int = ...,
+) -> NDArray: ...
+def AROON(
+    HIGH: npt.ArrayLike,
+    LOW: npt.ArrayLike,
+    N: int = ...,
+) -> tuple[NDArray, NDArray, NDArray]: ...
+def FK(CLOSE: npt.ArrayLike) -> NDArray: ...

 # ── Utility Functions ────────────────────────────────────────────────────────

@@ -199,6 +199,46 @@ _reg(
    "TAQ", ("high", "low"), ("TAQ_UP", "TAQ_MID", "TAQ_DOWN"), MyTT.TAQ, {"N": 20}, "TAQ 唐安奇通道"
 )

+# ── SAR 抛物线转向（仅需 high + low）─────────────────────────────────
+_reg(
+    "SAR",
+    ("high", "low"),
+    ("SAR",),
+    MyTT.SAR,
+    {"AF_STEP": 0.02, "AF_MAX": 0.2},
+    "SAR 抛物线转向（动态止损位）",
+)
+
+# ── VWAP 成交量加权均价（close + high + low + vol）────────────────────
+_reg(
+    "VWAP",
+    ("close", "high", "low", "vol"),
+    ("VWAP",),
+    MyTT.VWAP,
+    {"N": 20},
+    "VWAP 成交量加权均价（N日滚动机构基准成本）",
+)
+
+# ── Aroon 阿隆指标（仅需 high + low）────────────────────────────────
+_reg(
+    "AROON",
+    ("high", "low"),
+    ("AROON_UP", "AROON_DOWN", "AROON_OSC"),
+    MyTT.AROON,
+    {"N": 25},
+    "AROON 阿隆指标（趋势启动时机）",
+)
+
+# ── FK 趋势快线慢线（仅需 close，清理孤儿函数）──────────────────────
+_reg(
+    "FK",
+    ("close",),
+    ("FK",),
+    MyTT.FK,
+    {},
+    "FK 趋势指标（EMA(2) 突破斜率外推 EMA(42)，动量偏离检测）",
+)
+

 def list_indicators() -> list[dict[str, object]]:
    """返回所有可用指标的元数据。"""
@@ -0,0 +1,216 @@
+"""MyTT.py 新增指标函数（SAR/VWAP/AROON/FK）的数值正确性与边界测试。
+
+这些测试针对 MyTT.py 里函数本身，不经过 indicator.py 注册层。
+注册层的端到端覆盖在 test_indicator.py::TestComputeIndicators::test_all_registered_indicators_run。
+"""
+
+from __future__ import annotations
+
+import numpy as np
+import pandas as pd
+import pytest
+
+from easy_tdx import MyTT
+
+
+def _ohlcv(n: int = 200, seed: int = 42) -> tuple[np.ndarray, ...]:
+    rng = np.random.default_rng(seed)
+    close = 100 + np.cumsum(rng.standard_normal(n) * 0.5)
+    high = close + np.abs(rng.standard_normal(n))
+    low = close - np.abs(rng.standard_normal(n))
+    open_ = low + (high - low) * rng.random(n)
+    vol = (rng.random(n) * 1e6 + 1.0).astype(float)  # +1 避免全零
+    return open_, high, low, close, vol
+
+
+class TestSAR:
+    """SAR 抛物线转向指标。"""
+
+    def test_returns_same_length(self):
+        _, high, low, _, _ = _ohlcv()
+        sar = MyTT.SAR(high, low)
+        assert len(sar) == len(high)
+
+    def test_first_value_is_low(self):
+        # 默认假设上涨趋势，SAR 起点取首根低点
+        _, high, low, _, _ = _ohlcv()
+        sar = MyTT.SAR(high, low)
+        assert sar[0] == pytest.approx(low[0])
+
+    def test_empty_input(self):
+        sar = MyTT.SAR(np.array([]), np.array([]))
+        assert len(sar) == 0
+
+    def test_flat_market_no_crash(self):
+        # 一字板/停牌：高低价完全相同，不应崩溃或产生 inf
+        flat = np.full(50, 10.0)
+        sar = MyTT.SAR(flat, flat)
+        assert len(sar) == 50
+        assert np.isfinite(sar[1:]).all(), "SAR 不应产生 inf/nan（首值外）"
+
+    def test_rising_market_sar_below_price(self):
+        # 持续上涨时 SAR 应在价格下方（上涨止损位）
+        high = np.arange(50, dtype=float) + 1
+        low = np.arange(50, dtype=float)
+        sar = MyTT.SAR(high, low)
+        # 前 5 根建立趋势后，SAR 应低于对应低点
+        assert (sar[5:] <= low[5:] + 1e-6).all()
+
+    def test_falling_market_sar_above_price(self):
+        # 持续下跌时 SAR 应在价格上方（下跌止损位）
+        low = np.array([100 - i for i in range(50)], dtype=float)
+        high = low + 1
+        sar = MyTT.SAR(high, low)
+        # 确认在某处发生反转（趋势从上涨初判切换）
+        # 不强求全程在上方（初判是上涨），但尾部下跌段 SAR 应高于 low
+        assert sar[-1] > low[-1]
+
+    def test_reversal_resets_af(self):
+        # 反转时加速因子应回到 AF_STEP（无法直接观测，间接验证：反转后第一步 SAR 等于前极值点）
+        # 构造 V 型反转：先涨后跌
+        rise_h = np.arange(25, dtype=float) + 1
+        fall_h = np.array([25 - i + 1 for i in range(1, 25)])
+        high = np.concatenate([rise_h, fall_h])
+        rise_l = np.arange(25, dtype=float)
+        fall_l = np.array([25 - i for i in range(1, 25)])
+        low = np.concatenate([rise_l, fall_l])
+        sar = MyTT.SAR(high, low)
+        assert np.isfinite(sar).all()
+
+    def test_acceleration_factor_capped(self):
+        # 长期单边上涨，AF 不应超过 AF_MAX（通过 SAR 增量间接验证不发散）
+        high = np.cumsum(np.ones(100)) + 1  # 每根 +1
+        low = np.cumsum(np.ones(100))
+        sar = MyTT.SAR(high, low, AF_STEP=0.02, AF_MAX=0.2)
+        assert np.isfinite(sar).all()
+        # SAR 全程应在 low 之下（持续上涨不反转）
+        valid = sar[2:]
+        assert (valid <= low[2:] + 1e-6).all()
+
+
+class TestVWAP:
+    """VWAP 成交量加权均价。"""
+
+    def test_returns_same_length(self):
+        _, high, low, close, vol = _ohlcv()
+        vwap = MyTT.VWAP(close, high, low, vol, N=20)
+        assert len(vwap) == len(close)
+
+    def test_leading_nan(self):
+        # 前 N-1 根应为 nan（rolling 窗口未填满）
+        _, high, low, close, vol = _ohlcv()
+        vwap = MyTT.VWAP(close, high, low, vol, N=20)
+        assert np.isnan(vwap[:19]).all()
+        assert not np.isnan(vwap[19])
+
+    def test_constant_price(self):
+        # 价格、量都恒定时，VWAP 应等于典型价格
+        n = 50
+        close = np.full(n, 10.0)
+        high = np.full(n, 11.0)
+        low = np.full(n, 9.0)
+        vol = np.full(n, 1000.0)
+        vwap = MyTT.VWAP(close, high, low, vol, N=20)
+        expected_tp = (11 + 9 + 10) / 3.0  # =10.0
+        assert np.allclose(vwap[19:], expected_tp, equal_nan=True)
+
+    def test_uniform_volume_equals_typical_price_mean(self):
+        # 等量时 VWAP = 典型价格的 N 日均值
+        n = 100
+        rng = np.random.default_rng(1)
+        close = 100 + rng.standard_normal(n)
+        high = close + 1
+        low = close - 1
+        vol = np.full(n, 500.0)
+        tp = (high + low + close) / 3.0
+        vwap = MyTT.VWAP(close, high, low, vol, N=10)
+        tp_ma = pd.Series(tp).rolling(10).mean().values
+        assert np.allclose(vwap, tp_ma, equal_nan=True)
+
+    def test_zero_volume_returns_nan(self):
+        # 全零成交量时，VWAP 应为 nan（除零保护）
+        n = 30
+        close = np.full(n, 10.0)
+        high = np.full(n, 11.0)
+        low = np.full(n, 9.0)
+        vol = np.zeros(n)
+        vwap = MyTT.VWAP(close, high, low, vol, N=20)
+        assert np.isnan(vwap[19:]).all()
+
+
+class TestAROON:
+    """Aroon 阿隆指标。"""
+
+    def test_returns_three_arrays(self):
+        _, high, low, _, _ = _ohlcv()
+        up, down, osc = MyTT.AROON(high, low, N=25)
+        assert len(up) == len(high)
+        assert len(down) == len(high)
+        assert len(osc) == len(high)
+
+    def test_range_zero_to_hundred(self):
+        # AROON_UP/DOWN 应在 [0, 100] 区间
+        _, high, low, _, _ = _ohlcv()
+        up, down, _ = MyTT.AROON(high, low, N=25)
+        # 跳过 rolling 窗口前的 nan
+        valid_up = up[24:]
+        valid_down = down[24:]
+        assert (valid_up >= 0).all() and (valid_up <= 100).all()
+        assert (valid_down >= 0).all() and (valid_down <= 100).all()
+
+    def test_new_high_gives_full_up(self):
+        # 在窗口末端创新高时，AROON_UP 应 = 100
+        n = 50
+        high = np.linspace(1, 30, n)  # 单调上升，末根创新高
+        low = high - 0.5
+        up, down, _ = MyTT.AROON(high, low, N=25)
+        assert up[-1] == pytest.approx(100.0)
+
+    def test_new_low_gives_full_down(self):
+        # 在窗口末端创新低时，AROON_DOWN 应 = 100
+        n = 50
+        low = np.linspace(30, 1, n)  # 单调下降
+        high = low + 0.5
+        _, down, _ = MyTT.AROON(high, low, N=25)
+        assert down[-1] == pytest.approx(100.0)
+
+    def test_osc_is_difference(self):
+        # OSC = UP - DOWN
+        _, high, low, _, _ = _ohlcv()
+        up, down, osc = MyTT.AROON(high, low, N=25)
+        assert np.allclose(osc[24:], (up - down)[24:], equal_nan=True)
+
+    def test_leading_nan(self):
+        _, high, low, _, _ = _ohlcv()
+        up, down, _ = MyTT.AROON(high, low, N=25)
+        # HHVBARS/LLVBARS 在 N-1 根前为 nan
+        assert np.isnan(up[:24]).all()
+
+
+class TestFK:
+    """FK 趋势指标（布尔输出）。
+
+    慢线用 SLOPE(CLOSE,21)*20 做斜率外推：上涨时慢线被正斜率推高，
+    下跌时被负斜率压低。FK = fast(EMA2) > slow(外推 EMA42)，
+    语义是"价格是否突破趋势外推线"，本质是动量/反转偏离检测：
+    - 强下跌时 fast 相对外推慢线偏高 → FK=True（超卖/反弹信号）
+    - 强上涨时慢线被推高，fast 难以超越 → FK=False（未超买或接近超买）
+    """
+
+    def test_returns_boolean_array(self):
+        close = _ohlcv()[3]
+        fk = MyTT.FK(close)
+        assert len(fk) == len(close)
+        assert fk.dtype == bool
+
+    def test_rising_market_returns_false(self):
+        # 强上涨：正斜率外推把慢线推高，fast < slow → FK=False
+        close = np.cumsum(np.ones(100))  # 每根 +1
+        fk = MyTT.FK(close)
+        assert bool(fk[-1]) is False
+
+    def test_falling_market_returns_true(self):
+        # 强下跌：负斜率外推把慢线压低，fast > slow → FK=True
+        close = np.array([100 - i for i in range(100)], dtype=float)
+        fk = MyTT.FK(close)
+        assert bool(fk[-1]) is True