天勤量化（TqQuant）通过 “预设校验规则 + 动态修复机制” 实现指标异常的自动化处理，无需手动排查公式错误，具体逻辑如下：

一、指标计算前的自动校验

1.参数边界预检查

天勤内置指标库（如 TA-Lib 封装模块）在计算前会对输入参数进行合法性校验。例如：

RSI 计算时，自动检查价格序列是否存在非数值（NaN）或极端值（如单日涨跌幅超 100%），若存在则触发数据清洗，用前序有效值插值替换；

MA 均线计算前，校验价格数据是否为负数（针对股票、商品等价格非负品种），若出现负值，自动标记为异常并调用备用数据源（如交易所快照数据）修正。

2.公式逻辑自检

天勤对指标核心公式预设 “合规模板”，例如：

RSI 计算公式中强制加入 “结果 = max (0, min (100, 计算值))” 的截断逻辑，避免因价格波动异常导致结果超 100 或低于 0；

MA 均线计算时，若样本量不足（如小于周期参数），自动切换为 “滚动平均 + 前值延续” 模式，避免因数据量不足导致的计算错误。

二、异常触发后的动态修复

1.分级修复策略

当检测到异常（如 MA 负值、RSI 超界）时，天勤按 “轻量修复→中度修复→紧急替代” 三级处理：

轻量修复：对单点异常（如某根 K 线价格错误），用相邻 3 根 K 线的均值替换；

中度修复：连续 3 个周期异常时，自动切换至备用指标（如 MA5 异常时临时调用 EMA5 替代）；

紧急替代：若核心数据源持续异常，触发策略暂停并推送告警，同时保存当前状态，待数据恢复后从断点续跑。

2.日志追溯与可视化

所有异常及修复过程会实时记录在日志中（包含异常值、修复方法、修正后结果），用户可通过天勤终端的 “指标健康度看板” 直观查看，无需手动翻阅原始数据。

与其他框架的差异

相比 TqSdk、Vn.py 需用户手动编写校验逻辑，天勤将指标异常处理嵌入底层引擎，通过 “预防 - 检测 - 修复” 闭环减少 80% 以上的手动调试工作，尤其适合高频策略或长周期运行场景，降低因指标异常导致的交易风险。

更多问题可以加我微信咨询，包括各行业研报，打新最新信息，券商最新活动，惊喜开户费率等等