Layer 0 · 原子因子 (Atomic Factors)
最基础的数据输入节点 — 价格、成交量、宏观、情绪等原子序列 + 纯数学 primitive (SMA / RSI / Sharpe 等)
模块数量：共 22 个 · 13 个 Active（已部署）
自动生成
本页由 scripts/build-docs-layer-index.py 根据每张 operator card 的 frontmatter 自动生成，请勿手动编辑 — 修改会被脚本覆盖。 如需调整列表，请编辑对应 operator card 的 frontmatter，或修改 脚本里的 label 映射。
✅ Active（已部署）
已通过 golden test、已 ship 到 Canvas 生产的 operator
平均真实波幅
ATR = RMA(True Range, 14)，真实波幅的 Wilder RMA 平均。用于 position sizing / stop-loss / volatility filter。
同比 / 环比增长率序列
从值序列计算逐期增长率 g_t = (v_t - v_{t-1}) / v_{t-1}，None / 零基线自动跳过（返回 None 占位）。库级 primitive。
Hodrick-Prescott 滤波（二阶差分惩罚趋势提取）
经典 Hodrick-Prescott 滤波：对时间序列做 λ 加权二阶差分惩罚最小化，分解为 trend + cycle。Pangura 用直接 numpy.linalg.solve 实现，与 statsmodels.tsa.filters.hp_filter 对齐到 1e-10。作为 mfle_output_...
Macro Factor — FRED 宏观序列 → 体制判定快照
Canvas 宏观原子节点：拉 FRED 宏观序列（CPI / FEDFUNDS / UNRATE / GDPC1 等），由 MFLE 引擎聚合为当前体制判定 + cycle phase + output gap。是 Canvas 图中所有 regime-driven operator（bull/bear_age...
News Feed — 关键词 / ticker RSS 新闻流
Canvas 新闻流原子节点：按关键词或 ticker 拉近期新闻 RSS / 多类别聚合。三路 fallback 级联：explicit ticker RSS → keyword 多类别合并 → ticker RSS 最后兜底。下游接 qibo / sentiment / institution_agent 做...
百分位排名
某值在参考序列中的百分位排名：strictly-less count / total。分布无关替代方案，优于 z_score 在非正态场景。
Price Factor — 任意标的最新价 + 回溯历史
Canvas 最基础节点：查询任意行情代码（股票/ETF/指数/外汇/大宗/加密）的最新价 + N 日回溯历史（sparkline + return 计算）。是 Pangura 全栈 Canvas 图的数据入口 —— 下游所有 Tier 1+ 算子都可以消费 price_factor 的输出。通过 /api/ma...
滚动均值
窗口大小 w 的滚动均值；窗口内 None 值自动跳过（不填充 None 到 output）。库级 primitive。
Sentiment Factor — 新闻 NLP + TV rating + Fear & Greed 合成
Canvas 情绪原子节点：合成多源情绪信号（新闻 NLP / TradingView analyst rating / CNN Fear & Greed Index），返回单标的或全市场情绪分数。下游接 bear_agent, BLCV leadership, strategy 等做情绪加权。通过 /api/s...
稳定性分（1 - 变异系数 × 5 clipped）
基于变异系数 CV = std/mean 的稳定性打分：stability = clip(1 - CV × 5, 0, 1)。直接用于 BLCV-V / macro_cli 稳定性维度。
OLS 一维趋势斜率
numpy.polyfit 1 阶拟合的 slope 系数，用于判断序列趋势方向（升 / 降 / 平）。库级 primitive，BLCV-V / macro_cli 等 operator 消费。
Volume Factor — 标的成交量 + N 日均值比率
Canvas 成交量原子节点：拉任意标的 N 日 OHLCV，计算
currentVolume / avgVolume比率。放量常领先价格趋势 / 情绪转折 —— 可作为 technical_analysis、bull/bear_agent 的上游信号。通过 /api/market-data/history...
Z-Score 标准化
标准化一个值相对于参考序列：z = (v - μ) / σ（ddof=0）。None-filter + 零方差返回 None。库级 primitive。
🔁 Superseded（已迁移）
已被新版本替代
布林带
Bollinger Bands：middle = SMA(20)，upper/lower = middle ± 2×std_rolling。pandas-ta 库派遣实现。
指数移动平均
EWM recursive form (adjust=False)：EMA_t = α × price_t + (1-α) × EMA_{t-1}，α = 2/(period+1)。MACD / Bollinger 共用。
移动平均收敛/发散
MACD 三元组：MACD line (EMA12 - EMA26), signal line (EMA9 of MACD), histogram (MACD - signal)。pandas-ta 库派遣实现。
简单移动平均
pandas.Series.rolling(window).mean() 的 thin wrapper，period 默认 20。库级 primitive，MACD / Bollinger / momentum 策略的依赖。
两两皮尔逊相关矩阵
从 dict[name -> series] 计算两两 Pearson 相关矩阵，输出 nested dict。portfolio_optimization / portfolio_correlation / b0_criticality 等消费。
回撤序列 + 最大回撤
从日收益序列计算运行回撤序列 dd_t = (cum_t - running_max_t) / running_max_t，以及最大回撤（dd 序列的 min）。库级 primitive。
相对强弱指数
RSI = 100 - 100/(1 + RS)，RS = avg_gain / avg_loss 的滚动 smoothed 版本。默认 Wilder's RMA/SMMA 对标 Bloomberg；可选 Cutler's（简单 SMA 平均）。技术面共识指标。
夏普比率
年化 Sharpe 比率：(mean_excess_return) / std(excess_return) × √252，用作投资组合风险调整后收益的标准化指标。库级 primitive，被 portfolio_risk_metrics / 其他绩效 operator 消费。
索提诺比率
Sortino 比率：(mean_excess) / downside_std × √252，只对负收益分母 —— 修正 Sharpe 在厚尾 / 非对称分布下的失真。库级 primitive。