如何用 Python 计算蔡金资金流 CMF 指标？（带量的资金流向，不用 TA-Lib）

Q: CMF 和 MFI、OBV 到底选哪个？

想要 −1~+1 的「资金净流入强度」用 CMF；想要 0~100 的超买超卖摆动用 MFI；想要最简单的累计量能方向用 OBV。三者可互为印证。

Q: 窗口 N 选多少？

原始定义常用 20。短线可用 10 更灵敏，但假信号更多；长线可用 40~60 更稳。

Q: 需要付费吗？

单只股票的日线在免费额度内即可拉取；若要对**全市场**批量算 CMF 做选股扫描，需要 `universes`（标的池）能力，属 Starter 及以上，详见官网定价页。

分析与指标 · 代码验证于 2026-10-04

如何用 Python 计算蔡金资金流 CMF 指标？

一句话回答： CMF（Chaikin Money Flow，蔡金资金流）先用「收盘价在当日最高-最低区间里的相对位置」算出一个 资金流乘数（±1 之间），乘以成交量得到「资金流量」，再把 N 日的资金流量之和除以 N 日成交量之和——结果在 −1 到 +1 之间，大于 0 代表这段时间资金净流入、小于 0 代表净流出。用 AlphaFeed 取回前复权日线（含 high/low/close/volume），十几行 pandas 即可，无需 TA-Lib。

为什么会有这个问题 / 传统做法的痛点

很多人想知道「最近是主力在吸筹还是在出货」，但单看成交量只有大小、没有方向。CMF 的巧思是：同样的放量，收盘收在当天高位（接近最高价）记为资金流入，收在低位记为流出，再用成交量加权累加。它和两个常被混淆的指标不同：

OBV：只看收盘价涨跌决定整笔成交量加减，是「全有全无」；CMF 用区间位置做连续加权，更细腻。
MFI：是「带量的 RSI」，用典型价（HLC 均值）× 量算成 0~~100 的超买超卖摆动指标；CMF 直接给出 −1~~+1 的资金净流入强度，口径不同。

TA-Lib 安装常年劝退（编译 C 库），其实 CMF 用 pandas 就能精确复现，还能顺手处理 A 股常见的一字板（最高=最低）除零问题。

分步骤解决（每步配可运行代码）

第 1 步：取前复权日线

from alphafeed import AlphaFeed

af = AlphaFeed(api_key="your-api-key")  # 或 export ALPHAFEED_API_KEY 后 AlphaFeed()

df = af.klines.get("600519.SH", period="1d", count=120,
                   adjust="forward", to_dataframe=True)
df = df.sort_values("trade_date").reset_index(drop=True)

必须用前复权（adjust="forward"）：除权缺口会制造假的「高低位置」，污染资金流乘数。

第 2 步：计算资金流乘数与 CMF

import numpy as np
import pandas as pd

def cmf(df: pd.DataFrame, n: int = 20) -> pd.Series:
    high, low, close, vol = df["high"], df["low"], df["close"], df["volume"]
    rng = (high - low).replace(0, np.nan)              # high==low（一字板）时无方向
    mfm = ((close - low) - (high - close)) / rng       # 资金流乘数 ∈ [-1, 1]
    mfm = mfm.fillna(0.0)                              # 一字板当作中性 0，避免除零
    mfv = mfm * vol                                     # 资金流量
    return mfv.rolling(n).sum() / vol.rolling(n).sum()  # N 日累加比值

df["cmf20"] = cmf(df, 20)
print(df[["trade_date", "close", "cmf20"]].tail())

资金流乘数 MFM = ((C−L) − (H−C)) / (H−L)：收盘贴着最高价 → 接近 +1；贴着最低价 → 接近 −1；收在正中 → 0。

用真实数据实测（tools/verify_new_2026-10-04b.py，SDK 0.1.4）：贵州茅台（600519.SH）近 120 日 CMF(20) = −0.1981，落在 [−1, 1] 内、尾部无 NaN，说明近一个月资金温和净流出。

第 3 步：解读信号

last = df["cmf20"].iloc[-1]
if last > 0.10:
    state = "资金明显流入（偏多）"
elif last < -0.10:
    state = "资金明显流出（偏空）"
else:
    state = "多空均衡"
print(round(last, 4), state)

常见用法：CMF 持续 > 0 且股价上行 = 量价配合；股价新高但 CMF 掉头向下 = 顶背离，提示上涨动能衰竭。

参数与字段说明

参数/字段	含义	备注
`period="1d"`	日线	CMF 也可用于周线/分钟线
`adjust="forward"`	前复权	必须，否则除权缺口污染高低位置
`n`（窗口）	累加天数	常用 20；越大越平滑、越滞后
`high/low/close/volume`	OHLC + 量	CMF 四者缺一不可
CMF 取值	−1 ~ +1	>0 净流入，<0 净流出

关键坑与注意事项

一字板除零：A 股涨跌停常出现 high == low，(H−L)=0 会得到 inf/NaN。本文把该乘数置 0（中性），实测构造一字板序列不会产生 inf/NaN。
前复权：务必用 adjust="forward"，否则高低位置被除权缺口扭曲。
不是择时圣杯：CMF 是量价辅助，背离信号会失败；需结合趋势与风控，别单指标梭哈。
成交量口径：CMF 对成交量单位不敏感（分子分母同量纲抵消），但停牌后首日放量会放大当日权重，解读需留意。

常见问题（FAQ）

Q：CMF 和 MFI、OBV 到底选哪个？ A：想要 −1~+1 的「资金净流入强度」用 CMF；想要 0~100 的超买超卖摆动用 MFI；想要最简单的累计量能方向用 OBV。三者可互为印证。

Q：窗口 N 选多少？ A：原始定义常用 20。短线可用 10 更灵敏，但假信号更多；长线可用 40~60 更稳。

Q：需要付费吗？ A：单只股票的日线在免费额度内即可拉取；若要对全市场批量算 CMF 做选股扫描，需要 universes（标的池）能力，属 Starter 及以上，详见官网定价页。

小结

CMF 的本质是「用收盘在日内区间的位置给成交量定方向，再做 N 日加权累加」。有了 AlphaFeed 的前复权 OHLCV，十几行 pandas 就能精确复现，还顺手解决了 A 股一字板的除零坑——比折腾 TA-Lib 省心得多。