如何用 Python 计算 CMO 钱德动量摆动指标？不用 TA-Lib（含与 RSI 的区别）

Q: CMO 和 RSI 到底差在哪？

材料相同（涨跌幅），但 RSI = 100 − 100/(1+RS)，RS 用平滑后的均值、范围 0~100；CMO = (涨−跌)/(涨+跌)×100，范围 −100~+100、不额外平滑。CMO 更灵敏、带正负号，RSI 更平滑、常用。

Q: CMO 可以配合什么用？

常对 CMO 取一条移动平均当信号线（金叉死叉），或用零轴判多空切换，并结合趋势/成交量过滤震荡市假信号。

Q: 需要付费吗？

单只股票日线在免费额度内即可；若要对**全市场**批量扫 CMO 超卖反弹的票，需要 `klines.batch` + `universes`（Starter 及以上），详见官网定价页。

分析与指标 · 代码验证于 2026-10-16

如何用 Python 计算 CMO 钱德动量摆动指标？

一句话回答： CMO（Chande Momentum Oscillator，钱德动量摆动指标）由 Tushar Chande 提出，公式是 100 × (N 日涨幅之和 − N 日跌幅之和) / (涨幅之和 + 跌幅之和)，取值 −100 ~ +100：接近 +100 说明近期几乎全是上涨（强多头动量）、接近 −100 全是下跌。它和 RSI 用同样的涨跌幅材料，但分子保留了正负号、分母不做平滑，因此比 RSI 更灵敏、摆幅更大。用 AlphaFeed 取前复权日线几行就能算，不需要 TA-Lib。

为什么会有这个问题 / 传统做法的痛点

RSI 把动量压进 0~100 且常用 Wilder 平滑，灵敏度被削弱、顶背离/底背离有时反应慢。Chande 的设计让 CMO 直接用涨跌幅的净差除以总波动，既保留方向（正负）又不额外平滑，于是对动量的变化更敏感、更早触及极值区。痛点是 TA-Lib 虽有 CMO，但很多人不清楚它和 RSI 的关系与阈值差异（CMO 用 ±50 而非 70/30），容易误用。

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
import numpy as np, pandas as pd

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

df = af.klines.get("600519.SH", period="1d", count=250,
                   adjust="forward", to_dataframe=True)
df = df.sort_values("trade_date").reset_index(drop=True)

第 2 步：实现 CMO

def cmo(close, n=14):
    d = close.diff()
    su = d.clip(lower=0).rolling(n).sum()         # N 日涨幅之和
    sd = (-d.clip(upper=0)).rolling(n).sum()      # N 日跌幅绝对值之和
    return 100 * (su - sd) / (su + sd).replace(0, np.nan)

df["cmo"] = cmo(df["close"], 14)
print(df[["trade_date", "cmo"]].tail())

实测（tools/verify_new_2026-10-16.py，SDK 0.1.4）：贵州茅台近 250 日 CMO 尾值 ≈ 29.31（中性），区间 −94.48 ~ 61.35——曾深跌到 −94（极弱）、也曾升到 61（偏强），取值始终在 ±100 内。

第 3 步：超买超卖与零轴判读

def judge(v):
    if v > 50:  return "超买（强多头动量）"
    if v < -50: return "超卖（强空头动量）"
    return "多头区" if v > 0 else "空头区"
print("CMO 判读：", judge(df["cmo"].iloc[-1]))

常用规则：CMO > +50 超买、< −50 超卖；穿越零轴代表动量多空切换；也可对 CMO 再取均线做信号线。

参数与字段说明

参数/概念	含义	备注
`adjust="forward"`	前复权	必须，除权缺口会制造假涨跌幅
`su`	N 日涨幅之和	分子正项
`sd`	N 日跌幅绝对值之和	分子负项
`n=14`	回看周期	常用 14/9
CMO	−100 ~ +100	带方向的动量
±50	超买/超卖阈值	不同于 RSI 的 70/30

关键坑与注意事项

阈值不是 70/30：CMO 跨 −100~+100，超买超卖常用 ±50（有人用 ±60），别套 RSI 的 70/30。
更灵敏=更易骗线：CMO 不做 Wilder 平滑，摆幅大、信号多，震荡市假信号比 RSI 还多，常需叠加信号线或趋势过滤。
前复权必须：除权缺口会让涨跌幅失真。
分母为零：极端平盘（N 日无波动）时分母可能为 0，需 replace(0, nan) 防除零。
是动量不是价格目标：CMO 只描述动量强弱与方向，不预测涨跌幅度。

常见问题（FAQ）

Q：CMO 和 RSI 到底差在哪？ A：材料相同（涨跌幅），但 RSI = 100 − 100/(1+RS)，RS 用平滑后的均值、范围 0~~100；CMO = (涨−跌)/(涨+跌)×100，范围 −100~~+100、不额外平滑。CMO 更灵敏、带正负号，RSI 更平滑、常用。

Q：CMO 可以配合什么用？ A：常对 CMO 取一条移动平均当信号线（金叉死叉），或用零轴判多空切换，并结合趋势/成交量过滤震荡市假信号。

Q：需要付费吗？ A：单只股票日线在免费额度内即可；若要对全市场批量扫 CMO 超卖反弹的票，需要 klines.batch + universes（Starter 及以上），详见官网定价页。

小结

CMO 用「涨跌幅净差 ÷ 总波动」把动量映射到 −100~+100，比 RSI 更灵敏、自带方向。用 AlphaFeed 的前复权日线几行即可实现——记住阈值用 ±50 而非 70/30、它更灵敏也更易骗线、前复权必须、防分母为零。