单只历史日线有免费额度；全市场批量算 CR（`klines.batch` + `universes`）需 Starter 及以上。详见[定价页](https://alphafeed.org/)。

如何用 Python 计算 CR 能量指标（中间意愿指标）？判断多空能量强弱

Q: CR 和 BR 有什么区别？

BR 以前一日**收盘价**为基准，CR 以前一日**中价**`(高+低)/2`为基准。CR 对多空能量的刻画更中性，常与 BRAR 配合使用。

分析与指标 · 代码验证于 2026-09-30

如何用 Python 计算 CR 能量指标（中间意愿指标）？

一句话回答： CR 指标以「前一日中价」(前高+前低)/2 为基准，用过去 N 日「最高价高出中价的部分之和」比「中价高出最低价的部分之和」，衡量多方上冲能量与空方下探能量的对比。用 AlphaFeed 取回前复权日线后，几行 pandas 就能算出 CR，不需要 TA-Lib。

为什么会有这个问题 / 传统做法的痛点

CR 和 BR 都衡量「意愿」，但基准不同：BR 以前一日收盘价为基准，CR 以前一日中价（最高最低的均值）为基准，对多空能量的刻画更中性。坑在于：一是要用前复权价，避免除权跳空；二是「高出/低出部分」要截断负值再求和，别直接相减；三是 CR 常配多条不同周期均线一起看。

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 pandas as pd

af = AlphaFeed()  # 读取 ALPHAFEED_API_KEY

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)

CR 依赖每日最高/最低价，务必用 adjust="forward"（前复权），避免除权跳空。

第 2 步：计算 CR（前一日中价为基准）

def cr(df: pd.DataFrame, n: int = 26) -> pd.Series:
    mid = (df["high"].shift(1) + df["low"].shift(1)) / 2   # 前一日中价
    up = (df["high"] - mid).clip(lower=0)                  # 上冲能量(截断负值)
    dn = (mid - df["low"]).clip(lower=0)                   # 下探能量(截断负值)
    return up.rolling(n).sum() / dn.rolling(n).sum() * 100

df["CR"] = cr(df, n=26)
print(df[["trade_date", "close", "CR"]].tail(5).to_string(index=False))

参数与含义：

字段	含义	常用值/解读
`n`	统计周期	26
`mid`	前一日中价 `(前高+前低)/2`	CR 的基准
`CR`	上冲能量 ÷ 下探能量 ×100	高=多方强，低=空方强

第 3 步：CR 均线与区间参考

# CR 常配多条均线（不同周期、且各自向前平移半个周期）作辅助
df["CR_ma1"] = df["CR"].rolling(10).mean()
df["CR_ma2"] = df["CR"].rolling(20).mean()

cur = df["CR"].iloc[-1]
if cur < 40:
    state = "低能量区（超卖，可能筑底）"
elif cur > 300:
    state = "高能量区（超买，注意风险）"
else:
    state = "正常区"
print(f"CR={cur:.0f} → {state}")

CR 经验区间（参考，因品种而异）：

CR 区间	含义
< 40	低能量/超卖区，常见相对底部
40 ~ 160	正常区
160 ~ 300	强势/活跃区
> 300~400	高能量/超买区，警惕回落

第 4 步：全市场批量筛「低 CR」候选

codes = ["600519.SH", "000001.SZ", "601318.SH", "000858.SZ", "300750.SZ"]
data = af.klines.batch(codes, period="1d", count=60,
                       adjust="forward", to_dataframe=True)
low_cr = []
for sym, k in data.items():
    k = k.sort_values("trade_date")
    c = cr(k)
    if pd.notna(c.iloc[-1]) and c.iloc[-1] <= 60:
        low_cr.append((sym, round(float(c.iloc[-1]), 0)))
print("低 CR 候选:", low_cr)

关键坑与注意事项

必须用前复权价：除权跳空会让中价与能量计算失真。
基准是「前一日中价」：(前高+前低)/2 且用 shift(1)，别用当日中价或收盘价（那是 BR）。
能量要截断负值：(high−mid) 与 (mid−low) 取非负部分再求和。
阈值是经验值：作相对参考而非绝对买卖点；高 CR 可能续强、低 CR 可能续弱。
除以零风险：区间内下探能量趋近 0 时 CR 会极大，需处理异常值。
样本足够：n=26 需预热，count 建议 ≥ 40，忽略头部 NaN。

常见问题（FAQ）

Q：CR 和 BR 有什么区别？ A：BR 以前一日收盘价为基准，CR 以前一日中价(高+低)/2为基准。CR 对多空能量的刻画更中性，常与 BRAR 配合使用。

Q：CR 的均线怎么用？ A：传统 CR 会配 a/b/c/d 四条不同周期均线判断趋势与买卖带。简化用法是配 1~2 条均线看 CR 与均线的交叉与相对位置。

Q：默认周期用多少？ A：常用 26。越短越灵敏。先用 26 观察区间与均线关系。

Q：需要付费吗？ A：单只历史日线有免费额度；全市场批量算 CR（klines.batch + universes）需 Starter 及以上。详见定价页。

小结

CR 能量指标的本质是「以前一日中价为基准，比较上冲与下探能量」。实现只需 pandas，不依赖 TA-Lib。关键是用前复权价、基准取前一日中价并 shift(1)、能量截断负值、把阈值当相对参考。用 AlphaFeed 取回前复权日线，几行就能算出 CR 并做全市场筛选。