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fromalphafeedimportAlphaFeed 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 CMFimportnumpyasnpimportpandasaspddefcmf(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returnmfv.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]iflast>0.10:state="资金明显流入（偏多）"eliflast<-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/volumeOHLC + 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。参考AlphaFeed Python SDK 文档：https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart
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fromalphafeedimportAlphaFeed 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 CMFimportnumpyasnpimportpandasaspddefcmf(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returnmfv.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]iflast>0.10:state="资金明显流入（偏多）"eliflast<-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/volumeOHLC + 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。参考AlphaFeed Python SDK 文档：https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart