商品通道指数 CCI 实战：±100 通道反转背后的典型价格偏差怎么算

你在任何一款期货或外汇软件里，副图常躺着一个叫 CCI 的紫色曲线，摆动区间大致在 −200 到 +200 之间。很多人把它当「超买超卖表」：CCI > 100 就喊「超买要跌」、< −100 就喊「超卖要涨」。但如果你追问一句——CCI 那个数到底是怎么算出来的？为什么偏偏是 ±100 当阈值？那个神秘的 0.015 又是什么？——能答上来的交易者，十之一二。

结论先放这：CCI 不是「价格涨多高涨少」的直觉指标，它是一段标准化的偏离度——度量「今天典型价格（高+低+收的平均）偏离它最近 N 日统计中轴多少个『平均绝对偏差』」。它的全部信息量可以写成一句话：CCI 衡量当前价格相对其自身近期运行区间，是偏高了还是偏低了，而且做了无量纲标准化，所以跨品种、跨周期可直接比大小。它和 RSI、KDJ 同属「摆荡类」家族，但 CCI 用的是**典型价格 + 平均绝对偏差（MAD）**而非价格区间百分位，对「异常偏离」更敏感。

在我们的合成行情（一段以均值回复震荡为主、中间夹两段单边趋势的 800 个交易日）上：用「CCI 上穿 −100 做多、下穿 +100 平仓」的规则做无前瞻回测，CCI 策略 总收益 +107.9%（年化 25.9%、Sharpe 2.50、最大回撤 −10.1%）；同期买入持有虽然终值 +78.4%，却吃下了 −23.7% 的回撤。CCI 真正厉害的不是多赚那 30 个点，而是把最大回撤砍掉一半还多——这正是通道反转类指标的核心价值：它在震荡市里反复吃到「跌过头→弹、涨过头→落」的小段，又靠 ±100 阈值在危机段强制空仓。

一、从 TP 到 CCI：三步把价格变成一条偏离曲线#

CCI 的计算分三步，全部确定性，不依赖任何参数拟合（除了窗口 N 和那个常数 0.015）：

1) 典型价格 TP(i) = (High(i) + Low(i) + Close(i)) / 3
   → 用「含当日高低」的均价代表当天真实位置（比单用收盘价更抗单根影线噪声）
2) 中轴 SMA(i) = mean( TP(i−N+1 … i) )          # N 日简单移动平均
   平均绝对偏差 MD(i) = mean( |TP(i−N+1 … i) − SMA(i)| )
   → MD 度量「TP 围绕中轴摆动的典型幅度」，比方差更抗极端值
3) CCI(i) = ( TP(i) − SMA(i) ) / ( 0.015 · MD(i) )
   → 当前偏离，用「0.015 倍 MAD」做尺度归一

关键认知：CCI 是一个「偏离 ÷ 典型偏离幅度」的比值。当价格正好在中轴上，CCI≈0；当价格偏离了约「0.015 倍 MAD」的 k 倍，CCI≈k/0.015。那么 为什么要除 0.015？ 这是 Lambert 的经验常数——他希望「大约 70%~80% 的正常交易日 CCI 落进 ±100 之间」。数学上，若 TP 近似正态分布，约 1/0.015 ≈ 66.7 个 MAD 覆盖约 ±2.7σ，对应正态分布 99%+ 的尾部在 ±100 之外。换句话说，±100 不是拍脑袋的「超买超卖线」，而是「统计上约 70%~80% 时间不该越过的边界」。越界 = 价格进入了统计学意义上的「异常偏离」区。

二、从零实现：纯 numpy 复刻公式#

我们用纯 numpy 把上面三步摊开。注意 SMA 和 MD 都是 N 日滑动窗口，前 N−1 个数据点窗口不足，用「已可用数据」计算（工程上避免前段 NaN 污染）。

import numpy as np

def compute_cci(high, low, close, n=20):
    tp = (high + low + close) / 3.0                 # 1) 典型价格
    N = len(tp)
    sma = np.array([tp[max(0, i - n + 1): i + 1].mean() for i in range(N)])
    md = np.array([np.abs(tp[max(0, i - n + 1): i + 1] - sma[i]).mean()
                   for i in range(N)])              # 2) 平均绝对偏差
    md = np.where(md == 0, 1e-9, md)                # 防除零（一字板/数据缺失）
    cci = (tp - sma) / (0.015 * md)                 # 3) 标准化偏离
    return cci

这里有两个容易踩的坑：

• 除零：当某窗口内 High=Low=Close（一字涨跌停、或数据缺失填平），MD=0，分母变 0 → 整条 CCI 变 NaN。我们用 np.where(md==0, 1e-9, md) 兜底，给一个极小分母让 CCI 退化成「极大但有限」的读数，而不是污染全序列。实际工程里这步不能省。
• 窗口边界：前 N−1 根用「截至当前所有可用数据」算均值，而不是留空。这样 CCI 从第 1 根起就有值，回测不会浪费前段；代价是早期 CCI 口径和稳定期略有不同，对结果影响可忽略，但写论文/实盘时要标注清楚。

三、交易规则：别在 +100 上方死拿，也别在 −100 下方抄底#

裸的「CCI > 100 做空、< −100 做多」有个大毛病：在强趋势里 CCI 会长时间贴在 +100 上方（或 −100 下方）不回头，你若在 +100 上方反复做空，会被主升浪一路轧空。所以 CCI 最稳的用法是通道反转——等它「从异常区穿回正常区」才动手：

• 买入：要求 CCI 上穿 −100（从超卖区回到正常区）——意思是「跌透了、开始往中轴回」才做多。
• 卖出：CCI 下穿 +100（从超买区回到正常区）——意思是「涨疯了、开始往中轴落」就离场。

def gen_signals(cci):
    N = len(cci)
    long_entry = np.zeros(N, dtype=bool)
    long_exit  = np.zeros(N, dtype=bool)
    pos = 0
    for i in range(1, N):
        up_from_oversold   = (cci[i-1] <= -100) and (cci[i] > -100)  # 穿回正常区
        down_from_overbought = (cci[i-1] >=  100) and (cci[i] <  100)
        if pos == 0 and up_from_oversold:
            long_entry[i] = True;  pos = 1
        elif pos == 1 and down_from_overbought:
            long_exit[i]  = True;  pos = 0
    return long_entry, long_exit

规则里「先判断 pos==0 才允许开仓」是状态机，保证同一时刻不会既多又空、也不会重复开仓。回测里每个信号次日按收盘价执行（signal-on-i / execute-on-i+1），严格避免偷看未来——这是所有摆荡指标回测的红线。

四、实测结果：CCI 的价值写在回撤里#

把规则在「震荡为主 + 两段趋势」的合成行情上跑（800 交易日），结果如下：

这张表要拆开读：CCI 的总收益比买入持有多约 30 个点，看着不错；但它真正的底气在最大回撤从 −23.7% 压到 −10.1%——中间那段 −20%+ 的急跌，CCI 在 CCI 从 +100 上方穿回的信号下提前空仓，几乎全程避开了。对实盘而言，−10% 的回撤意味着你还能睡得着、不会在最低点砍仓；−23.7% 的回撤意味着心态可能已经崩了。通道反转类指标卖的是「睡眠」，不是「暴富」。

净值曲线把这件事说得更直白：

绿色曲线（CCI）在两段趋势段（120200、420500 交易日）明显跑输灰虚线（买入持有）——因为它要在 CCI 穿回 +100 时才平仓，趋势里会「早下车」。任何反转类指标都有这个结构性弱点：它靠「低买高卖、涨过头就走」吃饭，遇到真趋势它必然踏空。所以 CCI 不该单独扛组合，该和趋势指标（如均线方向、ADX）搭配——趋势强时让位给趋势，震荡时交给 CCI。

五、诚实拆穿：五类真实陷阱#

① 区间依赖：±100 只在「平稳震荡」里约 70%~80% 时间有效。 Lambert 的 0.015 常数是对「类正态、平稳」序列的经验拟合。一旦标的进入高波动 regime（如 2020 年 3 月、币圈暴涨暴跌），MAD 被放大，CCI 会频繁冲破 ±100 又迅速回落，±100 的「异常边界」语义失效。这时该用滚动分位或动态阈值，而不是死守 ±100。

② 0.015 不是金科玉律，只是「灵敏度旋钮」。 把 0.015 调小（如 0.01）→ CCI 数值被放大 → 更容易越界 → 信号更密更灵敏但假信号多；调大（如 0.02）→ 更迟钝、信号少但更稳。0.015 对应的是「约 70%~80% 时间在区间内」的经验灵敏度，不是最优。不同品种/周期应重新标定——商品期货和美股指数的「正常波动幅度」差一个量级，共用 0.015 是偷懒。

③ 趋势市严重踏空（CCI 的结构性死穴）。 本文两段趋势段，CCI 提前平仓、眼睁睁看买入持有多涨一大截。这是反转指标的原罪：它假设「涨过头必落」，但强趋势可以「超买再超买」很久。解决：叠加趋势过滤器——只在价格位于长期均线上方（或 ADX>25）时才允许 CCI 做多，趋势向下时禁用 CCI 信号。

④ 钝化：单边市里 CCI 粘在 +100/−100 外不回头。 强势上涨时 CCI 长期 > 100，你的「下穿 +100 平仓」信号迟迟不触发，浮盈回吐一大段；下跌同理。钝化和 KDJ 一样，是摆荡指标的阿喀琉斯之踵——它证明这指标天生为震荡市设计。

⑤ 参数脆弱：N=20 是约定俗成，不是最优。 默认 20 日源自商品期货的「一个月交易窗口」。换到 A 股日线、加密 4 小时线、或周线，20 未必合适：N 调大 → 中轴更平滑、信号更少更稳；N 调小 → 更灵敏但噪声大。参数要按品种和周期重新标定，并做样本外/walk-forward 验证，不能无脑照搬。

六、落到量化：你的日常工作流#

1. 先复刻公式再谈策略：用上面 compute_cci 把 CCI 算出来，对照软件副图逐点核对——很多「策略不灵」的 bug，其实是自己实现的 TP、滑动窗口或 0.015 常数和平台不一致。
2. 永远用「穿回」而非「越界」做信号：裸的 >100/<−100 反转在趋势里必死；至少用「上穿 −100 做多、下穿 +100 平仓」的通道反转，把钝化期的假信号砍掉。
3. 把它当「回撤刹车」而非「收益引擎」：报告里重点看最大回撤和回撤持续时间，而不是总收益。CCI 的贡献是「让你在异常偏离回落时离场」，这体现在回撤项上，不是 alpha 项上。
4. 配趋势过滤器：实盘前加一条方向均线或 ADX，趋势强时让位、震荡时交给 CCI，才能补齐它的结构性短板。

真实落地时，期货/外汇日线直接用 high/low/close 序列喂进 compute_cci 即可；若要做分钟级或跨品种，记得先统一复权方式与交易时段（不同交易所的夜盘会让 TP 窗口结果漂移）。本文纯 numpy 合成只为把「TP→SMA→MD→CCI」的每一步摊开。记住：CCI 是震荡市的拐杖、趋势市的绊脚石——它的价值写在回撤里，不在收益里。