OBV 能量潮实战：用累计成交量把「主力吸筹与派发」画成一条线

你在行情软件里点开「成交量」副图，常会看到一条和价格走势高度同步、却由红绿柱累加而成的曲线，叫 OBV（On-Balance Volume，能量潮）。很多人把它当成「量能大小表」看个热闹。但如果你追问一句——OBV 那个数到底是怎么累加出来的？为什么它能在价格还没动的时候就「提前」拐头？它和单纯看成交量柱状图有什么区别？——能答上来的，十之一二。

结论先放这：OBV 不是「今天成交了多少手」的绝对量，而是一条带方向的累计曲线——涨的那天把全天成交量加上去，跌的那天把全天成交量减下去，平的那天不动。于是 OBV 的斜率就代表了「资金是在净流入（吸筹）还是净流出（派发）」。它的核心价值不是预测点位，而是把「量在价先」这件事量化成一条可交叉、可背离的信号线。它和 CCI、KDJ 不同：后两者是价格的「摆荡」，OBV 是成交量的「方向累计」——所以它能捕捉到「价没动、量已在流」的先导信号。

在我们的合成行情（一段涨/跌 regime 交替、且成交量与当日波动正相关的 800 个交易日）上：用「OBV 上穿其 20 日 EMA 信号线做多、下穿平仓」的规则做无前瞻回测，OBV 策略 总收益 +27.7%（年化 8.0%、Sharpe 1.04、最大回撤 −8.9%）；同期买入持有仅 +2.9%（Sharpe 0.09、最大回撤 −19.5%）。OBV 真正厉害的不是多赚 25 个点，而是把最大回撤砍到不到买入持有的一半——这正是量价确认类指标的核心价值：它在「量能转弱、派发开始」时提前离场，把最狠的下跌段躲掉。

一、从涨跌到累计：OBV 的构造逻辑#

OBV 的计算极简，但逻辑不简单。设第 i 日收盘价为 Close(i)、成交量为 Vol(i)：

若 Close(i) > Close(i−1)：  OBV(i) = OBV(i−1) + Vol(i)   # 涨日，量记为「流入」
若 Close(i) < Close(i−1)：  OBV(i) = OBV(i−1) − Vol(i)   # 跌日，量记为「流出」
若 Close(i) = Close(i−1)：  OBV(i) = OBV(i−1)            # 平盘，量不动
OBV(0) = 0  （或任意起点，只影响整条曲线平移）

关键认知：OBV 只关心「方向」，不关心「涨跌幅大小」。今天涨 0.1% 和涨 5%，只要收涨，加的都是「全天成交量」；今天跌 0.1% 和跌 5%，减的也都是全天成交量。这意味着 OBV 把「每一块钱成交量」都当成了等权投票——涨时所有量都算多头票、跌时所有量都算空头票。它的隐含假设是：上涨伴随的成交量代表「真实买盘在推动」，下跌伴随的成交量代表「真实卖盘在出逃」。

于是 OBV 的斜率蕴含信息：OBV 持续走高 = 涨日成交量持续大于跌日成交量 = 资金在净吸筹；OBV 拐头向下 = 跌日放量、买盘枯竭 = 派发开始。价格可能还在高位磨，但 OBV 先拐——这就是「量在价先」的直观体现。

二、从零实现：纯 numpy 复刻公式#

我们用纯 numpy 把上面的累加摊开。注意 np.sign 处理涨跌方向，cumsum 做累计。

import numpy as np

def compute_obv(close, volume):
    # 1) 每日方向：涨 +1 / 跌 −1 / 平 0
    direction = np.sign(np.diff(close, prepend=close[0]))
    # 2) 带符号成交量：涨日加量、跌日减量
    signed_vol = direction * volume
    # 3) 累计得到 OBV（首日为 0）
    obv = np.cumsum(signed_vol)
    return obv

这里有几个工程细节必须说清：

• 平盘日（Close(i)==Close(i−1)）：np.sign(0)=0，当天不加不减。但现实中「精确相等」极少，更多是 diff≈0 的微涨微跌——用 np.sign 会把微涨微跌也当 ±1 计入。更稳健的写法是对极小 diff 做阈值过滤（如 |diff| < eps 视为平），避免噪声把 OBV 随机推拉。
• OBV 是「累计偏移量」：它的值取决于起点（这里从 0 起）。所以 OBV 的绝对值没有意义，只有它的「变化、斜率、与信号线的相对位置」有意义——这一点下文陷阱①会再强调。
• 成交量量级：不同标的成交量差几个数量级（茅台日成交几十亿手 vs 小票几千万）。OBV 绝对值不可直接跨标的比，必须归一化（除以基准量或看相对变化）。

光有 OBV 一条噪声很大的累计曲线不够用，实战里几乎一定配一条信号线（OBV 的 EMA）来做交叉：

def ema(x, span):
    a = 2.0 / (span + 1)
    out = np.empty_like(x, dtype=float)
    out[0] = x[0]
    for i in range(1, len(x)):
        out[i] = a * x[i] + (1 - a) * out[i - 1]
    return out

obv_signal = ema(obv, span=20)   # OBV 的 20 日指数平滑 = 信号线

三、交易规则：OBV 与信号线的「交叉」才是信号#

裸看 OBV 斜率容易受单日巨量扰動。成熟用法是 OBV 与其信号线（EMA）的交叉：

• 买入：OBV 上穿信号线——意味着「资金净流入的动能刚转正」，吸筹确认。
• 卖出：OBV 下穿信号线——意味着「资金净流出的动能刚转正」，派发确认。

def gen_signals(obv, obv_signal):
    N = len(obv)
    long_entry = np.zeros(N, dtype=bool)
    long_exit  = np.zeros(N, dtype=bool)
    pos = 0
    for i in range(1, N):
        cross_up   = (obv[i-1] <= obv_signal[i-1]) and (obv[i] > obv_signal[i])
        cross_down = (obv[i-1] >= obv_signal[i-1]) and (obv[i] < obv_signal[i])
        if pos == 0 and cross_up:
            long_entry[i] = True;  pos = 1
        elif pos == 1 and cross_down:
            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，保证不会既多又空、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——这是所有量价指标回测的红线。

四、实测结果：OBV 的价值写在「躲过下跌」里#

把规则在「涨/跌 regime 交替 + 成交量确认趋势」的合成行情上跑（800 交易日），结果如下：

这张表要诚实读：本段合成行情是「涨/跌 regime 交替」，买入持有几乎原地踏步（+2.9%、Sharpe 仅 0.09），因为涨的段赚的被跌的段吐回去了；而 OBV 靠「量能确认」在每段下跌开始前离场，把最大回撤从 −19.5% 压到 −8.9%，Sharpe 从 0.09 拉到 1.04。这正是 OBV 的设计意图：它不是在趋势里赚最多，而是在「量能转弱」时先走，把回撤和磨损砍掉。 注意 OBV 交易次数 51 次——它比 CCI 更「多动症」，换手更高，实盘要额外算交易成本（下文陷阱④会讲）。

净值曲线把这件事说得更直白：

绿色曲线（OBV）在每一段下跌 regime 开始前都提前拐平/回落，灰虚线（买入持有）则一路坐过山车。OBV 的贡献是「少亏」而非「多赚」——在震荡交替市里，它把「高买低卖」的反向操作概率压下去。如果是纯单边牛市，OBV 反而会跑输买入持有（它会在中途量能波动里反复上下车），这一点必须心里有数。

五、诚实拆穿：五类真实陷阱#

① 累计偏移：OBV 绝对值无意义，只看「相对变化」。 OBV 从 0 累加，历史上任何一次巨量都会永久改变曲线水平。所以你不能说「OBV=500 万比 OBV=300 万更健康」——这俩可能只是起点不同。所有 OBV 用法都必须基于「斜率、与信号线交叉、与价格背离」，绝不能看绝对值。跨标的比 OBV 更是无意义。

② 无量纲、不可跨标的比。 茅台和某小票的成交量差百倍，OBV 数值也差百倍。要做横向比较，必须归一化（除以各自基准量、或看 OBV 的滚动变化率）。直接用 OBV 数值排「谁量能更强」是典型错误。

③ 噪声日失真：微小涨跌也会 ±整日量。 OBV 把所有涨日量都加、所有跌日量都减，但现实中很多日子是「微涨 0.02% 却放出巨量」或「微跌 0.02% 却缩量」——这些微小方向变化会被 OBV 当成「强信号」累加，制造伪趋势。缓解：对 diff 设阈值（如 |diff| < 0.05% 视为平），或用「加权 OBV」（按涨跌幅比例分配成交量）替代二值加减。

④ 独立使用陷阱：OBV 必须配信号线/过滤器，且换手高。 裸 OBV 斜率噪声极大，单日巨量就能让它猛拐。本文用 EMA20 信号线平滑后才有交易意义；即便如此，51 次交易意味着交易成本敏感——若每次双边成本 0.1%，光手续费就吃掉约 5 个点。实盘必须把印花税/佣金/滑点加回回测，否则 OBV 的「超额」可能是幻觉。

⑤ 参数脆弱：信号线 span 不是金科玉律。 默认 EMA20 是经验值。span 调小（如 10）→ 信号更灵敏、换手更高、噪声更多；span 调大（如 50）→ 更稳但更滞后、易错过早期吸筹。参数要按品种波动率和交易周期重新标定，并做 walk-forward 验证，不能无脑照搬 20。

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_obv 把 OBV 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 direction 符号或 prepend 处理与平台不一致（注意首根 diff 的处理）。
2. 永远配信号线，别看裸斜率：裸 OBV 噪声大到不可用；至少加一条 EMA 信号线做交叉，或看「OBV 与价格的背离」（价创新高、OBV 不创新高 = 顶背离预警）。
3. 把它当「量能确认」而非「收益引擎」：报告里重点看最大回撤、回撤持续时间和换手成本，而不是总收益。OBV 的贡献是「在派发开始时离场」，体现在回撤和磨损项上。
4. 必加交易成本重算：OBV 换手高，任何没算手续费的 OBV 回测都不可信。把双边成本（佣金+印花税+滑点）加回，再判断信号是否还为正。

真实落地时，A 股日线直接用 close + 日成交量序列喂进 compute_obv 即可；若要做分钟级，注意成交量在集合竞价/尾盘的分布会扭曲 OBV 的日内结构。本文纯 numpy 合成只为把「方向累计 → 信号线交叉」的每一步摊开。记住：OBV 不预测点位，它只回答一个问题——「钱，是在悄悄进来，还是悄悄出去」。

七、CCI 与 OBV：摆荡派 vs 量能派，怎么选#

把本文和上篇 CCI 对照看，会发现两类指标的分工很清晰：

• CCI（摆荡类）：基于「价格偏离统计中轴」，擅长震荡市的反转，价值在回撤刹车（最大回撤 −10.1% vs −23.7%）。
• OBV（量能类）：基于「成交量的方向累计」，擅长捕捉资金流入流出的拐点，价值在「量在价先」的先导信号（最大回撤 −8.9% vs −19.5%）。

实战里两者不冲突：CCI 管「价格贵不贵、该不该反转」，OBV 管「量能在不在、趋势真不真」。把 CCI 的 ±100 通道反转，配上 OBV 的「量能确认」（只在 OBV 站在信号线上方时才接受 CCI 做多信号），就能用成交量给摆荡信号做一层过滤——这正是多指标融合的基本思路。