每天学习一个技术指标-能量潮指标（OBV）

Itsmeliying

5天前发布

010

指标介绍

能量潮指标（OBV）：读懂资金流动的 “密码”

在技术分析的工具箱里，有一个指标始终聚焦于 “资金动能”，

它不像 K 线那样直观呈现价格波动，

却能悄悄揭示市场背后的资金流向，这就是能量潮指标，

OBV（On-Balance Volume）

对于想要捕捉趋势强弱、预判价格拐点的投资者来说，OBV 就像一把钥匙，能打开资金流动的 “暗箱”。

能量潮指标的核心逻辑源于一个朴素的市场规律：价格的变动往往由资金推动，而成交量是资金活动最直接的体现

它的创立者约瑟夫・格兰维尔（Joseph Granville）在 20 世纪 60 年代提出，

当价格上涨时，若成交量同步放大，

说明买方力量强劲，趋势有望延续；

若价格上涨但成交量萎缩，

可能是 “虚涨”，趋势暗藏隐患

OBV 正是通过量化这种 “价格与成交量的联动关系”，

将资金动能转化为可追踪的曲线。

具体来看，OBV 的计算方式并不复杂，

它以某一基准日为起点，通过每日成交量的增减来累积数值

当当天收盘价高于前一天时，就将当天的成交量加到前一天的 OBV 数值上；

当当天收盘价低于前一天时，则从之前的 OBV 数值中减去当天的成交量；

若收盘价与前一天持平，OBV 数值保持不变

这样日复一日地累积，就形成了一条与价格曲线相伴而行的 OBV 曲线，直观展现资金在市场中的 “流入” 与 “流出”。

我们可以用 Python 代码来实现 OBV 的计算，协助更好地理解这一过程。假设我们有一组包含日期、收盘价和成交量的数据，代码如下：

import pandas as pd
# 示例数据，包含日期、收盘价和成交量
data = {
'日期': ['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04', '2023-01-05'],
'收盘价': [100, 102, 101, 103, 105],
'成交量': [10000, 12000, 8000, 15000, 18000]
}
df = pd.DataFrame(data)
df['日期'] = pd.to_datetime(df['日期'])
# 计算OBV
df['OBV'] = 0  # 初始化OBV列
for i in range(1, len(df)):
if df['收盘价'][i] > df['收盘价'][i-1]:
df['OBV'][i] = df['OBV'][i-1] + df['成交量'][i]
elif df['收盘价'][i] < df['收盘价'][i-1]:
df['OBV'][i] = df['OBV'][i-1] - df['成交量'][i]
else:
df['OBV'][i] = df['OBV'][i-1]
print(df)