什么是 Cmo？
Cmo 的简单解释
Cmo 通常指 Chande 动量震荡器（Chande Momentum Oscillator）。它是一种基于近期价格变动构建的震荡器。其核心思想是通过提问来量化动量：在一个选定的回溯周期内，市场经历了更多的上涨还是更多的下跌？
在外汇研究中，人们使用 Cmo 来描述动量强度和方向。当数值接近某一极端时，表明近期上涨占主导；当数值接近另一极端时，表明近期下跌占主导。然而，Cmo 并非预测工具，本身并不能指示下一次交易的结果。
Cmo 的工作原理（定义、输入和运算）
Cmo 从一个回溯周期（通常称为 N）内的价格变动中计算得出。首先，你计算每一根K线之间的价格变化（例如，收盘价之间的差值）：
- 设 Δ = price(t) − price(t−1)。
- 如果 Δ > 0，则该正向变化计入涨幅。
- 如果 Δ < 0，则该负向变化的绝对值计入跌幅。
然后 Cmo 使用该周期内总涨幅与总跌幅的比率。一个常见的计算公式为：
Cmo = 100 × (G − L) / (G + L)
其中 G 是 N 个周期内的涨幅总和，L 是 N 个周期内的跌幅总和（跌幅使用绝对值）。
示例假设前提：你必须明确K线类型（如收盘价对收盘价、中间价等）和回溯周期长度 N。缺少这些细节时，即使使用相同数据集，两个计算器也可能得出不同的 Cmo 值。
一般解释：由于该表达式比较了 G 和 L，Cmo 反映了近期价格变动是偏向上涨还是下跌。分母 (G + L) 也意味着当涨幅和跌幅都很小时，震荡器可能变得不稳定，并对微小价格差异更加敏感。
可验证的证据或示例
你可以通过一个小的假设性窗口独立验证其机制。
假设 N = 5，且五次连续价格变动的总涨幅 G = 30，总跌幅 L = 10（跌幅以绝对值计算）。则：
Cmo = 100 × (30 − 10) / (30 + 10) = 100 × 20 / 40 = 50。
如果 G = 10 且 L = 30，则 Cmo = 100 × (10 − 30) / (10 + 30) = −50。
这说明了两个你可以用自己的数据验证的重要特性：
- 当近期涨幅超过跌幅时，Cmo 向正值移动。
- 当跌幅超过涨幅时，Cmo 向负值移动。
对于外汇特定用途，“变动部分”取决于你选择的价格序列（例如，K线时间周期上的收盘价）。在所有工作流程中并不存在唯一正确的选择。
局限性、风险和失效模式
Cmo 存在显著的局限性，可能影响其可靠性：
- 震荡或区间市场：当涨跌频繁交替时，G 和 L 可能保持接近，导致震荡，难以解释为动量“状态”。
- 对计算细节的敏感性：不同实现方式可能在定义价格变动、选择K线序列或处理平价和微小变动方面存在差异，从而改变 Cmo 的行为。
- 分母过小时的不稳定性：当 G + L 非常小时，该比值可能对噪声高度敏感。这是动量类震荡器在价格波动微弱时常见的失效模式。
- 无法保证未来结果：Cmo 变动与后续价格变动之间的历史关系，并不能证明未来表现会类似。
由于这些风险，Cmo 应被视为一种描述性度量，用于总结近期价格变动结构，而非独立的交易信号。
如何验证以及下一步查阅内容
为验证 Cmo 的适用性，在比较结果前请记录以下内容：
- 回溯周期长度 N。
- 确切的价格输入（例如，收盘价对收盘价的差值）。
- 涨跌处理规则（特别是如何处理微小变动和符号）。
- K线的时间周期和对齐方式。
如果你想继续深入，下一步应关注在一致假设下如何评估 Cmo —— 例如如何谨慎设置测试，以及如何在不同数据集中一致地计算 Cmo —— 而非假设该指标本身即意味着方向或盈利能力。