如何计算加密货币的货币流量指数？

了解加密货币交易中的货币流量指数（MFI）

货币流量指数（MFI）是一种技术振荡器，可在指定期间（通常为14天）测量加密货币进入和流出的货币流。它结合了价格和数量数据以评估买卖压力。 MFI的范围为0到100，读数超过70，通常表明30以下的读数超过30条读数，暗示了超售条件。与仅使用价格的相对强度指数（RSI）不同，MFI包含数量，这使其成为加密货币的更强大的指标，其中数量可以显着影响价格变动。

为了有效地应用MFI，交易者必须首先了解有助于其计算的组件：典型的价格，原金流量和货币比率。这些要素源自历史烛台数据，包括开放，高，低价和交易量。这些值中的每一个在确定最终MFI评分方面起着至关重要的作用。

典型价格的分步计算

计算MFI的第一步是确定每个交易期间的典型价格。该值代表给定时间范围内的平均价格点，例如1小时或每日蜡烛。典型价格的公式是：

典型价格=（高 +低 +关闭） / 3

例如，如果加密货币的高价为30,000美元，低点为29,000美元，并且在特定日期的收盘价为29,500美元，则典型的价格将为：

（30,000 + 29,000 + 29,500） / 3 = $ 29,500

必须对标准MFI计算中使用的14个周期中的每个时期重复进行此计算。典型的价格是下一步计算原始货币流量的基础。

使用音量计算原始货币流量

一旦为每个时期建立了典型的价格，下一步就是计算原始货币流量。这是通过将典型价格乘以当时的交易量来完成的：

原金流=典型价格×音量

使用上一个示例，如果当天的交易量为1,000 BTC，则原金流量将为：

29,500×1,000 = 29,500,000

在所有14个时期重复此过程。最终值代表在每个时间范围内平均价格水平交易的总货币价值。然后根据价格移动方向将这些原始值分类为正或负资金流。

区分积极和负资金流

要确定货币流量是正还是负面的，请将当前时期的典型价格与上一个时期的典型价格进行比较：

• 如果当前的典型价格高于前面的价格，则原金流量被归类为正资金流。
• 如果当前的典型价格较低，则原始货币流量将被视为负资金流量。
• 如果典型价格保持不变，则流量通常分配给类别或视为零。

在对每个时期的流量进行分类之后，将正金额汇总在14个周期窗口上，以获得总货币流量。对负流量进行同样的操作以获得总负资金流。这些汇总值对于计算货币比率至关重要。

例如，假设在14天内，正货币流量的总和为350,000,000，负资金流量为150,000,000。这些总数将在计算的下一阶段使用。

计算货币比率和最终MFI价值

根据计算的总正和负资金流，下一步是得出货币比率：

货币比率=总货币流量 /总负资金流量

使用示例值：

350,000,000 / 150,000,000 = 2.333

一旦获得货币比率，最终的MFI值将使用以下公式计算：

mfi = 100 - （100 /（1 +货币比率））

插入货币比率：

mfi = 100 - （100 /（1 + 2.333））= 100 - （100 / 3.333）≈100 - 30.00 = 70.00

因此，MFI值为70 ，这可能表明根据上下文和市场行为的不同。

在Python中实施MFI计算以获取加密货币数据

为了自动化MFI计算，交易者可以将Python与pandas和numpy等库一起使用。以下是逐步指南：

• 安装所需的软件包： pip install pandas numpy

• 导入库：

   import pandas as pd import numpy as np

• 将加密货币OHLCV数据（开放，高，低，关闭，音量）加载到数据框架中。

• 计算典型价格：

   df['Typical_Price'] = (df['High'] + df['Low'] + df['Close']) / 3

• 计算原金流：

   df['Raw_Money_Flow'] = df['Typical_Price'] * df['Volume']

• 确定正流和负流：

   df['Price_Change'] = df['Typical_Price'].diff() df['Positive_Flow'] = np.where(df['Price_Change'] > 0, df['Raw_Money_Flow'], 0) df['Negative_Flow'] = np.where(df['Price_Change'] < 0, df['Raw_Money_Flow'], 0)

• 总和在14个时期流动：

   df['Positive_Money_Flow'] = df['Positive_Flow'].rolling(window=14).sum() df['Negative_Money_Flow'] = df['Negative_Flow'].rolling(window=14).sum()

• 计算货币比率和MFI：

   df['Money_Ratio'] = df['Positive_Money_Flow'] / df['Negative_Money_Flow'] df['MFI'] = 100 - (100 / (1 + df['Money_Ratio']))

该脚本在每个时期输出具有MFI值的数据帧，从而实现实时分析。

在加密市场中解释MFI信号

交易者使用MFI来识别潜在的逆转。 80以上的读数可能表明强大的压力强，而20岁以下的压力可能会发出过多的条件。价格和MFI之间的分歧也很大。例如，如果Bitcoin达到新的高，但MFI无法超过其先前的峰，则这种看跌差异可能表明动量减弱。相反，价格下跌期间的MFI上涨可能表示积累购买压力。

常见问题

MFI在加密货币交易中的理想时期设置是什么？标准设置是14个时期，通常应用于每日或每小时图表。较短的时期，例如9个提高灵敏度并产生更多的信号，而更长的时期较长的时期则降低了噪音，但可能落后于价格动作。

MFI可以在所有加密货币上使用吗？是的，可以将MFI应用于具有可靠卷数据的任何加密货币。它在Bitcoin和以太坊等主要硬币上最有效，那里的体积很高，不容易操纵。由于体积不稳定，小批量的山寨币可能会产生误导性信号。

在加密分析中，MFI与RSI有何不同？尽管两者都是动量振荡器，但MFI包括体积，使其对资本流入和流出更加敏感。 RSI仅依靠价格，因此MFI可以提供较早的趋势疲惫警告，尤其是在大批量突破或抛售期间。

MFI在加密公牛或熊市中有效吗？在所有市场条件下，MFI仍然运作。在牛市中，超买的读数可能会持续更长的时间，因此交易者注意分歧而不是绝对水平。在熊市中，超售条件可以加深，需要在假设逆转之前对价格行动进行确认。