真正的主力进场加仓指标源码

藏家283 关注

收藏于 : 2020-11-23 21:41   被转藏 : 14   

  • 鳄鱼法则

    2019-11-29 08:34:00
    import numpy as np def initialize(context): g.up_price = {} #向上碎形最高价 g.low_price = {} #向下碎形最低价 g.up_fractal_exists = {} #判断有效向上碎形 g.down_fractal_exists = {} #判断有效向下碎形...
                            
                                  
                                    import numpy as np
    def initialize(context):
        g.up_price = {} #向上碎形最高价
        g.low_price = {} #向下碎形最低价
        g.up_fractal_exists = {} #判断有效向上碎形
        g.down_fractal_exists = {} #判断有效向下碎形
        g.AO_index = {} #存放连续的AO指标数据
        g.cal_AC_index = {} #计算AC指标中转存储
        g.AC_index = {} #存放连续的AC指标数据
        g.amount = {} #满仓仓位
        g.stock = get_index_stocks('000300.XSHG')
        g.buy_stock = []
        set_benchmark('000300.XSHG')
        g.month = context.current_dt.month
        run_monthly(select_universe,1,'open')
    
    #重置全局变量
    def reset_global():
        g.up_price = {} #向上碎形最高价
        g.low_price = {} #向下碎形最低价
        g.up_fractal_exists = {} #判断有效向上碎形
        g.down_fractal_exists = {} #判断有效向下碎形
        g.AO_index = {} #存放连续的AO指标数据
        g.cal_AC_index = {} #计算AC指标中转存储
        g.AC_index = {} #存放连续的AC指标数据
        g.amount = {} #满仓仓位
        g.buy_stock = []
    
    def initial_stock_global(stock):
        g.up_price[stock] = 0
        g.low_price[stock] = 0
        g.up_fractal_exists[stock] = False
        g.down_fractal_exists[stock] = False #判断有效向下碎形
        g.AO_index[stock] = [0] #存放连续的AO指标数据
        g.cal_AC_index[stock] = [0]  #计算AC指标中转存储
        g.AC_index[stock] = [0] #存放连续的AC指标数据
        g.amount[stock] = 0 #满仓仓位
    
    #轮换选股后清空持仓
    def reset_position(context):
        for stock in g.buy_stock:
            order_target(stock,0)
            log.info("sell %s for reset position"%stock)
    #选股
    def select_universe(context):
        #每三个月操作一次
        month = context.current_dt.month
        if month%6 != g.month%6:
            return
        #清空全局变量
        reset_position(context)
        reset_global()
        hist = history(30,'1d','close',g.stock,df = False)
        for stock in g.stock:
            if is_sleeping_alligator(stock,hist,20):
                g.buy_stock.append(stock)
                #初始化该股票全局变量
                initial_stock_global(stock)
        print g.buy_stock
        return None
    
    #睡着的鳄鱼
    def is_sleeping_alligator(stock,hist,nday):
        for i in range(nday):
            if is_struggle(stock,hist,i) == False:
                return False
        return True
    
    #均线纠缠,BRG三线非常接近
    def is_struggle(stock,hist,delta):
        blue_line = hist[stock][-21-delta:-8-delta].mean()
        red_line = hist[stock][-13-delta:-5-delta].mean()
        green_line = hist[stock][-8-delta:-3-delta].mean()
        if abs(blue_line/red_line-1)<0.02 and abs(red_line/green_line-1)<0.02:
            return True
        else:
            return False
    
    #判断 向上 或 向下 碎形
    def is_fractal(stock,direction):
        hist = history(5,'1d',direction,[stock],df = False)
        if direction == 'high'\
        and hist[stock][2] > hist[stock][0]\
        and hist[stock][2] > hist[stock][1]\
        and hist[stock][2] > hist[stock][3]\
        and hist[stock][2] > hist[stock][4]:
            g.up_price[stock] = hist[stock][2]
            return True
        elif direction == 'low'\
        and hist[stock][2] < hist[stock][0]\
        and hist[stock][2] < hist[stock][1]\
        and hist[stock][2] < hist[stock][3]\
        and hist[stock][2] < hist[stock][4]:
            g.low_price[stock] = hist[stock][2]
            return True
        return False
    
    #通过比较碎形与红线位置,判断碎形是否有效
    def is_effective_fractal(stock, direction):
        if is_fractal(stock,direction):
            hist = history(13,'1d','close',[stock],df = False)
            red_line = hist[stock][:-5].mean()
            close_price = hist[stock][-1]
            if direction == 'high':
                if close_price > red_line:
                    g.up_fractal_exists[stock] = True
                else:
                    g.up_fractal_exists[stock] = False
            elif direction == 'low':
                if close_price < red_line:
                    g.down_fractal_exists[stock] = True
                else:
                    g.down_fractal_exists[stock] = False
    
    #N日内最高价格的N日线
    def nday_high_point(stock,n):
        hist = history(2*n,'1d','high',[stock],df = False)[stock]
        high_point = []
        for i in range(n):
            high_point.append(max(hist[-5-i:-1-i]))
        return np.array(high_point).mean()
    
    #N日内最低价格的N日线
    def nday_low_point(stock,n):
        hist = history(2*n,'1d','low',[stock],df = False)[stock]
        low_point = []
        for i in range(n):
            low_point.append(max(hist[-5-i:-1-i]))
        return np.array(low_point).mean()
    
    #AO=5日内(最高-最低)/2的5日移动平均-34日内(最高-最低)/2的34日移动平均
    def AO_index(stock):
        g.AO_index[stock].append(nday_high_point(stock,5)/2 + nday_low_point(stock,5)/2\
                          - nday_high_point(stock,34)/2 - nday_low_point(stock,34)/2)
        return None
    
    #AO-AO的5日平均值的5日平均
    def AC_index(stock):
        AO_index(stock)
        if len(g.AO_index[stock]) >= 5:
            g.cal_AC_index[stock].append(g.AO_index[stock][-1] - np.array(g.AO_index[stock][-5:]).mean())
            if len(g.cal_AC_index[stock]) >=5:
                g.AC_index[stock].append(np.array(g.cal_AC_index[stock][-5:]).mean())
    
    #判断序列n日上行
    def is_up_going(alist,n):
        if len(alist) < n:
            return False
        for i in range(n-1):
            if alist[-(1+i)] <= alist[-(2+i)]:
                return False
        return True
    
    #判断序列n日下行
    def is_down_going(alist,n):
        if len(alist) < n:
            return False
        for i in range(n-1):
            if alist[-(1+i)] >= alist[-(2+i)]:
                return False
        return True
    
    #碎形被突破
    def active_fractal(stock,direction):
        close_price = history(1,'1d','close',[stock],df=False)[stock][0]
        if direction == 'up' and close_price > g.up_price[stock]:
            return True
        elif direction == 'down' and close_price < g.low_price[stock]:
            return True
        return False
    
    #进场,初始仓位
    def set_initial_position(stock,context):
        close_price = history(1,'1d','close',[stock],df=False)[stock][0]
        g.amount[stock] = context.portfolio.cash/close_price/len(g.buy_stock)*3
        order(stock, g.amount[stock])
        log.info("buying %s 股数为 %s"%(stock,g.amount[stock]))
        g.down_fractal_exists[stock] = False
    
    #卖出
    def sell_all_stock(stock,context):
        order_target(stock,0)
        log.info("selling %s"%stock)
        g.up_fractal_exists[stock] = False
    
    #加仓
    def adjust_position(stock,context,position):
        order(stock,g.amount[stock]*position)
        log.info("adjust position buying %s 股数为 %s"%(stock,g.amount[stock]*position))
    
    # 计算股票前n日收益率
    def security_return(days,security_code):
        hist1 = attribute_history(security_code, days + 1, '1d', 'close',df=False)
        security_returns = (hist1['close'][-1]-hist1['close'][0])/hist1['close'][0]
        return security_returns
    
    # 止损,根据前n日收益率
    def conduct_nday_stoploss(context,security_code,days,bench):
        if  security_return(days,security_code)<= bench:
            for stock in g.buy_stock:
                order_target_value(stock,0)
                log.info("Sell %s for stoploss" %stock)
            return True
        else:
            return False
    
    # 计算股票累计收益率(从建仓至今)
    def security_accumulate_return(context,data,stock):
        current_price = data[stock].price
        cost = context.portfolio.positions[stock].avg_cost
        if cost != 0:
            return (current_price-cost)/cost
        else:
            return None
    
    # 个股止损,根据累计收益
    def conduct_accumulate_stoploss(context,data,stock,bench):
        if security_accumulate_return(context,data,stock) != None\
        and security_accumulate_return(context,data,stock) < bench:
            order_target_value(stock,0)
            log.info("Sell %s for stoploss" %stock)
            return True
        else:
            return False
    
    # 个股止盈,根据累计收益
    def conduct_accumulate_stopwin(context,data,stock,bench):
        if security_accumulate_return(context,data,stock) != None\
        and security_accumulate_return(context,data,stock) > bench:
            order_target_value(stock,0)
            log.info("Sell %s for stopwin" %stock)
            return True
        else:
            return False
    
    def handle_data(context,data):
        #大盘止损
        if conduct_nday_stoploss(context,'000300.XSHG',3,-0.03):
            return
        for stock in g.buy_stock:
            #个股止损
            if conduct_accumulate_stopwin(context,data,stock,0.3)\
            or conduct_accumulate_stoploss(context,data,stock,-0.1):
                return
            #计算AO,AC指标
            AC_index(stock)
            #空仓时,寻找机会入场
            if context.portfolio.positions[stock].amount == 0:
                #计算向上碎形
                is_effective_fractal(stock,'high')
                #有效向上碎形存在,并被突破,买入
                if g.up_fractal_exists and active_fractal(stock,'up'):
                    close_price = history(5, '1d', 'close', [stock],df = False)
                    if is_up_going(g.AO_index[stock],5)\
                    and is_up_going(g.AC_index[stock],3)\
                    and is_up_going(close_price[stock],2):
                        set_initial_position(stock,context)
            #有持仓时,加仓或离场
            else:
                #计算向下碎形
                is_effective_fractal(stock,'low')
                #出场条件1:有效向下碎形存在,并被突破,卖出
                if g.down_fractal_exists and active_fractal(stock,'down'):
                    sell_all_stock(stock,context)
                    return
                #出场条件2:
                #加仓10%:AO,AC同时5日上行,且收盘价走高
                # if is_up_going(g.AO_index[stock],5)\
                # and is_up_going(g.AC_index[stock],3)\
                # and is_up_going(close_price[stock],2):
                #     adjust_position(stock,context,0.1)
                # #减仓10%:AO,AC同时3日下行,且收盘价走低
                # if is_down_going(g.AO_index[stock],5)\
                # and is_down_going(g.AC_index[stock],3)\
                # and is_down_going(close_price[stock],2):
                #     adjust_position(stock,context,-0.1)
    
                                  
                                

    简要介绍

    1.选股

    • 选择沪深300指数成分股
    • 沉睡的鳄鱼,RBG三线纠缠。(选择连续20交易日处于沉睡状态的股票,建立buy_stock池)
    • 每6个月更新股票池
    • benchmark沪深300指数

    2.入场

    • 存在有效碎形
    • 有效碎形被突破
    • AO指标连续5日上行
    • AC指标连续3日上行
    • 收盘价高于前一日收盘价
    • 按g.amount=总资金/股票池股数×乘数因子3买入。

    3.止损&止盈

    • 大盘3日累计收益率下跌3%,全部股票清仓
    • 个股累计收益率(以成本价为基准)超过30%,全部卖出
    • 个股累计收益率下跌10%,全部卖出

    4.加仓&减仓(感觉用处不大,暂没有使用,源代码保留在注释里)

    • AO连续5日上行,AC连续3日上行加仓10%
    • AO连续5日下跌,AC连续3日下跌减仓10%

    5.退出

    • 存在有效向下碎形
    • 向下碎形被突破
    • 全部卖出

     

     


    小结一下

    关于组合仓位控制
    股票池组合操作对于仓位控制的要求比较严格。目前这方面还没有太多系统的想法,包括建仓比例,调仓以及不同股票的仓位配置,资金利用效率等等。
    举例:g.amount在赋值时,简单的认为根据(总资金/buy_stock股数)×乘数因子 对资金配比。乘数因子是避免不符合条件的股票太多导致仓位较低,影响资金利用效率。
    个人感觉,可以根据市值、pe或则其他体现每只持仓股票差异的因素来进行仓位管理,这方面有好的建议的朋友可以留言一起探讨。

    止损条件
    止损和止盈条件纯属个人风格吧。也是每一个策略里必然会加上的。15年至今的回测结果来看,回撤控制的比较好。当然也就牺牲了一些较大获利的可能性。

    展开全文
  • 基于CCI周期性区间交易策略

    千次阅读 2018-11-29 17:43:28
    该交易方法最好是机械的,避免让你在交易过程中去思考或猜测,你要做的只是等待入市信号, 进场 后就等待出场信号,根本不用去思考,这样可以把情绪因素减少到很低。 本文发布一个基于 CCI 的交易系统,该系统广泛运用...
                            

    1前言

    只要精通一种有效的交易方法,你就可以在投机市场里生存了。该交易方法最好是机械的,避免让你在交易过程中去思考或猜测,你要做的只是等待入市信号,进场后就等待出场信号,根本不用去思考,这样可以把情绪因素减少到很低。

    本文发布一个基于 CCI 的交易系统,该系统广泛运用于期货、外汇和股票交易,当然也包括数字货币。


    2了解CCI

    CCI 本身是动量指标的一种,这类指标的工作原理大致相同,即观察快线和慢线的变化。以MACD为例子,它就是通过来观测快速移动平均线与慢速移动平均线的来判断行情变化。CCI指标中,快线反映价格本身变化,慢线反映移动平均线,在CCI中我们所看到的是实际测量的价格与移动平均价格的偏差,正常的幅度是在-250到250之间。下面的图表可以说明这个情况:

    如上图,14周期EMA线,用蓝色表示,14周期的CCI线,蜡烛图下面的部分。当价格加速突破EMA线,同时CCI也突破了零线。等价格巩固后EMA也同步追近,CCI也开始向零线回落。其后价格再度上杨,如果本次的幅度并不像前次那么大,CCI也没到达前面的高度。在这种情况下价格创新高,但是CCI却没有跟进,这种分化其实预示着上升动量在减弱,上涨可能就要结束了。


    3策略优势

    优势一:参数少,敏感低

    核心参数只有3个,可优化空间很小,避免过度优化。且参数敏感度极低。


    优势二:胜率高,可用于加仓模型

    除了固定仓位外,还可以扩展为加仓版本,效果更佳。


    优势三:高普适性

    适应商品期货市场大多数品种。


    4测试环境

    (1)、测试品种:螺纹钢、橡胶、棉花、PTA、铁矿石、聚丙烯、棕榈油、塑料、焦炭、焦煤。

    (2)、测试时间:2010年至今。

    (3)、测试费用:手续费0元,开平仓各2跳滑点。

    (4)、资金配比:每个品种各10万,固定1手(采用非复利方式)。

    (5)、测试说明:K线走完发单。无任何未来函数、偷价、过度优化、跨周期调用、分段优化等行为。


    5绩效展示


    6策略核心源码展示


    源码领取: 发明者量化

    展开全文
  • 是搜索出来的,你看看绝准:通达信实战 主力 阵地副图 指标 公式VARC:=LOW;VARD:=REF(LOW,1);VARE:=SMA(ABS(VARC-VARD),3,1)/SMA(MAX(VARC-VARD,0),3,1)*100;VARF:=MA(VARE/10,3);VAR10:=LLV(LOW,30);VAR11:=HHV(VARF,30...
                            

    是搜索出来的,你看看
    绝准:通达信实战主力阵地副图指标公式
    VARC:=LOW;
    VARD:=REF(LOW,1);
    VARE:=SMA(ABS(VARC-VARD),3,1)/SMA(MAX(VARC-VARD,0),3,1)*100;
    VARF:=MA(VARE/10,3);
    VAR10:=LLV(LOW,30);
    VAR11:=HHV(VARF,30);
    MA(IF(LOW<=VAR10,(VARF+VAR11*2)/2,0),3);
    VAR1B:=REF((LOW+OPEN+CLOSE+HIGH)/4,1);
    VAR2B:=SMA(ABS(LOW-VAR1B),13,1)/SMA(MAX(LOW-VAR1B,0),10,1);
    VAR3B:=EMA(VAR2B,10);
    VAR4B:=LLV(LOW,33);
    VAR5B:=EMA(IF(LOW<=VAR4B,VAR3B,0),3);
    主力进场:IF(VAR5B>REF(VAR5B,1),VAR5B,0),COLORRED;
    STICKLINE(VAR5B>REF(VAR5B,1),0,VAR5B,3,0 ),COLORRED;
    洗盘:IF(VAR5B<REF(VAR5B,1),VAR5B,0),COLORGREEN;
    VAR1:=REF((LOW+OPEN+CLOSE+HIGH)/4,1);
    VAR2:=SMA(ABS(LOW-VAR1),13,1)/SMA(MAX(LOW-VAR1,0),10,1);
    VAR3:=EMA(VAR2,10);
    VAR4:=LLV(LOW,33);
    VAR5:=EMA(IF(LOW<=VAR4,VAR3,0),3);
    STICKLINE(VAR5>REF(VAR5,1),0,VAR5,6,0 ),COLORGREEN;
    STICKLINE(VAR5<REF(VAR5,1),0,VAR5,6,0),COLORRED;
    主力阵地:VAR5>REF(VAR5,4) {AND C>REF(C,1)},COLORFFFF00;
    VAR2C:=(HIGH+LOW+CLOSE*2)/4;
    VAR3C:=EMA(VAR2C,7);
    VAR4C:=STD(VAR2C,7);
    VAR5C:=(VAR2C-VAR3C)*100/VAR4;
    VAR6C:=EMA(VAR5C,3);
    WW:(EMA(VAR6C,5)+100)/2-3,COLORFF00FF;
    MM:HHV(WW,3),COLORFF3333;
    AAA:=AMOUNT/VOL/100;

     

    {东财主力阵地}
    X:=C>=0.998*MA(C,120) AND MA(C,120)>=REF(MA(C,120),1);
    Y:=MA(C,40)>=REF(MA(C,40),1);
    Z:=MA(C,60)>MA(C,120);
    WR:=100*(HHV(HIGH,10)-CLOSE)/(HHV(HIGH,10)-LLV(LOW,10));
    A:=WR-80;
    AA:=MAX(A,0);
    B:=(C/MA(C,60))-1;
    CC:=1-B;
    D:=MAX(AA*Z,0);
    STICKLINE(D>0.01,0,D,1,0),COLORYELLOW;
    E:=MA(C,2)-MA(C,10);
    F:=MA(E,2);
    STICKLINE(E>F AND Y AND REF(D,1)>=9,0,D+9,1,0),COLORRED;
    STICKLINE(MA(C,40)>=REF(MA(C,40),1),0,1,1,0),COLORLIMAGENTA;
    STICKLINE(MA(C,40)<REF(MA(C,40),1),0,1,1,0),COLORGREEN;

    主力防御:IF(E>F AND Y AND REF(D,1)>=9,0,D),NODRAW,COLORYELLOW;
    主力出击:IF(E>F AND Y AND REF(D,1)>=9,D+9,0),NODRAW,COLORRED;
    战斗阶段:IF(MA(C,40)>=REF(MA(C,40),1),1,0),NODRAW,COLORLIMAGENTA;
    休整阶段:IF(MA(C,40)>=REF(MA(C,40),1),0,1),NODRAW,COLORGREEN;
    30,COLORBLACK;

    转载于:https://www.cnblogs.com/carl2380/p/4919506.html

    展开全文
  • 一个实用的短中长期资金观察 指标 介绍 好股票软件下载网(www.goodgupiao.com)提示:您正在下载的是:一个实用的短中长期资金观察 指标   红线 主力 资金未动而短期白线归零表示散户资金已逃出,股票即将拉升。四线...
                            

    一个实用的短中长期资金观察指标介绍

    好股票软件下载网( www.goodgupiao.com )提示:您正在下载的是:一个实用的短中长期资金观察指标
     

    红线主力资金未动而短期白线归零表示散户资金已逃出,股票即将拉升。四线归零表示股价已跌至低点。如果红白线都跟着向下,那么此股观望为妙.

    个股 连续下跌,如果四线归零,当四线归零消失的那天进场。因为有的股票有可能连续几天大跌,四线归零,如果归零的时候进场则 被套 。所以只有归零消失的时候进场。反弹到白线到100的时候 减仓 ,这样可以抢反弹。

    {多空对比}

    短期:100*(C-LLV(L,5))/(HHV(C,5)-LLV(L,5)),COLORWHITE;
    中期:100*(C-LLV(L,10))/(HHV(C,10)-LLV(L,10)),COLORYELLOW;
    中长期:100*(C-LLV(L,20))/(HHV(C,20)-LLV(L,20)),COLORMAGENTA;
    长期:100*(C-LLV(L,30))/(HHV(C,30)-LLV(L,30)),COLORRED,LINETHICK2;
    四线归零买:IF((短期<=6 AND 中期<=6 AND 中长期<=6 AND 长期<=6),-30,0),STICK,COLOR0000FF,LINETHICK3;
    白线下20买:IF(短期<=20 AND 长期>=60,-30,0),STICK,COLOR00FFFF,LINETHICK3;
    白穿红线买:=IF(((CROSS(短期,长期)AND 长期<20)),-30,0),STICK,COLOR00FF00,LINETHICK3;
    白穿黄线买:=IF(((CROSS(短期,中期)AND 中期<30)),-30,0),STICK,COLORFF9150,LINETHICK3;
    20;

     

    简介 编辑

    多空对比指标,股票看盘交易术语,是一种将不同日数移动平均线加权平均之后的综合指标,属于均线型指标,一般选用3日、6日、12日、24日等4条平均线。在使用 移动平均线 时,投资者往往对参数值选择有不同的偏好,而 多空指标 恰好解决了中 短期移动平均线 的期间长短合理性问题。

    功能 编辑

    多空对比指标有两个最主要的作用:
    1:发现 主力洗盘
    主力洗盘有的用分时洗盘,有的用k线洗盘,还有其它的方法洗盘。对于前两种,多空对比都可以及时发现。
    这里说的 洗盘 一定在上涨过程中,如果在下降过程中就很难发现。在上涨过程中,单针下20,就会把意志不坚定的投资者都洗出去。这个时候是资金进场的时候。
    2: 超跌 时候抄底。
    个股 连续下跌,如果四线归零,当四线归零消失的那天进场。因为有的股票有可能连续几天大跌,四线归零,如果归零的时候进场则 被套 。所以只有归零消失的时候进场。反弹到白线到100的时候 减仓 ,这样可以抢反弹。
    展开全文
  • {买了就涨 指标 } 趋势线: 3*SMA((CLOSE-LLV(LOW,27))/(HHV(HIGH,27)-LLV(LOW,27))*100,5,1)-2*SMA(SMA((CLOSE-LLV(LOW,27))/(HHV(HIGH,27)-LLV(LOW,27))*100,5,1),3,1);见底信号: 2;买点准备: IF(趋势线&lt;=10,...
  • 多空对比(DKDB) 指标

    千次阅读 2012-10-12 21:57:45
    公式如下: 短线资金:(HHV(C,5)-C)/(HHV(C,5)-LLV(L,5))*-100+100;中短资金:(HHV(C,10)-C)/(HHV(C,10)-LLV(L,10))*-100+100,COLOR00FFFF;中线资金:(HHV(C,20)-C)/(HHV(C,20)-LLV(L,20))... 主力 资金:(HHV(C,30)-C)/(HHV
  • 聚宽 源码 19

    2019-12-11 10:59:12
    原文策略 源码 如下: #ATR自适应通道 导入函数库 from jqdata import * import datetime import time import talib ‘’’ ArrayManager: 用于拼接K线的类,该策略基于不均匀的K线完成,在固定时间输出bar(日内,如...
  • 前言相信大家都听说了量化交易这个东西了吧!量化交易是一种新兴的系统化金融投资方法。那么,什么才是普通股民所适合的量化交易打开方式呢?本文就用一个接地气的股票分析场景 ——用量化回测来识...
  • A股日内T+0交易作为一种相对稳定盈利的策略,辉煌鼎盛的时候让很多一穷二白、毫无社会背景的年轻人一夜暴富,短短一年时间一个稳定成熟的交易员就可以赚两三千万甚至更多利润,这一行短时间造就了一批暴富的人。...
  • 通达信精准选股公式

    千次阅读 2013-03-20 20:20:07
    条件选股公式 源码 :年认同价:=MA(C,240);价格中枢:=(SUM(年认同价,0)/(BARSSINCE(年认同价&gt;0)+239));箱顶:=价格中枢*1.2;箱底:=价格中枢*0.8;毛利润率:=FINANCE(21)/FINANCE(20);成长价值:=年认同价*(1+毛...
  • * 主力 明明 进场 ,股价却在下跌? 主力 已经离场,股价却节节攀升?到底是谁在影响股票涨跌?马上进入指南针全赢博弈,查询股价变化背后的真实面貌。 * 本产品由北京指南针科技发展股份有限公司研发,上证所、深交所...
  • 选股绝招[如何抓住狂涨的黑马]

    千次阅读 2009-08-25 00:09:00
    选股第1招:洞悉成交量的变化 【 成交量的圆弧底 】 当成交量的底部出现时,往往股价的底部也出现了.成交量底部的研判是根据过去的底部来作标准的.当股价从高位往下滑落后,成交量逐步递减至过去的底部均量后,股价触底...
  • 文章目录1、RangeBreak策略简介2、RangeBreak策略的计算方法3、RangeBreak策略 源码 4、RangeBreak策略回测5、RangeBreak策略的改进6、策略 源码 7、总结 1、RangeBreak策略简介 RangeBreak策略最初来源于期货和外汇交易...
  • 什么才是最有用的量化交易策略?这是很多量化交易者都在追究答案的一个问题。其实这个答案非常简单,那...其中包含了 进场 、出场的条件以及风险控制和资金管理等等。策略也有简单和复杂之分,简单的策略比如价格行为...
  • 一个会换挡的交易策略 前言 趋势行情不会永远持续下去,事实上市场大部分时间都处于震荡行情,所以才会有人希望能得到一种交易策略,既可以用在趋势行情,也可以用在震荡行情。 潮汐指数 ...
  • 一个交易系统通常由入场信号,过滤条件,出场信号组成。...还有一个是在盘中计算一些 指标 ,当这些 指标 达到所设定的开 条件后,在下一个时间采样区间的开盘价系统开 。 (1)突破信号: 突破信号一般包括两种,一
  • 摘要 趋势行情不会永远持续下去,事实上市场大部分时间都处于震荡行情,所以才会有人希望能得到一种交易策略,既可以用在趋势行情,也可以用在震荡行情。那么今天我们就用发明者量化交易平台,构建一个趋势和震荡...
  • 交易之道在于耐心等待。反弹不是底,是底不反弹。底是磨出来的,不要去盲目测底,更不要盲目抄底。没有买不到的股票,明天买与今天买对于趋势交易者来说并没有多大区别。要知道,底部和顶部都是最容易赔大钱的区域。...
  • 2019独角兽企业重金招聘Python工程师标准>>> ...
  • 一个会换挡的交易策略 前言 趋势行情不会永远持续下去,事实上市场大部分时间都处于震荡行情,所以才会有人希望能得到一种交易策略,既可以用在趋势行情,也可以用在震荡行情。 潮汐指数 ...
 阅读文章全部内容  
点击查看
文章点评
相关文章
藏家283 关注

文章收藏:835

TA的最新收藏