均线

2.对均线的了解
  在经历“简单-复杂-简单”的循环过程中,才发现对以前觉得非常熟悉的均线才有了最初的了解:
  2.1重视均线对K线及形态的作用,比如:
  当行情创新高后回调至前高附近,这时候如果获得一条重要均线的支撑,回调的有效性就会更加可靠;反之,如果行情反弹至重要
阻力区或形态位,这时候如果获得一条重要均线的压制,确定反弹到顶或到阶段顶的可能性就会更加可靠。
  2.2每一个中级以上的行情都有一条主均线。主均线负责支持行情到顶之后,还要完成对行情的压制。在压制没有完成之前,不要
轻易说反转。
  2.3父均线对子均线的支持,是决定行情是否反转的重要因素。比如:
  长期下跌后反弹,形成了30日线转头向上。如果此时其父均线60日线还以较大的斜率下行,不要轻易说反转;如果60日线也有走平
迹象,就请考虑是不是有反转的可能,这时候60日线的父均线-120日线的斜率应该纳入你的法眼。
  2.4重视60日线(在周线上我转换成13日线),60日线是多空分界线,没有任何中级以上行情是运行在60日线以下的。
  2.5均线是量能的堆积。改变均线的运行方向需要的是量,不同级别的均线需要相应级别的量。K线当日穿过长期均线时更多的是象
征意义和心理作用,均线不去理会、会按照固有的方向运行。
{原文链接:http://www.55188.com/thread-2748043-1-1.html}

 

通常,日线级别我以120线为核心,分析其它因素与之的关系。但在单边市中,会以60线替代。这条线,就是这波走势的最高指挥官。上证从998到6124、从6124到1664,都是这样。日线以下、15分钟及以上的波段都可以这么设置,但强烈建议短周期的看到MA240。
  998到6124,在最高指挥官的亲切关怀和英明指挥下,下属们被总体动员起来,股价沿着ma60的指示方向顺利前进。期间虽有三次较大的反抗行为(ma10下穿ma30,注意1700一线、2000一线和4200一线各只能算一次,因为都没超过60周期。唉!一不小心又爆了一个核心技术,心情象割肉般难受),但没有影响总方向。跟领导对着干的ma10之流,很快乖乖地回到了工作岗位。期间虽有股价跌破60,但对60的方向角度影响极小,而且自行情启动以来,60线下的股价也没有累积到60天(这一条没测试过,所以不算核心,欢迎讨论)。况且,背后的后台老板ma240都出动了。
  这种情况下,各位看官可以测试下,你们用经典指标也罢、自编的也罢,只要是测试顶部的,把这一段单独测试并和其他比较,只要你们的取值、计算周期小于60天的,看看准确率吧。
  当然,还有一个要紧的问题,就是均线的斜率。主支撑线斜率不大的时候,指标的准确率要高一些{原文链接:http://www.55188.com/thread-2748043-1-1.html}

 

MACD:

http://blog.eastmoney.com/ntysq666/blog_150802466.html

DIF是12周期均线与26周期均线的差,DEA是前者的9周期均线。
我们所说的MACD背离,是指DIF的位置与K线位置的比较,那么,上涨过程中的顶背离可作如下表述:
  股价创新高,DFI值未创新高。或者说,12周期线与26周期线的差低于前期值

笼统地总结:背离的发生,本质上是K线和均线的关系发生的变化

DIF上穿零轴,表示EMA12上穿EMA26。
  换一种表达方式:DIF等于零时,EMA12的值等于EMA26。
  在MACD,DIF等于0时的机会极小,发生与零轴交叉的时间总是在两根K线之间,基于此,我们再换一种表达方式:DIF在零轴附近时,EMA12与EMA26的值接近。通俗地说:它们在一起。
  三种表达表述的是同一个现象,表示的含义却不相同。
  这就是,当发生DIF上穿零轴时,有人只看到这个,有人却看到了均线的问题,有人还看到了此时,K线总是上穿MA60。

    零轴,代表平衡。同时也是60均线。

Python均线纠缠是一种股票交易技术分析方法,通过计算不同时间段内的移动平均线(MA)之间的交叉情况来判断股票价格走势。当短期均线向上穿过长期均线时,被称为"金叉",是买入的信号;反之,当短期均线向下穿过长期均线时,被称为"死叉",是卖出的信号。这种方法可以较好地帮助投资者把握股票的买卖时机。 在Python中,可以使用pandas和numpy等库进行均线的计算,并且可以使用matplotlib库进行可视化展示。以下是使用pandas和numpy库计算5日和10日均线的代码: ```python import pandas as pd import numpy as np # 读取股票数据 data = pd.read_csv('stock_data.csv') # 计算5日均线和10日均线 data['5MA'] = np.round(data['close'].rolling(window=5).mean(), 2) data['10MA'] = np.round(data['close'].rolling(window=10).mean(), 2) ``` 以上代码中,'stock_data.csv'是包含股票数据的csv文件,其中'close'列是收盘价。计算5日均线和10日均线的方法是使用rolling函数计算指定窗口大小内的平均值,然后使用round函数将结果保留两位小数。 接下来,可以使用matplotlib库进行可视化展示,代码如下: ```python import matplotlib.pyplot as plt # 绘制股票收盘价和5日、10日均线图 plt.plot(data['close'], label='Close') plt.plot(data['5MA'], label='5MA') plt.plot(data['10MA'], label='10MA') plt.legend() plt.show() ``` 以上代码中,plt.plot函数用于绘制折线图,label参数用于设置图例名称,legend函数用于显示图例。运行以上代码可以得到股票收盘价和5日、10日均线图。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值