macd的顶背离和底背离

今天我们谈谈顶背离和底背离

    顶背离   
   当股价K线图上的股票走势一峰比一峰高,股价一直在向上涨,而MACD指标图形上的由红柱构成的图形的走势是一峰比一峰低,即当股价的高点比前一次的高点高、而MACD指标的高点比指标的前一次高点低,这叫顶背离现象。顶背离现象一般是股价在高位即将反转转势的信号,表明股价短期内即将下跌,是卖出股票的信号。  
   底背离   
   底背离一般出现在股价的低位区。当股价K线图上的股票走势,股价还在下跌,而MACD指标图形上的由绿柱构成的图形的走势是一底比一底高,即当股价的低点比前一次低点底,而指标的低点却比前一次的低点高,这叫底背离现象。底背离现象一般是预示股价在低位可能反转向上的信号,表明股价短期内可能反弹向上,是短期买入股票的信号。  
   在实践中,MACD指标的背离一般出现在强势行情中比较可靠,股价在高价位时,通常只要出现一次背离的形态即可确认位股价即将反转,而股价在低位时,一般要反复出现几次背离后才能确认。因此,MACD指标的顶背离研判的准确性要高于底背离,这点投资者要加以留意。

如何判断MACD的背离? 
  技术指标的用法不外乎三种: 
     协同--股价与指标同步; 
     交叉--长,短线金叉与死叉; 
     背离--股价与指标不一至,股价趋势向上,指标反而走平或      向下了,股价趋势向下, 指标反而向上或平。 
  我的MACD顶背离为: 
     股价经过一段涨,MACD的顶背离是指股价与前面的高股价平或高(宏观地看,粗看,看股价趋势)MACD指标中的DIFF不与价同步向上反而低或平了(细看,比数值大小这样才有可操作性),在cdl指标中就是DIFF由红翻绿了。    价是看趋势,不是一定要按什么最高,最低,收盘价,是看一个大概样子,而下面的DIFF是要和前面的峰比大小的,所以要精确。  
   发挥用法就是不看上面价,只看MACD的DIFF的最高点,只要这个新出来的高峰没有前高就算是背离了,一般往下至少有15%的跌幅。 
  这里要说明的就是教科书上所说的MACD背离是股价与MACD指标中的MACD比,而我这里的是股价与MACD指标的DIFF比。


   反过来,就是MACD底背离了。股价创新低,DIFF不再创新低(前面应有一个最低点),这个次低点的后一天就是底背离点,要注意:这个次低点是由后一天涨而形成的,底背离点是一个进货参考点。 
   发挥用法就是不看上面的股价只看DIFF,不再创新低了造成这次低点的那天就是底背离点。


 


 


 


 


 

  现在看看是多么地准啊!凡是要进票,一看MACD有这种情况了,就不要马上进,至少也要等到它回调有15%以上再进。有票的第二天逢高甩,可以在低位捡回来。


 


 


 


    以上是原则,一般顶背离较准,看到逃没错,下面至少有15%的跌幅,逃错了无非是少赚点,底背离买点就只能供参考,不能保证买了一定有5%的赚头,买了不涨只有止损。  (续。。。。。)

MACD顶背离背离是指在技术分析中,价格的趋势与MACD指标的趋势出现分歧的现象,通常被用来预测市场可能的转折点。 在编写Python程序来识别MACD顶背离背离时,需要首先计算出价格的移动平均线差异(MACD)和其信号线,然后将这些值与价格本身的高点和低点进行比较,以识别背离现象。 以下是一个简单的示例程序,它使用了pandas和matplotlib库来计算MACD并识别背离: ```python import pandas as pd import matplotlib.pyplot as plt import numpy as np from pandas_datareader import data as pdr # 获取股票数据,这里以苹果公司为例 df = pdr.get_data_yahoo('AAPL') # 计算MACD exp1 = df['Close'].ewm(span=12, adjust=False).mean() exp2 = df['Close'].ewm(span=26, adjust=False).mean() macd = exp1 - exp2 signal = macd.ewm(span=9, adjust=False).mean() # 计算背离 def detect_divergences(prices, macd, signal): peaks = prices['High'].rolling(window=2).apply(lambda x: x[1] < x[0]).astype(int).diff().fillna(0).astype(bool) valleys = prices['Low'].rolling(window=2).apply(lambda x: x[1] < x[0]).astype(int).diff().fillna(0).astype(bool) divergences = pd.DataFrame(index=prices.index) # 背离 for index in peaks[peaks==1].index: if macd[index] > macd[index-1]: divergences.loc[index, 'Bullish_Divergence'] = 'Potential_Buy' # 顶背离 for index in valleys[valleys==1].index: if macd[index] < macd[index-1]: divergences.loc[index, 'Bearish_Divergence'] = 'Potential_Sell' return divergences divergences = detect_divergences(df, macd, signal) df = df.join(divergences) # 绘制图表 fig = plt.figure(figsize=(14,7)) ax1 = fig.add_subplot(111, ylabel='Price in $') df['Close'].plot(ax=ax1, color='black', lw=2.) ax2 = ax1.twinx() df['MACD'].plot(ax=ax2, color='red', lw=2.) df['Signal_Line'].plot(ax=ax2, color='blue') plt.show() # 注意:这个程序仅作为示例,实际交易中需要更严格的逻辑来确认背离 ``` 在使用此代码之前,请确保你已经安装了pandas, matplotlib, numpy和pandas_datareader库。此程序仅作为一个基础的示例,实际应用中可能需要更多的逻辑来确认背离,并结合其他因素如成交量、其他技术指标等来做出更准确的预测。
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