看盘做短线11法

教你看盘做短线11法(仅供参考)
  1.每个板块都有自己的领头羊,看见领头的动了,就马上看第二个以后的股票。如看到天大天财就要想到清华同方和东大阿派。  
  2.密切关注成交量。成交量小时分步买。成交量在低位放大时全部买。成交量在高位放大时全部卖。    
  3.回档缩量时买进,回档量增卖出。一般来说回档量增是主力出货时,第二天会高开。开盘价高于第一天的收盘价,或开盘不久会高过前一天的收盘价,跳空缺口也可能出现,但这样更不好出货。  
  4.RSI在低位徘徊三次时买入。在RSI小于10时买,在RSI高于85时卖。RSI在高位徘徊三次时卖出。股价创新高,RSI不能创新高一定要卖 出。KDJ可以做参考。但主力经常在尾市拉高达到骗钱的目的,专整技术人士。故一定不能只相信KDJ。在短线中,WR%指标很重要。一定要认真看。长线多 看TRIX。  
  5.心中不必有绩优股与绩差股之分。只有强庄和弱庄之分。股票也只有强势股和弱势股之分。  
  6.均线交叉时一般有一个技术回调。交叉向上回档时买进,交叉向下回档时卖出。5日和10日线都向上,且5日在10日线上时买进。只要不破10日线就 不卖。这一般是在做指标技术修复。如果确认破了10日线,5日线调头向下卖出。因为10日线对于做庄的人来说很重要。这是他们的成本价。他们一般不会让股 价跌破10日线。但也有特强的庄在洗盘时会跌破10日线。可20日线一般不会破。否则大势不好他无法收拾。  
  7.追涨杀跌有时用处很大。强者恒强,弱者恒弱。炒股时间概念很重要。不要跟自己过不去。  
  8.大盘狂跌时最好选股。就把钱全部买成涨得第一或跌得最少的股票。  
  9.高位连续三根长阴快跑。亏了也要跑。低位三根长阳买进,这通常是回升的开始。  
  10.在涨势中不要轻视冷门股。这通常是一匹大黑马。在涨势中也不要轻视问题股,这也可能是一匹大黑马。  
  11.设立止损位。这是许多人都不愿做的。一般把止损点设在跌10%的位置为好。跌破止跌点要认输,不要自己用压它几个月当存款的话来骗自己.
 
PS:本文不作为投资的依据,仅供参考,据此入市,风险自担。
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算分类 基于深度学习的目标检测算主要分为两大类: Two-stage算:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算分类 基于深度学习的目标检测算主要分为两大类: Two-stage算:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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