经纬财富:南宁现货白银k线分析

  投资者在进行现货白银等贵金属交易时,不可避免的要进行各种行情分析,而对于K线图,很多投资者刚接触的时候都会一头雾水,有点摸不着头脑,也不知道该从何下手。今天天元金业的投资专家就帮助大家重点介绍K线图该如何看:K线又称蜡烛图、日本线、阴阳线、棒线等,目前常用的说法是“K线”,起源于日本十八世纪德川幕府时代的米市交易,用来计算米价每天的涨跌。后来因其标画方法具有独到之处,所以人们逐渐把其引入股票市场价格走势的分析中,经过300多年的演变发展,目前被广泛的应用在股票、期货、外汇、期权等证券市场。K线一般有以下几种表现形式:

  1.大阴线大幅开高收低的阴线,实体甚长,上下影线极短可以忽略不计,是跌势信号的一种,同时还可以根据该阴线实体的长度来推测当日跌势的迅猛程度。

  2.大阳线低开大幅高收的阳线,实体甚长以至于可以忽略上下影线的存在,这是涨势信号的一种,同时也可以由该阳线实体的长度来推测出涨势的强度。

  3.锤子(纺锤线)锤子的下影线很长,上影线很短或不存在,实体很小而位于交易区间的上端。锤子是重要的反转信号,一般在大幅的下跌或严重的超卖情况下才有意义。同时由锤子所引发的反弹很可能会遭逢卖压。根据锤子进行交易取决于交易者的心态和风险偏好。

  4.上吊下影线很长,上影线很短或不存在,实体很小而位于交易区间的上端。上吊图形与锤子相同但后者是高档的卖出信号。所以上吊是上升走势中的头部反转信号,其实际意义取决于先前的趋势。统一根线形将根据先前的趋势而区别为多头的锤子或空头的上吊。

  5.倒锤头上影线很长,实体很小而位于交易区间的下端,图形与射击之星基本一样,一般在行情下跌到一定深度后出现,表示市场多头已经开始反抗,随时有可能见底。但这种K线一般要等到下根K线收线之后才确认,如果下根K线继续下探,那么就是空头休息的信号了。

  6.黄昏星黄昏星是一根上影线很长的线形,实体很小或基本没有而位于交易区间的下端,最好再配合跳空。这往往出现在行情已上升到一定阶段之后,表示市场已经失去持续的上升动力,随时有可能见顶。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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