g30u盘启动 中科曙光1620_中科曙光、浪潮信息下周如何操作?

2020年,对中科曙光和浪潮信息这两只个股来说,是不平凡的一年。尽管过去几年,这两只个股沉默了很久。在芯片股、计算机股上涨如火如荼时,他们选择了低调。然而,黄金总会发光的。过去的一段时间,这两只个股表现不俗。经历了上涨之后,中科曙光、浪潮信息下周如何操作?

这两只个股,流通盘相对较小,又属于新兴产业和高科技行业。所以股价的走势不仅受创业板指数影响较大,受科技股走势的影响也很大。而A股市场中的创业板指数,短期已经走出阶段性顶部,当然,这主要受科技股的影响。科技股经过连续大幅度上涨之后,到了获利盘兑现阶段。所以,下周,从大环境来看,这两只个股面临的形势不太乐观。

一、中科曙光,短线休整

中科曙光,看好这只个股,已经很久了。八月份至今,分析过几次。从趋势到买点,都已经进行过详尽的分析,阐述了独家的观点。在12月及之前,一直的观点是中科曙光股价跌到34元以下就是好的买点。当时,由于该股走势看似低迷,没有人气。同时A股市场的很多概念股和妖股上涨势如破竹,所以很多人并没有在意。炒股就是这样,在大家都不看好的时间买入,才是最好的操作方式。到了元月十日,再度对中科曙光进行分析,主要侧重的是短线启动点。而这一次,巧合的是,中科曙光真的启动了,次日涨停,当然涨幅超出了预期。最近四个交易日,中科曙光在横盘震荡,下周如何走呢?

这四个交易日,中科曙光的日K线中心不断上移,且都同时具备明显的上影线和下影线。这样的K线,意味着振幅偏大,而实际涨幅和跌幅并不大。在炒股过程中,当散户发现这种情况时,应该有短线的警觉性。股价连续震荡时间越长,震荡幅度越大,庄家制造的混乱程度越高,只有混乱了,才好做很多见不得人的事情。因为庄家才操盘过程中,也需要不断做高抛低吸,而股价怎么运行,庄家自己明明白白。所以,庄家的账户,成本非常低。而此时,中科曙光就在这个阶段。不过出现这种情况的根源在于,短线中科曙光上涨15%,速度比较快,超过了中长期均线运行的速度,所以,导致均线表现出明显的滞后性。这恰恰有力牵制了股价短线的进一步上涨。所以,调整的概率比较大。

调整归调整,中科曙光的股价已经进入新一轮上涨是不争的事实。所以要协调好做差价的筹码与持股不动的筹码之间的关系。这是很难实现的,毕竟做差价难度太大,一不小心,就会被庄家欺骗。

二、浪潮信息,股价到底有没有实现突破

大概在12.10日左右,第一次分析。当时,对于浪潮信息的判断有两种情况,第一种,浪潮信息会走出三段式下跌,奔半年线或者年线,这是最理想的情况,也是最稳健的买点。此后股价虽然出现一轮下跌,但是并没有到这个位置。第二种情况,是提前止跌,然后上涨,突破前高,构筑日线级别的中枢结构,掀起新一轮上涨。当然,本人认为第二种情况出现的概率非常小。而实际情况是股价提前止跌,股价出了新高,但是并不是有效的突破。股价的预测难度非常大,介于两种情况之中。下周如何走呢?

从结构上看,2019年十一月中旬开始至今,股价在前高附近构筑了比较大的中枢结构,最近的周五股价创出高点。这是公司公布的业绩快报直接相关。浪潮信息去年净利润预计增长30%--50%,是上涨的导火索。但是周五的K线,高开,有明显的下影线,实体几乎没有,上影线较短。这样的K线,在本人看来,不是典型的突破型K线,还很有可能是短线的诱多。毕竟震荡幅度不小,尤其是下影线太长。同时,在中枢结构突破的末期,需要筹码的充分换手,而周五的成交量并不大。所以,庄家还需要重新进行洗盘,股价下周大概率还要回踩,回踩多深,需要走一步看一步。不过就浪潮信息来看,走出轰轰烈烈的行情,已经不远了。

不荐股,只客观记录本人的分析和操作,不作为买卖依据!

这只是技术分析的冰山一角,完整的独家技术分析体系已经全部写在书稿中,欢迎咨询。添加下方微信号即可,非诚勿扰,学生忽略此信息!

f9d53cb9421390eca83f2653ce4102da.png

另,本人新开微信公众号。请大家关注本公众号同时,扫描关注下方新的微信公众号,以免错过最佳机会。

664c4348efa14de5b39181604e00f17d.png

  • 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