缠论k线合并处理python实现_为什么缠论难以理解?

我想原因大概有以下几点: 1、对笔的画法错误。大概很少有人能充分理解77课,这一课如果不充分理解,笔的画法就一定错误。笔画错了,线段自然也画错;线段画错,中枢自然也画错;中枢画错,自然一切都错了。

21608f8f-ed1a-eb11-8da9-e4434bdf6706.gif

2、就算77课弄懂了,笔画对了,如果不懂特征序列合并,面对复杂的走势,也一定晕。必须懂得特征序列合并,才能看懂走势,才能懂得线段破坏怎样判断。 3、不懂得走势分解原则:两个同级别中枢之间必须有独立的次级别线段连接。因为很多人都不懂得这个原则,所以走势的分解都是错的。 4、懂得笔的画法、特征序列合并之后,中枢的判断、线段的划分才能搞对。但这只是最基本的,如果不懂得走势的多义性,还是不会判断行情。目前我仍然不是很懂这个。缠主说一切的多义性都和中枢有关。我只能慢慢领悟了。 5、走势的结合律。由于存在多义性,所以走势是可以根据分析的需要进行组合的,不论如何组合都符合缠论。可以根据自己的情况,抓住自己想要的机会进行操作。这只有等我领悟了多义性之后再进一步领会了。 6、小转大的问题。根据背驰只是走势发生转折的充分而非必要条件,也就是说有背驰一定会发生转折,没有背驰也可以发生转折。缠主又说,他之所以引进特征序列概念是为了避免在线段的级别上发生小转大这样不确定的情况。这句话我始终不能理解。也只好再进一步理解了。 7、即使出现过一买、二买,仍然会继续下跌,只要做出了三卖; 同样即使出现过一卖、二卖,仍然会继续上涨,只要做出了三买。因为下跌趋势和上涨趋势的转折也可以是盘整,一买和二买、一卖和二卖出现肯定能形成盘整。股票走势是比较复杂的。 有些人长期存在着这样的误解:以为有一买就一定会有二买,并且会有三买,以为一二三买(或卖)都会挨个儿出现。实际上并不是这样。有一买不一定会有二买,因为一买过后,股价又再次下跌并且力度不背驰。

22608f8f-ed1a-eb11-8da9-e4434bdf6706.jpeg

即使有二买,也会有两种情况:二买不创新低或者创新低。如果走势较强也有可能二买三买重叠,这就是所谓的V形反转。也有可能没有一买,但有二买或三买,这就是小转大的情况。

卖点也是如此。

所以三类买点(卖点)的组合情况是比较复杂的,不能一根筋思维。
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
对于K线合并,通常可以采用以下两种方法: 1. 时间戳合并法: 首先需要把K线数据按照时间戳升序排列,然后可以按照固定时间间隔(如5分钟、10分钟等)进行合并。具体实现中,可以通过遍历K线数据,对于相邻两条K线,比较其时间戳是否在同一个时间段内,如果是则合并成一条K线,否则保留原始数据。可以使用Python中的pandas库实现: ```python import pandas as pd # 读取K线数据 df = pd.read_csv('kline.csv') # 将时间戳转换为时间格式 df['timestamp'] = pd.to_datetime(df['timestamp'], unit='s') # 按照5分钟时间间隔合并K线 df = df.set_index('timestamp').resample('5min').agg({ 'open': 'first', 'high': 'max', 'low': 'min', 'close': 'last', 'volume': 'sum' }).dropna() # 输出合并后的K线数据 print(df) ``` 2. 数量合并法: 另一种方法是按照固定数量(如100条、200条等)进行合并,具体实现中同样需要遍历K线数据,对于相邻的N条K线数据,合并成一条K线。可以使用Python中的numpy库实现: ```python import numpy as np # 读取K线数据 data = np.loadtxt('kline.csv', delimiter=',') # 按照100条K线数据合并 merged_data = np.zeros((len(data) // 100, 5)) for i in range(len(data) // 100): merged_data[i][0] = data[i * 100][0] merged_data[i][1] = np.max(data[i * 100:i * 100 + 100, 1]) merged_data[i][2] = np.min(data[i * 100:i * 100 + 100, 2]) merged_data[i][3] = data[i * 100 + 99][3] merged_data[i][4] = np.sum(data[i * 100:i * 100 + 100, 4]) # 输出合并后的K线数据 print(merged_data) ``` 以上两种方法可以根据实际需求进行调整和优化,例如可以添加滑动窗口、动态调整时间间隔或数量等策略。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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