萧乾升:4.12今日财经风险提示

黄金技术分析:
  
  黄金从日线图上看,日线布林带三轨持平,显示黄金隔日涨幅不足以改变日线形态,继续维持震荡。今天的布局来讲:我们重点关注1745破位之后的延续性,价格在1676形成双底反弹,再次回归至1720/1745这个区间,这个区间破位我们就看上破,因为已经三次测试1745的压制,同时,前面这个区域震荡之后回落,没有形成一次性的破高,那么二次企稳之后蓄力继续走高破位,那么1745就形成了短期的顶底转换,接下来围绕1745支撑做多跟进!
  
  周线级别来讲的话,T型线的收线成了一个探底回升的一个形态,目前已经有效的站上了均线MA5,再加上站上了1750,那就形成了高位横盘之后再次破高的局面,也是一个金针探底的形成,那么反复的震荡就是短期的一个筑底过程,后面的行情还是围绕做多来跟随参考。短线来讲,金价冲高1758之后没有太大的回落,那么也就是说是一个高位横盘的形态,高位横盘就是修正,也就是说今天,我们就是围绕修正来看待,下方支撑就是1740/45回踩跟多,如果没有出现回踩的情况,可以直接做多跟进。综合来看,今日黄金短线操作思路上萧乾升建议回调做多为主,反弹做空为辅,上方重点关注1765-1770一线阻力,下方短期重点关注1720-1725一线支撑。
  
  黄金白银TD技术分析:
  
  黄金TD:现货上涨带动TD上行,TD走势当然跟随现货黄金就好,毕竟是一个不同报价而已走势基本一样,现在连续上涨中线支撑上移367区域,压力集中375位置,连续上涨不宜追多,当然直接373到376区域短空379损带好。也即是说回落继续365到362多损360目标366到370区域。
  
  白银TD:近期白银相对黄金上涨比较弱,所以防止后期抱团补涨。白银经过两天反弹日线出现久违的绝望诞生做多信号,那就是说黄金企稳后期白银有望成为上涨的黑马。多次提及在黄金企稳时候更多参与白银买入,因为经济发展白银工业需求加大,这无疑是后期爆发上涨催化剂,这就是上个月为什么散户抱团白银上到30的原因,只有价值洼地必然逐利资本疯狂买入,白银跟随黄金探底回升,目前支撑上移24.6区域,对应TD白银走势依然5050到4970分批买入严格4970损。直接反弹5450到5510区域空5600损目标不带。
  
  纸白银:
  
  纸白银4小时周期目前处于下行趋势之中,四小时图级别震荡上行结构极为明显,均线系统呈现多头格局排列,思路上继续坚定多头。纸白银1小时级别的最新情况。属于1小时级别整体维持上涨态势,日内短线或有回踩,短线操作上保持低多的思路,图中高点5.57-5.53元为压力,5.0元整为支撑。4小时图来看,由于5.0元支撑并没有受到破坏,所以萧乾升认为纸白银重新上涨到5.32-5.57概率较大。纸白银大周期依然看涨,短线或有回踩,操作上依旧低多布局思路为主。

【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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