精华内容
下载资源
问答
  • 移动平均线
    千次阅读
    2022-02-19 21:35:53

    移动平均线计算

    很多朋友在炒股的可能就都比较在意股价,然而就会不在乎一些重要的技术指标,其实炒股也是有技术指标的,而均线这就是技术指标里的重要指标其中之一。均线到底指的是什么,是什么含义同时怎么应用起来呢?

    移动平均线定义:"平均"是指最近n天收市价格的算术平均线;"移动"是指我们在计算中,始终采用最近n天的价格数据。因此,被平均的数组(最近n天的收市价格)随着新的交易日的更迭,逐日向前推移。在我们计算移动平均值时,通常采用最近n天的收市价格。我们把新的收市价格逐日地加入数组,而往前倒数的第n+1个收市价则被剔去。然后,再把新的总和除以n,就得到了新的一天的平均值(n天平均值)。

    一、均线的定义

    1、均线是什么

    均线是一种投资者经常用的一项重要的技术指标,它是将某一段时间的收盘价之和除以该周期所得到的一根平均线。假设在一周里5天都是交易日,即是说5个交易日加起来除掉5便可得到平均数,10日、20日等的计算方法是相同的。

    2、均线有哪些、不同颜色

    均线是根据选取的参数不同,其作用和反应情况也有差异。常用的参数有5日、10日、20日、30日、60日、120日、250日。常用的颜色有白色(5日线)、黄色(10日线)、紫色(20日线)、绿色(30日线)、灰色(60日线)、蓝色(120日线)、橙色(250日),颜色并不是一一对应的,股民是可以任意设置颜色,只要自己喜欢即可。

    二、均线的简单应用

    1、如何在走势图看均线

    (1)添加均线:三个步骤就可以完成,大家可以来看看:第一下放在股票软件界面、第二按MA键、第三再按回车键就开有添加了

    2、分析时用哪条

    均线具体指的是一个时间区间内平均价格和趋势的反映,从均线中,直观呈现到我们面前的是过去一个时段内价格总体运行情况。每一根线都有单独的作用和意义。

    (1)5日均线(攻击线):

    攻击线是向上的趋势,且股票价格上升突破攻击线则会导致短期内看多。同样的道理,假如5日均线向下股价跌破均线则短期看空。

    (2)10日均线(行情线):

    在盘中当操盘线呈持续向上的攻击状态时,操盘线在股价下方,就表示波段性中线上涨,否则会下降。

    (3)20日均线(辅助线):

    它的主要作用就是协助10日均线,不仅对价格运行力度和价格趋势角度进行推进,而且能对二者进行修正,使得价格趋势运行的方向得以稳定。倘若在盘中辅助线时呈着持续向上的攻击状态时,一旦价格突破辅助线,这个意思就是波段性中线行情开始看多,反面就是空。

    (4)30日均线(生命线):

    它的作用是可以指出股价的中期运动趋势,生命线作为较强的压力和支撑的作用。在盘中也是一样,要是得到的生命线趋势是向上的,而股价突破或高于线则看多,否则看空。

    (5)60日均线(决策线):

    可以从中看出价格的中期反转趋势,指导价格大波段级别运行于提前预定好的趋势之中。基本主力其实都会很重视这根均线的,它可以在股价中期的运动趋势起一个很大的作用。

    (6)120日均线(趋势线):

    作用仍是这样,即指明价格中长期的反转趋势,引导或指导价格大波段大级别运行于既定的趋势之中。趋势线被股价突破了的话,短期内是不会有什么变化的,十天以上才会反转的。

    (7)250日均线(年线):

    主要作为参考均线布局于长期投资。公司的相关情况以及收益都能通过它有一个大致的了解。

    3、均线一些常见形态有哪些?

    (1)多头排列:

    表示多条均线支撑着价格上涨,所以看多。

    (2)空头排列:

    表现出的是多条均线反压股价,则为看空。

    (3)银山谷:

    短中线都穿过长线时形成的图形,一个四边形,或者是三角形就会出现在下边,这里就和山谷相似,银山谷就是在长期下跌后首次出现的山谷。

    (4)金山谷:

    继银山谷之后又发现一个山谷,时常会比银山谷的买入点更加真实。

    更多相关内容
  • 第三代移动平均线 MetaTrader 指标 — 是标准移动平均线(MA)的先进版,在较长MA时段执行简单的减少滞后性的程序。这种方法由M. Duerschner首次描述于他的文章Gleitende Durchschnitte 3.0 (德语)。当前版设定λ = ...
  • python计算各类移动平均线,python计算各类移动平均线,
  • 基于Java语言开发的个性化股票分析技术:移动平均线(MA).pdf
  • 今天小编就为大家分享一篇对python pandas 画移动平均线的方法详解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
  • SARIMAX模型 具有外生回归模型的季节性自回归综合移动平均线
  • FRAMA的优点是能跟随​​强趋势运动并能在价格合并时刻突然减缓。
  • 移动平均线的定义是将一段时期的股票价格加以平均,然后把不同时间的平均值连接起来成一条线,这就是移动平均线的本质,具体如何将股价加以平均就是它的算法问题了,一起来看看移动平均线的原理与算法是什么?...

    移动平均线的定义是将一段时期的股票价格加以平均,然后把不同时间的平均值连接起来成一条线,这就是移动平均线的本质,具体如何将股价加以平均就是它的算法问题了,一起来看看移动平均线的原理与算法是什么?

    151783d3ee93dbe11baa18288260197a.png

    一、均线的原理

    移动平均线MA,又称均线、成本线,它代表在- -段时间内买人股票的平均成本,反映了股价在一定时期内的强弱和运行趋势。除了股市之外,移动平均线在各种经济分析中得到广泛的应用。

    移动平均线具有趋势的特性,它比较平稳,不像日K线会起起落落地股市震荡。越是长期的移动平均线,越能表现稳定的特性,不轻易往上往下,必须等股价涨势真正明朗了,移动平均线才会上扬;移动平均线说到底是一种趋势追踪的工具,便于识别趋势已经终结或者反转,新的趋势是否正在形成。

    均线的意义在于:

    1. 了解股票市场的动态,洞悉趋势的发展,对日后的预操作做准备。

    2.知道目前股价的平均成本,从数字的变化中去预测未来股价短期、中期、长期的变动方向。

    二、均线的计算

    均线实际上是-一个个计算结果数值的连线,其计算方法就是连续若于天的收盘价的算术平均,涉及的参数为天数和收盘价。

    以MAS为例,首先用五个交易日的收盘价相加,然后除以5,得出第-个平均数;其次从第二个交易日开始,到第六个交易日,这五个交易日收盘价相加,

    然后除以5,得出第二个平均数;以此类推,将每日不同样本大小的移动平均数表现在图纸上,连接起来,就是上下起伏的移动平均线(而M如果想深入分析黑马股特征,了解黑马股上涨的秘密,学会自己预测每日黑马股,可加老师V-X号:boyi0017 进行学习。每日股市分析,加V-X公众号:微尚股学进行了解。0, MA20的区别就在于所采取的平均数样本的数量不同)。

    计算公式如下:

    N日移动平均线=N日收市价之和+N

    因为需要设置多条移动平均线,参数分别为: N1、 N2、N3、N4,设置为5日、10日、20日、60日。

    三、均线的特点

    从均线计算方法上看,它有以下几个技术特征:追踪趋势、滯后性、稳定性、助涨助跌性、支撑线和压力线特性。

    1.追踪趋势

    从计算方法可以看出,均线在一定程度上过滤了偶然囚素带来的影响,使得投资者可以看清行情的大致趋势。由于平均线能够表示出股价运动的基本趋势,投资者要通过移动平均线认清股票价格的趋势方向,并追随这个趋势。

    2. 稳定性

    移动平均线不会像日线那样大起大落,而是起落得相当平稳。向上的平均线经常是缓缓向上,向下也是这样。要改变平均线的运动趋势并不容易,必须是当天的价格有很大的变动。

    3.安全性

    通常越是长期的平均线,越能表现出安全的特性,即移动平均线不会轻易地往上往下,必须等趋势明朗后,平均线才会真正改变方向。经常是市势开始回落之初,平均线却是向上的,等到市场跌势显著时,才见平均线走下坡,这是平均线的最大特色。越是短期的平均线,安全性越差。越是长期的平均线,其安全性越好,但也因此而显得平均线反应迟钝。

    4. 滞后性

    移动平均线存在一定滞后的效应,经常股价刚开始回落时,移动平均线却还是向上的,等股价跌落显著时,移动平均线才会走下坡,这会导致实际获利空间减小。为了弥补这个缺陷,可以设置多条不同计算天数的移动平均线,从不同周期了解股价的总体运行趋势,要将长短期均线或分时均线配合起来使用。

    5.助涨助跌

    移动平均线具有涨时助涨,跌时助跌的特点。股价从平均线下方向上突破,平均线也开始向上移动,可以看做是多头支撑线,股价问跌至平均线附近,自然会产生支撑力量。短期平均线向上移动速度较快,中长期平均线向上移动速度较慢,但都表示-一定时期内平均成本增加,买方力量若强于卖方,股价回跌至平均线附近,便是买进时机,这是平均线的助涨功效。直到股价上升缓慢或回跌,平均线开始减速移动,股价再问至平均线附近,平均线失去助涨效能,将有重返平均线下方的趋势,最好不要买进。

    反过来说,股价从平均线上方向下突破,平均线也开始向下方移动,则成为空头阻力线,股价回升至平均线附近,自然产生阻力。因此,在平均线往下走,股价回升到平均线附近便是卖出时机,平均线此时有助跌作用。直到股价下跌缓慢或回升,平均线开始减速移动,股价若是再与平均线接近,平均线便失去助跌意义,将有重返平均线上方的趋向,不用急于实出。

    四、均线的种类

    移动平均线的种类很多,但总的来说,以时间的长短划分,移动平均线可分为分时、短期、中期、长期几种。

    1.分时均线

    一般是5分钟均线和15分钟均线,在分时K线上运用,主要用途是短线操作或把握住盘中最佳买卖时机。

    2.短期移动平均线

    主要是5日和10日的。5日移动平均线是将5天的收盘价之和除以5,求出一个平均数,标于图表上,然后类推计算后面的,再将平均数逐日连起,得到的便是5日移动平均线。

    由于5 H平均线起伏较大,震荡行情中时,5日该线运动极不规则,无轨迹可寻,因而需要辅助分析10日平均线,该均线能较为正确地反映短期内股价平均成本的变动情形与股票趋势,可作为短线进出的依据。

    3.中期移动平均线

    一般是指月线和季线,月线采样为25 H,该线能让使用者了解股价一个月的平均变动成木,对于中期投资而言,有效性较高,尤其在股市尚未十分明朗前、能大致指明股价术来变动方向。季线采样为75日。由于其波动幅度较短期移动平均线平滑且有轨迹可寻,比长期移动平均线的敏感度高,因而优点明显。

    4. 长期移动平均线

    一-般是指半年线和年线,半年线采样为125日,年线取样为250日,这些移动平均线对股价中长期趋势有明显效果;还有200日移动平均线,是葛南维专心研究与试验移动平均线系统后,着重推出的,但在国内运用不甚普遍。

    综合观察长、中、短期移动平均线,可以研判市场的多重倾向。如果三种移动平均线并列上涨,该市场呈多头排列;如果三种移动平均线并列下跌,该市场呈空头排列。

    关于移动平均线的原理与算法是什么?的内容就为大家介绍完了,在实战操作中,知道这些原理和算法肯定不够,所以我们还要知道一些实用的应用技巧和法则,以后会继续介绍的。

    为您推荐:

    展开全文
  • 移动平均 在线计算Node.js的指数移动平均值。 还支持移动方差,移动偏差和预测。 实现了在线算法: diff := x - meanincr := alpha * diffmean := mean + incrvariance := (1 - alpha) * (variance + diff * incr)...
  • 基于价格交叉移动平均线指标的交易信号(CSignalMA来自MQL5标准库)被考虑. 基于该策略的EA交易的代码可以被MQL5向导自动生成
  • 它计算蒂尔森移动平均线。 用户可以更改平滑扫描和体积因子等参数。
  • 简单移动平均线(使用Chart.js)
  • 移动平均线,使用十分简单的过程来降低时间滞后,就是基于增加移动平均周期。
  • python 移动平均线 There are situations, particularly when dealing with real-time data, when a conventional average is of little use because it includes old values which are no longer relevant and ...

    python 移动平均线

    There are situations, particularly when dealing with real-time data, when a conventional average is of little use because it includes old values which are no longer relevant and merely give a misleading impression of the current situation. The solution to this problem is to use moving averages, ie. the average of the most recent values rather than all values, which I will implement in Python.

    在某些情况下,尤其是在处理实时数据时,常规平均值很少使用,因为常规平均值包括不再相关的旧值,只会给当前情况带来误导性印象。 解决此问题的方法是使用移动平均值。 我将在Python中实现的最新值而不是所有值的平均值。

    To illustrate the problem I will show part of the output of the program I’ll write for this post. It shows the last few rows of a set of 1000 server response times.

    为了说明这个问题,我将显示我将为这篇文章编写的程序输出的一部分。 它显示了一组1000个服务器响应时间中的最后几行。

    Image for post
    The last few rows of a set of 1000 server response times
    一组1000个服务器响应时间中的最后几行

    Most times in the left hand column are between 10ms and 50ms and can be considered normal but the last few shoot up considerably. The second column shows overall averages which we might use to monitor the server for any problems. However, the large number of normal times included in these averages mean that although the server has slowed to a crawl for the last few requests the averages have hardly risen at all and we wouldn’t realise anything was wrong. The last column shows 4-point moving averages, or the averages of only the last four values. These of course do increase a lot and so alarm bells should start to ring.

    左栏中的大多数时间都在10毫秒至50毫秒之间,可以认为是正常的,但最后几次大幅上升。 第二列显示总体平均值,我们可以使用总体平均值来监视服务器是否存在任何问题。 但是,这些平均值中包含大量的正常时间,这意味着尽管服务器在最近的几个请求中已放缓到爬网的速度,但平均值几乎没有上升,我们也不会意识到有什么不妥。 最后一列显示4点移动平均值,或仅显示最后四个值的平均值。 这些当然会增加很多,因此警钟应该开始响起。

    Having explained both the problem and its solution let’s write some code. This project consists of the following files which you can clone/download from the Github repository.

    解释了问题及其解决方案后,让我们编写一些代码。 该项目包含以下文件,您可以从Github存储库中克隆/下载这些文件。

    • movingaverageslist.py

      movingaverageslist.py
    • movingaverages_test.py

      movingaverages_test.py

    The movingaverageslist.py file implements a class which maintains a list of numerical values, and each time a new value is added the overall average and moving average up to that point are also calculated.

    movingaverageslist.py文件实现了一个维护数值列表的类,并且每次添加新值时,也将计算总体平均值和直至该点的移动平均值。

    In __init__ we simply create an empty list, and set the points attribute, ie. the number of values used to calculate the average.

    __init__我们仅创建一个空列表,并设置points属性,即。 用于计算平均值的值的数量。

    In the append method, the overall and moving averages are calculated using separate functions which I’ll come to in a minute. Then a dictionary containing the new value and the two averages is appended to the list.

    append方法中,总体和移动平均值是使用单独的函数计算的,我将在稍后介绍。 然后,将包含新值和两个平均值的字典添加到列表中。

    In __calculate_overall_average we don’t need to add up all the values each time, we can just multiply the previous average by the count and then add the new value. This is then divided by the length + 1, ie. the length the list will be when the new value is added.

    __calculate_overall_average我们不需要每次都将所有值相加,只需将先前的平均值乘以计数,然后添加新值即可。 然后将其除以长度+ 1,即。 添加新值时列表的长度。

    The __calculate_moving_average function uses a similar technique but is more complex as it has to allow for the list not yet having reached the length of the number of points. In this situation it just calculates the mean of whatever data the list has.

    __calculate_moving_average函数使用类似的技术,但更为复杂,因为它必须允许列表尚未达到点数的长度。 在这种情况下,它只计算列表中任何数据的平均值。

    Lastly we implement __str__ which returns the data in a table format suitable for outputting to the console.

    最后,我们实现了__str__ ,它以适合于输出到控制台的表格格式返回数据。

    The MovingAveragesList class is now complete so let’s put together a simple demo.

    现在, MovingAveragesList类已经完成,因此让我们进行一个简单的演示。

    In main we call populate_response_times to get a MovingAveragesList object with 1000 items, and then print the object. As we implemented __str__ in the class this will be called and therefore we’ll see the table described above.

    main函数中,我们调用populate_response_times以获取包含1000个项目的MovingAveragesList对象,然后打印该对象。 当我们在类中实现__str__ ,它将被调用,因此我们将看到上述表格。

    I have also added a line which prints the last item in the list just to show how to access the most recent value and averages. A possible enhancement would be to wrap this in a method to avoid rummaging around in the inner workings of the class.

    我还添加了一行,用于打印列表中的最后一项,以显示如何访问最新值和平均值。 可能的增强方法是将其包装在一种方法中,以避免在类的内部工作过程中四处乱搞。

    The populate_response_times function creates a MovingAveragesList object with a points value of 4. This is probably too low for practical purposes but it does make manual testing easier!

    populate_response_times函数创建一个MovingAveragesList对象,其点值为4。这对于实际目的来说可能太低了,但是它确实使手动测试变得更加容易!

    It then adds a large number of “normal” values to it; remember that each time a value is added new overall and moving averages are also added. Then a few large numbers are added to simulate a server problem before we return the object.

    然后为它添加了大量的“正常”值; 请记住,每次添加值时都会添加新的总体和移动平均值。 然后在我们返回对象之前,添加一些大数字来模拟服务器问题。

    Now we can run the program like this…

    现在我们可以像这样运行程序了……

    python3.8 movingaverages_test.py

    python3.8 movingaverages_test.py

    I won’t repeat the output but you’ll see 1000 rows of data whizzing up your console.

    我不会重复输出,但是您会看到1000行数据在控制台上飞驰。

    可能的改进 (Possible Improvements)

    The MovingAveragesList class has been tailored to demonstrating the problem it solves and how it does it. In a production environment this are unnecessary and there are a few improvements which could make the class more efficient and useful.

    MovingAveragesList类经过定制,以演示其解决的问题以及如何解决此问题。 在生产环境中,这是不必要的,并且有一些改进可以使类更高效,更有用。

    • We could drop the overall averages

      我们可以降低总体平均水平
    • Only the latest moving average could be kept

      只能保留最新的移动平均线
    • We could delete the oldest value each time a new one is added, just keeping a restricted number of the latest values

      每次添加新值时,我们都可以删除最旧的值,而只保留有限数量的最新值
    • We could forget the list concept entirely and just keep a single moving average, updated from any new values added

      我们可能会完全忘记列表概念,而只保留一个移动平均值,并根据添加的任何新值进行更新
    • We could include a threshold and function to be called if the threshold is exceeded, for example sending out emails if the server response time slows to an unacceptable level

      我们可以包括一个阈值和一个超过该阈值的函数,例如,如果服务器响应时间降至不可接受的水平,则发送电子邮件

    翻译自: https://medium.com/explorations-in-python/moving-averages-in-python-f72a3249cf07

    python 移动平均线

    展开全文
  • EA 基于两条 iMA (移动平均线,MA) 和 动量 (Momentum) 滤波器的交叉。
  • 计算移动平均线是最常见的需求,实现起来也非常简单,下面来完成三件事:1. 从csv格式的文件导入数据,数据内容如下图,注意数据列非常多,我们导入的时候只取了部分列:2.计算简单算术移动平均线MA;3.将计算好的...

    计算移动平均线是最常见的需求,实现起来也非常简单,下面来完成三件事:

    1. 从csv格式的文件导入数据,数据内容如下图,注意数据列非常多,我们导入的时候只取了部分列:

    2.计算简单算术移动平均线MA;

    3.将计算好的数据输出到csv文件中。

    我这里直接把代码写出来,复制下来就能运行,文件路径还有个别参数需要修改:

    ------------------------------------------------------------------------------------------------------

    # -*- coding: utf-8 -*-

    """

    @author: Michael Liang

    @date:20181020

    """

    importpandasaspd

    # ========== 从原始csv文件中导入股票数据,以特锐德sz300001为例

    # 导入数据 - 注意:这里请填写数据文件在您电脑中的路径,因为原始数据列太多,所以只取了部分列

    input_data = pd.read_csv('C:\\Users\\Mic\\PycharmProjects\\test\\data\\sz300001.csv',

    usecols=['股票代码','股票名称','交易日期','开盘价','最高价','最低价','收盘价','后复权价','前复权价'],

    parse_dates=['交易日期'])

    pd.set_option('expand_frame_repr', False)

    # 将数据按照交易日期从远到近排序

    input_data = input_data.sort_values(by='交易日期',ascending=1)

    # ========== 计算移动平均线(以‘前复权价’为例)

    # 分别计算5日、20日、60日的移动平均线

    malist = [5,20,60]

    # 计算简单算术移动平均线MA - 注意:stock_data['close']为股票每天的收盘价

    formainmalist:

    input_data['MA_'+str(ma)] = input_data['前复权价'].rolling(ma).mean()

    # ========== 将算好的数据输出到csv文件 - 注意:这里请填写输出文件在您电脑中的路径,这里用gbk编码方便用Excel打开展示,实际csv建议输出utf-8格式

    input_data.to_csv('C:\\Users\\Mic\\PycharmProjects\\test\\data\\sz300001_ma.csv',encoding='gbk',index=False)

    ---------------------------------------------------------------------------------------------------------------

    输出的数据截图如下:

    (完)

    展开全文
  • 基于两条指数平滑移动平均线交叉的交易信号 被考虑。基于该策略的EA交易的代码可以被MQL5向导自动生成
  • matlab – 计算移动平均线

    千次阅读 2021-05-07 06:34:33
    还有两种选择:来自doc:You can use filter to find a running average without using a for loop.This example finds the running average of a 16-element vector, using awindow size of 5.data = [1:0.2:4]';...
  • 移动平均线(MA)

    千次阅读 2021-05-07 06:35:27
    移动平均线,是利用统计学上 moving average 的方式计算而得。...采用两条移动平均线组合分析时,天数少的移动平均线升破天数多的移动平均线即为买入信号,反之跌破天数多的移动平均线即为卖出信号。移动平均线...
  • 使用简单移动平均线 (SMA) 交易策略进行回测。 项目目标 该项目的目的是应用简单移动平均线 (SMA) 交易策略的回溯测试,以了解策略或模型在过去一段时间内的表现。 使用的方法 简单移动平均线 (SMA): 简单移动平均...
  • 概述根据求平均的方式不同,可以有简单移动平均数( Simple moving Average,SMA)、加权移动平均数( Weighted Moving Average,WMA)和指数移动平均数(Exponential Moving Average, EXPMA 或 EMA)。注意:此均线策略...
  • 用 Python 实现股票指数移动平均线

    千次阅读 2021-09-12 00:06:48
    移动平均指标用于各种交易策略,以发现价格数据的长期趋势。简单移动平均线策略的一个潜在缺点是它们对所有价格的权重相同,而您可能希望最近的价格占有更大的比重。指数移动平均线 (EMA) 是实现...
  • python编写移动平均Trading softwares come with different types of moving averages already pre-installed and ready to charted. But it can be interesting to understand how to calculate these moving ...
  • 置换移动平均线

    2015-09-20 12:11:10
    解决了在行情迅猛的过程中及时的止盈出场并反手
  • pandas技巧系列】使用python计算移动平均线我之前一直用SAS、MATLAB。最近用Python,发现python的pandas包简直是分析金融数据做量化研究的神器。准备写个系列帖子“量化小讲堂”,希望通过实际的列子,让大家知道...
  • 量化投资常用技能——绘图篇 2:绘制移动平均线

    千次阅读 热门讨论 2020-11-30 10:55:30
    量化投资常用技能——绘图篇 2前言移动平均线使用numpy库计算移动平均值量化投资第三方库:abupy欢迎大家关注我们我们的抖音号:金融观察(JRGC8888) 前言 上一篇文章“量化投资常用技能——绘图篇 1:绘制股票...
  • 移动平均线有效性检验与实证分析,岳立柱,仲维清,移动平均线是生活生产中经常运用的投资决策工具之一,特别在金融领域运用最为广泛。本文用期货历史价格数据对移动平均线进行检验
  • 目录 指数移动平均线(EMA) 平滑移动平均线(SMA) 加权移动平均线(WMA) MACD BOLL歌手乐队(BOLL) 标准差(SD) 最高高价值(HHV) 最低的最低价值(LLV) 安装$ npm i finmath 用法import { ma , dma , ema , ...
  • 使用MS SQL 实现的任意间隔的移动平均线,

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 84,590
精华内容 33,836
关键字:

移动平均线

友情链接: GetPChardware.rar