精华内容
下载资源
问答
  • macd背离的级别

    2018-02-17 09:14:00
     15分钟级别的背离可以预测未来24小时之内的股价。 30分钟级别的背离可以做中线。 周线背离可以影响1-2年的股价。 背离级别越短见效越快,即使错误也可以等待下一次双背离补仓。 周线级别的背离很痛苦,见效慢...

    1分钟的背离可以忽略不看。
      5分钟的背离可以预测未来5-6个小时的股价。
      15分钟级别的背离可以预测未来24小时之内的股价。
      30分钟级别的背离可以做中线。
      周线背离可以影响1-2年的股价。
      背离级别越短见效越快,即使错误也可以等待下一次双背离补仓。
      周线级别的背离很痛苦,见效慢。
      要注意高级别背离对低级别背离的影响。比如日线的顶背离,股价未来中长期下跌,但同时出现5分钟与15分钟底背离共振,就可以做短线抄底,玩2天短平快。
      macd用默认的。

    转载于:https://www.cnblogs.com/hjlweilong/p/8451415.html

    展开全文
  • MACD(分钟、日、周、月、年级别)研究 最近和朋友一直在研究 MACD方面的策略,看到社区里很多人都在问分钟、周级别MACD如何写,这里我就直接把代码放出来,分享给各位有需求的朋友!今后,将会陆续推出其它指标的...

    MACD(分钟、日、周、月、年级别)研究

    最近和朋友一直在研究 MACD方面的策略,看到社区里很多人都在问分钟、周级别的MACD如何写,这里我就直接把代码放出来,分享给各位有需求的朋友!今后,将会陆续推出其它指标的不同时段研究主题!

    如果对你有帮助,希望点下赞 O(∩_∩)O哈哈~


    先上封装好的方法,方便各位复制

    import pandas as pd
    import numpy as np
    import talib as tb
    import datetime
    import time
    
    def get_macd(stock_list, check_date=None, unit='1d', include_now=False):
        """
        MACD计算函数,返回一个嵌套字典,Key是股票代码,Value是一个字典,不包括当前时间段的值
        stock_list:可以指定单只股票,也可以是股票列表
        check_date: 获取MACD值的日期,注意未来数据值
        unit:支持分钟 xm、天 xd、周 xw 时间段的数据
        include_now: 是否包含当前时间段的bar
        """
        macd_list = {}
        if isinstance(check_date,str):
            check_date = datetime.datetime.strptime(check_date, "%Y-%m-%d %H:%M:%S")
        
        '''如果股票代码是个字符串而不是一个列表,进行转换'''
        if isinstance(stock_list,str):
            stock_list = [stock_list]
        
        for stock in stock_list:
            '''获取指定日期之前的300个收盘价信息'''
            array = get_bars(security=stock, 
                             count=500, 
                             unit=unit,
                             fields=['close'],
                             include_now=include_now,
                             end_dt=check_date, 
                             fq_ref_date=check_date)
            close_list = array['close']
    
            '''求出用300个数据推算出的dif/dea/macd集合'''
            dif, dea, macd = tb.MACD(close_list, 
                                     fastperiod=12, 
                                     slowperiod=26, 
                                     signalperiod=9)
    
            '''得到最近一个交易时间段的dif/dea/macd'''
            last_dif = dif[-1]
            last_dea = dea[-1]
            last_macd = macd[-1]
    
            '''字典包装,用于返回'''
            macd_dic = (last_dif, last_dea, last_macd*2)
            macd_list[stock] = macd_dic
            
        return macd_list
    

    日级别MACD调用

    re_value = get_macd(['002024.XSHE', '000001.XSHE'], check_date=datetime.datetime.now(),unit='1d', include_now=False)
    dif, dea, macd = re_value['002024.XSHE']
    print(dif, dea, macd)
    
    -0.21268269808256157 -0.20345150043898352 -0.018462395287156097
    

    日级别的MACD调用需要注意一下,假如check_date的值是2018-09-04这样的日期形式,默认会按2018-09-04 00:00:00的时间点结算

    2018-09-04 00:00:00还没有开盘,所得到的值是上一日收盘后的数据,所以得到MACD的值实际上是上一个交易日的

    分钟级别MACD调用

    re_value = get_macd('000001.XSHE', check_date='2018-11-12 14:00:00',unit='60m', include_now=True)
    dif, dea, macd = re_value['000001.XSHE']
    print(dif, dea, macd)
    
    -0.10318188495987535 -0.06846332775628344 -0.06943711440718381
    

    include_now=False指定包含当前分钟级别内的数据

    周级别MACD调用

    re_value = get_macd(['002024.XSHE', '000001.XSHE'], check_date=datetime.datetime.now(),unit='1w', include_now=False)
    dif, dea, macd = re_value['002024.XSHE']
    print(dif, dea, macd)
    
    -0.36459699432380077 -0.22657033635361742 -0.2760533159403667
    

    get_bars 的用法

    get_bars(security, count, unit='1d',
                     fields=['date', 'open','high','low','close'],
                     include_now=False, end_dt=None, fq_ref_date=None)
    

    获取各种时间周期的 bar 数据, bar 的分割方式与主流股票软件相同, 而且支持返回当前时刻所在 bar 的数据。

    参数

    • security: 股票代码
    • count: 大于0的整数,表示获取bar的个数。如果行情数据的bar不足count个,返回的长度则小于count个数。
    • unit: bar的时间单位, 支持如下周期:‘1m’, ‘5m’, ‘15m’, ‘30m’, ‘60m’, ‘120m’, ‘1d’, ‘1w’, ‘1M’。‘1w’ 表示一周,‘1M’ 表示一月。
    • fields: 获取数据的字段, 支持如下值:‘date’, ‘open’, ‘close’, ‘high’, ‘low’, ‘volume’, ‘money’
    • include_now: 取值True 或者False。 表示是否包含当前bar, 比如策略时间是9:33,unit参数为5m, 如果 include_now=True,则返回9:30-9:33这个分钟 bar。
    • end_dt:查询的截止时间,支持的类型为datetime.datetime或None。为None在回测模拟环境下默认为context.current_dt,在研究环境下默认为datetime.now(),支持的格式为。
    • fq_ref_date:复权基准日期,为None时为不复权数据。注意在回测及模拟交易中,默认为None,即不复权数据;在研究环境中,默认复权基准日期为当天。

    返回一个 numpy.ndarray 对象。可以通过 array[‘close’] 的方式直接访问列数据。

    示例

    array = get_bars('000001.XSHG', 5, unit='1d',fields=['open','close'],include_now=False)
    array['close']
    

    日级别的金叉与死叉求法(不包含当天)

    '''平安银行'''
    stocks = '000001.XSHE'
    start_day = datetime.datetime.now().date() - datetime.timedelta(days=300)
    date_list = [start_day + datetime.timedelta(days=i) for i in range(30) if (start_day.weekday() != 5 or start_day.weekday() != 6)]
    
    for date in date_list:
        '''跳过周六周日'''
        _day = date - datetime.timedelta(days=1)
        if date.weekday() == 0 or date.weekday() == 1:
            _day = date - datetime.timedelta(days=3)
        last_day_dic = get_macd(stocks, 
                            check_date=date,
                            unit='1d', 
                            include_now=False)
        action_day_dic = get_macd(stocks, 
                                     check_date=_day,
                                     unit='1d', 
                                     include_now=False)
    
        l_dif, l_dea, l_macd = last_day_dic[stocks]
        a_dif, a_dea, a_macd = action_day_dic[stocks]
        
        if a_dif < a_dea and l_dif > l_dea:
            print(date, '的前一个交易日 金叉形成')
        elif a_dif > a_dea and l_dif < l_dea:
            print(date, '的前一个交易日 死叉形成')
        else:
            print(date, '的前一个交易日 维持不变')
    
    2018-01-17 的前一个交易日 维持不变
    2018-01-18 的前一个交易日 维持不变
    2018-01-19 的前一个交易日 维持不变
    2018-01-20 的前一个交易日 维持不变
    2018-01-21 的前一个交易日 维持不变
    2018-01-22 的前一个交易日 维持不变
    2018-01-23 的前一个交易日 维持不变
    2018-01-24 的前一个交易日 维持不变
    2018-01-25 的前一个交易日 维持不变
    2018-01-26 的前一个交易日 维持不变
    2018-01-27 的前一个交易日 维持不变
    2018-01-28 的前一个交易日 维持不变
    2018-01-29 的前一个交易日 维持不变
    2018-01-30 的前一个交易日 死叉形成
    2018-01-31 的前一个交易日 维持不变
    2018-02-01 的前一个交易日 维持不变
    2018-02-02 的前一个交易日 维持不变
    2018-02-03 的前一个交易日 维持不变
    2018-02-04 的前一个交易日 维持不变
    2018-02-05 的前一个交易日 维持不变
    2018-02-06 的前一个交易日 维持不变
    2018-02-07 的前一个交易日 维持不变
    2018-02-08 的前一个交易日 维持不变
    2018-02-09 的前一个交易日 维持不变
    2018-02-10 的前一个交易日 维持不变
    2018-02-11 的前一个交易日 维持不变
    2018-02-12 的前一个交易日 维持不变
    2018-02-13 的前一个交易日 维持不变
    2018-02-14 的前一个交易日 维持不变
    2018-02-15 的前一个交易日 维持不变
    

    分钟级别的金叉与死叉求法(包含当前运算时间点[分钟级别])¶

    '''苏宁易购'''
    stocks = '000001.XSHE'
    '''定义一个开始时间'''
    start_time = datetime.datetime.strptime('2018-11-12 09:30:00', "%Y-%m-%d %H:%M:%S")
    
    for i in range(12):
        now = start_time + datetime.timedelta(minutes=i*5)
        action_time = now - datetime.timedelta(minutes=5)
        
        last_day_dic = get_macd(stocks, 
                            check_date=now,
                            unit='5m', 
                            include_now=True)
        action_day_dic = get_macd(stocks, 
                                     check_date=action_time,
                                     unit='5m', 
                                     include_now=False)
    
        l_dif, l_dea, l_macd = last_day_dic[stocks]
        a_dif, a_dea, a_macd = action_day_dic[stocks]
    #     print(action_time,a_dif, a_dea, a_macd,now,l_dif, l_dea, l_macd)
        if a_dif < a_dea and l_dif > l_dea:
            print(now, '金叉形成')
        elif a_dif > a_dea and l_dif < l_dea:
            print(now,'死叉形成')
        else:
            print(now, '维持不变')
    
    2018-11-12 09:30:00 维持不变
    2018-11-12 09:35:00 维持不变
    2018-11-12 09:40:00 维持不变
    2018-11-12 09:45:00 维持不变
    2018-11-12 09:50:00 维持不变
    2018-11-12 09:55:00 死叉形成
    2018-11-12 10:00:00 死叉形成
    2018-11-12 10:05:00 维持不变
    2018-11-12 10:10:00 维持不变
    2018-11-12 10:15:00 维持不变
    2018-11-12 10:20:00 维持不变
    2018-11-12 10:25:00 金叉形成
    

    周、月、年级别的MACD使用方法同上,又因MACD的延迟性,在该时间使用的人较少,这里不再列出调用代码,使用者可改变参数使用。

    由于在研究中使用代码,常常使用到非交易日期,如果在回测中使用,则不会出现非交易日期。

    敝人能力有限,如有错误的地方,还请指证,欢迎提出更正建议!O(∩_∩)O~~

    展开全文
  • MACD(分钟、日、周、月、年级别)研究 最近和朋友一直在研究MACD方面的策略,看到社区里很多人都在问分钟、周级别MACD如何写,这里我就直接把代码放出来,分享给各位有需求的朋友!今后,将会陆续推出其它指标的...

    MACD(分钟、日、周、月、年级别)研究

    最近和朋友一直在研究 MACD方面的策略,看到社区里很多人都在问分钟、周级别的MACD如何写,这里我就直接把代码放出来,分享给各位有需求的朋友!今后,将会陆续推出其它指标的不同时段研究主题!

    如果对你有帮助,希望点下赞 O(∩_∩)O哈哈~


    先上封装好的方法,方便各位复制

    import pandas as pd
    import numpy as np
    import talib as tb
    import datetime
    import time
    
    def get_macd(stock_list, check_date=None, unit='1d', include_now=False):
        """
        MACD计算函数,返回一个嵌套字典,Key是股票代码,Value是一个字典,不包括当前时间段的值
        stock_list:可以指定单只股票,也可以是股票列表
        check_date: 获取MACD值的日期,注意未来数据值
        unit:支持分钟 xm、天 xd、周 xw 时间段的数据
        include_now: 是否包含当前时间段的bar
        """
        macd_list = {}
        if isinstance(check_date,str):
            check_date = datetime.datetime.strptime(check_date, "%Y-%m-%d %H:%M:%S")
    
        '''如果股票代码是个字符串而不是一个列表,进行转换'''
        if isinstance(stock_list,str):
            stock_list = [stock_list]
    
        for stock in stock_list:
            '''获取指定日期之前的300个收盘价信息'''
            array = get_bars(security=stock, 
                             count=500, 
                             unit=unit,
                             fields=['close'],
                             include_now=include_now,
                             end_dt=check_date, 
                             fq_ref_date=check_date)
            close_list = array['close']
    
            '''求出用300个数据推算出的dif/dea/macd集合'''
            dif, dea, macd = tb.MACD(close_list, 
                                     fastperiod=12, 
                                     slowperiod=26, 
                                     signalperiod=9)
    
            '''得到最近一个交易时间段的dif/dea/macd'''
            last_dif = dif[-1]
            last_dea = dea[-1]
            last_macd = macd[-1]
    
            '''字典包装,用于返回'''
            macd_dic = (last_dif, last_dea, last_macd*2)
            macd_list[stock] = macd_dic
    
        return macd_list
    

    日级别MACD调用

    re_value = get_macd(['002024.XSHE', '000001.XSHE'], check_date=datetime.datetime.now(),unit='1d', include_now=False)
    dif, dea, macd = re_value['002024.XSHE']
    print(dif, dea, macd)
    
    -0.21268269808256157 -0.20345150043898352 -0.018462395287156097
    

    日级别的MACD调用需要注意一下,假如check_date的值是2018-09-04这样的日期形式,默认会按2018-09-04 00:00:00的时间点结算

    2018-09-04 00:00:00还没有开盘,所得到的值是上一日收盘后的数据,所以得到MACD的值实际上是上一个交易日的

    分钟级别MACD调用

    re_value = get_macd('000001.XSHE', check_date='2018-11-12 14:00:00',unit='60m', include_now=True)
    dif, dea, macd = re_value['000001.XSHE']
    print(dif, dea, macd)
    
    -0.10318188495987535 -0.06846332775628344 -0.06943711440718381
    

    include_now=False指定包含当前分钟级别内的数据

    周级别MACD调用

    re_value = get_macd(['002024.XSHE', '000001.XSHE'], check_date=datetime.datetime.now(),unit='1w', include_now=False)
    dif, dea, macd = re_value['002024.XSHE']
    print(dif, dea, macd)
    
    -0.36459699432380077 -0.22657033635361742 -0.2760533159403667
    

    get_bars 的用法

    get_bars(security, count, unit='1d',
                     fields=['date', 'open','high','low','close'],
                     include_now=False, end_dt=None, fq_ref_date=None)
    

    获取各种时间周期的 bar 数据, bar 的分割方式与主流股票软件相同, 而且支持返回当前时刻所在 bar 的数据。

    参数

    • security: 股票代码
    • count: 大于0的整数,表示获取bar的个数。如果行情数据的bar不足count个,返回的长度则小于count个数。
    • unit: bar的时间单位, 支持如下周期:'1m', '5m', '15m', '30m', '60m', '120m', '1d', '1w', '1M'。'1w' 表示一周,‘1M' 表示一月。
    • fields: 获取数据的字段, 支持如下值:'date', 'open', 'close', 'high', 'low', 'volume', 'money'
    • include_now: 取值True 或者False。 表示是否包含当前bar, 比如策略时间是9:33,unit参数为5m, 如果 include_now=True,则返回9:30-9:33这个分钟 bar。
    • end_dt:查询的截止时间,支持的类型为datetime.datetime或None。为None在回测模拟环境下默认为context.current_dt,在研究环境下默认为datetime.now(),支持的格式为。
    • fq_ref_date:复权基准日期,为None时为不复权数据。注意在回测及模拟交易中,默认为None,即不复权数据;在研究环境中,默认复权基准日期为当天。

    返回一个 numpy.ndarray 对象。可以通过 array['close'] 的方式直接访问列数据。

    示例

    array = get_bars('000001.XSHG', 5, unit='1d',fields=['open','close'],include_now=False)
    array['close']
    

    日级别的金叉与死叉求法(不包含当天)

    '''平安银行'''
    stocks = '000001.XSHE'
    start_day = datetime.datetime.now().date() - datetime.timedelta(days=300)
    date_list = [start_day + datetime.timedelta(days=i) for i in range(30) if (start_day.weekday() != 5 or start_day.weekday() != 6)]
    
    for date in date_list:
        '''跳过周六周日'''
        _day = date - datetime.timedelta(days=1)
        if date.weekday() == 0 or date.weekday() == 1:
            _day = date - datetime.timedelta(days=3)
        last_day_dic = get_macd(stocks, 
                            check_date=date,
                            unit='1d', 
                            include_now=False)
        action_day_dic = get_macd(stocks, 
                                     check_date=_day,
                                     unit='1d', 
                                     include_now=False)
    
        l_dif, l_dea, l_macd = last_day_dic[stocks]
        a_dif, a_dea, a_macd = action_day_dic[stocks]
    
        if a_dif < a_dea and l_dif > l_dea:
            print(date, '的前一个交易日 金叉形成')
        elif a_dif > a_dea and l_dif < l_dea:
            print(date, '的前一个交易日 死叉形成')
        else:
            print(date, '的前一个交易日 维持不变')
    
    2018-01-17 的前一个交易日 维持不变
    2018-01-18 的前一个交易日 维持不变
    2018-01-19 的前一个交易日 维持不变
    2018-01-20 的前一个交易日 维持不变
    2018-01-21 的前一个交易日 维持不变
    2018-01-22 的前一个交易日 维持不变
    2018-01-23 的前一个交易日 维持不变
    2018-01-24 的前一个交易日 维持不变
    2018-01-25 的前一个交易日 维持不变
    2018-01-26 的前一个交易日 维持不变
    2018-01-27 的前一个交易日 维持不变
    2018-01-28 的前一个交易日 维持不变
    2018-01-29 的前一个交易日 维持不变
    2018-01-30 的前一个交易日 死叉形成
    2018-01-31 的前一个交易日 维持不变
    2018-02-01 的前一个交易日 维持不变
    2018-02-02 的前一个交易日 维持不变
    2018-02-03 的前一个交易日 维持不变
    2018-02-04 的前一个交易日 维持不变
    2018-02-05 的前一个交易日 维持不变
    2018-02-06 的前一个交易日 维持不变
    2018-02-07 的前一个交易日 维持不变
    2018-02-08 的前一个交易日 维持不变
    2018-02-09 的前一个交易日 维持不变
    2018-02-10 的前一个交易日 维持不变
    2018-02-11 的前一个交易日 维持不变
    2018-02-12 的前一个交易日 维持不变
    2018-02-13 的前一个交易日 维持不变
    2018-02-14 的前一个交易日 维持不变
    2018-02-15 的前一个交易日 维持不变
    

    分钟级别的金叉与死叉求法(包含当前运算时间点[分钟级别])¶

    '''苏宁易购'''
    stocks = '000001.XSHE'
    '''定义一个开始时间'''
    start_time = datetime.datetime.strptime('2018-11-12 09:30:00', "%Y-%m-%d %H:%M:%S")
    
    for i in range(12):
        now = start_time + datetime.timedelta(minutes=i*5)
        action_time = now - datetime.timedelta(minutes=5)
    
        last_day_dic = get_macd(stocks, 
                            check_date=now,
                            unit='5m', 
                            include_now=True)
        action_day_dic = get_macd(stocks, 
                                     check_date=action_time,
                                     unit='5m', 
                                     include_now=False)
    
        l_dif, l_dea, l_macd = last_day_dic[stocks]
        a_dif, a_dea, a_macd = action_day_dic[stocks]
    #     print(action_time,a_dif, a_dea, a_macd,now,l_dif, l_dea, l_macd)
        if a_dif < a_dea and l_dif > l_dea:
            print(now, '金叉形成')
        elif a_dif > a_dea and l_dif < l_dea:
            print(now,'死叉形成')
        else:
            print(now, '维持不变')
    
    2018-11-12 09:30:00 维持不变
    2018-11-12 09:35:00 维持不变
    2018-11-12 09:40:00 维持不变
    2018-11-12 09:45:00 维持不变
    2018-11-12 09:50:00 维持不变
    2018-11-12 09:55:00 死叉形成
    2018-11-12 10:00:00 死叉形成
    2018-11-12 10:05:00 维持不变
    2018-11-12 10:10:00 维持不变
    2018-11-12 10:15:00 维持不变
    2018-11-12 10:20:00 维持不变
    2018-11-12 10:25:00 金叉形成
    

    周、月、年级别的MACD使用方法同上,又因MACD的延迟性,在该时间使用的人较少,这里不再列出调用代码,使用者可改变参数使用。

    由于在研究中使用代码,常常使用到非交易日期,如果在回测中使用,则不会出现非交易日期。

    敝人能力有限,如有错误的地方,还请指证,欢迎提出更正建议!O(∩_∩)O~~

    展开全文
  • 我浏览了创幻论坛、理想论坛,来到MACD股市技术分析俱乐部,真正找到自己的乐土。 做人要厚道!指标之王MACD既然被先辈们创造了出来,就应由我辈发扬光大!自吹自擂者、吝啬者都应自觉退出论坛既然来到这里,就不...

     

    我浏览了创幻论坛、理想论坛,来到MACD股市技术分析俱乐部,真正找到自己的乐土。 做人要厚道!指标之王MACD既然被先辈们创造了出来,就应由我辈发扬光大!自吹自擂者、吝啬者都应自觉退出论坛既然来到这里,就不应该有所保留,把自己的东西拿出来和大家一块分享 ,有幸浏览了【多周期共振理论】。根据该理论,制作出多周期趋势共振图,奉献给大家,恭喜发财!希望在今后的投资生涯中,少走一些弯路!      
          一:对于多周期共振,
      1、基本上好股票总是在多周期上显示同步向上的,只有多周期同步的股票才具备向上最大的爆发力。而各周期如果相互冲突,则各周期间的力量将相互抵消。
      2、大周期决定小周期,上一级周期对下一级周期具备控制的作用,例如,周图如果向上,即使日图往下,也只是反映了打压,不一定是中期下跌趋势,只有周日同步向下才是中期下跌趋势。这个道理同样适用于均线系统。
      对于概率性判断和多周期共振结合的理解(以向上趋势为例):在上一级周期的K线为向上攻击阳线,均线同步往上,那么概率上向上大,则下一周期也同步出现往上攻击的时候,则选择某些形态下介入。
      其实使用过程中仍需要结合多种技术手段,例如均线、形态、动能,这些都是可以把以上原则结合在内的,可惜我无法用图把自己的想法表达出来。
      共振这个东西在自然界中是广泛存在的,他对相关构造、物体的破坏造***员、建筑损坏是巨大的,研究共振防灾减灾以及变害为利是一门重要的科学领域。股市中存在共振也是尽人皆知的事实,研究共振发现共振利用共振掌握股市共振发生规律是应该受人欢迎的工作,此前我曾经用一个指标的多周期来揭示共振的现象,近期我发现利用波段性比较强的一些技术指标利用引用的方式,在一个指标中将多周期体现出来,意外的的发现每当15、30、60、日线在高位某一点汇聚的时候共振就会发生,表现在股市就是向下巨大的震荡,而当上述周期在即将到达低位形成汇聚时,特别是呈现锐角返折时就是股票发生反转爆发的时机,因此捕捉这种机会你就会赚钱不是吗?
      对于同指标多周期应用的研究本人坚持了不少时间了,实战使用和观察的结果证明,多周期指标不仅在预测大盘及个股的波段顶部有重要意义,而且利用多周期寻底也同样有着非凡的作用。就大盘而言当个股出现多周期低位聚头的信号超过500只且大盘当日跌幅较大尾盘几乎没有反弹时次日大盘反弹会比较有力度,当大盘高位聚头的个股连续出现大面积聚头信号时就要警惕急跌的可能。
      个人的浅析:
      1.多周期图表位于股价循环运动阶段的相对低位即第一阶段或第二阶段是大黑马产生的前提和必要条件,也就是说股价只有处在这样的技术位置才具备形成大黑马走势的物质基础。
      2.要明确股票具备了以上产生大黑马行情的物质基础并不等同于一定就会产生大黑马的行情,因为股价处于各周期各级别的循环低位只能表明做空动能在相应的周期和级别得到了彻底的释放,所以股价不跌。但是股价不跌并不代表其一定会涨,它还可以横盘或跟随大盘产生随波逐流的随机走势,因为在没有大资金对其做有计划有步骤有系统的运作之前,股票不可能产生大行情。
      3.股票产生大黑马的走势必定是大资金对其彻底连续运作的结果,如果没有有目的、有组织、有计划的有序资金流对目标股只进行运作,而只靠场内的投资者的跟风买卖,股票不可能产生大级别的具备明显趋势的行情。

      4.大盘当前各周期级别所处技术位置对目标股走势的促进和制约作用:
      大盘整体处于一轮上升行情的时候,目标股在万事具备且又有东风配合之时自然因为符合股价循环运动规律且与大盘产生共振的情况下走出淋漓酣畅的大行情居多,坐庄容易成功。
      大盘整体处于一轮下跌行情的时候,目标股在符合产生大行情的物质基础且又有主力有计划系统运作的时候也能够走出一波上扬行情,但由于与整个市场循环波动规律背离坐庄容易在出货战术上出现失败。出货成功并不意味着没有遭到由于违反市场运行规律的惩罚,而是因为其战术运用的成功而将风险和市场对其的惩罚转嫁到了自以为聪明的跟风盘的身上;而如果坐庄出货失败则是市场运行规律对其进行惩罚的必然结果,庄家没有能够成功的转嫁风险。这种行情也并非不能参与,弱势当中的黑马往往由此而产生,但在操作时更要进行严格的资金管理和风险控制,将有利的行情为己所用,因为个股行情与大盘走势的背离并不会影响我们的操作,我们进行成功投资的目的在于获利避险,而个股与大盘走势的背离仅仅是一种技术现象,这并不是我们投资的目的,只要根据我们在总体胜率上有保证的技术交易体系进行严格规范的操作并且有正确的资金管理和风险防范化解对策的保障以及对纪律执行的坚决,那么就可以在锁定风险的情况下去实现获利避险这一投资的根本目的了。
      最后想说的一点是股票操作是一项系统工程,包含了成功的战略战术应用、科学的资金管理和严格的心态控制。因此在做股票操作研究的时候一定要先从对市场运行本质规律的认知和深刻领悟上着手,只有做到了这一点,才能对微观的战术进行深入学习研究和掌握并能够加以成功运用,如果仅仅着眼于微观琐碎的具体操作战术的研究,则极有可能陷入“只见树木不见森林”的理论误区,从而形成错误的投资哲学最终导致实战操作的彻底失败。而且在实战操作中一定要深刻明了资金管理的重要性,客观定量的标示出风险与报酬的比例,制定相宜的投资规模和投资操作战术,并以理性的心态控制分析研判和实战操作行为的展开,只有这样才能达到成功的必然,同时最大程度回避失败的偶然。
      只操作“大趋势反转向上走势个股”不操作“大趋势反转向下、反弹走势个股”
      即“只作上涨波段,不作下跌波段”!
      周期共振跟庄法?强势股“一网打尽”!
      操作理念:
      周线看趋势,日线作波段;
      日线看趋势,60分钟做短差
      用操盘线只作机会最多、安全性最高、获利速度最快的波段!
      上涨波段操作机会最多、买卖安全性最高、获利速多最快;
      上涨波段代表大趋势处于反转向上个股,即周线构筑底部则可以放心介入!
          
          二:多周期主要指的就是月,周,日,60分钟,30分钟,15分钟,5分钟这7个周期。月,周可划为一个周期,60分钟,30分钟可划为一个周期。多周期共振的含义就是指任何一个买点或卖点都必须有两个周期或两个以上的周期发出买点或卖点(当然越多越好),方能考虑进场买入或卖出,一个周期发出的买卖点是不予考虑的。
      具体来说,就是当月线图或者周线图发出买卖点时(这两个周期可划在一起,只要有一个发出买卖点就可以认可),这时候,它的日线图或者分时系统(60分钟,30分钟)其中之一也要发出买卖点(比如macd的小红,小绿的买卖点,或者30日均线发出买卖点),方能考虑买入或卖出。如果日线或分时系统没有买卖点,那么即使月线或者周线发出买卖点也不应考虑,必须有两个或两个以上的周期发出买卖点,我们方能考虑进场。
      如果是做短线,就是当60分钟图或者30分钟图发出买卖点时(这两个周期可划在一起,只要有一个发出买卖点就可以认可),这时候,它的15分钟图或者5分钟图其中之一也要发出买卖点(比如macd的小红,小绿的买卖点,或者30日均线发出买卖点),方能考虑买入或卖出。如果15分钟图或5分钟图没有买卖点,那么即使60分钟图或者30分钟图发出买卖点也不应考虑,必须有两个或两个以上的周期发出买卖点,我们方能考虑进场,当然,如果月线图和周线图都有买卖点,那么说明后市的力度将会很大,一旦其日线图或者分时系统发出买卖点,我们应重仓长线持股。(因为这是两个以上的周期发出的买卖点)分时系统也一样。

          三:1、基本上大幅上涨的期货品种总是在多个周期上显示同步向上的,只有多个周期同步的期货品种才具备向上最大的爆发力。而各周期如果相互冲突,则各周期间的力量将相互抵消。
                2、大周期决定小周期,上一级周期对下一级周期具备控制的作用,例如,周图如果向上,即使日图往下,也只是反映了打压,不一定是中期下跌趋势,只有周日同步向下才是中期下跌趋势。
               对于概率性判断和多周期共振结合的理解(以向上趋势为例):在上一级周期的K线红色做多波段,那么概率上向上大,则下一周期也同步出现K线红色做多时候,则选择买点介入。
               共振这个东西在自然界中是广泛存在的,他对相关构造、物体的破坏造***员、建筑损坏是巨大的,研究共振防灾减灾以及变害为利是一门重要的科学领域。股市期货市场中存在共振也是尽人皆知的事实,每当15、30、60、日线在高位某一点汇聚的时候共振就会发生,表现在市场就是向下巨大的震荡,而当上述周期在即将到达低位形成汇聚时,特别是呈现锐角返折时就是期货发生反转爆发的时机,因此捕捉这种机会你就会赚钱不是吗?
              对于同指标多周期应用的研究,实战使用和观察的结果证明,多周期指标不仅在预测期货品种的波段顶部有重要意义,而且利用多周期寻底也同样有着非凡的作用。
             先大后小(先研判大趋势后分析小趋势),看长做短(看准长期走势短期做差价),顺势而为(顺着趋势操作),大周期决定小周期,上一级周期对下一级周期具备控制的作用,例如,周图如果向上,即使日图往下,也只是反映了打压,不一定是中期下跌趋势,只有周日同步向下才是中期下跌趋势。

    【多周期的一般划分方法】
        多周期主要指的就是周,日,60分钟,30分钟,15分钟,5分钟这6个周期。周,日,60分钟可划为一个周期,30分钟,15分钟,5分钟可划为一个周期。多周期共振的含义就是指任何一个买点或卖点都必须有两个周期或两个以上的周期发出买点或卖点(当然越多越好),方能考虑进场买入或卖出,一个周期发出的买卖点是不予考虑的。


        具体来说,就是周线图或者日线图发出买卖点时(这两个周期可划在一起,只要有一个发出买卖点就可以认可),这时候,它的60分钟图或者30分钟其中之一也要发出买卖点,方能考虑买入或卖出。如果60分钟和30分钟没有买卖点,那么即使周线或者日线发出买卖点也不应考虑,必须有两个或两个以上的周期发出买卖点,我们方能考虑进场。

        如果是做短线,就是当日线图或者60分钟图发出买卖点时(这两个周期可划在一起,只要有一个发出买卖点就可以认可),这时候,它的30分钟图或者15分钟图其中之一也要发出买卖点,方能考虑买入或卖出。如果30分钟图或15分钟图没有买卖点,那么即使日线图或者60分钟图发出买卖点也不应考虑,必须有两个或两个以上的周期发出买卖点,我们方能考虑进场。

       日内短线则看30分钟图,15分钟图,5分钟图,更短的甚至看3分钟图。看30分钟K线的颜色是红色做多区还是在绿色做空区,如在做空波段则在15分钟和5分钟图中尽量只做空不做多,相反的情况只做多不做空。

        当然,如果周线图和日线图都有买卖点,那么说明后市的力度将会很大,一旦其60分钟图或者30分钟图发出买卖点,我们应果断介入长线持有。

        小级别周期共振酝酿小行情,大周期共振酝酿大行情。

        最后想说的一点是期货操作是一项系统工程,包含了成功的战略战术应用、科学的资金管理和严格的心态控制。因此在做期货操作研究的时候一定要先从对市场运行本质规律的认知和深刻领悟上着手,只有做到了这一点,才能对微观的战术进行深入学习研究和掌握并能够加以成功运用,如果仅仅着眼于微观琐碎的具体操作战术的研究,则极有可能陷入“只见树木不见森林”的理论误区,从而形成错误的投资哲学最终导致实战操作的彻底失败。而且在实战操作中一定要深刻明了资金管理的重要性,客观定量的标示出风险与报酬的比例,制定相宜的投资规模和投资操作战术,并以理性的心态控制分析研判和实战操作行为的展开,只有这样才能达到成功的必然,同时最大程度回避失败的偶然。


          四:下面讲解一下MACD趋势共振制作的方法:
          1.左键打开工具,找到工具栏,打开公式管理器,点击趋势型,找到点击MACD,点击右上角"新建",点击引入指标公式,点击“否”,选择指标中找到MACD,双击MACD公式名称填MACD 5+15 ,
    最大都改成2000,缺省1改36、2改78、3改27,点测试,公示通过点击确定。同样制作MACD 5+30 缺省1为72、2为156、三为54。MACD 5+60 缺省1为144、2为312、3为108,。MACD5+日线
    缺省1为576、2为1248、3为432.(以上三条最大都填2000)
          2.回到5分钟图,右击空白处,点击窗口个数,选7个窗口。双击从上向下第4个窗口,放大后键盘打出MACD 5+15 ,在通达信键盘精灵中找到MACD 5+15 双击,回到放大窗口双击缩小,依次在双
    击放大第5窗口,把MACD+30 加入到本窗口,依次完成MACD 5+60 在第6窗口、5+日线在第7窗口。
          3.MACD 5分钟K线真正实现5分、15分、30分、60分日线MACD同步动态指标,一图同列,趋势共振一目了然,头部都是红柱最长的时候为卖出,底部都是绿柱最长的时候为买入。

         五:使用方法:
          1.打开工具;
          2.打开系统设置;
          3.找到设置3;
          4.分析图中显示指标和模板切换区 打“√”号;
          5.调好组合,例如5+6图,打开左下角另存为绑定周期 打“√”号;
          6.打上名称MACD 5+6;
          7.打“保存”   
          一般制定MACD 1+6、MACD 5+5、MACD 15+4、MACD30+4 四个组合,如不懂看 本人的《MACD 趋势共振 制作方法》   
          本方法是用于上涨股票,横盘下跌不要用此指标,因为股票是单向做,上涨才能挣钱,和期货不一样,如不解可回帖!
         
          六:投资的三要素是一个好的股票,一个好的切入点,一个好的指标。不会选好股票和好切入点的请去拜读一下《李彪大师教你炒股票》,会有所感悟的!

         浏览我帖子的人都是有缘人,诚心祝福大家发财!

    转载于:https://www.cnblogs.com/zping/p/10333228.html

    展开全文
  • MACD日回测代码以及MACD的计算方法

    万次阅读 2017-09-13 19:56:55
    开始学习期货的量化交易,从米筐API上拷贝的一个关于股指期货主力合约日级别MACD日回测的入门代码: 首先,先看一下关于MACD的介绍以及计算方式:MACD称为指数平滑移动平均线,是从双指数移动平均线发展而来,由快...
  • MACD 指标

    2019-10-03 10:21:39
    MACD称为异同移动平均线,是从双...MACD的意义和双移动平均线基本相同,即由快、慢均线的离散、聚合表征当前的空状态和股价可能的发展变化趋势,但阅读起来更方便。MACD的变化代表着市场趋势的变化,不同K线级别...
  • MACD高级用法

    2018-07-09 17:20:20
    MACD高级用法,摘要必须要大于50个字节,也就是25个字
  • MACD全面详解

    2020-08-08 12:01:22
    一、什么是MACD? MACD称为异同移动平均线,是从双指数移动平均线发展而...MACD的变化代表着市场趋势的变化,不同K线级别MACD代表当前级别周期中的买卖趋势。 MACD指标,又称为指数平滑异同平均线,属于大势趋势类指
  • 唯美MACD

    2019-01-18 14:30:00
    上证30 分钟产生背离,60 分钟高位,但并没有背离,若调整,也是30F 级别的。算是上涨途中的歇脚。 1.股票如果非要从MACD 上去判断怎么拿,那么一句话:要大跌,一般都需要背离。所以,没有背离的形态出现,可以...
  • ATFX汇评:MACD,中文名平滑异同移动平均线,原始计算数据为市场报价,间接计算数据为两条自定义参数的均线,最终计算数据为两条快慢均线在同一时间点的差值区间(乖离率)。图1,国内行情软件MACD-ATFX国内习惯使用的...
  • 使用EXCEL计算并绘制MACD指标

    千次阅读 2019-12-03 14:01:49
    在本文的底部,各位读者可以获取对应的EXCEL模板。 一、MACD指标的含义与...MACD的变化代表着市场趋势的变化,不同K线级别MACD代表当前级别周期中的买卖趋势。 二、EXCEL中实现 EXCEL中,可以直接用金融函数库插...
  • MACD指标被普遍认为是最经典实用的技术指标之一。其实并不是因为MACD有多么精妙的算法,而是MACD遵循了最基本的“均线指导原则”,形象的将经典双均线系统换了一种更加直观的表达方式。在MT4中,默认应用的是单线...
  • MACD指标被普遍认为是最经典实用的技术指标之一。其实并不是因为MACD有多么精妙的算法,而是MACD遵循了最基本的“均线指导原则”,形象的将经典双均线系统换了一种更加直观的表达方式。在MT4中,默认应用的是单线...
  • python实现MACD python趋势策略

    千次阅读 2020-05-20 16:30:24
    MACD指标定义 MACD称为异同移动平均线,是从双指数移动平均线发展而...MACD的变化代表着市场趋势的变化,不同K线级别MACD代表当前级别周期中的买卖趋势。 计算方法 MACD是计算两条不同速度(长期与中期)的异同移动平
  • MACD指标:MACD指标是一个非常好用的指标,...大级别技术指标的力量当然更强,作用的时间也更长,而小级别MACD作用的时间当然就短一些。  (一)如5分钟MACD的作用时间也就半个小时左右,(约为7个5分钟:以第1个5...
  • 在开始分析MACD指标之前,我想我们必须先从思想上认同以下两点,否则本文的研究就没有意义。 1)趋势在一段时间内是可以把握的;  2)每个指标都有有效的时候,没有指标会始终有效。我们就是要搞清楚指标何时有效...
  • 最近笔者在QR社区学习了《乔博士:MACD指标详解》就给大家讲的就是如何拥有一套自己的抄股方式。其实这个是没有定论的,两种投资方法中都有成功者,也都存在失败者,所以宽客相对论中告诉大家,适合自己的投资方法才...
  • 通过http api 接口 方式 获取股票 macd 接口示例:...2.非授权key,只能默认按天查询macd,查询间隔只能在5天以内,授权key可以查分钟级别,查询间隔在90天以内 3..
  • 唯美MACD-完全版

    千次阅读 2019-03-08 15:58:00
    自己很喜欢MACD这个指标,因为很欠缺所以就搜集的一点,有人问,学习缠为什么还这么搜集些Macd的资料呢?因为在分析走势(或盘整背驰、或趋势背驰)的时候我的习惯使用Macd做辅助判断,所以Macd这关的基本差不多,...
  • 什么样的MACD要大胆买进?什么样的MACD必将大涨? http://www.sohu.com/a/213681807_576141
  • MACD指标被普遍认为是最经典实用的技术指标之一。其实并不是因为MACD有多么精妙的算法,而是MACD遵循了最基本的“均线指导原则”,形象的将经典双均线系统换了一种更加直观的表达方式。在MT4中,默认应用的是单线...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 995
精华内容 398
关键字:

多级别macd