2022.1.1买票一定要在SKDJ底部介入

最新推荐文章于 2025-12-06 18:40:48 发布
原创 最新推荐文章于 2025-12-06 18:40:48 发布 · 451 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python

2022.1.1买票一定要在SKDJ底部介入！分多次！血的教训告诉自己，急着买入全错！

 

doope
关注
300131在2022.03.27skdj马上死叉但是TRIX马上金叉
03-27 171
300131在2022.03.27skdj马上死叉 但是TRIX马上金叉 昨天出掉300189，资金在账户上，想着300131深套着，补点仓！
英唐300131在2022.03.27skdj马上死叉但是TRIX马上金叉
03-27 152
300131在2022.03.27skdj马上死叉 但是TRIX马上金叉
python 利用pandas.Series.ewm 计算ma 和kdj
qq2501的专栏
06-14 3014
#! /usr/bin/env python3 # -*- coding: UTF-8 -*- import pandas as pd import requests import json import numpy as np import datetime api_url = "https://www.okex.me/v2/spot/instruments/ltc-usdt/candles?granularity=86400&size=1000&t=1592091928445" .
8.图片标签和格式
热门推荐
越努力越幸运的博客
02-09 3万+
<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>图片</title> </head> <body> <!-- 图片标签用于向当前页面中引入一个外部图片 使用img标签来引入外部图片，img标签是一个自结束标签 img这种元素属于替换元素（基于块和
macd底背离的python_python量化交易是否可以有策略有效识别MACD/SKDJ底背离和顶背离？...
weixin_39817012的博客
12-22 1749
其实任何的一种编程方式，都能够识别出MACD/SKDJ中的顶底背离，最为常规的情况是，如果最新的 MACD是正值，则取倒数第二和倒数第四两个柱区，分别求得其price(close)和MACD的最小值，即price1最小值>price2最小值 and macd1最小值上面说的是理想情况下，问题来了？1，什么长度的柱区为有效的柱区？比如6根以上，如果不确定柱区长度为有效，你会碰到下面的问题，如果...
python macd quantization trade_python量化交易是否可以有策略有效识别MACD/SKDJ底背离和顶背离？...
weixin_39655049的博客
12-22 295
其实任何的一种编程方式，都能够识别出MACD/SKDJ中的顶底背离，最为常规的情况是，如果最新的 MACD是正值，则取倒数第二和倒数第四两个柱区，分别求得其price(close)和MACD的最小值，即price1最小值>price2最小值 and macd1最小值上面说的是理想情况下，问题来了？1，什么长度的柱区为有效的柱区？比如6根以上，如果不确定柱区长度为有效，你会碰到下面的问题，如果...
Python 实现股票指标计算——SKDJ
myqijin的博客
08-03 2037
SKDJ (Stochastic KDJ) - 慢速随机指标。
php实现股票日线数据转换为周线月线,求助：如何在日k线图上显示周线、月线的数值。...
weixin_31847389的博客
03-21 1689
K01:="KDJ.K#MIN1" ;K05:="KDJ.K#MIN5" ;K15:="KDJ.K#MIN15";K30:="KDJ.K#MIN30";K60:="KDJ.K#MIN60";RK :="KDJ.K#DAY";ZK :="KDJ.K#WEEK" ;YK :="KDJ.K#MONTH";{10行D数据引用}D01:="KDJ.D#MIN1" ;D05:="KDJ.D#MIN5" ;...
kdj买卖指标公式源码_炒股秘籍——KDJ短线高手把握利润常用指标（附副图指标公式）...
weixin_36307086的博客
01-10 4407
KDJ指标又叫随机指标，是一种相当新颖、实用的技术分析指标。它起先用于期货市场的分析，后被广泛用于股市的中短期趋势分析，是股票技术分析中最常用的技术分析工具。也是股民分析股票最常用的指标之一，精确的掌握KDJ能准确判断出股票的最佳买卖点。KDJ由三条曲线组成,即K线、D线、J线。它以价格一天波动所形成的收盘价、最高价和最低价为基本数据进行计算。是一种短期的技术指标分析工具。KDJ指标参考图首先我们...
精选资源
通达信指标公式源码SKDJ顶底副图.doc
07-30
1. SKDJ指标：SKDJ指标是基于移动平均线和相对强弱指数（RSI）计算的指标，用于衡量市场的短期趋势和强弱程度。其中，SKDJN和SKDJM分别表示SKDJ指标的周期和计算参数。 2. 相对强弱指数（RSI）：RSI是衡量市场强弱...
通达信指标公式源码常用的抄底逃顶极品公式.doc
07-30
通达信是一款在中国金融市场广泛应用的股票分析软件，其强大的自定义指标功能深受投资者喜爱。"通达信指标公式源码常用的抄底逃顶极品公式.doc" 提供的是一份用于帮助用户判断股票买入（抄底）和卖出（逃顶）时机的...
通达信指标公式源码 超买超卖-超级KDJ.doc
07-30
该指标是在传统 KDJ 指标基础上对其做了 MA 均线的平滑处理，避免信号过多和繁杂。 指标介绍 该指标的主要思想是对传统 KDJ 指标进行改进，对信号进行平滑处理，以避免信号过多和繁杂。KDJ 指标是一种常用的技术...
文华财经软件指标源码公式源码期货短线kdj指标.doc
08-11
文华财经软件指标源码公式源码期货短线kdj指标.doc
推荐 | JoyAgent-JDGenie：开箱即用的端到端多智能体产品
lpfasd123的博客
12-05 112
如果你在寻找一款真正可落地的多智能体产品，用来“搜索-分析-生成报告”、“数据问答与诊断”、“代码解释与图表生成”，同时希望易部署、易扩展、易二次开发——JoyAgent-JDGenie 是非常值得试用与推荐的选择。只需填好少量配置，即可获得端到端的流式体验与交付能力。
大模型应用：大模型 MapReduce 全解析：核心概念、中文语料示例实现.12
minhuan的专栏
12-03 1142
本文介绍了MapReduce编程模型及其在大模型训练中的应用。MapReduce通过"分治-并行-聚合"思想处理大规模数据，传统Hadoop MapReduce侧重结构化数据计算，而大模型MapReduce则针对自然语言处理任务。文章详细对比了两者在架构、处理对象和核心算力等方面的差异，并提供了中文词频统计的Python实现示例，包括单机版和分布式版本。分布式实现利用多进程模拟集群计算，展示了数据分片、Map、Shuffle和Reduce的完整流程。
零基础学JAVA--Day41(IO文件流+IO流原理+InputStream+OutputStream)
Dxxyyyy的博客
12-05 643
文件在程序中是以流的形式来操作的流：数据在数据源（文件）和程序（内存）之间经历的路径输入流：数据从数据源（文件）到程序（内存）的路径输出流：数据从程序（内存）到数据源（文件）的路径。
【Android逆向工程】第19章：协议分析与接口还原
w987333120的博客
12-03 393
本文介绍了网络协议分析的关键技术与工具。主要内容包括HTTP/HTTPS协议分析流程、常用抓包工具配置（Charles/Burp Suite）、协议格式解析方法以及签名算法还原技术。通过示例展示了完整的请求/响应分析过程，涵盖请求行、请求头、请求体的解析方法，特别关注签名相关字段的识别。文章还提供了Python代码示例演示如何自动分析HTTP请求结构，帮助逆向工程师理解业务逻辑、还原接口签名算法并实现自动化脚本。
使用 DeepSeek 提升工作效率
Deng872347348的博客
12-03 666
摘要：本文系统介绍了如何利用DeepSeek AI工具提升工作效率。文章首先分析职场痛点，指出DeepSeek在技术文档、代码开发、数据处理等专业场景的优势。随后详细解析核心功能模块，包括文本生成、代码支持、数据分析和知识管理，并明确其适用边界。重点提供了可直接复用的指令模板，涵盖技术文档撰写、脚本开发、数据可视化等典型场景，如自动生成API文档、Python数据分析脚本等。最后给出集成办公软件的最佳实践，并针对不同行业提供适配方案，强调AI工具"增强而非替代"的定位，帮助用户将重复性工
第30篇：逆袭量化路：用 bot_start 和 bot_loop_start 玩转 Freqtrade 策略
最新发布
qq_36936892的博客
12-06 153
Freqtrade策略开发中，bot_start()和bot_loop_start()是两个关键生命周期函数。bot_start()在机器人启动时仅调用一次，适合初始化数据、加载资源等操作；bot_loop_start()在每个交易循环开始时触发，可用于状态刷新、动态参数调整等周期性任务。开发者应注意前者只需快速执行，后者需保持轻量以避免阻塞。合理使用这两个函数能增强策略灵活性，支持复杂交易逻辑实现。掌握这两个回调函数是提升Freqtrade策略开发效率的重要环节。
SKDJ指标量化交易策略
06-17
<think>我们正在讨论SKDJ指标在量化交易中的策略和实现方法。SKDJ指标是慢速随机指标（SlowStochasticKDJ）的简称，它是对原始KDJ指标的一种改进，通过引入慢速线来过滤波动，使信号更稳定。根据引用内容，我们知道KDJ指标包括K线、D线和J线。而SKDJ指标则是在此基础上，对K线和D线进行平滑处理，通常采用移动平均的方式。具体来说：1.计算原始KDJ指标：-首先计算最近N日内的最低价（L_n）和最高价（H_n）-计算未成熟随机值RSV=(收盘价-L_n)/(H_n-L_n)*100-计算K值：K=(2/3)*前一日K值+(1/3)*当日RSV（指数平滑，通常初始值取50）-计算D值：D=(2/3)*前一日D值+(1/3)*当日K值（指数平滑）-J值=3*K-2*D2.对于SKDJ，我们通常对K值和D值再进行一次平滑（比如取M日的移动平均），从而得到慢速K值（SK）和慢速D值（SD）。然后同样可以计算慢速J值（SJ）=3*SK-2*SD。在交易策略中，常见的用法包括：-超买超卖：当SK或SD低于20时，视为超卖，可能是买入信号；当高于80时，视为超买，可能是卖出信号。-交叉信号：SK线上穿SD线时，形成金叉，为买入信号；下穿时形成死叉，为卖出信号。下面我们给出一个使用Python实现SKDJ指标计算，并构建简单交易策略的示例。注意：这里我们假设使用9日周期计算原始KDJ，然后对K和D分别进行3日移动平均得到SK和SD。步骤：1.计算最低价和最高价的滚动窗口（9日）最小值和最大值。2.计算RSV。3.计算K和D（使用指数平滑，但初始值问题需要注意，我们这里采用循环计算，初始K0=D0=50）。4.计算SK和SD（这里我们采用3日简单移动平均）。5.计算SJ（如果需要）。6.根据交叉信号生成交易信号。代码示例（使用pandas）：</think>### SKDJ指标在量化交易中的策略与实现 #### 1. SKDJ指标原理 SKDJ（慢速随机指标）是KDJ指标的改进版本，通过双重平滑处理减少市场噪音。核心计算公式： $$ \begin{aligned} \text{RSV} &= \frac{\text{收盘价} - \text{最低价}}{\text{最高价} - \text{最低价}} \times 100 \\ \text{SK}_t &= \frac{1}{3}\text{RSV}_t + \frac{2}{3}\text{SK}_{t-1} \\ \text{SD}_t &= \frac{1}{3}\text{SK}_t + \frac{2}{3}\text{SD}_{t-1} \end{aligned} $$ 其中SK为慢速K线，SD为慢速D线，通过两次指数平滑降低波动性[^1]。 #### 2. 常用交易策略 1. **超买超卖策略**： - 当SK < 20 且 SK上穿SD → 买入信号 - 当SK > 80 且 SK下穿SD → 卖出信号 2. **趋势跟踪策略**： - SK与SD同步上升 → 持有多头 - SK与SD同步下降 → 持有空头 3. **背离策略**： - 价格创新低但SK未创新低 → 底部背离（买入） - 价格创新高但SK未创新高 → 顶部背离（卖出） #### 3. Python实现示例 ```python import pandas as pd import numpy as np import matplotlib.pyplot as plt def calculate_skdj(data, n=9, m=3): """ 计算SKDJ指标 :param data: 包含OHLC的DataFrame :param n: RSV周期 (默认9) :param m: 平滑周期 (默认3) :return: 添加SK/SD列的DataFrame """ low_min = data['low'].rolling(n).min() high_max = data['high'].rolling(n).max() data['RSV'] = (data['close'] - low_min) / (high_max - low_min) * 100 # 计算慢速K线（SK） data['SK'] = data['RSV'].ewm(alpha=1/m, adjust=False).mean() # 计算慢速D线（SD） data['SD'] = data['SK'].ewm(alpha=1/m, adjust=False).mean() return data # 策略信号生成 def skdj_strategy(data): data['signal'] = 0 # SK上穿SD且SK<20 → 买入(1) data.loc[(data['SK'] > data['SD']) & (data['SK'].shift(1) < data['SD'].shift(1)) & (data['SK'] < 20), 'signal'] = 1 # SK下穿SD且SK>80 → 卖出(-1) data.loc[(data['SK'] < data['SD']) & (data['SK'].shift(1) > data['SD'].shift(1)) & (data['SK'] > 80), 'signal'] = -1 return data # 示例使用 if __name__ == "__main__": # 加载历史数据 (示例) data = pd.read_csv('stock_data.csv') skdj_data = calculate_skdj(data) strategy_data = skdj_strategy(skdj_data) # 可视化 plt.figure(figsize=(12, 8)) plt.plot(strategy_data['close'], label='Price') plt.plot(strategy_data[['SK', 'SD']]) plt.scatter(strategy_data.index, strategy_data['close'].where(strategy_data['signal']==1), marker='^', color='g', label='Buy') plt.scatter(strategy_data.index, strategy_data['close'].where(strategy_data['signal']==-1), marker='v', color='r', label='Sell') plt.legend() plt.show() ``` #### 4. 策略优化建议 1. **参数优化**： - 使用网格搜索确定最佳$n$和$m$值 - 结合不同品种特性调整超买超卖阈值（如20/80→25/75） 2. **风险控制**： - 加入ATR指标设置动态止损 - 结合波动率过滤低质量信号 3. **多因子验证**： - 与MACD或均线系统形成双重确认 - 在SKDJ金叉时要求成交量放大 > **注意事项**：实际应用中需考虑交易成本、滑点等因素，建议在历史数据上进行回测验证策略有效性，尤其需测试在趋势市和震荡市中的表现差异[^1]。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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