短周期入手,长周期看是否持有

本文探讨了在交易中使用多时间框架分析的方法。指出从长周期入手存在止损设置难题,建议从短周期开始并逐步过渡到长周期。文章还讨论了不同时间框架下技术指标的矛盾及解决思路。

1.无法从长周期入手,因为止损没法设,价格空间太大(100,200点空间),无法承受。

2.先从短周期入手,符合短周期的入场条件即进场,持有过程中,如果符合了长周期的入场条件,就继续持有,等待长周期的出场条件。

3.站在k线中的任何一点来说,涨也合理,跌也合理,都可以找出对应的技术图形印证。对于支撑位来说,跌破支撑位合理,支撑有效也合理。那么是涨还是跌呢?这个不重要。关键是要一致性地处理。

4. 多个时间框架矛盾的问题:1分钟图中下方有均线支撑,3分钟图中面临上方均线压力。行情确实是从短周期慢慢走出来,演化成长周期的行情。1分钟图可以破均线下跌,说明3分钟图中均线压力起了作用,这是合理的;1分钟线也可以受到均线支撑上涨,引领行情向上穿透3分钟图中的均线,说明1分钟图中的均线起了作用,也是合理的。一般来说,长周期框架内的均线支撑和阻力作用更大。

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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