《基于情绪与博弈行为的做T研究》

一、引言

很多人问我怎么做T,考虑到很多人没有做T思维以及方法,这里总结下自己对于做T的理解,以及提供方法论和基本思路。尽量以规范化的模式,让小白也能极大提高做T成功率。由于很多技术指标是滞后的,所以本文主要以方法论、思路、纪律、标准化模式进行论述,希望能够让小白也能敢于做T,能够做T。

二、做T的逻辑方法

做T的本质是博弈趋势变化。趋势变化是由资金推动的,资金的情绪与博弈行为决定了短期走势。所以需要理解筹码交换的心理

这里有两个重要概念:支撑位与压力位理解好这2个概念是做T成功的关键。这2个位置也代表了正反T的买与卖点。

(一)压力位【☆☆☆☆☆】

压力位一般是抛压无法消化的位置,或者很难消化的位置。

其一是,心理的压力位,是持筹人恐高位置;这里一般是前高与整数位,以大PIAO赛赛为例,比如前高是106.66,那么压力位自然就是106.66,这里如果考虑到抢跑行为,压力位需要提前0.5左右,也就是106就是强压力,所以压力区间就是106-106.66;整数就是100,105,110等,大piao以5yuan一个档,小piao以1yuan或者0.5为一个档。或者折算成涨跌比例就是5%为一个档位。以上整数压力位考虑抢跑行为的话都需要适当降低压力位数值。

其二是,套牢压力位,也就是阻力大的点位;散户心理是一旦解套大多数都会先卖出去,除了少数比较贪心的人会迟疑。所以前几个交易日的最高点,尤其是有上影线的点,就是强套牢压力位,这里的抛压很大。更精准的计算,需要结合前几天每个分时交易量,计算出哪些高点是最大抛压点【量最大】。如果粗略计算,就只需要考虑前几日上影线高点或者说当日最高点。昨天摩托我说过需要冲破29.5-30才能一飞冲天,也是这么算出来的。包括之前摩托很难突破28.5,你们看看图形就知道是为什么了

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
本系统采用微信小程序作为前端交互界面,结合Spring BootVue.js框架实现后端服务及管理后台的构建,形成一套完整的电子商务解决方案。该系统架构支持单一商户独立运营,亦兼容多商户入驻的平台模式,具备高度的灵活性扩展性。 在技术实现上,后端以Java语言为核心,依托Spring Boot框架提供稳定的业务逻辑处理数据接口服务;管理后台采用Vue.js进行开发,实现了直观高效的操作界面;前端微信小程序则为用户提供了便捷的移动端购物体验。整套系统各模块间紧密协作,功能链路完整闭环,已通过严格测试优化,符合商业应用的标准要求。 系统设计注重业务场景的全面覆盖,不仅包含商品展示、交易流程、订单处理等核心电商功能,还集成了会员管理、营销工具、数据统计等辅助模块,能够满足不同规模商户的日常运营需求。其多店铺支持机制允许平台方对入驻商户进行统一管理,同时保障各店铺在品牌展示、商品销售及客户服务方面的独立运作空间。 该解决方案强调代码结构的规范性可维护性,遵循企业级开发标准,确保了系统的长期稳定运行后续功能迭代的可行性。整体而言,这是一套技术选型成熟、架构清晰、功能完备且可直接投入商用的电商平台系统。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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

打赏作者

牛马尼格

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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