{}攻击线:=EMA((2*CLOSE+HIGH+LOW)/4,5)COLORGREEN;
生命线:EMA((2*CLOSE+HIGH+LOW)/4,13)COLORGREEN,LINETHICK2;
决策线:REF(EMA((LOW+CLOSE+OPEN)/3,25),1)LINETHICK3,COLORGREEN;
牛熊线:(EMA(LOW,125)+EMA((CLOSE+LOW)/2,125))/2,COLORGREEN,POINTDOT;
日:=150;
高1:=HHV(H,日);
低1:=LLV(L,日);
H1:=高1-(高1-低1)*0.191;
H2:=高1-(高1-低1)*0.382;
H3:=高1-(高1-低1)*0.5;
H4:=高1-(高1-低1)*0.618;
H5:=高1-(高1-低1)*0.809;
顶:IF(CURRBARSCOUNT<=高1,CONST(高1),DRAWNULL),COLORWHITE;
{一0.809:IF(CURRBARSCOUNT<=高1,CONST(H1),DRAWNULL),COLORMAGENTA;}
二0.618:IF(CURRBARSCOUNT<=高1,CONST(H2),DRAWNULL),COLORGREEN;
三0.500:IF(CURRBARSCOUNT<=高1,CONST(H3),DRAWNULL),COLORGRAY;
四0.382:IF(CURRBARSCOUNT<=高1,CONST(H4),DRAWNULL),COLORMAGENTA;
{五0.191:IF(CURRBARSCOUNT<=高1,CONST(H5),DRAWNULL),COLORWHITE;}
底:IF(CURRBARSCOUNT<=高1,CONST(低1),DRAWNULL),COLORYELLOW;
IF(攻击线>=REF(攻击线,1),EMA((2*CLOSE+HIGH+LOW)/4,5),DRAWNULL),LINETHICK1,COLORRED;
IF(EMA((2*CLOSE+HIGH+LOW)/4,10)>REF(EMA((2*CLOSE+HIGH+LOW)/4,13),1),EMA
((2*CLOSE+HIGH+LOW)/4,13),DRAWNULL),LINETHICK2,COLORRED;
IF(EMA((LOW+CLOSE+OPEN)/3,28)>REF(EMA((LOW+CLOSE+OPEN)/3,28),1),REF(EMA
((LOW+CLOSE+OPEN)/3,25),1),DRAWNULL),LINETHICK3,COLORRED;
IF((EMA(LOW,125)+EMA((CLOSE+LOW)/2,250))/2>REF((EMA(LOW,125)+EMA((CLOSE+LOW)/2,250))/2,1),(EMA(LOW,125)+EMA
((CLOSE+LOW)/2,125))/2,DRAWNULL),POINTDOT,COLORRED;
DIFF:=EMA(CLOSE,12)-EMA(CLOSE,26);
DEA:=EMA(DIFF,9);
MACD:=2*(DIFF-DEA), COLORSTICK,LINETHICK2;
低位金叉:=CROSS(DIFF,DEA) AND DIFF<-0.1;
DRAWTEXT(低位金叉,L*0.97,'叉'),COLORWHITE;
JCCOUNT:=COUNT(CROSS(DIFF,DEA),BARSLAST(DEA>=0));
二次金叉:=CROSS(DIFF,DEA) AND DEA<0 AND COUNT(JCCOUNT=2,21)=1;
DRAWTEXT(二次金叉,L*0.93,'二叉'),COLORYELLOW;
AA1:=BARSLAST(REF(CROSS(DIFF,DEA),1));
底背离:=REF(CLOSE,AA1+1)>CLOSE AND DIFF>REF(DIFF,AA1+1) AND CROSS(DIFF,DEA);
DRAWTEXT(底背离,L*0.9,'底背'),COLORFF00FF;
AA2:=BARSLAST(REF(CROSS(DEA,DIFF),1));
顶背离:=REF(CLOSE,AA2+1)<CLOSE AND REF(DIFF,AA2+1)>DIFF AND CROSS(DEA,DIFF);
DRAWTEXT(低位金叉 AND 二次金叉 AND 底背离,L*0.88,'三全'),COLORWHITE,LINETHICK2;
学学看:=MA((3*SMA((C-LLV(L,9))/(HHV(HIGH,9)-LLV(LOW,9))*100,3,1)-2*SMA(SMA((C-LLV(L,9))/(HHV(HIGH,9)-LLV(LOW,9))*100,3,1),3,1)),2);
DRAWTEXT(CROSS(学学看,0),L*0.95,'秘'),COLORWHITE;
通达信猛龙过江 主图
张小明
前端开发工程师
AI智能实体侦测服务保姆级教程:WebUI+API双模部署实操手册
AI智能实体侦测服务保姆级教程:WebUIAPI双模部署实操手册 1. 引言 1.1 学习目标 本文将带你从零开始,完整部署并使用一款基于 RaNER 模型 的中文命名实体识别(NER)服务。你将掌握: 如何快速启动一个集成 WebUI 的 …
RaNER模型领域适配:金融/医疗等行业专用模型训练
RaNER模型领域适配:金融/医疗等行业专用模型训练 1. 引言:从通用实体识别到行业深度适配 1.1 AI 智能实体侦测服务的演进需求 随着自然语言处理(NLP)技术在金融、医疗、法律等垂直领域的广泛应用,通用命名实体识别&…
Qwen3-VL OCR增强功能实战:32种语言识别部署案例
Qwen3-VL OCR增强功能实战:32种语言识别部署案例 1. 背景与应用场景 随着多模态大模型的快速发展,视觉-语言理解能力已成为AI系统智能化的重要标志。在文档数字化、跨境信息处理、教育扫描、工业质检等场景中,高精度、多语言OCR识别是关键前…
中文命名实体识别WebUI开发:Cyberpunk风格界面定制教程
中文命名实体识别WebUI开发:Cyberpunk风格界面定制教程 1. 引言 1.1 AI 智能实体侦测服务 在信息爆炸的时代,非结构化文本数据(如新闻、社交媒体内容、文档资料)占据了数据总量的80%以上。如何从这些杂乱无章的文字中快速提取出…
5个开源NER模型部署推荐:AI智能实体侦测服务镜像免配置上手
5个开源NER模型部署推荐:AI智能实体侦测服务镜像免配置上手 1. AI 智能实体侦测服务 在信息爆炸的时代,非结构化文本数据(如新闻、社交媒体内容、客服对话)占据了企业数据总量的80%以上。如何从中高效提取关键信息,成…
AI实体识别WebUI性能优化实战
AI实体识别WebUI性能优化实战 1. 背景与挑战:从可用到高性能的跨越 在自然语言处理(NLP)的实际应用中,命名实体识别(NER)是信息抽取、知识图谱构建和智能搜索等任务的基础能力。随着AI模型能力的提升&…