{}VAR2:=LLV(LOW,10);
VAR3:=HHV(HIGH,25);
我:=3.5,COLOR0088FF;
清仓: 3.5,COLORYELLOW,LINETHICK3;
减仓: 3.2,COLORBLUE;
动力线:= EMA((CLOSE-VAR2)/(VAR3-VAR2)*4,4);
强弱线:1.75,LINETHICK1,COLORGREEN;
关注:0.5,COLORBLUE ;
{}
数值:动力线,COLORA8A8A8;
DRAWBAND(减仓,RGB(80,90,10),强弱线,RGB(80,90,10));
DRAWBAND(强弱线,RGB(200,90,10),关注,RGB(200,90,10));
STICKLINE(动力线>REF(动力线,1) ,动力线 ,REF(动力线,1),0,1 ),COLOR0000FF;
STICKLINE(动力线>REF(动力线,1) ,动力线 ,REF(动力线,1),3,0 ),COLOR000033;
STICKLINE(动力线>REF(动力线,1) ,动力线 ,REF(动力线,1),2.7,0 ),COLOR000066;
STICKLINE(动力线>REF(动力线,1) ,动力线 ,REF(动力线,1),2.1,0 ),COLOR000099;
STICKLINE(动力线>REF(动力线,1) ,动力线 ,REF(动力线,1),1.5,0 ),COLOR0000CC;
STICKLINE(动力线>REF(动力线,1) ,动力线 ,REF(动力线,1),0.9,0 ),COLOR0000FF;
STICKLINE(动力线>REF(动力线,1) ,动力线 ,REF(动力线,1),0.3,0 )COLORCC66FF;
STICKLINE(动力线<=REF(动力线,1) ,动力线 ,REF(动力线,1),0,1 ),COLORCYAN;
STICKLINE(动力线<=REF(动力线,1) ,动力线 ,REF(动力线,1),3,0 ),COLOR990000;
STICKLINE(动力线<=REF(动力线,1) ,动力线 ,REF(动力线,1),2.7,0 ),COLORCC0000;
STICKLINE(动力线<=REF(动力线,1) ,动力线 ,REF(动力线,1),2.1,0 ),COLORFF4400;
STICKLINE(动力线<=REF(动力线,1) ,动力线 ,REF(动力线,1),1.5,0 ),COLORFF8800;
STICKLINE(动力线<=REF(动力线,1) ,动力线 ,REF(动力线,1),0.9,0 ),COLORFFCC00;
STICKLINE(动力线<=REF(动力线,1) ,动力线 ,REF(动力线,1),0.3,0 ),COLORCYAN;
顶与底判断顶底 通达信指标 源码分享
张小明
前端开发工程师
天天劈砖休闲小游戏Linux演示教程
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※ 本站教程、资源皆在单机环境进行,仅供单机研究学习使用。 ※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※ 一、获取材料和结果演示 百度网盘链接: https://…
普中开发板基于51单片机贪吃蛇游戏设计
基于51单片机贪吃蛇游戏设计( proteus仿真程序设计报告讲解视频) 仿真图proteus8.17(有低版本) 程序编译器:keil 4/keil 5 编程语言:C语言 设计编号:P24 1主要功能: 基于51单片机的贪吃蛇游戏设计 1、采用8*8点…
《从零入门 Ascend C:手把手实现高性能向量加法自定义算子》
1. 引言:为什么需要 Ascend C?在深度学习模型训练与推理中,标准算子库(如 cuDNN、ACL)虽已高度优化,但面对新型网络结构、特殊数据格式或极致性能需求时,往往力不从心。此时,开发者需…
DroidCam零基础入门:5分钟把手机变电脑摄像头
快速体验 打开 InsCode(快马)平台 https://www.inscode.net输入框内输入如下内容: 制作一个交互式新手引导应用,通过动画演示和简单步骤:1) 如何在手机和电脑上安装DroidCam;2) 基础连接设置图解;3) 常见应用场景展示…
电商大促期间如何预防503错误?7个实战方案
快速体验 打开 InsCode(快马)平台 https://www.inscode.net输入框内输入如下内容: 开发一个电商高可用性监控系统,功能:1. 实时监控服务器负载 2. 预测流量峰值 3. 自动触发扩缩容 4. 优雅降级策略 5. 503错误预警。当检测到可能引发503的情…
Prompt工程能否代替模型训练?
Prompt 工程很强,但替代不了「模型训练」本身。下面我们从底层视角拆开看看:Transformer 在干嘛?Prompt 在干嘛?训练在干嘛?它们的边界到底在哪里?1 LLM的本质 可以把一个大模型抽象成一个条件概率分布&…