{}RSV:=(CLOSE-LLV(CLOSE,9))/(HHV(CLOSE,9)-LLV(CLOSE,9))*100;
K:=SMA(RSV,3,1);
D:=SMA(K,3,1);
TYP:=(HIGH+LOW+CLOSE)/3;
CCI:=(TYP-MA(TYP,14))/(0.015*AVEDEV(TYP,14));
DIFF:=EMA(CLOSE,2)-EMA(CLOSE,55);
DEA:=EMA(DIFF,6);
MACD:=2*(DIFF-DEA);
转点:=IF(K>D AND CCI>0 AND DIFF>DEA AND MACD>0,1,0);
STICKLINE(转点=1,50,50,6,0),COLORYELLOW;
STICKLINE(转点=0,50,50,6,0),COLORCYAN;
顶部:90,LINETHICK2,COLORYELLOW;
底部:10,LINETHICK2,COLORCYAN;
{}
DRAWICON(CROSS(趋势,判断),判断,4);
DRAWICON(CROSS(趋势,顶部),顶部,5);
LC:= REF(CLOSE,1);
RSI:=SMA(MAX(CLOSE-LC,0),6,1)/SMA(ABS(CLOSE-LC),6,1)*100;
VAR1:=(HHV(HIGH,9)-CLOSE)/(HHV(HIGH,9)-LLV(LOW,9))*100-70;
VAR2:=SMA(VAR1,9,1)+100;
VAR3:=(CLOSE-LLV(LOW,9))/(HHV(HIGH,9)-LLV(LOW,9))*100;
VAR4:=SMA(VAR3,3,1);
VAR5:=SMA(VAR4,3,1)+100;
VAR6:=VAR5-VAR2;
趋势1: IF(VAR6>45,VAR6-45,0),COLOR00FFFF;
VAR2Q:=REF(LOW,1);
VAR3Q:=SMA(ABS(LOW-VAR2Q),3,1)/SMA(MAX(LOW-VAR2Q,0),3,1)*100;
VAR4Q:=EMA(IF(CLOSE*1.3,VAR3Q*10,VAR3Q/10),3);
VAR5Q:=LLV(LOW,30);
VAR6Q:=HHV(VAR4Q,30);
VAR7Q:=IF(MA(CLOSE,58),1,0);
VAR8Q:=EMA(IF(LOW<=VAR5Q,(VAR4Q+VAR6Q*2)/2,0),3)/999*VAR7Q;
火焰山:=IF(VAR8Q>100,100,VAR8Q);
STICKLINE(火焰山>0 AND 火焰山>REF(火焰山,1),0 ,火焰山*1.2,3.5,0 ),COLOR4444FF;
STICKLINE(火焰山>0 AND 火焰山>REF(火焰山,1),0 ,火焰山*1.2,2.5,0 ),COLOR5555FF;
STICKLINE(火焰山>0 AND 火焰山>REF(火焰山,1),0 ,火焰山*1.2,1.5,0 ),COLOR7777FF;
STICKLINE(火焰山>0 AND 火焰山>REF(火焰山,1),0 ,火焰山*1.2,0.5,0 ),COLOR9999FF;
STICKLINE(REF(趋势1,1)< 趋势1, 趋势1,REF(趋势1,1),3.5,0),COLOR000033;
STICKLINE(REF(趋势1,1)< 趋势1, 趋势1,REF(趋势1,1),2.8,0),COLOR000055;
STICKLINE(REF(趋势1,1)< 趋势1, 趋势1,REF(趋势1,1),2.0,0),COLOR000077;
STICKLINE(REF(趋势1,1)< 趋势1, 趋势1,REF(趋势1,1),1.2,0),COLOR000099;
STICKLINE(REF(趋势1,1)< 趋势1, 趋势1,REF(趋势1,1),0.4,0),COLOR0000DD;
STICKLINE(REF(趋势1,1)> 趋势1, 趋势1,REF(趋势1,1),3.5,0),COLOR003300;
STICKLINE(REF(趋势1,1)> 趋势1, 趋势1,REF(趋势1,1),2.8,0),COLOR005500;
STICKLINE(REF(趋势1,1)> 趋势1, 趋势1,REF(趋势1,1),2.0,0),COLOR007700;
STICKLINE(REF(趋势1,1)> 趋势1, 趋势1,REF(趋势1,1),1.2,0),COLOR009900;
STICKLINE(REF(趋势1,1)> 趋势1, 趋势1,REF(趋势1,1),0.4,0),COLOR00DD00;
逃顶:=CROSS(82,RSI);
STICKLINE( 逃顶,逃顶,10,3.5,0),COLORFF5500;
STICKLINE( 逃顶,逃顶,15,2.5,0),COLORFF8800;
STICKLINE( 逃顶,逃顶,20,1.5,0),COLORFFAA00;
STICKLINE( 逃顶,逃顶,25,0.5,0),COLORFFCC00;
STICKLINE( 逃顶,逃顶,30,0.1,0),COLORFFFF00;
D1:=(C+L+H)/3;
D2:=EMA(D1,6);
D3:=EMA(D2,5);
BBUY:=CROSS(D2,D3);
风险区:80,COLORRED,POINTDOT;
安全区:20,COLORYELLOW,POINTDOT;
天线:100,COLORFFFF00,LINETHICK2;
强弱线:50,COLORGREEN,POINTDOT;
DRAWICON(BBUY,(LOW *1),4);
VARR1:=SMA(MAX(CLOSE-REF(C,1),0),6,1)/SMA(ABS(CLOSE-REF(C,1)),6,1)*100;
DRAWICON(CROSS(82,VARR1),HIGH,15);
DRAWTEXT(CROSS(82,VARR1),35,'逃'),COLORYELLOW;
通达信波段绝品
张小明
前端开发工程师
linux服务-Kibana8原理与安装
Kibana 8 原理与安装 参考:官网 Kibana 8 是 Elastic Stack(ELK Stack)的核心组件之一,专注于 Elasticsearch 的数据可视化、交互分析和管理运维,是 Elastic 生态中面向用户的 “可视化前端”。 一、Kibana 8 原理 …
基于LSTM神经网络实现锂电池SOH估计的案例学习(附数据集处理代码与特征提取)
[电池SOH估算案例3]: 使用长短时记忆神经网络LSTM来实现锂电池SOH估计的算法学习案例(基于matlab编写) 1.使用牛津锂离子电池老化数据集来完成,并提供该数据集的处理代码,该代码可将原始数据集重新制表,处理完的数据非…
【大模型研发管理新范式】:Open-AutoGLM进度监控系统设计与落地实践
第一章:Open-AutoGLM工作进度监控概述 Open-AutoGLM 是一个面向自动化代码生成与任务调度的开源框架,其核心目标是实现对大规模语言模型驱动的开发流程进行可视化监控与动态管理。在复杂任务链执行过程中,实时掌握各模块运行状态、资源消耗与…
【Open-AutoGLM自动保存黑科技】:揭秘附件高效留存的5大核心机制
第一章:Open-AutoGLM自动保存黑科技概述Open-AutoGLM 是一款基于大语言模型的自动化文本生成与持久化工具,其核心亮点在于“自动保存黑科技”——能够在用户无感知的情况下,智能识别内容生成节点并实时持久化至本地或云端存储。该机制不仅提升…
【独家披露】Open-AutoGLM内部架构解析:实现智能会议发起的底层逻辑
第一章:Open-AutoGLM会议预约发起的核心机制Open-AutoGLM 是一个基于大语言模型驱动的自动化任务调度系统,其会议预约发起功能通过语义理解与规则引擎协同工作,实现自然语言到日程事件的无缝转换。该机制核心在于将用户输入的非结构化指令解析…
为什么你的任务总丢失?Open-AutoGLM跟踪机制中不可不知的7个坑
第一章:为什么你的任务总在Open-AutoGLM中丢失在使用 Open-AutoGLM 进行自动化任务调度时,许多用户发现提交的任务无故“消失”,既未完成也未报错。这种现象通常并非系统故障,而是由配置不当或运行机制误解导致。任务生命周期管理…