通达信笑脸菩萨副图 指标源码

{}



ZX买入:=40;

DQHL1:=10;

ZX卖出:=80;

VAR1:=EMA(WINNER((LOW+HIGH)/2), 10)*100;

VAR2:=EMA(WINNER(CLOSE), 21)*100;

VAR3:=EMA(WINNER(CLOSE), 34)*100;

VAR4:=MA(WINNER(CLOSE), 1)*100;

VAR5:=VAR1>80 AND VAR2>80 AND VAR3>80;

VAR6:=CROSS(VAR1, VAR4);

VAR7:=VAR5 AND VAR6;

VAR8:=CROSS(90, VAR4);

VAR9:=VAR1>80;

VAR10:=VAR8 AND VAR9;

VAR11:=VAR1>80 AND VAR2>80;

VAR12:=CROSS(90, VAR4);

VAR13:=VAR11 AND VAR12;

VAR14:=(CLOSE-LLV(LOW, 100))/(HHV(HIGH, 100)-LLV(LOW, 100))*200;

VAR15:=SMA(VAR14, 3, 1);

VAR16:=SMA(VAR15, 3, 1);

VAR17:=3*VAR15-2*VAR16;

VAR18:=LLV(LOW, 5);

VAR19:=HHV(HIGH, 5);

VAR20:=EMA((CLOSE-VAR18)/(VAR19-VAR18)*100, 4)*2;

VAR21:=EMA(0.667*REF(VAR20, 1)+0.333*VAR20, 2);

VAR22:=3*VAR20-2*VAR21;

VAR23:=POW(MA(CLOSE, 5), 2)+MA(CLOSE, 5);

VAR24:=POW(MA(LOW, 5), 2)+MA(LOW, 5);

VAR25:=POW(MA(HIGH, 5), 2)+MA(HIGH, 5);

VAR26:=(VAR23-LLV(VAR24, 64))/(HHV(VAR25, 64)-LLV(VAR24, 64))*150+65-10;

VAR27:=SMA(VAR26, 3, 1)*1.5-100;

VAR28:=SMA(VAR27, 3, 1);

VAR29:=3*VAR27-2*VAR28;

VAR30:=(HIGH+LOW+CLOSE*2)/4;

VAR31:=EMA(VAR30, 13);

VAR32:=STD(VAR30, 13);

VAR33:=(VAR30-VAR31)*100/VAR32;

VAR34:=EMA(VAR33, 5);

VAR35:=EMA(VAR34, 13);

VAR36:=EMA(VAR34, 13)+200-100;

VAR37:=EMA(VAR36, 10);

VAR38:=3*VAR36-2*VAR37;

VAR39:=VAR15+VAR20+VAR27+VAR36;

VAR40:=VAR16+VAR21+VAR28+VAR37;

VAR41:=VAR17+VAR22+VAR29+VAR38;

VAR42:=(HIGH+LOW+CLOSE)/3;

VAR43:=AMOUNT/VOL/100;

VAR44:=SUM(AMOUNT, 5)/SUM(VOL, 5)/100;

VAR45:=(VAR42-MA(VAR42, 34))/(0.015*AVEDEV(VAR42, 34));

VAR46:=DMA(AMOUNT/VOL/100, VOL/CAPITAL);

VAR47:=(HIGH+LOW+CLOSE+VAR42)/4;

VAR48:=EMA(VAR47, 24);

VAR49:=STD(VAR47, 24);

VAR50:=(VAR47-VAR48)/VAR49*100;

VAR51:=(VAR42-MA(VAR42, 24))/(0.015*AVEDEV(VAR42, 24));

VAR52:=EMA(VAR50, 5);

VAR53:=(VAR43-MA(VAR43, 21))/(0.015*AVEDEV(VAR43, 21));

VAR54:=(VAR44-MA(VAR44, 90))/(0.015*AVEDEV(VAR44, 90));

VAR55:=((VAR54+VAR53+VAR52+VAR51+VAR45)/5+165)/4;

VAR56:=(EMA(EMA(EMA(VAR55, 15), 10), 5)-25)*2+VAR46;

VAR57:=(VAR39+VAR40+VAR41*30)/32/5-15;

VAR58:=EMA(VAR57, 13);

VAR59:=(VAR55+VAR57)/2/1.100;

DX:VAR59, COLORMAGENTA;

ZX:=(VAR56+VAR58)/2;

ZX-0, COLORSTICK;

VAR60:=EMA(EMA(EMA(CLOSE, 13), 13), 13);

VAR61:=((VAR60-REF(VAR60, 1))/REF(VAR60, 1)*100+0.450)*50;

VAR62:=MA(VAR61, 21);

VAR63:=((HHV(HIGH, 15)-CLOSE)/(HHV(HIGH, 15)-LLV(LOW, 15))*(-1)+0.960)*106;

VAR64:=((HHV(HIGH, 100)-CLOSE)/(HHV(HIGH, 100)-LLV(LOW, 100))*(-1)+0.960)*106;

VAR65:=(HIGH+LOW+CLOSE)/3;

VAR66:=((VAR65-MA(VAR65, 14))/(0.015*AVEDEV(VAR65, 14))+200)/4;

VAR67:=(HIGH+LOW+CLOSE*2)/4;

VAR68:=EMA(VAR67, 13);

VAR69:=STD(VAR67, 13);

VAR70:=(VAR67-VAR68)*100/VAR69;

VAR71:=EMA(VAR70, 5);

VAR72:=EMA(VAR71, 13);

VAR73:=(EMA(VAR71, 13)+100)/2-5;

VAR74:=EMA(VAR73, 10);

VAR75:=EMA(VOL/CAPITAL, 21)*13;

VAR76:=(92-100/(1+VAR75))*2.380;

VAR77:=REF(CLOSE, 1);

VAR78:=WINNER(CLOSE)*100;

VAR79:=WINNER(REF(CLOSE, 1))*100;

VAR80:=REF(INDEXC, 1);

VAR81:=(CLOSE-VAR77)/VAR77;

VAR82:=(INDEXC-VAR80)/VAR80;

VAR83:=VAR81-VAR82;

VAR84:=SMA(MAX(CLOSE-VAR77, 0), 4, 1)/SMA(ABS(CLOSE-VAR77), 4, 1)*100;

VAR85:=SMA(MAX(CLOSE-VAR77, 0), 8, 1)/SMA(ABS(CLOSE-VAR77), 8, 1)*100;

VAR86:=SMA(MAX(CLOSE-VAR77, 0), 12, 1)/SMA(ABS(CLOSE-VAR77), 12, 1)*100;

VAR87:=SMA(MAX(CLOSE-VAR77, 0)*(1+VOL/CAPITAL), 12, 1)/SMA(ABS(CLOSE-VAR77)*(1+VOL/CAPITAL), 12, 1)*100;

VAR88:=SMA(MAX(VAR78-VAR79, 0), 12, 1)/SMA(ABS(VAR78-VAR79), 12, 1)*100;

VAR89:=SMA(MAX(VAR83, 0), 12, 1)/SMA(ABS(VAR83), 12, 1)*100;

VAR90:=(VAR84+VAR85+VAR86)/3;

VAR91:=(VAR87+VAR88+VAR89+VAR90)/4;

VAR92:=(VAR91-31)*2.300;

VAR93:=(EMA(EMA(EMA(EMA(VAR92, 4), 3), 2), 1)-10)*1.430;

VAR94:=(HIGH+LOW+CLOSE*2)/4;

VAR95:=EMA(VAR94, 13);

VAR96:=STD(VAR94, 13);

VAR97:=(VAR94-VAR95)*100/VAR96;

VAR98:=EMA(VAR97, 5);

VAR99:=EMA(VAR98, 13);

VAR100:=(EMA(VAR99, 13)+100)/2-5;

VAR101:=EMA(VAR100, 10);

VAR102:=3*VAR100-2*VAR101;

VAR103:=(CLOSE-LLV(LOW, 90))/(HHV(HIGH, 90)-LLV(LOW, 90))*100;

VAR104:=SMA(VAR103, 7, 1);

VAR105:=SMA(VAR104, 10, 1);

VAR106:=3*VAR104-2*VAR105;

VAR107:=POW(MA(CLOSE, 5), 2)+MA(CLOSE, 5);

VAR108:=POW(MA(LOW, 5), 2)+MA(LOW, 5);

VAR109:=POW(MA(HIGH, 5), 2)+MA(HIGH, 5);

VAR110:=(VAR107-LLV(VAR108, 100))/(HHV(VAR109, 100)-LLV(VAR108, 100))*100-15;

VAR111:=SMA(VAR110, 21, 1)*1.5;

VAR112:=SMA(VAR111, 3, 1);

VAR113:=3*VAR111-2*VAR112;

VAR114:=POW(MA(CLOSE, 5), 2)+MA(CLOSE, 5);

VAR115:=POW(MA(LOW, 5), 2)+MA(LOW, 5);

VAR116:=POW(MA(HIGH, 5), 2)+MA(HIGH, 5);

VAR117:=(VAR114-LLV(VAR115, 64))/(HHV(VAR116, 64)-LLV(VAR115, 64))*100;

VAR118:=SMA(VAR117, 2, 1);

VAR119:=SMA(VAR118, 2, 1);

VAR120:=3*VAR118-2*VAR119;

VAR121:=EMA(VOL/CAPITAL, 21)*100;

VAR122:=(100/(1+VAR121)*(-1)+92)*1.570;

VAR123:=DMA(AMOUNT/VOL/100, VOL/CAPITAL);

VAR124:=(HIGH+LOW+CLOSE)/3;

VAR125:=((VAR124-MA(VAR124, 5))/(0.015*AVEDEV(VAR124, 5))+VAR123+140)/4;

VAR126:=EMA(EMA(EMA(CLOSE, 100), 100), 100);

VAR127:=((VAR126-REF(VAR126, 1))/REF(VAR126, 1)*100+0.280)*179;

VAR128:=EMA(VAR127, 20);

VAR129:=(VAR106+VAR113)/2;

VAR130:=(VAR118+VAR119+VAR120+VAR100+VAR104+VAR111+VAR122+VAR101+VAR105+VAR112+VAR102+VAR106+VAR113+VAR125+EMA(VAR66, 5)*5)/20;

VAR131:=(VAR100+VAR104+VAR111+VAR122+VAR129+VAR127+VAR128)/7;

VAR132:=(VAR101+VAR105+VAR112+VAR122+VAR129+VAR127+VAR128)/7;

VAR133:=(VAR131+VAR132)/2*1.220;

VAR134:=(EMA((VAR129+VAR133+EMA(VAR130, 5))/3, 89)-12)*1.720;

VAR135:=(VAR133+VAR134)/2;

VAR136:=WINNER(CLOSE)*100;

VAR137:=(EMA(CLOSE, 12)-EMA(CLOSE, 26))*10;

VAR138:=EMA(VAR137, 12);

VAR139:=(3*CLOSE+LOW+OPEN+HIGH)/6;

VAR140:=(20*VAR136+19*REF(VAR136, 1)+18*REF(VAR136, 2)+17*REF(VAR136, 3)+16*REF(VAR136, 4)+15*REF(VAR136, 5)+14*REF(VAR136, 6)+13*REF(VAR136, 7)+12*REF(VAR136, 8)+11*REF(VAR136, 9)+10*REF(VAR136, 10)+9*REF(VAR136, 11)+8*REF(VAR136, 12)+7*REF(VAR136, 13)+6*REF(VAR136, 14)+5*REF(VAR136, 15)+4*REF(VAR136, 16)+3*REF(VAR136, 17)+2*REF(VAR136, 18)+REF(VAR136, 20))/210;

VAR141:=MA(VAR140, 10);

VAR142:=ZX< ZX买入;

VAR143:=VAR137-VAR138>=0;

QQ3:=CROSS(VAR137, VAR138);

JC:INTPART(QQ3),COLORGREEN;

VAR144:=COUNT(CROSS(DX, ZX), 20)>=1;

VAR145:=VAR142 AND QQ3 AND VAR144;

VAR146:=COUNT((CROSS(DX, 0) AND ZX< 10)>0, 5)>=1;

VAR147:=VAR142 AND QQ3 AND VAR146;

卖点看黄箭:STICKLINE((VAR1< DQHL1 AND CROSS(VAR137, VAR138))>0, 0, 10, 30, 1),COLORFFDDDD;

买看海底声纳:STICKLINE((CROSS(ZX, DX) AND ZX>ZX卖出)>0, 0, 50, 10, 0), COLORYELLOW;

金针探底:STICKLINE(CROSS(100, DX)>0, 0, 100, 20, 0), COLORYELLOW;

再看笑脸菩萨:STICKLINE(CROSS(VAR141, VAR140)>0 AND ZX>10, 120, 100, 1, 0), COLORGREEN;

100, POINTDOT;

STICKLINE(VAR1>13 AND VAR1< 80, 3, 0, 10/3, 1), COLOR009933;

STICKLINE(VAR1< 13, (-30), (-25), 10/3, 1), COLORYELLOW;

STICKLINE(VAR1>80, 5, 0, 10/3, 1), COLORBLUE;

STICKLINE(VAR7>0, 0, 100, 10/3, 0), COLORYELLOW;

STICKLINE(VAR10>0, 0, 100, 10/3, 0), COLORYELLOW;

STICKLINE(VAR13>0, 0, 100, 10/3, 0), COLORYELLOW;

DRAWICON(VAR145>0, 0, 1);



本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/1130641.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

从零到AI画师:用阿里云GPU实例和科哥镜像1小时搭建专属创作平台

从零到AI画师&#xff1a;用阿里云GPU实例和科哥镜像1小时搭建专属创作平台 你是否也想像专业画师一样&#xff0c;用AI生成惊艳的艺术作品&#xff1f;本文将带你从零开始&#xff0c;通过阿里云GPU实例和科哥镜像&#xff0c;1小时内搭建一个专属的AI绘画创作平台。整个过程无…

金融风控升级:基于MGeo的客户地址验证系统搭建

金融风控升级&#xff1a;基于MGeo的客户地址验证系统搭建 在金融风控领域&#xff0c;地址验证一直是反欺诈的重要环节。传统基于规则匹配的地址验证方法&#xff0c;面对精心伪造的地址往往束手无策。本文将介绍如何利用MGeo这一多模态地理语言模型&#xff0c;搭建高精度的客…

有没有稳定又快的翻译API?CSANMT自建服务实测

有没有稳定又快的翻译API&#xff1f;CSANMT自建服务实测 &#x1f310; AI 智能中英翻译服务 (WebUI API) 在多语言内容爆发式增长的今天&#xff0c;高质量、低延迟的中英翻译能力已成为开发者和内容创作者的核心需求。无论是处理技术文档、跨境电商商品描述&#xff0c;还是…

M2FP模型API性能优化:高并发处理解决方案

M2FP模型API性能优化&#xff1a;高并发处理解决方案 &#x1f4cc; 背景与挑战&#xff1a;从单请求到高并发的演进需求 随着计算机视觉技术在内容创作、虚拟试衣、智能安防等领域的广泛应用&#xff0c;多人人体解析服务正逐步成为图像理解的核心能力之一。M2FP&#xff08;M…

AI绘画技术评估:Z-Image-Turbo快速部署与基准测试

AI绘画技术评估&#xff1a;Z-Image-Turbo快速部署与基准测试 为什么选择Z-Image-Turbo进行AI绘画评估 在评估多个AI绘画模型性能时&#xff0c;最大的挑战是如何确保测试环境的一致性。不同硬件配置、依赖版本甚至系统环境都会影响模型的最终表现。Z-Image-Turbo作为阿里通义开…

找轴承厂的方法?别再被“贸易商”当成源头厂家了!

轴承被称为“工业的关节”&#xff0c;从风电主轴到机器人关节&#xff0c;高端制造领域都离不开它&#xff0c;但全国的轴承产业带高度集中&#xff0c;如果选错了地区或者找错了厂家&#xff0c;轻则导致交货期延误&#xff0c;重则可能买到贴牌翻新的产品。三大核心轴承产业…

M2FP在安防监控中的应用:异常行为识别

M2FP在安防监控中的应用&#xff1a;异常行为识别 &#x1f4cc; 引言&#xff1a;从人体解析到智能安防的跨越 随着城市化进程加速&#xff0c;公共安全对智能化监控系统的需求日益增长。传统视频监控依赖人工回溯&#xff0c;效率低、响应慢&#xff0c;难以应对突发性异常事…

红娘子辅助副图源码分享 贴图

{} VAR1:(CLOSELOWHIGH)/3;VAR2:SUM(((VAR1-REF(LOW,1))-(HIGH-VAR1))*VOL/100000/(HIGH-LOW),0);VAR3:EMA(VAR2,1);短线:VAR3;中线:MA(VAR3,12);长线:MA(VAR3,26);

M2FP模型在服装电商中的创新应用案例

M2FP模型在服装电商中的创新应用案例 &#x1f4cc; 引言&#xff1a;人体解析技术如何重塑服装电商体验 在服装电商领域&#xff0c;用户对“试穿效果”的期待正从静态图片向动态、个性化、高精度视觉呈现演进。传统推荐系统依赖标签匹配和人工标注&#xff0c;难以应对复杂…

如何选择适合汽车工厂的生产管理系统?

在汽车制造加速迈向智能化与柔性化生产的今天&#xff0c;生产管理系统已从传统的任务派发与进度跟踪工具&#xff0c;演变为驱动企业核心竞争力的智能中枢。尤其在对精度、效率与供应链协同要求极高的汽车工业中&#xff0c;一套高效、闭环、可自适应的生产管理系统&#xff0…

AI艺术工作室搭建指南:基于通义Z-Image-Turbo的云端创作平台

AI艺术工作室搭建指南&#xff1a;基于通义Z-Image-Turbo的云端创作平台 对于艺术院校毕业生或小型创意团队来说&#xff0c;搭建一个支持多人协作的AI绘画平台往往面临技术门槛高、服务器运维复杂等难题。本文将详细介绍如何利用通义Z-Image-Turbo镜像快速构建云端AI艺术创作平…

河北开放大学信息化管理与运作作业答案

1. 摩尔&#xff08;Moore&#xff09;定律提示:在1970至2000年的30年间&#xff0c;微处理器芯片大约每&#xff08; &#xff09;个月集成度翻番&#xff0c;处理能力提高一倍&#xff0c;体积和价格减半。A. 12B. 18C. 30D. 362. 信息技术&#xff08;InformationTechnology…

2026年最新降AI率工具测评:深扒6款软件,教你低成本快速降低ai率!(附独家指令)

昨天有个学妹在图书馆差点急哭了&#xff0c;她自己熬夜写出来的初稿&#xff0c;查重系统直接判定高风险。其实这种情况现在特别多&#xff0c;学校的检测系统越来越严&#xff0c;哪怕是你自己敲的字&#xff0c;逻辑稍微平一点&#xff0c;都可能被标红。为了帮大家解决降ai…

肖特基二极管与普通二极管的区别

肖特基二极管与普通二极管在结构、性能和适用场景上存在显著差异。今天我们来一起看一下。1. 肖特基二极管工作原理肖特基二极管的工作原理基于其独特的金属-半导体结&#xff08;肖特基势垒&#xff09;&#xff0c;而非传统二极管的PN结。这种核心结构差异使其具备了低正向压…

M2FP模型部署成本分析:CPU vs GPU方案

M2FP模型部署成本分析&#xff1a;CPU vs GPU方案 &#x1f4ca; 引言&#xff1a;多人人体解析的工程落地挑战 随着计算机视觉技术在数字人、虚拟试衣、智能安防等场景中的广泛应用&#xff0c;多人人体解析&#xff08;Multi-person Human Parsing&#xff09; 成为一项关键基…

AT32开发环境体验

最近在一个新项目中首次接触了雅特力&#xff08;Artery&#xff09;的AT32系列单片机。原本对国产替代方案的开发环境和配套工具持保留态度&#xff0c;但实际使用下来却惊喜连连——雅特力在开发生态上的投入远超预期。首先&#xff0c;雅特力提供了对标 Keil 的官方集成开发…

收藏备用 | 三分钟看懂AI大模型(小白程序员专属图文教程)

拒绝冗余铺垫&#xff0c;直接上硬核干货—— 1、什么是模型&#xff1f; 用大白话讲&#xff0c;模型就是一个基于神经网络搭建的“智能处理器”&#xff0c;类比我们熟悉的公式yF(x)&#xff0c;它能接收输入的信息x&#xff0c;快速输出对应的预测结果或响应内容y。简单说…

快来许下 2026 年的第一个愿望,KWDB 帮你实现!

各位社区小伙伴们&#xff1a; 2026 年已经到来&#xff0c;新的一年&#xff0c;你许下了什么新的愿望呢&#xff1f; 小K 立下的第一个新年 flag&#xff0c;就是帮大家实现新一年的焕新计划! 没错&#xff01;我们正式启动 2026 年 KWDB 社区周边许愿计划&#xff01;你负责…

从零开始:基于M2FP的人体姿态分析系统开发指南

从零开始&#xff1a;基于M2FP的人体姿态分析系统开发指南 在计算机视觉领域&#xff0c;人体解析&#xff08;Human Parsing&#xff09;作为语义分割的一个重要分支&#xff0c;正广泛应用于虚拟试衣、智能安防、人机交互和动作识别等场景。传统方法往往局限于单人检测或粗粒…