通达信〖量化突破因子〗副图指标源码分享


通达信〖量化突破因子〗副图指标源码分享
CJM1:=(CLOSE-LLV(LOW,120))/(HHV(HIGH,120)-LLV(LOW,120))*10;
CJM2:=SMA(CJM1,5,1);
CJM3:=CJM2>MA(CJM2,8);
CJM4:=(CLOSE-LLV(LOW,13))/(HHV(HIGH,13)-LLV(LOW,13))*10;
CJM5:=SMA(CJM4,3,2);
CJM6:=SMA(CJM5,10,6);
CJM7:=MA(CJM6,3);
CJM8:=SMA(CJM7,3,1);
CJMA1:CJM6>=CJM7,COLORRED,LINETHICK1 DOTLINE STICK;
CJM9:=CJM7>REF(CJM7,1);
CJMA2:NOT(CJMA1),COLORGREEN DOTLINE;
CJM10:=LLV(LOW,6);
CJM11:=HHV(HIGH,12);
CJMA3:EMA((CLOSE-CJM10)/(CJM11-CJM10)*4,4),COLORLIBLUE,LINETHICK2;
CJMA4:IF(CJMA3>=REF(CJMA3,1),CJMA3,DRAWNULL),COLORMAGENTA,LINETHICK2;
CJMA5:=MA(CJMA3,3);
CJMZJY:STICKLINE(CJMA3>CJMA5,CJMA3,CJMA5,3,0),COLORRED;
CJMZJL:STICKLINE(CJMA3< CJMA5,CJMA3,CJMA5,3,0),COLORGREEN;
CJM12:=CLOSE>REF(CLOSE,4);
CJM13:=BARSLASTCOUNT(CJM12);
CJM14:=CJM13=9;
CJM15:=ISLASTBAR AND BETWEEN(CJM13,5,8);
CJM16:=( (CJM14>0,9) OR(CJM15>0,CJM13))*CJM13;
CJM17:=CLOSE< REF(CLOSE,4);
CJM18:=BARSLASTCOUNT(CJM17);
CJM19:=CJM18=9;
CJM20:=ISLASTBAR AND BETWEEN(CJM18,5,8);
CJM21:=( (CJM19>0,9) OR(CJM20>0,CJM18))*CJM18;
DRAWTEXT_FIX(1,0.01,0.1,0,'擒牛指标公式网WWW.CJM99.COM'),COLORYELLOW;
CJM22:=EMA(CLOSE,2);
CJM23:=EMA(CLOSE,150);
CJM24:=CJM22-CJM23;
CJM25:=EMA(CJM24,100);
CJM26:=2*(CJM24-CJM25);
CJM27:=POW(CJM26,3)*0.1+POW(CJM26,1);
CJM28:=IF(CJM26>0.1,CJM27,0)*5;
CJM29:=(CLOSE-MA(CLOSE,21))/MA(CLOSE,21)*100;
CJM30:=CLOSE>MA(CLOSE,250);
CJM31:=CJM28>REF(CJM28,1);
CJM32:=CJM29>REF(CJM29,1);
CJM33:=crOSS(CJM28,0.01)*CJM28;
AA:=C>MA(C,5);
CJM34:=(CJM30 AND CJM31 AND CJM32)*CJM28;
CJMMC:=BARSLASTCOUNT(CJMA3>CJMA5 AND CJMA1)=1;
CJMMR:=BARSLASTCOUNT(CJMA3< CJMA5)=1;
DRAWICON(CJMMC AND AA,CJMA3 ,5);
DRAWICON(CJMMR,CJMA3*1.1,6);
DRAWICON(CJM34>0 AND CJMA1,1,32);

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/1166240.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

如何高效做中文情感分析?试试这款轻量级CPU友好型StructBERT镜像

如何高效做中文情感分析&#xff1f;试试这款轻量级CPU友好型StructBERT镜像 1. 引言&#xff1a;中文情感分析的现实挑战与新解法 在当前互联网内容爆炸式增长的背景下&#xff0c;用户评论、社交媒体发言、客服对话等文本数据中蕴含着大量情绪信息。对这些信息进行自动化的…

Qwen2.5-7B代码实例:实现流式输出的最佳实践

Qwen2.5-7B代码实例&#xff1a;实现流式输出的最佳实践 1. 引言 1.1 业务场景描述 在构建基于大语言模型的交互式应用时&#xff0c;用户体验至关重要。传统的文本生成方式需要等待模型完成全部推理后才返回结果&#xff0c;导致用户感知延迟高、响应不连贯。特别是在处理长…

惊艳!Qwen3-Embedding-4B在中文语义理解中的实际案例

惊艳&#xff01;Qwen3-Embedding-4B在中文语义理解中的实际案例 1. 引言&#xff1a;从榜单第一到真实场景的挑战 2025年6月&#xff0c;通义千问团队发布了全新的 Qwen3-Embedding 系列模型&#xff0c;在MTEB多语言排行榜中一举登顶&#xff0c;以70.58的综合得分位列第一…

微PE团队同款技术:GLM-4.6V-Flash-WEB部署全流程

微PE团队同款技术&#xff1a;GLM-4.6V-Flash-WEB部署全流程 在系统维护与自动化工具开发中&#xff0c;如何让程序“理解”图形用户界面&#xff08;GUI&#xff09;一直是工程落地的难点。传统基于规则和坐标的脚本难以应对多语言、多品牌、多版本的界面变化。微PE团队近期引…

Glyph音乐评论分析:长乐评文本处理部署案例

Glyph音乐评论分析&#xff1a;长乐评文本处理部署案例 1. 技术背景与问题提出 在音乐平台、社交媒体和内容社区中&#xff0c;用户生成的长篇乐评&#xff08;如专辑评论、歌曲解析、音乐人访谈&#xff09;日益增多。这类文本通常具有高度语义密度、情感丰富且结构松散的特…

一键启动科哥开发的CAM++系统,轻松搞定声纹识别

一键启动科哥开发的CAM系统&#xff0c;轻松搞定声纹识别 1. 系统简介与核心价值 1.1 CAM系统的技术定位 CAM 是一个基于深度学习的说话人验证&#xff08;Speaker Verification&#xff09;系统&#xff0c;由开发者“科哥”构建并开源。该系统采用先进的神经网络架构——C…

使用ST-Link Utility升级固件的完整示例

从驱动到烧录&#xff1a;一次完整的ST-Link固件升级实战解析 你有没有遇到过这样的场景&#xff1f; 新焊好的STM32板子插上ST-Link&#xff0c;打开ST-Link Utility&#xff0c;点击“Connect”——结果弹出一个冰冷的提示&#xff1a;“Cannot connect to target.” 电源…

Speech Seaco Paraformer ASR部署教程:Windows子系统WSL配置

Speech Seaco Paraformer ASR部署教程&#xff1a;Windows子系统WSL配置 1. 引言 随着语音识别技术的快速发展&#xff0c;高精度、低延迟的中文语音转文字&#xff08;ASR&#xff09;系统在会议记录、语音输入、内容创作等场景中展现出巨大价值。Speech Seaco Paraformer 是…

HY-MT1.5-1.8B移动端集成:云端预处理加速方案

HY-MT1.5-1.8B移动端集成&#xff1a;云端预处理加速方案 你是否正在为APP中的实时翻译功能卡顿、响应慢而头疼&#xff1f;尤其是当用户在弱网或低端手机上使用时&#xff0c;端侧模型运行缓慢&#xff0c;体验大打折扣。有没有一种方式&#xff0c;既能保留本地部署的隐私性…

Qwen情感分析prompt模板:可复用的设计范例分享

Qwen情感分析prompt模板&#xff1a;可复用的设计范例分享 1. 项目背景与技术动机 在当前AI应用快速落地的背景下&#xff0c;如何在资源受限的环境中高效部署大语言模型&#xff08;LLM&#xff09;成为工程实践中的关键挑战。尤其是在边缘设备或仅配备CPU的服务器上&#x…

DeepSeek-R1-Distill-Qwen-1.5B安全指南:企业级数据保护的云端最佳实践

DeepSeek-R1-Distill-Qwen-1.5B安全指南&#xff1a;企业级数据保护的云端最佳实践 在AI技术快速渗透各行各业的今天&#xff0c;越来越多的企业开始尝试引入大模型能力来提升办公效率、优化客户服务、增强数据分析。然而&#xff0c;对于法务严格、合规要求高的企业来说&…

Voice Sculptor语音合成指南:18种预设风格快速上手

Voice Sculptor语音合成指南&#xff1a;18种预设风格快速上手 1. 快速入门与核心价值 Voice Sculptor 是一款基于 LLaSA 和 CosyVoice2 的指令化语音合成模型&#xff0c;经过二次开发优化后&#xff0c;具备强大的自然语言驱动音色生成能力。其最大特点是通过自然语言描述即…

ms-swift实战:手把手教你完成大模型参数高效微调

ms-swift实战&#xff1a;手把手教你完成大模型参数高效微调 1. 引言 在当前大模型快速发展的背景下&#xff0c;如何高效地对大规模语言模型进行微调成为工程落地的关键挑战。传统全参数微调方式需要巨大的计算资源和显存开销&#xff0c;难以在单卡或有限硬件条件下实现。为…

Youtu-2B与Qwen性能评测:轻量模型推理速度谁更强?

Youtu-2B与Qwen性能评测&#xff1a;轻量模型推理速度谁更强&#xff1f; 1. 背景与评测目标 随着大语言模型&#xff08;LLM&#xff09;在端侧设备和低算力场景中的广泛应用&#xff0c;轻量化模型的推理效率成为决定用户体验的关键因素。尽管参数规模较小&#xff0c;但像…

MinerU使用疑问TOP10:没GPU/太贵/不会答全

MinerU使用疑问TOP10&#xff1a;没GPU/太贵/不会答全 你是不是也经常在论坛里看到这些问题&#xff1a;“学生党想用MinerU但没钱买显卡怎么办&#xff1f;”“Mac能跑吗&#xff1f;”“第一次部署就报错&#xff0c;根本不知道哪里出问题。”……这些疑问几乎每天都在重复上…

嵌入式系统下LED显示屏同步控制实现

如何让成百上千块LED模组“步调一致”&#xff1f;深度拆解嵌入式同步控制系统的设计精髓你有没有在演唱会现场盯着背景大屏看时&#xff0c;发现画面像是被“撕开”的——左边比右边快半拍&#xff1f;或者在商场里看到拼接的广告屏&#xff0c;边缘处颜色对不上、亮度一明一暗…

BAAI/bge-m3如何接入生产环境?企业部署实战经验分享

BAAI/bge-m3如何接入生产环境&#xff1f;企业部署实战经验分享 1. 引言&#xff1a;语义相似度在企业级AI系统中的核心价值 随着企业知识库、智能客服和检索增强生成&#xff08;RAG&#xff09;系统的广泛应用&#xff0c;传统的关键词匹配已无法满足对语义理解深度的要求。…

用modelscope下载模型,Unsloth更顺畅

用modelscope下载模型&#xff0c;Unsloth更顺畅 1. 引言 在大语言模型&#xff08;LLM&#xff09;的微调实践中&#xff0c;高效、低显存占用的训练框架是提升开发效率的关键。Unsloth 作为一个开源的 LLM 微调与强化学习框架&#xff0c;凭借其卓越的性能优化能力——训练…

Qwen3-4B写作实战:如何用AI快速完成商业文案创作

Qwen3-4B写作实战&#xff1a;如何用AI快速完成商业文案创作 在内容营销日益重要的今天&#xff0c;高质量的商业文案已成为企业获取用户、提升转化的核心竞争力。然而&#xff0c;专业文案创作耗时耗力&#xff0c;对创意和逻辑要求极高。随着大模型技术的发展&#xff0c;AI…

# Xorg 配置与 modesetting 驱动详解:从设备节点到显示旋转

Xorg 配置与 modesetting 驱动详解&#xff1a;从设备节点到显示旋转 一、Xorg 配置的整体框架 Xorg 是 Linux 下常见的图形显示服务器&#xff0c;它的配置文件通常位于 /etc/X11/xorg.conf 或 /etc/X11/xorg.conf.d/*.conf。 配置文件由多个 Section 组成&#xff0c;每个 Se…