CN112801789A - 一种股票技术分析方法 - Google Patents
一种股票技术分析方法 Download PDFInfo
- Publication number
- CN112801789A CN112801789A CN202110083080.1A CN202110083080A CN112801789A CN 112801789 A CN112801789 A CN 112801789A CN 202110083080 A CN202110083080 A CN 202110083080A CN 112801789 A CN112801789 A CN 112801789A
- Authority
- CN
- China
- Prior art keywords
- stock
- price
- identifier
- data
- line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000005516 engineering process Methods 0.000 claims abstract description 9
- 230000003247 decreasing effect Effects 0.000 claims description 14
- 230000009467 reduction Effects 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 15
- 238000012216 screening Methods 0.000 description 10
- IQFVPQOLBLOTPF-UHFFFAOYSA-L Congo Red Chemical compound [Na+].[Na+].C1=CC=CC2=C(N)C(N=NC3=CC=C(C=C3)C3=CC=C(C=C3)N=NC3=C(C4=CC=CC=C4C(=C3)S([O-])(=O)=O)N)=CC(S([O-])(=O)=O)=C21 IQFVPQOLBLOTPF-UHFFFAOYSA-L 0.000 description 5
- 239000003086 colorant Substances 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000003306 harvesting Methods 0.000 description 4
- 230000006698 induction Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开一种股票技术分析方法,解决现有方法未作出明确交易信号的问题。一种股票技术分析方法,包含以下步骤:接收基础K线数据;根据长周期和短周期均线天数,计算得到加权参数;根据所述加权参数和所述基础K线数据中的开盘价集合、收盘价集合、最高价集合和最低价集合,计算得到股票交易标识集合;将所述股票交易标识集合的数据与第一阈值和第二阈值进行比较,根据比较结果输出建仓标识、增仓标识、减仓标识或清仓标识。所述系统使用所述方法。本发明可产生明确的交股票易信号。
Description
技术领域
本发明涉及股票分析领域,尤其涉及一种股票技术分析方法。
背景技术
目前市面上股票技术分析的指标分析方式从数据源上区分可以分为价格类指标、成交量类指标等,其中价格指标主要针对股票的实时价格(收盘价)和历史价格(开盘价、最高价、最低价)作出分析。现有的针对价格类指标分析的方式包含:对大盘指标进行分析,缺点是只能侦测出市场中指数波动的指标,无法用于个股研判;对测量指标进行分析,只能针对某一方面进行测量并给出这方面的测量结果,并未给出明确的交易信号;对高级指标进行分析,需要用户具有更加高深的专业知识水平,也并未给出明确的交易信号。
发明内容
本发明提供一种技术分析方法,解决现有方法未作出明确交易信号的问题。
为解决上述问题,本发明是这样实现的:
一种股票技术分析方法,包含以下步骤:接收基础K线数据;根据长周期和短周期均线天数,计算得到加权参数;根据所述加权参数和所述基础K线数据中的开盘价集合、收盘价集合、最高价集合和最低价集合,计算得到股票交易标识集合;将所述股票交易标识集合的数据与第一阈值和第二阈值进行比较,根据比较结果输出建仓标识、增仓标识、减仓标识或清仓标识,其中,所述股票交易标识集合由所述建仓标识、增仓标识、减仓标识和清仓标识组成,用来反映股价趋势和表现市场状况。
进一步地,所述加权参数的计算方式为:(Uc2+Nc2)/(Uc1+Nc1),其中,Uc1、Uc2分别为用户设置的第一短周期均线天数、第一长周期均线天数,Nc1、Nc2分别为提前写入的第二短周期均线天数和第二长周期均线天数。
进一步地,所述加权参数的计算方式为:(Uc2×Nc3+Nc2)/(Uc1×Nc3+Nc1),其中,Uc1、Uc2分别为用户设置的第一短周期均线天数、第一长周期均线天数,Nc1、Nc2分别为提前写入的第二短周期均线天数和第二长周期均线天数,Nc3为提前写入的平滑参数。
优选地,所述根据加权参数和基础K线数据中的开盘价集合、收盘价集合、最高价集合和最低价集合,计算得到股票交易标识集合的步骤,进一步包含:对所述基础K线数据中的开盘价集合、收盘价集合、最高价集合和最低价集合,结合所述加权参数,计算得到第一~第五集合;根据所述第三~第五集合,计算第一关系集合,所述第一关系集合为当天涨跌与当天开盘涨幅和前一天开盘涨幅的对应关系集合;对所述第一集合和第二集合的每个元素取当天最小值,得到第二关系集合,所述第二关系集合为当天收盘价与当天最高价和当天最低价的位置关系集合;计算所述股票交易标识集合;其中,所述第一集合为当天最高价与前一天收盘价的K线距离的集合,所述第二集合为当天最低价和前一天收盘价的K线距离的集合,所述第三集合为当天收盘价和前一天收盘价的K线距离的集合,所述第四集合为当天收盘价和当天开盘价的K线距离的集合,所述第五集合为前一天收盘价和前一天开盘价的K线距离的集合。
优选地,所述将股票交易标识集合的数据与第一阈值和第二阈值进行比较,根据比较结果输出建仓标识、增仓标识、减仓标识或清仓标识的步骤,进一步包含:若所述股票交易标识集合的数据大于第二阈值,则输出所述建仓标识;若所述股票交易标识集合的数据小于等于所述第二阈值且大于等于第一阈值,则输出增仓标识;若所述股票交易标识集合的数据小于等于第一阈值且大于第二阈值,则输出减仓标识;若所述股票交易标识集合的数据小于等于所述第二阈值,则输出清仓标识。
进一步地,所述方法还包含:在所述股票交易标识集合中,若连续出现N1个建仓标识,则进行建仓或增仓操作;若连续出现N2个增仓标识,则进行增仓操作;若连续出现N3个减仓标识,则结合对应的成交量进行判断是否进行减仓操作;若连续出现N4个清仓标识,则进行清仓操作;其中,N1、N2、N3、N4分别为预设的第一、第二、第三、第四门限。
进一步地,所述方法还包含:建仓标识对应的股票,持仓比例为10%~20%,增仓标识对应的股票,持仓比例为大于等于60%,减仓标识对应的股票,持仓比例为10%~20%,清仓标识对应的股票,持仓比例为0%。
优选地,所述第一阈值为所述股票交易标识集合的窗长度为W1的滑动算数平均结果,所述第二阈值为所述股票交易标识集合的窗长度为W2的滑动算数平均结果,其中,W1、W2为第一、第二预设窗长度。
优选地,所述对基础K线数据中的开盘价集合、收盘价集合、最高价集合和最低价集合,结合所述加权参数,计算得到第一~第五集合的步骤进一步包含:将所述基础K线数据中的当天的最高价集合减去前一天的收盘价集合,得到第一差值集合,将所述第一差值集合乘以所述加权参数后,按预设的第一窗口进行滑动算数平均运算,得到所述第一集合;将所述基础K线数据中的当天的最低价集合减去前一天的收盘价集合,得到第二差值集合,将所述第二差值集合乘以所述加权参数后,按所述第一窗口进行滑动算数平均运算,得到所述第二集合;将所述基础K线数据中的当天的收盘价集合减去前一天的收盘价集合,得到第三差值集合,将所述第三差值集合乘以所述加权参数后,按所述第一窗口进行滑动算数平均运算,得到所述第三集合;将所述基础K线数据中的当天的收盘价集合减去当天的开盘价集合,得到第四差值集合,将所述第四差值集合乘以所述加权参数后,按所述第一窗口进行滑动算数平均运算,得到所述第四集合;将所述基础K线数据中的前一天的收盘价集合减去前一天的开盘价集合,得到第五差值集合,将所述第五差值集合乘以所述加权参数后,按所述第一窗口进行滑动算数平均运算,得到所述第五集合。
优选地,W1为12,W2为47。
本发明有益效果包括:本发明提出了一种基于股价波动数据的股票技术分析方法,从本股票技术分析方法的形态上来看完全与K线数据展示形状相同,给投资者更加清晰易读的展示方案,在观察数据波动时可以让投资者直观的了解价格走势;仅针对K线基础数据进行的归纳推演,其推演模型简单,适合各类用户;可结合价格波动多少和速率,结合用户偏好设置加权参数,动态生成包含紫色、红色、黄色和绿色的股票交易标识,面向用户的可读性更好;本发明可以用于分析指数、股票、基金等多种金融数据。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为一种股票技术分析方法流程实施例;
图2为一种包含图层绘制的股票技术分析方法流程实施例;
图3为另一股票技术分析方法流程实施例。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
收盘价:为当日该证券最后一笔交易前一分钟所有交易的成交量加权平均价(含最后一笔交易);当日无成交的,以前收盘价为当日收盘价;深市的收盘价通过集合竞价的方式产生;收盘集合竞价不能产生收盘价的,以当日该证券最后一笔交易前一分钟所有交易的成交量加权平均价(含最后一笔交易)为收盘价。开盘价:指某种证券在证券交易所每个交易日开市后的第一笔每股买卖成交价格,世界上大多数证券交易所都采用成交额最大原则来确定开盘价。最高价:指某种币品当前周期交易中最高价。最低价:指某种币品当前周期交易中最低价。
大盘指标:指证券市场技术分析中分析交易品种与整个大盘关系的一大类指标;测量指标:测量指标中的指标,一般被用来测量股价的力度、人气、量能消长,指导客户依反市场心理的原理,做出反市场心理的炒股判断;高级指标:这种指标则是结合几种元素组合分析的指标,这类指标相较基础指标更加专业、分析的数据源更加全面、分析模型更加复杂。
本发明创新点如下:本发明提出了一种基于股价波动数据股票技术分析方法,第一,本发明首创了一种以K线价格为形态的股票技术分析方法,仅针对K线基础数据进行归纳推演,模型简单,可用于分析指数、股票、基金等多种金融数据;第二,本发明根据模型推演结果,得到了包含颜色(紫色、红色、黄色、绿色)的股票交易标识,从本股票技术分析方法的形态上来看完全与K线数据展示形状相同,给投资者更加清晰易读的展示方案,在观察数据波动时可以让投资者直观的了解价格走势;第三,本发明可以结合用户偏好设置加权参数,使得到的股票交易标识针对不同用户结果不同,对用户使用更友好。
以下结合附图,详细说明本发明各实施例提供的技术方案。
图1为一种股票技术分析方法流程实施例,针对K线数据得到股票交易标识集合,作为本发明实施例,一种股票技术分析方法,具体包含以下步骤101~104:
步骤101、接收基础K线数据。
在步骤101中,根据用于订阅在网络中收到所述基础K线数据存入系统内部,进一步地,根据用户需要将基础数据叠加除权系数,对叠加后数据进行周期转化变成当前用户所需数据。
在步骤101中,所述基础K线数据包含该股票的开盘价集合、收盘价集合、最高价集合和最低价集合。
需要说明的是,所述基础K线数据可以为股票的多日基础K线数据。
步骤102、根据长周期和短周期均线天数,计算得到加权参数。
在步骤102中,所述加权参数可以为一个数据,也可以为包含多个数据的向量,若所述加权参数包含多个数据,则用户每次变更设置,记录一个加权参数数据值。
在步骤102中,所述加权参数为用于计算得到股票交易标识集合的权重系数,结合用户设置和经验参数计算得到,在本发明实施例中,所述加权参数包含2种计算方式,用户可以自行选择。
若用户设置的加权方式编号为1,即Zx=1,则选用第一种加权方式,所述加权参数的计算方式为:
α=(Uc2+Nc2)/(Uc1+Nc1) (1)
其中,α为所述加权参数,Uc1、Uc2分别为用户设置的第一短周期均线天数、第一长周期均线天数,Nc1、Nc2分别为提前写入的第二短周期均线天数和第二长周期均线天数。
例如,Uc1=12、Uc2=47、Nc1=7、Nc2=30、Zx=1(加权方式编号),则对应的加权参数α=4.05。
若用户设置的加权方式编号为2,即Zx=2,则选用第二种加权方式,所述加权参数的计算方式为:
α=(Uc2×Nc3+Nc2)/(Uc1×Nc3+Nc1) (2)
其中,α为所述加权参数,Uc1、Uc2分别为用户设置的第一短周期均线天数、第一长周期均线天数,Nc1、Nc2分别为提前写入的第二短周期均线天数和第二长周期均线天数,Nc3为提前写入的平滑参数。
需要说明的是,Nc1、Nc2、Nc3均为大师经验参数,即根据历史数据推演得到的数据,Nc3也称为用户占比权重参数,该参数设置大时用户设置的参数权重占比更大。
例如,,Uc1=12、Uc2=47、Nc1=7、Nc2=30、Nc3=2、Zx=1,则对应的加权参数α=4。
步骤103、根据所述加权参数和所述基础K线数据中的开盘价集合、收盘价集合、最高价集合和最低价集合,计算得到股票交易标识集合。
在步骤103中,所述根据加权参数和基础K线数据中的开盘价集合、收盘价集合、最高价集合和最低价集合,计算得到股票交易标识集合的步骤,进一步包含:
步骤103A、对所述基础K线数据中的开盘价集合、收盘价集合、最高价集合和最低价集合,结合所述加权参数,计算得到第一~第五集合。
在步骤103A中,所述第一集合为当天最高价与前一天收盘价的K线距离的集合,所述第二集合为当天最低价和前一天收盘价的K线距离的集合,所述第三集合为当天收盘价和前一天收盘价的K线距离的集合,所述第四集合为当天收盘价和当天开盘价的K线距离的集合,所述第五集合为前一天收盘价和前一天开盘价的K线距离的集合。
需要说明的是,K线距离描述了位置关系,即所述第一集合为当天最高价与前一天收盘价的位置关系的集合,……。还需说明的是,对每根K线都进行比较,即所述第一集合为每根K线当天最高价与前一天收盘价的位置关系,……。
在步骤103A中,所述第一集合~第五集合的计算方式可以为以下103AA~103AE的方式:
步骤103AA、将所述基础K线数据中的当天的最高价集合减去前一天的收盘价集合,得到第一差值集合,将所述第一差值集合乘以所述加权参数后,按预设的第一窗口进行滑动算数平均运算,得到所述第一集合。
具体地,获取股票基础K线数据中所有最高价和昨收价数据,以日期为横轴,计算最高价和昨收价的差值,得到向量所述第一差值集合,见公式3;,用α作为权重对所述第一差值集合中的元素做加权平均计算得到向量第一集合,见公式4。
M1=P'高-P'昨收 (3)
其中,M1为所述第一差值集合,包含n个元素,M1=[m11,m12,……,m1n],m1j为所述第一差值集合的第j个元素,j为第一序号,n为预设的总时间,P'高、P'昨收分别为所述当天的最高价集合、前一天的收盘价集合,A为所述第一集合,w为所述第一窗口,例如w=20,表示进行20日加权平均。
需要说明的是,n为用户设定的数值,单位可以为天,例如30天。
其中,αj为所述加权参数的第j个数据,α=[α1,α2,……,αn],即加权参数包含n个元素,这n个元素之间可以相同或不同。
在本发明实施例中,αj的取值范围是1~10,αj在取值范围1~10是取的经验值,是为了调整对应集合计算的权重,例如,第一集合中元素[m11,m12,……,m1n],则计算相邻元素的关系(m1i×α+m1i-1×(w-α))/w。
步骤103AB、将所述基础K线数据中的当天的最低价集合减去前一天的收盘价集合,得到第二差值集合,将所述第二差值集合乘以所述加权参数后,按所述第一窗口进行滑动算数平均运算,得到所述第二集合。
具体地,获取股票所有最低价和昨收价数据,以日期为横轴,计算最低价和昨收价的差值,得到向量第二差值集合,见下式5;用α作为权重对第二差值集合中的元素做加权平均计算得到第二集合,见下式6。
M2=P'低-P'昨收 (5)
其中,M2为所述第二差值集合,包含n个元素,M2=[m21,m22,……,m2n],m2j为所述第二差值集合的第j个元素,P'低、P'昨收分别为所述当天的最低价集合、前一天的收盘价集合,B为所述第二集合,w为所述第一窗口,例如w=20,表示进行20日加权平均。
步骤103AC、将所述基础K线数据中的当天的收盘价集合减去前一天的收盘价集合,得到第三差值集合,将所述第三差值集合乘以所述加权参数后,按所述第一窗口进行滑动算数平均运算,得到所述第三集合。
具体地,获取股票所有收盘价和昨收价数据,以日期为横轴,计算收盘价和昨收价的差值,得到第三差值集合,见下式7;用α作为权重对第三差值集合中的元素做加权平均计算得到第三集合C,见下式8。
M3=P'收-P'昨收 (7)
其中,M3为所述第三差值集合,包含n个元素,M3=[m31,m32,……,m3n],m3j为所述第三差值集合的第j个元素,P'收、P'昨收分别为所述当天的收盘价集合、前一天的收盘价集合,C为所述第三集合,w为所述第一窗口。
步骤103AD、将所述基础K线数据中的当天的收盘价集合减去当天的开盘价集合,得到第四差值集合,将所述第四差值集合乘以所述加权参数后,按所述第一窗口进行滑动算数平均运算,得到所述第四集合。
具体地,获取股票所有收盘价和开盘价数据,以日期为横轴,计算收盘价和开盘价的差值,得到第四差值集合,见下式9;用α作为权重对第四差值集合中的元素做加权平均计算得到第四集合D,见下式10。
M4=P'收-P'开 (9)
其中,M4为所述第四差值集合,包含n个元素,M4=[m41,m42,……,m4n],m4j为所述第四差值集合的第j个元素,P'收、P'开分别为所述当天的收盘价集合、当天的开盘价集合,D为所述第四集合,w为所述第一窗口。
步骤103AE、将所述基础K线数据中的前一天的收盘价集合减去前一天的开盘价集合,得到第五差值集合,将所述第五差值集合乘以所述加权参数后,按所述第一窗口进行滑动算数平均运算,得到所述第五集合。
具体地,获取股票所有昨收价和昨开价数据,以日期为横轴,计算昨收价和昨开价的差值,得到第五差值集合,见下式11;用α作为权重对第五差值集合中的元素做加权平均计算得到第五集合E,见下式12。
M5=P'昨收-P'昨开 (11)
其中,M5为所述第五差值集合,包含n个元素,M5=[m51,m52,……,m5n],m5j为所述第五差值集合的第j个元素,P'昨收、P'昨开分别为所述前一天的收盘价集合、前一天的开盘价集合,E为所述第五集合,w为所述第一窗口。
步骤103B、根据所述第三~第五集合,计算第一关系集合,所述第一关系集合为当天涨跌与当天开盘涨幅和前一天开盘涨幅的对应关系集合:
步骤103C、对所述第一集合和第二集合的每个元素取当天最小值,得到第二关系集合,所述第二关系集合为当天收盘价与当天最高价和当天最低价的位置关系集合。
在步骤103C中,所述第二关系集合为:
K=min(A,B) (14)
以日期为横轴,取集合A中和集合B中相同日期的元素比较,取两者中的小值得到新的元素集合K。
步骤103D、计算所述股票交易标识集合:
S=θ×(X/β)×(K/β) (15)
其中,S为所述股票交易标识集合,X为所述第一关系集合,K为所述第二关系集合,β为所述第一误差系数,θ为预设的比例系数。
在步骤103D中,θ的取值范围为40~60,所述股票交易标识集合包含n个元素,所述股票交易标识集合由建仓标识、增仓标识、减仓标识和清仓标识组成,S是通过公式15计算组合出的一条曲线,反映了股价的趋势,用来形成可以表现市场状况的图形,根据所述建仓标识、增仓标识、减仓标识或清仓标识得到股票操作状态为建仓、增仓、建仓或清仓。
步骤104、将所述股票交易标识集合的数据与第一阈值和第二阈值进行比较,根据比较结果输出建仓标识、增仓标识、减仓标识或清仓标识。
在步骤104中,若所述股票交易标识集合的数据大于第二阈值,则输出所述建仓标识;若所述股票交易标识集合的数据小于等于所述第二阈值且大于等于第一阈值,则输出增仓标识;若所述股票交易标识集合的数据小于等于第一阈值且大于第二阈值,则输出减仓标识;若所述股票交易标识集合的数据小于等于所述第二阈值,则输出清仓标识。
在步骤104中,所述第一阈值和第二阈值可以为预先设定的数值或数值集合,还可以为根据所述股票交易标识集合计算得到的数值集合。
例如,所述第一阈值为所述股票交易标识集合的窗长度为W1的滑动算数平均结果,所述第二阈值为所述股票交易标识集合的窗长度为W2的滑动算数平均结果,其中,W1、W2为第一、第二预设窗长度。
在步骤104中,所述第一阈值和第二阈值的计算方式为:
其中,L1、L2分别为所述第一阈值和第二阈值,q0、q1分别为第二、第三序号。
需要说明的是,所述第一、第二预设窗长度可为固定值或设定值,例如,W1为12,W2为47,表示对所述股票交易标识集合计算12日均值和47日均值。
在步骤104中,可以用数值对所述建仓标识、增仓标识、减仓标识或清仓标识进行标记,例如,所述建仓标识为1,所述增仓标识为2,所述减仓标识为3,清仓标识为4。
在步骤104中,还可以用颜色对所述建仓标识、增仓标识、减仓标识或清仓标识进行标记,例如,所述建仓标识为紫色,所述增仓标识为红色,所述减仓标识为黄色,清仓标识为绿色。
需要说明的是,可以同时用数字和颜色对所述建仓标识、增仓标识、减仓标识或清仓标识进行标记。
在步骤104中,根据所述建仓标识、增仓标识、减仓标识或清仓标识对股票进行建仓、增仓、减仓或清仓操作。
例如,在所述股票交易标识集合中,若连续出现N1个建仓标识,则进行建仓或增仓操作;若连续出现N2个增仓标识,则进行增仓操作;若连续出现N3个减仓标识,则结合对应的成交量进行判断是否进行减仓操作;若连续出现N4个清仓标识,则进行清仓操作;其中,N1、N2、N3、N4分别为预设的第一、第二、第三、第四门限。
再例如,紫色的含义是建仓,在紫色K线出现时可能并不连续,有时可能间或出现红色或绿色K线;紫色K线出现后,出现红色K线需观察后续颜色做好增仓准备;紫色K线出现后,出现绿色K线可结合成交量类指标观察其活跃程度,或结合后续K线颜色及时作出应对。
红色的含义是增仓,红色K线是继紫色K线之后出现的,但有时市场剧烈波动时可能直接跨过紫色状态直接连接上一周期的绿色K线;红色K线的持续周期相对较长,其中途可能穿插一些黄色甚至绿色K线,这时我们也需要借助成交量类指标判断市场活跃度并时刻关注后续变化及时应对。
黄色的含义是减仓,其大多出现红色K线的末端有时也会在红色K线区域中间出现,根据当时成交量变化判断是否减仓。
绿色的含义是清仓,如投资者在持仓状态中当绿色出现时应格外注意其后续变化,如连续出现绿色K线信号则需立即清仓,如后续为颜色反转为红色则解除警戒状态。
需要说明的是,红色和绿色是股票交易常用颜色,本发明实施例还可以选用其他颜色作为建仓标识、增仓标识、减仓标识或清仓标识;本发明对建仓标识、增仓标识、减仓标识或清仓标识的数字不做特别限定。
在步骤104中,,根据所述建仓标识、增仓标识、减仓标识或清仓标识对股票仓位进行调整,相应进行建仓、增仓、减仓或清仓操作。
例如,建仓标识对应的股票,持仓比例为10%~20%,增仓标识对应的股票,持仓比例为大于等于60%,减仓标识对应的股票,持仓比例为10%~20%,清仓标识对应的股票,持仓比例为0%。
本发明实施例提供了一种基于股票波动的股票技术分析发方法,仅针对基础K线数据进行归纳推演,其推演模型可以用于分析指数、股票、基金等多种金融数据;结合价格波动多少和速率,经过用户偏好参数和内置参数的加权平均后动态生成可视化的交易信号,直观清楚。
图2为一种包含图层绘制的股票技术分析方法流程实施例,可用于得到可视化的股票交易结果,作为本发明实施例了,一种股票技术分析方法,具体包含以下步骤201~205:
步骤201、接收基础K线数据。
步骤201和步骤101相同。
步骤202、根据用户配置获取计算所需参数。
在步骤202中,用户可结合自身设定所述第一短周期均线天数和第一长周期均线天数。
步骤203、集成内置经验值参数。
在步骤203中,所述内置经验值参数包含所述第二短周期均线天数和第二长周期均线天数,还包含所述平滑参数。
步骤204、使用运算模型计算图元数据。
在步骤204中,所述图元数据是指所述股票交易标识集合的数据。
需要说明的是,通过步骤103计算得到所述图元数据。
步骤205、构建指标坐标系,使用图元数据绘制图层,输出最终绘制图形。
在步骤205中,获取用户当前所观察的时间轴范围,获取用户用于K线绘制的最高点和最低点从而判断指标的屏幕高度范围,根据当前屏幕展示K线跟数确定绘制指标所需数据,最终生成指标坐标系及指标渲染范围。
在步骤205中,通过绘制图元数据绘制图层:将指标坐标系整体带入图层绘制模块,结合指标坐标系对图元数据作出筛选截取,将筛选后数据绘制成图像输出给屏幕进行渲染展示。
本发明实施例提供一种股票技术分析方法,将k线数据和最终整合参数集合整理成计算指标所需要的数据结果,将整理后的参数、整理后的k线数据带入本股票技术分析方法的计算方法模型中,得到股票交易标识集合后绘图,更直观清楚。
图3为另一股票技术分析方法流程实施例,可用于得到股票交易信号,作为本发明实施例,一种股票技术分析方法包含以下步骤:
步骤301、接收对应股票K线数据。
步骤302、数据筛选。
在步骤302中,对步骤301中的股票K线数据进行筛选得到的筛选后的数据作为所述基础K线数据,用于后续计算。
需要说明的是,数据筛选可以为除权操作或其他筛选。
步骤303、模型筛选生成第一集合。
所述模型筛选生成第一集合是指通过模型计算得到所述第一集合,例如,通过步骤103AA计算得到所述第一集合。
步骤304、模型筛选生成第二集合。
在步骤304中,通过计算得到所述第二集合,例如,通过步骤103AB计算得到所述第二集合。
步骤305、模型筛选生成第三集合。
在步骤305中,通过计算得到所述第三集合,例如,通过步骤103AC计算得到所述第三集合。
步骤306、模型筛选生成第四集合。
在步骤306中,通过计算得到所述第四集合,例如,通过步骤103AD计算得到所述第四集合。
步骤307、模型筛选生成第五集合。
在步骤307中,通过计算得到所述第五集合,例如,通过步骤103AE计算得到所述第五集合。
需要说明的是,计算得到所述第一集合~第五集合的方式不限于步骤103AA~步骤103AE。
步骤308、模型筛选生成第二关系集合。
在步骤308中,可通过公式14计算得到所述第二关系集合K。
步骤309、模型筛选生成第一关系集合。
在步骤309中,可通过公式13计算得到所述第一关系集合X。
步骤310、模型筛选生成股票交易标识集合。
步骤310同步骤103D。
步骤311、模型运算生成第一阈值。
在步骤311中,对股票交易标识集合进行窗口大小为W1的滑动平均运算,得到所述第一阈值,所述第一阈值为向量。
步骤312、模型运算生成第二阈值。
在步骤312中,对股票交易标识集合进行窗口大小为W2的滑动平均运算,得到所述第二阈值,所述第二阈值为向量。
步骤313、比较各集合,输出比较结果。
在步骤313中,若所述股票交易标识集合的数据大于第二阈值,则输出所述建仓标识;若所述股票交易标识集合的数据小于等于所述第二阈值且大于等于第一阈值,则输出增仓标识;若所述股票交易标识集合的数据小于等于第一阈值且大于第二阈值,则输出减仓标识;若所述股票交易标识集合的数据小于等于所述第二阈值,则输出清仓标识。
需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种股票技术分析方法,其特征在于,包含以下步骤:
接收基础K线数据;
根据长周期和短周期均线天数,计算得到加权参数;
根据所述加权参数和所述基础K线数据中的开盘价集合、收盘价集合、最高价集合和最低价集合,计算得到股票交易标识集合;
将所述股票交易标识集合的数据与第一阈值和第二阈值进行比较,根据比较结果输出建仓标识、增仓标识、减仓标识或清仓标识;
其中,所述股票交易标识集合由所述建仓标识、增仓标识、减仓标识和清仓标识组成,用来反映股价趋势和表现市场状况。
2.如权利要求1所述的股票技术分析方法,其特征在于,所述加权参数的计算方式为:(Uc2+Nc2)/(Uc1+Nc1),其中,Uc1、Uc2分别为用户设置的第一短周期均线天数、第一长周期均线天数,Nc1、Nc2分别为提前写入的第二短周期均线天数和第二长周期均线天数。
3.如权利要求1所述的股票技术分析方法,其特征在于,所述加权参数的计算方式为:(Uc2×Nc3+Nc2)/(Uc1×Nc3+Nc1),其中,Uc1、Uc2分别为用户设置的第一短周期均线天数、第一长周期均线天数,Nc1、Nc2分别为提前写入的第二短周期均线天数和第二长周期均线天数,Nc3为提前写入的平滑参数。
4.如权利要求1所述的股票技术分析方法,其特征在于,所述根据加权参数和基础K线数据中的开盘价集合、收盘价集合、最高价集合和最低价集合,计算得到股票交易标识集合的步骤,进一步包含:
对所述基础K线数据中的开盘价集合、收盘价集合、最高价集合和最低价集合,结合所述加权参数,计算得到第一~第五集合;
根据所述第三~第五集合,计算第一关系集合,所述第一关系集合为当天涨跌与当天开盘涨幅和前一天开盘涨幅的对应关系集合:
对所述第一集合和第二集合的每个元素取当天最小值,得到第二关系集合,所述第二关系集合为当天收盘价与当天最高价和当天最低价的位置关系集合;
计算所述股票交易标识集合S=θ×(X/β)×(K/β),其中,S为所述股票交易标识集合,X为所述第一关系集合,K为所述第二关系集合,β为所述第一误差系数,θ为预设的比例系数;
其中,所述第一集合为当天最高价与前一天收盘价的K线距离的集合,所述第二集合为当天最低价和前一天收盘价的K线距离的集合,所述第三集合为当天收盘价和前一天收盘价的K线距离的集合,所述第四集合为当天收盘价和当天开盘价的K线距离的集合,所述第五集合为前一天收盘价和前一天开盘价的K线距离的集合。
5.如权利要求1所述的股票技术分析方法,其特征在于,所述将股票交易标识集合的数据与第一阈值和第二阈值进行比较,根据比较结果输出建仓标识、增仓标识、减仓标识或清仓标识的步骤,进一步包含:
若所述股票交易标识集合的数据大于第二阈值,则输出所述建仓标识;
若所述股票交易标识集合的数据小于等于所述第二阈值且大于等于第一阈值,则输出增仓标识;
若所述股票交易标识集合的数据小于等于第一阈值且大于第二阈值,则输出减仓标识;
若所述股票交易标识集合的数据小于等于所述第二阈值,则输出清仓标识。
6.如权利要求1所述的股票技术分析方法,其特征在于,所述方法还包含:
在所述股票交易标识集合中,若连续出现N1个建仓标识,则进行建仓或增仓操作;
若连续出现N2个增仓标识,则进行增仓操作;
若连续出现N3个减仓标识,则结合对应的成交量进行判断是否进行减仓操作;
若连续出现N4个清仓标识,则进行清仓操作;
其中,N1、N2、N3、N4分别为预设的第一、第二、第三、第四门限。
7.如权利要求1所述的股票技术分析方法,其特征在于,所述方法还包含:建仓标识对应的股票,持仓比例为10%~20%,增仓标识对应的股票,持仓比例为大于等于60%,减仓标识对应的股票,持仓比例为10%~20%,清仓标识对应的股票,持仓比例为0%。
8.如权利要求1所述的股票技术分析方法,其特征在于,所述第一阈值为所述股票交易标识集合的窗长度为W1的滑动算数平均结果,所述第二阈值为所述股票交易标识集合的窗长度为W2的滑动算数平均结果,其中,W1、W2为第一、第二预设窗长度。
9.如权利要求4所述的股票技术分析方法,其特征在于,所述对K线数据中的开盘价集合、收盘价集合、最高价集合和最低价集合,结合所述加权参数,计算得到第一~第五集合的步骤进一步包含:
将所述基础K线数据中的当天的最高价集合减去前一天的收盘价集合,得到第一差值集合,将所述第一差值集合乘以所述加权参数后,按预设的第一窗口进行滑动算数平均运算,得到所述第一集合;
将所述基础K线数据中的当天的最低价集合减去前一天的收盘价集合,得到第二差值集合,将所述第二差值集合乘以所述加权参数后,按所述第一窗口进行滑动算数平均运算,得到所述第二集合;
将所述基础K线数据中的当天的收盘价集合减去前一天的收盘价集合,得到第三差值集合,将所述第三差值集合乘以所述加权参数后,按所述第一窗口进行滑动算数平均运算,得到所述第三集合;
将所述基础K线数据中的当天的收盘价集合减去当天的开盘价集合,得到第四差值集合,将所述第四差值集合乘以所述加权参数后,按所述第一窗口进行滑动算数平均运算,得到所述第四集合;
将所述基础K线数据中的前一天的收盘价集合减去前一天的开盘价集合,得到第五差值集合,将所述第五差值集合乘以所述加权参数后,按所述第一窗口进行滑动算数平均运算,得到所述第五集合。
10.如权利要求7所述的股票技术分析方法,其特征在于,W1为12,W2为47。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110083080.1A CN112801789B (zh) | 2021-01-21 | 2021-01-21 | 一种股票技术分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110083080.1A CN112801789B (zh) | 2021-01-21 | 2021-01-21 | 一种股票技术分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112801789A true CN112801789A (zh) | 2021-05-14 |
CN112801789B CN112801789B (zh) | 2024-06-04 |
Family
ID=75811068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110083080.1A Active CN112801789B (zh) | 2021-01-21 | 2021-01-21 | 一种股票技术分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112801789B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114782200A (zh) * | 2022-05-18 | 2022-07-22 | 广东博众智能科技投资有限公司 | 一种数据处理方法、装置、电子设备和存储介质 |
WO2022247311A1 (zh) * | 2021-05-26 | 2022-12-01 | 陈新燊 | 一种基于凝聚指标对金融产品价格的预测方法 |
TWI806391B (zh) * | 2022-01-27 | 2023-06-21 | 台北富邦商業銀行股份有限公司 | 數位理財的信託投資管理系統 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1166154A (ja) * | 1997-08-25 | 1999-03-09 | Tokutaro Masuda | 株価チャート作成システム |
US20120226628A1 (en) * | 2009-11-30 | 2012-09-06 | Jiayong Dai | Mathematical model of holographic natural K-line and its application to technology analysis for securities |
CN103279805A (zh) * | 2013-04-28 | 2013-09-04 | 南京大学镇江高新技术研究院 | 一种基于价格连动网络的股票数据分析方法 |
KR20140012818A (ko) * | 2012-07-23 | 2014-02-04 | 유창우 | 비주얼화된 자동 주식거래 장치 |
CN105260935A (zh) * | 2015-09-08 | 2016-01-20 | 上海银天下科技有限公司 | 信息提示方法及系统 |
KR20160075469A (ko) * | 2016-06-17 | 2016-06-29 | 키움증권 주식회사 | 기술적 지표 기반 매매 가이드 서비스 제공 장치 및 방법 |
CN106339944A (zh) * | 2016-08-18 | 2017-01-18 | 广州新博庭网络信息科技股份有限公司 | 一种股票趋势信息展现方法和装置 |
CN107578334A (zh) * | 2017-09-07 | 2018-01-12 | 张毅 | 一种电子交易策略的执行方法和分布式交易系统 |
KR20180047737A (ko) * | 2016-11-01 | 2018-05-10 | 이에프에이아이시스템(주) | 자동설정 주식거래 시스템 |
CN108230146A (zh) * | 2016-12-22 | 2018-06-29 | 张鋆 | 一种基于k线相似度比较的股价预测方法 |
CN109885296A (zh) * | 2018-12-05 | 2019-06-14 | 大唐软件技术股份有限公司 | 一种数据可视化定制工具 |
-
2021
- 2021-01-21 CN CN202110083080.1A patent/CN112801789B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1166154A (ja) * | 1997-08-25 | 1999-03-09 | Tokutaro Masuda | 株価チャート作成システム |
US20120226628A1 (en) * | 2009-11-30 | 2012-09-06 | Jiayong Dai | Mathematical model of holographic natural K-line and its application to technology analysis for securities |
KR20140012818A (ko) * | 2012-07-23 | 2014-02-04 | 유창우 | 비주얼화된 자동 주식거래 장치 |
CN103279805A (zh) * | 2013-04-28 | 2013-09-04 | 南京大学镇江高新技术研究院 | 一种基于价格连动网络的股票数据分析方法 |
CN105260935A (zh) * | 2015-09-08 | 2016-01-20 | 上海银天下科技有限公司 | 信息提示方法及系统 |
KR20160075469A (ko) * | 2016-06-17 | 2016-06-29 | 키움증권 주식회사 | 기술적 지표 기반 매매 가이드 서비스 제공 장치 및 방법 |
CN106339944A (zh) * | 2016-08-18 | 2017-01-18 | 广州新博庭网络信息科技股份有限公司 | 一种股票趋势信息展现方法和装置 |
KR20180047737A (ko) * | 2016-11-01 | 2018-05-10 | 이에프에이아이시스템(주) | 자동설정 주식거래 시스템 |
CN108230146A (zh) * | 2016-12-22 | 2018-06-29 | 张鋆 | 一种基于k线相似度比较的股价预测方法 |
CN107578334A (zh) * | 2017-09-07 | 2018-01-12 | 张毅 | 一种电子交易策略的执行方法和分布式交易系统 |
CN109885296A (zh) * | 2018-12-05 | 2019-06-14 | 大唐软件技术股份有限公司 | 一种数据可视化定制工具 |
Non-Patent Citations (4)
Title |
---|
孙艳华;冯妍;李宏然;: "基于Python平台的金融数据分析技术研究", 信息与电脑(理论版), no. 15, 10 August 2020 (2020-08-10), pages 155 - 159 * |
宋恒, 张杨: "基于模式识别技术的股票市场技术分析研究", 计算机仿真, no. 07, 30 July 2004 (2004-07-30), pages 142 - 145 * |
班子寒等: "BH-Quant智能量化策略辅助设计平台的研究与实践", 《软件工程》, vol. 20, no. 9, pages 1 - 5 * |
陈子侠: "具有分析功能及支持Web访问的股票投资分析软件QHLSR的设计与开发", 计算机应用与软件, no. 06, pages 20 - 25 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022247311A1 (zh) * | 2021-05-26 | 2022-12-01 | 陈新燊 | 一种基于凝聚指标对金融产品价格的预测方法 |
US11961145B2 (en) | 2021-05-26 | 2024-04-16 | Sun Sun Chan | Method for predicting financial product price based on accumulation distribution indicator |
TWI806391B (zh) * | 2022-01-27 | 2023-06-21 | 台北富邦商業銀行股份有限公司 | 數位理財的信託投資管理系統 |
CN114782200A (zh) * | 2022-05-18 | 2022-07-22 | 广东博众智能科技投资有限公司 | 一种数据处理方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112801789B (zh) | 2024-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112801789A (zh) | 一种股票技术分析方法 | |
Rahman et al. | Brand management efficiency and firm value: An integrated resource based and signalling theory perspective | |
Banker et al. | Strategic contributions of information technology: an empirical study of ATM networks | |
US11657455B2 (en) | Systems and methods for measuring relationships between investments and other variables | |
Madsen et al. | The Indian growth miracle and endogenous growth | |
US8234200B2 (en) | System and method for identifying accounting anomalies to help investors better assess investment risks and opportunities | |
US20080288329A1 (en) | User interface for identifying trade opportunities | |
Murray | Partial versus total factor productivity measures: An assessment of their strengths and weaknesses | |
US20030069822A1 (en) | Corporate value evaluation system | |
Mensi et al. | Time-frequency spillovers and connectedness between precious metals, oil futures and financial markets: Hedge and safe haven implications | |
Höglund | Tax payment default prediction using genetic algorithm-based variable selection | |
US20030069834A1 (en) | Securities market and market maker activity tracking system and method | |
CN108550047A (zh) | 交易量的预测方法及装置 | |
CN106651583A (zh) | 交易量预测的方法及设备 | |
Kim et al. | Misallocation and manufacturing TFP in Korea, 1982-2007 | |
KR20060125663A (ko) | 기준시간별 거래량 분포를 표시하는 주가 차트의 생성방법 | |
Bhanja et al. | Aggregate, asymmetric and frequency-based spillover among equity, precious metals, and cryptocurrency | |
CN112308467B (zh) | 一种基于大数据的工程项目风险评估系统 | |
CN114037536A (zh) | 股票智能投资系统 | |
CN110751558A (zh) | 证券风险分析研判的时间轴工具的构建方法 | |
WO2022247311A1 (zh) | 一种基于凝聚指标对金融产品价格的预测方法 | |
WO2012150828A2 (ko) | 기업의 시장가치와 기본적 분석에 의한 차이를 활용한 현재 시점의 기업가치 괴리율 표시방법 | |
Ibrahimov et al. | Bank efficiency analysis of financial innovations: DEA model application for the institutional concept | |
US7647265B2 (en) | Investment allocation system, analysis module and method thereof | |
CN112785430A (zh) | 一种股票成交状态分析方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |