CN114008658A - K线形态的识别方法及电子设备 - Google Patents
K线形态的识别方法及电子设备 Download PDFInfo
- Publication number
- CN114008658A CN114008658A CN202180003052.2A CN202180003052A CN114008658A CN 114008658 A CN114008658 A CN 114008658A CN 202180003052 A CN202180003052 A CN 202180003052A CN 114008658 A CN114008658 A CN 114008658A
- Authority
- CN
- China
- Prior art keywords
- line
- target
- lines
- line data
- server
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请提供了一种K线形态的识别方法及电子设备,涉及计算机技术领域,能够一定程度上解决现有的K线图较为单一,用户体验差的问题。该方法包括:终端设备获取第一股票在第一时间窗口内的N1根K线数据;并且,终端设备可获取与上述N1根K线数据对应的第一目标形态以及这N1根K线数据中的x根关键K线,第一目标形态用于指示N1根K线数据的K线形态,x≤N1;终端设备显示与N1根K线数据对应的N1根K线;并且,终端设备可按照第一目标形态和x根关键K线在N1根K线上绘制第一目标形态线。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种K线形态的识别方法及电子设备。
背景技术
在金融领域,股票的K线(或称为K线图)能够反映一段时间内股票价格的变化情况。目前,股票软件可通过各个时间点的股票价格数据向用户推送K线图,方便用户了解股市及期货市场中开盘价、最高价、最低价、价格的信息。但是,这种K线图仅为简单的信息罗列,随着时间和股票数目的累计,用户在面对大量的K线图时很难进行决策,使得K线图的参考价值降低,用户体验差。
也就是说,现有的K线图仅为用户简单展示了各个时间点的股票价格数据,推出的画线功能也仅支持两点之间的连线,参考价值有限,用户体验差。
发明内容
本申请实施例提供了一种K线形态的识别方法及电子设备,能够一定程度上解决现有的K线图较为单一,即仅为用户提供视觉上的简单信息划分功能,推出的画线功能也仅支持两点之间的连线,参考价值有限,用户体验差的问题。
第一方面,提供一种K线形态的识别方法,包括:
终端设备获取第一股票在第一时间窗口内的N1根K线数据,N1为大于1的整数;并且,终端设备可获取与上述N1根K线数据对应的第一目标形态以及这N1根K线数据中的x根关键K线,第一目标形态用于指示N1根K线数据的K线形态,x≤N1;终端设备显示与N1根K线数据对应的N1根K线;并且,终端设备可按照第一目标形态和x根关键K线在N1根K线上绘制第一目标形态线。
第二方面,提供一种K线形态的识别方法,包括:
服务器获取第一股票在第一时间窗口内的N1根K线数据,N1为大于1的整数;进而,服务器可根据上述N1根K线数据分析对应的第一目标形态以及N1根K线数据中的x根关键K线,第一目标形态用于指示N1根K线数据的K线形态,x≤N1;后续,服务器可将上述N1根K线数据、第一目标形态以及x根关键K线的标识发送给终端设备。
第三方面,提供一种终端设备,包括:
获取单元,用于:获取第一股票在第一时间窗口内的N1根K线数据,N1为大于1的整数;获取与上述N1根K线数据对应的第一目标形态以上述及N1根K线数据中的x根关键K线,第一目标形态用于指示N1根K线数据的K线形态,x≤N1;显示单元,用于:显示与上述N1根K线数据对应的N1根K线;按照第一目标形态和x根关键K线在N1根K线上绘制第一目标形态线。
第四方面,提供一种服务器,包括:
获取单元,用于:获取第一股票在第一时间窗口内的N1根K线数据,N1为大于1的整数;分析单元,用于:根据上述N1根K线数据分析对应的第一目标形态以及N1根K线数据中的x根关键K线,第一目标形态用于指示N1根K线数据的K线形态,x≤N1;通信单元,用于:将上述N1根K线数据、第一目标形态以及x根关键K线的标识发送给终端设备。
第五方面,提供一种终端设备,包括:处理器和存储器,该存储器用于存储计算机程序,该处理器用于调用并运行该存储器中存储的计算机程序,执行如第一方面或其各实现方式中的方法。
第六方面,提供一种服务器,包括:处理器和存储器,该存储器用于存储计算机程序,该处理器用于调用并运行该存储器中存储的计算机程序,执行如第二方面或其各实现方式中的方法。
第七方面,提供一种计算机可读存储介质,用于存储计算机程序,计算机程序使得计算机执行如第一方面、第二方面或其各实现方式中的方法。
第八方面,提供一种计算机程序产品,包括计算机程序指令,该计算机程序指令使得计算机执行如第一方面、第二方面或其各实现方式中的方法。
第九方面,提供一种计算机程序,计算机程序使得计算机执行如第一方面、第二方面或其各实现方式中的方法。
本发明的实施例,具有如下技术效果:
1)从算法层面分级处理,在保证大量K线形态模型的同时降低计算复杂度,计算时间更短,精确度更高。
2)允许用户自己选定适合的时间窗口来判断K线的形态,具有很高的灵活性,同时由于模型添加了对时间维度的考虑,使得结果更加准确。
3)能更有效地识别K线轮廓,将K线和视觉识别有效结合,更符合用户视觉体验。
4)可以生成多项形态匹配的相似度,识别出来的结果较现有技术的方案更加相似,并可以根据用户反馈调整相似度的匹配权重,优化匹配结果。
5)当用户通过终端设备点击目标形态线时,会弹出对应目标形态线的详细信息和提示信息,明显提升用户体验,提升K线图参考价值。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1为本申请提供的一种K线形态的识别方法的应用场景示意图;
图2为本申请提供的一种K线形态的识别方法的交互示意图;
图3为本申请实施例提供的另一种K线形态的识别方法的应用场景示意图;
图4为本申请实施例提供的另一种K线形态的识别方法的应用场景示意图;
图5为本申请实施例提供的一种K线形态的识别方法的流程示意图;
图6为本申请实施例提供的另一种K线形态的识别方法的应用场景示意图;
图7为本申请实施例提供的另一种K线形态的识别方法的应用场景示意图;
图8为本申请实施例提供的另一种K线形态的识别方法的交互示意图;
图9为本申请实施例提供的另一种K线形态的识别方法的应用场景示意图;
图10为本申请实施例提供的另一种K线形态的识别方法的应用场景示意图;
图11示出了本申请实施例的一种终端设备的示意性框图;
图12示出了本申请实施例的一种服务器的示意性框图;
图13示出了本申请实施例的另一种终端设备的示意性框图;
图14示出了本申请实施例的另一种服务器的示意性框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。针对本申请中的实施例,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,都属于本申请保护的范围。
以下先解释本申请实施例中将会涉及到的几个概念:
K线,是一条柱状的线条,由影线和实体组成,用于反映一段时间内股票价格的变化情况。其中,影线表明当天交易的最高和最低价,实体表明当天的开盘价和收盘价。
根据K线的计算周期可将其分为日K线,周K线,月K线,年K线等。例如,周K线是指以周一的开盘价,周五的收盘价,全周最高价和全周最低价来画的K线图。类似的,日K线是指以当天的开盘价,当天的收盘价,当天最高价和当天最低价来画的K线图。
K线的形态(K-line form),或称为K线的组合形态,是指一段时间内的K线(例如日K线)的走势。例如,K线的形态可分为红三兵、圆弧底、“V”字型底部、反转十字星、“W”底等。K线的形态是判断市场运行趋势与方向的重要参考依据之一。
目前,股票软件可在电子设备上向用户展示某只股票的K线,例如最近100天的100根日K线,最近10周的10根周K线等。但是,用户需要通过展示出的K线自行判断K线的形态进而进行买入、抛出等决策。对于大部分金融知识较少的用户而言,在面对大量的K线图时很难进行决策,使得K线图的参考价值降低,用户体验差。
对此,本申请的发明构思是:当电子设备需要显示一定时间内的N(N为大于1的整数)根K线时,电子设备可通过与网络侧的服务器交互,触发服务器分析上述N根K线的目标形态。后续,如图1所示,电子设备在显示上述N根K线时,服务器可指示电子设备根据上述目标形态在显示的N根K线上绘制出对应的目标形态线101,方便用户直观、准确的获知当前K线的形态,便于用户决策,提升用户体验以及K线的参考价值。
本申请提供的一种K线形态的识别方法可应用于电子设备和/或服务器。该电子设备可以是任一终端设备。例如,可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,当电子设备为服务器时,可以通过所连接的终端接收用户的操作并生成指令,再由服务器根据终端的指令执行数据处理,本申请在此不做限制。
下面将对本申请实施例技术方案进行详细阐述:
图2为本申请实施例提供的一种K线形态的识别方法的交互示意图。如图2所示,该方法包括:
S201、终端设备接收到打开股票A的K线图的第一指令。
示例性的,终端设备上可以安装股票类软件(或称为应用)。终端设备在运行股票类软件时,可能会接收到打开某一股票的K线图的指令(即第一指令)。
例如,如图3所示,终端设备在运行股票类软件时可显示包括多只股票的列表301。当检测到用户打开某一只股票(例如股票A)时,终端设备可生成第一指令,用于指示打开股票A的K线图。
又或者,股票类软件可定期在终端设备上推送一只或多只股票的K线图。例如,当股票A每日收盘时,服务器可向终端设备发送第一指令,用于指示打开股票A的K线图。
也就是说,终端设备打开某一只股票的K线图的场景可以是响应用户的特定输入操作触发的,也可以是响应服务器的特定输入触发的,还可以是终端设备自动触发的,本申请实施例对此不做任何限制。
S202、响应于上述第一指令,终端设备向服务器发送第一请求,第一请求包括股票A的标识以及第一时间窗口。
仍以打开股票A的K线图举例,当终端设备获取到打开股票A的K线图的第一指令后,终端设备可确定此时需要显示的K线图的时间周期,即第一时间窗口。例如,如果需要显示最近30天的K线图,则第一时间窗口为30天。又例如,如果需要显示最近60天的K线图,则第一时间窗口为60天。
示例性的,当终端设备首次打开股票A的K线图时,可按照默认的第一时间窗口(例如最近100天),请求服务器显示第一时间窗口内股票A的K线图。
那么,当终端设备确定第一时间窗口后,可将第一时间窗口以及股票A的标识携带在第一请求中发送给服务器,以请求服务器显示第一时间窗口内股票A的K线图。
可选地,终端设备还可以在第一请求中携带需要显示的K线图的类型,例如日K线类型、周K线类型等。
S203、服务器获取股票A在第一时间窗口内的N1根K线数据,N1为大于1的整数。
服务器获取到终端设备发来的第一请求后,由于第一请求中携带有股票A的标识以及第一时间窗口。因此,服务器可根据股票A的标识获取第一时间窗口内的N1根K线数据。以日K线举例,每根K线数据可包括当日的开盘价格、收盘价格、最高价格以及最低价格等数据。上述N1根K线数据可用于使得终端设备根据每根K线数据绘制出对应的K线图。
S204、服务器分析与上述N1根K线数据对应的目标形态以及上述N1根K线数据中的x根关键K线,x<N1。
在本申请实施例中,服务器获取到终端设备发来的第一请求后,除了获取股票A在第一时间窗口内的N1根K线数据外,还可以确定与这N1根K线数据对应的目标形态,例如W形态、圆弧底形态等。同时,服务器还可以确定出上述N1根K线数据中与目标形态对应的x根关键K线,这x根关键K线的连线可呈现出上述目标形态。
示例性的,服务器可以先提取上述N1根K线数据中的a(a为大于1的整数)个拐点数据,即第一时间窗口内股票价格较高的K线数据和股票价格较低的K线数据。其中,股票价格可以是指开盘价格、收盘价格、最高价格或最低价格。
参考图4,示意出了第一时间窗口内与N1根K线数据对应的N1根K线图,每根K线图可通过对应的时间和股票价格表示。例如,K线图1=(时间1,股票价格1)。服务器可按照时间顺序识别各个K线图,当识别出某一K线的股票价格由高转低或者由低转高时,服务器可将该K线确定为一个拐点,对应的拐点数据包括该K线所指示的时间和股票价格。如图4所示,服务器按照上述方法可识别出上述N1根K线图中包括9个拐点,对应9根K线的拐点数据。
由于股票价格可能会随时间频繁波动,且波动的幅度也会不同,而对于股票价格波动幅度(即差额度λ)较小的拐点对一段时间内股票的价格趋势基本没有影响,因此,在本申请的一些实施例中,服务器在提取第一时间窗口内N1根K线图中的各个拐点时,可忽略差额度λ小于差额阈值S的拐点数据。
示例性的,当识别出某一K线的股票价格的差额度λ大于系统设计的差额阈值S,则服务器可将该K线确定为一个拐点,否则,服务器不会将该K线确定为一个拐点。
其中,差额度λ计算方式如下:
p为最大百分率距离阈值,i取值范围从2到N1-1,vi为第一时间窗口对应的股票价格序列,z的数值按如下方法计算得出:
初始化z为第一时间窗口中最早时间对应的K线数据,每当λi被确定为拐点时,则将z更新为上述拐点对应的K线数据,即z为最新生成的拐点对应的K线数据。
进一步的,通过实验数据得出,p的取值范围在15%以上准确率较高,其中,优选值为27%;
系统设计的阈值S的取值范围在z到z2之间,其中,优选值为(z^2-z)/2,即,差额阈值S随着z的数值变化而变化。
进一步的,服务器可根据识别出的a个拐点数据确定与上述N1根K线数据对应的目标形态。示例性的,服务器中可预先存储不同的K线形态模型,例如W形态的模型、圆弧底形态的模型、反转十字星形态的模型等等。例如,任一K线形态模型可记做该K线形态模型中包括b拐点,每个拐点也可通过对应的时间和股票价格表示。
那么,服务器可计算识别出的a个拐点数据与不同的K线形态模型之间的相似度,即计算Vp1与不同的Yp2之间的相似度。进而,服务器可将相似度最高的K线形态模型对应的K线形态确定为上述N1根K线数据的目标形态。
示例性的,图5示出了一种计算Vp1与K线形态模型Yp2之间的相似度的具体方法,包括以下步骤:
1)输入a个拐点数据(即Vp1)以及第一K线形态模型Yp2;
2)如果a<b,说明本次N1根K线数据中的拐点个数不满足第一K线形态模型中对拐点个数的要求,则直接输出不符合,即相似度为0;
如果a≥b,则判断Vp1和Yp2中最后一个拐点的类型(上升或下降)是否一致。
如果不一致,说明本次N1根K线数据的走势与第一K线形态模型的走势不匹配,则直接输出不符合,即相似度为0。相应的,如果一致则进行下一步;
3)基于时间对a个拐点数据(即Vp1)进行清洗,生成第一清洗结果Vp2。
具体的,本实施例中在进行第一次清洗时,可以先基于K线行情的总时长计算时间周期,基于时间周期对a个拐点数据Vp1进行采样处理,得到a(1)个采样数据,作为第一清洗结果Vp2,a(1)≤a。具体的,本实施例中的时间周期可以基于整个K线行情数据对应的总时长来计算得到,例如通过如下公式计算得到:
sam=e-η·log2T_dur
其中,η表示预设的时间因子且η>1,T_dur表示行情数据的行情总时长,其单位可以为天、时、或者分等等,具体根据行情数据来确定。
4)基于惩罚因子对第一清洗结果Vp2进行清洗,生成第二清洗结果Vp3。
具体的,预设惩罚距离阈值以及惩罚因子,将计算出的每一个惩罚距离与惩罚阈值进行比较,若惩罚距离Dis_pen大于惩罚阈值Thr_pen,则对应的惩罚距离乘上惩罚因子Fac_pen,并基于调整之后的惩罚距离更新原行情数据,得到a(2)个采样数据,作为第二清洗结果Vp3,a(2)≤a(1)。
本实施例中的惩罚距离Dis_pen可以为第一清洗结果Vp2中的相邻时间对应的价格差。通过如下公式对第一清洗结果进行清洗生成第二清洗结果Vp3:
5)基于权重对第二清洗结果Vp3进行清洗,生成第三清洗结果Vp4。
具体的,本实施例中基于预设权重对第二清洗结果Vp3进行清洗,即在第二清洗结果Vp3中,将大于或者等于预设权重的数值保留,并删除小于预设权重的数据,得到最终的a(3)个拐点数据,即第三清洗结果Vp4={(t1 p4,v1 p4),(t2 p4,v2 p4),…,(tx p4,vx p4)}。
至此,通过步骤2)-5),服务器可基于拐点个数、拐点类型、时间、惩罚因子或权重中的一项或多项过滤不适合的K线形态模型以及不准确的拐点,得到能够更加准确反映K线形态的x个拐点数据。后续,服务器可根据这x个拐点数据计算与过滤后的其他K线形态模型之间的相似度,即步骤6),从而保证在大量K线形态模型存在的同时降低计算复杂度和实现难度,计算时间更短,精确度更高。
6)通过如下公式,计算预设K线形态模型Yp2与步骤5)得到的第三清洗结果Vp4之间的相似度:
服务器按照上述方法计算出Vp4中的a(3)个拐点数据与不同的K线形态模型Yp2之间的相似度后,可识别出相似度最高的K线形态模型的形态确定为上述N1根K线数据的目标形态。例如,当Vp4与W形态的K线形态模型之间的相似度最高时,服务器可确定本次待显示的N1根K线数据的目标形态为W形态。
并且,服务器按照上述方法确定出相似度最高的K线形态模型后,还可以得到对应的x个拐点数据,x小于等于a(3),这x个拐点数据可作为上述N1根K线数据中的部分或全部关键K线,关键K线的连线可呈现出上述目标形态。
可以理解的是,本领域技术人员也可以按照实际应用场景或实际需要使用其他方法计算Vp1与不同的K线形态模型Yp2之间的相似度,本申请实施例对此不作任何限制。
S205、服务器将上述N1根K线数据、目标形态以及x根关键K线的标识发送至终端设备。
在一些实施例中,服务器可将上述N1根K线数据中与上述x个拐点数据一一对应的x个K线作为关键K线通知给终端设备。这样,终端设备将这x个K线连线后能够呈现出对应的K线目标形态。
在另一些实施例中,除了与上述x个拐点数据一一对应的x个K线外,服务器还可以将上述N1根K线中a(3)个拐点数据作为关键K线通知给终端设备,也可以将其他的一根或多根K线也作为关键K线通知给终端设备。例如,上述x个K线可以为W形态K线形态中的5个拐点,除此之外,服务器还可以将上述N1根K线中途径W形态K线形态的其他一根或多根K线也作为关键K线通知给终端设备。
可以理解的,当终端设备得到的关键K线的数目越多时,终端设备对关键K线连线后绘制出的目标形态线的精度也随之提高。例如,当目标形态线为曲线时,终端设备根据10根关键K线绘制出的目标形态线的准确度,一般会高于终端设备根据5根关键K线绘制出的目标形态线的准确度。
在步骤S205中,服务器可将执行步骤S203得到的N1根K线数据,以及执行步骤S204得到的目标形态以及x根关键K线的标识发送至终端设备。
示例性的,服务器可以将上述N1根K线数据、目标形态以及x根关键K线的标识发送至终端设备一并发送至终端设备。或者,服务器可以在步骤S203后先向终端设备发送上述N1根K线数据,再在步骤S204后向终端设备发送得到的目标形态以及x根关键K线的标识,本申请实施例对此不作任何限制。
S206、终端设备根据上述N1根K线数据显示对应的N1根K线。
具体的,终端设备接收到服务器发来的N1根K线数据后,可按照该N1根K线数据显示对应的N1根K线。
S207、终端设备按照上述目标形态以及x根关键K线在上述N1根K线上绘制第一目标形态线。
具体的,终端设备除了可以通过步骤S206显示股票A中第一时间窗口内的N1根K线外,终端设备还可以按照服务器发来的目标形态以及x根关键K线在上述N1根K线上绘制第一目标形态线。如图6所示,终端设备可在股票软件的显示界面中显示股票A在第一时间窗口内的N1根K线。并且,当目标形态为W形态时,终端可按照W形态将获取到的x根关键K线依次相连,绘制出第一目标形态线601。
这样一来,终端设备可以在显示某一股票的N1根K线时,可通过第一目标形态线向用户展示这N1根K线的K线形态,从而帮助用户更有效地识别K线轮廓,将K线和视觉识别有效结合,提升用户的视觉体验。
需要说明的是,终端设备可以同时显示上述N1根K线和第一目标形态线,也可以先显示上述N1根K线,再在这N1根K线上显示第一目标形态线,本申请实施例对此不作任何限制。
S208、当终端设备检测到用户触摸第一目标形态线时,终端设备显示与第一目标形态线对应的详细数据。
仍以图6所示的第一目标形态线601举例,当终端设备在股票A的N1根K线上显示出第一目标形态线601后,用户还可以对第一目标形态线601输出触摸操作,例如单击操作或双击操作等。当终端设备检测到用户触摸第一目标形态线601时,如图7所示,终端设备可显示与第一目标形态线601对应的详细数据701。
示例性的,与第一目标形态线601对应的详细数据701中可以包括形态解读702、历史回测703、免责声明704、更多引导705等内容。
示例性的,形态解读701(例如,未来三天)可以包括:起始时间、形态类别、上涨概率(如果是看跌形态的话则为下跌概率)、压力位(格式:价格(涨跌幅))、支撑位(格式:价格(涨跌幅))、反转概率等信息。
示例性的,历史回测703可以包括:出现次数、盈利概率、止盈点(百分比)、止损点(百分比)等信息。一般,历史回测数据是基于当前目标形态(即第一目标形态)这个周期的回测,近X年的回测数据。
上述反转概率的展示时机(服务端逻辑,终端根据服务端下发来控制是否展示):上涨形态时反转值小于等于”-5“时,服务器可下发高反转概率字段,终端设备在高反转概率时,展示“反转概率高;下跌形态反转值大于等于”+5“时,服务器下发高反转概率字段,终端设备在高反转概率时,展示“反转概率高”;另外,形态类别、压力位、支撑位、止盈点、止损点可以支持涨跌色,跟随用户涨跌色。
这样一来,当终端设备检测到用户触摸第一目标形态线时,会显示出对应的详细数据,从而提升用户体验,提升K线图参考价值。
在另一些实施例中,终端设备显示的第一目标形态线可能是曲线。在这种场景下,终端设备可通过以下方案识别用户是否触摸第一目标形态线。
具体的,终端设备可采用散列采样数据点的形式,计算用户在屏幕中的触摸位置到第一目标形态线之间的距离。
例如,选取一个起点,一个终点,一个控制点,根据二阶贝塞尔的公式生成一个二阶贝塞尔曲线,在这个二阶贝塞尔曲线上,可以平均散列N个采集点;即判断一个点P到某个二阶贝塞尔曲线的最短距离就可以近似的换算成平均散列N个点到点P的最短距离,因此,判断一个触摸点是否在一条二阶贝塞尔曲线上,就可以转换成一个点到N个散落二阶贝塞尔曲线上的点的最小距离是否满足预设距离。
另外,触发位置到直线距离:使用点到直线的距离公式判断触摸点是否在响应区域内:设直线L的方程为Dx+Ey+F=0,点P的坐标为(X0,Y0),则点P到直线L的距离为:
其中:D、E、F是构成任意直线方程的常数。
在本发明实施例中,终端设备获取到触摸位置到曲线类型的第一目标形态线之间的距离值d后,可将该距离值d与预设距离进行对比,获取对比结果;若对比结果为d大于预设距离,说明用户没用触摸到第一目标形态线,则终端无响应;若对比结果为d小于等于预设距离,说明用户触摸到第一目标形态线,则终端设备可按照上述方法显示与第一目标形态线对应的详细数据。
也就是说,当终端设备在K线上显示的目标形态线是曲线时,也能够准确的检测出用户是否触摸该目标形态线,进而触发终端设备显示与相应目标形态线对应的详细数据,提升用户的使用体验。
在一些实施例中,可以允许用户自己选定适合的时间窗口来判断K线的形态,具有很高的灵活性,同时由于模型添加了对时间维度的考虑,使得结果更加准确。此时,如图8所示,终端设备与服务还可以执行下述步骤:
S801、终端设备获取用户将股票A的第一时间窗口修改为第二时间窗口的第二指令。
仍以终端设备显示股票A的K线图举例,如图9所示,用户可以手动的在股票A的K线图上修改时间窗口的大小,例如用户可以输入双指捏合或双指扩张的操作改变时间窗口的大小。例如,终端设备首次显示股票A的K线图时,可默认显示第一时间窗口(例如最近100天)内的N1根K线。如果检测到用户在上述N1根K线上输入双指捏合的操作,则终端设备可生成将第一时间窗口修改为第二时间窗口(例如最近30天)的第二指令。
S802、响应于上述第二指令,终端设备向服务器发送第二请求,第二请求包括股票A的标识以及第二时间窗口。
终端设备向服务器发送第二请求的过程,与步骤S202中终端设备向服务器发送第一请求的过程类似,故此处不再赘述。
S803、服务器获取股票A在第二时间窗口内的N2根K线数据,N2为大于1的整数。
服务器获取股票A在第二时间窗口内的N2根K线数据的过程,与步骤S203中服务器获取股票A在第一时间窗口内的N1根K线数据的过程类似,故此处不再赘述。
S804、服务器分析与上述N2根K线数据对应的目标形态以及上述N2根K线数据中的y根关键K线,y<N2。
服务器分析与上述N2根K线数据对应的目标形态以及上述N2根K线数据中的y根关键K线的过程,与步骤S204中服务器分析与上述N1根K线数据对应的目标形态以及上述N1根K线数据中的x根关键K线的过程类似,故此处不再赘述。
S805、服务器将上述N2根K线数据、目标形态以及y根关键K线的标识发送至终端设备。
服务器将上述N2根K线数据、目标形态以及M2根关键K线的标识发送至终端设备的过程,与步骤S205中服务器将上述N1根K线数据、目标形态以及y根关键K线的标识发送至终端设备的过程类似,故此处不再赘述。
S806、终端设备根据上述N2根K线数据显示对应的N2根K线。
终端设备根据上述N2根K线数据显示对应的N2根K线的过程,与步骤S206中终端设备显示N1根K线的过程类似,故此处不再赘述。
S807、终端设备按照上述目标形态以及M2根关键K线在上述N2根K线上绘制第二目标形态线。
与上述步骤S207类似的,如图10所示,终端设备可在股票软件的显示界面中显示股票A在第二时间窗口内的N2根K线。并且,终端可按照本次服务器发来的目标形态将获取到的x根关键K线依次相连,绘制出第二目标形态线1001。
这样一来,用户可按照自身的需求设置适合的时间窗口,触发终端设备显示对应时间窗口中多根K线的K线形态,从而帮助用户更有效地识别K线轮廓,将K线和视觉识别有效结合,提升用户的视觉体验。
当然,终端设备按照上述方法绘制出第二目标形态线后,如果检测到用户触摸第二目标形态线,则终端设备也可按照上述步骤S208的方法显示与第二目标形态线对应的详细数据,本申请实施例对此不作任何限制。
另外,上述实施例中是以终端设备显示股票A的K线和目标形态线举例说明的,可以理解的是,终端设备在显示其他一只或多只股票的K线时,也可按照上述方法显示对应的目标形态线,从而帮助用户更有效地识别K线轮廓。
上文结合图1至图10,详细描述了本申请的方法实施例,下文结合图11至图14,详细描述本申请的装置实施例,应理解,装置实施例与方法实施例相互对应,类似的描述可以参照方法实施例。
图11示出了根据本申请实施例的终端设备示意性框图。如图11所示,该终端设备包括:
获取单元1101,用于获取第一股票在第一时间窗口内的N1根K线数据,N1为大于1的整数;以及获取与所述N1根K线数据对应的第一目标形态以及所述N1根K线数据中的x根关键K线,所述第一目标形态用于指示所述N1根K线数据的K线形态,x≤N1;
显示单元1102,用于显示与所述N1根K线数据对应的N1根K线;以及按照所述第一目标形态和所述x根关键K线在所述N1根K线上绘制第一目标形态线。
在一些实施例中,获取单元1101,还用于接收用户触摸所述第一目标形态线的触摸操作;
显示单元1102,还用于响应于所述触摸操作,显示与所述第一目标形态线对应的第一详细数据,所述第一详细数据包括对所述第一目标形态线的形态解读数据和历史回测数据。
在一些实施例中,获取单元1101,具体用于当检测到用户输入的触摸点后,计算所述触摸点与所述第一目标形态线之间的距离;若所述触摸点与所述第一目标形态线之间的距离小于等于预设距离,则确定接收到用户触摸所述第一目标形态线的触摸操作。
在一些实施例中,显示单元1102,具体用于按照所述第一目标形态将所述x根关键K线相连,得到所述第一目标形态线。
在一些实施例中,获取单元1101,具体用于响应于用户打开所述第一股票的操作,从服务器获取第一股票在第一时间窗口内的N1根K线数据。
在一些实施例中,获取单元1101,还用于检测到用户将所述第一时间窗口调整为第二时间窗口;获取所述第一股票在所述第二时间窗口内的N2根K线数据,N2为大于1的整数;获取与所述N2根K线数据对应的第二目标形态以及所述N2根K线数据中的y根关键K线,所述第二目标形态用于指示所述N2根K线数据的K线形态,y≤N1;
显示单元1102,还用于显示与所述N2根K线数据对应的N2根K线;按照所述第二目标形态和所述y根关键K线在所述N2根K线上绘制第二目标形态线。
图12示出了根据本申请实施例的服务器示意性框图。如图12所示,该服务器包括:
获取单元1201,用于:获取第一股票在第一时间窗口内的N1根K线数据,N1为大于1的整数;
分析单元1202,用于:根据所述N1根K线数据分析对应的第一目标形态以及所述N1根K线数据中的x根关键K线,所述第一目标形态用于指示所述N1根K线数据的K线形态,x≤N1;
通信单元1203,用于:将所述N1根K线数据、所述第一目标形态以及所述x根关键K线的标识发送给终端设备。
在一些实施例中,分析单元1202,具体用于:提取所述N1根K线数据中股票价格的a个拐点,a为大于0的整数;计算所述a个拐点与不同K线形态模型之间的相似度;将相似度最高的K线形态模型的K线形态确定为所述第一目标形态。
在一些实施例中,分析单元1202,具体用于:对所述a个拐点进行筛选,得到筛选后的x个拐点,x≤a;按照预设的相似度公式分别计算所述x个拐点与不同K线形态模型之间的相似度。
在一些实施例中,分析单元1202,具体用于:基于拐点个数、拐点类型、时间、惩罚因子或权重中的一项或多项对所述a个拐点进行筛选。
在一些实施例中,通信单元1203,还用于:获取所述终端设备发送的第一请求,所述第一请求包括所述第一股票的标识和所述第一时间窗口。
在一些实施例中,通信单元1203,还用于:获取所述终端设备发送的第二请求,所述第二请求包括所述第一股票的标识和第二时间窗口;
获取单元1201,还用于:获取所述第二股票在所述第二时间窗口内的N2根K线数据,N2为大于1的整数;
分析单元1202,还用于:根据所述N2根K线数据分析对应的第二目标形态以及所述N2根K线数据中的y根关键K线,所述第一目标形态用于指示所述N2根K线数据的K线形态,y≤N1;
通信单元1203,还用于:将所述N2根K线数据、所述第二目标形态以及所述y根关键K线的标识发送给所述终端设备。
上述实施例提供的终端设备和服务器,可以执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图13为本申请实施例提供的一种终端设备示意性结构图。如图13所示的终端设备包括处理器1310,处理器1310可以从存储器中调用并运行计算机程序,以实现本申请实施例中的方法。
可选地,如图13所示,终端设备还可以包括存储器1320。其中,处理器1310可以从存储器1320中调用并运行计算机程序,以实现本申请实施例中的方法。
其中,存储器1320可以是独立于处理器1310的一个单独的器件,也可以集成在处理器1310中。
可选地,如图13所示,终端设备还可以包括收发器1330,处理器1310可以控制该收发器1330与其他设备进行通信,具体地,可以向其他设备发送信息或数据,或接收其他设备发送的信息或数据。
其中,收发器1330可以包括发射机和接收机。收发器1330还可以进一步包括天线,天线的数量可以为一个或多个。
图14为本申请实施例提供的一种服务器示意性结构图。如图14所示的服务器包括处理器1410,处理器1410可以从存储器中调用并运行计算机程序,以实现本申请实施例中的方法。
可选地,如图14所示,服务器还可以包括存储器1420。其中,处理器1410可以从存储器1420中调用并运行计算机程序,以实现本申请实施例中的方法。
其中,存储器1420可以是独立于处理器1410的一个单独的器件,也可以集成在处理器1410中。
可选地,如图14所示,服务器还可以包括收发器1430,处理器1410可以控制该收发器1430与其他设备进行通信,具体地,可以向其他设备发送信息或数据,或接收其他设备发送的信息或数据。
其中,收发器1430可以包括发射机和接收机。收发器1430还可以进一步包括天线,天线的数量可以为一个或多个。
上述实施例提供的终端设备和服务器,可以执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
应理解,本申请实施例的处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
可以理解,本申请实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DR RAM)。应注意,本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
应理解,上述存储器为示例性但不是限制性说明,例如,本申请实施例中的存储器还可以是静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic RAM,DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synch link DRAM,SLDRAM)以及直接内存总线随机存取存储器(Direct Rambus RAM,DR RAM)等等。也就是说,本申请实施例中的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本申请实施例还提供了一种计算机可读存储介质,用于存储计算机程序。
可选的,该计算机可读存储介质可应用于本申请实施例中的终端设备或服务器,并且该计算机程序使得计算机执行本申请实施例的各个方法中由的相应流程,为了简洁,在此不再赘述。
本申请实施例还提供了一种计算机程序产品,包括计算机程序指令。
可选的,该计算机程序产品可应用于本申请实施例中的终端设备或服务器,并且该计算机程序指令使得计算机执行本申请实施例的各个方法中的相应流程,为了简洁,在此不再赘述。
本申请实施例还提供了一种计算机程序。
可选的,该计算机程序可应用于本申请实施例中的终端设备或服务器,当该计算机程序在计算机上运行时,使得计算机执行本申请实施例的各个方法中的相应流程,为了简洁,在此不再赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的设备、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。针对这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (19)
1.一种K线形态的识别方法,其特征在于,包括:
终端设备获取第一股票在第一时间窗口内的N1根K线数据,N1为大于1的整数;
所述终端设备获取与所述N1根K线数据对应的第一目标形态以及所述N1根K线数据中的x根关键K线,所述第一目标形态用于指示所述N1根K线数据的K线形态,x≤N1;
所述终端设备显示与所述N1根K线数据对应的N1根K线;
所述终端设备按照所述第一目标形态和所述x根关键K线在所述N1根K线上绘制第一目标形态线。
2.根据权利要求1所述的方法,其特征在于,在所述终端设备按照所述第一目标形态和所述x根关键K线在所述N1根K线上绘制第一目标形态线之后,还包括:
所述终端设备接收用户触摸所述第一目标形态线的触摸操作;
响应于所述触摸操作,所述终端设备显示与所述第一目标形态线对应的第一详细数据,所述第一详细数据包括对所述第一目标形态线的形态解读数据和历史回测数据。
3.根据权利要求2所述的方法,其特征在于,
所述形态解读数据包括:起始时间、形态类别、上涨/下跌概率、压力位、支撑位或反转概率中的一项或多项;
所述历史回测数据包括:出现次数、盈利概率、止盈点或止损点中的一项或多项。
4.根据权利要求2所述的方法,其特征在于,所述终端设备接收用户触摸所述第一目标形态线的触摸操作,包括:
当所述终端设备检测到用户输入的触摸点后,计算所述触摸点与所述第一目标形态线之间的距离;
若所述触摸点与所述第一目标形态线之间的距离小于等于预设距离,则所述终端设备确定接收到用户触摸所述第一目标形态线的触摸操作。
5.根据权利要求2-4中任一项所述的方法,其特征在于,所述第一目标形态线为直线或曲线。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述终端设备按照所述第一目标形态和所述x根关键K线在所述N1根K线上绘制第一目标形态线,包括:
所述终端设备按照所述第一目标形态将所述x根关键K线相连,得到所述第一目标形态线。
7.根据权利要求1-6中任一项所述的方法,其特征在于,终端设备获取第一股票在第一时间窗口内的N1根K线数据,包括:
响应于用户打开所述第一股票的操作,所述终端设备从服务器获取第一股票在第一时间窗口内的N1根K线数据。
8.根据权利要求1-7中任一项所述的方法,其特征在于,所述方法还包括:
所述终端设备检测到用户将所述第一时间窗口调整为第二时间窗口;
所述终端设备获取所述第一股票在所述第二时间窗口内的N2根K线数据,N2为大于1的整数;
所述终端设备获取与所述N2根K线数据对应的第二目标形态以及所述N2根K线数据中的y根关键K线,所述第二目标形态用于指示所述N2根K线数据的K线形态,y≤N1;
所述终端设备显示与所述N2根K线数据对应的N2根K线;
所述终端设备按照所述第二目标形态和所述y根关键K线在所述N2根K线上绘制第二目标形态线。
9.一种K线形态的识别方法,其特征在于,包括:
服务器获取第一股票在第一时间窗口内的N1根K线数据,N1为大于1的整数;
所述服务器根据所述N1根K线数据分析对应的第一目标形态以及所述N1根K线数据中的x根关键K线,所述第一目标形态用于指示所述N1根K线数据的K线形态,x≤N1;
所述服务器将所述N1根K线数据、所述第一目标形态以及所述x根关键K线的标识发送给终端设备。
10.根据权利要求9所述的方法,其特征在于,所述服务器根据所述N1根K线数据分析对应的第一目标形态,包括:
所述服务器提取所述N1根K线数据中股票价格的a个拐点,a为大于0的整数;
所述服务器计算所述a个拐点与不同K线形态模型之间的相似度;
所述服务器将相似度最高的K线形态模型的K线形态确定为所述第一目标形态。
11.根据权利要求10所述的方法,其特征在于,所述服务器计算所述a个拐点与不同K线形态模型之间的相似度,包括:
所述服务器对所述a个拐点进行筛选,得到筛选后的a(i)个拐点,a(i)≤a;
所述服务器按照预设的相似度公式分别计算所述a(i)个拐点与不同K线形态模型之间的相似度。
12.根据权利要求11所述的方法,其特征在于,所述服务器对所述a个拐点进行筛选,包括:
所述服务器基于拐点个数、拐点类型、时间、惩罚因子或权重中的一项或多项对所述a个拐点进行筛选。
13.根据权利要求9-12中任一项所述的方法,其特征在于,在服务器获取第一股票在第一时间窗口内的N1根K线数据之前,还包括:
所述服务器获取所述终端设备发送的第一请求,所述第一请求包括所述第一股票的标识和所述第一时间窗口。
14.根据权利要求9-13中任一项所述的方法,其特征在于,所述方法还包括:
所述服务器获取所述终端设备发送的第二请求,所述第二请求包括所述第一股票的标识和第二时间窗口;
所述服务器获取所述第二股票在所述第二时间窗口内的N2根K线数据,N2为大于1的整数;
所述服务器根据所述N2根K线数据分析对应的第二目标形态以及所述N2根K线数据中的y根关键K线,所述第一目标形态用于指示所述N2根K线数据的K线形态,y≤N1;
所述服务器将所述N2根K线数据、所述第二目标形态以及所述y根关键K线的标识发送给所述终端设备。
15.一种终端设备,其特征在于,包括:
获取单元,用于:获取第一股票在第一时间窗口内的N1根K线数据,N1为大于1的整数;获取与所述N1根K线数据对应的第一目标形态以及所述N1根K线数据中的x根关键K线,所述第一目标形态用于指示所述N1根K线数据的K线形态,x≤N1;
显示单元,用于:显示与所述N1根K线数据对应的N1根K线;按照所述第一目标形态和所述x根关键K线在所述N1根K线上绘制第一目标形态线。
16.一种服务器,其特征在于,包括:
获取单元,用于:获取第一股票在第一时间窗口内的N1根K线数据,N1为大于1的整数;
分析单元,用于:根据所述N1根K线数据分析对应的第一目标形态以及所述N1根K线数据中的x根关键K线,所述第一目标形态用于指示所述N1根K线数据的K线形态,x≤N1;
通信单元,用于:将所述N1根K线数据、所述第一目标形态以及所述x根关键K线的标识发送给终端设备。
17.一种终端设备,其特征在于,包括:处理器和存储器,该存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,以使得所述终端设备执行如权利要求1-8中任一项所述的方法。
18.一种服务器,其特征在于,包括:处理器和存储器,该存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,以使得所述服务器执行如权利要求9-14中任一项所述的方法。
19.一种计算机可读存储介质,其特征在于,用于存储计算机程序,所述计算机程序使得计算机执行如权利要求1-8或9-14中任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2021/122220 WO2023050331A1 (zh) | 2021-09-30 | 2021-09-30 | K线形态的识别方法及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114008658A true CN114008658A (zh) | 2022-02-01 |
Family
ID=79932603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180003052.2A Pending CN114008658A (zh) | 2021-09-30 | 2021-09-30 | K线形态的识别方法及电子设备 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11928761B2 (zh) |
JP (1) | JP2023547002A (zh) |
CN (1) | CN114008658A (zh) |
AU (1) | AU2021466668A1 (zh) |
CA (1) | CA3233403A1 (zh) |
WO (1) | WO2023050331A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115409621A (zh) * | 2022-05-16 | 2022-11-29 | 深圳格隆汇信息科技有限公司 | 金融期货的划线方法及系统 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3573072B2 (ja) | 2000-08-07 | 2004-10-06 | 株式会社Quick | 時系列データ圧縮装置 |
US20020120551A1 (en) * | 2001-02-27 | 2002-08-29 | Clarkson Jones | Visual-kinesthetic interactive financial trading system |
TWI544438B (zh) * | 2014-08-12 | 2016-08-01 | 神乎科技股份有限公司 | 證券資訊之趨勢的提示方法 |
CN106447494A (zh) * | 2015-08-01 | 2017-02-22 | 郑志豪 | 基于图形识别的证券分析系统及方法 |
US20170069025A1 (en) * | 2015-08-10 | 2017-03-09 | Fonestock Technology Inc. | Alerting method by using trend lines of security information |
CN105701450B (zh) * | 2015-12-31 | 2019-10-08 | 上海银赛计算机科技有限公司 | K线形态识别方法及装置 |
CN107958415B (zh) * | 2017-10-31 | 2021-07-27 | 创新先进技术有限公司 | 证券信息播报方法及装置 |
CN108364231A (zh) * | 2018-02-10 | 2018-08-03 | 武汉市灯塔互动文化传播有限公司 | 一种用于股票曲线分析的方法和装置 |
CN108765146A (zh) * | 2018-04-25 | 2018-11-06 | 武汉灯塔之光科技有限公司 | 一种根据已有曲线形态选取特定曲线股票的方法和装置 |
CN110415116A (zh) * | 2019-06-27 | 2019-11-05 | 深圳市富途网络科技有限公司 | 相似k线图展示方法、装置、终端设备及计算机存储介质 |
KR102124978B1 (ko) * | 2019-07-31 | 2020-06-22 | (주)크래프트테크놀로지스 | 증권 거래를 위한 주문 집행을 수행하는 서버 및 방법 |
WO2021024205A1 (en) * | 2019-08-06 | 2021-02-11 | Bosman Philippus Johannes | Method and system of optimizing stock availability and sales opportunity |
CN112257770B (zh) * | 2020-10-19 | 2022-05-06 | 四川长虹电器股份有限公司 | 一种k线形态识别方法 |
CN113269643A (zh) * | 2021-05-25 | 2021-08-17 | 平安科技(深圳)有限公司 | K线形态识别分类方法、装置、计算机设备及存储介质 |
-
2021
- 2021-09-30 CA CA3233403A patent/CA3233403A1/en active Pending
- 2021-09-30 JP JP2022562395A patent/JP2023547002A/ja active Pending
- 2021-09-30 AU AU2021466668A patent/AU2021466668A1/en active Pending
- 2021-09-30 WO PCT/CN2021/122220 patent/WO2023050331A1/zh active Application Filing
- 2021-09-30 CN CN202180003052.2A patent/CN114008658A/zh active Pending
-
2022
- 2022-09-01 US US17/901,799 patent/US11928761B2/en active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115409621A (zh) * | 2022-05-16 | 2022-11-29 | 深圳格隆汇信息科技有限公司 | 金融期货的划线方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
AU2021466668A1 (en) | 2024-04-18 |
JP2023547002A (ja) | 2023-11-09 |
US11928761B2 (en) | 2024-03-12 |
WO2023050331A1 (zh) | 2023-04-06 |
CA3233403A1 (en) | 2023-04-06 |
US20230169705A1 (en) | 2023-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019019255A1 (zh) | 建立预测模型的装置、方法、预测模型建立程序及计算机可读存储介质 | |
US20170206466A1 (en) | Real Time Autonomous Archetype Outlier Analytics | |
CN108833458B (zh) | 一种应用推荐方法、装置、介质及设备 | |
WO2021068635A1 (zh) | 信息处理方法、装置及电子设备 | |
US20180246940A1 (en) | User social-relationship identification apparatus, method, and terminal device | |
US11934290B2 (en) | Interactive model performance monitoring | |
CN113360580B (zh) | 基于知识图谱的异常事件检测方法、装置、设备及介质 | |
CN111898675B (zh) | 信贷风控模型生成方法、装置、评分卡生成方法、机器可读介质及设备 | |
US20160342668A1 (en) | Data conversion and distribution systems | |
WO2020181854A1 (zh) | 支付异常检测 | |
WO2023197933A1 (zh) | 信号处理方法、装置、电子设备及介质 | |
CN106033574A (zh) | 一种作弊行为的识别方法及装置 | |
CN114008658A (zh) | K线形态的识别方法及电子设备 | |
US10242407B1 (en) | Financial instrument analysis and forecast | |
CN107423362B (zh) | 行业确定方法、对象获取方法和装置、客户端、服务器 | |
CN113723995A (zh) | 一种确定营销任务的方法和装置 | |
WO2023011093A1 (zh) | 任务模型的训练方法、装置、电子设备及存储介质 | |
CN110647899A (zh) | 基于多层邻域划分的异常检验方法和装置 | |
US20230056653A1 (en) | Document analysis to identify document characteristics and appending the document characteristics to a record | |
WO2022227219A1 (zh) | 房产指数数据分析方法、装置、设备及存储介质 | |
WO2019210624A1 (zh) | 特征筛选方法、装置、计算机设备和存储介质 | |
CN111651555B (zh) | 业务处理方法、系统和计算机可读存储介质 | |
EP2838065A1 (en) | Customer income estimator with confidence intervals | |
CN106815727A (zh) | 一种信息风险评估方法及装置 | |
US20190325513A1 (en) | System and method for generating a dynamic loan-to-value ratio |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40082766 Country of ref document: HK |