全部
文章&策略
学习干货
问答
官方
用户头像sh_***312kg3
2026-11-19 发布
一、项目背景:为什么量化交易需要自定义周期 K 线?** 在量化交易系统中,行情数据是策略研究、信号计算、回测和实盘执行的基础。常见行情接口通常提供 1 分钟、5 分钟、15 分钟、1 小时等标准周期 K 线,但部分策略需要更灵活的时间粒度,例如 10 秒、30 秒、2 分钟或 45 分钟 K 线。 对于订单流分析、短周期动量策略和跨市场时间对齐策略,固定周期可能无法满足研究需求。一个可控的做法是直接接入逐笔成交(Tick)数据,在自己的数据处理服务中按指定时间窗口聚合 OHLCV,从而生成自定义周期 K 线。 本文以 DeepTick API 为行情数据来源,使用 REST K 线接口获取历史数据,并使用 WebSocket 逐笔成交流接收实时 Tick。通过统一的时间窗口与聚合规则,让历史数据处理和实时数据处理尽可能复用同一套业务逻辑。 **二、整体方案:DeepTick REST K 线 + WebSocket Tick** 推荐将行情管线拆分为两个入口和一个统一聚合内核: 历史行情入口:调用 DeepTick REST Candles API,获取标准周期历史 K 线,用于图表初始化、指标计算和回测基准。 实时行情入口:连接 DeepTick WebSocket,使用 tick 类型 Topic 订阅逐笔成交数据。 统一处理内核:完成时间戳标准化、Tick 排序或乱序处理、时间桶计算、OHLCV 更新、K 线闭合与下游分发。 需要区分两种用途:REST Candles 返回的是服务端已经聚合的历史 K 线;WebSocket Tick 提供逐笔成交明细,可由客户端自行聚合出非标准周期。若要严格保证回测与实盘一致,建议在历史回测阶段也使用逐笔成交数据按相同算法聚合,而不是直接将不同数据源或不同口径的标准 K 线混用。 **三、DeepTick API 接入准备** 开始编码前,需要在 DeepTick 平台准备 API Token,并确认目标市场、交易标的、数据权限及套餐限制。示例以加密货币 BTCUSDT 为例;DeepTick Topic 中的市场代码和标的格式应按实际订阅品种调整。 将 Token 放入环境变量,避免将密钥写入源码、前端代码或公开代码仓库。 ``` # Linux / macOS export DEEPTICK_API_TOKEN="替换为你的 DeepTick API Token" # Windows PowerShell $env:DEEPTICK_API_TOKEN="替换为你的 DeepTick API Token" ``` **四、历史 K 线:使用 DeepTick REST Candles API** 历史 K 线通常用于回测数据加载、技术指标计算和图表初始化。DeepTick 的 K 线查询接口按周期返回历史 Bar。以下 Python 示例采用文档对应的 REST 路径与常见请求参数封装请求,并对 HTTP 状态、业务返回码和空数据进行检查。 接口路径:GET https://api.deeptick.cc/api/v1/candles。常用参数包括 symbols、interval、limit;可选 et 用于指定截止时间(Unix 毫秒)。周期值及条数范围应以 DeepTick 当前文档和账户权限为准。 ``` import os import requests from typing import Any BASE_URL = "https://api.deeptick.cc" API_TOKEN = os.environ["DEEPTICK_API_TOKEN"] def get_candles( symbol: str = "BTCUSDT.CR", interval: str = "1m", limit: int = 200, end_time_ms: int | None = None, ) -> list[dict[str, Any]]: """获取历史 K 线。时间参数及字段口径请以 DeepTick 最新文档为准。""" headers = { "accept": "application/json", "deeptoken": API_TOKEN, } params = { "symbols": symbol, "interval": interval, "limit": limit, } if end_time_ms is not None: params["et"] = end_time_ms response = requests.get( f"{BASE_URL}/api/v1/candles", headers=headers, params=params, timeout=15, ) response.raise_for_status() payload = response.json() if payload.get("code") != 0: raise RuntimeError(f"DeepTick API error: {payload}") return payload.get("data") or [] if __name__ == "__main__": candles = get_candles( symbol="BTCUSDT.CR", interval="1m", limit=100, ) for candle in candles[:5]: print(candle) ``` 开发提示:K 线响应字段应以接口实际返回为准。常见字段映射可能包含 t(时间)、o(开盘价)、h(最高价)、l(最低价)、c(收盘价)、v(成交量)等;正式上线前应在代码中显式校验字段、时间戳单位、成交量含义和数据排序,避免把示例字段假设直接用于生产。 **五、实时成交:使用 DeepTick WebSocket Tick API** 实时逐笔成交适合需要逐笔级别数据的策略和行情系统。DeepTick WebSocket 接入地址为 wss://api.deeptick.cc/ws/v1,连接握手时通过 deeptoken 请求头完成鉴权。认证成功后,服务端会先发送 welcome 消息,客户端再发送订阅请求。 DeepTick 使用 Topic 订阅模型。逐笔成交 Topic 的格式为 tick.{market}.{symbol};例如加密货币 BTCUSDT 可使用 tick.CR.BTCUSDT。订阅请求采用 type、topics 和 request\_id 等字段。 ``` # pip install websockets import asyncio import json import os import websockets WS_URL = "wss://api.deeptick.cc/ws/v1" TOKEN = os.environ["DEEPTICK_API_TOKEN"] TICK_TOPIC = "tick.CR.BTCUSDT" async def main(): async with websockets.connect( WS_URL, additional_headers={"deeptoken": TOKEN}, ping_interval=None, ) as ws: # 鉴权成功后先接收服务端 welcome welcome = json.loads(await ws.recv()) print("DeepTick welcome:", welcome) # 发送 Tick 订阅请求 request = { "type": "subscribe", "topics": [TICK_TOPIC], "request_id": "btc-tick-sub-001", } await ws.send(json.dumps(request)) while True: raw = await ws.recv() message = json.loads(raw) if message.get("type") == "ack": print("订阅回执:", message) continue if message.get("topic") == TICK_TOPIC: # 保留原始消息;字段映射见下一节 print("Tick message:", message.get("data")) asyncio.run(main()) ``` 注意:订阅是否成功应以服务端 ack 中的 accepted / rejected 为准,而不是仅以客户端 send() 未报错作为判断。不同数据类型的 Topic 应分开订阅;不要把 tick 与 quote、depth 等类型混在同一条 subscribe 请求中。 **六、Tick 数据标准化:统一价格、数量与时间戳** Tick 聚合前,首先要把上游消息转换成内部统一的数据结构。不同市场和数据类型的字段定义可能不同,因此建议将 DeepTick 原始消息与内部标准字段隔离:只在一个适配函数中完成字段映射,后续聚合器只处理标准化 Tick。 下面示例假设标准化后的 Tick 包含 timestamp\_ms、price 和 volume。请根据 DeepTick 当前逐笔成交消息的数据字典,将原始 data 字段映射到这三个字段;不要在未核对文档前假定原始字段名或成交量是单笔量还是累计量。 ``` from dataclasses import dataclass from typing import Any @dataclass class Tick: timestamp_ms: int price: float volume: float def normalize_deeptick_tick(raw: dict[str, Any]) -> Tick: """将 DeepTick 原始 Tick 字段映射为内部统一结构。 请按 ws-tick 文档中的真实字段名修改下方映射。 timestamp_ms 必须是 Unix 毫秒时间戳; volume 必须是单笔成交量,而非累计成交量。 """ data = raw.get("data", raw) # TODO: 将以下键替换为 DeepTick ws-tick 文档的实际字段 timestamp_ms = int(data["YOUR_TIMESTAMP_FIELD"]) price = float(data["YOUR_PRICE_FIELD"]) volume = float(data["YOUR_VOLUME_FIELD"]) return Tick( timestamp_ms=timestamp_ms, price=price, volume=volume, ) ``` **七、Python 实现:按任意时间窗口合成 OHLCV K 线** 在统一毫秒时间戳后,可以通过整除计算 Tick 所属时间桶。设周期长度为 period\_ms,则时间桶起点为 timestamp\_ms - timestamp\_ms % period\_ms。对同一时间桶内的 Tick,按时间顺序计算开盘价、最高价、最低价、收盘价和成交量。 下面的聚合器支持任意毫秒周期,例如 10 秒、30 秒、2 分钟或 45 分钟。示例按事件到达顺序更新当前 K 线;如果上游可能乱序推送,应在进入聚合器前增加缓冲与排序窗口,或依据服务端序列号处理。 ``` from dataclasses import dataclass from typing import Optional @dataclass class Candle: start_ms: int open: float high: float low: float close: float volume: float class CandleAggregator: def __init__(self, period_seconds: int): if period_seconds <= 0: raise ValueError("period_seconds must be positive") self.period_ms = period_seconds * 1000 self.current: Optional[Candle] = None def update(self, tick: Tick) -> Optional[Candle]: bucket = ( tick.timestamp_ms - tick.timestamp_ms % self.period_ms ) # 第一笔 Tick:初始化当前 Bar if self.current is None: self.current = Candle( start_ms=bucket, open=tick.price, high=tick.price, low=tick.price, close=tick.price, volume=tick.volume, ) return None # 新时间桶:闭合旧 Bar,并开始新 Bar if bucket > self.current.start_ms: completed = self.current self.current = Candle( start_ms=bucket, open=tick.price, high=tick.price, low=tick.price, close=tick.price, volume=tick.volume, ) return completed # 旧时间桶 Tick:生产环境需定义乱序数据策略 if bucket < self.current.start_ms: return None # 同一时间桶:更新 OHLCV self.current.high = max(self.current.high, tick.price) self.current.low = min(self.current.low, tick.price) self.current.close = tick.price self.current.volume += tick.volume return None def flush(self) -> Optional[Candle]: """进程退出或切换交易日时,可显式输出当前未闭合 Bar。""" completed = self.current self.current = None return completed # 示例:合成 30 秒 K 线 aggregator = CandleAggregator(period_seconds=30) # 将 normalize_deeptick_tick() 的结果逐笔传入: # completed = aggregator.update(tick) # if completed: # publish_candle(completed) ``` **八、将 WebSocket Tick 与 K 线聚合器连接起来** 完成字段适配和聚合器后,可以在 WebSocket 消息循环中把每条 Tick 转换为内部对象,再送入聚合器。以下代码展示整体连接方式。normalize\_deeptick\_tick() 中的字段名仍需按 DeepTick 实际消息结构配置。 ``` async def stream_and_aggregate(period_seconds: int = 30): aggregator = CandleAggregator(period_seconds) async with websockets.connect( WS_URL, additional_headers={"deeptoken": TOKEN}, ping_interval=None, ) as ws: welcome = json.loads(await ws.recv()) print("Connected:", welcome) await ws.send(json.dumps({ "type": "subscribe", "topics": [TICK_TOPIC], "request_id": "btc-tick-aggregate-001", })) while True: message = json.loads(await ws.recv()) if message.get("type") == "ack": if message.get("rejected"): raise RuntimeError( f"Tick subscription rejected: {message['rejected']}" ) print("Subscribed:", message.get("accepted")) continue if message.get("topic") != TICK_TOPIC: continue tick = normalize_deeptick_tick(message) completed = aggregator.update(tick) if completed is not None: print("Completed candle:", completed) # TODO: 写入数据库、发布消息或推送给策略模块 # asyncio.run(stream_and_aggregate(period_seconds=30)) ``` **九、历史与实时数据如何配合?** 常见行情应用会先加载历史 K 线,再使用实时数据更新最后一根 Bar。若历史数据来自 REST Candles、实时数据来自 Tick,需要特别注意周期边界、时区、成交量口径和数据源聚合规则。 启动时通过 REST Candles 获取图表所需的历史 K 线,并记录最新一根已完成 K 线的时间。 启动 WebSocket Tick 订阅,完成鉴权并确认订阅回执。 将实时 Tick 标准化后送入聚合器,按时间桶持续更新当前 K 线。 当新时间桶开始时,闭合上一根 K 线并写入数据库或消息队列。 断线重连后,先恢复订阅,再检查缺失时间段;必要时通过 REST K 线接口补齐标准周期数据。若需要精确重建自定义周期,应使用相同粒度的历史 Tick 数据补算。 **十、生产环境的关键工程问题** **10.1 时间戳与时区统一** 所有数据入口建议统一转换为 UTC Unix 毫秒时间戳。需要明确接口返回的是秒还是毫秒,避免周期边界计算出现数量级错误。 **10.2 成交量口径校验** 确认 Tick 的 volume 表示单笔成交量还是累计成交量。如果接收到的是累计成交量,不能直接对每条消息求和,应先计算相邻累计值的差分,并处理重置、回补和异常跳变。 **10.3 乱序、重复与迟到数据** 网络抖动可能导致消息乱序或重复。生产环境应制定迟到数据容忍窗口、去重键和重算策略。若直接丢弃旧时间桶 Tick,需要评估对成交量和 OHLC 的影响。 **10.4 空窗口填充** 没有成交的时间窗口是否补平 K 线,应由策略定义。若需要连续时间序列,可用上一根收盘价填充 open/high/low/close,并将 volume 设为 0;同时建议增加 is\_synthetic 标记,区分真实成交 Bar 与填充 Bar。 **10.5 心跳、重连与续传​** 为 WebSocket 连接增加心跳、指数退避重连、订阅恢复和缺口检测。连接成功不代表订阅成功,必须检查 ack。短时断线可按 DeepTick 对应的心跳与续传文档处理;超出续传能力时,再通过历史接口或历史 Tick 数据修复。 **10.6 监控与资源管理** 建议监控连接状态、订阅成功率、Tick 吞吐量、消息延迟、队列积压、聚合耗时、数据缺口和异常字段比例。对内存队列设置上限,避免下游处理速度不足时持续堆积。 **十一、常见问题(FAQ)** **Q1:DeepTick API 可以获取历史 K 线吗?** 可以通过 DeepTick REST Candles 接口按标的和周期查询历史 K 线,适用于图表初始化、研究和回测。具体参数和可用周期以官方接口文档为准。 **Q2:如何通过 DeepTick 获取实时逐笔成交?** 连接 DeepTick WebSocket 地址 wss://api.deeptick.cc/ws/v1,在握手请求中携带 deeptoken,收到 welcome 后发送 tick 类型 Topic 的 subscribe 请求,并检查服务端 ack。 **Q3:可以合成 30 秒或 45 分钟等非标准 K 线吗?** 可以。将 Tick 时间戳统一为毫秒后,按自定义周期计算时间桶,并在每个时间桶内累计 OHLCV,即可生成所需周期。 **Q4:为什么回测 K 线和实盘 K 线可能不一致?** 常见原因包括数据源不同、时间窗口边界不同、时间戳精度不同、成交量字段口径不同、乱序或重复 Tick 处理不同。应尽可能让历史与实时共用同一套标准化和聚合逻辑。 **Q5:WebSocket 收到订阅请求后没有行情怎么办?** 先确认已收到 welcome,再检查 ack 中 accepted 和 rejected;随后核对 Topic 的市场代码、标的格式、数据权限及该标的是否支持逐笔成交订阅。 **十二、总结:构建可复用的 DeepTick 量化行情数据管线** 通过 DeepTick REST Candles API 获取历史 K 线,并通过 WebSocket Tick API 接入实时逐笔成交,可以形成覆盖历史研究与实时处理的行情数据链路。对于需要非标准周期的量化策略,Tick 聚合方式能够把 K 线周期、时间窗口和聚合规则掌握在系统自身手中。 真正影响生产稳定性的,不只是接口连接本身,还包括字段标准化、时间戳精度、成交量语义、乱序处理、断线恢复、历史补偿和监控告警。建议先用小规模标的完成端到端验证,再逐步扩展到多交易对、多周期和分布式行情服务。 免责声明:本文仅用于 API 接入与行情数据处理技术交流,不构成投资建议。行情数据的使用、展示、存储和再分发应遵守 DeepTick 服务条款及相关市场的数据授权要求。
浏览38
评论0
收藏0
用户头像sh_***174w0d
2026-11-19 发布
打破 90% 散户的常见误区 在股市博弈的修罗场里,90% 的散户从第一天起就踏入了一个极其致命的认知误区:以为主力震荡洗盘,是为了“吓唬你,让你乖乖交出手中那点筹码”。 如果你也是这么想的,那我必须泼你一盆冷水——大错特错! 主力动用上亿资金拉筹码、建仓,根本没兴趣盯你手里那三五手散碎股票。震荡洗盘的真正杀招,从来不是非要逼你交出筹码,而是通过筹码的悄无声息置换,磨高你的持仓成本;同时利用盘中极速杀跌,彻底砸碎你的交易心态! 主力洗盘洗的不是筹码,而是你的持仓成本与情绪! 揭秘主力洗盘的两大核心底层逻辑 主力之所以能够屡屡拿捏散户,靠的从来不是暗箱操作,而是对筹码成本机制与人性弱点的精准计算。 逻辑一:用小阴小阳做“鱼钩”,悄悄抬高市场平均成本 在主升浪爆发行情启动前,股价往往会在低位出现一种看似毫无生气的形态:小阴线和小阳线交替出现,上下震荡、来回折磨。 很多散户以为这是主力打压股价吓唬人,其实不然。这些小 K 线本质上是主力抛出的一枚枚**“鱼钩”**。 诱导做差价:主力利用小幅波动,诱导散户进场做高抛低吸(即所谓的“做差价”或“三进三出”)。散户自以为聪明,觉得每天赚两个点落袋为安很爽。 高位套牢盘的筹码置换:正是在这种频繁做差价的过程中,散户早期捡到的低价便宜筹码被一步步“磨”掉了。高位套牢的散户在看到反弹无望、反复震荡后,也纷纷割肉换手。折腾几轮下来,全市场的持仓成本被悄然拉到了同一条线上,与市场平均成本相差无几。 均线收敛信号:你去翻看所有走过翻倍主升浪的牛股,在启动前夕,5 **日、**10 **日、**20 日均线往往会高度联合收敛在一起。 为什么均线一定要收敛? 均线收敛说明大量持仓者的成本被强制拉到了同一个起跑线上。当市场上的低价筹码被清洗完毕、筹码沉淀彻底完成时,上方就不存在一堆嗷嗷待哺等待解套的抛压盘。此时主力顺势点火拉升,阻力最小、成本最低,盘面上几乎看不到像样的卖盘! 逻辑二:极速分时震荡与“锚定效应”,精准收割坚定持有者 当筹码成本收敛完毕后,主力为了肃清最后那一批“死扛到底”的坚定持有者,会推出更加残忍的杀手锏——极速分时震荡。 这是一场精心设计的心理战,还原一天典型的“分时震荡过山车”: 【早盘冲高**·**欲望萌发】 盘面:你的持仓成本是 10 元。开盘后,股价脉冲式快速拉升到 10.5 元。 心态:你兴奋坏了,账户浮盈扩大的喜悦让你开始犹豫:“要不要先卖掉落袋为安?” 【极速跳水**·**锚定心魔】 盘面:就在你犹豫的几分钟里,股价陡然直线跳水,瞬间砸破均价线,一路回落到 10 元成本价。 心态:此时,**“锚定效应”**正式生效。你把刚才高点的 10.5 元当成了心理锚点,扼腕叹息:“10.5 元我都没卖,现在回到 10 元卖不是亏了吗?绝不能卖!” 【深幅下砸**·**恐慌交织】 盘面:主力不给你任何喘息机会,顺势继续往下砸,股价跌破成本,一路下探到 9.9 元、9.8 元。 心态:账户由盈转亏,痛苦感加倍。虽然亏损幅度还在心理承受边缘,但眼睁睁看着利润飞走还倒亏,你的心态开始走向崩溃。 【尾盘拉回**·**救命稻草】 盘面:临近收盘,股价又晃晃悠悠、慢慢吞吞地拉回到 10.3 元。 心态:主力在收盘前给你递上了一根“救命稻草”。经历了一整天大喜到大悲、再到失而复得的情绪折磨,绝大多数散户彻底怂了,赶在收盘前落荒而逃,选择落袋为安。 洗盘终局: 主力在分时图上的狂轰滥炸,砸的根本不是线和价格,而是把持仓不稳者的情绪与心态砸得碎了一地! 等你满心庆幸自己“小赚离场”后,次日股价直接高开高走,封死涨停,连重新上车的买单通道都不再给你留。 实战破局:散户应对主力洗盘的唯一正确姿势 股市是一个冷酷的博弈场,没有人是来送钱的。你在盘中赚到的每一分钱,大概率就是别人看错心态崩盘时亏掉的。 既然认清了主力洗盘的本质是一场**“情绪战”**而非“价格战”,那么散户的破局之道就极其清晰了。 一看:三要素精准识别洗盘 当盘面上跳下窜、走势极其恶心时,切忌凭感觉操作。先通过 **K **线、位置、趋势 三要素进行客观冷静的复盘:如果股价处于相对低位或突破后的回踩区、中线趋势依然完好向上,那么盘中的暴跌极大概率就是主力的假动作。 二断:关软件斩断情绪毒素 一旦确认主力资金在故意洗盘,请立即执行铁律指令:关掉交易软件、删掉自选股、绝不看分时盘面! 盯盘盯得越紧,你就越容易被分时图上几分钱的起伏牵着鼻子走,最终掉入主力设计好的情绪陷阱。 三守:以“不动如山”打爆主力算盘 你知道主力在市场上最害怕、最讨厌哪种散户吗? 就是那种**“买入之后,涨也不动,跌也不动,横盘盘整还是不动”**的死磕派! 散户的非对称终极优势 在这场博弈游戏中,散户没有庞大的资金,没有一手的信息,但散户拥有一个主力永远无法企及的非对称终极优势——灵活与耐心。 主力资金体量庞大,每天都在产生高额的时间成本与资金利息,他们建仓完成后必须拉升、必须出货,他们根本拖不起!而散户资金量小、随时可以卧倒。 只要你识破趋势,做到“不动如山”,主力怎么洗都洗不掉你,他就只能乖乖抬轿,带你一路向上。不被情绪操控,死磕趋势到底,就是你在股市里以弱胜强的终极武器! 主力洗盘认知对比 维度 传统误区(散户思维) 底层真相(主力逻辑) 洗盘目标 盯着散户手里那点散碎筹码,想方设法吓出来 利用波动诱导做差价,完成筹码置换,抬高整体持仓成本 收割手段 用单纯的下跌制造恐慌,靠暴力打压逼迫割肉 制造分时极速过山车与“锚定效应”,精准砸碎交易心态 均线形态 忽视均线走向,只关注单日 K 线的涨跌 推动 5/10/20 日均线联合收敛,出清上方解套抛压 应对策略 守着分时图高抛低吸做差价,试图战胜主力 识破洗盘本质后关软件不看盘,靠死磕趋势逼主力抬轿 **1.**洗盘本质:主力洗盘洗的不是筹码,而是持仓成本与交易情绪。频繁做差价只会磨掉你的低价筹码,悄悄抬高成本。 **2.**均线信号:密切关注 **5 ****日、**10 **日、**20 日均线高度联合收敛的形态,这标志着全市场持仓成本回归同一起跑线、上方解套抛压极轻,是牛股主升浪起爆的终极信号。 3.终极心法:看清 K 线、位置与趋势后,散户最强大的反杀姿势就是“关软件、删自选、不看盘”。充分发挥散户无资金利息成本的非对称优势,保持“涨跌横盘皆不动”,让趋势带你走向大盈利!
浏览83
评论0
收藏0
用户头像sh_***174w0d
2026-11-19 发布
抛弃花里胡哨,回归趋势本质 在股市里摸爬滚打久了你就会发现,真正的交易高手,盘面上往往干净得吓人——他们根本不用那些弯弯绕绕、花里胡哨的复杂指标。很多散户学了一堆指标,MACD、KDJ、RSI摆满屏幕,结果指标互相冲突,越看越乱,操作频频失误,彻底沦为主力资金收割的“韭菜”。 其实,交易的底层逻辑从来不复杂——趋势从来不会骗人。市场无论怎么震荡洗盘,K线和均线留下的轨迹都是最真实的。只要你吃透了最核心的几根均线,看懂了多空势力的消长,就根本不用担心被主力摆布。抛弃那些虚无缥缈的花哨工具,回归趋势本质,你也能建立属于自己的稳定盈利交易系统! 核心干货:必须吃透的均线与买卖逻辑 核心均线梳理 在实战交易中,我们真正需要吃透并时刻盯紧的,就是几根最基础的均线:5日线、10日线、20日线以及60****日线。 有的朋友会问:为什么高手常说核心是“5日、10日、60日线”,实操中又要结合20日线? 这里面的分工极其明确,就是“大局看趋势,小局看切入”: 20日线与60****日线(中长期趋势线):20日线(月线)代表中短期生命线,60日线(季线)代表中长期趋势决策线。二者的交叉关系是判断大盘或个股大势方向(多头还是空头)的绝对锚点。 5****日线(攻击线与执行线):极短期战斗线,专门用于锁定最精准的买卖临门一脚。 10****日线(辅助趋势支撑线):短期的第二道防线。在5日线拉升过快时,10日线起到了辅助判断短期回调深度与趋势延续性的过滤作用。 将这几根线吃透,你就掌握了市场运行的骨骼。 买卖操作法则 掌握了均线分工后,具体的操作指令必须做到无歧义、执行果断。结合趋势与K线阴阳形态,核心买卖逻辑如下: 买入 / 满仓信号:当 20日线上穿60****日线(形成金叉,确认大趋势转多)时,在 5****日线上寻找阴线(即股价回踩靠近或触及5日均线时的阴线),果断满仓买入。 卖出 / 离场信号:当 20日线下穿60****日线(形成死叉,确认大趋势转空)时,在 5****日线上寻找阳线(即股价反弹靠近或触及5日均线时的阳线),果断卖出离场。 【技术原理透视】 为什么金叉买阴线?(顺势回踩低吸):大趋势已经转多(20线上穿60线),此时出现5日线上的回踩阴线,并不是趋势坏了,而是主力洗盘或短期获利盘出局提供的最佳回踩低吸点。在多头趋势里买阴线,成本低、安全性高。 为什么死叉卖阳线?(顺势反弹高抛):大趋势已经破位转空(20线下穿60线),此时在5日线上看到的阳线拉升,绝不是反转信号,而是典型的空头反弹。在空头趋势里见阳线果断逢高离场,能帮你完美躲过随后的崩塌式下跌。 实战心法:顺势而为,掌控买卖节奏 这套均线战法的底层实战心法只有四个字:顺势而为。 散户交易最大的通病就是“看大做小”做反了——在大趋势向下时盲目抄底,在大趋势向上时又因为震荡被洗出门。 真正的技术高手都是“看大干小”: **1.**先看大趋势:利用 20日线与 60日线的交叉定方向。金叉只做多,死叉只做空(或观望)。 **2.**再看小节奏:利用 5日线配合 K 线的阴阳找切入。上涨趋势中寻找“阴线回踩”果断买,下跌趋势中寻找“阳线冲高”果断卖。 只要你严格守住这个铁律,克服追涨杀跌的人性弱点,你的买卖节奏自然就会变得丝滑流畅,盲目交易与持仓焦虑也会随之烟消云散。 核心 简化指标:吃透5日、10日、20日与60日等核心线,抛弃花里胡哨的指标堆砌,让交易盘面回归简洁清爽。 看准趋势:以20日线与60日线的金叉(上穿)或死叉(下穿)作为判断大势多空的绝对依据,趋势明确才出手。 精准切入:多头趋势中利用5日线上的回踩阴线果断满仓切入(低吸),空头趋势中利用5日线上的反弹阳线果断离场(高抛)。 买在无人问津处(顺势回踩),卖在喧嚣热闹时(顺势反弹)。坚守规则,顺势而为,你的交易节奏对了,盈利自然水到渠成!
浏览150
评论0
收藏0
用户头像sh_*092at69ED
2026-11-19 发布
摘要:市盈率TTM怎么算,扣非利润如何影响同行估值?本文以寒武纪和海光信息为真实案例,结合行情接口与正式财报,说明财务数据API研究中如何统一价格日期、股数基准和利润期间。两家的参考倍数差距在扣非后由10.33%缩至6.34%,并附营收与股东利润拆解、利润敏感性表及可直接运行的Python复算代码。 对照两家芯片公司的估值时,先看到的往往是市值和市盈率。但市值大多少、对应股东利润多多少,这两件事放到一起,才知道倍数差距来自哪里。 这次将寒武纪、海光信息放到同一计算基准上,完成了一份可以保存的研究对照。它给出三个结果:扣非使倍数差距由10.33%缩小到6.34%;海光营收更大但扣非归母利润更少;固定参考市值时,仅寒武纪利润假设增加10%,倍数顺序就会翻转。 一、这份估值表比较什么 本例把利润期间固定为2025年10月1日至2026年9月30日,采用“2025年第四季度+2026年前三季度累计”拼接TTM。第四季度来自年报分季度表,前三季度取三季报“年初至报告期末”栏;若误取“本报告期”单季数,就会漏掉2026年1—6月。 价格统一采用2026年11月17日未复权收盘价,股数统一采用2026年9月30日披露基准。两者相乘得到本文的参考市值。由于没有逐项核对9月30日以后的股本与库存股变化,这个参考值不当作11月17日精确总市值,也不等同于软件直接显示的市盈率。 两家公司同属芯片设计研究候选,但产品组合有区别:寒武纪的年报介绍了云端、边缘端智能芯片及相关产品;海光信息的年报摘要介绍了CPU、DCU等产品。统一计算条件以后,业务仍需要分别解释。 项目 寒武纪 688256.SH 海光信息 688041.SH 11月17日未复权收盘价,元 904.80 182.54 9月30日股数,股 628,854,008 2,324,338,091 参考市值,亿元 5,689.87 4,242.85 TTM归母净利润,亿元 41.69 34.30 TTM扣非归母净利润,亿元 38.74 30.72 归母口径参考PE 136.48倍 123.70倍 扣非归母口径参考PE 146.87倍 138.10倍 按归母利润计算,海光123.70倍低于寒武纪136.48倍。到这里,只有数字高低,还没有解释利润结构。 二、把非经常性部分剥出来看 寒武纪TTM归母利润约41.69亿元,扣非后约38.74亿元;两者相差约2.95亿元,占归母利润7.07%。海光对应差额约3.58亿元,占10.43%。 同样是扣非,海光利润分母缩小的比例更大,所以倍数上升更多。扣非参考PE变成寒武纪146.87倍、海光138.10倍。 归母口径倍数差距:136.48与123.70对应约10.33% 扣非口径倍数差距:146.87与138.10对应约 6.34% 差距定义:寒武纪参考PE / 海光参考PE - 1 计算使用未四舍五入原值,以上倍数仅作展示。 这部分差距缩小,来自利润口径的切换,不是股价变化。扣非也不等于给持续盈利作保证;它只是把报告划定的非经常性部分从这次比较里单独分开。 三、市值更大,对应的股东利润也更大 同一TTM期间的经营结果 寒武纪 海光信息 营业收入,亿元 114.16 198.42 扣非归母净利润,亿元 38.74 30.72 每100元营收对应的扣非归母利润,元 33.94 15.48 非经常性部分占归母利润 7.07% 10.43% 海光营收约为寒武纪1.74倍,而扣非归母利润约为寒武纪0.79倍。这并不矛盾:每100元合并营收对应的扣非归母利润不同,规模优势还没有抵消这个比例差别。 海光/寒武纪的扣非归母利润比 ≈ 1.74 × (15.48 / 33.94) ≈ 0.79 研究时需要把这个结果写完整:它涉及合并收入与归属上市公司股东的利润,不是直接可比的整体净利率。成本费用、产品结构、税费与少数股东归属都可能参与形成结果;仅凭这张表,还不能归因到某一项经营优势。 沿着股东利润再看市值:寒武纪参考市值约为海光1.34倍,扣非归母利润约为海光1.26倍。两项相除后,扣非倍数差距才是约6.34%。 这一段可以直接写进研究笔记:寒武纪不仅参考市值更大,对应的扣非归母利润也更大。因此,不能把34%左右的参考市值差,直接理解成同样幅度的PE差。 四、给这份比较加上利润敏感性 固定两参考市值,仅改变扣非归母利润,得到五行情景: 假设情景 寒武纪扣非利润变化 海光扣非利润变化 寒武纪参考PE 海光参考PE 实际基线 0% 0% 146.87 138.10 只提高寒武纪利润 +10% 0% 133.51 138.10 只提高海光利润 0% +10% 146.87 125.55 只降低寒武纪利润 −10% 0% 163.18 138.10 两家利润同时提高 +10% +10% 133.51 125.55 除第一行外都是假设。寒武纪利润若单独提高10%,倍数降到133.51;海光利润不变时仍为138.10,顺序随之改变。 等倍数阈值约为6.34%。它要求海光利润不变、两参考市值固定,只提高寒武纪利润。这个数是数学上的条件解,不是市场隐含增长预期,也不意味着达到它就应买入。 利润增10%时,倍数除以1.10;利润减10%时,倍数除以0.90。分母变化的影响并不对称。两家公司若同时同比例提高利润,原顺序又会保留。 五、把已知结果与待验证因素分开 本次已完成的结论 后续最值得跟踪的因素 扣非使相对倍数差距缩小约4个百分点 非经常性项目形成原因 海光营收比约1.74,扣非股东利润比约0.79 产品、费用、税费与权益归属 寒武纪扣非利润单独+10%时顺序反转 新披露利润与价格是否同时变化 这三项不是选股结论,而是已经做完的研究结果。它们让下一次财报更新有了明确的比较对象,不必从“再看看基本面”重新开始。 整理财务数据API输入时,可以把报告值与价格值分开。这里的利润来自公司正式报表,价格来自TickDB MCP取得的固定日未复权收盘价,复算脚本不直接照抄一个现成PE字段。 六、原始输入与Python复算 以下代码可在本地Python 3中直接运行,只使用标准库,不需要密钥或平台数据权限。它重放本次已采集的样本,不联网刷新行情;计算过程保留人民币元的完整输入,最后才四舍五入显示。运行后生成pe_research.csv。 公司与指标,人民币元 2025年第四季度 2026年前三季度累计 寒武纪营业收入 1,889,771,835.02 9,526,401,914.25 寒武纪归母净利润 454,582,794.56 3,714,522,759.80 寒武纪扣非归母净利润 351,046,180.38 3,523,141,104.43 海光信息营业收入 4,886,914,645.83 14,954,710,229.13 海光信息归母净利润 583,444,466.10 2,846,508,812.66 海光信息扣非归母净利润 487,963,593.86 2,584,242,015.98 """Python 3 标准库;离线复算本文固定样本,不重新请求行情。 价格:TickDB 2026-11-17 未复权日线收盘价,2026-11-18 采集。 股数:两家公司 2026-09-30 披露股本;参考市值并非当日精确总市值。 财务:2025年第四季度 + 2026年前三季度,金额均为人民币元。 """ from decimal import Decimal as D, ROUND_HALF_UP import csv DATA = [ dict(name="寒武纪", code="688256.SH", close="904.80", shares="628854008", revenue_q4="1889771835.02", revenue_ytd="9526401914.25", parent_q4="454582794.56", parent_ytd="3714522759.80", adjusted_q4="351046180.38", adjusted_ytd="3523141104.43"), dict(name="海光信息", code="688041.SH", close="182.54", shares="2324338091", revenue_q4="4886914645.83", revenue_ytd="14954710229.13", parent_q4="583444466.10", parent_ytd="2846508812.66", adjusted_q4="487963593.86", adjusted_ytd="2584242015.98"), ] def fmt(x): return str(x.quantize(D("0.01"), rounding=ROUND_HALF_UP)) results = [] for item in DATA: r = {k: D(v) for k, v in item.items() if k not in ("name", "code")} r["reference_value"] = r["close"] * r["shares"] for key in ("revenue", "parent", "adjusted"): r[key] = r[key + "_q4"] + r[key + "_ytd"] r["pe_parent"] = r["reference_value"] / r["parent"] r["pe_adjusted"] = r["reference_value"] / r["adjusted"] r["nonrec_pct"] = (r["parent"] - r["adjusted"]) / r["parent"] * 100 r["adjusted_revenue_pct"] = r["adjusted"] / r["revenue"] * 100 results.append(r) print(item["name"], "归母PE=" + fmt(r["pe_parent"]), "扣非PE=" + fmt(r["pe_adjusted"]), "扣非归母/营收=" + fmt(r["adjusted_revenue_pct"]) + "%") cam, hygon = results for key in ("pe_parent", "pe_adjusted"): print(key, "倍数差距=" + fmt((cam[key] / hygon[key] - 1) * 100) + "%") # 假设情景:参考市值固定,仅对扣非归母利润做百分比调整;不是预测。 scenarios = [("基线", "0", "0"), ("寒武纪+10%", "0.10", "0"), ("海光+10%", "0", "0.10"), ("寒武纪-10%", "-0.10", "0"), ("两家均+10%", "0.10", "0.10")] for label, a, b in scenarios: print(label, fmt(cam["pe_adjusted"] / (1 + D(a))), fmt(hygon["pe_adjusted"] / (1 + D(b)))) threshold = (cam["pe_adjusted"] / hygon["pe_adjusted"] - 1) * 100 print("海光不变时,寒武纪扣非利润使倍数相等的增幅=" + fmt(threshold) + "%") # 导出完整精度,保留输入与中间量,显示时再四舍五入。 rows = [dict(name=item["name"], code=item["code"], **{k: str(v) for k, v in r.items()}) for item, r in zip(DATA, results)] with open("pe_research.csv", "w", encoding="utf-8-sig", newline="") as f: writer = csv.DictWriter(f, fieldnames=list(rows[0])) writer.writeheader() writer.writerows(rows) 实际运行输出: 寒武纪 归母PE=136.48 扣非PE=146.87 扣非归母/营收=33.94% 海光信息 归母PE=123.70 扣非PE=138.10 扣非归母/营收=15.48% pe_parent 倍数差距=10.33% pe_adjusted 倍数差距=6.34% 基线 146.87 138.10 寒武纪+10% 133.51 138.10 海光+10% 146.87 125.55 寒武纪-10% 163.18 138.10 两家均+10% 133.51 125.55 海光不变时,寒武纪扣非利润使倍数相等的增幅=6.34% 替换研究对象时,应同时更换两个不重叠期间的财务原值、同日未复权价格和明确日期及股份范围的股数。零利润、负利润不适用这里的正盈利PE排序。 数据来源与适用范围 寒武纪《2025年年度报告》第10页分季度财务数据;《2026年第三季度报告》第1页累计数据、第8页股本。 海光信息《2025年年度报告摘要》第13页分季度财务数据;《2026年第三季度报告》第1页累计数据、第8页股本。 两份2026年三季报均未经审计。所引官方PDF路径日期分别为10月24日、10月20日,不把路径日期当作首次公开时间的核验结论。 价格为2026年11月18日通过TickDB MCP的get_kline取得的11月17日未复权日线close。两只股票采用同一日期、1d和adjust="none";日线日期标签不作为成交或接收时刻。 研究值采用文中固定股数基准。敏感性表是条件计算,不是盈利预测、目标价或买卖建议;本例也不构成历史回测的时点可得数据集。
浏览88
评论0
收藏0
用户头像sh_*426h542BG
2026-11-19 发布
平时在 SuperMind 上写策略最烦的不是逻辑,是接口对不上—— 选股思路很清楚,一到 get_history、order_target 这些调用就卡壳; 用 DeepSeek / GPT 写出来的代码看着漂亮,粘进编辑器一堆 NameError、参数不匹配,改比自己写还慢。 最近在用一个专门做量化平台代码生成的工具 智量化,顺手分享给同在 SuperMind 上折腾的朋友: 自然语言描述选股+择时+仓位,直接出 SuperMind 可跑的 Python 策略 同时支持 QMT / PTrade / 聚宽 / miniQMT / 掘金 / 天勤 等,多平台来回迁不用重写 老代码丢进去让它改条件、加止损、修报错,比通用大模型准很多 内置各平台 API 文档问答,查函数不用翻手册 工具地址 👉 https://qmtai.cn/?wj 说明一下:AI 出的是技术参考代码,回测和实盘前自己过一遍逻辑,别直接上真金白银。 大家平时用 AI 写 SuperMind 策略,最常卡在 API 兼容还是逻辑改写?评论区聊聊,我也想看看还有啥坑没踩到 🤝
浏览29
评论0
收藏0
用户头像sh_****776gp5
2026-11-12 发布
平时在 SuperMind 上开发量化策略时,不知道大家有没有遇到过这样的情况: 明明已经有了比较清晰的选股思路或交易逻辑,但真正写成可运行的策略代码,还是需要花不少时间。尤其是涉及平台 API、数据获取、调仓逻辑和仓位管理时,经常需要反复修改和调试。 虽然现在 DeepSeek、ChatGPT 等通用 AI 工具也能辅助编程,但生成的代码有时会出现平台接口不匹配、函数调用错误等问题,实际运行前还需要不少调整。 最近在推广一款专门面向量化策略开发的 AI 工具——AI 量化代码助手,分享给有类似需求的朋友。 目前支持 SuperMind、QMT、PTrade、聚宽等国内主流量化平台,主要功能包括: AI 生成策略代码:直接用自然语言描述选股条件、交易信号和调仓规则,辅助生成适用于 SuperMind 的策略代码。 修改已有策略:可以在原有代码基础上调整买卖条件、选股逻辑、仓位管理和止损机制,不需要每次都从头编写。 辅助排查代码问题:帮助分析报错信息、检查代码逻辑,减少重复调试的时间。 多平台策略开发:可以针对不同量化平台的 API 和代码规范生成对应代码,方便使用多个平台的开发者。 例如,直接输入: “帮我编写一个适用于 SuperMind 的多因子选股策略,根据市盈率、ROE 和动量指标筛选股票,每周调仓一次,并设置单只股票最大持仓比例。” AI 就可以根据这些要求辅助生成对应的策略代码,后续也能继续通过自然语言修改交易逻辑。 相比通用 AI 编程工具,这类专门面向国内量化平台的助手,在平台 API 适配和策略代码开发方面可能更有针对性。 当然,AI 生成的策略仍然需要通过实际运行和历史回测验证,尤其要注意未来函数、交易成本以及策略过拟合等问题。工具主要是帮助提高开发效率,并不保证策略能够盈利。 工具地址:https://qmtai.cn/?le 也想借这个帖子和社区里的朋友交流一下: 大家平时使用 AI 编写 SuperMind 策略时,最常遇到的是 API 兼容问题,还是策略逻辑修改和代码调试方面的问题? 欢迎交流使用经验,也希望能收集一些实际需求和建议,进一步完善工具对 SuperMind 的支持。
浏览262
评论4
收藏0
用户头像mx_****69526
2026-11-17 发布
如题,研究环境进不去,显示未绑定手机号
浏览43
评论2
收藏0
用户头像sh_***174w0d
2026-11-18 发布
做对进场选择,从看懂K线形态开始 对于刚入市的股票新手来说,如何在纷繁复杂的K线走势中找到高胜率买点,是迈向稳定盈利的关键所在。盘面形态是市场多空博弈最直观的体现,看懂图表进场形态,能帮你避开盲目追高的陷阱,在主力建仓或拉升的节点精准跟进。 为了帮助广大散户朋友快速建立起系统化的看盘逻辑,本文特别梳理了6种必须掌握的经典买入进场形态及其对应的操作口诀。掌握这些形态背后的交易逻辑,你就能在盘面发出信号时做到心中有数、执行果断。 6种核心进场形态与操作策略 以下是6种核心看涨进场形态的详细拆解与操作策略: 形态一:下降楔形(歇型) 操作策略:准备抄底。 博主实战拆解:下降楔形通常出现在一段下跌趋势的尾声,股价虽然不断创出新低,但每次下跌的幅度都在缩小,波幅逐渐收窄。这表明空头能量正在迅速衰竭,多头蓄势待发。一旦盘面不再向下破位,就是绝佳的“准备抄底”信号。 形态二:上升旗形(起形) 操作策略:果断补仓。 博主实战拆解:上升旗形是强劲主升浪中常见的洗盘整理形态,股价在快速拉升后出现小幅倾斜回调,形成旗面。只要回调不破下方支撑位,就属于良性洗盘,一旦股价重新突破旗形上轨,往往会迎来第二波拉升,必须“果断补仓”锁定后市收益。 形态三:底形态 操作策略:跑步入场。 博主实战拆解:无论是圆弧底还是多重底,形态确立都意味着股价历经长时间筑底、主力吸筹充分,下方支撑极其坚实。底部拐点信号一旦确认,下跌风险已大幅释放,投资者应当机立断“跑步入场”,占领优质筹码的先机。 形态四:上升三角形(角形) 操作策略:突破就重仓。 博主实战拆解:形态上表现为上方有明确的水平阻力线,下方低点却不断抬高,反映出多头向上进攻意愿强烈,买盘力量持续增强。当股价带量向上冲破上方水平阻力位时,上涨空间被彻底打开,因此要“突破就重仓”。 形态五:头肩底形态 操作策略:进场手要快。 博主实战拆解:头肩底是技术分析中最经典的看涨反转王牌形态,由左肩、头部和右肩组成。该形态最关键的位置在于“颈线阻力位”,一旦放量突破颈线,后续往往会出现爆发性快速拉升,因此“进场手要快”,切忌犹豫错失最佳起飞点。 形态六:等腰三角形 操作策略:提示信号不能停。 博主实战拆解:等腰三角形(对称三角形)属于典型的中性变盘形态,表现为高点不断降低、低点不断抬高,收敛至尾端即面临双向选择。此时必须保持警惕,“提示信号不能停”,时刻密切盯盘,等待股价明确选择向上突破后,再跟进确认信号买入。 核心进场形态速查表 为了方便大家日常看盘速记与对照,现将6种形态与操作口诀汇总如下: 进场形态名称 核心操作口诀与策略 下降楔形(歇型) 准备抄底 上升旗形(起形) 果断补仓 底形态 跑步入场 上升三角形(角形) 突破就重仓 头肩底形态 进场手要快 等腰三角形 提示信号不能停 总结与新手风险提示 掌握这6种经典进场形态,核心在于理清**“形态识别、信号确认、果断执行”**的三步交易逻辑。不管是“突破就重仓”还是“进场手要快”,都要求我们在机会确立时告别犹豫,严格按照技术信号进行操作。 博主特别风险提示: 技术分析绝非盲目包治百病的“万能钥匙”,市场上没有100%成功的形态。在实际交易中,务必要防范假突破(骗线)风险: **1.**等待确认信号:尽量结合成交量放大、关键阻力位/颈线突破确认后再建仓。 **2.**严格设置止损:入场的同时必须设定明确的止损位(如跌破形态下轨即止损出局),控制单笔交易风险。
浏览150
评论0
收藏0
用户头像sh_***174w0d
2026-11-18 发布
为什么新手必须学会结合“大周期”与“小周期”? 你是不是也经常遇到这种尴尬的场面:刚买入股票就遭遇下跌,忍痛卖出后股价却扶摇直上?看日线觉得势头强劲立马追进去,结果一买就吃套;看盘中稍有风吹草动吓得割肉,结果刚割完股价就强劲拉升? 在纷繁复杂的股市行情中,新手迷失方向的根本原因,就是只看眼前的小波动,缺少了“大小周期联动”的交易思维。 在实际实战中,20****周线代表大周期与大趋势的方向,是交易的“大局观”;20****日线代表小周期的具体走势,是找买卖点的“战术板”。炒股新手只要死记硬背并严格执行20周线(大周期)与20日线(小周期)联动的四句交易口诀,就能建立起清晰的买卖与观望逻辑,不再盲目交易。 看多篇:20周线向上时的操作法则(做多与持股) 当大趋势处于多头行情(20周线向上)时,市场的整体风险较低,日线的波动为我们提供了建仓与持股的最佳时机。大方向看多时,重点把握以下两条法则: 口诀一:20周线向上,日线回踩20线不破,回调就是买点 触发条件: 大周期20周线方向明确向上(大趋势看多),日线在运行过程中出现阶段性回调,向下回踩20日线但企稳并未跌破。这表明20日线附近存在较强支撑,股价逢回调获得承接。 操作动作: 明确“回调即是买点”,切忌在回调时恐慌。应当把握支撑有效的进场时机,果断进行买入建仓或加仓。 口诀二:周线向上,日线站稳20线,持仓耐心持有 触发条件: 大周期周线方向保持向上,小周期日线持续成功站稳在20日线之上平稳运行,整体多头结构完好。 操作动作: 保持定力与耐心,坚定执行持仓策略,切勿因为盘中微小的震荡而轻易被洗出局,静享趋势上涨带来的丰厚收益。 趋势是交易的生命线。看懂看多信号固然重要,但学会看空避险更是新手保住本金的关键。3. 看空篇:20周线向下时的避险法则(离场与观望) 当大趋势处于空头行情(20周线向下)时,市场整体处于下行通道,任何反弹都伴随着极高的风险。此时的防守重于进攻,规避风险是第一要务: 口诀三:20周线向下,日线反抽20日线受压,逢高离场兑现 触发条件: 大周期20周线方向向下(大趋势看空),日线出现短暂向上反抽并触及20日线,但遇到明显抛压重压、无法有效突破。这代表上方压力巨大,反弹缺乏动能。 操作动作: 切勿盲目抄底或幻想大涨,应当果断趁着反抽逢高卖出离场,及时兑现利润或收回资金,规避后续再次下行的风险。 口诀四:20周线向下,日线跌破20线,行情走弱走坏,保持观望 触发条件: 大周期20周线持续向下,小周期日线进一步跌破20日线支撑,失去最后的短期防线。 操作动作: 确认行情已经完全走弱走坏,此时唯一正确的策略就是坚决管住双手、保持观望,切忌盲目进行任何抄底或买入操作。 防范风险要义: 在股市里,会买的是徒弟,会卖的是师傅,会观望的才是祖师爷!当大周期(20周线)向下时,市场整体风险偏高。无论是反抽受压还是直接跌破,第一反应必须是避险与兑现。严格执行离场与观望纪律,才能在弱市中保住本金,等待下一次牛市的到来。 速查表:四句口诀一览 交易的精髓在于纪律的严格执行。记住这四句口诀,在盘中对照大周期(20周线)与小周期(20日线)的位置关系,即可快速得出当前最适宜的操作策略。 为了方便大家截屏保存和日常对照查阅,特整理速查表如下: 周线趋势(大周期) 日线走势(小周期) 核心操作策略 20****周线向上 回踩20日线不破 回调就是买点(把握进场) 20****周线向上 站稳20日线 持仓耐心持有(坚定持有) 20****周线向下 反抽20日线受压 逢高离场兑现(切勿抄底) 20****周线向下 跌破20日线 行情走弱走坏,保持观望(规避风险)
浏览155
评论0
收藏0
用户头像sh_*219t3e
2026-09-23 发布
亲测最好用的AI编写量化策略工具,可以让 AI 直接生成同花顺Supermind上可运行的策略代码,代码质量远高于直接使用 DeepSeek、GPT等平台。 😃Supermind AI工具入口:https://easyquant.ai/ 大家可以直接向AI描述策略,然后一键生成可运行的完整策略代码,也可以把它当做一个API 查询工具。
浏览1034
评论30
收藏0