本篇文章给大家谈谈炒股指标软件，以及炒股指标哪个可靠的知识点，希望对各位有所帮助，不要忘了收藏本站喔。
很多人在网上看到一个别人编写的指标源码，觉得好不错，自己也想用，今天就来简单介绍一下怎么使用这些自定义指标。
首先，所有的自定义指标都只能在电脑版软件中使用，我们首先要在电脑上安装指标适用的炒股软件，大智慧、同花顺、通达信等都支持自定义指标，这里用通达信软件举例说明。点击独立行情登录进入软件界面后，在软件左上角选择功能下拉菜单中的公式系统，或者直接按Ctrl+F键，进入公式管理器界面，如图所示：
通达信公示管理器界面
然后选择左侧任意一个类别，如大势型、超买超卖型等，你要根据指标类型选也可以，但是不影响使用。选择好之后，点击新建按钮，输入公式名称、参数（如果有的话）、公式内容，并选择是主图指标还是副图指标，主图指标就是软件界面中最大的图使用的指标，副图指标是主图下方显示的指标，你可以选择适合自己的类别，但是有的主图指标如果设置为副图指标，需要选择叠加K线。
输入公式并设置（本公式只是举例用）
最后点击测试公式，如有错误提示则进行修正，或者直接点确定。然后回到软件主图K线走势界面，输入刚才命名的自定义公式名称，就看到效果了。有什么问题也可以私信问我。
最近一直在想，得找个靠谱的指标来作为仓位控制的依据，最后，我选定了通达信的平均股价（880003）。
这个指标的优势：
1. 他是所有股票的算术平均值，不存在市值权重的问题，所以不会像上证、创业板指那样让少数权重股左右，也就是说这个平均股价的指数不会失真。
2. 他的涨跌，明显决定我们两个市场的股票上涨及下跌家数的对比，是市场情绪最直观的反映。同时，他涨幅的大小就直接决定了我们市场的赚钱效应。
3. 同样可以用各种技术分析来判断他的走势，同样服从于趋势理论，这样就可以作为我们进出场及仓位控制的依据。
这个指标的用法，我暂总结如下：
1. 在日线图中，用EXPMA方法看盘，白线下穿黄线为空头开始，需要空仓。股价反弹站上白线确认底部，可以开始建底仓。白线上穿黄线企稳，可以将仓位加大到5成以上操作。同样，形成日线顶分型，要密切关注减仓。
2. 从长期趋势来看，如果上证指数创新高，平均股价不创新高，这是项背离，要小心大幅杀跌，注意减仓。反之，如果上证指数创新低，平均股价不再创出新低，这是底背离，准备选股建仓。
3. 短线来看，如果平均股价出现上涨或下跌经典K线形态，同时可以作为加减仓的操盘依据。
如上图，副图指标【股海赢家指标】，指标由以下几个功能部分组成。
1.柱线
(1)长柱整体上紫色柱线和绿色柱线，紫色柱线庄筹大于散筹，属于主力控盘行情段；绿色柱线部分散筹大于主筹，属于非主力控盘阶段。
(2)行情低位绿柱中带短红柱，短线反弹或开始转多，参考低吸做多。
(3)紫色柱线中带短绿柱，主力控盘度转弱，结合行情走势趋势跟踪，趋势破位减仓或卖出，或行情与绿柱同步下行则逢高卖出或及时卖出。
2.底部蓝色和绿色虚线部分
(1)绿色虚线部分做空区间，持币观望或换股。
(2)蓝色虚线阶段做多或持股待涨
3.行情上涨途中，可以沿紫色柱线中红色短柱线画趋势线跟腙，或结合行情走势画趋势线跟踪。
4紫色柱线部分是主力控盘阶段，即便是紫色柱线带绿色短柱线，也要继续关注，后续再度转为红主线继续趋势做多操作。
如上图，在副图指标对应的A点是绿柱中带红色短柱线，出现这个信号开始，参考低吸
进场。在B点是底部多空区间出现蓝色虚线，转为做多区间，也是进场做多信号。
在持股到如上图的AB两个点，A点对应的是转入做空区间，蓝色虚线消失出现绿色虚
线，选择卖出或减仓。
在B点，出现紫色柱线中带绿色短柱线，逢高减仓，或切换到60分钟跟踪行情。
如上图，中间一段，做多区间和柱线做多行情共振，持股待涨，主升行情不会错过。
如上图，在A点，柱线由绿色转为紫色，进入主力筹码控盘阶段，虽然调整时候，紫色
柱线带短绿柱，属于调整或洗盘，B段带绿短柱消失后，进入C点出现紫色柱线带红短
柱，再度进入强势阶段，进场或加码顺势继续做多。
散户炒股最稳妥的盈利战法莫过于低吸潜伏，也就是抄底待涨。
但是，何处为底？何时会涨？
不能正确辨别底部，有可能会抄在半山腰，随后再腰斩。
不能辨别起涨点，进场后要么继续下跌，要么长期横盘。
这两个问题，通过顾比压力线突破技术，可以有效解决，亲测准确率达80%以上。
顾比是一个国外股票技术分析专家，他创立了一种较为稳妥的反转确认技术指标。股票如果是持续下跌趋势，在日K线图形中，如果某一日没有出现新低，则可以暂时认为昨日最低点为阶段最低，随后股价有可能展开上涨行情。
这个后续上涨行情，有可能是反弹，幅度较小，然后继续横盘或下跌。也有可能大幅反弹，形成反转，持续上涨，形成一波大的上涨行情。
那么，顾比压力线能否突破，就是区别反弹和反转的关键确认指标。如果带量突破了，形成反转，那么，此前的最低点就是底部，现在的突破点就是起涨买点，低吸潜伏抄底待涨的两个关键问题就全部完美解决了。
顾比压力线是如何确定反转突破呢？
如上所述，把形成最低价的K线标记为1，往前倒数，寻找最低价依次抬高的两根K线，可以连续也可以不连续，标记为2，3. 总之，找到三根最低价低次降低的三根K线，最上面一根为3号。
把3号K线的最高价，作为关键压力线。如果后续上涨能带量突破，就形成反转，持续上涨。如果不能突破，或者上冲突破又回落形成上影线，则只是有限反弹，大概率还要下跌或横盘。
这个指标的内在含义就是：下跌过程中股价止跌回升，回升幅度如果大于此前三根下跌K线累计幅度，则标志着多方力量、意愿已经大于空方，成功收复超跌区域，形成反转持续上涨行情。
反之，则标志着多方反攻力量不足，不能改变空方掌控局面。
这一点，实际上也等于量化了起涨前“黄金坑” 的有效深度：左侧三根下跌K线累计跌幅。右侧上涨K线如果能够收复这个累计跌幅，则相当于成功跳出“黄金坑”，否则，不能出坑，坑也就不是“黄金坑”，而是下跌中继。
以顾比压力线突破为买点，并不是买在最低点，但是，却是一个上涨较为确定的位置，作为散户，确定性应该优于利润空间。也就是不吃鱼头，只吃确定性的肥美鱼身。
中国古语有云“事不过三”，过三就意味着性质突变，是从量变到质变的转变界限。想不到老外创立的技术指标也是如此吧？
感兴趣的股友，可以实测，亲自验证，才能成为自己的实用技术。
背景
近期在学习数据分析，在课程最后老师讲了一下通过量化分析选择股票的案例，感觉挺有意思的，恰好周围也有人在炒股票，干脆自己做一个软件来实践一下学到的知识。课程上主要用python相关库来处理比特币的数据，数据量也不大，但是理解原理之后我们可以举一反三。
首先来回顾一下主要的知识点，选择股票的时候会用到两个重要的指标RSV、KDJ。他们的定义见下面的课件截图，具体的内容我就不阐述了，因为我是非金融专业的，对这些词汇解释起来有点吃力。我们只要记住这两个指标如何计算，以及后面如何使用即可
KDJ指标的定义
计算K指标
计算D指标
计算J指标
实验原理
老师在课程中讲到K和D都是反映股票变化趋势的，K要比D灵敏，当K值上穿D值时（第一次出现K>D）时代表股票可能出现向上反弹，此时是买入时机，当K下穿D值时（第一次出现K<D）时，代表股票有较大概率出现下跌，此时是卖出时机。
通过利用这个方法，我们可以在4000多支股票中筛选出若干可能出现反弹的股票，然后再用人的经验和其他方面的信息选出心仪的股票了。
我们的实验思路是：
先从网络上获取过去半年 4000支股票的交易信息，包括日期（date）、最高价（high）、最低价（low）、开盘价（open）、收盘价（close），将这些信息存储到stockbars表中
用python程序读取stockbars表中的每条记录，计算出rsv指标存储到stockrsvs表中
最后用python程序读取stockrsvs表，计算出k、d、j三个指标
最后我们用SQL语句查询数据库，每个人可以基于RSV、k、d、j这四个值自由定义查询方式
这里我们用到了kdj金融知识、python编程知识、SQL语言以及数据库相关的内容，也算是一次综合性的演练了。还可以利用Sugar来在线绘制大屏，https://juejin.cn/post/6976562433695416327
实验过程
实验环境准备
我们用到了python开发环境，这里我们用docker直接获取一个镜像使用，省的安装一堆乱七八糟的依赖，当然你也可以按照自己的喜好来自行安装
docker pull docker.io/python
数据库我们使用了一个免费的云数据库MemFireDB https://memfiredb.com ，他提供了公网IP以及可视化的SQL编辑器方便我们后续查询数据
实验步骤和代码
获取原始数据
计算RSV指标
for bar in bars: rsv = session.query(StockRSV).filter( StockRSV.id == bar.stock_id + "_" + str(bar.date) ).first() if rsv is not None: print("rsv: id:%s stock_id:%s, date:%s,rsv value:%s cal next bar" % ( rsv.id, rsv.stock_id, rsv.date, rsv.rsv )) continue prevbars = session.query(StockBar).filter( StockBar.stock_id == stock.id, StockBar.date <= bar.date ).order_by(StockBar.date.desc()).limit(window).all() if len(prevbars) < window: print("stock %s date %s perv less than window %s cal next date" % (stock.id, bar.date, window)) continue for prevbar in prevbars: print("prevbar: id %s , stock_id:%s, date:%s, open:%s, high:%s, low:%s, close:%s" % (prevbar.id, prevbar.stock_id, prevbar.date, prevbar.open, prevbar.high, prevbar.low, prevbar.close)) low = prevbars[0].low high = prevbars[0].high lastopen = prevbars[0].open lastclose = prevbars[0].close for prevbar in prevbars: if prevbar.high >= high: high = prevbar.high if prevbar.low <= low: low = prevbar.low print("rsv: stock_id %s, date:%s lastopen:%s, lastclose:%s, high:%s, low:%s" % ( bar.stock_id, bar.date, lastopen, lastclose, high, low)) stockrsv = StockRSV(id = bar.stock_id + "_" + str(bar.date), stock_id = bar.stock_id, date = bar.date, rsv = 100 * (lastclose - low) / (high - low)) session.add(stockrsv) session.commit()
计算结果
计算KDJ指标
for stock in stocks: i += 1 rsvs = session.query(StockRSV).filter( StockRSV.stock_id == stock.id ).order_by(StockRSV.date.asc()).all() if len(rsvs) < 1: print("stock %s rsv less than window %s real %s cal next stock" % (stock.id, 1, len(rsvs))) continue for stockrsv in rsvs: curkdj = session.query(StockKDJ).filter( StockKDJ.id == stockrsv.stock_id + "_" + str(stockrsv.date) ).first() if curkdj is not None: print("kdj id:%s, stock_id:%s,date:%s,k:%s, d:%s,j:%s exist cal next" % ( curkdj.id, curkdj.stock_id, curkdj.date, curkdj.k, curkdj.d, curkdj.j )) continue lastkdj = session.query(StockKDJ).filter( StockKDJ.stock_id == stockrsv.stock_id, StockKDJ.date < stockrsv.date ).order_by(StockKDJ.date.desc()).limit(1).first() lastkvalue = 0 lastdvalue = 0 if lastkdj is not None: lastkvalue = lastkdj.k lastdvalue = lastkdj.d stockkdj = StockKDJ(id = stockrsv.stock_id + "_" + str(stockrsv.date), stock_id = stockrsv.stock_id, date = stockrsv.date, k = curkvalue, d = curdvalue, j = 0) session.add(stockkdj) session.commit()
计算结果
使用SQL选股
我们选择最近RSV值较低，且K>D 的十只股票
到股票软件上查看这几只股票的趋势图
实验总结
通过这次实验，我们探索了一种方法，使用python获取股票数据，因为记录数较多且计算过程无法递归，只能通过循环的方式结合数据库循环计算指标。最后将计算的结果存储在数据库中，利用SQL语言的丰富语义，可以灵活验证各种选股的模型。
引用地址:https://www.cha65.net/202308/33252.html
tags: