{}A1:=(EMA(C,5)+EMA(C,15))/2; B1:=(EMA(C,30)+EMA(C,60))/2; C1:=SUM(C*V,(BARSSINCE(V>0)+1))/SUM(V,(BARSSINCE(V>0)+1))+((BARSSINCE(V>0)+1)*0); D1:=(C1+DYNAINFO(5))/2; E1:=(C1+DYNAINFO(6))/2; 振幅:=DYNAINFO(13)*100; 线幅1:=ABS((D1-B1)/B1)*100; 上涨幅:=ABS((D1-REF(D1,1))/REF(D1,1))*100; 线幅2:=ABS((C1-B1)/B1)*100; 均涨幅:=ABS((C1-REF(C1,1))/REF(C1,1))*100; 线幅3:=ABS((E1-B1)/B1)*100; 下涨幅:=ABS((E1-REF(E1,1))/REF(E1,1))*100; 慢线幅:=ABS((B1-REF(B1,1))/REF(B1,1))*100; 上差:=ABS(C1-D1);{} 下差:=ABS(C1-E1); 偏下:=COUNT(下差*3<上差,15)=15; 偏上:=COUNT(上差*3<下差,15)=15; 下横:=(COUNT(线幅2<0.15,10)=10 AND COUNT(均涨幅<0.01,10)=10 AND COUNT(慢线幅<0.01,5)=5) OR (COUNT(线幅3<0.15,10)=10 AND COUNT(下涨幅<0.01,10)=10 AND COUNT(慢线幅<0.01,5)=5); 上横:=(COUNT(线幅1<0.15,10)=10 AND COUNT(上涨幅<0.01,10)=10 AND COUNT(慢线幅<0.01,5)=5) OR (COUNT(线幅2<0.15,10)=10 AND COUNT(均涨幅<0.01,10)=10 AND COUNT(慢线幅<0.01,5)=5); 上突:=偏下 AND 下横; 下破:=偏上 AND 上横; 标准1:=COUNT(B1<E1,15)=15 AND COUNT(B1<REF(B1,1),15)=15; 标准2:=COUNT(B1<E1,20)=20 AND COUNT(B1<REF(B1,1),15)=20; 标准3:=COUNT(B1<E1,25)=25 AND COUNT(B1<REF(B1,1),20)=25; 低位:=IF(振幅>=5,标准3,IF(振幅<5 AND 振幅>=3,标准2,标准1)); DRAWBAND(D1,RGB(75,0,0),C1,0); DRAWBAND(C1,RGB(0,75,0),E1,0); STICKLINE(低位,E1,D1,0,0),COLORYELLOW; STICKLINE(上突,E1,C1,0,0),COLORRED; STICKLINE(下破,D1,C1,0,0),COLORGREEN; 均价:C1,COLORYELLOW,LINETHICK2; 上轨:D1,COLORRED,POINTDOT; 下轨:E1,COLORGREEN,POINTDOT; 回调认同:EMA(EXPMA(C,20),13),COLOR004B00; STICKLINE(回调认同>均价,回调认同,均价,1,0),COLORFF00FF; STICKLINE(回调认同<=均价,回调认同,均价,1,0),COLOR00B400; AAA:=MAX(DYNAINFO(3),DYNAINFO(5)); BBB:=MIN(DYNAINFO(3),DYNAINFO(6)); CCC:=AAA-BBB; 中轨:=(AAA+BBB)/2,COLOR999900; 阻力:BBB+CCC*7/8,COLORBLUE; 支撑:BBB+CCC*1/8,COLORFF00FF; 上顶:BBB+CCC*2/3,COLOR999900; 下底:BBB+CCC/3,COLOR999900; 价:C,COLORFFFFFF; STICKLINE(价>阻力,阻力,价,2,0),COLORRED; STICKLINE(价<支撑,支撑,价,2,0),COLORGREEN;
组合分时 副图 通达信贴图源码
张小明
前端开发工程师
基于用户会话历史生成个性化知识推荐列表
基于用户会话历史生成个性化知识推荐列表 在企业知识库日益膨胀、信息密度持续上升的今天,一个常见的困境是:员工明明知道公司已有相关文档,却总要反复提问;AI助手虽然能回答问题,但始终像个“被动应答机”,…
游戏NPC对话树生成:降低内容创作者的工作负担
游戏NPC对话树生成:降低内容创作者的工作负担 在现代游戏开发中,构建一个充满生命力的世界意味着每一个角落、每一名路人都要有自己的声音。然而,当项目规模扩大到数百个非玩家角色(NPC)时,传统的对话编写方…
基于Spring Boot框架的CRM系统的设计与实现毕业设计源码
博主介绍:✌ 专注于Java,python,✌关注✌私信我✌具体的问题,我会尽力帮助你。一、研究目的本研究旨在深入探讨基于Spring Boot框架的CRM系统的设计与实现,以提升企业客户关系管理效率。具体而言,研究目的可概括为以下几个方面&am…
Anything-LLM支持哪些文件格式?一文说清上传限制
Anything-LLM支持哪些文件格式?一文说清上传限制 在智能知识管理需求日益增长的今天,越来越多用户希望将私有文档与大语言模型结合,实现“问文档如问人”的体验。然而,通用LLM的知识是静态且公开的,无法回答关于你那份…
AI伦理委员会成立:监督anything-llm不会被滥用
AI伦理委员会成立:监督anything-llm不会被滥用 在一家中型科技公司,一名员工利用内部部署的AI助手查询“近三年所有高管薪资变动趋势”。系统没有拒绝请求——它只是按流程检索文档、调用模型、生成了详尽报告。这份本应仅限HR高层访问的数据,…
【独家首发】Open-AutoGLM开源代码获取路径全揭秘(附内测邀请码)
第一章:Open-AutoGLM开源代码地址Open-AutoGLM 是一个面向自动化自然语言处理任务的开源框架,旨在通过大语言模型实现零样本或少样本条件下的智能推理与生成。该项目由国内研究团队主导开发,已在 GitHub 上正式开源,便于开发者快速…