gp指标信息

RSI:

  相对强弱指数,RSI的原理简单来说是以数字计算的方法求出买卖双方的力量对比

  强弱指标理论认为,任何市价的大涨或大跌,均在0-100之间变动,根据常态分配 

  认为RSI值多在30-70之间变动,通常80甚至90时被认为市场已到达超买状态,至此市场价格自然会回落调整。当价格低跌至30以下即被认为是超卖状态,市价将出现反弹回升。

  与MACD、KDJ等指标的背离现象研判一样,RSI的背离中,顶背离的研判准确性要高于底背离。当股价在高位,RSI在80以上出现顶背离时,可以认为股价即将反转向下,投资者可以及时卖出股票;而股价在低位,RSI也在低位出现底背离时,一般要反复出现几次底背离才能确认,并且投资者只能做战略建仓或做短期投资。

五种用途:   

1) 顶点及底点 70 及30 通常为超买及超卖讯号。

2) 分歧(或背离), 当市况创下新高 ( 低 ) 但RSI 并不处于新高(低),这通常表明市场将出现反转。

3) 支撑及阻力 ,RSI 能显示支撑及阻力位,有时比价格图更能清晰反应支支撑及阻力。

       

 曲线背离:

    顶背离: 当RSI处于高位,但在创出RSI近期新高后,反而形成一峰比一峰低的走势,而此时K线图上的股价却再次创出新高,形成一峰比一峰高的走势,这就是顶背离   卖出信号

    底背离: RSI的一般是出现在20以下的低位区。当K线图上的股价一路下跌,形成一波比一波低的走势,而RSI线在低位却率先止跌企稳,并形成一底比一底高的走势,这就是底背离。 买入信号

KDJ指标:

    随机指标KDJ一般是用于股票分析的统计体系,根据统计学原理,通过一个特定的周期(常为9日、9周等)内出现过的最高价、最低价及最后一个计算周期的收盘价及这三者之间的比例关系,来计算最后一个计算周期的未成熟随机值RSV,然后根据平滑移动平均线的方法来计算K值、D值与J值,并绘成曲线图来研判股票走势。

    KDJ指标比RSI准确率高,且有明确的买、卖点出现

    K线与D线的交叉突破在80以上或20以下时较为准确。当这种交叉突破在50左右发生时,表明市场走势陷入盘局,正在寻找突破方向。此时,K线与D线的交叉突破所提供的买卖信号无效

    J指标取值超过100和低于0,都属于价格的非正常区域,大于100为超买,小0为超卖。   

    K线是快速确认线——数值在90以上为超买,数值在10以下为超卖

    D线是慢速主干线——数值在80以上为超买,数值在20以下为超卖

    使用技巧  

    1.K与D值永远介于0到100之间。D大于80时,行情呈现超买现象。D小于20时,行情呈现超卖现象。

    2.上涨趋势中,K值大于D值,K线向上突破D线时,为买进信号。下跌趋势中,K值小于D值,K线向下跌破D线时,为卖出信号。

    3.KD指标不仅能反映出市场的超买超卖程度,还能通过交叉突破发出买卖信号。

    4.KD指标不适于发行量小、交易不活跃的股票,但是KD指标对大盘和热门大盘股有极高准确性。

    5.当随机指标与股价出现背离时,一般为转势的信号。

原文地址:https://www.cnblogs.com/focusHots/p/11761956.html

时间: 2024-10-23 02:33:08

gp指标信息的相关文章

使用jmx-exporter&&jmxtrans && nexus jmx 暴露nexus 系统指标信息

以下演示一个简单的使用jmxexporter 暴露nexus jmx 指标为prometheus metrics,同时也集成了一个简单的jmxtrans 输出数据到 graphite 环境准备 docker-compose 文件 version: "3" services: graphite: image: graphiteapp/graphite-statsd ports: - "80:80" - "2003-2004:2003-2004" -

prometheus(九) 收集kube-state-metrics指标信息

安装kube-state-metrics 下载 $ cd /opt/k8s/work/ $ wget -O kube-state-metrics.zip https://github.com/kubernetes/kube-state-metrics/archive/master.zip $ unzip kube-state-metrics.tar.gz $ cd kube-state-metrics-master/examples/standard $ ls cluster-role-bind

Spring Boot 服务监控,健康检查,线程信息,JVM堆信息,指标收集,运行情况监控等!

前言 去年我们项目做了微服务1.0的架构转型,但是服务监控这块却没有跟上.这不,最近我就被分配了要将我们核心的微服务应用全部监控起来的任务.我们的微服务应用都是SpringBoot 应用,因此就自然而然的想到了借助Spring Boot 的Actuator 模块. 本篇是我在完成这个工单之后,对Spring Boot Actuator模块 学习应用的总结.在本篇文章中,你可以学习到: 1.Spring Boot Actuator 的快速使用入门2.Spring Boot Actuator 的一些

指标监控

最近做了指标监控系统的后台,包括需求调研.代码coding.调试调优测试等,穿插其他杂事等前后花了一个月左右. 指标监控指的是用户通过接口上传某些指标信息,并且通过配置阈值公式和告警规则等信息监测自己上传指标的准确性.程序方面,接口和前台采用go + redis + mysql,后台python + mysql. 这个系统的难度主要在于数据量较大,需要在1分钟处理5w+个指标,对接口和后台程序处理并发的性能要求较高.前台则是展示问题,包括核心指标.我的订阅.指标列表.异常列表等. 系统设计: 1

(转载)Oracle AWR报告指标全解析

Oracle AWR报告指标全解析 2014-10-16 14:48:04 分类: Oracle [性能调优]Oracle AWR报告指标全解析 2013/08/31 BY MACLEAN LIU 26条评论 [性能调优]Oracle AWR报告指标全解析 开Oracle调优鹰眼,深入理解AWR性能报告:http://www.askmaclean.com/archives/awr-hawk-eyes-training.html 开Oracle调优鹰眼,深入理解AWR性能报告 第二讲: http:

SAP BW 平面文件创建信息立方体

T-CODE:RSA1 1.创建信息范围 2.创建信息范围 创建特性信息对象目录 创建关键指标信息对象目录 3.创建信息对象 依次创建客户,销售组织

Oracle AWR报告指标解析一例

啥是AWR? ===================================================================================================== AWR (Automatic Workload Repository) 一堆历史性能数据,放在SYSAUX表空间上, AWR和SYSAUX都是10g出现的,是Oracle调优的关键特性: 大约1999年左右开始开发,已经有15年历史 默认快照间隔1小时,10g保存7天.11g保存8

[有明信息]科目导向,精耕细作 ——浅谈房地产开发成本管理

题记: 2014年7月3日.世茂集团宣布.作为中国地产行业首家採用SAP ERP一体化信息平台的企业,世茂集团ERP系统已成功上线并取得卓越成效:自2013年全面运行以来,世茂集团成功採用这一"横向集成.纵向贯通"的信息化平台,实现了业务財务一体化.以及覆盖项目开发全生命周期的协同管理.并打造了全面的战略经营管控模式. 原文链接:http://mp.weixin.qq.com/s?__biz=MjM5OTI2MjgyMA==&mid=200340245&idx=2&am

0006-Zookeeper指标分析

温馨提示:要看高清无码套图,请使用手机打开并单击图片放大查看. 1. 问题描述 通过CDH管理平台,进入Zookeeper管理界面,Zookeeper的平均请求延迟.最小请求延迟.最大请求延迟指标趋势图维持不变,指标数据异常. 2.问题复现 登录CDH平台,进入Zookeeper管理页面,查看Zookeeper各服务器状态,页面如下: 查看如下指标 平均请求延迟.最小请求延迟.最大请求延迟三个指标维持不变,指标异常. 3.问题分析 3.1 指标来源 该指标是CDH通过ZookeeperJMX方式