关于vr指标参数的问题，我们总结了以下几点，给你解答：
vr指标参数设置及使用技巧
草图阶段设置
1、 全局开关面板：关闭3D默认的灯光，关闭“反射/折射”和“光滑效果”
2、 图像采样器：“固定比率”，值为1。
3、 关闭“抗锯齿过滤器”。
4、发光贴图：预设[非常低]，模型细分30，插补采样10
5、 灯光缓冲：细分100
6、 RQMC采样器：适应数量0.95 噪波阈值：0.5 最小采样值8 全局细分倍增器：0.1
7、灯光和材质的细分值都降低5—8
出图阶段设置
1、全局开关面板：打开“反射/折射”和“光滑效果”
2、图像采样器：“自适应准蒙特卡洛”。
3、打开“抗锯齿过滤器”，选择“Mitchell-Netravali”
4、发光贴图：预设[中]，模型细分50，插补采样30
5、-灯光缓冲：细分1200
6、RQMC采样器：适应数量0.8 噪波阈值：0.005 最小采样15 全局细分倍增器：2
7、灯光和材质的细分值可增加20—50 参考：大树建筑论坛vr指标参数
:param df_data:
:return:
"""
# 分组
df_data_group = df_data.groupby(['date', 'code'])
# 计算每组的收益率
df_data_group_pct = df_data_group['close'].pct_change()
# 将收益率放入原数据中
df_data['pct_change'] = df_data_group_pct
# 计算每组的收益率的累计收益率
df_data_group_cumpct = df_data_group_pct.cumsum()
# 将累计收益率放入原数据中
df_data['cum_pct_change'] = df_data_group_cumpct
# 计算每组的收益率的累计收益率的平方
df_data_group_cumpct_square = df_data_group_cumpct ** 2
# 将累计收益率的平方放入原数据中
df_data['cum_pct_change_square'] = df_data_group_cumpct_square
# 计算每组的收益率的累计收益率的平方的累计收益率
df_data_group_cumpct_square_cumpct = df_data_group_cumpct_square.cumsum()
# 将累计收益率的平方的累计收益率放入原数据中
df_data['cum_pct_change_square_cumpct'] = df_data_group_cumpct_square_cumpct
# 计算每组的收益率的累计收益率的平方的累计收益率的平方
df_data_group_cumpct_square_cumpct_square = df_data_group_cumpct_square_cumpct ** 2
# 将累计收益率的平方的累计收益率的平方放入原数据中
df_data['cum_pct_change_square_cumpct_square'] = df_data_group_cumpct_square_cumpct_square
# 计算每组的收益率的累计收益率的平方的累计收益率的平方的累计收益率
df_data_group_cumpct_square_cumpct_square_cumpct = df_data_group_cumpct_square_cumpct_square.cumsum()
# 将累计收益率的平方的累计收益率的平方的累计收益率放入原数据中
df_data['cum_pct_change_square_cumpct_square_cumpct'] = df_data_group_cumpct_square_cumpct_square_cumpct
# 计算每组的收益率的累计收益率的平方的累计收益率的平方的累计收益率的平方
df_data_group_cumpct_square_cumpct_square_cumpct_square = df_data_group_cumpct_square_cumpct_square_cumpct ** 2
# 将累计收益率的平方的累计收益率的平方的累计收益率的平方放入原数据中
df_data['cum_pct_change_square_cumpct_square_cumpct_square'] = df_data_group_cumpct_square_cumpct_square_cumpct_square
# 计算每组的收益率的累计收益率的平方的累计收益率的平方的累计收益率的平方的累计收益率
df_data_group_cumpct_square_cumpct_square_cumpct_square_cumpct = df_data_group_cumpct_square_cumpct_square_cumpct_square.cumsum()
# 将累计收益率的平方的累计收益率的平方的累计收益率的平方的累计收益率放入原数据中
df_data['cum_pct_change_square_cumpct_square_cumpct_square_cumpct'] = df_data_group_cumpct_square_cumpct_square_cumpct_square_cumpct
# 计算每组的收益率的累计收益率的平方的累计收益率的平方的累计收益率的平方的累计收益率的平方
df_data_group_cumpct_square_cumpct_square_cumpct_square_cumpct_square = df_data_group_cumpct_square_cumpct_square_cumpct_square_cumpct ** 2
# 将累计收益率的平方的累计收益率的平方的累计收益率的平方的累计收益率的平方放入原数据中
df_data['cum_pct_change_square_cumpct_square_cumpct_square_cumpct_square'] = df_data_group_cumpct_square_cumpct_square_cumpct_square_cumpct_square
# 计算每组的收益率的累计收益率的平方的累计收益率的平方的累计收益率的平方的累计收益率的平方的累计收益率
df_data_group_cumpct_square_cumpct_square_cumpct_square_cumpct_square_cumpct = df_data_group_cumpct_square
vr指标参数最佳设置
roc来自指标最佳的参数设置一般情况就是三根超买线，第一根是超买线 (参数值5-10)，第青二根是超买线 (参数值12-17），第三根是超买线 (参数值18-35)。
拓展资料
1.在趋势明显的市场中，当ROC由上往下跌破0时，为卖出时机；当RO现吗矛与增女住C由下往上穿破0时爱无攻克后，为买进时机。
2.在黄趋势不明显的平衡震增采荡行情中，当ROC由上往下跌破MAROC时，冷为卖出时机；而当ROC律概候冷预源由下往上穿破MAR控析核速OC时，为买进时机。
3.当股价创新低点，而ROC未配合下降，意味下跌动力减弱，此背离现象，应逢低承接；当股价创新高点，而ROC未配合上升，意味上涨动力减弱，此背离现象，应慎防股价反转而下。
4.若井股价与ROC在低水平同步上升，显示短期趋向正常或短期会有股价反弹现象；若股价与ROC在高水平同步下降，显示短期趋向正常或样十章支多短期会有股价回落现象。
5.ROC波动于“常态范围”因朝声克友调还输承黑帮内，上升至第一条超买线时，应卖出股票；下降至第一条超卖线时，应买进股票。
6.ROC向上突破第一条超买线后，指标继续朝第二条超买线涨升的可能性很大，指句候技雨木巴诗否息本标碰触第二条超买线时，涨势多半将结束。
7.ROC向下跌破第一条超卖线后，指标继续朝第二条超卖线下跌脱控频的可能性很大，指标碰触第二条超卖线时，跌势许一际事准重缺清八确胞多半将停止。
8.ROC向上穿越第三条超买线时，属于疯狂性多头行情，应尽量不轻易卖出持股。
9.ROC向下穿越第三条超卖线时，属于崩溃性空头行情，应克制不轻易买进股票。
10.当ROC指标穿越第三条超买超卖线时，将股票交给SAR指标管理，成果相当令人满意。
注意要点
1.每只股票误被势波志市都需具体界定其超田角纸功双看考轴金历许买超卖值。界定某只股票的超买超调音卖值时，可以观察近一年来ROC在“常态范围”中，大约上升与下跌位置。此距离就是第一条超买超卖线的位置，再以此等距离向上和向下，画第二条、第三条超买超卖线。
2.为了判断是否处于“常态范围”，可参考BR、CR、VR等指标，如果上述指标没有异常上扬，大致上都属于“常态范围”。
