9日均线-9日均线战法

2023-04-23 技术指标 0次阅读 admin
9日均线.jpg

关于9日均线的问题,我们总结了以下几点,给你解答:

9日均线怎么看


9日均线怎么看

线八大法则
  1、均线从下降逐渐走平且略向上方抬头,而价格从均线下方向上方突破,为买进信号。
  2、价格位于均线之上运行,回档时未跌破均线后又再度上升时为买进时机。
  3、价格位于均线之上运行,回档时跌破均线,但短期均线继续呈上升趋势,此时为买进时机。
  4、价格位于均线以下运行,突然暴跌,距离均线太远,极有可能向均线靠近(物极必反,下跌反弹),此时为买进时机。
  5、价格位于均线之上运行,连续数日大涨,离均线愈来愈远,说明近期内购买者获利丰厚,随时都会产生获利回吐的卖压,应暂时卖出。
  6、均线从上升逐渐走平,而价格从均线上方向下跌破均线时说明卖压渐重,应卖出所持。有什么不懂的伽(1丶5丶7丶8丶3丶7丶9丶4丶8)了解!
  7、价格位于均线下方运行,反弹时未突破均线,且均线跌势减缓,趋于水平后又出现下跌趋势,此时为卖出时机。

均线的用法

k线图通常有分为日、周、月、季、年k线图,平时最多用日k线图,里面有5日(ma5)、10日(ma10)、20日(ma20)、30日(ma30)、60日(ma60)等均线,分别用白、黄、紫、绿、蓝等颜色在图中显示,其各线参数和颜色可以改变的。从各均线可看出股票的运行趋势。在股票市场所讲的趋势,就是股票k线连续组合的总体运行方向。
比如日k线在5、10、20、30日均线的上方,且各均线是向上,虽然其中有升有跌(均线在k线下方时都起着一定的支撑作用),这时的趋势是向上没有改变。
    
 相反日k线在各均线的下方,且各均线是向下的时候,其中同样有升有跌(均线在k线上方时都起着一定的阻力作用),这时的趋势是向下没有改变。
    
 如果均线由向上改变成向下,或由向下改变成向上,这时就有可能改变原来的趋势。可根据其运行变化来选择股票的买卖点。5、10、20日线显示出较短时间的趋势,30、60、120、250日线则显示中、长时间的趋势。
从均线运行变化选择买卖点
如下图:
① 5日均线从下方上穿10日均线形成金叉是买入提示。    
    
② 5日均线从上方下穿10均线形成死叉是卖出提示。    
 
又如下图:
 
注:快线可理解为5日线,慢线理解为10日均线。

当然要配合其它方面如kdj的走向和成交量等,才能判断出比较准确的买卖点。
要买入趋势向上的股票,因为趋势是股票运行的方向,当趋势向上就是股价运行在上升通道,或有可能受消息面影响、主力庄家洗盘,另股价出现波动回落调整,总体趋势还是向上。若股价运行趋势已向下时,就算有利好消息,股价会有所回升,但一时也难改向下趋势,还会继续下跌,因为趋势决定它的方向。一般流通盘小的较为活跃,而且容易炒作。


9日均线


9日均线


# 将收盘价转换为Series格式
close_series = pd.Series(close_price)
# 计算9日均线
ma_9 = close_series.rolling(window=9).mean()
# 计算20日均线
ma_20 = close_series.rolling(window=20).mean()
# 计算60日均线
ma_60 = close_series.rolling(window=60).mean()
# 计算120日均线
ma_120 = close_series.rolling(window=120).mean()
# 计算250日均线
ma_250 = close_series.rolling(window=250).mean()
# 将计算出的均线数据放入DataFrame中
ma_df = pd.DataFrame({'ma_9': ma_9, 'ma_20': ma_20, 'ma_60': ma_60, 'ma_120': ma_120, 'ma_250': ma_250})
# 将原始数据和均线数据合并
data_df = pd.concat([data_df, ma_df], axis=1)
# 返回数据
return data_df

# 计算MACD
def cal_macd(data_df):
# 计算12日EMA
ema_12 = data_df['close'].ewm(span=12).mean()
# 计算26日EMA
ema_26 = data_df['close'].ewm(span=26).mean()
# 计算DIF
dif = ema_12 - ema_26
# 计算DEA
dea = dif.ewm(span=9).mean()
# 计算MACD
macd = (dif - dea) * 2
# 将计算出的MACD数据放入DataFrame中
macd_df = pd.DataFrame({'dif': dif, 'dea': dea, 'macd': macd})
# 将原始数据和MACD数据合并
data_df = pd.concat([data_df, macd_df], axis=1)
# 返回数据
return data_df

# 计算KDJ
def cal_kdj(data_df):
# 计算RSV
low_list = data_df['low'].rolling(window=9).min()
high_list = data_df['high'].rolling(window=9).max()
rsv = (data_df['close'] - low_list) / (high_list - low_list) * 100
# 计算K
k = rsv.ewm(com=2).mean()
# 计算D
d = k.ewm(com=2).mean()
# 计算J
j = 3 * k - 2 * d
# 将计算出的KDJ数据放入DataFrame中
kdj_df = pd.DataFrame({'k': k, 'd': d, 'j': j})
# 将原始数据和KDJ数据合并
data_df = pd.concat([data_df, kdj_df], axis=1)
# 返回数据
return data_df

# 计算RSI
def cal_rsi(data_df):
# 计算收益
diff = data_df['close'].diff()
# 计算上涨收益
up_diff = diff.copy()
up_diff[up_diff < 0] = 0
# 计算下跌收益
down_diff = diff.copy()
down_diff[down_diff > 0] = 0
# 计算RSI
up_rsi = up_diff.ewm(com=14).mean()
down_rsi = down_diff.ewm(com=14).mean().abs()
rsi = up_rsi / down_rsi * 100
# 将计算出的RSI数据放入DataFrame中
rsi_df = pd.DataFrame({'rsi': rsi})
# 将原始数据和RSI数据合并
data_df = pd.concat([data_df, rsi_df], axis=1)
# 返回数据
return data_df

# 计算WR
def cal_wr(data_df):
# 计算最高价
high_list = data_df['high'].rolling(window=10).max()
# 计算最低价
low_list = data_df['low'].rolling(window=10).min()
# 计算WR
wr = (high_list - data_df['close']) / (high_list - low_list) * 100
# 将计算出的WR数据放入DataFrame中
wr_df = pd.DataFrame({'wr': wr})
# 将原始数据和WR数据合并
data_df = pd.concat([data_df, wr_df], axis=1)
# 返回数据
return data_df

# 计算CCI
def cal_cci(data_df):
# 计算TP
tp = (data_df['high'] + data_df['low'] + data_df['close']) / 3
# 计算MA
ma = tp.rolling(window=14).mean()
# 计算MD
md = tp.rolling(window=14).apply(lambda x: np.fabs(x - x.mean()).mean())
# 计算CCI
cci = (tp - ma) / (md * 0.015)
# 将计算出的CCI数据放入DataFrame中
cci_df = pd.DataFrame({'cci': cci})
# 将原始数据和CCI数据合并
data_df = pd.concat([data_df, cci_df], axis=1)
# 返回数据
return data_df

# 计算BOLL
def cal_boll(data_df):
# 计算MA
ma = data_df['close'].rolling(window=20).mean()
# 计算标准差
std = data_df['close'].rolling(window=20).std()
# 计算上轨线
up = ma + 2 * std
# 计算中轨线
mid = ma
# 计算下轨线
down = ma - 2 * std
# 将计算出的BOLL数据放入DataFrame中
boll_df

9日均线战法


9日均线战法

5 、 13 、 21 最绝均线战法,均线从时间的周期性来讲,分钟均线是作为超短期内的操盘线进行运用。均线从截金道的理论来讲,是操作者在战略上处于积极主动的攻击状态所建立的超短期内作战的操盘线。均线在设定操盘线时,需要遵循下列五大标准:

1、 优选第一峰端点或第一谷底点,均线就是来自分阶段的最低点与最高点;

2、 峰顶点和谷底点越陡越好;

3、 峰顶点与谷底点经过同样的均线越多越好;

4、 峰顶点和谷底点的时间择近;

5、 参数值要取中间值。

以上就是 5,13,21 最绝的均信益施更线战法相关内容。

什么叫分钟操盘线


分钟缺若一由手住国操盘线就是指在 1、5、15、30 分钟或是 60 分钟 K 线图自越板吧北零未迫易上,将股票价格在波动过程中产生的峰顶点或谷底点,均线选用逢峰变压或者是遇谷调撑技术得到的山峰线或者是山谷线,作为操盘线。一样,其操盘线可参考日 K 线图区划为攻击线、中心线以及防守线屋委粉货。均线是把在分钟 K 线图上逢峰变压或者是遇谷调撑产生的全部高山线、山谷线通称为分钟操盘线。需要强调的是,这种操盘线是股票价格变化的外部细微反映,意味着某一段时间被套筹码或者是盈利筹码的市场平均成本。

均线常见的形态有哪些


均线是一项至关重要的技术指标,也是投资者常常使用的,均线是将某一段时间的收盘价格之和除于该周期时间所获得的一根平均线。假定在一周内要求 5 天是交易日,便是把 5 个交易日的收盘价格所有加起来去除 5 得到的平均值, 10 日、 20 日等一样如此。均线的普遍形态有以下几种:

1 、均线多头排列:表矛明好几条均线支撑股票价格增长,就会看多;

2 、空头排列:表明好几条均线反压股票价格,那么就看空;

3 、银又呀左周啊衡山谷:就短中线来讲,投资者都合活越过长线时生成的图形,便会在下面出现一个三角形,或是四边形,形成出一个类似山谷道刻础等顺矿船均裂的样子,而在长期性财项更难班毫镇声下跌之后首次出现的山谷,叫成银山谷;

4 、金山谷:当银山谷出现后又不断涌现一个山谷,一般会比银山谷的买进点更值得信赖。

本文主要写的是 5,13,21 最绝的均线战法有关知识点,内容仅作参按厚考。


猜你感兴趣: 9日均线
9日均线与18日均线-9日均线战法

9日均线与18日均线-9日均线战法

9日均线与18日均线-9日均线战法..

2023-04-22 0次阅读
9日均线买卖-9日均线与18日均线

9日均线买卖-9日均线与18日均线

9日均线买卖-9日均线与18日均线..

2023-04-20 0次阅读
9日均线 12日均线 26日均线

9日均线 12日均线 26日均线

9日均线 12日均线 26日均线..

2023-04-20 0次阅读