KD随机振荡指标简介

2024-01-04 14:32
文章标签 指标 简介 随机 kd 振荡

本文主要是介绍KD随机振荡指标简介,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

KD随机振荡指标简介

Stochastics指标又名KDJ 指标 ,是由 George Lane 首创的,最早用于期货市场。Stochastics指标在图表上采用%K和%D两条线,在设计中综合了动量 观念、强弱指标与移动平均线的优点,在计算过程中主要研究高低价位与收市价的关系,反映价格走势的强弱和超买超卖现象。它的主要理论依据是:当价格上涨时,收市价倾向于接近当日价格区间的上端;相反,在下降趋势中收市价趋向于接近当日价格区间的下端。在股市和期市中,因为市场趋势上升而未转向前,每日多数都会偏向于高价位收市,而下跌时收市价就常会偏于低位。随机指数在设计中充分考虑价格波动的随机振幅与中短期波动的测算,使其短期测市功能比移动平均线更加准确有效,在市场短期超买超卖的预测方面又比强弱指数敏感,因此,这一指标被投资者广泛采用。

KD,Stochastic Oscillator,随机摆动指标 

Stochastics指标对比给定的一段时期里,价格的范围同价格收市价(close)的相关情况。该振荡指标以双线来显示。主线被称为%K线。第二根线被称为%D线,它的数值是主线%K的移动平均线。%K通常显示为一条实心的曲线,而%D线则显示为点状曲线。

 

KD指标的计算公式

%K的方程式: %K = 100* (LOSE-LOW(%K))/(HIGH(%K)-LOW(%K))

注释:

  • CLOSE — 当天的收盘价格
  • LOW(%K) — %K的最低值
  • HIGH(%K) — %K的最高值

 

根据公式,我们可以计算出%D的移动平均线:

%D = SMA(%K, N)

注释:

  • N —用于计算的时间周期
  • SMA — 简单移动平均线

 

KD指标(随机振荡指标)的一般分析使用方法

  • 当%D线超过了80 水平线时,就进去了超买区域,如果这时又从上下穿过80水平线时,这是一个可能的做空(卖出)信号
  • 当%D线低于了20水平线 时,就进入了超卖区域,如果这时又从下上穿过20水平线时,这是一个可能的做多(买进)信号
  • 当%K线从下向上穿过%D线时,预示着新的上升趋势
  • 当%K线从上向下穿过%D线时,预示着新的下降趋势
  • 当指标处在高位(超买区域),并形成依次向下的峰,而此时价格形成依次向上的峰,这叫顶背离,是很好的做空(卖出)信号
  • 当指标处在低位(超卖区域),并形成依次向上的谷,而此时价格形成依次向下的谷,这叫底背离,是很好的做多(买入)信号

 

KD指标(随机振荡指标)主要参数相关说明和使用

  • Mode(指标线):
    • Main(%K) ,%K线,实心的曲线
    • Signal(%D),%D线,点状曲线
  • %K period,%K周期,这是在计算震荡指标过程中所用到的时间周期,默认为5
  • Slowing,这个数值控制着%K内在的平滑度。参数为1被看作是快速随机震荡指标,参数为3则被视为慢速随机指标,默认为3
  • %D period,在计算%K移动平均线时,所用到的时间周期,默认为3
  • MA method(移动平均方式):
    • Simple:即SMA,简单移动平均线
    • Exponential:即EMA,指数平滑移动平均线
    • Smoothed:即SMMA,平滑移动平均线
    • Linear weighted:即LWMA,线性加权移动平均线
  • Price field
    • Low/High,默认选项
    • Close/Close

这篇关于KD随机振荡指标简介的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/569622

相关文章

ASIO网络调试助手之一:简介

多年前,写过几篇《Boost.Asio C++网络编程》的学习文章,一直没机会实践。最近项目中用到了Asio,于是抽空写了个网络调试助手。 开发环境: Win10 Qt5.12.6 + Asio(standalone) + spdlog 支持协议: UDP + TCP Client + TCP Server 独立的Asio(http://www.think-async.com)只包含了头文件,不依

业务协同平台--简介

一、使用场景         1.多个系统统一在业务协同平台定义协同策略,由业务协同平台代替人工完成一系列的单据录入         2.同时业务协同平台将执行任务推送给pda、pad等执行终端,通知各人员、设备进行作业执行         3.作业过程中,可设置完成时间预警、作业节点通知,时刻了解作业进程         4.做完再给你做过程分析,给出优化建议         就问你这一套下

容器编排平台Kubernetes简介

目录 什么是K8s 为什么需要K8s 什么是容器(Contianer) K8s能做什么? K8s的架构原理  控制平面(Control plane)         kube-apiserver         etcd         kube-scheduler         kube-controller-manager         cloud-controlle

【Tools】AutoML简介

摇来摇去摇碎点点的金黄 伸手牵来一片梦的霞光 南方的小巷推开多情的门窗 年轻和我们歌唱 摇来摇去摇着温柔的阳光 轻轻托起一件梦的衣裳 古老的都市每天都改变模样                      🎵 方芳《摇太阳》 AutoML(自动机器学习)是一种使用机器学习技术来自动化机器学习任务的方法。在大模型中的AutoML是指在大型数据集上使用自动化机器学习技术进行模型训练和优化。

SaaS、PaaS、IaaS简介

云计算、云服务、云平台……现在“云”已成了一个家喻户晓的概念,但PaaS, IaaS 和SaaS的区别估计还没有那么多的人分得清,下面就分别向大家普及一下它们的基本概念: SaaS 软件即服务 SaaS是Software-as-a-Service的简称,意思是软件即服务。随着互联网技术的发展和应用软件的成熟, 在21世纪开始兴起的一种完全创新的软件应用模式。 它是一种通过Internet提供

LIBSVM简介

LIBSVM简介 支持向量机所涉及到的数学知识对一般的化学研究者来说是比较难的,自己编程实现该算法难度就更大了。但是现在的网络资源非常发达,而且国际上的科学研究者把他们的研究成果已经放在网络上,免费提供给用于研究目的,这样方便大多数的研究者,不必要花费大量的时间理解SVM算法的深奥数学原理和计算机程序设计。目前有关SVM计算的相关软件有很多,如LIBSVM、mySVM、SVMLight等,这些

AI学习指南深度学习篇-带动量的随机梯度下降法的基本原理

AI学习指南深度学习篇——带动量的随机梯度下降法的基本原理 引言 在深度学习中,优化算法被广泛应用于训练神经网络模型。随机梯度下降法(SGD)是最常用的优化算法之一,但单独使用SGD在收敛速度和稳定性方面存在一些问题。为了应对这些挑战,动量法应运而生。本文将详细介绍动量法的原理,包括动量的概念、指数加权移动平均、参数更新等内容,最后通过实际示例展示动量如何帮助SGD在参数更新过程中平稳地前进。

urllib与requests爬虫简介

urllib与requests爬虫简介 – 潘登同学的爬虫笔记 文章目录 urllib与requests爬虫简介 -- 潘登同学的爬虫笔记第一个爬虫程序 urllib的基本使用Request对象的使用urllib发送get请求实战-喜马拉雅网站 urllib发送post请求 动态页面获取数据请求 SSL证书验证伪装自己的爬虫-请求头 urllib的底层原理伪装自己的爬虫-设置代理爬虫coo

新一代车载(E/E)架构下的中央计算载体---HPC软件架构简介

老规矩,分享一段喜欢的文字,避免自己成为高知识低文化的工程师: 屏蔽力是信息过载时代一个人的特殊竞争力,任何消耗你的人和事,多看一眼都是你的不对。非必要不费力证明自己,无利益不试图说服别人,是精神上的节能减排。 无人问津也好,技不如人也罢,你都要试着安静下来,去做自己该做的事.而不是让内心的烦躁、焦虑、毁掉你本就不多的热情和定力。 时间不知不觉中,快要来到夏末秋初。一年又过去了一大半,成