炒股技巧 
技术指标
炒股入门 
炒股专题 
炒股问题 
外部文章 
网站首页手机炒股指标(炒股指标软件)
本篇文章给大家谈谈手机炒股指标，以及炒股指标软件的知识点，希望对各位有所帮助，不要忘了收藏本站喔。
文章详情介绍：
如何让手中的股票变成T+0（手机版）
做T的必要性：大多数人是很难掌握超短和打板的，精准择时也挺难的。如果买进趋势牛股的话，不断做T拉低成本，提高收益，是一个可以穿越牛熊市通用的好办法。
适用范围：趋势牛股，股票本身振幅大，有中长期持股的信心。
做T的根本目的是为了降低成本，那建仓的时候其实就不应该是一笔买入，尽量分批建仓。
工具：同花顺L2，或者其他软件类似的功能
常用指标：①日内均线 ②大单进出图
具体操作方法：
①如果放量下跌，大单加速逃出的话，先不要B，要等。可以在有这个迹象的时候先S，等到流出趋稳的时候再B（反T）。
②均线上S，均线下B，基本不会出错。
③在下单界面设置好了是每次买入卖出多少股，这样比较方便下单。做T的精髓就是买多少卖多少，筹码不丢，成本拉低。
④大跌大补，小跌小补。比如跌个2-3%补一份就好啦，跌5-7%可能就是两份或者三份。
炒股软件指标编辑教程
会的略过，这里做一个自建指标编辑小教程，不足之处还请指正！
以同花顺为例，我选取了一个指标，并命名拐点指标，自测还是挺准的，本人的投资理念以后我们慢慢分享，这里先说一个：那就是“就势论事”，字没写错，这里的势指的是趋势的意思，“事”指的是你买卖的行为：永远买处于上升趋势的股票，并学会在止盈，这是你赚钱的法宝！
这里分三步介绍：第一步效果示例，第二部代码，第三部叫你如何添加
废话少说，第一步：先上图看一下效果
示例1
示例2
示例3
这个指标还可以根据你设置的K线周期（比如周线、月线）进行显示，这就更容易让你看清楚一只股票是处于上升还是下降趋势中了！
第二部：代码
VAR1:=SUM(MAX(MAX(HIGH-LOW,ABS(HIGH-REF(CLOSE,1))),ABS(LOW-REF(CLOSE,1))),25);
VAR2:=HIGH-REF(HIGH,1);
VAR3:=REF(LOW,1)-LOW;
VAR4:=SUM(IF(VAR2>0 AND VAR2>VAR3,VAR2,0),25);
VAR5:=SUM(IF(VAR3>0 AND VAR3>VAR2,VAR3,0),25);
VAR6:=VAR4*100/VAR1;
VAR7:=VAR5*100/VAR1;
VAR8:=MA(ABS(VAR7-VAR6)/(VAR7+VAR6)*100,15);
VAR9:=(VAR8+REF(VAR8,15))/2;
A:=(VAR7>VAR6 AND VAR7>25 AND VAR6<25);
B:ZIG(3,50/5)*100,COLORWHITE;
G:MA(B,2),COLORYELLOW;
D:=CROSS(B,G)*1000,COLORRED;
W:=CROSS(G,B)*1000,COLORBLUE;
E:=REF(INDEXC,1);
F:=SMA(MAX(INDEXC-E,0),3,1)/SMA(ABS(INDEXC-E),3,1);
VAR10:=F AND F<8;
VAR11:=(CLOSE-LLV(LOW,9))/(HHV(HIGH,9)-LLV(LOW,9))*100;
VAR12:=SMA(VAR11,3,1);
VAR13:=SMA(VAR12,3,1);
VAR14:=VAR13 AND VAR13<20;
MM:=A AND D AND VAR10 AND VAR14 ;
DRAWTEXT(W=1000,B*1.05,'卖' ),COLOR00FF00;
DRAWTEXT(D=1000,B*1.05,'买'),COLORRED;
上面的代码都是英文符号，包括标点符号，你刚开始看可能会有些蒙圈，但是不要怕，按照第三部的方式做一遍，看看效果，等待熟练之后，你就不会再怕这些代码了，同花顺有个公式指标编辑教程了，有兴趣的可以搜索下来研究一下，简单的编程其实很简单的，关键是你的炒股的思想怎么高度总结后融入到指标中去，比如上面这个用到的就是均线理论，现在大多数的均线默认的都是5日，10日、20日....你是不是有自己的研究比这些默认的均线更准确？你是不是研究某一只特定的股票找出适合这个个股的均线值？....均线的学问大了去了，还是值得好好研究一下的！
第三部：操作
（1）打开同花顺软件，工具->公示管理，会得到示图5显示框
示图4
（2）新建->技术指标：公示管理里面有很多类型可选，这里我们添加的是技术指标，点击新建后，选技术指标，然后点击确定，会出现示图6显示框，
示图5
（3）这一步也就是类似于编程中的编辑工具了，你对指标的命名、描述、参数设置、编码等等都在这里完成，这里我给你了你完整的源代码，参数设置和赋值你不用理会，用的都是系统的，有的是在代码中直接用的，你只需要按照12345步走就行了：第一步给你的指标命名，这里不能全部用汉字，必须要以英文开头，我们这里命名GD指标（拐点指标的意思），你还可以再指标描述里面（既第二步）对该指标进行备注，然后将上面的代码完整的粘贴进3的区域内（注意不要有多余空格），然后第四部测试公示，如果你按照我上面说的，你会得到“编译测试成功！”的蓝色提示，那恭喜你，你的第一个指标公示编辑完成了，点击第五步确定即可得到示图7
示图6
（4）在自定指标中可以看到你的自定义指标了：GD指标（拐点指标），然后点击退出
示图7
（5）打开你的自选股中的一个，然后切换到K线图，在图中标注1的地方有个设置，点击然后出现对话框，找到你的自定义技术指标，然后选中你的这个GD指标（拐点指标），点击添加，你的指标就出现了右边的选用指标框中了（这个框中的指标都是你K线图下面的指标，很多都是你基本用不到的，可以删除一些不用的）
示图8
（6）如果你严格按照上面的步骤进行操作，不出意外你的个股K先图下面会出现一个新的自定义指标：GD指标
以上就是一个完整的自定义指标添加过程，好的指标对你投资会有非常大的帮助，很多人在炒股过程中会经常总结出一些经验或者教训，但是很难保存下来并应用到实践中，待你学会公示编辑就不一样了，你可以把你的经验或者教训高度浓缩到那一行行代码中去，这个是非常非常有用的，避免了因个人原因造成误判的可能性！
至于代码怎么写，这个前面也说了一点，开始时可能有些难，但是看多了就不难了，这个比正规的计算机软件编程不知道简单了多少倍！你上网找一些指标编辑公式的小文章看一看，熟悉一下基本的语法和规则，记一些常用的参数和函数，先做到能读懂这个公式。然后上网搜索一些公式指标的源代码，读懂后在他的基础上进行修改和完善。前两步能做很好了就可以尝试自己编写了，虽然很麻烦，但是很有必要！
辛苦码字不容易，尊重原创，关注、点赞加转发，感谢您的支持，如果有什么问题可留言交流！
我用python实现了一个量化选股程序
背景
近期在学习数据分析，在课程最后老师讲了一下通过量化分析选择股票的案例，感觉挺有意思的，恰好周围也有人在炒股票，干脆自己做一个软件来实践一下学到的知识。课程上主要用python相关库来处理比特币的数据，数据量也不大，但是理解原理之后我们可以举一反三。
首先来回顾一下主要的知识点，选择股票的时候会用到两个重要的指标RSV、KDJ。他们的定义见下面的课件截图，具体的内容我就不阐述了，因为我是非金融专业的，对这些词汇解释起来有点吃力。我们只要记住这两个指标如何计算，以及后面如何使用即可
KDJ指标的定义
计算K指标
计算D指标
计算J指标
实验原理
老师在课程中讲到K和D都是反映股票变化趋势的，K要比D灵敏，当K值上穿D值时（第一次出现K>D）时代表股票可能出现向上反弹，此时是买入时机，当K下穿D值时（第一次出现K<D）时，代表股票有较大概率出现下跌，此时是卖出时机。
通过利用这个方法，我们可以在4000多支股票中筛选出若干可能出现反弹的股票，然后再用人的经验和其他方面的信息选出心仪的股票了。
我们的实验思路是：
先从网络上获取过去半年 4000支股票的交易信息，包括日期（date）、最高价（high）、最低价（low）、开盘价（open）、收盘价（close），将这些信息存储到stockbars表中
用python程序读取stockbars表中的每条记录，计算出rsv指标存储到stockrsvs表中
最后用python程序读取stockrsvs表，计算出k、d、j三个指标
最后我们用SQL语句查询数据库，每个人可以基于RSV、k、d、j这四个值自由定义查询方式
这里我们用到了kdj金融知识、python编程知识、SQL语言以及数据库相关的内容，也算是一次综合性的演练了。还可以利用Sugar来在线绘制大屏，https://juejin.cn/post/6976562433695416327
实验过程
实验环境准备
我们用到了python开发环境，这里我们用docker直接获取一个镜像使用，省的安装一堆乱七八糟的依赖，当然你也可以按照自己的喜好来自行安装
docker pull docker.io/python
数据库我们使用了一个免费的云数据库MemFireDB https://memfiredb.com ，他提供了公网IP以及可视化的SQL编辑器方便我们后续查询数据
实验步骤和代码
获取原始数据
计算RSV指标
for bar in bars: rsv = session.query(StockRSV).filter( StockRSV.id == bar.stock_id + "_" + str(bar.date) ).first() if rsv is not None: print("rsv: id:%s stock_id:%s, date:%s,rsv value:%s cal next bar" % ( rsv.id, rsv.stock_id, rsv.date, rsv.rsv )) continue prevbars = session.query(StockBar).filter( StockBar.stock_id == stock.id, StockBar.date <= bar.date ).order_by(StockBar.date.desc()).limit(window).all() if len(prevbars) < window: print("stock %s date %s perv less than window %s cal next date" % (stock.id, bar.date, window)) continue for prevbar in prevbars: print("prevbar: id %s , stock_id:%s, date:%s, open:%s, high:%s, low:%s, close:%s" % (prevbar.id, prevbar.stock_id, prevbar.date, prevbar.open, prevbar.high, prevbar.low, prevbar.close)) low = prevbars[0].low high = prevbars[0].high lastopen = prevbars[0].open lastclose = prevbars[0].close for prevbar in prevbars: if prevbar.high >= high: high = prevbar.high if prevbar.low <= low: low = prevbar.low print("rsv: stock_id %s, date:%s lastopen:%s, lastclose:%s, high:%s, low:%s" % ( bar.stock_id, bar.date, lastopen, lastclose, high, low)) stockrsv = StockRSV(id = bar.stock_id + "_" + str(bar.date), stock_id = bar.stock_id, date = bar.date, rsv = 100 * (lastclose - low) / (high - low)) session.add(stockrsv) session.commit()
计算结果
计算KDJ指标
for stock in stocks: i += 1 rsvs = session.query(StockRSV).filter( StockRSV.stock_id == stock.id ).order_by(StockRSV.date.asc()).all() if len(rsvs) < 1: print("stock %s rsv less than window %s real %s cal next stock" % (stock.id, 1, len(rsvs))) continue for stockrsv in rsvs: curkdj = session.query(StockKDJ).filter( StockKDJ.id == stockrsv.stock_id + "_" + str(stockrsv.date) ).first() if curkdj is not None: print("kdj id:%s, stock_id:%s,date:%s,k:%s, d:%s,j:%s exist cal next" % ( curkdj.id, curkdj.stock_id, curkdj.date, curkdj.k, curkdj.d, curkdj.j )) continue lastkdj = session.query(StockKDJ).filter( StockKDJ.stock_id == stockrsv.stock_id, StockKDJ.date < stockrsv.date ).order_by(StockKDJ.date.desc()).limit(1).first() lastkvalue = 0 lastdvalue = 0 if lastkdj is not None: lastkvalue = lastkdj.k lastdvalue = lastkdj.d stockkdj = StockKDJ(id = stockrsv.stock_id + "_" + str(stockrsv.date), stock_id = stockrsv.stock_id, date = stockrsv.date, k = curkvalue, d = curdvalue, j = 0) session.add(stockkdj) session.commit()
计算结果
使用SQL选股
我们选择最近RSV值较低，且K>D 的十只股票
到股票软件上查看这几只股票的趋势图
实验总结
通过这次实验，我们探索了一种方法，使用python获取股票数据，因为记录数较多且计算过程无法递归，只能通过循环的方式结合数据库循环计算指标。最后将计算的结果存储在数据库中，利用SQL语言的丰富语义，可以灵活验证各种选股的模型。
