{}A3:=(C-LLV(L,9))/(HHV(H,9)-LLV(L,9))*100;
A4:=SMA(A3,3,1);
A5:=SMA(A4,3,1);
A6:=3*A4-2*A5;
A7:=C-REF(C,1);
A8:=100*EMA(EMA(A7,6),6)/EMA(EMA(ABS(A7),6),6);
买:=LLV(A8,2)=LLV(A8,7) AND COUNT(A8<0,2) AND CROSS(A8,MA(A8,2));
XGG2:=FILTER(买=1,5);
BIAS1 :=(CLOSE-MA(CLOSE,5))/MA(CLOSE,5)*100;
BIAS2 :=(CLOSE-MA(CLOSE,1))/MA(CLOSE,1)*100;
选股:CROSS(BIAS1,BIAS2) AND XGG2;
短线抄底短线必备 首发 经典运用必定手到擒来
张小明
前端开发工程师
通达信抄死主力再战江湖
{}用法: 1.出现抄死主力信号后,看个股的历史出现信号的走势作为参考。 2.波段金点和黑马起爆同事出现,获利几率很大,关注波段金点后的K线组合走势。 源码: A1:EMA(C,14)COLORWHITE,LINETHICK2; A1X:(A1-REF(A1,1))/REF…
AI智能实体侦测服务卡顿问题解决:轻量化部署优化实战案例
AI智能实体侦测服务卡顿问题解决:轻量化部署优化实战案例 1. 背景与痛点分析 1.1 业务场景描述 AI 智能实体侦测服务(NER WebUI)是一款基于 RaNER 模型的中文命名实体识别系统,广泛应用于新闻摘要、舆情监控、知识图谱构建等场…
AI智能实体侦测服务镜像测评:Cyberpunk风格WebUI实战体验
AI智能实体侦测服务镜像测评:Cyberpunk风格WebUI实战体验 1. 技术背景与选型动因 在信息爆炸的时代,非结构化文本数据(如新闻、社交媒体内容、文档资料)呈指数级增长。如何从海量文本中快速提取关键信息,成为自然语言…
是否该选RaNER做中文NER?三大优势深度解析入门必看
是否该选RaNER做中文NER?三大优势深度解析入门必看 1. 引言:为何中文命名实体识别需要专用方案? 在自然语言处理(NLP)的诸多任务中,命名实体识别(Named Entity Recognition, NER) …
05-MongoDB故障案例与性能优化
05-MongoDB故障案例与性能优化 1、调整oplog大小引发的从库宕机 1.1 背景 调整 oplog window 窗口时间后,引发了从库宕机。日志中可见从库同步失败,提示 too stale to catch up。 1.2 原因 延迟从库由于延迟,还未应用的 oplog 被删除&am…
Qwen2.5-7B智能写作对比:云端3小时=本地3天,效率飙升
Qwen2.5-7B智能写作对比:云端3小时本地3天,效率飙升 1. 为什么自媒体团队需要云端AI写作测试 作为自媒体内容创作者,我们经常需要测试不同AI模型的写作效果。传统方式是在本地电脑上逐个运行模型对比,但会遇到两个致命问题&…