用扩展数据编制分析大盘指标
大盘指标公式
大盘指标公式在股票投资领域中，大盘指标是投资者们经常使用的工具之一。
大盘指标能够帮助人们了解整个市场的趋势和态势，从而作出更加明智的投资决策。
在这篇文章中，我将为大家介绍几个常见的大盘指标公式，帮助大家更好地理解和应用这些指标。
1. RSI指标（相对强弱指标）RSI指标是常见的技术分析指标之一，用于衡量股票的超买和超卖情况。
其计算公式如下：RSI = 100 - (100 / (1 + RS))其中，RS代表一段时间内股票上涨日收益和下跌日收益的比值。
一般而言，RSI指标数值在70以上表示股票处于超买状态，而数值在30以下则表示股票处于超卖状态。
投资者可以通过RSI指标来判断股票的买入和卖出时机。
2. MACD指标（移动平均收敛/发散指标）MACD指标是一种趋势指标，通过计算不同日期的移动平均线之间的差异来帮助判断股票的买入和卖出信号。
其计算公式如下：DIF = EMA(12) - EMA(26)DEA = EMA(DIF, 9)MACD = (DIF - DEA) * 2其中，EMA代表指数移动平均线。
当DIF线从下方跌破DEA线时，表明股票趋势向下，投资者可以考虑卖出；而当DIF线从上方上穿DEA 线时，表明股票趋势向上，投资者可以考虑买入。
3. KDJ指标（随机指标）KDJ指标是一种衡量股票超买超卖情况的技术指标。
其计算公式如下：RSV = (收盘价 - 最近N天的最低价) / (最近N天的最高价 - 最近N天的最低价) * 100K = (2/3) × 前一日K值+ (1/3) × 当日RSVD = (2/3) × 前一日D值+ (1/3) × 当日K值J = 3 × 当日K值 - 2 × 当日D值KDJ指标将K线和D线综合考虑，当K线高于D线时表示股票处于超买状态，当K线低于D线时表示股票处于超卖状态。
投资者可以根据KDJ指标来判断股票的买入和卖出时机。
大盘资金”指标的数据统计和公式编写方法
大盘资金”指标的数据统计和公式编写方法。
这是一个通过大智慧函数扩展数据、自定义数据进行统计的自编写指标，由于该数据对整个市场所有投资者多空力量的对比分析有高度的准确性，所以，今天给大家讲解该指标的数据统计和公式编写过程。
主要包括如下四大步骤：（1）通过公式调用所有个股动态行情函数的主动性买入成交量“外盘”与主动性卖出成交量“内盘”，然后求二者之差，然后用差值乘以价格，转化为金额；（2）对内外盘金额净值设置扩展数据，每天自动收盘保存；（3）调用扩展数据设置自定义数据，对所有个股扩展数据进行加总；（4）通过公式调用自定义数据，在大盘指标图上显示。
由于内盘、外盘之和等于总成交量，二者分别是主动性买入成交量和主动性卖出成交量，所以，当一只个股中外盘大于内盘时，说明主动性买入多于主动性卖出成交，股价往往是上涨的（或阳线），当外盘小于内盘时，说明主动性抛盘更多，往往出现下跌走势（或收阴线）。
通过自定义数据对所有个股主动性成交的差值进行加总，从而客观的反映主动性成交的显示，直观显示多空力量的对比。
但由于每只个股的价格不同，所以简单的成交量相加会出现很大的误差，所以，在设置的时候需要转化为金额下面详细讲解设置的步骤：下图是我自10月29日设置以来的所有A股主动性资金的差值，红柱表示当天大盘的主动性买盘成交更多，为多头行情，绿柱表示表示当天的主动性卖盘成交更多，为空头行情。
从本周的大盘主动性资金情况来看，周一抄底资金最强，达到251.112亿，但随着股价的上涨，做多力量逐渐减弱，今天早盘（截止11：30）翻绿，说明已有部分获利盘在主动抛售。
本周五天的主动性资金分别为：周一：251.112亿周二：156.401亿周三：78.242亿周四：18.790亿周五：-77.834亿下面是数据统计和公式编写的全部步骤：第一步：计算内外盘的差值。
通过动态行情函数DYNAINFO调用内外盘，公式如下，输入公式语句之后取公式名称“WPJNP”保存：第二步：调用“WPJNP”建立扩展数据。
大智慧扩展数据、自定义数据
大智慧扩展数据、自定义数据引言概述：在当今数字化时代，数据被认为是最宝贵的资源之一。
大智慧作为一款领先的金融数据分析软件，为用户提供了丰富的数据资源。
然而，有时用户需要更多的数据来满足个性化需求，大智慧提供了扩展数据和自定义数据的功能，使用户能够根据自己的需求添加和使用更多的数据。
一、扩展数据1.1 数据类型扩展大智慧不仅提供了常见的股票、期货、外汇等金融数据类型，还支持用户扩展其他数据类型。
用户可以根据需要添加自定义数据类型，例如宏观经济指标、行业数据等。
通过扩展数据类型，用户可以更全面地分析市场和行业的动态。
1.2 数据源扩展大智慧提供了多个数据源，包括官方数据源和第三方数据源。
用户可以根据需要选择不同的数据源，以获取更多的数据。
同时，用户还可以添加自己的数据源，将外部数据导入到大智慧中进行分析。
数据源的扩展使用户能够获取更加丰富和全面的数据资源。
1.3 数据更新与同步大智慧的扩展数据可以进行自动更新和同步。
用户可以设置数据的更新频率和同步方式，确保数据的及时性和准确性。
同时，用户还可以自定义数据的更新规则，例如添加数据更新提醒、设置数据同步时间等。
数据的自动更新和同步功能使用户能够方便地获取最新的数据。
二、自定义数据2.1 数据录入与编辑大智慧提供了数据录入和编辑的功能，用户可以自定义添加数据并进行编辑。
用户可以根据需要创建新的数据表格，添加自己的数据内容。
同时，用户还可以对已有的数据进行编辑和修改，以满足个性化的需求。
数据的录入和编辑功能使用户能够灵活地使用和管理自定义数据。
2.2 数据关联与分析大智慧支持自定义数据与其他数据的关联和分析。
用户可以将自定义数据与扩展数据进行关联，进行更深入的数据分析。
例如，用户可以将自己的财务数据与股票数据进行关联，分析公司的财务状况对股票价格的影响。
数据的关联和分析功能使用户能够进行更全面和深入的数据研究。
2.3 数据导出与共享大智慧允许用户将自定义数据导出，并与他人进行共享。
大智慧扩展数据、自定义数据
大智慧扩展数据、自定义数据标题：大智慧扩展数据、自定义数据引言概述：大智慧是一家专业的金融数据和信息服务提供商，致力于为投资者提供全面、准确的金融数据。
在大智慧平台上，用户可以自定义数据、扩展数据，以满足不同投资需求。
本文将详细介绍大智慧如何扩展数据和自定义数据的功能。
一、扩展数据1.1 数据源：大智慧平台支持多种数据源，包括股票、基金、期货等，用户可以根据需求选择相应的数据源。
1.2 数据类型：用户可以扩展不同类型的数据，如财务数据、技术指标、宏观经济数据等，以帮助用户更全面地分析市场。
1.3 数据更新：扩展的数据会定期更新，确保用户获取到最新的数据信息，帮助用户做出更准确的投资决策。
二、自定义数据2.1 自定义指标：用户可以根据自己的需求定义新的指标，如自定义技术指标、自定义财务指标等，以满足个性化的分析需求。
2.2 自定义策略：用户可以自定义交易策略，设置买入、卖出条件，根据自己的投资理念进行交易操作。
2.3 自定义报表：用户可以根据自己的需求生成个性化的报表，包括盈亏报表、持仓报表等，帮助用户更好地管理投资组合。
三、数据分析3.1 数据可视化：大智慧提供丰富的数据可视化工具，用户可以通过图表、图形等形式直观地展示数据，帮助用户更好地理解数据。
3.2 数据比较：用户可以将不同数据进行比较分析，如股票对比、行业对比等，以帮助用户做出更合理的投资决策。
3.3 数据挖掘：用户可以利用大智慧平台提供的数据挖掘工具，发现数据之间的关联性，帮助用户发现投资机会。
四、数据应用4.1 投资决策：扩展数据和自定义数据可以帮助用户更全面地分析市场，做出更准确的投资决策。
4.2 风险控制：通过数据分析，用户可以更好地控制投资风险，避免不必要的损失。
4.3 报告生成：用户可以根据自定义数据生成个性化的报告，与他人分享投资见解。
五、总结大智慧的扩展数据和自定义数据功能为投资者提供了更多的数据资源和分析工具，帮助用户更好地理解市场、做出更准确的投资决策。
大智慧扩展数据、自定义数据
大智慧扩展数据、自定义数据大智慧新一代数据管理大智慧新一代里有3种数据扩展方式，分别是附加数据、扩展数据和自定义数据。
附加数据是由服务器提供，客户端请求获得的，他有3种形式：1、股票相关序列值，比如散户线，引用方式EXTRADATA('散户线'),这种数据只有翻看到这只股票的时候才会从服务端请求；2、股票相关单值，进入系统时一次请求全部数据；3、股票相关字符串，如机构评级，进入系统时一次请求全部，引用方式extrastring('评级')扩展数据由用户设定,将当日成交细节中的最多11组数据保存到日线历史存档中,这些数据可以用公式系统自由设置(例如您可以设定保存每日主动性买卖盘量、成交笔数、分时线形态等内容),从此您在技术和数据上拥有了比其他人更高的起点和更大的优势。
扩展数据的引用方式为EXTDATA(N),N取1--11.自定义数据由用户创建。
①可将每天盘中的交易细节数据提取作为其它分析的数据来源，②可自创或者引入所希望的任意数据作为其它分析的数据来源，③可自动采集股票F10资料中的数据作为其它分析的数据来源。
自定义数据形式：分别是单值数据、单值字符串，股票相关序列值，股票无关序列值。
自定义数据的引用方式为selfdata('')和selfstring('')。
扩展数据和自定义数据的区别：扩展数据只能由行情数据生成而且和股票相关，而自定义数据有很多来源，可以和股票相关也可以无关，可以是数值也可以是字符串。
扩展数据管理利用大智慧新一代的扩展数据库功能，可以将每天交易细节中的一些重要数据在收盘时一起收录，随日线档案永久保存。
要保存的数据的种类由用户通过大智慧新一代公式系统来自由设置，例如可以设定保存每日的主动性买盘量、成交笔数等等。
最多可设置11组数据。
扩展数据就是将任意技术指标的数值同日线数据一同保存。
该技术指标可以工作在任意分析周期上。
大盘板块个股对比指标
大盘板块个股对比指标近年来，我国资本市场不断壮大，投资者越来越多地关注大盘、板块和个股之间的对比指标。
这些指标对于投资决策和资产配置具有重要意义。
本文将通过分析大盘、板块和个股的对比指标，帮助投资者更好地理解市场行情。
一、大盘指标大盘指标是指反映整个市场走势的指标，常用的有两大类指标：市场宽度指标和市场趋势指标。
市场宽度指标主要通过统计市场中的上涨、下跌和平盘股票数量，反映市场参与的广度和深度。
常见的市场宽度指标包括：成交量指标、涨跌家数比率指标等。
例如，成交量指标可以观察成交量的变化情况，从而判断市场的热度和活跃程度。
市场趋势指标主要衡量市场整体的上涨或下跌趋势，用于判断市场的行情走势。
常见的市场趋势指标包括：移动平均线指标、相对强弱指数指标等。
例如，移动平均线指标可以通过计算股价的移动平均值，帮助投资者判断市场的长期趋势。
二、板块对比指标板块对比指标是指不同板块之间的指标对比，用于评估各个板块的发展状况和投资价值。
常见的板块对比指标包括：涨幅对比、市盈率对比、市净率对比等。
涨幅对比是比较不同板块的股票涨跌幅度，从而观察板块之间的相对收益情况。
市盈率对比是用于比较不同板块的股票价格与盈利能力之间的关系，反映了市场对于各个板块的估值情况。
市净率对比是比较不同板块的股票市值与净资产之间的关系，衡量了市场对于各个板块的市值溢价情况。
三、个股对比指标个股对比指标是指不同个股之间的指标对比，用于评估个股的风险和收益。
常见的个股对比指标包括：市盈率、市净率、每股收益等。
市盈率是衡量个股股价与每股收益之间关系的指标，高市盈率通常代表个股被高估，低市盈率则代表个股被低估。
市净率是衡量个股市值与净资产之间关系的指标，高市净率通常代表个股被高估，低市净率则代表个股被低估。
每股收益是衡量个股盈利能力的指标，高每股收益通常代表个股盈利能力强。
综上所述，大盘、板块和个股的对比指标在投资中起着重要的作用。
通过对指标的分析和比较，投资者可以更好地了解市场行情，做出决策。
通达信扩展数据管理器使用图解
通达信扩展数据管理器使用图解
功能简述：实现对指定股票实现指定数据范围内的指标输出进行横向排序统计。
进入方式
功能——公式系统——扩展数据管理器或用键盘精灵输入.902
操作步骤
⑴双击上方的数据行进行数据N的设置，进入下方的设置界面
⑵选择需要的数据来源（可选择范围是所有的技术指标公式）
⑶设置所选择的指标公式的参数
⑷设置计算的k线范围（可以计算最近500根k线数据、指定自己需要的时间段、和对所有下载的本地数据进行三种模式）
⑸命名数据名称
⑹选择指标计算周期。
选择周期后显示相应的输出值还是遵循小周期引用大周期不要大周期引用小周期的原则。
⑺选择要计算和输出的指标公式输出数据项
⑻选择计算股票范围
⑼选择输出数值的形式
不选择“生成横向排序数据”则输出是上方选择的指标输出值如果选择了就是显示根据此指标输出值大小进行横向统计的排序结果。
归一化排序：将所有计算排序结果的数值限定在归一化的数值范围内不会有超过设定的归一化区间。
副图中显示扩展数据输出
DCC:EXTDATA_USER(1,1);
DCC1:EXTDATA_USER(2,1);
{EXTDATA_USER(N,TYPE),N取(1-100),表示读当前品种的N号扩展序列数据,TYPE:为1表示做平滑处理,没有自定义数据的周期返回上一周期的值;为0表示不做平滑处理.}
输出展示
下图为同一个指标输出排名一个是自然排序一个是归一化排序。
大盘板块个股盘中异动指标源码大全
大盘板块个股盘中异动指标源码大全以下是一个大盘板块个股盘中异动指标源码的例子，包括了一些常用的异动指标计算方法和相关函数。
```pythonimport pandas as pdimport numpy as np#模拟数据data = pd.DataFrame({'时间': pd.date_range(start='2024-01-01', periods=100, freq='D'),'涨跌幅': np.random.uniform(-1, 1, 100)})#计算涨跌停股def calc_limitup_limitdown(data):data['涨停'] = (data['涨跌幅'] >= 0.095).astype(int)data['跌停'] = (data['涨跌幅'] <= -0.095).astype(int)return data#计算涨跌幅排名def calc_return_rank(data):data['涨跌幅排名'] = data.groupby('时间')['涨跌幅'].rank(ascending=False)return data#计算均线def calc_ma(data, n):data['MA'+str(n)] = data['涨跌幅'].rolling(n).meanreturn data#计算成交量均线def calc_volume_ma(data, n):data['成交量MA'+str(n)] = data['成交量'].rolling(n).meanreturn data#计算活跃度def calc_activity(data, n):data['活跃度'] = data['涨跌幅'].rolling(n).std( / data['涨跌幅'].rolling(n).meanreturn data#计算量能def calc_volume_disc(data, n):data['量能'] = (data['成交量'] - data['成交量'].rolling(n).mean() / data['成交量'].rolling(n).stdreturn data#计算MACDdef calc_macd(data, n_fast, n_slow, n_signal):EMAfast = pd.Series(data['涨跌幅'].ewm(span=n_fast, min_periods=n_slow - 1).mean(, name='EMAFast')EMAslow = pd.Series(data['涨跌幅'].ewm(span=n_slow, min_periods=n_slow - 1).mean(, name='EMASlow')MACD = pd.Series(EMAfast - EMAslow, name='MACD')data = data.join(EMAfast).join(EMAslow).join(MACD)data['MACDSignal'] = data['MACD'].ewm(span=n_signal, min_periods=n_signal - 1).meandata['MACDDiff'] = data['MACD'] - data['MACDSignal'] return data#计算RSIdef calc_rsi(data, n):deltas = np.diff(data['涨跌幅'])seed = deltas[:n+1]up = seed[seed >= 0].sum( / ndown = -seed[seed < 0].sum( / nrs = up / downrsi = np.zeros_like(data['涨跌幅'])rsi[:n] = 100. - 100. / (1. + rs)for i in range(n, len(data['涨跌幅'])):delta = deltas[i - 1]if delta > 0:upval = deltaelse:downval = -deltaup = (up * (n - 1) + upval) / ndown = (down * (n - 1) + downval) / nrs = up / downrsi[i] = 100. - 100. / (1. + rs)data['RSI'+str(n)] = rsireturn data#计算BOLL指标def calc_boll(data, n):data['MA'+str(n)] = data['涨跌幅'].rolling(n,min_periods=n).meandata['std'] = data['涨跌幅'].rolling(n, min_periods=n).std data['BOLL上轨'] = data['MA'+str(n)] + 2 * data['std']data['BOLL中轨'] = data['MA'+str(n)]data['BOLL下轨'] = data['MA'+str(n)] - 2 * data['std']return data#计算OBV指标def calc_obv(data):data['OBV'] = np.where(data['涨跌幅'] > 0, data['成交量'], np.where(data['涨跌幅'] < 0, -data['成交量'], 0)).cumsum return data#计算WR指标def calc_wr(data, n):high_n = data['最高价'].rolling(n).maxlow_n = data['最低价'].rolling(n).mindata['WR'] = (high_n - data['收盘价']) / (high_n - low_n) * 100return data#计算DMI指标def calc_dmi(data, n):high_n = data['最高价'].rolling(n).maxlow_n = data['最低价'].rolling(n).mintr = np.maximum(np.maximum(high_n - low_n, abs(high_n - data['收盘价'].shift(1))), abs(low_n - data['收盘价'].shift(1))) tr_pos = np.where(data['收盘价'] > data['收盘价'].shift(1), tr, 0)tr_neg = np.where(data['收盘价'] < data['收盘价'].shift(1), tr, 0)di_pos = tr_pos.rolling(n).sum( / tr.rolling(n).sum( * 100 di_neg = tr_neg.rolling(n).sum( / tr.rolling(n).sum( * 100 dx = abs(di_pos - di_neg) / (di_pos + di_neg) * 100adx = dx.rolling(n).meanadxr = adx.rolling(n).meandata['DI+'] = di_posdata['DI-'] = di_negdata['DX'] = dxdata['ADX'] = adxdata['ADXR'] = adxrreturn data#计算布林带宽def calc_boll_width(data, n):data['std'] = data['收盘价'].rolling(n).stddata['boll_width'] = (data['boll_upper'] -data['boll_lower']) / data['boll_middle'] * 100return data#计算强力指数def calc_force_index(data, n):data['force_index'] = data['成交量'] * (data['收盘价'] - data['收盘价'].shift(1))data['force_index_ma'] = data['force_index'].rolling(n).mean return data#应用以上函数data = calc_limitup_limitdown(data)data = calc_return_rank(data)data = calc_ma(data, 5)data = calc_ma(data, 10)data = calc_volume_ma(data, 5)data = calc_volume_ma(data, 10)data = calc_activity(data, 5)data = calc_activity(data, 10)data = calc_volume_disc(data, 5)data = calc_volume_disc(data, 10)data = calc_macd(data, 12, 26, 9)data = calc_rsi(data, 6)data = calc_rsi(data, 12)data = calc_boll(data, 20)data = calc_obv(data)data = calc_wr(data, 14)data = calc_dmi(data, 14)data = calc_boll_width(data, 20)data = calc_force_index(data, 13)print(data)```这个例子中，我们使用了Pandas和Numpy库来处理数据，并在模拟数据的基础上计算了一系列常用的盘中异动指标。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
用扩展数据编制分析大盘指标 [保存]
2011-08-17 14:00-15:15
团队大智慧策略交易大赛（离线）
李超大智慧产品设计师（离线）
吴程大智慧产品设计师（离线）
编号发言者类型发言内容
→主持人说本期路演直播时间：14:00-15:15
→团队说大家好，今天我们来介绍一个通过内外盘，用扩展数据功能编制的分析大盘的指标
→团队说公式设计原理：
这是一个通过大智慧函数扩展数据、自定义数据进行统计的自编写指标，由于该数据对整个市场所有投资者多空力量的对比分析有高度的准确性，所以，今天给大家讲解该指标的数据统计和公式编写过程。
主要包括如下四大步骤：
（1）通过公式调用所有个股动态行情函数的主动性买入成交量“外盘”与主动性卖出成交量“内盘”，然后求二者之差，然后用差值乘以价格，转化为金额；
（2）对内外盘金额净值设置扩展数据，每天自动收盘保存；
（3）调用扩展数据设置自定义数据，对所有个股扩展数据进行加总；
（4）通过公式调用自定义数据，在大盘指标图上显示。
→团队说由于内盘、外盘之和等于总成交量，二者分别是主动性买入成交量和主动性卖出成交量，所以，当一只个股中外盘大于内盘时，说明主动性买入多于主动性卖出成交，股价往往是上涨的（或阳线），当外盘小于内盘时，说明主动性抛盘更多，往往出现下跌走势（或收阴线）。
通过自定义数据对所有个股主动性成交的差值进行加总，从而客观的反映主动性成交的显示，直观显示多空力量的对比。
但由于每只个股的价格不同，所以简单的成交量相加会出现很大的误差，所以，在设
置的时候需要转化为金额。
→团队说下图是设置所有A股主动性资金的差值，红柱表示当天大盘的主动性买盘成交更多，为多头行情，绿柱表示表示当天的主动性卖盘成交更多，为空头行情。
友情提示：每次大家编辑完公式后，千万别忘了点保存按钮。
不然，可就白辛苦了
调用“WPJNP”建立扩展数据。
依次点：“工具”---“扩展数据”---点任意一个数据名称为“空”的行进入设置框---计算公式选“自编”---WPJNP---右上角数据名称输入“大盘资金”---周期选“分笔成交”---确定。
第四步：
调用“内外盘”建立自定义数据。
点“工具”---自定义数据---自动更新---新建，进入设置框。
a-“新建自定义数据”对话框的具体设置
名称后输入“大盘资金”，属性选“股票无关序列值”，选中“与指标横向关联”，再点击“指标”,进入统计指标设置框。
→团队说“确定”之后，自定义数据设置完毕。
→团队说第五步：
通过公式调用自定义数据在大盘下显示所有A股的主动性资金。
公式如下，在调用自定义的函数SELFDATA的括号里输入，自定义数据名称“大盘资金”，记得加单引号。
取公式名“大盘资金”保存。
注:
除以10000后,单位转为"亿元"
请点击公式-公式管理-新建。
公式名称"大盘资金"selfdata('大盘资金')/10000,color3d;
状态池属性里【设置预警】
李超答winner(c)>0.6;
402 小清问谢谢帮编公式：均价逐步抬升至开盘以来的最高价，且DDX>0;
李超答TODAYBARS:=barscount(close);
分时均线:=if(sum(amount,todaybars)/sum(vol,todaybars)>0,sum(amount,todaybars)/sum(vol,todaybars)/100,dynainfo(4)); 分时均线=hhv(分时均线,barscount(c)) and "分时ddx.ddx累积">0; {分时周期}
409 =邵洁问历史路演哪天有薜斯通道的介绍
团队答通过优秀参赛股票池思路来捕捉反弹先锋》 2011-08-10
397 had001 问老师，我是新手，能否写一个二小时内股价在分时图上横盘，白线始终在黄线上，涨幅在2%以内的选股公式
李超答TODAYBARS:=barscount(close);
分时均线:=if(sum(amount,todaybars)/sum(vol,todaybars)>0,sum(amount,todaybars)/sum(vol,todaybars)/100,dynainfo(4)); last(close>分时均线)>120 and hhv(分时均线,120)/llv(分时均线,120)<1.01 and DYNAINFO(14)<0.02; {分时周期}
→主持人说今天非常感谢几位老师的精彩解答，本期路演直播节目到此结束。
421 桉树问老师：前段时间讲过追击反转的附图公式，麻烦老师再给编一次！谢谢！
团队答AA1:=filter(low=llv(low,13),8);
AA2:=if(LLV(low,3)=llv(low,13) and close<ref((high+low)/2,1),max(ref(llv(low,12),barslast(AA1)+1)-low,0),0);
AA3:=ema(AA2,3)*3;
AA4:=sumbars(AA3>0,21);
AA5:=sum(AA3,AA4)/21;
AA6:=ref(AA3,1)=hhv(AA3,3) and ref(AA3,1)>AA5*3 and count(close/ref(close,1)<0.9025,8)=0 and isup and llv(low,3)/hhv(high,18)<0.88; AA7:=(count("ddx.ddx">0,5)>0 or not("ddx.ddx1"<"ddx.ddx2" and "ddx.ddx2"<"ddx.ddx3")) and count("ddx.ddx">ref("ddx.ddx",1),10)>=4; 反转:filter(AA6 and AA7,5),colorblack;
stickline(close,0,AA3,8,1),coloryellow;
stickline(反转,0,AA3,8,0),colorred;
大智慧路演中心。