金融交易
#
金融交易
含有「金融交易」關鍵字的內容
全部共 56 篇文章
排序:發佈日期新到舊
-171
2024/01/29 [今日交易] 今天費盡千辛萬苦,才把權證停損掉的金額大部分賺回來, 可惜的就是還是小賠了一點,但這就算了吧! 最近也很難有容易的行情,這樣的結局已經是非常好了。 當沖含退:-171
當沖小強
發佈於
交易日誌
2
閱讀時間約
1
分鐘
#
當沖日記
#
交易日記
#
日記
-3614
2024/01/23 [今日交易] 一天又把昨天賺的全浪費光了,今年目標是要減少不必要的浪費, 真的是好難阿....... 開盤後到九點半都完全找不到好的交易機會也維持著小賠幾百, 這裡其實就大概要停手了,結果還是繼續找機會試單, 想當然爾又是穩穩的停損,最後還打算撈一個面板的反彈, 結果撈了
當沖小強
發佈於
交易日誌
2
閱讀時間約
1
分鐘
#
當沖日記
#
交易日記
#
日記
使用MPLFINANCE 打造一個互動的顯示股票線圖工具(3)[QuantTradingwithPython_3]
首先。先跟大家說一個令人振奮的消息。在這一篇文章當中。我們終於即將完成K線圖形顯示程式。這個未來會常常使用的小工具完工啦!就說興不興奮,高不高興。這段時間總算沒有白費;我們真的給鼓搗出了一些東西,這下子應該不只可以面對家鄉的父老了;都有一種榮歸故里的感覺。
Parkson Dow
發佈於
量化交易使用Python語言 Quant Trading with Python
1
閱讀時間約
18
分鐘
#
金融交易
#
量化交易
#
股價K線
貨幣主義的邊界|淺評日本經濟二十年
對於全球的貨幣研究者以及ficc交易員來說,日本都是一個必須深入研究的經濟體。不單是因為日本作為一個發達經濟體尤其特殊之處,其日元在全球外匯體系更有十分重要的地位。
交易員Dorian
0
閱讀時間約
5
分鐘
#
日本經濟
#
貨幣
#
日本
論文實作:利用CNN神經網路來交易
這篇論文是用來交易ETF,利用cnn神經網路去預測買點跟賣點由於CNN吃的是圖片輸入更精確來說是一個二維矩陣輸入因此論文作者將ETF的開高低收去計算出15種技術指標乘上15天剛好就可以作成15X15的矩陣(當作圖片)餵給CNN模型當作輸入
于正龍(Ricky)
發佈於
人工智能
4
閱讀時間約
3
分鐘
#
模型
#
論文
#
金融交易
相同的外貌,卻是不同的本質,不要被走勢牽著走,聚焦在量能的變化才能避免被黑手擺弄。
我們進行日內波段的當沖交易,最主要的重點就是看懂黑手的意圖,然後搭上順風車,他們吃肉,我們喝湯就夠。 課程進行到現在,也教了大部分該有的技術知識,這些其實就已經足夠應付大部分的盤面,大觀念有了,剩下的就得從細部結構去了解,從大量的練習、看盤經驗去累積,進而提高出手的準確率和勝算。
血哥-交易員培訓計劃
發佈於
《股價的照妖鏡-成交量的奧秘》
2
閱讀時間約
10
分鐘
#
投資
#
技術分析
#
操盤手
五個高勝率放空戰法,實戰S.O.P。
血哥-交易員培訓計劃
發佈於
《股價的照妖鏡-成交量的奧秘》
0
閱讀時間約
1
分鐘
#
股票
#
當沖
#
技術分析
行情不會永遠都維持同一個方向,抓住出現異常的時機,果斷的敲單吧!
在日線背景條件是多方乖離大時,看似多方非常強勁,往往回調的幅度也是非常可觀。 量增價漲,近期最大量紅K,價格也獲得成交量的確認,是相當強勢的多方走勢。 量縮價漲,成交量縮小了一半,價格收高但是並沒有創高,而且是帶上下引線的小紅K,並沒有延續第一根K棒強勢的多方走勢,開始有了第一個多方異常現象。
血哥-交易員培訓計劃
發佈於
《股價的照妖鏡-成交量的奧秘》
0
閱讀時間約
4
分鐘
#
投資
#
金融交易
#
股票
多頭常態的變型,會重新翻多還是由多轉空?從這兩個角度去思考!
(2022/7/15,3680,家登。) 早盤多方強力上漲,回檔整理的過程中發現量能急速縮小,導致5量均下彎,判斷後續會出現的是往下測更低的空方走勢(會正式轉空還是純粹回檔並不知道)。 (2022/7/23,2498,宏達電) (2022/7/23,1524,耿鼎)
血哥-交易員培訓計劃
發佈於
《股價的照妖鏡-成交量的奧秘》
0
閱讀時間約
4
分鐘
#
投資
#
股票
#
金融交易
進場放空,為什麼總是被停損?魔鬼藏在細節裡,「這個」地方注意到,就能大大降低停損機率。
在多方出現阻力、遇到壓力,或是明顯看出背離的條件下,選擇適當的時機進場放空,是非常良好的交易機會,這個適當的時機,最常見的就是香蕉皮走勢,反彈出量帶上引線的測高紅K。 在好的位置進場,接下來要關注的是,後續該跌的走勢有沒有成真,也就是跌破香蕉皮紅K時,有沒有明顯出量。
血哥-交易員培訓計劃
發佈於
《股價的照妖鏡-成交量的奧秘》
0
閱讀時間約
1
分鐘
#
股票
#
當沖
#
技術分析
#
#
#
#
#
#
#
#
#