标准枢轴点

标准枢轴点— 是一种技术指标,用于确定价格可能面临支撑或阻力的水平。枢轴点指标由一个枢轴点 (PP) 水平和多个支撑 (S) 和阻力 (R) 水平组成。

计算

PP、阻力和支撑值以不同的方式计算,具体取决于指标的类型,由指标输入中的类型字段指定。要计算 PP 和支撑/阻力位,使用值 OPENcurr、OPENprev、HIGHprev、LOWprev、CLOSEprev,它们分别是指标分辨率的当前开盘价和前一开盘价、最高价、最低价和收盘价。指标时间周期由枢轴时间周期的输入设置。 如果枢轴时间周期设置为自动(默认值),则增加的时间周期由以下算法确定:

  • 对于长达 15 分钟(包括 15 分钟)的日内周期,使用日 (1D)
  • 对于超过 15 分钟的日内周期,使用周 (1W)
  • 对于日周期,使用月 (1M)
  • 对于周和月周期,使用 12 个月 (12M)

类型

Tradingview 使用以下类型的枢轴点指标:

  • 传统
  • 斐波那契
  • 伍迪
  • 经典
  • DM
  • Camarilla

每种类型的计算公式如下。

传统
    PP = (HIGHprev + LOWprev + CLOSEprev) / 3    R1 = PP * 2 - LOWprev    S1 = PP * 2 - HIGHprev    R2 = PP + (HIGHprev - LOWprev)    S2 = PP - (HIGHprev - LOWprev)    R3 = PP * 2 + (HIGHprev - 2 * LOWprev)    S3 = PP * 2 - (2 * HIGHprev - LOWprev)    R4 = PP * 3 + (HIGHprev - 3 * LOWprev)    S4 = PP * 3 - (3 * HIGHprev - LOWprev)    R5 = PP * 4 + (HIGHprev - 4 * LOWprev)    S5 = PP * 4 - (4 * HIGHprev - LOWprev)
Python
斐波那契
    PP = (HIGHprev + LOWprev + CLOSEprev) / 3    R1 = PP + 0.382 * (HIGHprev - LOWprev)    S1 = PP - 0.382 * (HIGHprev - LOWprev)    R2 = PP + 0.618 * (HIGHprev - LOWprev)    S2 = PP - 0.618 * (HIGHprev - LOWprev)    R3 = PP + (HIGHprev - LOWprev)    S3 = PP - (HIGHprev - LOWprev)
Python
伍迪
    PP = (HIGHprev + LOWprev + 2 * OPENcurr) / 4    R1 = 2 * PP - LOWprev    S1 = 2 * PP - HIGHprev    R2 = PP + (HIGHprev - LOWprev)    S2 = PP - (HIGHprev - LOWprev)    R3 =  HIGHprev + 2 * (PP -  LOWprev)    S3 =  LOWprev - 2 * (HIGHprev - PP)    R4 = R3 + (HIGHprev - LOWprev)    S4 = S3 - (HIGHprev - LOWprev)
Python
经典
    PP = (HIGHprev + LOWprev + CLOSEprev) / 3    R1 = 2 * PP - LOWprev    S1 = 2 * PP - HIGHprev    R2 = PP + (HIGHprev - LOWprev)    S2 = PP - (HIGHprev - LOWprev)    R3 = PP + 2 * (HIGHprev - LOWprev)    S3 = PP - 2 * (HIGHprev - LOWprev)    R4 = PP + 3 * (HIGHprev - LOWprev)    S4 = PP - 3 * (HIGHprev - LOWprev)
Python
DM
    IF  OPENprev == CLOSEprev    X = HIGHprev + LOWprev + 2 * CLOSEprev    ELSE     IF CLOSEprev >  OPENprev        X = 2 * HIGHprev + LOWprev + CLOSEprev    ELSE        X = 2 * LOWprev + HIGHprev + CLOSEprev    PP = X / 4    R1 = X / 2 - LOWprev    S1 = X / 2 - HIGHprev
Python
CAMARILLA
    PP = (HIGHprev + LOWprev + CLOSEprev) / 3    R1 = CLOSEprev + 1.1 * (HIGHprev - LOWprev) / 12    S1 = CLOSEprev - 1.1 * (HIGHprev - LOWprev) / 12    R2 = CLOSEprev + 1.1 * (HIGHprev - LOWprev) / 6    S2 = CLOSEprev - 1.1 * (HIGHprev - LOWprev) / 6    R3 = CLOSEprev + 1.1 * (HIGHprev - LOWprev) / 4    S3 = CLOSEprev - 1.1 * (HIGHprev - LOWprev) / 4    R4 = CLOSEprev + 1.1 * (HIGHprev - LOWprev) / 2    S4 = CLOSEprev - 1.1 * (HIGHprev - LOWprev) / 2    R5 = (HIGHprev / LOWprev) * CLOSEprev    S5 = CLOSEprev - (R5 - CLOSEprev)
Python

计算示例

输入:NASDAQ:AAPL,5 分钟时间周期。我们通过选择以下输入来计算 2019 年 6 月 19 日的枢轴点值:

  • 类型:传统
  • 枢轴时间周期:自动

首先,让我们确定指标周期(算法如上所述)。图表周期为 5 分钟,即盘中小于 15 分钟,因此指标周期为 1D。 因此,我们获得了前一天(即 2019 年 6 月 18 日)的最高价、最低价和收盘价系列的值:

HIGHprev = 200.29

LOWprev = 195.21

CLOSEprev = 198.45

我们根据传统类型的公式计算 PP、S 和 P 的值:

    PP = (HIGHprev + LOWprev + CLOSEprev) / 3    R1 = PP * 2 - LOWprev    S1 = PP * 2 - HIGHprev    R2 = PP + (HIGHprev - LOWprev)    S2 = PP - (HIGHprev - LOWprev)    R3 = PP * 2 + (HIGHprev - 2 * LOWprev)    S3 = PP * 2 - (2 * HIGHprev - LOWprev)    R4 = PP * 3 + (HIGHprev - 3 * LOWprev)    S4 = PP * 3 - (3 * HIGHprev - LOWprev)    R5 = PP * 4 + (HIGHprev - 4 * LOWprev)    S5 = PP * 4 - (4 * HIGHprev - LOWprev)
Python
    PP = (200.29 + 195.21 + 198.45) / 3 = 197.983333333    R1 = 197.983333333 * 2 - 195.21 = 200.756666666    S1 = 197.983333333 * 2 - 200.29 = 195.676666666    R2 = 197.983333333 + (200.29 - 195.21) = 203.063333333    S2 = 197.983333333 - (200.29 - 195.21) = 192.903333333    R3 = 197.983333333 * 2 + (200.29 - 2 * 195.21) = 205.836666666    S3 = 197.983333333 * 2 - (2 * 200.29 - 195.21) = 190.596666666    R4 = 197.983333333 * 3 + (200.29 - 3 * 195.21) = 208.609999999    S4 = 197.983333333 * 3 - (3 * 200.29 - 195.21) = 188.289999999    R5 = 197.983333333 * 4 + (200.29 - 4 * 195.21) = 211.383333332    S5 = 197.983333333 * 4 - (4 * 200.29 - 195.21) = 185.983333332
Python

值的细微差异可能是由于四舍五入的具体情况。