안녕하세요, 예스스탁 입니다.복잡한 수식 공부 없이 여러분의 아이디어를 말하면 시스템 트레이딩 언어 예스랭귀지로 작성해주는 서비스예스나 AI(YesNa AI)가 출시되었습니다.지금 예스나 AI를 직접 경험해 보실 수 있도록 20크레딧(질문권 20회)를 무료로 증정해 드리고 있습니다.바로 여러분의 아이디어를 코드로 변환해보세요.--------------------------------------------------🚀 YesNa AI 핵심 기능- 지표식/전략식/종목검색식 생성: 자연어로 요청하면 예스랭귀지 문법에 맞는 코드를 작성합니다.- 종목검색식 변환 지원: K증권의 종목 검색식을 예스랭귀지로 변환 지원합니다.- 컴파일 검증: 작성된 코드가 실행 가능한지 컴파일러를 통해 문법 검증을 거쳐 결과물을 제공합니다.상세한 서비스 개요 및 활용 방법은 [서비스 소개 페이지]에서 확인하실 수 있습니다.▶ 서비스 소개 페이지: 바로가기서비스 사용 유의사항 및 결제 환불정책은 [이용약관]을 참고 부탁드립니다.▶ 서비스 이용약관: 바로가기💬 이용 문의사용 중 문의사항은 [프로그램 사용법 Q&A] 게시판에서 [예스나 AI] 카테고리를 설정 후 문의해 주시면 상세히 안내해 드리겠습니다.--------------------------------------------------앞으로도 AI를 활용한 다양한 트레이딩 기능들을 지속적으로 선보일 예정입니다.많은 관심과 기대 부탁드립니다.

수고하십니다. 아래수식에 추가할수식부탁드립니다. 이평선매수매도식이고 10%씩 증액매수프로그램인데요. 1.만일 전봉 매도 수익율이 n% (20%) 일경우 처음진입금액으로 돌아가시오--추가수식부탁드립니다. inputs : P1(5),P2(20),RSILength(10), OverSold(30),OverBought(70); input : 첫진입금액(1000000),A(10); var : m1(0,Data2),m2(0,Data2), R(0,Data1); var : TT(0,Data1),T1(0,Data1),entry(0,Data1),mm(0,data1),vol(0,Data1); m1 = Data2(ma(C,P1)); m2 = Data2(ma(C,P2)); R = data1(RSI(RSILength)); If Data2(m1 > m2) and Crossup(R, OverSold) Then { if TotalTrades == 0 Then mm = 첫진입금액; Else mm = mm*(1+A/100); Buy("B",OnClose,Def,Floor(Floor(mm/C)/10)*10); } if data2(crossup(ma(c,5),ma(c,20))) Then { if TotalTrades == 0 Then mm = 첫진입금액; Else mm = mm*(1+A/100); Buy("B2",OnClose,Def,Floor(Floor(mm/C)/10)*10); } if Data2(CrossDown(m1,m2)) or Crossup(R, OverBought) Then Sell("S");

input : periodo(20),fator(1.25); var : up(False),down(False),pesado(False); up = close > open; down=open>close; pesado = volume>(ema(volume,periodo)*fator); PlotPaintBar(H,L,"강조",IFf(pesado and up,lime,IFf(pesado and down,red,iff(up,Silver,Gray)))); 검색식으로 부탁합니다

예스트레이더 조건검색으로 투자경고종목을 검색하는 수식을 만들고 싶습니다. 종가배팅에 참고하기 위해 당일 저녁 투자경고종목으로 지정되기 전에 미리 알고 싶습니다. 영웅문 기준 으로 투자경고종목을 신호표시하는 수식입니다. 그런데 아래 수식으로도 50% 정도의 확률로 수식이 맞습니다. 아래 수식을 변현해주셔도 좋고, 투자경고종목을 검색할 수 있는 더 좋은 조건식이 있으면 그것으로 대체해주셔도 좋습니다. * 투자경고종목 수식 * A=c(3)*2<=c;//당일의 종가가 3일 전날의 종가보다 100% 이상 상승 A1=SUM(A); B=c(5)*1.6<=c;//당일의 종가가 5일 전날의 종가보다 60% 이상 상승한 B1=SUM(B); D=c(15)*2<=c;//당일의 종가가 15일 전날의 종가보다 100% 이상 상승 D1=SUM(D); E=highest(c,15)==c;//해당일의 종가가 최근 15일 종가 중 최고가 E1=SUM(E); F=(A OR B OR D) AND E;//초단기,단기,중장기 급등 조건 중 만족하면서 15일 최고가일 때 G=SUM(F); I=((A1-A1(11)==2 AND A) OR (B1-B1(11)==2 AND B) OR (D1-D1(11)==2 AND D)) AND E1-E1(11)>=2;//초단기,단기,중장기 급등으로 지정 예고된 종목 중 지정예고일부터 계산하여 10일째 되는 날 이내에 조건 재 만족 J=COUNTSINCE(G(1)-G(11)==0 AND F,I);//투자경고종목 지정 예고 신호가 먼저 나온 후, 첫번째 신호만 포착하기위해 COUNT함수 사용하여 COUNT가 0에서 1크로스업하는 순간만 추출 CROSSUP(J,0) AND I

트레이딩뷰 지표 중 일부수식입니다. 변환 부탁드립니다. mode = input.string("Range", "Weight Mode", options=["Range", "Body", "Both"]) rangeWeightB = (high - low) bodyWeightB = math.abs(close - open) weightB = mode == "Range" ? rangeWeightB : mode == "Body" ? bodyWeightB : (rangeWeightB + bodyWeightB) / 2.0 normWeightB = weightB / ta.sma(weightB, length) alpha = 2.0 / (length + 1) var float swemaB = na swemaB := na(swemaB[1]) ? src : swemaB[1] + alpha * normWeightB * (src - swemaB[1])

하루에 1번만 거래(하루에 매수,매도 조건을 모두 만족하는 경우 매수 상태면 매도 조건만 유효, 매도 상태면 매수 조건만 유효) 의 수식을 알고싶습니다. 항상 감사합니다 선생님

수정해주신 수식을 사용해도 오류가 개선되지 않네요. 혹시 for문을 이용해서 수식을 풀어야 되는지요? 다시한번 부탁드립니다.

수고하십니다 예스로 부탁드립니다 // This work is licensed under Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International // https://creativecommons.org/licenses/by-nc-sa/4.0/ // &#169; Zeiierman { //@version=6 indicator("AI-Weighted RSI (Zeiierman)", overlay=false, max_lines_count=500, max_labels_count=500, precision = 1) //~~} // ~~ Tooltips { var string t1 = "RSI lookback length computed on the current timeframe." var string t2 = "Moving Average lookback length computed on RSI." var string t3 = "Rolling window for correlation learning and z-scoring.." //~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~} // ~~ Inputs { rsiLen = input.int(14, "RSI Length", minval=2, group="Rsi Settings", tooltip=t1) sigLen = input.int(20, "Signal Length", minval=2, group="Rsi Settings", tooltip=t2) learnLen = input.int(20, "Learning Window", minval=1, group="Learning / Prediction", tooltip=t3) //~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~} // ~~ Per-bar features { retLog = math.log(close / nz(close[1], close)) rsiVal = ta.rsi(close, rsiLen) atrPct = ta.atr(200) / close vol = volume volLogChg = math.log(vol / nz(vol[1], vol)) //~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~} // ~~ Target (y): prior bar RSI { y_rsi = rsiVal[1] //~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~} // ~~ Predictors (X): prior-bar values of each feature (aligned with y) { x_ret = nz(retLog[1]) x_rsi = nz(rsiVal[1]) x_atrp = nz(atrPct[1]) x_vchg = nz(volLogChg[1]) x_vol = nz(vol[1]) //~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~} // ~~ Utilities { f_z(src, len) => m = ta.sma(src, len) s = ta.stdev(src, len) s > 0 ? (src - m) / s : 0 f_corr(a, b, len) => ta.correlation(a, b, len) //~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~} // ~~ Top-K indices by value { f_topk_indices(arr) => sz = arr.size() kk = math.min(5, sz) tmp = array.new_float(sz, 0.0) for i = 0 to sz - 1 tmp.set(i, nz(arr.get(i))) out = array.new_int() for n = 0 to kk - 1 maxI = 0 maxV = tmp.get(0) for j = 1 to sz - 1 vj = tmp.get(j) take = na(maxV) or (not na(vj) and vj > maxV) if take maxV := vj maxI := j out.push(maxI) tmp.set(maxI, na) out //~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~} // ~~ Feature S e leCTion via correlations { corrs_abs_ret = math.abs(nz(f_corr(y_rsi, x_ret, learnLen))) corrs_abs_rsi = math.abs(nz(f_corr(y_rsi, x_rsi, learnLen))) corrs_abs_atrp = math.abs(nz(f_corr(y_rsi, x_atrp, learnLen))) corrs_abs_vchg = math.abs(nz(f_corr(y_rsi, x_vchg, learnLen))) corrs_abs_vol = math.abs(nz(f_corr(y_rsi, x_vol, learnLen))) corrs = array.from(corrs_abs_ret, corrs_abs_rsi, corrs_abs_atrp, corrs_abs_vchg, corrs_abs_vol) topIdx = f_topk_indices(corrs) //~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~} // ~~ Z-scored current levels of each predictor series { xz_ret = nz(f_z(x_ret, learnLen)) xz_rsi = nz(f_z(x_rsi, learnLen)) xz_atrp = nz(f_z(x_atrp, learnLen)) xz_vchg = nz(f_z(x_vchg, learnLen)) xz_vol = nz(f_z(x_vol, learnLen)) featZ = array.from(xz_ret, xz_rsi, xz_atrp, xz_vchg, xz_vol) //~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~} // ~~ Signed “coefficients” ~ correlations on standardized inputs { coef_ret = nz(f_corr(y_rsi, x_ret, learnLen)) coef_rsi = 1.0 // Hardcoded: always 1, since x_rsi == y_rsi coef_atrp = nz(f_corr(y_rsi, x_atrp, learnLen)) coef_vchg = nz(f_corr(y_rsi, x_vchg, learnLen)) coef_vol = nz(f_corr(y_rsi, x_vol, learnLen)) coef = array.from(coef_ret, coef_rsi, coef_atrp, coef_vchg, coef_vol) //~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~} // ~~ Prediction from S e leCTed features: sum_i corr_i * z(feature_i) { f_pred(topIdxArr, coefArr, featArr) => s = 0.0 k = topIdxArr.size() for i = 0 to k - 1 idx = topIdxArr.get(i) c = coefArr.get(idx) z = featArr.get(idx) s += (nz(c) * nz(z)) s pred_rsi_z = f_pred(topIdx, coef, featZ) //~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~} // ~~ Map z back to RSI level using rolling mean/std of the target { rsi_mean = ta.sma(y_rsi, learnLen) rsi_std = ta.stdev(y_rsi, learnLen) pred_rsi = nz(rsi_mean) + nz(rsi_std) * pred_rsi_z //~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~} // ~~ Map prediction → “weight” { rsiWeight = math.max(-2, math.min(2, (50 - nz(pred_rsi)) / 50)) * -1 ma_rsi = ta.sma(rsiWeight,sigLen) //~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~} // ~~ Plots { rsiPlot = plot(rsiWeight, "AI-Weighted RSI", color=#7E57C2) rsiMa = plot(ma_rsi, "AI-Weighted RSI Signal Line", color=color.yellow) rsiUpperBand = hline(0.5, "AI-Weighted RSI Upper Band", color=#787B86) midline = hline(0, "AI-Weighted RSI Middle Band", color=color.new(#787B86, 50)) rsiLowerBand = hline(-0.5, "AI-Weighted RSI Lower Band", color=#787B86) fill(rsiUpperBand, rsiLowerBand, color=color.rgb(126, 87, 194, 90), title="AI-Weighted RSI Background Fill") midLinePlot = plot(0, color = na, editable = false, display = display.none) fill(rsiPlot, midLinePlot, 0.5, 0, top_color = color.new(color.lime, 0), bottom_color = color.new(color.lime, 100), title = "Overbought Gradient Fill") fill(rsiPlot, midLinePlot, 0, -0.5, top_color = color.new(color.red, 100), bottom_color = color.new(color.red, 0), title = "Oversold Gradient Fill") //~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~}