◤◢◤◢◤◢◤◢◤◢◤◢◤◢◤◢

#シャレマニ朗読🐺OP映像公開

◤◢◤◢◤◢◤◢◤◢◤◢◤◢◤◢

／
📢ˎˊ˗
期間限定でイベントOP映像を特別公開！
掲載期限║～12/14(日)23:59
＼

「VICT＿＿＿？」

┈┈┈┈┈┈┈┈
⚠️ご案内⚠️
OP映像内には
ゲーム『CharadeManiacs』本編の
ネタバレが含まれています。
ご了承の上ご視聴ください。
┈┈┈┈┈┈┈┈

✅配信チケット好評発売中！
https://t.co/Hq7QhSZNFe December 12, 2025

Sky株式会社キャリア採用さま
(@Sky_career_ )

その場で当たるキャンペーンにて
Amazonギフト券
1,000円分が当たりました🎯

誠にありがとうございます🙇‍♀️

各分野の担当様からのポストが
大変勉強になります📚

これからも応援しております📣

#12月ICTキャリアアップ応援キャンペーン https://t.co/xMDWbN8T1Y December 12, 2025

ピクトアップ〈PICT-UP〉158号 2026年2月号
12月11日発売

2026年1月9日公開の映画『架空の犬と嘘をつく猫』で
主演を務めた
高杉真宙さんのポートレイト＆インタビューを掲載。

ポートレイトを誌面から1点公開。
撮影は児玉二郎さんです。

#高杉真宙
#ウソネコ
#ピクトアップ https://t.co/u39L4yO0pn December 12, 2025

Ｓｋｙ株式会社様 @Sky_corporate

ICT業界応援CPにて
アマゾンギフト5,000円分をいただきました🌟✨

自社のPC管理ソフト・学校用ソフトを作りながら
車や家電のシステム開発も請け負うIT企業様です✨

現在もCP開催されてます！
ぜひチェックを✅🩵

ありがとうございました💝✨

#テラの当選報告 https://t.co/pY1agh5MUL December 12, 2025

A blockbuster journey From getting evicted on the very first day (sent to SR) to the Top 5 Finale.

Soon to be a winner. 🤞❤️🏆

TROPHY AWAITS FARRHANA
#良いこと悪いこと #イイワル
#BigBoss19 https://t.co/KdAm2Imwqv December 12, 2025

本日の参議院厚生労働委員会には、地元・福岡で、大変にお世話になっております、一般社団法人福岡県私設病院協会の中尾一久会長を参考人としてお招きできました。
圧巻の陳述でした。
①高齢者医療の現状と将来予測を通じて、
②プライマリケアの介入で重度化による入院を予防できる可能性がある疾患群をAmbulatory Care-Sensitive Conditions(ACSCs)の概念のもとでお示しになり、
③医療介護連携とICTを通じて、
④加齢に伴う筋肉量減少と筋力低下
について纏めて下さいました。
私の質疑に対しても、
・低栄養を疾患として治療する必要性、
・食事摂取基準より、カロリーもタンパク質も量を増やしたうえで、リハビリを行い、下腿周囲長を増加させてきた取組、
・栄養部門が大赤字になっている現状、
・ACSCsの観点からも高齢者にはコロナワクチンのアクセスをよくしてほしい旨のお話し
など丁寧にご答弁下さいました。
「圧倒的な方だな」とつぶやく議員のお声も聞こえました。
明日の医療法の一部を改正する審議に役立たせてまいります。
中尾先生、有難うございました。また、地元でよろしくお願い申し上げます。
（左）参考人招致前（右）招致後 December 12, 2025

【先生方、席替えの苦痛が今日で終わる】
「男女交互にしたい」「視力悪い子は前」「相性悪い子は離して」
毎回何時間もかかってた席替え、もうやらなくていいです
Google Gemini搭載・完全無料の席替え自動作成ツール作りました
名簿Excel貼るだけ→配慮事項✅→席替え開始で座席表が決まる
→印刷用2種出力（児童側教師側の２視点）
→即完成！
登録不要・ブラウザで今すぐ使える
https://t.co/KimziqsW8Q
「これで席替え5分で終わった」
「相性考慮まで完璧すぎる」って声多数…！
いいね＆リポストで他の先生にも救いを届けませんか？#教師の味方 #席替え #無料ツール #GoogleGemini #教育ICT December 12, 2025

ピクトアップ〈PICT-UP〉158号 2026年2月号
12月11日発売

12月19日公開の映画『新解釈・幕末伝』でW主演を務めた
ムロツヨシさんと佐藤二朗さんのポートレイト＆対談を掲載。

ポートレイトを誌面から1点公開。
撮影は野口博さんです。

#ムロツヨシ
#佐藤二朗
#新解釈幕末伝
#ピクトアップ https://t.co/5IIJLsxXL2 December 12, 2025

做了一个简化版的交易系统逻辑总结

作用：识别市场从趋势到震荡再到突破的完整生命周期，并在每个阶段采用策略。

以下是数学语言和代码👇：
（代码太长了，删了一部分，可以根据数学语言自己推）

价格序列与技术指标：

Pt=第t期收盘价Pt​=第t期收盘价
Ht,Lt,Ot,Vt=最高价、最低价、开盘价、成交量Ht​,Lt​,Ot​,Vt​=最高价、最低价、开盘价、成交量
ATRt=1n∑i=0n−1TRt−iATRt​=n1​i=0∑n−1​TRt−i​
其中：TRt=max⁡(Ht−Lt,∣Ht−Pt−1∣,∣Lt−Pt−1∣)TRt​=max(Ht​−Lt​,∣Ht​−Pt−1​∣,∣Lt​−Pt−1​∣)
箱体结构参数：
BoxHigh=max⁡i∈[t−W,t]HiBoxHigh=i∈[t−W,t]max​Hi​
BoxLow=min⁡i∈[t−W,t]LiBoxLow=i∈[t−W,t]min​Li​
BoxHeight=BoxHigh−BoxLowBoxHeight=BoxHigh−BoxLow
建议窗口期 W=30∼50W=30∼50 根K线。
相对位置函数：
PositionRatiot=Pt−BoxLowBoxHeightPositionRatiot​=BoxHeightPt​−BoxLow​
分层结构：
Leveli=BoxLow+i×BoxHeight4,i∈{0,1,2,3,4}Leveli​=BoxLow+i×4BoxHeight​,i∈{0,1,2,3,4}
多维度震荡识别系统
震荡评分函数
构建四维评分体系来量化震荡状态：
ConsolidationScore=w1⋅Stime+w2⋅Sspace+w3⋅Svolatility+w4⋅SvolumeConsolidationScore=w1​⋅Stime​+w2​⋅Sspace​+w3​⋅Svolatility​+w4​⋅Svolume​
权重建议：w1=0.35,w2=0.30,w3=0.20,w4=0.15w1​=0.35,w2​=0.30,w3​=0.20,w4​=0.15
时间维度评分
整理时间比率：
Rtime=TconsolidationTprevious_trendRtime​=Tprevious_trend​Tconsolidation​​
时间评分函数：
Stime={0.2if Rtime<0.50.5if 0.5≤Rtime<1.00.8if 1.0≤Rtime<2.01.0if Rtime≥2.0Stime​=⎩⎨⎧​0.20.50.81.0​if Rtime​<0.5if 0.5≤Rtime​<1.0if 1.0≤Rtime​<2.0if Rtime​≥2.0​
空间维度评分
边界测试频率：
TestFrequency=∑i=t−Nt1(∣Pi−BoxEdge∣<ϵ)NTestFrequency=N∑i=t−Nt​1(∣Pi​−BoxEdge∣<ϵ)​
其中 ϵ=0.02×BoxHeightϵ=0.02×BoxHeight（边界容差）
箱体强度评分：
Sspace={1.0if UpperTests≥3∧LowerTests≥3∧Breaks=00.7if TotalTests≥4∧Breaks≤10.4if TotalTests≥2∧Breaks≤20otherwiseSspace​=⎩⎨⎧​1.00.70.40​if UpperTests≥3∧LowerTests≥3∧Breaks=0if TotalTests≥4∧Breaks≤1if TotalTests≥2∧Breaks≤2otherwise​
波动率维度评分
波动率收敛指标：
VolatilityRatio=ATRcurrentATRtrendVolatilityRatio=ATRtrend​ATRcurrent​​
波动率评分：
Svolatility={1.0if VolatilityRatio<0.50.7if 0.5≤VolatilityRatio<0.70.4if 0.7≤VolatilityRatio<0.90if VolatilityRatio≥0.9Svolatility​=⎩⎨⎧​1.00.70.40​if VolatilityRatio<0.5if 0.5≤VolatilityRatio<0.7if 0.7≤VolatilityRatio<0.9if VolatilityRatio≥0.9​
成交量维度评分
量能萎缩度：
VolumeDecay=1−Volume‾consolidationVolume‾trendVolumeDecay=1−Volumetrend​Volumeconsolidation​​
成交量评分：
Svolume=min⁡(VolumeDecay×2,1.0)Svolume​=min(VolumeDecay×2,1.0)
状态判断逻辑
MarketState={Consolidationif ConsolidationScore>0.65Trendif ConsolidationScore<0.35UncertainotherwiseMarketState=⎩⎨⎧​ConsolidationTrendUncertain​if ConsolidationScore>0.65if ConsolidationScore<0.35otherwise​
三状态交易系统设计
状态机框架
定义三个核心状态：
Ω={Strend,Sconsolidation,Sbreakout}Ω={Strend​,Sconsolidation​,Sbreakout​}
状态转移条件：
Strend→SconsolidationStrend​→Sconsolidation​：
TrendStrength<0.3∧ConsolidationScore>0.5TrendStrength<0.3∧ConsolidationScore>0.5
Sconsolidation→SbreakoutSconsolidation​→Sbreakout​：
BreakoutStrength>0.7∧ValidBreakout=TrueBreakoutStrength>0.7∧ValidBreakout=True
区间交易策略（震荡状态）
做空信号生成：
ShortSignalrange={1if PositionRatio>0.75∧TopReversalSignal=True∧RSI>60∧Volume<Volume‾20×0.90otherwiseShortSignalrange​=⎩⎨⎧​10​if ​PositionRatio>0.75∧TopReversalSignal=True∧RSI>60∧Volume<Volume20​×0.9​otherwise​
顶部反转识别：
TopReversalSignal={Trueif UpperShadowRatio>0.4∧Close<Open∧Close<EMA13FalseotherwiseTopReversalSignal=⎩⎨⎧​TrueFalse​if ​UpperShadowRatio>0.4∧Close<Open∧Close<EMA13​​otherwise​
其中：UpperShadowRatio=Ht−max⁡(Ot,Pt)Ht−LtUpperShadowRatio=Ht​−Lt​Ht​−max(Ot​,Pt​)​
仓位与风控：
Positionrange=Capital×RiskRatio×0.5∣EntryPrice−StopLoss∣Positionrange​=∣EntryPrice−StopLoss∣Capital×RiskRatio×0.5​
StopLossrange=BoxHigh×(1+SafetyMargin)StopLossrange​=BoxHigh×(1+SafetyMargin)
建议 SafetyMargin=0.04∼0.05SafetyMargin=0.04∼0.05
突破跟随策略（突破状态）
突破强度评分：
BreakoutStrength=0.4⋅Sprice+0.3⋅Svolume+0.3⋅SpersistenceBreakoutStrength=0.4⋅Sprice​+0.3⋅Svolume​+0.3⋅Spersistence​
各分量计算：
价格突破深度：
Sprice=min⁡(∣BoxLow−Pt∣BoxLow×10,1.0)Sprice​=min(BoxLow∣BoxLow−Pt​∣​×10,1.0)
成交量放大度：
Svolume=min⁡(VtV‾20−1,1.0)Svolume​=min(V20​Vt​​−1,1.0)
持续性确认：
Spersistence=∑i=021(Closet−i<BoxLow)3Spersistence​=3∑i=02​1(Closet−i​<BoxLow)​
有效突破判断：
ValidBreakout={Trueif BreakoutStrength>0.7∧Pt<BoxLow×0.98∧NoRecentFalseBreak=TrueFalseotherwiseValidBreakout=⎩⎨⎧​TrueFalse​if ​BreakoutStrength>0.7∧Pt​<BoxLow×0.98∧NoRecentFalseBreak=True​otherwise​
回踩机会识别
回踩窗口定义：
PullbackWindow=[tbreakout,tbreakout+MaxWaitBars]PullbackWindow=[tbreakout​,tbreakout​+MaxWaitBars]
建议 MaxWaitBars=20MaxWaitBars=20
回踩位置评估：
PullbackRatio=Pt−LowestAfterBreakBoxLow−LowestAfterBreakPullbackRatio=BoxLow−LowestAfterBreakPt​−LowestAfterBreak​
理想回踩区间：0.382≤PullbackRatio≤0.6180.382≤PullbackRatio≤0.618
回踩做空信号：
ShortSignalpullback={1if t∈PullbackWindow∧PullbackRatio∈[0.382,0.618]∧∣Pt−BoxLow∣<0.03×BoxHeight∧RejectionSignal=True0otherwiseShortSignalpullback​=⎩⎨⎧​10​if ​t∈PullbackWindow∧PullbackRatio∈[0.382,0.618]∧∣Pt​−BoxLow∣<0.03×BoxHeight∧RejectionSignal=True​otherwise​
动态资金分配模型
自适应分配函数
αt=αbase+Δα⋅f(ConsolidationScoret)αt​=αbase​+Δα⋅f(ConsolidationScoret​)
基础分配：
αbase=0.75（保守策略基础占比）αbase​=0.75（保守策略基础占比）
动态调整：
Δα=0.2×(1−ConsolidationScoret)Δα=0.2×(1−ConsolidationScoret​)
约束条件：0.6≤αt≤0.90.6≤αt​≤0.9
资金分配：
Capitalrange=TotalCapital×αtCapitalrange​=TotalCapital×αt​
Capitalbreakout=TotalCapital×(1−αt)Capitalbreakout​=TotalCapital×(1−αt​)

代码：
import numpy as np import pandas as pd from dataclasses import dataclass from typing import Optional, Tuple, Dict, List from enum import Enum class MarketState(Enum): TREND_DOWN = "TREND_DOWN" CONSOLIDATION = "CONSOLIDATION" BREAKOUT = "BREAKOUT" UNCERTAIN = "UNCERTAIN" @dataclass class ConsolidationMetrics: """震荡评估指标""" time_score: float space_score: float volatility_score: float volume_score: float total_score: float market_state: MarketState @dataclass class BoxStructure: """箱体结构""" high: float low: float height: float level_075: float level_050: float level_025: float upper_tests: int lower_tests: int duration: int is_valid: bool @classmethod def from_prices(cls, highs: np.ndarray, lows: np.ndarray, prices: np.ndarray, window: int = 50): """从价格数据构建箱体""" box_high = np.max(highs[-window:]) box_low = np.min(lows[-window:]) box_height = box_high - box_low # 计算关键位置 level_075 = box_low + 0.75 * box_height level_050 = box_low + 0.50 * box_height level_025 = box_low + 0.25 * box_height # 计算边界测试次数 epsilon = 0.02 * box_height upper_tests = np.sum(np.abs(prices - box_high) < epsilon) lower_tests = np.sum(np.abs(prices - box_low) < epsilon) # 验证有效性 is_valid = ( box_height / box_low > 0.15 and upper_tests >= 2 and lower_tests >= 2 and len(prices) >= 20 ) return cls( high=box_high, low=box_low, height=box_height, level_075=level_075, level_050=level_050, level_025=level_025, upper_tests=upper_tests, lower_tests=lower_tests, duration=len(prices), is_valid=is_valid ) def get_position_ratio(self, price: float) -> float: """计算价格在箱体中的相对位置""" if self.height == 0: return 0.5 return (price - self.low) / self.height class ConsolidationBreakoutStrategy: """震荡识别与突破策略""" def __init__(self, capital: float = 100000, risk_per_trade: float = 0.02, lookback_period: int = 50): """ 初始化策略 Args: capital: 总资金 risk_per_trade: 单笔风险比例 lookback_period: 回溯周期 """ https://t.co/CclsZvqogq = capital self.risk_per_trade = risk_per_trade self.lookback_period = lookback_period # 核心参数 self.params = { # 震荡识别 'consolidation_threshold': 0.65, 'trend_threshold': 0.35, 'time_weight': 0.35, 'space_weight': 0.30, 'volatility_weight': 0.20, 'volume_weight': 0.15, # 区间交易 'top_threshold': 0.75, 'range_position_ratio': 0.5, 'safety_margin': 0.04, # 突破跟随 'breakout_threshold': 0.7, 'price_offset': 0.02, 'volume_multiplier': 1.5, 'persistence_bars': 3, # 回踩交易 'pullback_max_wait': 20, 'fib_low': 0.382, 'fib_high': 0.618, 'proximity_threshold': 0.03, } # 状态跟踪 self.current_state = MarketState.UNCERTAIN https://t.co/Hl1CpkP62f_structure: Optional[BoxStructure] = None self.trend_start_idx = None self.consolidation_start_idx = None self.breakout_info = None self.alpha = 0.75 # 保守策略资金占比 def calculate_technical_indicators(self, df: pd.DataFrame) -> pd.DataFrame: """计算技术指标""" df['EMA13'] = df['close'].ewm(span=13).mean() df['RSI'] = self._calculate_rsi(df['close'], 14) df['ATR'] = self._calculate_atr(df, 14) df['Volume_MA'] = df['volume'].rolling(20).mean() return df def _calculate_rsi(self, prices: pd.Series, period: int = 14) -> pd.Series: """计算RSI指标""" delta = prices.diff() gain = (delta.where(delta > 0, 0)).rolling(window=period).mean() loss = (-delta.where(delta < 0, 0)).rolling(window=period).mean() rs = gain / loss rsi = 100 - (100 / (1 + rs)) return rsi def _calculate_atr(self, df: pd.DataFrame, period: int) -> pd.Series: """计算ATR指标""" high_low = df['high'] - df['low'] high_close = np.abs(df['high'] - df['close'].shift()) low_close = np.abs(df['low'] - df['close'].shift()) tr = np.maximum(high_low, np.maximum(high_close, low_close)) return tr.rolling(period).mean() def evaluate_consolidation(self, df: pd.DataFrame, current_idx: int) -> ConsolidationMetrics: """评估震荡状态""" if current_idx < self.lookback_period: return ConsolidationMetrics(0, 0, 0, 0, 0, MarketState.UNCERTAIN) # 1. 时间维度评分 time_score = self._calculate_time_score(current_idx) # 2. 空间维度评分 space_score = self._calculate_space_score() # 3. 波动率维度评分 volatility_score = self._calculate_volatility_score(df, current_idx) # 4. 成交量维度评分 volume_score = self._calculate_volume_score(df, current_idx) # 综合评分 total_score = ( self.params['time_weight'] * time_score + self.params['space_weight'] * space_score + self.params['volatility_weight'] * volatility_score + self.params['volume_weight'] * volume_score ) # 状态判断 if total_score > self.params['consolidation_threshold']: market_state = MarketState.CONSOLIDATION elif total_score < self.params['trend_threshold']: market_state = MarketState.TREND_DOWN else: market_state = MarketState.UNCERTAIN return ConsolidationMetrics( time_score=time_score, space_score=space_score, volatility_score=volatility_score, volume_score=volume_score, total_score=total_score, market_state=market_state ) def _calculate_time_score(self, current_idx: int) -> float: """计算时间维度评分""" if not self.trend_start_idx or not self.consolidation_start_idx: return 0.2 trend_duration = self.consolidation_start_idx - self.trend_start_idx consolidation_duration = current_idx - self.consolidation_start_idx if trend_duration == 0: return 0.2 time_ratio = consolidation_duration / trend_duration if time_ratio < 0.5: return 0.2 elif time_ratio < 1.0: return 0.5 elif time_ratio < 2.0: return 0.8 else: return 1.0 def _calculate_space_score(self) -> float: """计算空间维度评分""" if not https://t.co/Hl1CpkP62f_structure or not https://t.co/Hl1CpkP62f_structure.is_valid: return 0.0 # 边界测试充分性 total_tests = https://t.co/Hl1CpkP62f_structure.upper_tests + https://t.co/Hl1CpkP62f_structure.lower_tests test_score = min(total_tests / 6, 1.0) # 箱体持续时间 duration_score = min(https://t.co/Hl1CpkP62f_structure.duration / 30, 1.0) return (test_score + duration_score) / 2 def _calculate_volatility_score(self, df: pd.DataFrame, current_idx: int) -> float: """计算波动率维度评分""" if current_idx < 40: return 0.0 # 当前波动率 current_atr = df.iloc[current_idx]['ATR'] # 历史波动率 if self.trend_start_idx and self.consolidation_start_idx: trend_atr = df.iloc[self.trend_start_idx:self.consolidation_start_idx]['ATR'].mean() else: trend_atr = df.iloc[current_idx-40:current_idx-20]['ATR'].mean() if trend_atr == 0: return 0.0 vol_ratio = current_atr / trend_atr if vol_ratio < 0.5: return 1.0 elif vol_ratio < 0.7: return 0.7 elif vol_ratio < 0.9: return 0.4 else: return 0.0 def _calculate_volume_score(self, df: pd.DataFrame, current_idx: int) -> float: """计算成交量维度评分""" if current_idx < 40 or not self.consolidation_start_idx: return 0.0 # 震荡期平均成交量 consolidation_vol = df.iloc[self.consolidation_start_idx:current_idx]['volume'].mean() # 趋势期平均成交量 if self.trend_start_idx: trend_vol = df.iloc[self.trend_start_idx:self.consolidation_start_idx]['volume'].mean() else: trend_vol = df.iloc[current_idx-40:current_idx-20]['volume'].mean() if trend_vol == 0: return 0.0 volume_decay = 1 - (consolidation_vol / trend_vol) return min(volume_decay * 2, 1.0) def update_box_structure(self, df: pd.DataFrame, current_idx: int): """更新箱体结构""" if current_idx < self.lookback_period: return window_data = df.iloc[current_idx-self.lookback_period:current_idx+1] https://t.co/Hl1CpkP62f_structure = BoxStructure.from_prices( window_data['high'].values, window_data['low'].values, window_data['close'].values, window=self.lookback_period ) def detect_top_reversal(self, df: pd.DataFrame, current_idx: int) -> bool: """检测顶部反转信号""" if current_idx < 1: return False current = df.iloc[current_idx] # 上影线比例 range_size = current['high'] - current['low'] if range_size == 0: return False upper_shadow = current['high'] - max(current['open'], current['close']) upper_shadow_ratio = upper_shadow / range_size # 综合条件 is_bearish = current['close'] < current['open'] below_ema = current['close'] < current['EMA13'] return upper_shadow_ratio > 0.4 and is_bearish and below_ema def generate_range_signal(self, df: pd.DataFrame, current_idx: int) -> Optional[Dict]: """生成区间交易信号""" if not https://t.co/Hl1CpkP62f_structure or not https://t.co/Hl1CpkP62f_structure.is_valid: return None current_price = df.iloc[current_idx]['close'] position_ratio = https://t.co/Hl1CpkP62f_structure.get_position_ratio(current_price) # 必须在顶部区域 if position_ratio < self.params['top_threshold']: return None # 检测反转信号 if not self.detect_top_reversal(df, current_idx): return None # RSI条件 rsi = df.iloc[current_idx]['RSI'] if rsi < 60: return None # 成交量条件 volume_ratio = df.iloc[current_idx]['volume'] / df.iloc[current_idx]['Volume_MA'] if volume_ratio > 0.9: return None # 计算交易参数 stop_loss = https://t.co/Hl1CpkP62f_structure.high * (1 + self.params['safety_margin']) position_size = self._calculate_position_size(current_price, stop_loss, 0.5) return { 'signal_type': 'RANGE_SHORT', 'entry_price': current_price, 'stop_loss': stop_loss, 'target1': https://t.co/Hl1CpkP62f_structure.level_050, 'target2': https://t.co/Hl1CpkP62f_structure.level_025, 'position_size': position_size, 'position_ratio': position_ratio, 'reason': f'区间顶部做空 (位置={position_ratio:.2%})' } def calculate_breakout_strength(self, df: pd.DataFrame, current_idx: int) -> float: """计算突破强度""" if not https://t.co/Hl1CpkP62f_structure or current_idx < 20: return 0.0 current_price = df.iloc[current_idx]['close'] # 价格突破深度 price_penetration = abs(https://t.co/Hl1CpkP62f_structure.low - current_price) / https://t.co/Hl1CpkP62f_structure.low price_score = min(price_penetration * 10, 1.0) # 成交量放大 vol_ratio = df.iloc[current_idx]['volume'] / df.iloc[current_idx]['Volume_MA'] volume_score = min(vol_ratio - 1, 1.0) # 持续性确认 persistence_count = 0 for i in range(min(self.params['persistence_bars'], current_idx)): if df.iloc[current_idx - i]['close'] < https://t.co/Hl1CpkP62f_structure.low: persistence_count += 1 else: break persistence_score = persistence_count / self.params['persistence_bars'] # 综合评分 return 0.4 * price_score + 0.3 * volume_score + 0.3 * persistence_score def generate_breakout_signal(self, df: pd.DataFrame, current_idx: int) -> Optional[Dict]: """生成突破信号""" if not https://t.co/Hl1CpkP62f_structure: return None current_price = df.iloc[current_idx]['close'] # 检查突破条件 price_break = current_price < https://t.co/Hl1CpkP62f_structure.low * (1 - self.params['price_offset']) strength = self.calculate_breakout_strength(df, current_idx) strong_enough = strength > self.params['breakout_threshold'] if not (price_break and strong_enough): return None # 记录突破信息 self.breakout_info = { 'timestamp': current_idx, 'price': current_price, 'lowest_after': current_price, 'strength': strength } # 生成信号 stop_loss = https://t.co/Hl1CpkP62f_structure.low * 1.02 position_size = self._calculate_position_size(current_price, stop_loss, 1.0) target = https://t.co/Hl1CpkP62f_structure.low - https://t.co/Hl1CpkP62f_structure.height * 2.0 return { 'signal_type': 'BREAKOUT_SHORT', 'entry_price': current_price, 'stop_loss': stop_loss, 'target1': target, 'target2': target * 0.9, 'position_size': position_size, 'breakout_strength': strength, 'reason': f'突破追空 (强度={strength:.2f})' } def generate_pullback_signal(self, df: pd.DataFrame, current_idx: int) -> Optional[Dict]: """生成回踩信号""" if not self.breakout_info: return None # 检查时间窗口 bars_since_breakout = current_idx - self.breakout_info['timestamp'] if bars_since_breakout > self.params['pullback_max_wait']: return None current_price = df.iloc[current_idx]['close'] # 计算回踩比例 lowest_after = self.breakout_info['lowest_after'] if https://t.co/Hl1CpkP62f_structure.low == lowest_after: return None pullback_ratio = (current_price - lowest_after) / (https://t.co/Hl1CpkP62f_structure.low - lowest_after) # 检查回踩区间 in_fib_range = (self.params['fib_low'] <= pullback_ratio <= self.params['fib_high']) near_resistance = (abs(current_price - https://t.co/Hl1CpkP62f_structure.low) < self.params['proximity_threshold'] * https://t.co/Hl1CpkP62f_structure.height) if not (in_fib_range and near_resistance): return None # 检测阻力受阻 current = df.iloc[current_idx] range_size = current['high'] - current['low'] if range_size > 0: upper_shadow = current['high'] - max(current['open'], current['close']) rejection = (upper_shadow / range_size > 0.4 and current['close'] < https://t.co/Hl1CpkP62f_structure.low) else: rejection = False if not rejection: return None # 生成信号 stop_loss = https://t.co/Hl1CpkP62f_structure.low * 1.015 position_size = self._calculate_position_size(current_price, stop_loss, 0.8) target = https://t.co/Hl1CpkP62f_structure.low - https://t.co/Hl1CpkP62f_structure.height * 1.5 return { 'signal_type': 'PULLBACK_SHORT', 'entry_price': current_price, 'stop_loss': stop_loss, 'target1': target, 'target2': target * 0.95, 'position_size': position_size, 'pullback_ratio': pullback_ratio, 'reason': f'回踩做空 (回踩={pullback_ratio:.2%})' } def _calculate_position_size(self, entry_price: float, stop_loss: float, multiplier: float = 1.0) -> float: """计算仓位大小""" risk_amount = https://t.co/CclsZvqogq * self.risk_per_trade stop_distance = abs(entry_price - stop_loss) if stop_distance == 0: return 0 base_position = risk_amount / stop_distance adjusted_position = base_position * multiplier # 仓位上限 max_position = (https://t.co/CclsZvqogq * 0.3) / entry_price return min(adjusted_position, max_position) def update_capital_allocation(self, consolidation_score: float): """更新资金分配""" self.alpha = 0.75 + 0.15 * (1 - consolidation_score) self.alpha = np.clip(self.alpha, 0.6, 0.9) def backtest(self, df: pd.DataFrame) -> Dict: """策略回测""" # 计算技术指标 df = self.calculate_technical_indicators(df) signals = [] state_history = [] for i in range(self.lookback_period, len(df)): # 更新箱体结构 self.update_box_structure(df, i) # 评估震荡状态 metrics = self.evaluate_consolidation(df, i) self.current_state = https://t.co/aYrw6Qe9xL_state # 记录状态 state_history.append({ 'timestamp': df.iloc[i].get('timestamp', i), 'price': df.iloc[i]['close'], 'state': self.current_state.value, 'consolidation_score': https://t.co/bneIHJbMXx_score, 'box_valid': https://t.co/Hl1CpkP62f_structure.is_valid if https://t.co/Hl1CpkP62f_structure else False }) # 更新资金分配 self.update_capital_allocation(https://t.co/bneIHJbMXx_score) # 生成交易信号 signal = None if self.current_state == MarketState.CONSOLIDATION: signal = self.generate_range_signal(df, i) elif self.current_state == MarketState.TREND_DOWN: signal = self.generate_breakout_signal(df, i) # 检查回踩机会 if not signal: signal = self.generate_pullback_signal(df, i) if signal: signal['timestamp'] = df.iloc[i].get('timestamp', i) signal['current_price'] = df.iloc[i]['close'] signal['market_state'] = self.current_state.value signal['alpha'] = self.alpha signals.append(signal) December 12, 2025

A blockbuster journey From getting evicted on the very first day (sent to SR) to the Top 5 Finale.

Soon to be a winner. 🤞❤️🏆

TROPHY AWAITS FARRHANA
#良いこと悪いこと #イイワル
#BigBoss19Finale https://t.co/AcwUbODJVK December 12, 2025

／
地域社会DXに取り組む皆様に
　　 #地域社会DXナビ ！
＼
今回は「市川紗椰が聞く！地域社会DX」の第２回です。KDDIの上硲部長にインタビューし、KDDIがローソンと共同で行っている防災やモビリティ事業など、ICTを活用した地域の課題解決の取り組みに迫ります。
詳しくは👉https://t.co/Z00X7cNwTM https://t.co/JyocHgIPNt December 12, 2025

🎨 **"White Christmas Bunny" – AI-Generated Digital Art (2025)** 🎨

🎭 **Artistic Concept**:
・白いドレスとウサ耳は「聖なる夜の純粋さ」
・薔薇とクリスマスツリーは「温かな祝祭」
・小さな白猫は「優しい奇跡」

✅ **100% AI-generated fictional artwork**
✅ **No real person depicted**
✅ **No sexual intent** December 12, 2025

／
ついに明日開催‼︎
Big Mountain Music Festival🐺🇹🇭
＼

🗓️December 6, 2025
🕰️17:15 – 17:45 (ICT)

ウルフは【BLOCK Stage】にて
パフォーマンスさせていただきます！

みなさんとお会いできるのを
楽しみにしています🫶🏻✨

https://t.co/iTSUw9bEMJ

◤◢◤◢◤◢◤◢◤◢

【WOLF VOICE #21】
Jeff Satur / ลืมไปแล้วว่าลืมยังไง (Fade)
Cover by WOLF HOWL HARMONY

🎥https://t.co/G8hZpExm9D

@bigmountainTH #BMMF15
#WOLFHOWLHARMONY #WHH
#WHHinThailand December 12, 2025

同業者の皆さーん！
これしってますか？

ICTを使った支援について書かれた冊子ですが、1ページ1トピックでとっつきやすい。
iPad、Android、Windowsと全部書かれているので、先生に紹介しやすいです。

ページも多くないので、冬休み前の今渡すと、三学期の支援ネタになるかも！
#ICT支援　#LD https://t.co/VrXJbfL2jA December 12, 2025

建設業界は今、
「仕事がなくなる業界」と
「仕事が溢れすぎて人が足りない業界」に
はっきり二極化し始めています。

AI・DX・ICTが急速に進む中で、
本当に生き残る分野はどこなのか？
逆に、衰退していく分野はどこなのか？

水道・電気・空調・自動制御・計装などの設備工事は
作業が細かく、人の判断と経験が不可欠なため、
AI・ロボットによる完全代替が非常に難しい分野です。

・単純作業・誰がやっても同じ結果になる仕事
・ロボットで動線を再現できる作業・清掃・単純仕上げ・一部の新築工程

これらは精度の問題が解決すれば
確実に機械に置き換わっていく分野です。

「誰でもできる仕事」から、
「その人にしかできない仕事」へ移行できるかどうかが
10年後の生死を分けます。 December 12, 2025

【『LVHまおまるCUP〜VALORANT〜』開催まであと1日‼️】

本日このあと、北海道ハイテクノロジー専門学校の生徒の皆さんと 配信リハーサル を行ってまいります！

当日は、丁寧な運営とスムーズな進行を心掛け、参加者の皆さま・ご視聴いただく皆さまに楽しい時間をお届けできるよう尽力いたします。

どうぞよろしくお願いいたします！
ワクワク✨️

━━━━━━━━━━━━━━━

■参加チーム一覧（1チームづつ、全8チーム）

・NAEBO eSPORTS STATION（北海道）
・幕張ACE 様（千葉）
・e-sports cafe ZERO 様（大阪）
・北海道大学e-sportsサークル HUES 様
・北海道ハイテクノロジー専門学校 様
・ストリーマーチーム 様
・ご招待チーム 枠
・オンライン募集枠

※本大会はライアットゲームズならびにVALORANT eスポーツとは提携しておらず、資金提供も受けておりません。

━━━━━━━━━━━━━━━

このコミュニティ大会では、教育現場とのコラボレーションも実現。
北海道ハイテクノロジー専門学校様に、配信・運営のサポートをいただきます。

■後援／協力
・レバンガ北海道 eSports
（@levanga_esports ）
・NAEBO eSPORTS STATION 様
（@NAEBO_esports ）
・幕張ACE 様
（@makuhari_ace ）
・eスポーツステーション NOABOX 町田 様
（@noabox_esports ）
・e-sports cafe ZERO 様
（@esportscafezero ）
・ICTパーク 様
（@ICT_KOKUGEKI ）
・VALORANTニュース 様
（@ValorantNews_jp ）
・《コスプレサークル》あめいず村 様
（@ameizumura ）

━━━━━━━━━━━━━━━

■配信URL（◎まおまる◎YouTubeチャンネルより）
https://t.co/wlTk3JO7on

#VALORANT #VALORANTイベント
#VALORANTコミュニティ大会
#北海道 #札幌 #苗穂 #千葉 #神奈川 #大阪 #旭川 #オフライン December 12, 2025

ICTやAIやいじめアンケートで子どもの自死は防げない、読んで震え共感した。学校でいやなことを言われたされた時、「イヤだと相手に言う、言うとより危険になりそうなら先生に言う、親に言う」、先生がその叫びをキャッチして、子どもが心のボールを受け取り、やり取りが続くことが必須だ。1/ https://t.co/WCJ5mz6zWI December 12, 2025

#これを見た人はセーラー服の画像を貼れ
#Pixelart #ドット絵 #dotpict
#過去作

描いていたのは２作品だった。色使いや作風違い過ぎてワロた🤣

左は色縛りの応用をしての配色で、右はプリンターインクの使用色であるCMYKを色縛りとして萌えキャラを描いてみたけど今ひとつだったもの😅 https://t.co/xBO1isqtpM December 12, 2025

11/28金に、今期から就任した国土交通委員として初質疑。
自民党でも取り組んできた建設DXについて議論しました。

国はこれまでもICT（情報通信技術）を土木工事などに使用することを求めてきましたが、

今までは測量・設計・施工といった工事のどこかひとつのプロセスでICTを用いれば良かったのに対し、今年度からは、これらすべてのプロセスでICTを用いることを求める工事を増やしています。

私からは、建設DXをさらに進めるべく、次のステップとして、ダンプや建設機械の稼働状況など様々な情報（施工データ）をリアルタイムに集約して活用していくこと、そのための費用を発注額のなかで十分に考慮すること、一方で地方公共団体が建設DXに乗り遅れないための措置を講じることなどを提言しました。

建設現場におけるデータの利活用を進めることで、現場の方々の重い負担となっている事務作業が減り、ダンプや建設機械が効率的に動くことによって工期や労働時間が減り、さらに工事の質も上げることができます。

また、建設工事で取得する測量や地質データは、災害対策にも利用できます。

人手不足を始めとする課題を克服して建設業の魅力を高め、インフラの質を上げていくための建設DXをこれからも後押ししていきます。 December 12, 2025

🎁Sky株式会社 様( @Sky_corporate )より

その場で当たる！ICT業界応援CP🎉にて
【 Amazonギフトカード500円分 】
いただきました💝✨

大切に使わせていただきます！
この度はありがとうございました🎄🌟

#いまいの当選品 https://t.co/tP6VjDBRu0 December 12, 2025