#NIFTY - The Impulse from April Lows might terminate between 16500-750 zone, less likely to exceed past 16900 in the current run.
Can expect a pullback thereafter.
Not betting on any severe reversals at the moment.

#ElliottWave

My simple Approach towards Breakout trading :

1. Scan stocks on the basis of FTDB Scanner.

2. Buy stocks with EMA-9> EMA-21> EMA-63 > EMA 200 & Volume 200% up

3. maximum SL of 1.25X ( ATR )

4. I do breakout trading only in Nifty -500 stocks

#StockMarket
#trading
#Nifty

5 star RSI Strategy by @VishalMalkan

Unconventional approach of 60-40 RSI and range shift concept.

According to him,
whenever the market is bearish,
it won’t be able to cross 60,
and whenever in a bullish trend,
it won’t be able to cross 40.

Like & Retweet for Maximum Reach.

So, instead of the 70-30 Relative Strength Index,
we will use the 60-40 range for the RSI indicator for this strategy.

When the
Monthly and Weekly RSI>60,
& when the RSI takes support at 40 in the daily chart,
it may bounce back and most probably it will not go below 40.

If a bullish candle is formed at the 40 RSI level,
the prices may bounce back, and one can enter the stock.

The stoploss can be placed at the low of that bullish candlestick,
and the target can be the 60 RSI level.

When the
Monthly and Weekly RSI<40,
& when the RSI takes resistance at 60 in the daily chart,
it may bounce back and most probably it will not go above 60

If a bearish candle is formed at the 60 RSI level,
the prices may bounce back from there, & 1 can enter the stock 4 shorting

The stoploss can be placed at the high of that bearish candlestick, and the target can be the 40 RSI levels.

#banknifty

This range shift concept can be applied in any timeframe,
whether intraday, daily,weekly, etc.

महाभारत की कहानी कौन नहीं जानता।लेकिन क्या आपको पता है कि महाभारत के ज्यादातर पात्र किसी न किसी श्राप में फंसे थे।अगर ये श्राप न होते तो कदाचित महाभारत की कहानी कुछ और होती।हिन्दु पौराणिक ग्रंथों में विभिन्न श्रापों का वर्णन मिलता है व हर श्राप के पीछे कोई कहानी अवश्य होती है।

आइए आज जानते हैं महाभारत कथा में वर्णित कुछ श्रापों के बारे में।

1) राजा पाण्डु को ऋषि किन्दम का श्राप

एकबार महाराज पाण्डु शिकार खेलने वन गए।झाडियों के पीछे कुछ हिल रहा था। मृग है सोचकर राजा ने बाण चलाया जो जाकर ऋषि किन्दम और उनकी पत्नी को लगा।वे दोनो रति-क्रीड़ा में लिप्त थे।

जब राजा ने उन्हें देखा तो बहुत दुखी हुए कि ये मुझसे क्या पाप हो गया।बहुत क्षमा याचना के बाद भी किन्दम ऋषि ने पाण्डु को श्राप दे दिया कि जब भी वो किसी स्त्री को काम भावना से स्पर्श करेंगे उसी क्षण उनकी मृत्यु हो जाएगी।पश्चाताप करने, वे सिंहासन पे अन्धे राजा धृतराष्ट्र को बैठाकर...

..स्वयं अपनी रानियों कुंती व माद्री के साथ वन चले गए।पांडवों का जन्म भी कुंती को ऋषि दुर्वासा द्वारा दिए गए मंत्र से हुआ था जिसमे किसी भी देव का स्मरण कर उस देव से कुंती,पुत्र प्राप्त कर सकती थी।एक बार माद्री पे मोहित हो जब पांडु ने उसे स्पर्श किया,उसी क्षण पांडु की मृत्यु होगयी।

2) उर्वशी का अर्जुन को श्राप

महाभारत युद्ध से पहले जब अर्जुन दिव्यास्त्र प्राप्त करने स्वर्ग गए तो वहां उर्वशी नाम की अप्सरा उन पर मोहित हो गयी। अर्जुन ने जब उन्हें अपनी माता के समान बताया तो यह सुनकर उर्वशी क्रोधित हो गयी और अर्जुन को श्राप दे डाला कि तुम नपुंसक की भांति...

This post is pretty bizarre, but it manages to hit on so many false beliefs that I've seen hurt junior data scientists that it deserves some explicit

(1) The notion that R is well-suited to "building web applications" seems totally out of left field. I don't feel like most R loyalists think this is a good idea, but it's worth calling out that no normal company will be glad you wrote your entire web app in R.

(2) It is true that Python had some issues historically with the 2-to-3 transition, but it's not such a big deal these days. On the flip side, I have found interesting R code that doesn't run in modern R interpreters because of changes in core operations (e.g. assignment syntax).

(3) "Most of the time we only need a latest, working interpreter with the latest packages to run the code" -- this is where things get real and reveal some things that hurt data scientists. If this sentence is true, it's likely because you don't share code with coworkers.

(3) Really is a broader issue in data science: people only think of what they need to do their work if no one else existed and code was never maintained. Junior data scientists almost always operate on projects they start from scratch and don't have to maintain for long.