bbi指标参数设置和使用的技巧：
1、先将BBI的参数设置成3日、6日、12日和24
2、再将长线BBI的参数，设置成6日、18日、54日和162日，并用新参数画出的主图线，定为EBBI
3、将BBI和EBBI重叠在一起，当个股的BBI指标由下向上突越EBBI时，若VOSC指标为正数，则可以将该股定性为处于蓄势待发状态中的黑马，加以重点关注
4、当VOSC下降到-200以下的位置后，BBI在低位拐头向上时，如果VOSC指标能以极快的速率上升并上穿0轴线时，将是重要的短线买入信号，bbi指标参数设置和使用技巧成功。
BBi指标是一种基于均线的技术指标，在计算时需要使用到移动平均线和标准差的数学公式。以下是BBi指标的公式源码（使用Python语言实现）：
```
def bbi(close, n=[3, 6, 12, 24], m=4):
# 计算均线
ma = [0] * len(close)
for i in range(m):
ma += close.shift(i)
ma /= m
# 计算标准差
std = [0] * len(close)
for i in range(m):
std += (close.shift(i) - ma) ** 2
std = np.sqrt(std / m)
# 计算不同周期的BBi值
bbi = [0] * len(close)
for i in range(len(n)):
bbi += (ma / close.shift(n[i]) - 1) * m
return bbi
```
解释一下代码中的变量和计算过程：
- `close`：收盘价数据，可以是任意长度的列表或数组。
- `n`：不同周期的计算周期，可以是一个列表，例如`[3, 6, 12, 24]`。
- `m`：标准差计算的周期，一般取4。
- `ma`：移动平均线的计算结果，是一个和`close`等长的数组。
- `std`：标准差的计算结果，是一个和`close`等长的数组。
- `bbi`：最终的BBi指标计算结果，是一个和`close`等长的数组。
代码中的计算过程包括以下步骤：
1. 计算移动平均线。使用循环累加近m个交易日的收盘价，然后除以m就得到了移动平均线的值。
2. 计算标准差。同样使用循环累加近m个交易日收盘价与移动平均线之差的平方，然后除以m并求根号就得到了标准差的值。
3. 计算BBi指标。使用循环计算不同周期（n）下的指标值，根据公式`(ma / close.shift(n[i]) - 1) * m`计算出每个交易日的指标值，并将不同周期的指标值相加得到最终的BBi指标值。
以上就是BBi指标的基本计算过程和Python代码实现。