要编写一个程序来识别股票的近期高点，你可以使用不同的编程语言和方法。以下是几种常见的方法：
使用通达信公式
在通达信软件中，你可以使用内置的函数来计算最高价的移动平均值，并通过条件判断语句来筛选出近期高点。例如，使用以下公式来判断当前收盘价是否高于最高价的10日移动平均值：
```pascal
IF(CLOSE > MA(10, HIGH), 1, 0)
```
这个公式返回1表示当前是近期高点，返回0则表示不是。
使用Python进行计算
你可以使用Python及其相关的库（如pandas和numpy）来处理和分析股票数据。以下是一个简单的Python函数，用于判断最近60个交易日内的最高收盘价是否近一年半的最高价：
```python
def m_isHighOfYear(code, df):
series = df['close'].astype(float)
series2 = df['close'][-60:].astype(float)
max_price = series.max()
max_recent = series2.max()
return max_recent >= max_price
```
这个函数接受股票代码和包含股票数据的DataFrame，并返回一个布尔值表示是否为近期高点。
结合技术指标
你可以使用技术指标如最高价指标（HIGH）和峰值指标（PEAK）来识别股价的高点区域。例如，在通达信中，你可以使用以下公式来获取最近N个周期内最高价的最高值：
```pascal
HH:=HHV(HIGH,N)
```
其中N代表你要分析的日数。另一个例子是使用峰值指标来识别股价的高点：
```pascal
PEAK = IF(HIGH = HHV(CLOSE,n), 1, 0)
```
其中n为设置的周期数。
编写预警系统
你可以使用通达信函数编写一个简单的当天新高的预警源码。例如：
```pascal
If(C > HHV(H,10), 1, 0)
```
这个公式表示如果当天的收盘价（C）超过最近10天内的最高价（HHV（H,10）），则返回1，否则返回0。
使用深度学习模型
对于更高级的应用，你可以使用深度学习模型来预测股票价格的变化趋势和识别高点。这通常需要大量的数据和复杂的算法，如循环神经网络（RNN）或长短期记忆网络（LSTM）。
根据你的需求和熟悉程度，可以选择适合的方法来实现股票近期高点的编程。对于初学者，使用通达信公式或简单的Python脚本可能更容易上手。对于更复杂的需求，可以考虑使用深度学习模型。