2006年开始做投资，本金是1000块，这个月初账面资金为211.6万，中间曾经爆仓，后续投入为工资收入的部分，大概6—8万。我觉得我的经历和思路可能会对投资有困惑的人有一些帮助，抽一个晚上的时间写一篇文章，如有言疏语陋之处，请勿见笑。

我入市大概在2006年。当时读大四，第一笔投资是在证券市场，买的是神火股份，有一点小小的思想挣扎，毕竟是背着父母的一笔不小的支出。当时的想法很简单，亏200就止损，损失可以承受，赚出从学校到上海的来返路费就止盈。后来几个月后拿到了预期的收益，尽管在好多人看来这是个笑话，因为卖在了起涨点，但我一直觉得这次投资最成功，因为是理性投资+规范操作！

毕业后去了一家证券公司，我不是一个聪明的人，和大多数人一样，几年投资经历，有盈有亏，起起落落，从直觉派转到技术派，从技术派转到基本面派，从基本面派转到价值投资派，又从价值派转到资金派，最后自封为奶油蛋黄派。衣服穿上又被扒下，扒下后又穿上，由人成为神，由神成为人，由人成为鬼，最后索性在一次期货豪赌中变成土了。还好靠着稳定工作的输血，我又能卷土重来，投资领域扩大到股票、期货、外汇全天候海陆空三栖，但是后来的投资还是陷入了一种更加歇斯底里的境地，该胆大的时候谨慎，该谨慎的时候大胆；什么都想顾，顾也顾不过来，左右扇耳光，每一天的投资其实就是神经质般的三个动作，一个开仓，一个止损，完了看一下亏了多少。有一段时间，甚至觉得自己鬼上身了，初一十五的没少去庙里烧香，旁边磕头作揖的都是五六十岁的老太太，有几个还混了个脸熟，就差和她们一起在庙里穿的红红绿绿的敲大鼓了。

总结这段时间失败的原因，我觉得一个是不具备基础的投资理财知识而把直觉这个靠不住的东西当成投资的法宝；另一个是承担了自己不能承担的风险；还有一个是不知道自己的不能而觉得自己无所不能。

局面发生改观是在2008年底，之前的整个奥运期间我已经辞职了，有大概两个月的自由时间反省，看了好多专业投资方面的书，还有大量的实盘图，后来总结出了几条感悟，称不上什么理论，用蜜蜂采蜜做个比方：蜜蜂采蜜先选时，一年当中并不是每一天都是采蜜的时间，起码是要花开时节，天气要好；选时完了得选花，有的花有蜜，有的花没有，一支花开不值得采，还不够飞过去的油钱，起码得有一大片；选完花了还要知道在哪里下手，把整株花掐回去的蜜蜂可能过去曾经有，后来因为太傻灭绝了，只要知道采哪个地方，小刷子刷几下，简洁而高效的把事儿办了就行了；整个流程都熟悉了还要懂得把这种有效的办法简单重复，因为没有必要花很多时间把一枝花采的那么干净，毕竟花还是很多的，一支上采最鲜的几口就足够了。

就是这样一个浅显的道理，把它具体化就能形成一个交易系统需要具备的几个要素，怎么选时?选完时了怎么选股？选完股资金怎么分配？什么情况下介入？什么情况下离场？这个系统的可靠性怎么样？能不能定量和复制？

回答这一切的唯一有效的答案不是直觉也不是所谓的经验，而是绝对严谨一丝不苟的大量数据统计！数据统计能揭示很多你不知道的事实，比如双方博弈，博弈的结果在大量博弈数据条件下正负是不是各占50%？通俗的讲比如抛硬币，抛了十次，可能正面朝上了6次，反面朝上了4次，这时候得出来的统计数据为正负比1.5；但是抛一百次，一千次，一万次呢？如果正反出现是随机并且各占50%的话，能不能在这种随机事件中找出不随机的情况？答案是肯定的！

这里又涉及到一个经典的理论——散兵坑理论！

K线形态上有所谓的散兵坑组合，但这里讲散兵坑为的是引出概率的概念。两颗炮弹落在同一个弹坑的概率有多大？那么作为一个步兵在寻找掩护位时候，躲在弹坑里是不是要比躲在非弹坑里安全呢？

再进一步具体化类推，比如最基本的：

一：MACD+RSI指标底部一背离后有5%的上涨概率为多少？两背离？三背离呢？

二：成交量呈现连续三天递缩至48天地量后次日收阳的概率是多大？后两日呢？

三：以低于13日均量线的成交量创出新高的股五日内再创新高的概率有多大？

如果你发现在类似的某些特定的时候介入成功的概率大的话，那么能不能让这种概率值增大到极致？

高鼻子=美国人？不一定吧，高鼻子的人多的去了！不一定都是美国人。

高鼻子+蓝眼睛=美国人？有可能，至少不太像亚洲人！

高鼻子+蓝眼睛+白种人=美国人？很有可能，不是欧洲人就是美国人！

高鼻子+蓝眼睛+白种人+讲美式英语=美国人？八九不离十！

高鼻子+蓝眼睛+白种人+讲美式英语+持有美国护照=美国人？基本可以肯定要不是美国人那就是国际间谍！

类似的多系统互相确认提高概率值的思路，我建立起了自己的交易系统，通过定量的方法（定量止损+定量止盈）使得风险和收益完全定量化。量化交易产生的直接后果是使得交易简单化和收益稳健化！但是这中间依然存在一个问题，能不能实现效能很高的程式自动化交易？

我们当下的投资辅助技术水平和我刚入市时候已经进步很大了，我刚入市的时候一段时间甚至用的是电话委托，后来的交易系统大约是钱龙，好像没有公式选股、条件预警、自定义指标等功能，正是因为这些功能在后来的专业化软件中的出现，甚至自动交易软件的出现，使得股票程式化交易得以实现。中间用了几个星期的时间完全掌握了指标编程的各种函数和语言组织，终于实现了日常数据存档-自定义选股-盘中预警-买卖止损止盈点和资金分配自动计算等的完全自动化，（全自动交易是去年年中实现的）日常的操作变得比较轻松，不敢大言不惭的说股市就是自动取款机这样的话，但事实是在实际的差不多一年多的操作中，跑赢了大市，也跑赢了王亚伟。

真正的思想和实践出现升华是在后来接触期货的两年，出发点是基于这样一个思考：如果一个交易系统在不同类别的市场均成熟有效，那么放大资金使用杠杆的唯一结果就是提高资金的使用效率，从而使得收益增速加大。

通过接触一些职业投资机构和个人，系统的学习市场上的各种投资理念和技术，交易系统实现了针对不同市场的不同创新。双边交易的市场有一些自己独特的特征，而这些特征完全区别于单边交易市场的品种。这些特征的捕捉并应用到程式化交易模型中会出现很多超出预期的效果。

一年的时间中学完了正常情况下需要30年不眠不休才能学完的资料不是每个人都有这样的毅力的。这些资料我列出了一份清单，光读完目录都需要五分钟。当然学习是讲究技巧的，我不是超人。经过这样一个过程，再用大量的实践去证明什么行而什么不行后，对市场的认识会极大的提高。我在这当中最核心的一个认知是：交易者最应该关注的是交易本身！市场中全部的技术，预测、分析、确认等等都服务于交易本身。通俗的讲我们在这个市场上的全部行为的目的是如何在K线的不断变换中获取差价收益，一切以交易获胜并且这种获胜可以持续为原则。如果说一个没有任何专业知识的投资者靠一个不起眼的技巧（比如RSI指标）在长期的交易中收益远远超过了一位精通各种专业理论的专家的话，那我们是不是要反思一下交易的本质？

后来带给我快速稳健收益的期货交易模型的建立是基于自己的三个基本理念：

一：两方充分博弈的结果是随机事件

二：概率是让随机事件产生规律的条件

三：量化因素必然对应量化结果

海龟交易法则涉及均线，我这几年的研究觉得K线更具备直接性。

即使是均线，不同的参数、不同的均线组合、加上不同的交易规则，效果也是不一样的，关键是你能否找到黄金搭档？

5、13、48、64、256均线在涉及均线的交易系统中具备一些普世价值。当然要与具体的交易规则相结合，金死叉、线上线下、高低点均线值等等都可以作为交易规则。高效的测试软件配合大量的历史数据可以让你快速计算出交易模型的胜率。

市场上有无数的条件可以让你获利，这些条件涉及很多面很多角度，努力的探索并把这些条件罗列出来，用严谨的统计计算这些条件的胜率，用概率锁概率的办法把概率提升到极致你会发现，在某种情况下能够实现十拿九稳，也就是说虽然百分百成功不太现实，但是如果百分之九十的成功率呢？

极高的成功率配合定量交易，比如定额投入定额止损，以一次固定量亏损+九次固定量收益（也可以不定量）实现正收益是必然的，剩下的唯一因素就是时间，在这种情况下，时间反而成了收益累加的唯一要素了。

交易辅助软件的作用不可小觑，一个高效的程式化交易模型的运行，交易条件+交易规则+资金管理只是组成了一个模块，交易的规范化执行的重要性一点儿也不亚于前者！这点也很重要，这些都是花很大代价买来的教训。基础的比如文华财经一键通的程式化交易软件对于职业程式化交易者来说效果还不错，类似的还有开拓者软件。正是这些软件的大众化使得程式化交易得以像纺织厂里的纺纱机，交易者如同纺纱工，职责只是保证机器正常运行就行，一台笔记本+一个3G上网卡就能实现不受地域限制，高效且绩效惊人的投资，人的精力的以解放，交易不再痛苦。这一切的核心，区别于他人的竞争力最终会回到了你的交易模型是否有效、稳健。

很多的东西我们没能力创新，但是最起码得有能力学习，这些理念几十年前就有人在研究和实践了，并造就了无数的赚钱神话。希望我的投资经历和理念能对有需求的人有所帮助。思路完全公开，细节因涉及个人太多艰辛的劳动暂且保密，望谅解。欢迎学术探讨 QQ：1843262533

参考:

frank的博客:http://blog.sina.com.cn/s/articlelist_2160158591_0_1.html

六年探索，见证程序化交易的惊人威力 --- 第一篇相关推荐

1. DeepEye：一个基于深度学习的程序化交易识别与分类方法

   DeepEye:一个基于深度学习的程序化交易识别与分类方法 徐广斌,张伟 上海证券交易所资本市场研究所,上海 200120  上海证券交易所产品创新中心,上海 200120    摘要:基于沪市A股交 ...

2. 期权程序化交易接口有哪些？

   如果我们想做期权量化交易,首先肯定是要找到一个合适的程序化交易接口,但交易接口数量这么多,哪一款是可以进行期权操作的呢? 可以做期权量化交易的接口有很多,但是比较知名的,国内的就有ctp.飞马.恒生, ...

3. 一文读懂程序化交易算法交易量化投资高频交易统计利

   转 一文读懂程序化交易.算法交易.量化投资.高频交易. 统计套利 在央行发布的<中国金融稳定报告(2016)>中,对于高频交易的解释为程序化交易的频率超过一定程度,就成为高频交易.而对程序 ...

4. 这篇文章说到了程序化交易的本质！

   2015年7月31日,证监会发布公告,称证监会相关派出机构.沪深交易所正在对部分具有程序化交易特征的机构和个人进行核查,对频繁申报或频繁撤销申报,涉嫌影响证券交易价格或其他投资者的投资决定的24个账户 ...

5. 名策数据祝清：巴菲特不能复制，量化与程序化交易才是王道

   5月24日,由小饭桌.凡卓资本主办的"2017中国金融创新创业峰会"在北京四季酒店继续进行,名策数据创始人兼CEO祝清先生在下午的金融行业企业服务主题论坛上带来了关于量化交易.高频 ...

6. macd的VB计算机程序,基于动态VWAP算法和MACD分析的程序化交易研究

   摘要: 在1975年的纽约证券交易所(NYSE),出现了把不同的股票按不同的比例同时进行交易的情况,如果交易总金额超过100万美金交易数量超过15个,那么当时的NYSE就将这种交易叫做程序化交易.随着 ...

7. python期货程序化交易高手心得_程序化交易高手的交易心得 分享~

   总体来说, 一.行情研判模块 行情研判模块是主要为资金管理和交易策略服务的.如果除去这一点,所有的行情研判就都失去了目标也就没有办法设立标准,当然也就没有了实际的意义.预测是研判的一部分,但是研判不仅 ...

8. 程序化交易学习笔记（一）

   了解学习期货程序化交易及其编程 程序化交易:制定规则,严格按照规则去交易 (本质:构建投资组合) 程序化交易不是"科研",而是一项"工程"! 巴菲特说:分散化是 ...

9. python股票自动交易从零开始-python程序化交易编程-python制作自动交易程序!

   如何用python进行期货程序化交易 .程序化交易系统目前主要是通过计算机程序实现的,其实就是把交易者决策的过程用计算机语言描述出来,然后由计算机给出交易建议或直接发送交易指令到期货公司的. SDYG ...

最新文章

1. addressof表达式不能转换为long_基本数据类型转换
2. ogre3D学习基础10 -- 键盘控制与鼠标控制（直接控制）
3. x86、amd64、x86-64、x64以及ia64的基本概念
4. python中变量作用域
5. anaconda学习python_python深度学习笔记1-Anaconda软件安装
6. 前端MVC框架之 Angular
7. 树莓派Java程序运行_树莓派上Java程序作为linux服务并开机自动启动
8. Silverlight 参考： Path的Data生成归总
9. golang利用json.Unmarshal转json为map、slice类型
10. 阶段1 语言基础+高级_1-2 -面向对象和封装_11使用对象类型作为方法的返回值
11. 服务器执行sh文件或目录,将window的shell脚本通过ftp传输到Linux服务器后， shell脚本中执行时提示“没有那个文件或目录”的解决办法...
12. 计算机主板 方便用户自己安装的是,电脑水冷安装教程步骤解析【图文】
13. 从Java角度学JavaScript
14. python rest api client_Python py-jama-rest-client包_程序模块 - PyPI - Python中文网
15. JavaWeb：生成简单随机图片验证码返回给客户端
16. java编程实现食堂饭卡刷卡_饭卡系统java
17. 八种显示器技术（放映机、投影仪、CRT显示器、LCD显示器、LED显示器、PDP等离子显示器、激光显示器、VR显示器）
18. iPhoneX开了个好头，苹果今年将推廉价版iPhoneX柏颖
19. UVa 10041 - Vito's Family
20. citra 图形设置_bios怎么设置硬盘启动顺序 bios设置硬盘启动方法

热门文章

1. encodeURI()、encodeURIComponent()区别及使用场景
2. 抖音SEO获客系统，抖音排名优化，抖音SEO优化
3. 2018中美经济学家金融科技创新论坛圆满结束 ETM区块链新技术成焦点
4. 最佳均线系统操作依据
5. textarea中文本内容垂直显示（适合蒙文字体）
6. 将批处理文件编译成可执行文件
7. （转）【译】优化你的手机游戏（没有延迟的，才是健康的）
8. 新版Free手机、PC、平板、笔记本四端网站缩略展示图在线一键生成网站源码
9. 【R】【线性回归分析实验】
10. ＜＜多模态预训练—泛读系列（一）＞＞ViLBERT—(NeurIPS-2019)，VL-BERT—(ICLR-2020)，VisualBERT—(ACL-2020)