交易抛开人性来看，就是一个数学问题。
我们习惯用自己主观固有认知去交易，以形态也好还是板块题材也罢，可能只适用某一个特定阶段的行情，有很大的局限性。也就是自我认知的局限性，只是看到很小的一面，每一种形态都有成功的也有失败的，热点题材同样也有成功的和失败的。如果把这个周期拉长，可能这个成功失败的概率都是各占一半，但是当我们如果执念于自己局限的认知，认为某一种形态或是某一个题材就一定是能成功的，或是成功概率高一些，其实这都是一种假象，那个成功率不会变，只是我们自己选择性看到我们想看的那一面，自认为这样就是对的，其实并不然，其实术的标准是万变的，没有一个绝对的定式。恰恰就是要跳出这个术，把过去积累的那个术拿掉，去看到真正的那个本质，才不会被困住。把炒股看成是一个数学问题，就是解决概率、盈亏比、仓位、数据量、时间周期的问题，用数学的确定性去给交易一个定式，这才能解决根本问题。就好比导弹、卫星等都可以通过数学解决精准度、确定性，交易一样也是可以的，解决交易盈利的问题其实就是转化为：找到一个成功率50%，盈亏比大于1的交易模式，然后用合理的仓位，跑出足够多的数据量，就可以做到稳定，这应该是解决交易盈利最简单有效的方法。所以我们看待交易，就应该是用数学的思维，用概率的角度去看待标的，也就是不管个股走的什么结构，什么形态，它第二天涨跌的概率都是50%，是没有人可以提前就知道第二天一定就是涨或跌，我们主观执念的那个优劣，客观情况不一定是这样，要破了追求单次交易确定性那个执念，这一次亏了也不要紧，而是要看一个阶段的结果。数学是解决这个世界的不确定最有效的一个工具，数学本身是完美的确定的，用它就可以找到其它事物在数学领域的那个确定性。把交易问题转化为一个数学问题，转化为自己所擅长的那个领域，就可以解决，只要是一个数学问题，那就一定是可以找到解的。一个模式的核心点就是成功率、盈亏比、合理的仓位、操作的数量，成功率50%、盈亏比大于1，满足这个条件，只要数据量足够大，都是可以盈利的。单次的结果都是不确定的，在不确定的市场中要找到那个确定性，这个确定性不是市场本身的技术逻辑，而是找到一个固定的选股标准，然后以这个标准去操作的那个大数据下的概率支撑，单次的结果不稳定，但多次结果的集合就是稳定的，确定性来自于多次数据的集合，用数学模型去找到那个确定性，交易抛开人性来看，就是一个数学问题。短线交易要做到盈利，做到稳定盈利，最核心的不是去提高成功率、降低频率，反而是要高频率提高数据量，数据量才是短线盈利的核心，因为随便买概率就是50%，时间拉长，操作的次数积累足够多，在这个自然概率下就是能盈利的，交易过程中很多的偶然性因素，不确定形因素，都是不可预料的，为了刻意去规避主观以为的那个不确定，其实都只是自己片面的认知，市场的真实情况可能不一定就是如预期。其实就是应该遵循一个标准长期可持续执行下去，确定的不确定的，偶然的必然的，在时间推移和在足够多的数据量下都会自然平衡。笔者在这两年的时间里面已经实战验证，得到结果，图片
这个就是创业板一进二这两年的数据，总数据看这个模式都是正盈利的，但是因为创业板首板票太多不可能全部覆盖，所以在里面做了一些优化，比如按照一定的标准每天选择两票模式二，按照一定标准每天选一票模式一，按照一定标准降低频率模式三，这个盈利以单票累加计算的。这其实就可以反应一个核心问题，短线交易数据量足够大后，成功率会无限接近50%，所以提高成功率，做确定性的交易应该是短线的伪命题，这种成功率只是阶段性，而不可持续，所以很多人就是受不了亏损，而无法滚动前进。短线交易盈利的真正核心就是盈亏比、交易数量、仓位管理，每天滚动，像一个量化机器人一样每天按照固定的标准无感情推进下去，长期下来结果就是能盈利的，过程中可能会有很大的波动，一个交易模式是不是稳定，能盈利，至少要积累50笔数据，这个综合结果才可以用来判断模式行不行，如果模式没有问题，数据积累到100笔后就会趋于稳定了。现在的市场较过去的市场有了根本性变化，以前的市场是人和人的博弈，在主要参与者是人的市场，是可以找到确定性的，也可以有一些固定的套路模式的，但现在的市场量化主导，是人和机器人的博弈，那个确定性或许就很难找到了，过去一些有用的模式套路都发生变化，所以要想跟以前一样就很难适应市场了，而既然量化是市场的主导，那就学习量化，不追求那个确定性，把成功率预期降低到50%，然后在这个基础上去思考如何盈利，就是提高盈亏比，增加交易频率跑数据量，量化盈利的核心就是靠量。只要保证模式的顶层设计的那个模型是正盈利的，量化跑出来的数据是很亮眼的，而如果是人来执行，可能拿着一个非常优秀的模式，但就是受不了过程中的波动，最后不但赚不了还大亏，前面些年学习游资手法，现在开始就要学习量化，学习量化的愚，按照标准无脑执行。 本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。实盘配资平台提示：文章来自网络，不代表本站观点。
