无更-闲聊(3/4)

但大部分人，其实都在用正确的思路，做着错误的事情。

上文中，我用到了一个词“判断”，而非“预测”。某个时刻的价格涨跌重要，但远没有大部分人所认为的那么重要。好比止盈止损，仓位管理，在这其中都是非常重要却又容易被忽略的关节。

今时今日，金融市场是非常电子化的市场，而随着越来越多的创新者进入，它也产生了巨大变化，某种意义上，门槛是在不断降低。从各种意味上而言。

从数据来说，最近几年也有如聚宽之类为金融宽客提供数据服务和技术支持的服务平台诞生。类似的平台出现之前，量化交易就一直存在，而如果我们回首得足够远，它所存在的历史也远远大于我们的想象。

接下来，我姑且利用中文来写一段“伪代码”，让大家感受一下其中的差异。

【code初始】：

取沪深市场1000只股票的所有历史成交数据，给这些股票从0-999进行编号，1000股票的所有数据用all表示，all[0]代表第一只股票，all[1]代表第二只股票......

取编号0的股票数据all[0]，计算一系列指标

当编号0股票某个指标高于某水平，返回卖出信号，低于则返回买入信号

编号0股票计算完毕后继续计算编号1，直到编号999位置

指标数据存储表格all2

===============

【code回测】：

设初始资金为100万

取【code初始】所存储的表格数据all2

设每次投入比例为本金20

根据all2数据的买入卖出，从all2[0]开始执行模拟买卖操作，一直到all2[999]位置

计算所有100只股票在该策略下的回测百分比

将投入本金比例设为从1-20的变量，依次测试不同投入仓位的回测百分比

记录存储所有数据为all3

===============

【code模拟】：

取【code初始】所产生数据all3

取all3[0]，根据随机数产生未来300天交易价格波动

按照【code回测】的最优结果，模拟未来300天交易策略和仓位的回测比例

记录所有数据

......

好了，这些伪代码当然是不能执行。但我们常说计算机语言，不管何种语言，它的实现都是由人来设计，这些所写的伪代码要转化为实际计算机语言也没有想象中那么复杂。

当然，效果好不好我们另当别论。好比策略的东西，不管任何市场，它都需要是不断调整，而机器决策是重要的环节，但同样也离不开控制者本身对策略进行调整。在【code回测】中，我们描述了一个过程，我们基于过去的历史，让计算机在某个策略和仓位管理中去模拟，如果用这东西在过去买卖，它能不能赚钱。而接着则是在【code模拟】中，我们随机生成了未来的交易价格，又用这个策略和仓位管理套了进去。

仓位管理，比较有名如凯利公式，而模拟有采用蒙特卡洛模拟来做。手段和方法多重多样，这里我们就不一一细述。

ok，那么问题来了。我说技术分析的思路是对的，但大部分人操作并不正确，答案便在这里。

技术分析源于过往历史，结合各种指标来提升胜率。但我不认为一个普通人通过肉眼观察和划线，最终所做是能比机器做的更好。

打个比方，某个人正在做交易，他个人的仓位较多，所以他所期望的是接下来市场价格会涨，那么划线这个行为是很主观的操作，不同人在同一张图操作，最后可能产生无数种结果，无数种可能。

再者，聊技术分析，普通人每天关注1000只股票可能吗？而主流的交易市场，就不说外汇期货币市，单单股票市场，全球主要的交易场所哪家不是以千计的数量。

所以，任何做市场预测的人都是狗屎。你说你做的技术分析？不，你就是在赌博。

好嘛，技术分析的路子走不了，那他说自己做的是基本面分析，他怕不是觉得我还吹不涨他？呵呵。

我们姑且一看。刚刚我们讲到基本面分析有几个方面，这里分成了可数值化和不可数值化两部分。

打个比方，国家经济发展有很多数值表现，如gdp、工业农业数据、就业数据。而汇率和货币政策也同样是比较明确的。再者如公司经营状况的营收成本利润、市盈市净。以上，这都是基本面中的可数值化部分。反驳的思路就也和技术面分析的说法雷同，你个鸟人还能天天关注百来个国家，上千个公司的数值基本面？那对不起，机器能，还能发警报呢，还能做决策呢，还能模拟呢，还能告诉你仓位和止损止盈呢。

不可数值化部分就是个问题。但依旧有可解答的方法。

比如，某朋友说，嗨哟我天天看参考消息，各种日报抓重要人的讲话，就是隔壁三姑六婆急吼吼开户去这点小事，这才是我看市场的方法。

于是，我摸着良心，打开了百度ai的官网。我找到了自然语言处理，又选到了“情感倾向分析”一栏。哎哟，demo都不用写，直接就有输入框体验。

我写道，“司马鸟股市，天天割韭菜，老子不玩了艹”

页面直接给我返回了83的情感倾向为负的结果。

接着我还是写了一个弄了百度ai的o，返回结果也不复杂，一个分类结果代表情感极