1 引入 如何用程序识别股票趋势：上涨/下跌/横盘？我面对的问题是：某些策略在上涨时有效，有些在下跌时有效，还有些更适用于横盘。那么，如何以量化方式准确判断当前趋势呢？ 趋势本身是一个相对的概念。上涨与下跌显然不同，而上涨与横盘有时难以区分，比如：究竟多长时间，多大涨幅能称为上涨？今天我们来探讨一下量化识别趋势的具体方法。 2 实现 在具体应用中，我们需考虑两个问题： 当前趋势判断：结合当前数值与近期历史数据，确定当前所处的趋势。 历史趋势判断：分析历史数据，将其划分为上涨、平稳和下跌的阶段。 2.1 原理 好的趋势判断方法，其核心在于明确多大尺度下允许多少波动来确认方向。这包含三个层面的框架：方向、坡度和噪音容忍度。 指标类别 用于判断什么 常用指标 参数示例 方向性 大方向是涨还是跌 MA、MACD 方向 20 日 vs 60 日 坡度 涨得快还是慢（可用百分比或斜率） MA 斜率、收益率 20 日涨幅 > +5% 稳定性 是趋势还是乱拉（噪音比） ATR/价格、布林带宽度 ATR 占比 < 2% 利用大周期判断方向，用强度指 ...

最近在做策略池，有一个小小的发现，觉得还挺有意思：在股票交易中，学习得越多，反而越难做决策。当使用多个策略来监测同一支股票，不同策略给出的行为建议常常不一致，甚至互相冲突——一个让买一个让卖。 比如： 上涨途中突然回调，KDJ 提示超卖，但均线结构却给了卖出信号，这到底是买还是卖？ 刚买就跌了 5% 没破支撑，是不是要加仓？但纪律又告诉你要止损？ 技术面超卖、情绪冰点、动能向下，却又可能超跌反弹，这到底怎么判？ 多数书只讲单条规则，很少讲“规则互相打架时怎么办”。现实比书复杂得多。在本篇文章中，我们将分析造成这种现象的原因，并探讨解决这些冲突的方法。 1 价值仓 vs 技术仓：先分清你到底在做哪一种 很多混乱，其实来源于——用价值逻辑做技术仓，用技术手段处理价值仓。 这两个体系完全不同。 价值仓（长期逻辑）： 判断的是“公司未来值不值得拥有” 趋势大方向不坏，就能拿 下跌是机会，可以摊成本（前提是长期逻辑没坏） 不需要 RSI/KDJ 这种短线指标 技术仓（规则交易）： 判断的是“信号对不对” 入场、出场、止损、止盈都按规则执行 不摊成本、不讲感情 完全看价格行为，与公司本 ...

1 引子 这是一个奇怪的脑洞：想到一种计算支撑位的量化方法。 早上和 AI 讨论如何识别阻力位和支撑位。它给我建议了几种方法，包括低点聚类、计算筹码密集区、斐波那契回调、均线以及最大回撤。这些方法与我对支撑的理解不太相符，而且都过于复杂，频繁处理多支股票数据比较耗费资源。 于是，我想到一个关于“平台”的逻辑。其中最简单的一种情况是：如果在某个区间震荡了一段时间后向上/向下突破，那么这个区间就可以作为支撑或阻力位。它应该是价格相对集中、波动较小的一段区间，具体可以通过中值和标准差来判断。 这是不是有点像布林带? 只不过布林带用的是均值和标准差。那么，是否可以通过稍作修改布林带的计算方法，简单地计算阻力和支撑位呢？ 2 支撑位 在不同行情中，比如横盘震荡、上升趋势或下行趋势中，支撑位都是价格止跌反弹的位置。在上升趋势中，支撑位通常是向上通道的下轨或最近一轮上涨的低点；在下行趋势中，支撑位可能是历史低点或先前平台的下沿，尽管在下跌过程中较难判断底部。在横盘震荡时，支撑位出现在历史K线中多次试探并止跌反弹的位置。无论是哪种，都需要：多次回踩未破后反弹。 它的本质是买方意愿 + 成本密度 + 心 ...

1 NAS NAS，全称为 Network Attached Storage，是一种连接至网络即可使用的专属存储服务器，特点包括： 文件集中存储 局域网和外网的访问 多设备同步（手机、电脑、电视） 数据备份和权限管理 2 PVE Proxmox Virtual Environment 这是一个基于 Linux 的开源虚拟化系统，能同时管理虚拟机（KVM）和容器（LXC），并配备网页管理界面。 有了一台服务器，安装 PVE 就可以运行多个系统（Windows、Linux、NAS 等）。常用于搭建个人私有云数据中心。 3 飞牛 fnOS fnOS，即飞牛操作系统（官方常称为 FlyNAS 或 FlyNAS OS），主要用于个人或家庭的 NAS 存储设备。 飞牛是中国玩家常用的 NAS 品牌之一，具备存储、观看、备份以及运行轻量级服务的功能。

1 引言 最近回测策略时发现一些有意思的事。刷到个视频，说散户拿不住牛股，震荡几下就跑了，大肉都没吃着。其实数据也印证了这一点：股票一旦起飞，真能拿住的人非常少。无论基本面、技术面还是消息面，中间都有太多下车点。这篇就聊聊，为什么我们总是卖飞，以及能怎么改。 ## 2 实操复盘 以下是这波大牛市里，我买过的最好的一支股票，问题是在它涨的过程中我一直卖，还没涨起来就卖掉了大部分。我的操作如图： 红色是买入点，绿色是卖出点，蓝色是仓位。可以看到从 24 年初我就开始买，在将近一年的横盘微跌中一直加仓；7 月开始涨，我就开始卖，涨了还没三分之一，我已经卖掉大半了——典型卖飞。这种情况下收益是 61%（不计本金）。 3 最好的操作 这种情况下最赚钱的策略是持有。假设我在第一次操作时就把用在这支股票上的所有资金买入，并在最后一次操作时全部卖出，相当于一直满仓，这种情况下的收益是 258%。 但实话说，谁也没有后眼。一支从来没买过的股票，也不会一开始就满仓。只是想说明：最大的损失并不是选错股，而是没拿住好股。 4 回测规则交易 你也可以说，可能就是我目光短浅，心理素质不行……于是我测了 MAC ...

1 问题概述 最近几个月，GitHub Copilot 对部分模型开始限量：10 美金的套餐常常在月底前就耗尽了，被迫退回到“无限用但效率低”的模型。用量上其实差距不大——就是最后三五天总差那么一点儿，就很烦人。我也愿意为多出来的部分按量计费，但找不到在哪里设置。于是只好想一些节流的办法。 ### 2 原因分析 使用大量Agent无疑是主要原因，不过仍有一些节省空间。 VSCode 插件/Session 常进入“死循环”式请求：模型在某个方向反复尝试和输出，导致 token 的浪费。 生成了过多的测试、示例和说明文件，同时还扩展了一些用不上的功能。 目前的 VSCode 1.105 版本在交互方面已经有很大提升，比如它边改我边确认，在思考过程中还可以叫停。但仍有人与模型协作时不够协调的问题。常见的问题包括：我没有把大目标拆分成小目标，没有及时清理上下文等等。 3 实操建议（可直接复用） 先搭框架：人工先写好项目/函数骨架，再让模型填充实现细节（可使用 Ask 方式讨论确定框架）。 小步提交：大目标拆成若干小目标，一次别改太多文件或太多逻辑。 频繁“商量”再执行：多用 ask（询 ...

12少点概念，多点逻辑，聚焦能落地的决策。学以致用，不能用的就不学。 1 为什么要看这篇 投资指标的解释，书上已经讲烂了：定义、公式、优点缺点……但看完往往还是不知道怎么用。在这里，不是为了“学会指标”，而是为了用指标赚钱。 这篇（以及本系列文章）想做的事情更简单粗暴： 不按教科书逻辑讲指标 从投资者真实场景入手解决问题 形成能用的选股与买卖套路 结构以问答为主，每个问题都来自实操中的“盲点时刻”；边写边做，边做边改，策略会随着实践迭代——像更新代码一样升级自己的投资系统。 2 相关概念简介 先把后面会用到的几个核心指标，用一句话讲清楚： ROE（净资产收益率）：股东投入的资金一年能赚回多少利润 PE（市盈率）：市场为当前盈利水平付出的价格（估值贵不贵） PB（市净率）：市场为公司净资产付出的价格（有没有低估） 回撤（Max Drawdown）：从高点跌到低点的最大亏损幅度 波动率：价格的上下波动程度，越大越不稳定 成交量（Volume）：市场参与度，资金是否正在涌入 换手率：股票在市场上流通的活跃程度 MA 均线（Moving Average）：价格趋势的参考线，多头说明趋势 ...

1 概念 MA（均线）用来观察趋势的方向和结构，MACD 用来判断趋势的动量变化和潜在拐点。简单理解：MA 是位置，MACD 是速度变化。 指标 反应周期 主要看什么 特点 MA5 / MA10 / MA20 直接反映价格走势 趋势方向与支撑阻力 直观、简单、滞后 MACD 综合短中期均线差 动能变化与节奏强弱 能提前反映趋势变化 1.1 MA MA（如 MA5、MA10、MA20）是直接对价格做平均，看趋势的方向和强弱。 1.2 EMA EMA（Exponential Moving Average，指数移动平均线）是 MA 的改良版。越“新”的价格，权重越大；越“旧”的价格，权重越小。 1.3 MACD MACD（Moving Average Convergence Divergence，移动平均线收敛发散指标）是一种看趋势 + 看节奏的指标。 它由三部分组成： 快线（DIF）：代表短期情绪变化，比如最近几天市场很兴奋或很冷淡。 慢线（DEA）：代表相对长期的平均情绪，是一种“主流观点”。 柱状图（MACD 柱）：快线减去慢线的差距，表现出情绪的 ...

1 港股相关 1.1 港币“强保 / 弱保”的含义 这是 港币联系汇率制度（Linked Exchange Rate System, LERS）里的两个关键锚点： 弱方保证（Weak-side Convertibility Undertaking，简称弱保） 水平：1 美元 = 7.85 港元 含义：如果港元 贬值到 7.85（即 1 美元要换更多港币），香港金融管理局（HKMA）会无上限卖美元、买入港元，支撑汇率不再继续贬。 强方保证（Strong-side Convertibility Undertaking，简称强保） 水平：1 美元 = 7.75 港元 含义：如果港元 升值到 7.75（即 1 美元只要换更少港币），HKMA 会无上限买美元、卖出港元，避免港币过度升值。 联系汇率制度的目标是保持港币与美元稳定挂钩。 区间范围：7.75–7.85 中点：7.80 港元汇率可以在这个区间自由浮动，但一旦触及上下限，金管局就会入市干预。 强保 / 弱保的功能 弱保（7.85）：防止资本大规模外流 → 港币贬值过快，会让资金恐慌性离开香港。金管局必须撑住。 强保（7. ...

1. 深度学习与深度强化学习的核心区别 深度学习与深度强化学习的“核心”都是用神经网络，通过训练调整参数，让模型对输入数据 X 有更好的输出 Y。而它们本质上的区别主要在于：数据来源、训练目标、反馈方式。 深度学习更像是在“背标准答案”，用现成的数据直接学；深度强化学习更像是在“玩游戏”，通过不断试错、和环境互动，自己摸索什么行为最优。 2. 从预测到决策：金融中的两种学习方式 如果只预测股票涨跌幅度，那是深度学习或者机器学习；而学习通过择时选择不同动作，以获得收益最大化，则是强化学习。 方面 深度学习（DL） 深度强化学习（DRL） 数据来源 预先准备的静态数据 交互环境中动态产生的数据 目标 预测已知标签 最大化长期累计奖励 反馈 明确的标签/损失 间接的奖励/反馈 训练过程 直接优化损失 需探索 - 收集 - 利用经验 数据分布 固定（i.i.d.） 不断变化，依赖策略 3. 连续决策：强化学习的真正难点 与深度学习的“单次预测”不同，强化学习关注的是连续决策过程：一个动作会影响后续状态与奖励。模型不仅要考虑当前结果，更要权衡“现在做什么” ...