
看散户如何做到量化投资,量化的标准是什么
量化投资——量化的标准
一、意义
炒股的目标:让资产升值(赚钱)
股市有风险,投资须谨慎。在做任何一项投资之前,必须制定好计划。其中首要任务应该是若失败会有什么结果,成功永远是站在少数人身边。面对金钱的诱惑,世人少有人能控制欲望,这是资本市场逐利的本质。在“钱生钱”的市场中,想要赚钱首先要在保命的本领,尔后才有赚钱的资本。上帝要你灭亡,必先让你疯狂。之所有很多人被套,最根本的原因是大家是在疯狂的牛市入场。疯狂的背后,量化投资是让你保持冷静的根本。市场永远是对的,要学会敬畏市场,顺势而为。
二、仓位
仓位的划分:空仓、轻仓、半仓、重仓(0~3~5~7成以上);控制欲望的两种方法:1、将大头资金转出;2、分大、小两个帐户(3:7)
三、资金的管理
1、10万以下:仓位选择0~5~10,不要有其它任何的幻想;2、50万以下:底仓+浮仓的管理,持股数量参考3只;3、200万以下:中、短线仓位管理,基本面为主;4、200万以上:不同资产的配置,股票、基金、黄金与债券。仓位,是一个投资者心态的最好反应,也是控制风险唯一方法
四、买入
三种买入法:超跌抄底,回踩确认,突破追涨
1、超跌抄底:水手突破蓝色/海洋寻底,W底/多重底,底背离;2、回踩确认:三板斧、涨停复制、主力控盘、平台突破,一字板;3、突破追涨:水手突破、多方炮,主升浪+5日均线
五、卖出
卖出的两种选择:止损卖,止盈卖
止损的标准:
1、短线,一般设置7%为止损点
2、中线,以30日均线为最后防线,断头铡刀、顶背离等为辅助
3、系统性风险,如复牌、大盘趋势破位
止盈的标准:
1、短线四日交易原则,以反弹周期计算
2、以辅助线上反弹,智能乖离率超过15%后的死叉;
3、中线或强势趋势,以50%止盈法参考
六、选股
选股的标准:基本面、技术面、热点概念:
基本面:以成长性为标准,特别是公司本身业绩的提升,包括涨价、资产并购、重组整合、季报业绩等;
技术面:逆势拉升或抗跌,筹码集中,底部堆量吸筹,突破回踩;
热点概念:事件趋动的跟涨,政策主导方向,非周期防御品种;
坚决回避无资产的垃圾炒作股,坚决回避各种借壳重组的传闻股,坚决回避管理层风口浪尖的打压股
七、心态
成功的投资者,技术占三成,心态占七成
心态炒坏的根本原因是,节奏踩错后,不分析原因而把“买”字放在首位。特别是在亏损后,在下降趋势试图用个股来扭转上趋势的损失,赌!
问自己三个问题:
1、当前市场值不值得参与?
2、你出手的成功率有多少?
3、炒股的最根本目的是什么?
八、目的
量化投资的最终目标,是让投资者做到知行合一,克制人性的贪念,让自己成为理性的投资者。优柔寡断,是投资者面临损失最常见的问题。量化投资的模型,将所有的数据模型化,不再给出多个方案选择,只给自己定下唯一的参考标准。
量化投资的问题在于,当模型被市场打破后,在没有找出根本的原因,是否能够做到静观其变。即使错过了机遇,也不为此而叹息,以原则坚守为主。简单的理解,将炒股的各种参数量化,像机器人一样简单,消除各种幻觉。不以亏损而恐慌,不以赚钱而自大,盈亏有道。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28PCU:游戏运营的 “实时晴雨表”—— 从数据监控到运营决策的落地指南 在游戏行业,DAU(日活跃用户)、MAU(月活跃用户)是衡量 ...
2025-08-28Excel 聚类分析:零代码实现数据分群,赋能中小团队业务决策 在数字化转型中,“数据分群” 是企业理解用户、优化运营的核心手段 ...
2025-08-28CDA 数据分析师:数字化时代数据思维的践行者与价值推动者 当数字经济成为全球经济增长的核心引擎,数据已从 “辅助性信息” 跃 ...
2025-08-28ALTER TABLE ADD 多个 INDEX:数据库批量索引优化的高效实践 在数据库运维与性能优化中,索引是提升查询效率的核心手段。当业务 ...
2025-08-27Power BI 去重函数:数据清洗与精准分析的核心工具 在企业数据分析流程中,数据质量直接决定分析结果的可靠性。Power BI 作为主 ...
2025-08-27CDA 数据分析师:数据探索与统计分析的实践与价值 在数字化浪潮席卷各行业的当下,数据已成为企业核心资产,而 CDA(Certif ...
2025-08-27t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22