Table of content
交易者在投资学习的生涯中会经历不同阶段，也可以说有不同类型，各个阶段会有不同思维方式以及交易信仰，但他们又相互关联，互相影响。下面我们来说说交易者可能经历的一些阶段：
Pure Discretional Trading – 纯粹的主观交易者
我们不需要默认纯粹的主管交易是贬义的，因为本质上不同的方法没有对错，只有难度和成功率之分。纯粹的主管交易是几乎所有人踏上交易的第一步：
- 几乎没有任何关于决策，仓位，风控的规则和框架。
- 操作决策基本依靠主观判断（情绪）
- 有时认为决策有依据，但所谓依据其实是被选择性看见，选择性挑出来自我强化的。
但这个阶段仍然非常重要，一个是他让我们对交易有了感受和基础认知，同时这一段经历中的成功与失败都会影响我们未来走上的道路，以及我们的思维方式。例如：
如果你早早因为错误的行为受到了惩罚，那么可能会形成记忆，更早的踏上适合自己的道路。
而如果你新手运爆棚，虽然是错误的方法与行为，但总能获得正反馈，那可能会让你在错误的道路上越走越远，直到产生不可挽回的后果。
所以这个方式，对大部分人来说都是很难获得最终成功的。
Rule Based Discretional Trading – 基于规则的主观交易者
接下来就是第二个阶段，我们开始为自己的交易体系增加了一些规则与决策依据。例如技术分析流派就会开始学习各类的指标以及 Pattern，来作为交易出发的条件。
那这样为什么仍然是“主观交易者”呢？因为对这些指标，Pattern 的解读仍然有大量的主观解读空间。例如：
- 股票成功守住了关键支撑位则买入做多。这是一个规则，但如何定义支撑位，怎么定义守住又是主观的。
- K 线走出了锤子线则买入做多。这是一个规则，但如何定义锤子线又是主观的。
从另一个角度来说，这样的交易体系是很难复制的，如果我们去看一些技术分析视频，就会发现里面不停会出现新的元素。例如关于 K 线突破，博主会说为什么这次突破是个假突破，可能因为成交量不够，可能因为附近还有个重要阻力位，可能因为马上要接近斐波那契点位，或者说因为现在大盘走的不好，等等。他总有许多不同的理由去说明为什么同一个 Pattern 出现时，有时我们买入，有时我们等待。而这些原因都是主观的。
所以此时的交易规则即形成了一定的体系，也有许多的主观判断空间。但是再一次，我们并不是说这是错误的，因为这样的方法正体现了人脑感知和判断上可能存在的优势，同时这样的交易者中也有许多成功的案例。
Quantitative Trading – 定量化交易者
定量化交易体系者的思维方式在前者的基础上又有很大变化。也即我们认为人脑仍然存在局限，我们要用科学，也即利用统计学的方法对数据进行回测来找出市场优势。同时量化的规则与执行也可以帮助我们最大程度的摆脱情绪的影响。
这里面可能会有个小误区，很多人会把“量化交易”和“高频”“AI”“深度学习”等等绑定在一起，但实际上这只是种思维方式，可以应用在不同时间周期，和不同的交易频率。
此时我们几乎放下了主观成分（说几乎是因为其实不可能完全放下），而采用更加“数学”的方法，例如：
- 成交量放大 转换为 当日成交量大于前面 20 个交易日平均成交量 15%
- 锤子线 转化为 上影线长度小于整个 K 线长度的 10%，下影线长度大于整个 K 线的 50%。
- 连续下跌 转化为 RSI(20) 小于 N 或者 连续下跌 N 天。
以上我们仅列举了很小一部分例子，你可以访问我们的会员策略库和免费策略感知规则的设定。
要处理这些数据分析，完全可以通过手动的方式，但显然计算机更加擅长，所以当我们提及量化交易，现在总是不可避免的与计算机，算法产生联系。但是我们还是想强调，开始学习定量分析，并不意味着一定要学习代码，初期我们也可以使用许多工具来完成，后面有更加进阶的需求时再精进也是完全可以的。
所以并不需要一上来就追求“完全的自动化”，因为“自动化”与“定量分析”是不同的角度。例如我们完全可以通过工具去做筛选，分析，找出要交易的标的，最后通过手动下单。
而最后你的自动化程度会取决于你的交易表现是否支持你构建一个全自动化系统，以及你的交易方法，风格，交易策略是否有必要构建一个全自动化系统，当然最重要的是你希望拥有一个怎么样的生活方式与节奏。
做出自己的选择
我们介绍了交易者的不同阶段（类型），那你要做的就是根据自身的情况去做出选择。长牛笔记的倾向与喜好是成为量化交易者，因为我并不想参与日内这种非常高压强的交易，我希望获得一个更加平衡的生活。我更愿意花时间在研究规则，寻找优势，而不想在操作下单上花费太多精力以及受到情绪干扰。
那么你的选择会是什么呢？
更多系统化交易内容：
交易策略 | 均值回归策略 | 趋势跟随策略 | 波动性策略 | 轮动策略
订阅
- 谢谢阅读，你可以访问网站介绍📑，更好了解本站。
- 如果喜欢这篇内容，欢迎订阅、评论并分享给好友❤️；
- 如果不喜欢，希望你留下建议，并分享给你讨厌的人😜。
0