无更闲聊（第5页）

【de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a、rsi、斐波那契各值、baba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

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

【de回测】

设初始资金为100万

取【de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

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

【de模拟】

取【de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【de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【de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【de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。

本章未完，点击下一页继续阅读