如何提高交易系统的盈利水平

缩水基金

如何提高交易系统的盈利水平

来自：MACD论坛(bbs.shudaoyoufang.com) 作者：缩水基金 浏览：6258 回复：5

　如果给你一个交易系统，胜率为60%；赔率为1：1；在这种情况下，如何得到最好的收益率。
　　这是一个每个市场交易者都应该面对的问题。
　这是收益的简化分布。我们还可以设定更为复杂的条件，但现在必须要从最简单的系统做起。我希望可以有真正了解这些的人交流。鲁晨光先生研究过类似的问题。我只想说一句，如果你没有考虑和解决这些问题，你永远只能是靠运气生存的人。
　　我说的这些条件，在市场中很多人可以做的要好。那些所谓说自己使用交易系统的人，他们的系统检验的条件大多是1：1的赔率。或2：1的赔率。他们宣称自己的成功率大多在80%以上。
　　我使用的是赌博中用到的一些说法。
　　这个问题很简单。
　　对于1：1的系统。凯利公式是这样的。
　　系统在每次投入20%的有最大的机会。
　　x=2p-1
　　这就是那个公式。
　　但这只是问题的第一步
　　如果只是简单停留在这里，我们几乎没有做任何工作
　　这个公式在申农的《信息论〉中出现过，后来在赌博市场中被广泛应用。
　　一会我贴一帐图，可以演示出在不同的投入资金比例情况下，系统最后的效果。
　　
　　但现在继续问一个问题，如果我们由两个这样的硬币，我们该如何下注？
　　如果数目提高到5个，又该如何呢？
　　
　　其实很简单，如果存在两个硬币。我们简单的使用每个硬币投入10%。
　　我们系统的效率就可以明显提高很多。如果是5个硬币的话，每个投入4%。这样我们总投入的金额没有变化，但系统的成绩呢？
　　有没有人可以计算出这一点。
　X=P-(1-P)/K
　　这个公式与那个公式一样。但比那个公式简单。
　　k为风险收益率；p为成功的概率。
　　你的公式是威廉姆斯在《短线交易秘诀》中提到的。
　　这些不过是第一步
在60%的条件下，分别使用5%、10%、20%、30%、40%的不同条件下的结果。我们可以很容易看到20%的条件下，可以获得最好的资金增长速度。
　　
　　第二张图就是我们使用一个硬币20%；2个硬币每个10%；4个硬币每个5%；5个硬币每个4%；10个硬币每个2%的情况下的收益情况。
　　如果使用一个硬币，盈利可以达到700%左右，如果使用10个硬币，盈利可以达到4000%以上。效果提高了6倍多。
　　这说明什么呢？
　　在交易时，同时操作多个交易品种。可以有效提高资金的增长速度。这是理论已被证明的！
　　
　　为什么很多人还会倾向与集中持股进行操作呢？
　　
　　这时有什么原因呢？
　　60%胜率的系统经常可以得到，但为什么表现不出如此好的成绩呢？
　　这个东西不时高效的问题，因为在概率论中广泛使用的一个命题就是归纳法。但归纳法并不存在严格的逻辑，也就是像你说的过去的概率如何应用在未来的呢？
　　
　　在《概率论》被广泛推广以后，尤其是量子力学理论更确立了《概率论》的地位。诚然，对某些事件，我们可以给出它的分布。如：我们掷一枚“完美”的硬币，他出现正面和背面的概率分别为50%和50%。这是可以在事先判断出的；但有一类事件，我们却不能在实现给出它在理论上存在的分布，不过我们在实际使用中总是通过使用“归纳法”获得我们认定的可能分布。如：我们分析某一种方法在市场的作用时，往往通过验证它在历史中的分布，并将这些分布推广到未来可能发生的事件上。如：我们检验出某交易系统在历史中成功的几率达到60%、盈利与亏损的比例关系为1：1；我们就认定它在未来依旧会保持这个成功的概率。进而利用这些数据作为解决问题的基本数据。
　　但波普先生证明了“归纳法”中存在的理论缺陷。归纳法就是指把陈述感觉印象中的个别的观察命题不断积累起来，能够给出一般性法则的思维方法。即归纳法被公认为是把“观念”的位置放到从感觉印象上升为一般法则的通道作用的一种方法。例如：我们每天观察到太阳从东方升起，结果又在西方落下。所以，根据归纳法就允许我们推导出太阳每天由东方升起、又在西方落下的一般法则。
　　在这种意义上的归纳法，在逻辑上并不正确，即不妥当。这在罗素的《哲学入门》中被提及。有这样一个故事，农民每天早晨都用事物喂养他的鸡雏，于是就会产生出农民将永远会去用食物喂养鸡雏的一般法则。但有一天，农民却没有喂养他的基础；而是用刀把他杀了……
　　市场中确实存在大量类似“农民喂养鸡雏“的事件。根据个别观察的事件的许多积累重复并不能引出一般性的规律，归纳法在逻辑上不具有妥当性。换种表达方式就是：从根据过去已经知道的事物中并不能引出关于未来的妥当的认识。如果使用逻辑学的语言表述就是：普通表示个别的观察事物的命题叫做单称命题；那么许多这样积累起来的单称命题就可以制造出用“和”连接的连言命项。归纳法主张的就是能成为这种连言命题的是一切东西。因此可以理解就这样制造出了全称命题。并且归纳推理就是以全称命题作为法则，用它来推导出预测的方法。如果归纳法不成立，就意味着由单称命题组成的连言命题并不能推导出全称命题，同他作为妥当的逻辑手段并不合适。
　　
　市场与我们交易方法之间的相关性是我们讨厌的。
　　但系统之间的相关性是我们可以使用的。
　　如有两个交易系统，一个交易系统率为60%，风险收益率为1：1；一个交易系统率为40%，风险收益率为2：1。我们如何实现最好的资金增长速度呢？
　　
　这样如果在第一个系统中投入60%的资金，在第二个系统中投入40%的资金。在任何情况下，我们都可以得到20%的无风险利润。
　　有关公式的推导，这里就不说明了。这其实就是很多套利行为的思路。
　　
市场的相关性是变化。这个变化就明显影响到了系统的成功率。
　　如果我们推导可以发现
　　我们又回到了一个原来的路上，
　　这就是把握相关性的变化。
　　也就是系统处于临界时
　　相关性高度集中
　　
　　这是将会出现最有力的投资机会和最不利的投资机会。
　　投资组合理论在任何时候都不会提出的我们说的最佳投入资金比例。出现这个的原因就在于投资组合理论观察的风险并不是真正的风险。它使用的是方差。
　　这个方差存在很多问题
　　
　　这时我真正想要研究改善的
　　本来还想说一些关于这方面的东西
　　但感觉能接受的人很少
　　
　提个问题，如果风险度与收益率互相转化呢？如准确率60%，收益风险比为3：1的，可否转为准确率80%，收益风险比为2：1呢，这样最终会产生准确率为100%收益率为0%的投资品种。　这里面涉及到每个人的投资哲学，不再这里讨论的范围。
　　你说的转化不对。
　　但他确实可以转换，其实你已经找到了转换的公式，但你还没有明白。
　　
　　　通过常规说得止损的方法，我们可以限定我们的亏损。
　　尤其是在可以使用期权以后。
　　如果我们转换思路以后
　　我们会明显提高成绩
　　关键在于你如何看？
　　
　　　使用随机的方法模拟市场的变化，往往会忽视相关性的问题。我们首先可以研究相关性一些问题的影响，在市场中最受人关注，和最需要了解的定律包括：墨菲定律。一般而言，事物向坏的方面发展的时候，往往会得到最坏的结果。也就是可能犯错误者将犯错误！工作的失误并不仅仅是由于个人的坏运气所引起的结果，而是许多系统的复杂性和相互关联性的后果。
　　通过《概率论》，我们可更加深切的感受到这一点。首先问你一个问题，如果你有10双袜子，并且不管你如何保存，还是会丢掉6只袜子。问题在于，什么事情最有可能发生呢？不要相信自己的直觉，在这种过程中，直觉往往会起到副作用。这其中最幸运的结果是你还拥有7双完整的袜子（你刚刚好丢掉3双袜子），最不幸的事情就是你还有4双袜子（即丢掉的袜子来自6双不同的袜子）。如果计算，我们会发现还剩下7双袜子的可能性为0.003；剩下6双袜子的概率为0.130；剩下5双袜子的概率是0.520；剩下4双袜子的概率是0.347。
　　这个例子具有明确的指示意义，如果两个事件被称为相互独立的，是指一个事物的发生不会是另一个事件的发生增加或减少可能。如果你掷硬币两次，两次相互的结果是彼此独立的。如果你在随便在电话话本中寻找两个人，他们的出生年月日是相互独立的。计算两个相互独立的事件发生的概率很简单。只需要把两者发生的概率相乘就可以。这样，掷硬币得到两次概率为1/4（1/2*1/2）。在电话本中随便寻找两个人，他们的生日都在6月份的概率为1/144（1/12*1/12）。类似的原理可以被推广到很多生活现象。
　　而在一个形成联系的世界中，事物的一部分出现变化，往往会对结果形成巨大的影响。本例中丢失的袜子就是如此，因为一双袜子丢失一只，就遭到破坏。这就是事物之间的相关性。类似的事件发生在证券市场中，在证券市场中，我们可以看到很多关于相关性的具体应用。如：在投资组合理论中，不同品种之间的相关性，如果可以达到-1。我们可以有效的搭配成一个风险对冲后的投资组合。同样在对冲投资基金中，主要的应用原理就是寻找相关系很高的品种，然后利用买进与卖出对冲的原则，冲减掉市场的风险。我们如果考察交易系统和市场运行中的概率，同样可以发现与此有关的问题。在市场上升过程中，交易系统统计的成功率与其在市场下降过程中的成功率，明显不一样。在市场上升过程中，我们很容易构造出成功率极高的交易系统。但在市场下降过程中，交易系统的成功率会明显降低。这样就形成了交易系统成功率的波动。而系统成功率的波动往往会形成在市场上升过程中，我们倾向于低估系统的成功概率。这使得资金的增长水平明显降低；在市场处于下降过程中，我们倾向于高估系统的成功概率。这样使得我们有更多的风险暴露在市场调整过程中，需要承受更大的损失。而正是这个市场变化与交易系统成功概率之间的相关性，导致了交易系统成绩的明显低估。我们可以通过具体的计算来验证这一点：
　　如果我们研究市场会发现：在市场处于不同状态下，市场向上的概率和运动幅度会有明显的不同。这一点有很多在市场中从事职业交易的投资人都感受到、并具体研究了。如：姜恩先生在其《华尔街45年》中，明确给出了类似的统计资料。其中江恩先生给出了道琼斯工业指数在1913年到1949年的主要波动的运动时间和运动幅度。我们可以看到：关于幅度的统计资料如下：在1912年10月8日至1949年6月14日中，共有464次9点或9点以上的运动。另外还有54次小于9点的运动。大约平均每月存在一次9点以上的运动。其中：
　　9点以下的运动共有54次，占总数的10.42%；
　　9点——21点的运动共有271次，占总数的52.32%；
　　21点——31点的运动共有61次，占总数的11.78%；
　　31点——51点的运动共有36次，占总数的6.95%；
　　51点以上的运动共有6次，占总数的1.17%。这些运动均出现在1929年，当时的市场是最疯狂的。
　　布莱尔·赫尔先生所提到的通过增加人数提高胜率的道理就在这里。与布莱尔·赫尔先生同样的是另一位投资人也提到了类似的方法。吉尔·布莱克先生曾经具体说明了这种方法在市场中的使用。
　　
　　在研究各股价格变化的过程中，我发现：高于平均数的日价格变化有55%的概率第二天出现相同方向的价格波动。除了佣金和其他费用后，这样的交易无利可图。
　　比如你有一堆硬币，每个硬币在落地时都有55%的概率正面向上。如果你单独掷一枚硬币，那么正面向上的概率为55%；如果你一起掷9枚硬币，那么正面向上的概率为62%，如果你一起掷90枚硬币，那么正面向上的概率为75%。这属于二项式分布的概念。
　　同样的道理，假设你有99个化学股票，今天上升1或2%，而大盘处于不升不跌状态。从今期看，一组同质的股票就像一群小鱼一样活动，一个化学股票明天上升的概率为55%左右，而一组化学股票明天上升的概率为75%左右。
　　…………
　　关键是构成一组的股票应该属于同质的。如：我前面所讲的“忠实”是政府债券基金就很难找到趋于同质的其他股种，类似的还有假日饭店之类的交易品种。相反，像储蓄、借贷、生物工艺等基金更具有同质性，那么，第二天与第一天最有可能趋同。
　　
　　类似的问题在生活中经常遇到，比如：乒乓球比赛由以前的21分制变为现在11分制。主要的目的就是增加比赛出现奇迹的机会。现在研究的核心问题可以转化为参赛者在一局中的胜率如何影响其在整个比赛中的胜率。假设一个参赛者在每局中的胜率为P，比赛规则是先赢N局者获胜。假定双方的水平接近，则P接近于1／2。用X+1／2表示P，我们用X代表一个较小的值。在每局的胜率接近1／2，整场的胜率可以通过二项式公式的有关内容计算获得。如果N的数量明显增加以后，计算的难度明显增加。我们可以通过《概率论》中著名的斯达灵公式获得近似的结果。斯达灵公式为：
　　P=0.5+X×√（4N／π）。

　　我们继续模拟市场的变化，现在需要首先模拟市场的运行。如果假定市场向上运行的概率为P（出现向下的概率为1-P），并假定这个概率不会出现变化；我们再设定交易系统。交易系统自身出现成功的概率为S（出现失败的概率为1-S）；同时假定市场和交易系统的相关性为W（也就是交易系统在市场出现向上时，有W的机会一定出现正面；有（1-W）的机会出现随机的分布。）（注：由于本计算过程中，相关性的正负需要分别计算，这里的相关性为正）现在我们首先看一下：
　　1） 在市场向上时，交易系统的成功和失败概率为：
　　交易系统成功概率：（Y1）=W+（1-W）×S；
　　失败的概率为：（1-Y1）=1-Y1=1-（W+（1-W）×S）=（1-W）×（1-S）
　　2） 在市场向下时，交易系统成功和失败的概率为：
　　交易系统成功概率：（Y2）=（1-W）×S；
　　失败的概率为：（1-Y2）=1-Y2=1-（（1-W）×S）=W+（1-W）×（1-S）
　　3） 在整个市场中，交易系统成功和失败的概率为：
　　交易系统成功的概率：Y=P×Y1+（1-P）×Y2
　　=P×（W+（1-W）×S）+（1-P）×（（1-W）×S）
　　=P×W+S×（1-W）
　　交易系统失败的概率为：（1-Y）=1-Y
　　=P×（1-Y1）+（1-P）×（1-Y2）
　　=1-（P×W+S×（1-W））
　　同理，我们可以具体推断出相关性W为负相关时，交易系统成功和失败的概率为：
　　交易系统成功的概率：Y=（1-P）×W+S×（1-W）
　　交易系统失败的概率（1-Y）=1-Y=1-（（1-P）×W+S×（1-W））
　　（以上具体的推理过程略，有兴趣的朋友可以自行计算）。
　　现在我们可以具体讨论与此有关的现象。我们首先模拟一些具体的过程。如：市场向上的概率为50%、向下的概率为50%；交易系统自身成功的概率为60%，失败的概率为40%；市场和交易系统之间的相关性为0、+1、50%时，系统的成功率变化。
　　我们知道如果两者的相关性为0，则市场对交易系统的成功率为不会产生任何影响。交易系统的成功率取决于自身的成功率，则交易系统的成功率为60%、失败的概率为40%。这一点我们可以通过上述公式得到：
　　Y=P×W+S×（1-W）=50%×0+60%×（1-0）=60%；
　　1-Y=1-60%=40%
　　如果两者的相关性为1，则市场的变化对交易系统的影响巨大。即：市场向上时，交易系统显示成功；市场向下时，交易系统显示失败。这样交易系统成功和失败的机会于市场的分布完全相关。则交易系统成功的概率为50%、失败的概率为50%。这一点我们同样可以由上述公式计算得到：
　　Y=P×W+S×（1-W）=50%×1+60%×（1-1）=50%；
　　1-Y=1-50%=40%
　　如果两者部分相关，也就是市场的运行对交易系统出现了影响。这时，我们首先考虑市场向上时，交易系统成功和失败的概率为：
　　Y1=W+（1-W）×S=50%+(1-50%)×60%=50%+30%=80%；
　　1-Y1=1-80%=20%；
　　市场向下运行时，交易系统成功和失败的概率为：
　　Y2=（1-W）×S=（1-50%）×60%=30%；
　　1-Y2=1-30%=70%；
　　综合后形成交易系统的成功和失败概率为：
　　Y= P×W+S×（1-W）=50%×50%+60%×（1-50%）=25%+30%=55%；
　　1-Y=1-55%=45%；
　　
　　其中：Tr＋1＝ （r＝0，1，2，3，…，n）．
　　V=∑Tr＋1log(1+((n-r)k-r)x) （r n）
　　
　　对这个公式求极值，可以变成如下公式：
　　 0=∑Tr＋1×（1/(1+((n-r)k-r)x)）×((n-r)k-r)
　　其中：Tr＋1＝ （r＝0，1，2，3，…，n）．
　　
　资金管理的天然条件就是系统具有正的期望收益率。轮盘赌是不会有资金管理技术的！

　　如果我们只是用一个硬币的系统，我们可以发现连亏4次的概率在0.6*0.6*0.6*0.6=2%左右。在这样的情况下，我们如果每次下20%的资金，会亏损掉大量的资金。我们还剩下40%。这个波动是很多人都承受不了的，
　　如何解决这个问题呢？
　　上面的贴图中就是在显示5个硬币同时投掷是的概率分布和10个硬币的概率分布。
　　我们可以看到我们出现亏损的可行性明显减少了
　　
　　最下面的图就是显示同时投掷5个硬币时
　　他上存在的资金增长系数。
　　他对应的最佳的投入资金比率应该是16.5%左右。
　　但我们演示的是5个硬币时，每个的下注比率为4%。我们缩小了下注的比率。这样做的目的就是减少亏损。
　　
　　如果使用一个硬币系统
　　我们亏损20%的概率为40%；如果使用5个硬币，我们亏损20%的概率为1%左右。
　　在国外有很多人在使用类似的模式。
　　：）
　　
　　还是相关性，如果市场没有相关性该多好呀！
　　正因为市场中存在着相关性，我们现在看到的这些才会很难实现。
　　
　　无辨兄的问题，也是我们未来需要分析、解决的。也就是你要设定你可以成说多少风险？
　　还有很多方法，比如：
　　我们在盈利后增极的速度慢一些，亏损时减少的速度快一些。但这些方法都只能是我们资金增长的速度变得很慢，也就是降低了系统的效率。
　　以赌马比赛为例，赌博公司根据自己的判定确定赔率。假设只有两匹马（A和B）参加，赌博公司认为这两匹马获胜的概率分别为70%和30%，但赌博公司绝对不会规定这两匹马的赔率为3：7和7：3。赌博公司必须使的赔率对自己有利，以确保利润。如：赌博公司可以规定A的赔率为1：3，而B的赔率为2：1。如果某名顾客对两匹马的胜率估计与赌博公司相同，他会认为两匹马都不值得下注。但如果他认为A的获胜几率高于75%，他会认为1：3的赔率对自己有利。另外一个人如果认为B的获胜几率大于1/3，它也会乐于接受B的结果。
　　我们可以使用“期望收益率”的概念反映赔率对赌博公司的有利程度。赌场的期望收益率越高，顾客获利就越困难。假定一场赛马有N匹马参加。如果第一匹马的赔率为X：Y，则用Y/（X+Y）表示这匹马的期望收益率，并把这n匹马的期望收益率放在一起，得到的和一定大于1，超出1的部分就是赌博公司在这次赛马比赛中的整体期望收益率。如在刚才讨论的例子中，A的期望收益率为3/（1+3）=0.75；B的期望收益率为1/（1+2）=0.333。两者之和为0.75+0.333=1.083，所以，赌博公司在这场比赛中的期望收益率为8.3%，赌博公司的利润率为8.3/108.3=7.7%。相类似的就是在一场比赛中，如果主队获胜、客队获胜和平局的三种结果的赔率分别为5：6、11：4、9：4，则赌博公司的期望收益率为6/11+4/15+4/13-1=0.1198，接近12%。由于参加赛马的数量非常多，比赛结果的不确定性非常大，赌博公司的期望收益率也非常高。
　　赌博公司在选择赔率时需要均衡考虑，太高的期望收益率会挫伤顾客的参与热情，而太低的期望收益率则会使得赌博公司面临亏损。有时一场比赛中，某一匹马的获胜几率太高。此时赌博公司会设计一种赔率抵消这种影响。如：在一场比赛中，赌博公司的期望收益率为12%。而马A的获胜几率非常大，所以赌博公司把这匹马获胜的赔率设计成对公司非常有利的形式。规定这匹马的赔率为6：4，于是赌博公司在这匹马的期望收益率高达4/（6+4）=40%。但在整体上，赌博公司的期望收益率仅为12%；所以在其他马上赌博公司的期望收益率是-28%。在这种情况下，就在局部形成了对顾客有利的具有正的期望受益率的系统。如果小心在马A以外的其他马身上下注，你可能会赚一笔钱。
　　赌博公司事先规定的赔率放映了他们对比赛结果的预测。如果他们发现某一匹马吸引了非常多的赌注，他们会降低这匹马的即时赔率，以抵消自己承担的风险。当然，他们同时也会提高其他马的即时赔率，以吸引客户继续下注。但这种行动需要协调数百家场外代表，困难程度可想而知。赌博公司经常会发现：他们根本无法保证无论比赛出现什么结果都可以处于盈利的状态。典型的情况就是：某一场比赛有20匹马参加，赌博公司可以保证如果其中16匹马其中的一匹获胜，则公司盈利；如果不幸的是另外4匹马中的1匹获胜，则公司亏本。在极端情况下，赌博公司只能把希望寄托在1匹马身上，如果这匹马获胜则公司盈利，否则认赔。
　　这样我们就可以应用克里策略，寻找并建立对我们有利的系统和具体的资金管理。如果某匹马的胜率为P，其赔率为A:1。如果P×(A+1)大于1，则在这匹马上下注对你有利。（赌博公司会精心设计，以避免这种情况出现），但有时却会发生这种情况，如果有一匹（或多匹）马对你有利，你应如何下注？
　　使用克里策略解决这个问题。假设有5匹马（A、B、C、D、E）参赛，每匹马的胜率分别为40％、30％、20％、8％、2％，赔率分别为13：8、9：4、9：2、5：1、20：1。
　　我们分别计算P（A+1）的值，我们发现分别为：1.05、0.975、1.1、0.48、0.42。按这些值的大小排列顺序为：C、A、B、D、E。
　　我们的策略应该是在前K匹马上下注。当确定K以后，我们需要计算两个值：前K匹马的胜率之和，计为P(K)；以及这前K匹马相对应的1／（A+1）值的和，计为A(K)。一旦我们发现A(K)的值超过1，我们就停止这个过程。克里策略只涉及那些使得A(K)的值小于1的马。
　　对于每个使得A(K)小于1的K，分别计算出：B(K)＝（1-P(K)）／（1-A(K)）的值。比较B(K)与第K匹马对应的P*（A+1）的值，如果P*（A+1）的值大于B(K)，则在前K匹马上下注。找到这个K值。
　　在这个例子中：A(1)小于1；B(1)＝0.977，同时计算出我们在C上下注；B(2)等于0.91485，同样可以在A上下注；B(3)等于0.772，所以我们也可以在B上下注。请注意：虽然B不是对我们有利的马，我们依然须在B上下注。由于A(4)大于1，我们不考虑K大于3的情况。故我们只在C、A、B上下注。
　　最后一步我们确定在每匹马上的下注额。下注比例为：（P(K)-B(K)）／（A(K)+1）。我们可以计算出：我们可以拿出全部资金的6％下在C上、拿出全部资金的10.6％在A上下注、拿出全部资金的6.25％在B上下注。
　　　现定义赔率排在最高的前四名叫黑马（冷门），一般来说它们的赔率均在200以上，也就是说要能跑出一匹黑马，买一注10块钱压上（最后跑出第一名的黒马）能赢200元。（1：20）
　　 冷门200，次冷门250，大冷门280，特大冷门300。
　　 在这种情况下，这个系统的效果就很有限了。
　　
　　 因为这样的话，你需要在这四匹马上下注。我们现在不知道他们具体的概率分布，为了保证这36场必须要盈利，就要在这4匹马上下注。也就是说你这样可以保证这36场的胜利，
　　 现在的情况是，你在平均投入40元的情况下，你将会获得 冷门200，次冷门250，大冷门280，特大冷门300。风险收益率在5——7.5之间波动。
　　 这样的话，这个系统就不是一个可以稳定盈利的系统。你最后获得资金增值的机会很小……
　　
　

知行合一

希望大家能说说各自的交易系统

浪仔

学习！知行合一你好！！！

水山

这是我经常思考的东东 可是 一直没有找到好的答案

缩水基金

就资金管理方面，事实总是躲在后面。

三秋

一直没有找到好的答案