type
status
date
slug
summary
tags
category
icon
password
URL
首先，我们需要明确一点，交易中究竟有没有确定性？
所谓确定性，就是指某种形态，或者说具备了几个条件的情况下，价格就一定会涨或者跌，或者能够确定涨跌的幅度。
那么有没有百分之百的确定性呢？我认为，没有。目前为止，没有任何一种理论能够找到哪怕是一种确定性。如果你找到了，那恭喜你了，因为你就凭这一个确定性，就可以获得难以想象的财富了。
既然无法找到这种确定性，那实现盈利的方法就是利用概率。
因为没有确定性的形态，所以每次的交易结果都具有不确定性，那怎么才能盈利啊？最为合理的方式就是在概率上下功夫。
有一个道理我再强调一下：再高的概率也不是确定性。
我举个简单例子。
你做游戏，一共一副牌，54张，规则是你抽到大王你就输，抽到其他你都赢。
你赢的概率是53/54，很高了吧。
你有100元，赢了对方付你赌注的10倍，输了你赔掉你的赌注。
回报风险比也够高了吧，10倍。
所有的一切都有利于你。
那你这一次下注所有的100元。结局呢，你可能就那么背，输的身无分文，一次全部输光。
所以确定性就是确定性，高概率就是高概率。二者的方法完全不同。
因为在确定性的情况下，所有的资金管理策略、止损策略、加仓策略等等的一切，都成为多余的东西，都没用了。但是只要存在不确定性，哪怕是概率很小的不确定性，你就需要制定相关的策略。
比如上面的游戏，你就要考虑每次只拿出总本金的一部分作为赌注，而不是一次赌全部。
这是交易的本质。
如果这个都无法认同，我们谈的一切的一切都失去了基础。
就像我一直说止损是交易的第二公理，很多人不理解为何把止损作为第二公理，我就是不设止损，难道就不行吗？
这是没有理解我的意思。
你的确可以不设止损，但是如果在交易系统中不设定止损，就无法确定初始损失，也就无法确定风险回报比，后面的关于交易系统的一切都无法进行了。除非你能像资金管理派大师那样，可以预先做出所有的风险预估模型和资金仓位分配方案。
所以作为普通交易者而言，把止损作为交易公理，不是说你一定要怎么做，而是不这样做，后面的无法进行。
交易的一切的一切，都是沿着一个逻辑，一步步的走出来的。很多人没有意识到这个问题。
如果大家都认同，实现盈利的方法要利用概率，那两个要素就很关键：
第一是胜率；
第二是单笔交易盈利的程度。
第一个，你赢的次数多，当然容易获利，因为无法找到一定赢的方法，所以要找到尽量赢的多的方法。
第二个，就算你赢的次数比亏损的多，但赢的是小头，一输就输个大的，最后还不一定会盈利。
因此在这个基础上，就出现了回报风险比的概念。
有的人说，我不管那么多，每次买了，只要赢就好。
好的，那你有可能某一次亏的吐血。
有过这样经历的人应该不少吧。
哪怕赢了很多次，都不够这一次亏的，所以老股民都学精了，当情况不妙时，亏了也要出。就是止损的雏形。
当然这个止损是原始的止损，是没有建立在交易系统框架中的止损，凭的只是多年的交易经验。
逐渐的，你就会发现，在每一笔交易前就设好止损位远比出了问题再被迫斩仓要好的多。
设好止损位后，也比较容易判断一笔交易的质量。
比如你承担了5%的风险，却只赚到2%的利润，你觉得这比交易如何？
在没有止损位的情况下，赚到2%你知足了。但当你明白，你的这笔2%的利润是冒着5%的风险获得的，你的观点就发生改变了。
这就是回报风险比的起源。
所以当你意识到这一点时，你就会重新审视每一交易。
以前的很多交易，现在来看，都有点不太靠谱。
呵呵，这就是你的进步了。
所以结论就是：赚了钱的交易未必是好交易。
我们重新来梳理一下：
因为不确定性，所以每次下注的时候不能总是满仓操作，我们需要一些仓位配置的技巧。这个就是资金管理的起源。
有效的资金管理可以让我们更加从容的面对市场的涨跌，及自己操作的失误。
因为我们不想每次承受过大的损失，因此我们在每笔交易前都确定止损位，从而控制每笔交易的风险。
因为我们希望在控制风险的前提下，尽可能获得更高的收益，所以我们需要盈利加码的策略，这就是截断亏损，让利润奔跑。
这个就是交易系统的框架。有了这个框架，我们再来看很多具体的问题。
到现在为止，我从交易的本质不确定性出发，一步步延伸开来，逐步建立起了一个大概的框架。
现在我们已经建立了交易系统的框架，都建立起了适合自己的资金管理策略、止损策略、加码策略、止盈退出策略等等，那剩下的还有什么？
就是如何找到胜率和回报风险比的最佳组合。在我看来，交易的一切流派，其实试图解决的都是这个问题，包括专注于资金管理的交易体系，实则也是在风险可计算的前提下追求胜率。如果你对我的上述逻辑认同，就应该了解，各派的争执，其实就是集中在对这个问题的不同理解上，但都需要建立在交易系统的框架下。
在这个框架下，选择适合自己的胜率和回报风险比的最佳组合，就是你应该努力的方向。
- 作者:颂雅风
- 链接:https://www.studyai.ltd//article/23070301
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。