“合约1+1”第三期：反身性之交易上的应用

合约帝西西：直播正式开始前我们先热烈欢迎今天主讲的两位老师AlphaMind和Trader-T

合约帝西西：今天首先由全自动量化趋势交易员，合约帝实盘收益超250万，琅琊榜第一期榜首-AlphaMind，A神给大家带来分享，主题：趋势跟踪及量化交易系统。

AlphaMind：哈喽哈喽~~~各位晚上好, 我们是AlphaMind, 来自国内头部金融机构的交易技术团队。

非常高兴今晚能参加合约帝和火币联合主办的这个活动, 来跟大家分享在币市交易的一些经验。 前几期有梁大老师, 熊发发老师, 天启T老师等的精彩分享, 我们团队都一一聆听研读, 真的是受益匪浅! 各位老师的交易理念都有各自独到和出彩的地方, 而我们团队都是统计科学出身, 所以我们习惯从统计中寻找盈利规律, 并交给量化程序去操盘, 希望我们今晚的分享, 能给大家带来一些新思路。

AlphaMind：：我们将分为三部分来完成今晚的分享 1. 寻找Alpha 2. 趋势跟踪策略解读 3. 量化交易框架

AlphaMind：熟悉投资的朋友都知道, 找到Alpha因子是在市场中得到长期盈利的方法。我们见过许多人执着于寻找在市场中进行交易的”圣杯”, 寻找百发百中的行情预测因子, 而在我们的认知中, 没有人能对市场进行精准的预测, 任何尝试精准预测市场的行为都将被市场教育(除非你是盘感超人)。

交易员在进入市场进行交易之前, 都应该先搞清楚一个问题, 那就是你将以什么样的方式来获取长期的盈利?

AlphaMind：我们不妨假设某次交易获胜的为事件T, 交易获胜的概率为P(T=1), 则交易失败的概率为P(T=0) = 1– P(T=1), 如果获胜的平均收益率为 Profit, 失败的平均收益率为Loss, 则交易的期望盈利率为 E(T) = P(T=1) * Profit + P(T=0) * Loss

AlphaMind：如果胜率为60%, 平均每次交易获利3%, 亏损-2%, 则单次的获利期望为1%, 此时我们称交易系统是个正期望的交易系统。正期望, 是一个概率意义上的概念。

可能人会说, 我真实盘了, 还能有理论上的保证么?

AlphaMind：这就要祭出数理统计中的大数定理了。

在概率论与统计学中, 大数定律又称大数法则、大数律, 是描述相当多次数重复实验的结果的定律。

根据这个定律知道, 样本数量越多, 则其算术平均值就有越高的概率接近期望值。

AlphaMind：大数定律很重要, 因为它“说明”了一些随机事件的均值的长期稳定性。

在重复试验中, 随着试验次数的增加, 事件发生的频率趋于一个稳定值。

比如, 我们向上抛一枚硬币, 硬币落下后哪一面朝上是偶然的, 但当我们上抛硬币的次数足够多后, 达到上万次甚至几十万几百万次以后, 我们就会发现, 硬币每一面向上的次数约占总次数的二分之一, 亦即偶然之中包含着必然。

AlphaMind：大数定理是沟通理论期望值与实际试验算数平均值之间的桥梁, 它是正期望系统在长期实践中获得收益的理论保证. 如果你有一个期望为正的交易系统, 在良好的仓位管理策略的辅助下, 必定能实现盈利。

AlphaMind：有了数理统计学的理论保证, 我们想要寻找能长期盈利的系统, 无非是在干两件事情

1. 在保持合理交易频率和胜率的前提下, 提高盈亏比

2. 在保持合理交易频率和盈亏比的前提下, 提高胜率

AlphaMind：假设我们的胜率为33%, 盈亏比为2:1, 则每三单能赢一单, 每赢一单可以亏两单, 长期来看这个系统就可以处于一个保本的状态。

如果我们能将胜率提升到40%, 盈亏比提升到3:1(例如止盈9%, 止损3%), 则系统的期望盈利率便为1.8%。

典型的低胜率、高盈亏比、中交易频率系统, 2~3天交易一单, 则年化盈利率可达100%+。这是提高盈亏比的思路。

AlphaMind：假设我们的胜率为50%, 盈亏比为1:1, 长期来看这个系统就可以处于一个保本的状态。

如果我们能将胜率提升到60%, 盈亏比维持在1:1(例如止盈2%, 止损2%), 则系统的期望盈利率便为0.4%。

典型的高胜率、低盈亏比、中交易频率系统, 1~2天交易一单, 则年化盈利率可达100%+。这是提高胜率的思路。

AlphaMind：当然, 这里所举的例子都比较粗糙, 但基于统计的交易系统大抵是这么建立起来的。

胜率、盈亏比、交易频率往往会互相牵制, 无法做法完全兼顾, 这个世界上不存在各项指标都完美的交易系统。

AlphaMind：高盈亏比的系统适合趋势性较强的市场, 其追求捕捉大趋势的能力, 用少数大盈利的交易来覆盖多数小亏损的交易, 在趋势性强的市场, 往往能带来较高的利润率。

但其缺点也很明显, 由于胜率往往较低, 系统会频繁止损, 容易造成净值曲线的较大回撤, 对交易信心造成打击, 且因为追求单次的高盈利率, 往往持仓时间会较长, 对交易员的心理造成压力。

AlphaMind：尤其在币市, 持仓过夜, 一觉醒来, 价格没变, 仓位却没了是经常发生的事情。

AlphaMind：高胜率的系统则往往比较适合震荡性较强的市场, 其通常对止盈止损有严格的设定, 追求单次交易的赢面较大。

AlphaMind：高胜率策略的净值曲线通常比较稳定, 因为高胜率且严格止损的存在, 出现大回撤的情况较少, 有利于提高交易员, 特别的初级交易员的交易信心。但其缺点也很明显, 由于市场的震荡性和止盈的设置, 往往由于过早止盈而放弃了较大盈利的获取。

AlphaMind：一般新手会比较追求高胜率所带来的安全感。

AlphaMind：那如果是一个趋势系统, 我们应该怎么通过数据, 来发现其中的盈利因子呢?

AlphaMind：关于趋势的形成, 有许多的理论。

AlphaMind：典型的基于市场非有效性的假设, 基本面信息的传导需要一定的时间和空间, 而资产价格不能立即反映基本面变化, 价格从非合理区间向合理价格转移的过程中形成了趋势, 而基于行为金融学中的前景理论, 投资者的价值函数是非线性:

在损失时呈现凸性亏损越大风险偏好越大; 在盈利时呈现凹性, 盈利越大风险偏好越小; 因此在市场波动不强, 价格随机游走的过程中, 盈利者风险偏好降低, 倾向于平仓, 亏损者风险偏好升高, 倾向于扛单;

而当价格出现大幅波动, 超出交易者的心理承受极限或者强制平仓后, 促成正反馈和踩踏事件, 强化时间序列的相关性, 形成趋势。

AlphaMind：趋势跟踪策略尝试捕获, 简单来说, 是一种”追涨杀跌”策略。

当价格向上形成一定形态时买入做多, 在价格向下形成一定形态时卖出平多进行止盈或者止损。

AlphaMind：根据我们前一章节的阐述, 趋势跟踪的盈利来源是较高的盈亏比。

截断亏损, 放大盈利, 让利润奔跑, 遇到亏损时及时止损。亏损是人为可控的, 但盈利理论上它能走到哪里是不知道的, 甚至可以定义为无限大(跟踪止盈)。

以有限的亏损换取理论上无限的盈利, 这就是趋势跟踪的重点和盈利的根本原因。

AlphaMind：那究竟趋势跟踪策略是如何在趋势性见长的市场中提高盈亏比的呢?

首先, 我们不妨来看一个完全随机的交易策略在市场中是一个怎么样的表现。

我们使用这样一个随机策略: 第一天, 在市场的开盘价处做多, 并在当天的收盘价平多; 第二天, 在市场的开盘价处开空, 并在当天的收盘价平空; 第三天做多, 第四天做空, 如此反复循环。

AlphaMind：我们使用BTC季度合约2019年的数据进行回测。

在不考虑手续费情况下, 这个随机策略的盈利率为-7.5%, 是一个接近于0的数据, 也就是说, 当我们进行长期随机交易时, 不赚不赔是一个最终的可预期结果(随着时间推移盈利率会更加接近0)。

胜率为53.7%, 非常接近50%, 而盈亏比为0.84, 接近于1, 这两个指标告诉我们, 随机交易时, 输赢次数大抵是相当的, 且最终总盈利与总亏损同样是大抵相当的。

当然, 交易本质上是个负和游戏, 因为有交易所手续费的存在, 所以这个随机交易策略实盘时长期必定是亏损的。

AlphaMind：可以看到, 随机策略的收益分布图, 是一个非常典型Levy分布, 右侧为正收益的数量, 左侧为负收益的数量。

在没有其他干扰的前提下, 95%以上的交易收益率都分布在-2.5%~+2.5%, 收益与亏损是相对平衡的。

如果我们能将大的负收益砍掉, 保留大的正收益, 使得这种平衡得以打破, 就能得到一个高收益比的策略行为。

AlphaMind：如何砍掉大的负收益? 答案便是: 止损、及时止损、无条件止损! 我们的目标就是将大的亏损挡在门外, 从而提高盈亏比。

AlphaMind：我们尝试来改善这个策略. 我们使用一个非常简单的通道突破系统来进行趋势跟踪。

当价格向上突破近期阻力位时做多, 向下突破近期支撑位时做空, 反向与均线交叉时止盈, 最大止损为3%。在相同的2019年BTC季度合约数据上进行回测。

AlphaMind：使用支撑位/阻力位突破, 并用均线止盈和3%最大止损的简单突破系统, 已经将大部分>3%的亏损挡在了门外, 只保留了右侧的正盈利率长尾。

这个简单的突破系统在19年获得了148%的盈利率, 虽然胜率只有34.9%, 但盈亏比达到了3.78。总交易次数为209次, 平均2天做一次交易。中间出现了12.8%的最大回撤, 对于趋势跟踪系统来说, 这算是一个比较小的回撤水平。

这是一个非常典型的低胜率、高盈亏比、中交易频率的趋势跟踪系统。

AlphaMind：在下跌趋势中做空, 在上涨趋势中做多, 在横盘期间承受磨损导致趋势跟踪的收益率曲线是不连续的, 胜率低但拥有较高的盈亏比, 简单来说就是“亏小赚大, 在横盘期间过滤掉噪声和虚假信号维持低回撤, 在趋势中快速收益。

厌恶亏损, 保住利润, 买在最低, 卖在最高, 都是人类的本能使然。

当价格往仓位的反方向走, 抱着价格反弹的希望, 持续加仓, 不顾价格给出的止损信号, 往往让投资者损失惨重. 当止损信号出现, 说明市场并不处在我们需要的趋势之中, 果断止损交出亏损, 耐心等待下一个趋势信号的产生, 是一个趋势跟踪交易者的基本素质。

没人知道趋势的顶部和底部将出现在何处, 抱着保住利润的想法去止盈, 锱铢必较, 有可能让你损失更多利润。跟着市场给出的信号建仓止损, 仅仅是为了跟上市场的节奏, 而不是去预测甚至控制它。

AlphaMind：有了趋势跟踪的策略, 剩下的就是尝试去使用他进行交易了。

人毕竟是感性动物, 趋势跟踪我们理解是有些反人性的, 连续的止损容易让人怀疑自己。不如交易计算机去做吧!

AlphaMind：一个典型的自动化量化交易系统, 需要包含如下几个大的模块:

1. 交易所信息订阅模块 2. 策略信号计算模块 3. 策略下单模块 4. 回测系统

AlphaMind：交易所行情订阅模块是整个量化交易系统的第一步, 没有行情数据, 策略的运算和下单操作便无从谈起。

一般的量化交易系统都会涉及价格订阅、限价订阅、深度信息订阅等。

AlphaMind：价格订阅是实时地接收交易所传输过来的tick级别价格信息, 主要内容是实时的OHLC价格数据和交易量数据等, 一般的实盘策略会根据多个周期的K线来进行交易信号的产生, 所以行情订阅也必须是多周期的;

AlphaMind：限价订阅是指交易所的实时限价数据, 火币等交易所为了防止恶意的价格操作, 每一时刻都会对交易挂单的最高价和最低价进行限制, 量化程序在下单时需要参考这个限价信息才能确保挂单价格符合规定;

AlphaMind：深度信息订阅择时为了获得交易所实时的深度信息, 包括挂单量、挂单价、挂单方等, 研究价格结构和做市商会尤其注重深度信息的数据质量

AlphaMind：有了行情的信息, 就可以进行信号计算了。

常用的趋势跟踪技术指标如布林通道、MACD、双均线/三均线系统、箱体等, 在获得行情数据后都可以根据所需的时间周期参数来进行计算。技术指标的计算可以采用talib等Python库进行加速计算。

例如, 当我们使用简单的9小时均线与20小时均线交叉来判断趋势, 取得实时行情数据data, 在crossup(ma(data, 9), ma(data, 20))为真时平多开空, 在crossdown(ma(data, 9), ma(data, 20))为真时平空开多。

AlphaMind：交易信号产生后, 需要使用订单模块进行下单。

订单模块是工程性比较强的模块。一般的趋势跟踪、震荡翻转系统会比较多地用到限价单、市价单、止盈止损单等, 其中开仓多为市价单、限价委托taker单(做市商为在盘口挂单多为maker单), 止损动作与平仓动作即可用限价委托单也可用止盈止损单。

对于每个报单, 系统需要监控其实时状态(包括未成交、部分成交、完全成交、撤销、部分成交撤销等), 对于挂单长时间未成交的订单需要撤销并根据系统状态进行重报。当仓位较大时, 需要对报单进行拆分, 防止大订单对市场的冲击造成滑点以增加交易的成本。

为了保证策略仓位与实际仓位的一致性, 一般的订单模块还需要一个矫正系统, 定时检查仓位状态, 对不一致的仓位进行矫正。

AlphaMind：策略在进行实盘前, 要在历史数据进行回测研发, 所以需要回测系统。

回测模块一般是比较单独的系统。 一个好的回测系统需要有以下的特征:

1. 策略语言简单易上手。一般策略师都不是工程师出身, 所以一门简单易上手的策略编写语言是回测系统是否有使用人群的基础

2. 统计指标与图表。一般评价策略常用的指标, 如盈利率、胜率、盈亏比、最大回撤、夏普率等, 还有净值曲线、损益分布图等统计图表

3. 支持多周期K线回测. 一般的策略信号需要参考多个周期数据进行决策, 能方便能导入和处理不用周期数据是优秀回测系统的必备性质

4. 较高的回测精度。交易所每秒钟产生的交易数据是非常多, onTick级别的回测对时间和计算资源的消耗非常高. 一个好的回测系统, 应该在onBar与onTick之间取得一个平衡, 通过重采样等技术使回测速度和回测精度达到一个折中平衡

5. 交易现场的还原。 图表总是比数字来的直观, 能复原出一笔交易在回测时如何产生也是一个回测系统应该有的品质, 它能辅助策略师快速定位问题, 改善策略

AlphaMind：基本上, 走完上述的数据分析, 策略制定, 编码实盘, 就可以将"印钞机"开动起来了!

AlphaMind：量化程序的每个部分都能细细展开来说, 由于时间关系, 无法特别细致的和大家每部分都进行分享。今天的分享内容暂时就告一段落了。

合约帝西西：好，非常感谢A神为我们带来精彩的分享。

合约帝西西：下面我们来一起欢迎老朋友天启资本首席交易员，拥有6年交易经验，月交易量10亿+的——Trader-T，为我们带来反身性之交易上的应用。

Trader-T: 那我开始啦！

Trader-T:鉴于我头像换了！我给自己打个广告，我的实盘是↓这个，请勿认错

Trader-T：这次课程到第三周了，总算进入我的玄学正题了，之前第一周的仓位管理？第二周的技术分析？这是入门。

Trader-T：到了我的进阶部分了，我也可以略放飞一下自我了，从交易技术到了交易哲学。

Trader-T：今天和下周四讲述的课程，也就是我的胜率的来源，我是如何手动一天开单100次以上但胜率仍旧能保持80%+的。

Trader-T：如果你能理解了，不出意外能让你开单的胜率增加10%-20%。这也是我这次课程的初衷。

毕竟100个人眼里有100个哈姆雷特，K也是如此，而反身性则不尽然，毕竟这是认知上的盲点，而排掉盲点自然能增加交易胜率。

Trader-T：那么接下去的课程主要分为4部分内容，这次特地把书拎出来再看一遍就是为了能更好的诠释清楚索大的投资理念。

Trader-T：Ps：我的课程只是总结了一部分观点，带了我自己的观点。如果你想了解完整的“反身性”，那么索罗斯的《金融炼金术》绝对不容错过。

Trader-T：Pps：索大本身是个很性情中人，他也是地球上少有的没有路径依赖的投资者，巴菲特基于国运，徐翔基于国情，而索罗斯我却认为能生存与于任何时代的任何行业（比如做将军，比如做实体大商，甚至做一个拳击手）。

如果你想了解他的交易体系和思想如如何建立的，可以去看一部分传记和《波普哲学》。很大程度上受到了儿时身为犹太人的社会影响和导师波普的哲学世界观影响，所以这也是为什么他屡次对华出手。但就是这样非完全理性的“性情中人”的他，才是那个“索罗斯”。

Trader-T：本周讲的是①《金融炼金术》中的反身性的 基本知识及定义 ②关于传统K线分析出现无效的原因

Trader-T：下周讲的是③阐述庄的操盘手法，反身性是如何具体应用在炒币的 ④实战案例讲解和未来可用的分析（也就是你们爱的多还是空，梭哪边）

Trader-T：所以请耐心点，包括刚才A大讲课也是，大学4年才能教出一个人，我仅有4篇2万字，真不算长。

Trader-T：①《金融炼金术》中的反身性的 基本知识及定义

Trader-T：传统理念中，如果......那么....是比较多数的。

比如K线应用上Rsi过高时＞90卖出 ＜10过低时买入，比如金叉开多，死叉开空（当然震荡市金叉开空死叉开多比较有效）

Trader-T：↑的Rsi如果你是1倍杠杆，过去2年里回测下来胜率是100%..

Trader-T：但这个指标的“级别”又应该怎么定义呢？ 1h金叉 4h还在死叉 1h死叉了日线还在金叉怎么办？

Trader-T：而在“级别”之上，Eth 1h打针拉回底背离你想开多，隔壁btc1h却刚死叉怎么办？

Trader-T：因此我认为大部分的K线分析都是比较唯心的，但是由于K线分析的有效性在，走的人多了自然就有了路。当然量化可以通过观测数据的量足够多来提高胜率，而人在这方面是无法做到的。

Trader-T：而分析本身基于自己的“唯心（有自己的偏好和习惯）”和“观测”的局限性（比如前两天你如果不看ZEC DASH行情就会变得看不懂，而4月21日你不看原油也会觉得很奇怪）如果前两天你没看dash没看原油在做eth 在做btc 胜率自然就不会高。

Trader-T：当然通过60%的胜率配上较好的盈亏比，那么就有了一批收获不菲的大神（熊发发！半木夏，肥宅等。）

Trader-T：而我的整个操作流程是通过规避“唯心”，不断找线索否定自己的判断（比如今天想做空，但是看到雄安开会的新闻最后没敢做[捂脸]）

Trader-T：这也是我高胜率的来源，我通过分享我的方法，去让你的胜率调高10%。

Trader-T：当然，我的这种多疑，让我提高开单胜率的同时，也更容易卖飞单子，因为我观测的不确定因素过多了，有太多的诱惑（渣男）

Trader-T：从定义聊起。

Trader-T：数据分析，这个东西本质是总结数据得出结论比如测量1000个人的体温，得出人类体温就是36-37的比如测量1000个人的身高，得出男性就是170-180 女性就是160-170偏多。

Trader-T：以上 体温 身高 是什么？是客观存在的东西

Trader-T：你会通过前1000个人的体温，去预测下一个人的体温吗？

Trader-T：不会对吧，那你为什么要技术分析？

Trader-T：技术分析看的 “K线”是什么？是市场资金投票后的结果，通过数据图表化的方式显现了所谓的“点位”仅是做到了记录结果，也就是简单点说就是一个这样的东西，随机举例的

Trader-T：那当然当你读过大学或者进入社会开始办公室里的工作，领导和导师就会让你把他们可视化。就变成了这样的东西。

Trader-T：那么问题来了，分析体温和身高可以了解人类，去得出一个合理的平均情况。

Trader-T：K线是啥？人类把数据可视化的造物而已..它实际存在吗？

Trader-T：（那当然K线分析的有效性就在于，幻想的人多了就成了共识，而群众的投票钱可以改变K线（而体温不是靠“幻想”就能改变的）而有了共识就有了规律，因为回到了人类行为学（反身性分析）上或者统计学分析（量化，技术分析）的范畴。

Trader-T：幻想产生坚定共识的例子很多比如：企业，宗教，郭嘉，货币 都是以这个形势诞生的，这四样东西“存在”吗？

Trader-T：你300年前那这张红色的纸跑去肉铺问他买2斤猪肉，他一定不会理你的

Trader-T：当然再讲下去就变哲学课了，毕竟你面前的手机屏幕也是你通过神经给你大脑反馈的数据幻想出来的。

Trader-T：说了那么多，只是希望我们在分析K线前明白我们要搞清我们分析的是什么

Trader-T：它不像E=mc2 也不像 1+1=2 当温度变成1000度时铁融化的几率是100%，但MACD金叉时他继续涨的可能性却只有60%甚至51%，为什么？

Trader-T：因为价格本身是受制于价格的，自身的改变会改变“事实或者说共识（群众的预期）”

Trader-T：所以，反身性的作用就凸显而出了。

Trader-T：反身性，简而言之，就是相互决定性。在数学上，一个元素等价于自己，称为它具有反身性。（来自于百度）

Trader-T：大部分东西是不具有反身性，或者几乎不具有的，因为它是实际存在的。

Trader-T：比如抛硬币上一次的结果是不影响下一次的结果的。

抛硬币1次是反面的几率是50%，那么下次抛是反面的几率仍是50%。自然2次都是反面的几率自然是25%

Trader-T：而如果你今天交易的胜率是50%。如果把你当作一枚硬币，你两次开单失败后第三次的“胜率”仍应该是50%，但并不是，对大部分人来说都是低于“50%”的。

Trader-T：因为前两次的失败会影响你的心态，你本身被你的行为改变了。这也是为什么币圈暴富很多，但长久致富的很少。

Trader-T：如果你听到这儿还是没听懂价格为什么会影响客观事实，那么再举一个更简单的面前的“场景”。

Trader-T：正常的K的价格预期呢，在二级市场，比如股票，是根据他的“业绩”所估值。

Trader-T：例：今年1季度手机销量下降30%，上游企业受到的压力会更大，那么今年电子元件的公司会不好。所以自然信维通信，立讯精密的股价就会体现出来，而一但下跌，担心↑问题的人就会变得更多。

Trader-T：但公司的价值却锚定了公司的股价低于一个价格后，自然就会被人“抄底”到无法下跌。

Trader-T：但币圈完全不同。币圈“预期”则更加的暧昧

Trader-T：4月23日凌晨当下来说，BTC7100美元。简单的多头逻辑可以是：

①哦因为5月要减产了 ，该有减产行情吧？

②BTC都从3800反弹到7100了，庄家吃了那么多筹码那么一定有一波减产行情呀

③而且减产后矿工成本6000，肯定会维稳币价，6000就是黄金底。

④现在多空比0.9 ，不爆空头爆谁？

Trader-T：那么即使矿工还是那个矿工，5月还是那个5月，减产还是那个减产。这个地球上的客观“事实”没有发生任何变化，而但凡价格发生了变化。

Trader-T：假使两天后，4月25日深夜20%的瀑布后币价跌至5700（举例） （当然多空比可能会变得更低些，更该“做多”些）简单的多军兄弟的逻辑就可以变成

①5月要减产，减产前后etc bchbsv ltc都跌了50%死翘翘了，现在才跌20%是最后的跳车机会了。

②3800-7100只是10500-3800下跌中继的反弹，久久不突破7500是在吸空单，这才跌了20%，新低是必然啊。

③减产后矿工成本6000，币价都5700了，恐慌崩盘就要来了，原油跌破35的页岩油巨头成本根本不是底，后来跌到tm负40，币圈完蛋了。

④多空比0.5，根本没有多军，币圈就是要归零的，现在谁会来做多？做空！

Trader-T：价格是可以改变认知的，是可以改变想法的，而韭菜的问题在于他意识不到这件事情。Trader-T：听风就是风，听雨就是雨。看了微博买热搜，就看多。：）

Trader-T：但传统市场不同 具体的解释今天时间应该来不及了，我会补充在合约帝广场。石油有锚定成本，猪肉也有。而他们都有锚定的需求。

Trader-T：绿线为价格变化，红线为成本变化。

Trader-T：当跌破成本，就会停产和破产，供给减少后之后需求没有改变，自然价格就会被需求所抬高。

Trader-T：但币圈不一样，没有“锚”。比特币的价格本身会改变市场估值。

Trader-T：你说矿工6000的成本是锚定估值？

Trader-T：这是10年长牛中挖矿难度与价格之间的关联性

Trader-T：但我认为比特币如果开始下跌，价格和成本的关联性是这样的

Trader-T：对不起。。上图标注错了，横轴是时间轴，偷懒没再再画了 绿线是BTC价格 红线是矿工成本

Trader-T：为什么是这样的呢？

Trader-T：因为石油那里是 油价下跌→低于成本→油井关闭→需求不变→供给减少→油价上涨（和猪肉 口罩等相同）

Trader-T：但比特币没有“刚需”，或者说“供给端”不来源于每天开采出的几千个。供给是市场上大量流动着的存货（1000多万个）（而石油等大宗商品实物存货有仓储费，运费及折旧的限制）

Trader-T：且更离谱的是比特币的成本是“浮动”的。

Trader-T：6000成本→比特币下跌5000→高于小矿主成本（旧版矿机or电费较贵）后小矿主关门→算力难度降低，成本降低→比特币继续下跌→更多人停产→算力难度降低，成本继续降低

Trader-T：所以比特币和原油不同的是，原油从100跌到15 页岩油企业成本一直是35，或者会因为VLCC的价格变化而略微变化。 但可以确定的是有朝一日是一定会回到35以上的。

Trader-T：而比特币如果从1万跌至 1000，平均成本却会从7000跌至1500以内，自然不是现在的“6000”因此比特币的估值是没有“锚”的。

Trader-T：那么比特币的估值来源于什么？应用和需求上来说未免太过于稀少了。客观来说，目前的估值完全来自于“共识（或者说预期or幻想）”

Trader-T：而大部分人都是选择一个点位（或许是技术分析，或许是成本计算）事后会夸夸而谈自己如何“抄底”，“逃顶”真的任何手段，公式，能预测顶和底吗？

Trader-T：没有1025 ，去年925之后BTC真的还会上9000吗？没有美股和原油，BTC真的2月没有“牛市”吗？

Trader-T：因此光技术分析未免太过于唯心了，因为价格是会强化预期的，当时的价格变化是由于什么“预期”而导致的事前都没有考虑到，那么预测出的点位就算“对”，在我看来也是“错”。至少在我的认知观看来，都是“较为幸运”。

Trader-T：所以，为什么百试不爽的指标有些时候会错的离谱？因为市场不止有指标。

Trader-T：那就到了第二部分②关于传统K线中分析出现无效的原因

Trader-T：你可以通过找到使你无效的“原因”，去减少开单的错误，这也是我胜率就较高的原因。

Trader-T：承接上文，K线既然是研究人类的共识行为，那么光考虑“技术分析”自然会失效。我指的失效是指之所以“成功率”不是100%，只有60%or70%or80%，是因为其余时候有了别的干扰项让他失效。

Trader-T：为什么？随便举四个例子

你炒币的时候看不看新闻？

你炒币的时候睡不睡觉？

你炒币的时候关不关注大V?

你炒币的时候上不上厕所？（而上厕所没有共识，是随机样本，所以无视）

Trader-T：看到“新闻”后，市场就会变化，比如1025 比如416，比如孙宇晨微博被封，比如97。

而“睡觉”，会让市场的深度变得脆弱，更容易引爆大行情（别跟我说外国人也交易，绝对没中国的交易者多）。这些都会改变市场。

Trader-T：而大V改变共识更简单，过去14天里半木夏开单之后你去买个10分钟期权，50次里有40次是翻倍的。（请没有期权基础的人远离期权，绝对光速让你归零）

Trader-T：大约可以扭曲BTC 0.1%-0.3% 主流0.5%-1%，因此最近我关注了半木夏实盘作为短线开单指标（你如果仔细观察可以发现我最近开单有利用半庄套利的一部分操作）

Trader-T：不得不说，半庄niubility（当然跟的人多了总会翻车的，所以还是谨慎些别让半庄背这个锅）

Trader-T：那当发生这种“意外”的时候，K本身就被“扭曲”了，你抱着K分析不是一厢情愿吗？

Trader-T：你分析K线分析的出半庄在马桶上开了个eth多之后有637个男粉丝和381个女粉丝平均拿出217.3U开了10倍杠杆后造成市场上涨的吗？

Trader-T：最好的应用例子，正好是4月16号我写过且记录在合约帝广场的。

Trader-T：就是4月16日2点28分我看到官宣dcep后，平空后翻多2点40分开始币圈自媒体陆续转载，3点01分开始拉升。整个思考过程我发在了合约帝的广场，你们可以看着玩玩。

Trader-T：这个我下周的课会举不少例子。

Trader-T：而这只是“外界因素”的例子。更难的部分还是“内因”。

Trader-T：时间不够所以放到下周讲，现在先只进行一下“灵魂拷问”。

Trader-T：Eth1H顶背离你想开空 BTC1H金叉（大部分人在看ETH的时候根本不会看BTC）。

Trader-T：那么这时所谓的“顶背离”和“金叉”哪个更有效？

Trader-T：很抱歉，我不知道。所以我会开ETH的时候同时（不是多屏，自己不断切）看BTC，BCH EOS BCH甚至DASH和ZEC。

Trader-T：如果出现矛盾指标时我会选择“不开”。而“不开”，是我胜率高的来源。

Trader-T：这个的思辨和举例过程我在课后更新在广场，因为我已经超时5分钟了..（西西已经在骂我了）

Trader-T：最后说两句。无奈的说，我思维整理的有点非连续性，因此我明白看到这“恍然大悟”的人绝对有，但是属于“少数”，而听不懂的或者自以为听懂的应该占多数。

Trader-T：但字数有限，本身“反身性”也不是一个大众的概念，但应用上来说，下周③阐述交易和做庄手法，反身性是如何具体应用在炒币的④实战案例讲解和未来可用的分析 中我会讲述具体的用法（如何去预判庄需要的K）和短线如何通过反身性思考去增加胜率

Trader-T：及最直白的几种“白嫖？套利？经验（非对冲类，我不知道该不该这么形容，但是行为上比较接近薅羊毛）”手法。

Trader-T：说的唠叨了，但碍于时间！这周的课程，就差不多到此结束啦。

我大约有1000多字的（原油和猪肉的成本分析和交易上的反身性应用）会课后马上更新在合约帝如果你想听懂下周的课程，请务必认真消化这周的内容。

合约帝西西：哈哈，精彩！非常感谢T神的分享。

合约帝西西：这期合约1+1的分享就结束了，关于Trader-T更多精彩分享请关注合约帝广场，下期合约1+1我们不见不散！

—-

编译者/作者：合约帝

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。