指标数据存储表格all2
===============
【code回测】：
设初始资金为100万
取【code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
===============
【code模拟】：
取【code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【code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【code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【code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。
所以，任何做市场预测的人都是狗屎。你说你做的技术分析？不，你就是在赌博。
好嘛，技术分析的路子走不了，那他说自己做的是基本面分析，他怕不是觉得我还吹不涨他？呵呵。
我们姑且一看。刚刚我们讲到基本面分析有几个方面，这里分成了可数值化和不可数值化两部分。
打个比方，国家经济发展有很多数值表现，如gdp、工业农业数据、就业数据。而汇率和货币政策也同样是比较明确的。再者如公司经营状况的营收成本利润、市盈市净。以上，这都是基本面中的可数值化部分。反驳的思路就也和技术面分析的说法雷同，你个鸟人还能天天关注百来个国家，上千个公司的数值基本面？那对不起，机器能，还能发警报呢，还能做决策呢，还能模拟呢，还能告诉你仓位和止损止盈呢。
不可数值化部分就是个问题。但依旧有可解答的方法。
比如，某朋友说，嗨哟我天天看参考消息，各种日报抓重要人的讲话，就是隔壁三姑六婆急吼吼开户去这点小事，这才是我看市场的方法。
于是，我摸着良心，打开了百度ai的官网。我找到了自然语言处理，又选到了“情感倾向分析”一栏。哎哟，demo都不用写，直接就有输入框体验。
我写道，“司马鸟股市，天天割韭菜，老子不玩了艹”
页面直接给我返回了83%的情感倾向为负的结果。
接着我还是写了一个弄了百度ai的sdk（开发者工具）写了个demo，返回结果也不复杂，一个分类结果代表情感极性，一个置信度代表分类极性的可信程度，然后是积极和消极类别各自的概率。我这寻思这要不要从某些地方抓上几十万条数据来试试，然后我看到，艾玛都说百度技术挺牛，今个也还算感受到那么一点。这个接口服务，5qps以内免费，2048字节以内每秒可以请求五次，一天43万次的免费额度。
当然，我可以自己写一个ai，找一堆数据来训练模型，最后得到一个我想要的情感分析程序。
意义何在？
无法数值化的部分，随着科技的发展，今天也能得到“强行”数值化。你说一句话，好坏还真别看不起机器不明白说的是j还是b。换个人呢？换一段文字？换个官方发言？道理就摆在这，结局都是一样。
唯一的事就是，百度ai不好用，你得自己做一个。
但你采纳的样本足够大，这东西是能达到一个不错的效果。
我们说个例子吧，搜索引擎是最了解我们群体情绪的一个工具之一。如果我们打开百度指数，搜索“a股开户”，当我们把周期拉得足够长，是个人也能发现一点有意思的规律。好比，2015年高峰时期是这个搜索词在已有历史中的最高点，而最近19年伊始，这个关键词的指数也呈现一定增长。
当然，肉眼能看到一点规律，只是离实际转化成有意义的工具还差了点距离。“a股开户”可以，“a股行情”得不得行？又或者其他关键词。
所以，我们从上到下也发现一个事情，技术分析的实现，我一个破壁程序员能讲头头是到，基本面的可数值化部分，难度在于数据源，而基本面的不可数值化部分，在于如何强行数值化，又或者降低数据的噪声。从上到下，难度层层增加，但你得相信市场上是有人真能做这个事情的。
为的什么？不就是在这“不确定”的市场中找到一丝提高胜率的“确定性”。所有人都在找那张有划痕的大小王，越能耐，那手段越多。那你说你是在投资还是在赌博？
这里，我说个词汇，“剑桥-分析”。剩下就由大家去无限遐想吧。这类话题讲着讲着就得扯上大数据，头疼。
好了，话到这里也接近了尾声。所以今天这感言就是劝人远离“赌博”，少做傻事，生活其实挺好的。
而我呢，摆正着心态，反正是不再随便跟人瞎吹牛逼。毕竟就算我真吹对了，那也是我因年轻所犯下的无知罪行。有人可能要崇拜你，但他真不会给你钱，最多就是吃个饭，而要是猜错了，真指不定有反目成仇的时候。想清楚了些事，我们也就少说两句，对自己对他人都好。（歪译，赚钱可以，老老实实闷声发大财）
当然，任何地方都有“天才”，要尝试成为这样的人，那尽量站高一点吧，看得远一些，少计较点眼前得失。我就在往那儿靠，要不同去？
好了，最后也感谢每位支持本书的读者。
而感言嘛，国际惯例，发出后一段时间我会删除。我读书是不大乐意读着读着给我来段臭屁感言，又不想放开头，所以也就待完本后再全数放出。
今天就聊到这，今天无更。我们回见。
ps：本文不构成任何投资意见和建议。对百度ai的引述仅作为论述材料，不构成任何对百度公司股票看好的观点。因简单实现原理的说法，导致任何因编写程序导致误操作的行为，本人概不负责。
', '')