有人试过编写个程序来炒股吗？

肯定地回答您，我们已经做了三年了。在通达信软件上，最早是期货交易实现电脑买卖，只是免费的速度太慢！文华财经软件要交费，速度非常快。大家关心的是赢亏，自动交易软件赚钱么？肯定比人工交易效益高。首先，是条件选股功能，每天收市后，下载好当天数据，再把自已的选股程序化方案挂上，选择选股范围，好创业板，中小盘，还是沪

A,深A股，剔除ST类，让软件自动运行选股，选出的几十只股票把它们放在指定的自定板块里。五分钟搞掟！接下来是上程序化交易软件，把选出的股票每一个都让程序化交易软件扫一下，看看在K线图上出现的买点、卖点。然后，再结合自已的盘感经验，再精选出十只明天可以交易的股票，放进自选股。第三步是历史数据的统计检验。利用通达信软件自带的统计检验模块，对十只自选股进行近一年的历史买卖点效益的回测分析。从中找出

二、三只最有赢利潜力的白马股。程序化交易软件的操作流流程只需要每天收市后做三十分钟的功课。第四步，就是开盘后，自已如何根据买卖的提示，如何临场发挥的问题。

我应该是少数自己亲自做过的人了，实盘 编程 A股。自认为是韭菜水平，写这个也并不是为了分享经验，但鉴于大多数人其实没有亲自做过，就当是写写自己的一点感受给有兴趣的人看看了。实现全自动交易的途径实盘量化交易看似容易，但也没见多少个人投资者自己做。因为这里有三个门槛：专业技能渠道资金专业技能好理解，基本的编程 投研 一定的数学基础，这样才能想出策略并实现策略。渠道就是指如何实现实盘交易，模拟编程炒股很多人试过，但要实盘，需要通过券商，这样你的策略才能向你的实盘账户发送买卖指令。至于资金，也就是真舍得拿真金白银去试水，同时具有一定的抗风险能力。要真正实现全自动交易，有三种途径，分别从简单到复杂。利用一些和券商有合作的量化平台实现利用如vnpy等开源框架，自己修改后实现从底层写起，比如

C ，自建完整交易系统一般个人单干的话，选择途径1或者2；而如果是正规量化机构的话，选择途径2或者
3。我作为正宗韭菜，自然是选择途径

1，找了一个可以实盘的量化平台。为了避免打广告之嫌，就不透露名字了。交易策略与系统既然是选择了傻瓜式的平台，绝大多数交易系统的技术问题已经不用担心，别人帮你解决好了，自己只用专心于策略。策略自己怎么设计都行：但策略也并不是纯粹的只用把股票筛出来即可，仍然需要自己写买、卖、撤单、查询成交情况等命令，这样才可以实现模拟回测。比如一个简化但完整的流程可以是：模型随时接收实时行情的数据——某时刻产生了交易信号——将股票代码和目标买卖股数发至实盘账号——不断查询成交情况——完全成交或者需要撤单重新调整价格——完成一次交易有了这个，策略就可以完成回测，看看历史收益如何，进而如果你决定要实盘，则可以把策略提交到量化平台的实盘服务器中，与自己的实盘账号绑定并启动策略。这样，一个全自动实盘交易就算开始了。如果是日内策略，交易起来具体日志可能是这样：策略收益大家最关心的就是这一块吧，因为我策略写好了也没怎么去优化，所以表现也就是韭菜水平，甚至可能跑不过大盘。搞了不止一个策略，表现不
一。如果是专业的机构，那肯定得每天随时维护，并迭代新的策略。至于我自己搞，在策略上线了我很少打开来看，就让它自己运行了，毕竟不是主业，连副业都算不上，纯粹个人兴趣爱好。潜在风险最大的风险就是策略被别人偷走，因为你的策略是放在平台上的，虽然平台再三声称策略绝对安全，不会被盗，但如今个人数据泄露已经不是新闻了，自然仍然存在策略被盗的风险，甚至是一些人利用权限，直接查看那些收益好的策略也说不准。不过我的策略并不担心这点，因为足够烂，可能这就是光脚的不怕穿鞋的吧。另外在交易上也存在一些风险，可能策略出bug了让实盘账户产生错误交易，进而导致亏损。或者交易延迟太大，导致错过买卖点等。在合规上，也需要认真鉴别该量化平台是否与正规券商合作，否则本金都可能给搞没。以上内容纯粹是个人感想，不构成建议。这条路上要趟的坑太多，镰刀太多，单兵作战唯一的优势就是，自己是自己的老板，不存在来自客户的业绩压力。

曾经用通信达的时候，经常会编辑程序来进行选股，并且提示买入和卖出。但总体而言，程序只是有辅助的功能，并没有办法通过不断的实盘，跑出完善的交易模型。这就好像量化交易的策略，即便适用性很高，也无法保证能实现百分之百的赚钱。至于股票的波动，根本不是纯概率的游戏，可以通过程序来解决。它是一个市场交易的情绪集合，而情绪是不存在绝对概率的，只存在一定规律的。所以，我们可以利用程序去辅助运算，解决很多的问题，剔除风险，增加获胜的概率。但这始终解决不了根本的问题，也就是通过模型跑出一个百分百能够获利的程序。否则，这个市场早就已经大结局了。从程序交易的底层来看，最终没法实现跑通交易的主要原因，有以下几点。

1、市场风格切换带来的交易模式变化。市场风格切换，会带来交易模式的变化。这里风格切换，有很多层意思，可以是交易的资金变化，也可以是市场的牛熊变化。就拿交易资金来说，原本市场里就是散户、大户、机构，还有游资。后来随着市场的开放，各种公募基金、私募基金、险资、外资、社保基金等等，都可以开始入局。那势必会导致市场的交易风格发生重大的变化，股票的走势也就会有相应的变化。程序写入的背景，一般都是根据过往的经验做的模型。但市场风格的变化，却会发生在未来，影响整体的交易模型的有效性。这一点本身就是无法解决的，除非交易模型本身，能够有自我学习能力，不断的自我迭代。

2、市场资金交易趋同后势必出现分化。如果整个市场的资金，都采用类似的交易模型，会有什么结果。一开始，所有的资金都大概率能赚到钱，然后把市场里的其他韭菜给不停收割。慢慢的，市场里的韭菜越割越少，交易模型就开始失效了，不管用了。因为交易市场需要对手盘，而对手盘几乎没有了，只剩下和自己交易模式趋同的资金。这就好像行情抱团的结果也是一样，最终总有资金先倒戈，开始研究新的交易模型。而新的交易模型，就会专门针对老的交易模型进行收割，把原本的交易模型当成韭菜。所以，市场上即便是大资金，一定也会是分分合合的割据之战。

3、资金体量变化带来的交易模型更替。交易模型的更替，还和交易资金的体量有非常大的关系。你用100万去跑一个交易模型，不代表能适用于万，更不可能适用于1个亿。这也就是为什么，有些散户靠自己的方法，从10万赚到了100万，但从100万到万，却难于登天。这是因为交易资金的体量变大了，对于原本操作的那些个股来说，影响了交易的走向。你只能通过切割资金，把资金分成10个10万，再去套用原来的交易模型。但问题在于，你的选股可能也需要十倍的增长。如果你的交易体量再增加，可能就没法完成交易模型了。所以，不同的交易模型，适用于不同的交易体量，这是一个必然。

4、智能化交易大面积普及导致的内卷。最后就是智能化交易本身，是存在内卷的。一旦设计出来的交易模型有效，就会被广泛复制。一旦被复制，就很快就会被破解，就会导致失效。这就好像量化交易曾经短期内风靡一时，但最终慢慢走向没落，或者说永远保持那么一个市场规模了。因为智能化交易并不是一个市场终局，市场还是需要不同的情绪来带动的。冰冷的机器，通过算法的交易，原本是为了收割情绪。但最终，利用情绪可以去找到算法中的漏洞，让算法落空。就好像算法告诉你，10块涨到15块就该抛售，但如果股价继续上涨，到20，30，40，算法是否又会入场接盘，其实是犹未可知的。任何行业，一定会出现内卷，也一定会经历内卷后，重新达到某种平衡。自己做过尝试，也看过那么多量化交易后，并不建议普通散户，自己去做程序交易的模型。一方面，大部分散户也没有能力去做程序交易。从数据编程，到模型建立，从实战交易，再到参数修正，是一个非常复杂且漫长的过程。很多散户对于程序本身一点概念都没有，更别说什么利用程序来炒股了。另一方面，即便是通过数据回测，建立了模型，也不代表这个模型适用于未来的市场。模型需要的是稳定的环境，但市场终究是动态变化的，尤其是在牛熊市里，风格反差非常大。这种情况下，模型失效的概率极高，原本赚钱的模型，也会成为失败的模型。或者说，你利用数据回测做的模型，可能也需要好多套，适用于不同情况下的市场。而你本身，却不具备判断当下市场属于哪种情况的能力，也就不知道该套用哪套模型。对于散户而言，真正的核心在于建立自己的交易模型，从选股到买入和卖出。一套优秀的交易模型，必须包含以下几个方面。

1、清晰的选股思路。任何的交易模型，都是需要一个选股的思路，即便程序化交易也不例外。大部分程序化交易的选股思路，主要也有两大类。第一类是K线选股，通过抓取大牛股的K线形态，然后寻找雷同的K线组合。这种可以理解为市场验证下的选股策略，但缺点其实在于量能的不确定性带来的行情走势变化。第二类是指标选股，不论是技术指标，还是基本面指标，可以通过输入条件进行选股。这种可以理解为指标验证下的选股策略，但缺点是大部分指标参数需要本人根据经验去拟定。在选股思路这一端上，散户如果是技术流，那就需要大量的图形记忆，带来的盘感进行选股。量价分析，是选股策略的核心和关键。如果是基本面选股，那就需要分析和研究能力，不仅仅能读懂所谓的财报和研报，还要看清行业趋势和企业的核心竞争力。这一点也是大部分散户不具备的能力。散户比较适用的场景，其实是通过行业大类的筛选后，做好股票池。然后再通过找到市场热点的引导，根据量价分析的模型，去股票池筛选出，当下值得投资的标的，进行交易。

2、明确的交易策略。交易模型的第二个重点，就是交易策略。所谓的交易策略，就是通过怎样的方式来赚钱。比如，高频交易的模型，盈利策略就是短期波动带来的利差，通过反复的交易去放大利差，最终取得盈利。波段投资的交易模型，是通过短期的超涨超跌，市场情绪的波动变化，从而买入和卖出，赚取情绪带来的交易损失，从而盈利。长线价值投资本身，是寻找到不断增长的上市公司，通过上市公司的价值反馈到股价，赚取企业成长的钱，获得盈利。不同的交易策略，决定了赚的钱不同，也决定了赚钱的方式和持有的周期是不同的。这一点上，散户并没有共性，但从本质上，都更愿意去赚快钱。但散户要明白一点，利差带来的收益，是相互之间的，你赚了就有人会亏。那散户赚取利差的概率，肯定是低于那些大资金的，毕竟别人可以控盘，散户只能跟随。所以，在交易策略上，建议散户多想想明白，自己更符合哪种交易模式。

3、优秀的止盈机制。优秀的模型，一定需要一个好的止盈机制，否则，怎么赚钱自己都不清楚。几乎所有的散户，一定都经历过坐电梯的事情，股价上去了，最终又会掉下去。我们的目标，是赚钱，也就是积累财富，电梯往上坐才能取得正向收益。因此，优秀的止盈机制，是保证你能够不断往上做电梯的一个基础。会买的永远是徒弟，只有会卖的才能真正地赚到钱。卖点的把控有很多种方式，但交易模型讲究的是规范化，也就是一种机制搞定所有情况。宁可少赚，也要落袋，是止盈机制的一个核心。直接目标收益止盈，是比较好的一种方式，因为可以规范化。另一种就是超涨的止盈，以股价与均线的偏离作为止盈的方式，在市场极度狂热的时候退出，效果也会非常不错。最差的就是凭自己的盘感做止盈，这种一旦有贪婪和恐惧夹杂，往往就很难落袋为安了，很容易坐电梯。

4、必要的风险控制。既然是交易模型，除了止盈以外，一定还会有风险管理的机制，或者说是止损。我们不可能每一次买入股票都赚钱，即便是程序化交易也是一样的。但程序化交易的核心之
一，就是它会有一个非常有效的风险管理机制，去管控风险，保证我们不出现大规模的损失。也就是不会因为交易中买错一支股票，出现资金的大幅度折损。因此，好的交易模型，在风险管理上一定有自己的一套。其中，最大的核心是止损机制，以及仓位管理。如果你的止损机制触发点是10%，你的风险管理要求是单笔交易损失不超过3%，那么你的单只股票仓位管理，就必须控制在30%以内。通过止损机制与仓位管理，双管齐下的方式，把综合的损失风险，降到一个可控范围内。那如果我买3只股票，都是30%，然后都下跌了10%，那么也亏了近9%，怎么办。那只能说明你的交易模型，出现了问题，同时买3只股票都下跌，这套交易模型不适用于当下的市场环境。只要是和投资相关的，就一定和风险控制有关，任何好的交易，一定会先做好最坏的打算。

5、动态升级的适用。最后一点，其实也是关键，就是你的交易模型，该怎么样升级，如何地适用不同的市场环境。举几个简单的例子。你资金30万和资金300万，同样的交易模型，是否适用，该如何升级。市场总市值20万亿和市场总市值80万亿，同样的交易模型，是否适用，该有什么变化。市场成交量亿一天和成交1.5万亿一天，同样的交易模型，是否适用，该如何应对。之所以很难出现一招鲜吃遍天的交易模型，就是因为市场的环境在变化。不仅市场的环境在变，时代也在变，行情的重心也始终在变化。就好像房地产行业、传统金融业等很多行业，已经走过了高速发展的红利期了，互联网行业也已经放慢了前进的步伐，现如今是高新技术企业崛起的时代。市场的投资重心自然会变化，交易模型如何能够动态地升级，成为了重点。既然投资者本身，是建立交易模型的人，市场的升级也就需要投资者本身对于认知进行升级，然后才能把模型升级。作为一个能在股票市场里赚到钱的合格投资者，就需要自己去摸索一套能够适用于大A的交易模型，在变化中固化市场的规律，通过规律的通用性去赚钱。而不是想一出是一出，不断的在行情中，拿着真金白银去试错，最终落得一个什么都没有，还亏钱的结局。

美国西蒙斯教授的大奖章基金，就是完全的程序交易，年收益税后36%，三年翻番，远超过巴菲特。36percent对于短线交易者看上去并不算高，但对拥有巨大资金量的基金是很不容易的。西蒙斯是犹太人著名的数学家，他聘请了计算机科学家、图像识别专家、顶尖程序员设计交易程序，注重日内超短线交易，因为资金量大，交易量巨大，所以只能分散交易，高频交易，每日交易数万笔，不放过每一次小的交易机会。量化交易者称为宽客，国内也有不少量化交易平台，如聚宽、米框、bigquant等等个人用Python可以实现选股，手工下单，如果直接下单自动交易就需要委托软件有支持接口，国内目前似乎还是很少，部分机构可能有。

你描述的这些有专业的名词，叫量化投资程序化交易！量化投资是以现代信息技术为基础，对大量的数据进行统计分析得出盈亏概率从而指导投资决策。投资的各大分析流派本质上都是对数据的处理及判断！技术分析断的是交易数据，K线、均线、指标、成交量等等。这些都是由最基础的一笔笔的买卖成交累加出来的！图形的背后都是各种数值，信息技术就是为了处理这些运算所产生的。而价值投资不管是宏观还是微观，实际上也都是对各种数据的处理。行业数据、财务报表、经济指标、也都是包含在信息技术之内。有了客观的结论后，剩下的就是要来解决人性认知偏差。人想法是很难做具体的数据化处理的，但却可以提前规划，避免执行的时候手软。信息技术在执行上也是有优势的，把预设的各种限制条件编写成代码。程序自主的去执行策略分析得到的结果！人则退到一个维护者的角色。这种玩法是一种跨学科的组合，通过不断的融合演变现在已经形成了一个新的学科叫金融工程。我主页上有类似的介绍视频，从量化投资的数据如何获取分析，到怎么实现程序化交易自动买卖挂单。都有详细的介绍，有兴趣可以去翻翻。