`
phoenix007
  • 浏览: 436201 次
  • 性别: Icon_minigender_1
  • 来自: 北京
社区版块
存档分类
最新评论

经典股训

阅读更多
炒股十句经典股训 不要轻易预测市场
一、投机像山岳一样古老
  虽然短短的一句话却道尽投机市场的百态。那些整天试图以凭借自己小聪明战胜市场的想法,早晚会被市场无情的吃掉。只有真正懂得与市场共存共振的投资者,最终才会成为市场长期的赢家。
  二、人弃我取,人取我予
  这句话好像来自中国《史记·货殖列传》。多用这种方式去思考问题,保持对各种预言的警惕,并努力在别人贪婪的时候谨慎一些,而在别人恐惧的时候大胆一些。
  三、买入靠信心,持有靠耐心,卖出靠决心
  这句话是我早期看的一本大众投资手册上看到的。回顾自己的投资经历,几乎所有的错误也囊括在这三句话里。能做到这一点的投资者,不但要具备超越常人的坚强心灵和意志,而且还必须已经对股市有了本质意义上的理解。
  四、只有持股才能赚大钱
  想在股票市场赚大钱,持有股票的本领要下苦功去学。如何持股的道理可不像研究指数、推荐股票那样,几句话就说的明白的,短期内容易提高的,它需要长期的投资经验积累,心理素质的不断提高,使用控制风险的有效方法。股市投资只有持股才能赚大钱,想靠调整市中的抢反弹来增加利润和弥补亏损,本身就已经掉进了主力的陷阱。
  五、企业价值决定股票长期价格
  这句话是我研究价值投资理论之后的一句简单概括。供给与需求创造价格短期波动,企业内在价值决定长期波动方向。
  六、不要轻易预测市场
  判断股价到达什么水准,比预测多久才会到达某种水准容易,应该从基本面入手寻找一些有长期价格潜力的股票,结合一些技术方法适当控制风险尽量长期持有股票,而对于长期的市场走势给予一个轮廓式的评估。
  七、股市的下跌如暴风雪是正常现象
  这句话是彼得林奇的《战胜华尔街》里的一句,“其实股市的下跌如一月份的暴风雪是正常现象,如果有所准备,它就不会伤害你。每次下跌都是大好机会,你可以挑选被风暴吓走的投资者放弃的廉价股票。”
  八、尽量简单
  这句话是美国技术分析专家约翰墨菲的《股价(期货)技术分析预测学》一书在引言中反复强调的一句话,他的意思是使用技术分析的时候“尽量简单”,只有简单的技术才能被普通人所接受,复杂未必实用。但一样技术使用的人多了,其实战成功率自然就会降低。因此,已经被市场公开的技术,如果不经过自己的修正和提炼,其多数信号均为错误。
  九、不断地减少交易
  巴菲特曾讲过“钱在这里从活跃的投资者流向有耐心的投资者。许多‘精力旺盛’的有进取心的投资人财富渐渐消失。”其实不管你的理念怎样,是投机者或投资者,这句话都适用。减少你的错误就先从减少交易开始吧。
  十、远离市场,远离人群
  《乌合之众》一书讲:人群中积聚的是愚,不是天生的智慧。炒股的心态与你与人群的距离成反比,不要推荐股票、少去谈论股票,与市场的人群保持距离,与每日的价格波动也要尽量远点,不要让行情搅混你本已清澈的交易理念。在股市这个嘈杂的市场里,是最应该自守孤独的地方。知止而后能定,定而后能静,静而后能安,安而后能虑,虑而后能得。
分享到:
评论

相关推荐

    股票数据集

    10. **PE Ratio(市盈率)**:股票价格与每股收益的比率,用于评估股票是否被高估或低估。 这个数据集可用于多个分析任务: 1. **时间序列分析**:研究价格随时间的变化趋势,预测未来的走势。 2. **技术分析**:...

    本科毕业设计,利用深度强化学习训练A股市场股票自动交易智能体.zip

    理解状态、动作、奖励和策略等基本概念,以及Q-learning、SARSA等经典算法。此外,DQN(Deep Q-Networks)是将深度学习引入强化学习的关键,需要了解其工作原理。 3. **深度强化学习框架**:如TensorFlow或PyTorch...

    基于混合量子−经典神经网络模型的股价预测.docx

    本文旨在探讨一种基于混合量子−经典神经网络模型的股价预测方法,并分析其在金融市场中的应用价值。 深度学习是机器学习的一个分支,它通过模拟人脑神经网络的工作原理,使计算机能够通过多层次的非线性变换对高维...

    【华泰金工】陈烨:华泰人工智能选股框架及经典算法介绍(2).pdf

    根据提供的文档信息,我们可以从中提炼出与华泰人工智能选股框架及经典算法相关的多个知识点。以下是对这些知识点的详细解析: ### 华泰人工智能选股框架 #### 1. 选股模型构建 - **输入数据**($\mathbf{x} = (x_...

    基于深度强化学习的股市操盘手模型研究.pdf

    在金融市场中,已有股票预测和操作策略方面的研究,但是在估值、风险评估方面文献不多,与经典量化投资理论相结合的强化学习模型并可实战的成果更少。在金融市场量化操作时,研究人员是针对产品价值、众多指标和周边...

    (2021-2022年)专题资料完美版证券投资概论与实训教程.ppt

    首先,MACD选股法作为技术分析中的经典方法,通过对比不同时间框架下的K线图来观察MACD指标的变化,指导投资者选择那些短期趋势向好的股票。特别是在5分钟、15分钟、30分钟和60分钟图中,MACD指标白线穿越黄线的股票...

    matlab基于线性回归的股票预测模型:使用历史数据预测未来股价.pdf

    线性回归是一种经典的统计学和机器学习方法,用于建立输入变量(自变量)与输出变量(因变量)之间的线性关系。在金融商贸领域,尤其是股票预测中,线性回归模型能够利用历史股票数据来预测未来的股价变化。下面将...

    实例MATLAB实现股票价格预测源程序代码

    ARIMA模型(自回归积分滑动平均模型)是时间序列分析中非常经典的一种模型,MATLAB的Econometrics Toolbox提供了ARIMA模型的实现。 3. 机器学习方法:近年来,机器学习尤其是深度学习在股票价格预测中也取得了一定...

    基于机器学习对优质股的选择.pdf

    它的经典定义是“计算机利用经验改善系统自身性能行为”。机器学习的核心步骤包括理解和模仿人类学习方式,以及从大量数据中挖掘有价值的信息。这通常涉及有监督学习、无监督学习、半监督学习和增强学习等不同类型的...

    基于LSTM的股票预测项目.zip

    项目可能使用了诸如移动平均、自回归模型(AR)、差分自回归滑动平均模型(ARIMA)等经典方法预处理股票数据。 3. **数据预处理**:包括数据清洗、填充缺失值、标准化或归一化等步骤。对于股票数据,可能还需要考虑...

    基于大数据背景下的多层神经网络股票预测模型.pdf

    BP神经网络则是最经典的前馈神经网络,通过反向传播算法优化权重,以最小化预测误差,适用于复杂的非线性问题。 在股票价格预测过程中,首先通过小波分析对原始数据进行预处理,然后使用Elman和BP神经网络分别进行...

    波士顿房价预测训练数据.zip

    波士顿房价预测训练数据是一份在机器学习和深度学习领域广泛使用的经典数据集,它源于1978年美国波士顿郊区的住房市场统计信息。这个数据集包含了14个特征变量,如犯罪率、平均房间数、房屋年龄等,以及一个目标变量...

    matlab资源 基于KNN算法的基本股价预测 仅供学习参考用代码.zip

    KNN是一种经典的机器学习算法,尤其适用于分类和回归问题,这里用于预测股票价格。下面将详细介绍KNN算法以及其在股票预测中的应用。 KNN算法是基于实例的学习,它属于监督学习的一种。该算法的基本思想是:给定一...

    基于机器学习的股票投资算法,使用到了Auto-ARIMA、LSTM、SVM、Prophet、朴素贝叶斯.zip

    ARIMA模型是时间序列预测的经典工具,通过结合自回归(AR)、差分(I)和滑动平均(MA)三个成分来捕捉数据的线性趋势、季节性和随机波动。Auto-ARIMA则自动化了参数选择过程,降低了人工选择合适模型的难度,提高了...

    三次指数平滑与BP神经网络对股指预测模型对比.pdf

    三次指数平滑法是一种经典的时间序列预测方法,它适用于具有趋势和季节性的时间序列数据。该方法通过对历史数据赋予递减的权重,从而凸显近期数据的影响,以此来预测未来的趋势。指数平滑法的核心在于加权系数的选择...

    几种经典的下肢力量练习方式.pdf

    以下是几种经典的下肢力量练习方式: 1. 深蹲(Squats):深蹲是增强下肢力量中最基本也是最有效的练习之一。它可以训练到大腿前侧的股四头肌、后侧的股二头肌、臀部的臀大肌以及小腿的肌肉。进行深蹲时,要求保持...

    hybrid-ARIMA-LSTM-model-master_LSTM_LSTM预测_arima_非线性模型_股票预测pytho

    首先,ARIMA模型是一种经典的统计模型,特别适合处理线性趋势和季节性的时间序列数据。ARIMA由自回归(AR)、差分(I)和滑动平均(MA)三个部分组成,能够捕捉数据中的线性关系和短期波动。在股票预测中,ARIMA能够...

    Matlab神经网络工具箱(经典教程).

    ### Matlab神经网络工具箱知识点详解 #### 一、神经网络基础概述 **1.1 神经网络定义** 神经网络是由多个简单的处理单元(神经元)构成的复杂网络,这些处理单元相互连接并共同工作以模拟人类大脑的学习和记忆功能...

    人工智能方法在股票数据分析中的应用.pdf

    - 自回归移动平均模型(ARIMA):由Box和Jenkins提出的,是一种更为灵活的模型,能处理非平稳数据,包括自回归和移动平均成分,是时间序列分析的经典模型。 2. 人工智能在股票预测中的应用: - 机器学习:通过训练...

Global site tag (gtag.js) - Google Analytics