本帖最后由 JACK船长 于 2019-3-24 23:46 编辑
长期看，能在股市多年持续盈利的人，所占比例也就10%到20%，这个比例算是少数人。但从基数看，1.4亿股民的总量里就有1400万到2800万是长期赚钱的人，这个数字超过了很多欧盟国家的人口总数。
进入市场的每个人都有成为赢家的潜力，但是大多数人都没走对路，走到一条曲折和错误的道路上去。因为觉得炒股很简单，不就是买入和卖出嘛，谁不会下单敲键盘呢，这个没什么门槛，不需要过多学习。于是大部分人拿自己上班打工积累的资金做尝试，这些亏掉的钱都成了试错成本，代价不低！我写本文的目的，就是希望减少大家的试错成本，这个成本除了本金，还有时间成本。
讲现实些，每个成年人，要赚钱养活自己和养家，分为有单位的人，和没单位的人；没单位的人，自谋职业，又分为不炒股的人，和炒股的人。于是，上班族和自谋职业的都有一部分人成为股民。但是绝大多少人都走错了第一步，就是什么都不懂的情况下，第一次就拿大部分积蓄炒股，然后就被割了……上班族还可以继续上班赚钱养家，自谋职业的可就惨了，亏到吃饭钱都木有。
在牛短熊长的A股市场，有组织的割韭菜，导致股民大部分时间灰头土脸，能扬眉吐气的时候实在是太少了。只有在那短短的牛市里，那几个月或半年一年的光景，看到自己股票账户资金的爆发式增长，先是窃喜、不知所措，然后，觉得人生可能从此改变，抱住股票死了都不卖……，再然后么，浮盈回吐，又变成了被割的韭菜。
但根本上，不应该只怪A股市场以及政策多变，不应该怪某报不要脸的忽悠4000点是牛市的起点，大形势上，谁都有错判的时候。当你不具备赚钱能力的时候，即使把你放到美股市场，经历10年的长期牛市，也不一定能赚钱。投资过程之中的波澜起伏，各种真假信息和新闻的矛盾、干扰，时时刻刻考验着你的思维和毅力。
怎样才能快速成为市场中赚钱的人，减少时间成本和试错成本呢？就是要找到和建立你的盈操作盈利模式，说高大尚一些就是形成自己的操作系统。实践操作中，有的人今天追这个炒作概念，明天追那个消息题材。本意是做短线，一旦浮盈了又改中长线了；本想做长线几天不涨又换掉股票改炒强势股了…… 时间和资金就这样一次一次消耗掉了，10年过去回头看，除了记得几个炒股的段子，再无其他收获，那些曾经激动人心的题材和牛市的疯狂，都消失再遥远的记忆中，被时间洗白白。
岁月不饶人，减少自己的试错成本和试错时间，找一条可以走通的投资增长之路，是当务之急。
所以下面想说的话，是给期望通过炒股实现财富增长的人，给期望通过炒股可以养家糊口的人、或者身负使命的菜鸟基经。
主要是三点：1拜一个好老师，2学一套有效的盈利模型（操作系统），3用一个专业的软件
1.为什么要拜一个好老师？ 教授很多，好老师难找！跟经济学教授学习投资知识可行吗？当然可行。能系统的学习投资理论更好，但是理论跟实践之间有很大差距，差距的原因，是因为金融市场是非线性的。
非线性的意思可以简单理解为——即使你有20年炒股的知识和经验，你发现了一个股票有机会，靠20年形成的认识和经验去判断它，也不一定能判断正确。
非线性的特点，不像医生给心脏手术做了200台，虽然面对一个新病人的情况是未知的，但他的经验可以保证他做这台手术可以比只有20台心脏手术经验的医生，要有更高的成功率。
在金融市场里，这20年的经验没有太大用处，非线性的特征是你无法依靠你的经验，去复制，即使做一个股票成功赚钱了，下一个类似的股票，也不一定成功。
那为什么还要拜个好老师呢？因为要减少你的试错成本，这是个捷径。
巴菲特曾多次讲过，学习投资最好的方法就是学习那些成功的大师。但是大师的方法往往你无法实施，因为大师用投资组合获利、用头寸对冲风险、有分析团队后台支持等等优势。而你只是孤零零一个人，付2000块学费都心疼（但给自己孩子请一课时200块的老师补课）。
好老师可遇不可求，好老师要懂理论更要懂实战，这样你才能站在老师的肩膀上，看到他眼中的投资市场是个什么样子，他能帮助你鉴别利润或风险的概率。我经常对沙盘用户讲，思想第一，技术第二，就是希望大家能认识到思想指导你的行为，没有建立投资思想的炒股行为都是盲目的、高风险的，你只能看到眼前这点利，容易中圈套。
比较典型的是2015年牛市中后期，有不少用户融资加杠杆，我拦都拦不住，原因是他们的同事朋友融资赚钱快啊，这个赚钱效应给了他们无比的勇气，后来的结果，当然是亏的伤了元气，几年才缓过来。还有科研院所的博士跟我咨询辞职炒股的意见，我告诉他——好好上你的班，牛市会过去，在你还没能力职业炒股之前，上班才能养活自己。
每个人的资金成本和时间成本都有限，如果你全靠自己去一次次试错，试几轮还没摸到门儿就到退休年龄了。有决心和毅力从事金融投资行业的选择没什么不好，但能避免头破血流才知悔悟，是不是更好？凭借自己一己之力去尝试，那条路走不通。
2.为什么要学一套有效的盈利模式？
什么叫盈利模式呢，就是系统性的盈利方法，并且是能持续的方法。
市场很大，市场里的资金在流动中重新分配，那么你是做短线好还是做中长线好呢？
从专业角度看，哪种方法好赚钱，从波长角度看，也就是从长线和短线的角度上区分是不对的。应该从单位时间产生的回报上看，才客观。不管什么方式，做短线、做波段，或是价值投资，衡量的标准就是资金的收益效率，单位时间产生的收益越高，资金的效率越高，总盈利也越大。能接近平均每天1%的盈利，就是非常非常好的事情。
说下生意中的实例你就容易理解了。资金效率，有点类似餐厅里面餐桌的翻台率。
餐饮行业，有开快餐厅的也有开海鲜酒楼的，这是两种盈利模式。吃快餐的单价低，希望客人吃完快点走人；吃鱼翅海鲜的单价高，客人吃3个小时也没关系。短线就像做快餐店，长线就像开海鲜餐厅。不能用谁吃的慢或吃的快来评估餐厅的付出和收益。也不能认为开个卖鱼翅鲍鱼的餐厅就一定比卖汉堡面条的快餐厅更稳定更赚钱，麦当劳不是开遍全世界吗？用单位时间产生的资金收益回报，来看这个盈利的效率，谁的单位时间收益高，谁的方法就有获利优势，这样的方法就是比较好的。
关键是，根据你自己的实际情况，时间、精力、知识层面，业余做投资还是职业炒股？经过几次测试选择适合自己的操作波长，最后确定下来，然后一次次复制这个模式，积累和成长。不能随意改变模式，因为你不可能上个月做快餐，下个月改做海鲜，看不赚钱又改做火锅，即使在餐饮行业的实业中，不同模式的盈利方法也是不同的，很多门道只有深入其中才能一探究竟。非线性的价格波动，判断难度就更大了。当你一个盈利模式都没有的时候，在不同模式中转换，实现持续盈利的可能性是零！
在有个好老师指点的前提下，最短时间摸索形成自己的盈利方法和策略，固定下来形成模式，这就是你今后赚钱的方法和道路，是可以交易谋生的手段！
那么为什么大多数经济学教授都不能炒股谋生呢？因为掌握经济学理论，分析认识市场规律和学会交易技巧，一般的聪明和智商就够了，但是做交易投资，是日复一日、简单重复，需要在时间方向上持之以恒，一次又一次去认识和把握行动，并且重点在行动上，是一条程序反复运行。之所以知易行难，难在哪里？分析、认识，毕其功于一役，预测对一次就可以当知名教授了；而交易执行，次数多、时间长，是无数战役组成的战争，刚过了一关，却不知还有下一道关口在等你，关口连绵不绝，难度即在于此。
所以，虽然你可以站在你老师的肩膀上，但你不可以依靠任何人，你必须用适合自己的盈利模式去从市场中赚钱，你要找到适合你自己的操作波长和操作策略。遗憾的是大部分股民都在开快餐厅、开海鲜酒楼、开火锅店等等选择之中徘徊往复，犹犹豫豫，被诱惑迷失了头脑……，这正是你有可能成为少数赢家的机会。
3.为什么要用一个专业软件？ 100年前，利弗莫尔（《股票做手回忆录》作者）从一个股票价格记录员做起，在黑板上擦擦写写几年股票报价后，所有数据都印在他的头脑中，他发现了价格波动的规律。那时候要记录价格，都是手工的画图，用坐标纸，随便看个周线图、月线图都要费死劲。
80年代计算机发展，有了软件程序，股票价格的展示进入电脑时代，交易员为了方便分析行情，编辑了一些公开的摆动指标，也叫技术指标，来辅助判断。
今天，全世界所有投资者都同时站在一个时间窗口，未来，是一个AI时代，人工智能将不可阻挡的更新换代旧式的各类产品工具。你曾经熟悉的股票软件不过是个单机版本的价格展示工具，技术指标也是三四十年前的固定计算公式；而新一代AI分析软件都是基于云服务器构架的海量数据计算，通过神经网络算法、机器学习来帮助用户识别和判断市场。
比如有些股民常常挂在嘴边的资金流入流出技术指标。你稍微客观想一想，某个股票在10元成交了1000股，成交金额是1万元。表示有人买入了1万元股票，同时也有人卖出了1万股票，双方因为对股票价格的看法分歧而成交，互相认为对手是傻X。这个买卖换手的过程中，买卖双方的资金数量永远是相等的。当你以为有人买入1000万股是强庄出手的时候，那个卖出1000万股的影子在偷笑，也许他手上还有1亿股等待明后天不计成本继续卖出呢。
而新一代AI分析软件就不同了，从市场大数据角度去计算分析市场的特征和规律，往往比单机技术指标具有更高准确度和精确度。一个好软件可以替代甚至超越一个分析师团队，人眼看市场十年，不如机器计算市场一天！
如果你还没有建立系统性的投资思维和操作模式，不光看不清市场，对软件工具的有效和无效都难以分辨，通过交易让财富增长的难度就更大了。
在学会投资、掌握有效方法之前，最低的试错成本就是找一个好的专业软件，让它先至少能帮到你，而不是先亏几万块钱去试错。更专业的好软件能帮你显著降低试错成本，减少试错时间。
你离成功，离进入股市赢家的少数人行列，也许没有那么遥远。但就这么一点点思想和认识上的差距，就决定了不同人的命运。这根本不是智商问题，市场的聪明人无数，靠聪明基本没有优势，因为还有更聪明的，智者博弈，谁输谁赢？投资之路，在每个人脚下……
| 
收藏
