港股三大指数微调，一个好的交易系统能够靠自己总结出来吗？
能，好交易系统都是自己建立起来的！
股市其实是一种高智商的游戏，冰冷的电脑隐藏着是一群对市场不同认知的人，他们主要是分为多、空两大阵营，这两大阵营里有理性、感性、随性的各种类型的人。在股市的波动中，人性的贪婪和恐惧不断地放大，人与生俱来的弱点不断暴露出来，而且这些弱点像瘟疫被感染和放大，所以我们必须建立自己的交易系统，来规范人性弱点，避免环境和假象的干扰，让客观、真实来指引自己，让自己回避人性本能的弱点，从而战胜自己的贪婪和恐惧，不断地完善自我，消除情感和感性的障碍。
每个投资者都应建立合适自己的交易系统，而不是盲目地照搬别人的模式，因为根据每一个人的成长的经历、性格、习惯、背景、和学历高低等各种因素不同注定各人的交易系统不一样。同时交易系统没有好坏之分，只有合适不合适之分，合适自己的才是最好的。
要想在股市里生存。一定要学会尊重市场，股市里没有神仙，也没有百战百胜的将军，牢记市场是不可预知的，因而我们要心存敬畏,用交易系统来保护自己，从而约束自己的主观判断的失误。不要存在“我认为”，“我以为”，“我觉得”等主观意志来左右自己的判断，而是因为市场是这样，所以我们必须按照市场来这样操作。
预测往往因为各种原因而误判，预测一般都是在现有的信息和条件下对未来做出的判断，而事物又是发展和变化的，突然地利好或利空，这往往给预测带来很大的不确定性。决策是事物在发展或运动中，对已经进行出现的变动，而做出具体的决定行为，它是对各种情况出后而做相应反映的结果。预测是可能，决策是事实，，因而在实际操盘中决策重于预测。而交易系统就是来制止人性的弱点，根据各种可能出现情况而采取相应的对策，以保证最少的亏损和最大的利润，让你能安全地在这个市场生存，它相当于一个神经中枢，当身体外部受到环境变化时，自动调动系统的一切来保护自己。它是对决策的合理和规范化，投资者一定要严格遵守自己的交易系统。
一个完整的交易系统至少包括如下七个部分：买进、卖出、止损、仓位控制、资金管理、操作纪律、自我控制。每一个成功的投资者都有一套自己独特交易系统，一个成熟的交易系统会溶入到一个优秀的投资者的灵魂中，紧紧地跟投资者的个性、甚至生活习惯方方面面，教育投资者做人处事的方法和原则，成为自己能战胜市场最重要的法宝。
国内房地产会创造新历史吗？
面对全球金融市场现状，国内房地产会创造新历史吗？题主的新历史指的是什么？2008年金融危机以后，我们的房地产是创造了新的记录，房价上涨，销售面积上涨，房地产行业迎来的牛市，不知道题主说的创造新历史是否是说的这个？
1、当前影响全球金融走向的根本原因是什么？今年以来全球股市在回调，跌幅多的加拿大、巴西等国家最高跌幅超过40%，这个幅度已经是一场金融危机式的跌幅了，即便是美国，最大的跌幅也达到了26%，即便在上周五上涨了9%，但是在今天美联储将联邦基金利率降低到零的时候，美股股指期货反而是跌的。
最根本的原因还是在于疫情的加速扩散，当疫情只在中国爆发的时候，全球股市是微调，当中国的疫情在严厉及时的防控措施下取得进展的时候，全球股市开始反弹。但是当疫情在新加坡、日本、韩国等国家蔓延的时候，股市调头往下，跌得更多。
而当疫情在欧洲爆发的时候，股市就真的大肆往下跌了，意大利成了欧洲疫情的重灾区，而西班牙或将成为下一个意大利，法国的情况也不容乐观，美国每日新增确诊病例也超过了1000例。
面对疫情在欧美地区加速发展，令人更加担忧的是他们的应对措施，瑞典放弃检测、停止公布疫情数据，英国首相更是抛出了“群体免疫”的防疫策略，这个举措如果实施，那么将会导致60%的英国人感染病毒，以英国6600万人口，那么感染的人口也将达到4000万人左右，哪怕是正常的1%的死亡率，也将导致40万人死亡，而我们知道，新冠病毒1%的死亡率是建立在能够得到及时治疗的情况下，如果真的数十万人感染，医疗资源肯定是会被挤爆的，更何况是4000万人的感染，那么死亡率会直线上升，目前意大利的死亡率高达7%，如果按照这个死亡率，那么英国将会导致280万人死亡。
这不仅是对英国是一场前所未有的灾难，也将给全球带去灾难，这是一个及其不负责人的做法。好在这个策略还没有实施。
2、我国的房地产为什么还需要考虑欧美的疫情？笔者上文讲了这么多欧美疫情的情况，很多读者可能就不理解了，我们的房地产市场和欧美的疫情有什么关系呢？是不是扯太远了？
其实不是的，现在经济全球化，我们国家是全球第一大贸易国，我们生产的产品源源不断的销往全球各地，而欧美是我们最大的两个贸易伙伴，如果他们的经济因为疫情受到巨大的冲击， 甚至是崩溃，那么我们是难以独善其身的，我们大量的出口企业也将面临倒闭，那么从业人员会失业，收入下降甚至丧失，这将导致他们的消费下降，会进一步影响到其他商品的消费和生产，这是一个连锁的反应，那么我们的房地产自然也好不起来。
还有，近日大量的外籍华人来到中国，这也给我们的防疫工作带来了很大的压力，现在我们国家每天境外输入的病例已经超过境内新增的病例，成为我们新增病例最主要的来源，这也影响了我们的复工、复产的顺利推进，近日郑州一男子因为去意大利看球赛，然后先回到首都北京，再回到家乡郑州，但是没有上报，隐瞒行程，多次乘坐公共交通，参加聚会，最后确诊，打破了郑州连续19天零增长的局面，让整个城市的复工又推迟了，一个人就能影响一城。
所以，全球疫情的拐点没有到来，我们的经济的拐点也难以到来，我们的房地产拐点也不会到来，再说，这次危机央行肯定会采取各种措施稳定经济，中国央行已经降准了，美联储甚至将联邦基金利率降到零，并实施量化宽松。
但是就中国央行的举动，不是为了推高房价，而是为了稳定经济，今年房地产市场也很难走出2008年之后那样的一波反弹，所以盼望房价再次大涨的可能就要失望了！
千股跌停的股灾有多惨？
在我20年股市生涯中，记忆最深刻的，最难忘的，害的我最惨了，让我知道什么是股市的，就是2015年的股灾，说句心里话，这是我一生中最大的打击，为此我也消沉了很久，现我又重新站了起来，直至今日，股灾那一幕时刻浮现在我眼前。千股跌停、千股涨停、千股停牌、千股复牌的历史让我今生难忘！
2015年的股灾是国家承认，是股民认可的，中国股市发展史上最严重的一次事例，2015年股灾是分成三个阶段，分别是股灾1.0，股灾2.0，股灾3.0。那时候，国家为了刺激经济，开展了一系列的经济改革措施，提出了“一带一路”“互联网+”等经济布局，刺激了投资者的乐观预期。股市开始一路猛涨。很多人使用了场外配资杠杆，进一步推动股价上涨，各种泡沫严重，几百元的科技股遍地都是，国家发现了这个问题，开始清理配置入口，大量配资逃离，发生了股灾。
一、股灾1.0
2015年6月12日至7月9日，上证综指18个交易日就从5178跌至3373。跌幅倒不算大，但下跌速度之快确创下历史新高。
二、股灾2.0
从2015年8月18日至8月26日，在这期间上证综指跌幅达29%，创业板指跌幅达32%。个股出现了千股跌停的场景。
三、股灾3.0
熔断机制的试行又引发了新的踩踏出逃，2016年1月4日至2016年1月7日，短短四个交易日，上证指数跌幅达26%，市值蒸发80000亿元。
股灾三个阶段分别经历了”千股跌停千股涨停，千股停牌，千股复牌”的盛宴。
2015的股灾却与众不同。先是1.0的断崖式下杀后，又出现了股灾2.0的跌停下杀。接着年初熔断式的3.0跌停下杀，先后经历了千股跌停，千股涨停，千股停牌，千股复牌。说实话，说心里话，真是吓到了宝宝啊，2015年是神奇的一年，上半年一带一路的春风吹得全盘飘红牛气冲天，下半年放眼望去放倒一片绿油油的韭菜。
2014行情启动的时候，我基本是每个交易日最少赚一万，高的时候也有三五万，截止2015年6月我的股市资金460W多万左右吧。那时候我每天做T，我让证券管理部门给我查过，我的双向交易额接近1.2亿，我亲眼看见身边的股友一批批的倒下了，爆仓的，平仓的，清仓的。战场一片狼藉，因为我是做融资融券，那时候一个普通的融资融券都能爆仓，真是可怕！在最危急最黑暗的的时刻，海通证券，中信建投天天给我打电话，让我筹钱，告诫我的股票有被平仓的危险，总感觉就像借了高利贷一样，天天催缴欠款。那心里压力是无法用语言形容的！
说股市是战场，我觉得一点都不过分，一段行情过后，场上一片伤痕累累，有的在疗伤，有的在流血，有的再无音信，伤感的不行了。2015年是神奇的一年，2015年股市给股民上了一节生动的课程，让股民知道了什么是股市，知道了什么是风险？对此股民对这次股灾过后反思是深刻的，其实我觉这次股灾给我们留下了很多反思，也留下了深刻的教训。在股市摸爬滚打了半辈子的股民，一朝股灾，泯灭了人们奋斗多年所积累的财富，也泯灭了他们对股市的幻想。所以我对这场股灾后留下来的朋友说‘’革命尚未成功，我们还需努力”
最后提醒大家《股市有风险，投资需谨慎》
人工智能四小龙？
近日，以CV（计算机视觉）起家、随后晋身“中国AI四小龙”的云从科技IPO申请已通过科创板审核，若后续进展顺利，云从有望成为“AI第一股”。
实际上，同在四小龙队列的其他三家公司，在证券市场的表现一直不尽如意。旷视科技2019年曾经冲击港股上市，2020年赴港上市计划搁浅，后来又在2021年3月冲击科创板上市，目前仍在排队状态。而依图科技也曾经冲击科创板，后于2021年6月撤销上市申请。
作为四小龙领军者的商汤科技，虽然有关融资的声音传出不断，但依旧没有落实上市的具体细节。
当下真的是AI四小龙上市的最佳时机吗？
7月16日，国家网信办会同公安部、国家安全部、自然资源部、交通运输部、税务总局、市场监管总局等部门联合进驻滴滴出行科技有限公司，开展网络安全审查。
一时间，凡是涉及大数据的互联网行业企业，都有风雨欲来的感觉。
业内人士认为，以深度学习作为核心AI理论的AI四小龙，其实已经感受到了非常大的压力。
甚至有言论表示， AI四小龙现在要过数据安全关了。
01 绕不开的核心现在说AI四小龙必须重视数据安全，跟他们所采取的AI核心理论有关。
经过多年发展，AI技术已经从2006年多伦多大学的杰弗里·辛顿教授对外发布自己的那三篇关于深度学习的论文开始，逐渐衍生出众多的流派。
现在主流的是三大技术领域，也就是深度学习、机器逻辑和人工大脑。
所谓机器逻辑是希望通过算法和数据的叠加，让计算机具备符合人类社会要求的逻辑和方法论，可以自主在某个领域判断并分析相应问题，并得出答案。
所谓人工大脑，实际上是通过对人类大脑组织的研究，利用计算机的性能模拟和算法组织，形成类人工大脑功能和工作机制的计算机集群。
以上两种人工智能理论，要么是从行为上希望能模拟人类的运作，要么是从大脑结构上希望对人类解析从而产生技术上的突破。问题是，这两个领域现在都是在探索阶段，离相应产品落地还有很长的距离。
当下AI技术落地最普遍的，还是深度学习。
深度学习技术意味着计算机要进入学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字、图像和声音等数据的解释有很大的帮助。
它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。
在深度学习之前，哪怕是百度这样的AI巨头，都无一例外经历了穷举法的所谓“特征工程”阶段。例如最早的阿波罗自动驾驶平台，所有在AI中计算机应该对路上发生行为进行的反应，都是由线下的工作人员根据人工对此的反应进行的标注。
一方面，每个人对任何事项的判断和反应都有着不同，这些不同积累到一定程度就容易引发AI系统的结构化错误；另一方面，要想完成庞大的面向社会层面操作的AI系统，那这种数据标注的结构下，又要动用大量的人力和时间。
这种数据标注的“特征工程”方式实际上是一种“伪”AI，人类训练计算机只是进行一种简单的因果关系，而并没有掌握事情的本质。
近年来，研究人员逐渐将“特征学习”和“规律发现”等AI方法结合起来，对原本已有督学习为基础的卷积神经网络，结合自编码神经网络进行无监督的预训练，进而利用鉴别信息微调网络参数形成的卷积深度置信网络。
与传统的学习方法相比，深度学习方法预设了更多的模型参数，因此模型训练难度更大，根据统计学习的一般规律来看，模型参数越多，需要参与训练的数据量也越大。
而随着计算机技术的进步以及分布化网络的形成，越来越多的算力，可以通过网络协调提供，这也就给人类AI技术的发展提供了一个新的基础。
可以说，深度学习逐渐成为AI的主流。另外，由于大量数据的引用和积累，深度学习跟数据安全之间，也产生了必要的联系。
02 深度学习的痛点
实际上，在数据安全方面，深度学习有着自己基本无法解决的痛点。
由于深度学习是建立在大量数据的应用与计算机训练基础上实现，基础数据的获得，对于深度学习技术的落地非常重要。
比如特斯拉被人诟病的摄像头自动驾驶技术。马斯克一直不愿意采用激光雷达作为关键性地标数据的测定工具，坚持使用摄像头来采集道路信息，基于庞大的已有汽车上路数据的训练，特斯拉本身汽车的自动驾驶技术稳定性相对来说很强。
AI四小龙也是如此，这两年的发展都跟大量基础数据的积累有关。
媒体报道显示，依图在“AI+医疗影像分析”方面所有突破，背后是海量的医疗影像图片的分析；云从在金融领域的AI学习和数据分析方面领先，不完全统计其服务的金融公司就超过50家，日常AI系统处理的数据也是一个无法想象的数量；而旷视科技围绕AI核心的行业物联解决方案是优势，成百上千万的物联网数据交换过程是旷视科技最核心的技术基础；另外，商汤在监控分析和城市管理等方面与政府和企业达成了不少合作，这也需要大量数据进行底层支持。
另外这4家也陆陆续续发布了一些新的技术服务，而这些新的技术无一例外都跟大数据的获取和分析一脉相承。
比如商汤科技在上海车展期间发布了自己的座舱AI数据化解决方案，功能直逼华为数字座舱，与特斯拉的一系列操控系统和自动驾驶功能类似，当然这也需要海量数据对系统进行驯化，才能产生更加准确的结果。
如今国家对数据安全的重视程度越来越高，这也就意味着以前利用客户数据大量积累，调试系统的时代一去不复返。
毕竟根据刚刚公布的征求意见稿，相应用户在应用中的数据企业如果想要采用，必须事先得到用户本身的许可。
这从一个角度无形中提升了深度学习的难度，并让四小龙现有技术的进一步拓展和新技术的落地产生了一些问题。
03 私有云的无奈
所有的AI企业在遇到数据安全的时候，都会有一系列的预案。其中只为客户提供技术，而数据训练和学习的过程留在客户自身系统中完成，已经成为不少国内外AI巨头，在遭到数据安全阻击的时候采用的重要产品策略。
根据市场一般的操作方式， AI企业只负责制作算法和系统封装之后的系统提供给用户，并帮助用户建立自己的私有云和数据空间，然后由用户根据相应的格式上传历史数据，让系统自我进行深度学习，最终完成用户在 AI领域功能的定制。
这种私有云的部署方式，看似完美解决了AI企业技术研发和用户数据安全之间的矛盾，然而，这样的情况背后还存在着一个无法解决的问题。
实际上所有这4家企业做的技术都是基于深度学习而深入学习，即使出来一个可以安排客户私有部署的AI系统或者平台，它一定会对某一个行业的数据进行过总结，也一定会有基础数据进行训练才行。
不然这个系统如何能在特定行业具备大范围的方法论，或者计算机的分析逻辑。
当下的AI技术并没有进化到系统可以自主学习，并树立独立人格和思维方式的时代，所有的系统都必须有一个知识边界，这个知识边界是越画越小才能越来越精确。
在这种情况下，AI四小龙推出的任何一款AI产品，事先都会经过哪怕是针对泛行业的数据调教和深度学习，形成一定的认知基础，才能作为针对特定行业的产品交付企业使用。
否则，AI公司只能是依据经验和猜测开发一套系统交给客户使用，还必须利用客户的数据对其进行调教和进化，而最终这套系统到底收不收客户的钱，就成了一个重要的问题。
这其实是数据安全背景下，倡导私有云模式解决问题的AI公司最大的无奈。
即使是已经具备完善深入学习解决方案，而且在其他企业都被训练过的AI系统，在交付新客户使用的时候，客户对自身数据的安全担忧会更加明显。
因为当下这个被AI公司推出的系统精确度非常高，就意味着他们使用了以往客户的数据，而新客户的数据是否被使用，就成了一个无法被保证的问题。
这种信用上的尴尬，有时候会引发行业客户订单的雪崩。
04 等待进化
业内人士认为，在国家注重数据安全的背景下，四小龙唯一可行解决的办法，就是将行业性普遍的AI系统转换成定制系统开发的产品。
因为不针对行业推出产品，而只为单独客户定制和开发AI系统，所有的数据安全则由客户本身承担，这样可以完美绕过国家对数据安全设下的防线。
但这5年的实际操作过程告诉我们， AI四小龙面前这条看似走得通的路，实际上是一条不归路。
因为每一个AI企业的下游都有不同的行业，以云从科技为例，金融、安防、交通等都有要服务的客户，应用的场景就更多了。而不同的场景适用的AI模型、底层算法都不同，如何让技术和操作系统最贴合某一个场景，需要不断地探索。
现在的人工智能处于发展初期，相关技术和应用场景的定制化解决方案迭代速度也比较快，以云从为例，其产品迭代周期一般只有2-6个月。不难看出，AI行业的研发是个持续时间长且投入高的过程。
这同样也是技术落地比较难的原因。再加上项目之间有明显的差异，定制化产品多于标准化产品，成本就会不可避免地往上走，看起来AI是高毛利率的行业，实际上血亏。
这也是为什么四小龙有三家正在上市，公布的财报中全是亏损，而且亏损的幅度在大额上升的重要原因。
况且，《中国成长性AI企业研究报告》指出，人工智能领域巨头盘踞，业界的龙头企业往往会向市场开放框架或者算法技术平台发展，为更多的企业提供基础支撑，而一些市场规模还不大的细化场景，巨头公司基本上不会涉足。
这意味行业不够大，企业自身的发展受限制，行业足够大，又容易引来巨头。
所以，数据安全被国家重视之后，AI四小龙的一切商业模式都等待着进化。
因为，不变就可能会“死”。
经常看到基金定投的文章？
先来说什么是【定投】，定投就是通过固定的时间，固定的费用的一种缴款方式，像我们平时交的社保费，房租费，手机费，大概也类似这样的。所不同的就是缴款的东西不一样，这房租手机，房贷这些都是属于支出类，而基金定投则就像你定期定额向银行存一笔钱，这是储蓄。
【基金定投】则是定期定时定额把钱投资在基金上的一种理财投资方式。像很多关于基金定投的文章都会举倒说到30岁的人，如果每个月定投500块，假设理想年化收益是15%的话，到期收益和大概是300万左右。
这中介利用复利的演算方法，【复利】也就是利滚利，不过这是正向的，所以，我们的资产是正的，而负的话就是像高利贷一样越滚越多。
这个方法从演算来看是可行的，但在实际操作过程中却是不可行的。因为基金定投并不是无脑定投，不是说每个月固定几百块的定投，然后坚持30年就万事无忧了，因为中间基金是有涨跌的
举一个简单的例子，假如我是一家衣服店的老板，我去拿货的时候一定是有拿货价的，但不同拿货的数量拿货价是不一样的，单件拿货是50块，售价卖100，拿1000就30，拿2000就20。
自然我拿的价格越低，利润越大。
基金定投也是一样，如果我们买入的价格越低，卖出的价格越高，那中间赚取的差价就是我们的收益。但问题就是在于衣服可以知道拿货价，我们可以按售价100卖出，也可以比成本价高于10的价格卖出。反正我们总会赚钱。
可是基金不同，我们无法确认基金未来的价格能涨到哪里，也不知道现在的基金价格是否是便宜。
而且一定会有旺季的时候价格可以卖到100块的时候，也有可能价格只能清仓亏本的时候，这时候我们的收益一定是亏损的。
而且衣服过了季就会不再流行，你要么清仓，还能捞点本回来，不清仓，被套牢的就是自己。
基金也是一样，中间会有涨跌，如果高估了就要卖出，然后再重新买入低估的基金。坚持一个基金定投30年和只卖一种款式的衣服30年道理是一样的。
第二，基金有分为四种，货币基金，债券基金，混合基金，股票基金。货币基金是专门投资于银行间存款，债券基金是专门投资债券,那股票基金就是专门投资股票的基金。
现在A股共有三千多只股票，大部分人是分辨不出来好坏的。于是基金经理出场了，大家把钱交给他，他来帮我们买股票。
所以股票型基金就是买了一揽子的股票，我们买基金，就是在买这只基金的持仓股票，也就是说，我们买股票型基金，本质就是买股票。
基金可以分成主动型基金和被动型基金，通常我们说的股票基金都是指主动型基金，而被动型基金就是指数基金
主动基金就是由基金经理自己选股的基金，基金的业绩取决于基金经理的投资能力。而被动基金，就是不由基金经理来选股，而是通过指数
指数是一个通常由交易所制定的指标，用来反映市场的平均水平。
这些指数里选取出来不同的股票放在一起就叫股票型基金，也就一篮子的上市公司。
如果投资的是主动型基金则会受到基金经理的主观判断和个人能力影响，收益几保都是和基金经理能力相关。
这时候就非常被动。
如果投资的是被动型基金，跟踪被动复制指数，不会受人为因素影响，就可以避免主观因素。
从过去数据回溯回看，达到年化收益10%左右是可以的，只是并不是一直定投就不用再管，需要自己在高估时卖出，低估时买入。
也就是说需要自己切换，哪个赚钱定投哪个，哪个不赚钱就不要定投。该卖就要卖，不卖的话有些基金是有分红的，每年也可以享受分红。
像一般情况下不管是有存量资金或没有存量资金都要求大家进行每个月定投，一来通过这样的方式强制储蓄，养成习惯 ，二来呢，基金定投的好处就是通过定投摊薄成本。每个月的价格必定不一样，10块和20块，50块同样进价的衣服，平均成本就可以以低成本和高成本拉平了。同样的1000件，实际的进货价是二十多，这样就把50块的拿货给降低一半了，按100卖出，赚得自然是比一次600件50块成本的衣服划算得多。
这就是每个月定投的好处。
建议可以学习下关于基金定投一些知识，不要无脑傻傻定投，之前有个朋友，她在国内时以前在华夏银行去开了定投基金，每个月扣300，然后前段时间她去问收益，几年了还是亏损中。甚至她连银行定投的是什么基金也不认识，而事实上，如果在19年前学习投资过，那么在19年年后的小牛市也赚了一波。有些人在这波中卖出了基金，然后又重新买其他的。
再比如今年疫情影响有些基金部分是低迷的，最近几天已经又涨回来虽然还没有到高估的时候，但如果设置了止盈点的话一部分也可以落袋为安的了。
定投基金有几个注意点：
1、定期不定额
2、设置止盈点
3、越跌越买(前提是自己懂知道这支基金未来发展空间大）
4、做好长期定投的计划（投资不是一买就涨，当作赌博的话就不要投资了，当作类似余额宝或银行储蓄最好）
我是微笑晴天，理财投资写作达人，喜欢请转发收藏并关注我吧
还没有评论，来说两句吧...