新闻详情

新闻详情

首页 / 资讯中心 / 详情

自动高抛低吸适合谁,从网格到分批交易说明

发布时间:2026/11/17 13:04:33来源:尧图网络
自动高抛低吸适合谁,从网格到分批交易说明
我觉得自动高抛低吸最适合两种人一种已经有固定规则只是手工执行总会漏掉另一种白天没时间看盘希望系统代为监控。它不太适合喜欢临盘改主意的人也不适合把自动化当成收益保证的人。软件可以按设定好的条件做事却不会替你判断哪只股票一定会涨。规则没想明白机器只会更快地把问题执行出来。自动高抛低吸怎样运行网格策略会围绕基准价放几个买卖档位价格往下走触发买入往上走触发卖出。分批低吸是在连续下跌时逐段建仓分批高抛则是在上涨中逐步减仓。日内策略通常需要底仓盘中先卖后买尝试赚取价差。指标策略会看均线、MACD、KDJ或布林带。我更倾向先用简单规则因为越复杂越难判断到底是哪项条件起了作用。果仁三种产品的实现思路果仁、聚宽和水母量化的操作习惯不一样。果仁偏向导配置用户组合选股、排名、自定义公式、交易模型和风控规则再用历史回测检查。聚宽以Python研究为主可以把价格偏离、均线交叉或网格判断写进定时函数适合愿意细改逻辑的人。水母量化主打免编程包括有日内低吸高抛、分批买卖、先买后卖、先卖后买、指标策略和成交驱动网格等策略模板。水母量化哪些风险不能交给软件最麻烦的还是单边行情。连续下跌时低吸很容易变成不断加仓持续上涨时高抛又可能让人过早离场。交易成本也要算价差覆盖不了手续费、印花税和滑点做得越勤反而越吃亏。再加上T1、涨跌停、停牌、可卖数量和流动性回测里的每一次成交未必都能在实盘出现。把自动化用在可控范围内建议大家选择比较稳妥的用法先挑流动性较好的标的用自己能解释的规则回测把成本和极端行情放进去再拿小仓位跑一段时间。成交、未成交和仓位变化每天都看一眼别因为一两次亏损就来回改参数。总的来看三款平台分别偏向向导配置、代码研究和模板化执行没有哪款能包办所有需求。工具选对只是开始仓位留有余地触发异常时知道怎么停自动高抛低吸才算真正落地。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉