你打开一张 K 线图。红红绿绿的柱子,上面叠着几条均线,下面是成交量,再下面是 MACD。
你知道这些东西都有名字,也大概听说过「金叉买、死叉卖」「放量突破」「顶背离」。但如果有人追问:这根均线具体是怎么算出来的?它比价格慢了几根 K 线?「放量」放到多少才算?「突破」之后你买多少、止损放在哪、什么时候卖?这条规则过去五年到底赚没赚钱?
大多数人答不上来。不是因为这些问题太难,而是很少有人把它们按顺序讲清楚。
这门课就做这件事。
每个工具,都走三步#
课里会讲到几十个工具:K 线、趋势线、支撑阻力、均线、MACD、RSI、ATR、布林带、各种形态、订单类型、仓位公式、回测方法。它们每一个都按同样的三步来学:
先会用:从业者拿它做什么,常用参数是什么,在什么市场环境下用。
再会算:用 Python 亲手实现一遍,和成熟的库对账,直到结果一模一样。算过一遍,你就知道它的滞后从哪来、参数改了会怎样。
最后会验:在真实的历史数据上统计。一个漂亮的例子不算数,几百次出现之后的结果才算数。
三步缺一步都不行。只会用不会算,工具就是黑箱,出了问题不知道为什么;会算不会验,就分不清一个规律是真的,还是碰巧在你看的那几张图上成立。
课程结构#
| 部分 |
篇 |
回答的问题 |
| 一、地基 |
1–5 |
价格图记录了什么?钱从谁的口袋里来?数据可靠吗?需要哪些统计基础? |
| 二、读懂价格行为 |
6–11 |
不借助任何指标,怎么从 K 线和成交量里读出趋势、关键位置和市场状态? |
| 三、技术指标 |
12–15 |
均线、MACD、RSI、ATR 这些指标到底在算什么?各自适合什么场景? |
| 四、形态 |
16–18 |
K 线形态、图表形态、道氏理论和斐波那契,怎么从「看起来像」变成可以写成代码的规则? |
| 五、从信号到交易 |
19–26 |
有了信号之后,交易什么、什么时候交易、怎么下单、止损怎么执行、仓位多大? |
| 六、检验 |
27–30 |
怎么写一个没有偏差的回测?怎么判断一条策略是真的有效? |
| 七、策略原型 |
31–32 |
趋势跟随和均值回归这两类基本策略,收益结构有什么不同? |
| 八、实盘 |
33–35 |
从回测走到实盘要经过哪几步?连亏的时候怎么判断? |
| 番外 |
— |
崩盘那三分钟,盘口上的钱去哪了(只有 BTC 永续、只到分钟级) |
前五部分是工具,第六部分是检验工具的方法,后两部分是把工具组装起来用。第六部分是全课的分水岭:前面学过的每个工具,最后都要拿到那里接受检验。
贯穿全课的三条线#
三个固定标的#
| 标的 |
为什么选它 |
| SPY |
追踪标普 500 的 ETF,美股流动性最好的品种,作为美股大盘的代表 |
| AAPL |
苹果公司股票。它拆过两次股(2014 年 1 拆 7、2020 年 1 拆 4),每季度分红,每季度发财报,是讲美股个股数据问题的好例子 |
| BTC |
比特币。24 小时不停交易,没有「收盘」;有永续合约,持仓量和资金费率这些数据公开可查 |
同一个工具放到这三个标的上,结果常常不一样。为什么不一样,本身就是很多篇的重点。
一个你亲手搭起来的工具库#
第 3 篇会建一个叫 talab 的 Python 项目,一开始是空的。之后几乎每一篇都往里加一个模块:数据下载和检查、K 线绘图、摆动点识别、指标、形态扫描、止损和仓位计算、回测引擎、报告生成。
学完全课,你手里就有一套完整的分析和回测工具,每一行代码都是你自己写的,每一个结果你都知道是怎么来的。
一条慢慢长大的策略#
第 12 篇会从最简单的规则开始:均线金叉买入,死叉卖出。
之后每学一部分,就给它补上一样东西:止损、时段过滤、完整的入场和出场规则、仓位管理。到了第六部分,它要经历完整的检验:回测、偏差排查、加入交易成本、样本外测试。检验结果是什么样,正文就写什么样。
最后一篇回头看,一句「金叉买入」是怎么一步步变成一套可以被检验、可以执行的交易系统的。
每一篇怎么读#
每一篇的结构基本相同:
- 先做一个决定。开头给你一段真实的历史行情,图只画到某一根 K 线为止,问你:现在怎么办?先把你的判断记下来,再往下读。后面的走势会在正文里揭晓。
- 弄清它是什么。先用一个生活里的例子建立直觉,再讲机制,最后才给出准确的定义。
- 算一个具体的例子。每一步都算出具体的数字:具体的价格、具体的股数。
- 动手实现。写代码,加进
talab。
- 看数据怎么说。在三个标的的全部历史上统计。
- 小检查和常见误用。
- 小结和练习。
⚠️ 第一步很容易被跳过,但它很重要。看完结果再回头看图,一切都显得很明显;而你在真实交易里面对的永远是「图只画到这里」。先做决定,才能知道自己在那一刻真正会怎么想。
代码与数据#
- 语言:Python 3,主要用 pandas 和 numpy。需要会一点 Python 基础语法,不需要交易经验。
- 加密数据:来自 Binance 公开的历史数据站,免费,不需要注册。
- 美股数据:日线数据,下载未经调整的原始价格,再根据拆股和分红记录自己计算调整后的价格,保证结果可以复现。
- 环境搭建:第 3、4 篇会一步步讲,包括怎么下载数据、怎么检查数据有没有问题。
正文里的每一段代码都在真实数据上运行过,贴出来的输出就是实际的运行结果。关键结果旁边会附上「复现指纹」,比如数据的行数、收盘价之和。你跑出来的数字和正文对得上,就说明数据完全一致。
从哪里开始#
从第 1 篇:一张价格图到底记录了什么开始,按顺序往下读。
如果你已经熟悉 K 线和常见指标,也建议至少读完第一部分(第 1–5 篇)再跳着读:交易对手、数据陷阱和统计基础这三块,后面每一篇都会用到。
一段没有日期的日线,每次只露出到某一根,停下来问你四次:现在是什么状态,做多、做空还是不动。这一篇把第 6 到 10 篇的 K 线、多周期、趋势、关键位置、成交量放到同一根 K 线上,列清楚收盘那一刻能知道什么、还不能知道什么;把「趋势、震荡、过渡」三种市场状态和「回调、突破、失败突破」三类入场写成不看未来的规则;用 BTC、SPY、AAPL 检验这些状态和入场之后的走势;最后做实验一:先手工标注一段 SPY 行情,再让 talab 自动标注,逐段找出两者分歧的原因。
2025 年 7 月 1 日,SPY 的 50 日均线上穿 200 日均线,形成「黄金交叉」,可这时价格已经从 4 月的低点涨了 24.4%。这一篇从均线讲起,讲清楚一个指标是怎么造出来的:平滑和滞后的矛盾、预热期、以及能把年化 4.4% 变成 116.6% 的未来函数;SMA、EMA、WMA 的定义和逐步算例;滞后怎么用公式算出来,在真实价格上实测时又为什么和公式不一样;金叉、多头排列、乖离率在 SPY、AAPL、BTC 上的数据;50 和 200 这两个数字从哪里来。最后,主线策略在这一篇诞生:50 日均线在 200 日均线上方就持有,它的第一版成绩单并不好看。
2025 年 8 月 13 日,BTC 收盘创出 123,306 的新高,MACD 柱的峰值却只有 7 月那一段的一半不到。所有人都在说「顶背离」。这一篇讲清楚 MACD 在算什么:两条 EMA 之差为什么是一个带通滤波器,它对多长周期的波动最敏感(公式和实测正弦波对照);快线、慢线、柱状图、交叉和零轴在三个标的上的表现;和 TA-Lib 对账时快 EMA 从哪一根开始算这个容易踩的坑。然后把「背离」写成不看未来的算法,在 BTC 日线、4 小时线、1 小时线和 SPY、AAPL 上统计:同样是价格创新高,有背离和没有背离,之后的走势到底有没有不同;以及为什么在图上事后画出来的背离,看起来个个都准。
2024 年 2 月 20 日,BTC 的 RSI 已经连续 12 天高于 70,Stochastic 也在 90 以上。超买了,该卖吗?这一篇先讲清楚两个振荡器怎么算:RSI 的 Wilder 平滑、和 TA-Lib 对账时的初始值,Stochastic 的 %K、%D 为什么同时出现。然后证明 RSI 恰好等于 50 加上一个带方向的效率比,几乎就是「最近平均涨幅相对波动的比值」,所以它在强趋势里一定会钝化。最后动手:同一条「超卖买入」规则,按第 11 篇的市场状态分成趋势段和震荡段,在 BTC 日线、4 小时线、1 小时线和 SPY、AAPL 上统计;再把状态换成事后看图时的划分,看「震荡市里超买超卖很准」这个说法是从哪里来的。
2023 年 8 月 14 日,BTC 的布林带收窄到一年来最窄,20 天里收盘价只差 2.4%。人人都说「要有大行情了」,可没人知道方向。这一篇讲清楚 ATR 为什么要算上跳空、它和标准差是什么关系,布林带为什么用除以 n 的标准差、为什么收盘价跑出带外的比例远不止 5%。然后在三个标的上验证波动率聚集,检验「收口之后必有大行情」:波动确实会放大,但打乱顺序的随机价格也一样。再看波动率的三个用途:定止损、定仓位、判断状态,给主线策略加上 ATR 吊灯止损。最后是实验二:把前面所有指标和 TA-Lib 逐个对账,查出 ADX 差在哪里,画出 14 个指标的相关性矩阵,找出本质相同的指标。
2025 年 1 月 21 日,AAPL 从高点跌了 14% 之后,收出一根教科书上的锤子线:小实体在上方、长下影线、几乎没有上影线,成交量是平时的 1.9 倍。该买吗?这一篇把锤子线、十字星、吞没、孕线、星形这些形态写成精确的规则,做成 talab.patterns 扫描器;统计它们在五组数据上出现之后的走势(45 次检验,3 次显著,全是「更差」);把同样的形态按第 11 篇的市场状态和「离前低多远」分组,看位置能不能救活形态;最后看「等下一根确认」有没有用,以及为什么 TA-Lib 的 CDLHAMMER 和我们的锤子形对不上——顺便把 TA-Lib 的规则逐条反推出来。
2025 年 1 月 8 日,BTC 的头肩顶右肩已经走出来,收盘价离颈线只有 2.2%。第二天它真的跌破了颈线,然后在 11 天里创出历史新高。这一篇把头肩形、双顶双底、三角形、楔形、通道都写成基于摆动点的算法,调参数看识别结果怎么变(换一个阈值,决策点的头肩顶就消失了);统计「突破颈线才算成立」让胜率虚高多少(同样的交易,只数成立的,胜率从 39% 变成 87%);按教科书的止损和量度目标交易,和「普通的跌破前低」比有没有多出东西;最后发现三角形、楔形的突破方向在打乱顺序的随机价格上几乎一模一样——那是识别规则的几何,不是市场的规律。
2025 年 3 月 14 日,SPY 从 2 月的高点回撤到整段涨幅的 61.8%,连着三天在那里停住,当天反弹 2.1%。这一篇先讲道氏理论的六条原则,它们大多已经在前面的篇目里变成了代码;再讲斐波那契比例从哪里来、回撤和扩展怎么画、起点和终点怎么选(换一种选法,61.8% 的价位能差出 7%)。动手部分把「回撤到某个比例之后停住没有」写成不看未来的检验,比较斐波那契比例和它左右的普通比例;再量一量事后画线的威力:随便挑起点和终点,一半以上的转折点都能找到一条「准确」的回撤位——换成平移过的普通比例也一样。
2025 年 11 月 19 日,你的扫描器里排第一的是 ZEC:过去 60 天涨了 12 倍,一天成交 29 亿美元,流动性挑不出毛病。你买它吗?这一篇讲从几百上千个标的里挑出今天要看的几个:名单从哪里来(包括已经下架的),流动性和波动率两道硬门槛各自卡住什么,相对强度线怎么画——以及一个容易被忽略的事实:横截面排名的时候,相对强度和绝对涨幅是同一个排名。动手部分写一个每天能跑的筛选器,然后在 864 个永续合约和 100 只美股上检验「买最强的」到底有没有优势,并量一量只用今天的名单回测会凭空多出多少收益。
2024 年 4 月 13 日,北京时间周日凌晨 4 点 07 分,BTC 在 24 分钟里跌了 9.2%,又在一小时内收回大半。这一根针打掉了主线策略 v1 的止损——而那个价格只在周末的一个深夜存在过几分钟。这一篇讲一天和一周里的时间结构:加密的三个时段、周末为什么最薄、插针到底在什么时候发生(答案和直觉相反)、美股的涨幅有多少来自隔夜、期权到期和月末的成交量、FOMC 和财报前后能走多远。动手部分写 talab.sessions(时段、事件日历、事件研究),并把主线策略的止损从盘中触发改成收盘触发,看看这个改动到底值多少。