股票期货市场的生存法则
股票和期货市场是财富再分配的地方，没有稳定的规则，本金会快速消失。十年交易经验告诉我，盈利的核心不在预测，而在应对。价格波动不可预知，但风险可以控制。每一笔交易必须设定止损，这是底线。股票市场波动相对温和，期货带有杠杆，风险放大数倍。杠杆不是敌人，失控的杠杆才是。用总资金的2%作为单笔最大亏损，这是职业交易员的铁律。
止损与资金管理
止损不是可选项，而是入场前提。股票交易中，跌破买入理由的价位就离场，不要找借口。期货交易更严格，因为杠杆会吞噬本金。止损设置要基于技术位或波动率，不能随意。资金管理决定能否活过连续亏损。单笔风险控制在总资金的1%-2%，连续十次亏损也不过损失10%-20%。仓位计算简单：仓位 = (总资金 × 风险比例) / (入场价 - 止损价)。期货还要考虑合约乘数。
# 仓位计算示例
total_capital = 100000
risk_percent = 0.02
entry_price = 50.0
stop_price = 48.0
risk_per_share = entry_price - stop_price
position_size = (total_capital * risk_percent) / risk_per_share
print(f"可买股数: {int(position_size)}")
期货交易中，仓位计算需要乘以合约乘数。忽略这个细节，风险会失控。
情绪控制与交易纪律
恐惧和贪婪是交易者的天敌。股票上涨时贪婪让人追高，期货下跌时恐惧让人砍在地板。十年里，我见过太多人因为情绪化交易爆仓。纪律不是天生的，靠训练。每天写交易日志，记录入场理由、出场理由、情绪状态。连续盈利后容易放松，连续亏损后容易报复。这两种状态都要停止交易。用规则代替感觉：开盘前定好计划，盘中只执行。计划包括入场条件、止损位、止盈位、仓位。没有计划，不交易。
股票与期货的差异化策略
股票市场适合趋势跟踪和基本面选股。期货市场适合日内和波段，因为杠杆和T+0。股票交易可以容忍更大回撤，期货不行。股票没有到期日，期货有交割月。期货交易要关注基差、展期成本、保证金变化。股票交易要关注财报、行业政策、大盘情绪。两种市场的技术分析通用，但风险管理完全不同。期货的隔夜跳空可能直接击穿止损，必须用期权或减少仓位对冲。股票跳空缺口相对温和。
建立可复制的交易系统
交易系统包含入场信号、出场信号、仓位规则、止损规则。入场信号可以是均线交叉、突破、回调。出场信号包括止盈、止损、时间止损。系统必须经过历史回测和模拟盘验证。股票回测用日线数据，期货用分钟数据。回测要看最大回撤、胜率、盈亏比。盈亏比低于2:1的系统不值得用。胜率低于40%的系统需要更高盈亏比。系统一旦确定，不要随意修改。修改必须基于统计证据，不是感觉。
# 简单均线交叉策略回测框架
import pandas as pd
def backtest(df, fast=5, slow=20):
df['fast_ma'] = df['close'].rolling(fast).mean()
df['slow_ma'] = df['close'].rolling(slow).mean()
df['signal'] = 0
df.loc[df['fast_ma'] > df['slow_ma'], 'signal'] = 1
df.loc[df['fast_ma'] < df['slow_ma'], 'signal'] = -1
df['position'] = df['signal'].shift(1)
df['returns'] = df['close'].pct_change() * df['position']
return df['returns'].cumsum()
持续学习与市场适应
市场结构不断变化。十年前股票市场散户占比高，现在机构占比上升。期货市场程序化交易占比超过50%。策略会失效，需要迭代。学习方向包括统计套利、机器学习、订单流分析。不要迷信单一指标。多因子模型更稳健。股票和期货的联动性增强，跨市场套利机会出现。保持好奇心，但不要频繁更换系统。一个系统用三年，再评估。
第一，活着比赚钱重要。第二，亏损时减仓，盈利时加仓。第三，不要预测，要跟随。第四，杠杆是双刃剑，期货交易永远轻仓。第五，交易日志是进步的阶梯。第六，情绪是最大的敌人。第七，系统化交易才能稳定。第八，股票期货都需要耐心。第九，不要借钱交易。第十，健康比交易重要。这些教训用真金白银换来，希望后来者少走弯路。
