其实股市里赚点小钱不难，克服贪欲

[cunningham]

全部是short term gain, 交掉税只剩一半50%

标题说了，小钱，不贪。我很满足了

[cunningham]

除了半年最低点，说说其他别的条件呗

其它条件很多，总体原则就是，如果降到那边是“过激反应”，或者纯粹是被空头硬压到那边的，回弹的可能性越高。

我会算它们合理价格估值，也就是fair value，用几个金融界常用的，比如Black-Scholes formula = S_0 N(d_1) - K e^{-rt} N(d_2)，比如Discounted Cash Flow = \sum_{t=1}^{n} \frac{CF_t}{(1 + r)^t}，Cost of Carry Model = S \times \left(1 + r \times \frac{x}{360}\right) - D。看看目前价格和合理价格差多远，越远的，反弹可能性越高。

再有就是散户的情绪反应，我用Python去扫描几个大的股票平台，做一个sentiment analysis，看看大家的反应如何。如果真人的反应是一片倒的，非常过分，完全过激，大骂MM。也是我作为“过激反应”的一个依据

[cunningham]

麻痹的，半年走低的股，意味着更少的人光顾，继续走低的概率很大

“半年最低点”，不是半年走低。别“意味”，自己去弄了有经验了再来杠

[pureleaf123]

其它条件很多，总体原则就是，如果降到那边是“过激反应”，或者纯粹是被空头硬压到那边的，回弹的可能性越高。

我会算它们合理价格估值，也就是fair value，用几个金融界常用的，比如Black-Scholes formula = S_0 N(d_1) - K e^{-rt} N(d_2)，比如Discounted Cash Flow = \sum_{t=1}^{n} \frac{CF_t}{(1 + r)^t}，Cost of Carry Model = S \times \left(1 + r \times \frac{x}{360}\right) - D。看看目前价格和合理价格差多远，越远的，反弹可能性越高。

再有就是散户的情绪反应，我用Python去扫描几个大的股票平台，做一个sentiment analysis，看看大家的反应如何。如果真人的反应是一片倒的，非常过分，完全过激，大骂MM。也是我作为“过激反应”的一个依据

叔也想过
比如yahoo或x上骂街的comments, 但是其中也不少机器人

[pureleaf123]

标题说了，小钱，不贪。我很满足了

点个赞
零花钱够了
不过不能足够free啊，廉颇还得逼着叔上班

[uws]

标题说了，小钱，不贪。我很满足了

还是点个赞，税后50%应该说不错了
下次你in了可以来分享一下匹克

[uws]

其它条件很多，总体原则就是，如果降到那边是“过激反应”，或者纯粹是被空头硬压到那边的，回弹的可能性越高。

我会算它们合理价格估值，也就是fair value，用几个金融界常用的，比如Black-Scholes formula = S_0 N(d_1) - K e^{-rt} N(d_2)，比如Discounted Cash Flow = \sum_{t=1}^{n} \frac{CF_t}{(1 + r)^t}，Cost of Carry Model = S \times \left(1 + r \times \frac{x}{360}\right) - D。看看目前价格和合理价格差多远，越远的，反弹可能性越高。

再有就是散户的情绪反应，我用Python去扫描几个大的股票平台，做一个sentiment analysis，看看大家的反应如何。如果真人的反应是一片倒的，非常过分，完全过激，大骂MM。也是我作为“过激反应”的一个依据

你这些对数据要求不少啊
要熬破心数据 要cash flow 数据

[mstr]

其它条件很多，总体原则就是，如果降到那边是“过激反应”，或者纯粹是被空头硬压到那边的，回弹的可能性越高。

我会算它们合理价格估值，也就是fair value，用几个金融界常用的，比如Black-Scholes formula = S_0 N(d_1) - K e^{-rt} N(d_2)，比如Discounted Cash Flow = \sum_{t=1}^{n} \frac{CF_t}{(1 + r)^t}，Cost of Carry Model = S \times \left(1 + r \times \frac{x}{360}\right) - D。看看目前价格和合理价格差多远，越远的，反弹可能性越高。

再有就是散户的情绪反应，我用Python去扫描几个大的股票平台，做一个sentiment analysis，看看大家的反应如何。如果真人的反应是一片倒的，非常过分，完全过激，大骂MM。也是我作为“过激反应”的一个依据

真聪明.
工作也做的仔细, 深入.

[dfc8622]

麻痹的，所有自以为是的技术性分析在花姐面前屁都不是

“炒”股不是白叫的，不愿顺势跟风热门，而是想独辟蹊径，全仓押某个冷门股，看看最后怎么被花姐玩的欲仙欲死吧

其它条件很多，总体原则就是，如果降到那边是“过激反应”，或者纯粹是被空头硬压到那边的，回弹的可能性越高。

我会算它们合理价格估值，也就是fair value，用几个金融界常用的，比如Black-Scholes formula = S_0 N(d_1) - K e^{-rt} N(d_2)，比如Discounted Cash Flow = \sum_{t=1}^{n} \frac{CF_t}{(1 + r)^t}，Cost of Carry Model = S \times \left(1 + r \times \frac{x}{360}\right) - D。看看目前价格和合理价格差多远，越远的，反弹可能性越高。

再有就是散户的情绪反应，我用Python去扫描几个大的股票平台，做一个sentiment analysis，看看大家的反应如何。如果真人的反应是一片倒的，非常过分，完全过激，大骂MM。也是我作为“过激反应”的一个依据

[BBQ]

麻痹的，所有自以为是的技术性分析在花姐面前屁都不是

“炒”股不是白叫的，不愿顺势跟风热门，而是想独辟蹊径，全仓押某个冷门股，看看最后怎么被花姐玩的欲仙欲死吧

舒适。

[cunningham]

叔也想过
比如yahoo或x上骂街的comments, 但是其中也不少机器人

大部分是真人，有机器人也是散户弄的。机构不会花成本去散户平台造势，因为不值得

[cunningham]

你这些对数据要求不少啊
要熬破心数据 要cash flow 数据

大部分数据可以直接有，一些没有的，需要自己去从第三方近似估值。

开始弄需要一些时间，弄好后，就让它自己跑。大概一两年需要修补一下，因为用的library会更新，程序也需要调整

[cunningham]

麻痹的，所有自以为是的技术性分析在花姐面前屁都不是

“炒”股不是白叫的，不愿顺势跟风热门，而是想独辟蹊径，全仓押某个冷门股，看看最后怎么被花姐玩的欲仙欲死吧

你这才叫自以为是，你又不知道我是什么背景的。

华尔街没你想象的厉害，年回报100%的表现在华尔街交易员中算百里挑一。

我入市几年以来，回报400%多了，将来即使全部外婆，早都回本了。

[biggestballs]

你这才叫自以为是，你又不知道我是什么背景的。

华尔街没你想象的厉害，年回报100%的表现在华尔街交易员中算百里挑一。

我入市几年以来，回报400%多了，将来即使全部外婆，早都回本了。

你应该是新股版我见到过的，第一个有自己量化交易系统，并稳定盈利的

说不定你就是quant相关行业，有这门子技术活也不奇怪，不过愿意这样具体分享经验，还是值得点赞

至于你说的100%年回报，不说百里挑一，应该是万中无一，不知道你知不知道Medallion Fund（我前一阵被他家reach out），也只能做到过去30年66%（没有一年是负回报）

[Dzeko]

其它条件很多，总体原则就是，如果降到那边是“过激反应”，或者纯粹是被空头硬压到那边的，回弹的可能性越高。

我会算它们合理价格估值，也就是fair value，用几个金融界常用的，比如Black-Scholes formula = S_0 N(d_1) - K e^{-rt} N(d_2)，比如Discounted Cash Flow = \sum_{t=1}^{n} \frac{CF_t}{(1 + r)^t}，Cost of Carry Model = S \times \left(1 + r \times \frac{x}{360}\right) - D。看看目前价格和合理价格差多远，越远的，反弹可能性越高。

再有就是散户的情绪反应，我用Python去扫描几个大的股票平台，做一个sentiment analysis，看看大家的反应如何。如果真人的反应是一片倒的，非常过分，完全过激，大骂MM。也是我作为“过激反应”的一个依据

可以试试portfolio123，也许会节省你很多时间。当然他们的服务不免费。

[Dzeko]

你应该是新股版我见到过的，第一个有自己量化交易系统，并稳定盈利的

说不定你就是quant相关行业，有这门子技术活也不奇怪，不过愿意这样具体分享经验，还是值得点赞

至于你说的100%年回报，不说百里挑一，应该是万中无一，不知道你知不知道Medallion Fund（我前一阵被他家reach out），也只能做到过去30年66%（没有一年是负回报）

体量大小完全不可同日而语。街上都是人精。

[pureleaf123]

你应该是新股版我见到过的，第一个有自己量化交易系统，并稳定盈利的

说不定你就是quant相关行业，有这门子技术活也不奇怪，不过愿意这样具体分享经验，还是值得点赞

至于你说的100%年回报，不说百里挑一，应该是万中无一，不知道你知不知道Medallion Fund（我前一阵被他家reach out），也只能做到过去30年66%（没有一年是负回报）

量不一样啊
索南自己玩赚钱买菜钱，100% return不算夸张了

[biggestballs]

量不一样啊
索南自己玩赚钱买菜钱，100% return不算夸张了

重点是LZ有个机器人帮自己交易还能数年稳定盈利，盈利还不小，这比你说的量小、一拍脑袋赌末日期权all in、撞大运一次1000% return难吧

我有过多次1000%盈利，没有用的，要的是长年累月都如此，还别说这是主观的、情绪化的

我理解你们的意思是LZ的量大了之后他的交易系统就会失效？是否如此我看还不能板上钉钉吧

[pureleaf123]

重点是LZ有个机器人帮自己交易还能数年稳定盈利，盈利还不小，这比你说的量小、一拍脑袋赌末日期权all in、撞大运一次1000% return难吧

我有过多次1000%盈利，没有用的，要的是长年累月都如此，还别说这是主观的、情绪化的

我理解你们的意思是LZ的量大了之后他的交易系统就会失效？是否如此我看还不能板上钉钉吧

lz 1%就跑，我觉得还好，1m的仓位的话

比如你多次1000%浮盈，还没有用（没有财务自由？），无外乎还是有贪欲，这不就证明了lz说的是对的吗

[biggestballs]

lz 1%就跑，我觉得还好，1m的仓位的话

比如你多次1000%浮盈，还没有用（没有财务自由？），无外乎还是有贪欲，这不就证明了lz说的是对的吗

LZ是程序交易，是客观的、纪律性的，有持续性，另外LZ说过他的总仓位，20多万，也就是说几年前是5万起步

我曾经的末日期权是主观交易，仓位也不算小，但成功少失败多，不能持久，偶尔一次翻10倍也没有用，跟LZ的程序交易稳定盈利没法比