每日复盘｜2026-09-26
今天是9月26日，星期六。
由于前面两天写的复盘太少了，有不认真的嫌疑，所以，今天我打算写多一点。
先说说最近思想和认知方面的变化吧。
最近，我对金融、量化有一种莫名其妙的狂热。我尝试总结了一下原因，我认为，是前一段时间的虚无主义造成的。那时，我感觉做什么都没有意义，无论是做开发，还是做科研，迟早会被AI淘汰。所以，我打算最大程度发挥人本身的价值。因此，我开始弹钢琴、玩音乐、写小说，不过，这又让我陷入一个经典问题，我究竟需要什么？
为了回答这个问题，我打算从头开始复盘我的人生。我发现，除了学习、做题之外，我甚至没有培养出来什么像样的兴趣爱好。因此，我只能从最俗的地方开始——那就是挣钱。
我开始搜，有什么方式可以挣很多钱。然后，我看到了一系列回答，说炒股可以挣钱，针对优质指数ETF长期持有，尝到复利的力量。于是，我立马去开了户，放了500块钱去买纳指ETF。两个月过去了，股市动荡比较大，我没有挣到什么钱，轻微割肉10元离场。
然后，我接着想，我有一些计算机背景，然后又有股票交易的想法，将这两者一结合，就成了量化。其实我暑假就在想关于学习量化的事情，但是由于那时实在是很虚无，我想，现在AI量化已经不比普通人差了，所以做这些还有意义吗？
确实没什么意义，不过我又想起了存在主义的观点，意义是我自己赋予的。我必须要证明，我有AI不能替代的地方，可能是时常涌现出来一些莫名其妙的想法，可能是每天写一些复盘的文字，可能是突然被一个念头改变以后的生活。
因此，当我上周五看到有关量化的事情，心里的那一团火又被点燃了。事已至此，我需要用最快的时间学习量化，然后让其使我快乐。我依然不清楚它是不是我想要的，但经过了之前的试错，它未必是我不想要的。
我开始疯狂在互联网上找博客、教程，从量化基础知识，搜到量化比赛，然后再搜到量化公司的招聘要求，希望对标它们的要求来进行自主学习。这一切，都是在没有外界力量干预的情况下，自行发生的。我不清楚之后能走多远，但是我还年轻，有充足的时间进行规划和优化，当我面对一个新领域时，不再抱怨原来的知识没用了，而是迅速摆脱掉曾经来自外界的规训，拥抱不确定性，在探索中发掘未来的可能，而非守着一个过时的技术，说，我是非物质文化遗产传承人。
说了那么多虚的，接下来说一些实的，我做了什么。
首先，我采用一种新方法学习量化。我将它成为AI时代的费曼学习法。核心思想是，AI作为辅助工具，可以针对不同人的不同需求，制定针对性的学习计划和具体教学内容。在制定总计划时，我会优先考虑以实现一个具体项目为最终成果，而不是简单的做题，这是我参考了国外大学的课程作业的结果。
目前，我已经完成了第一周的全部内容，以及第二周的day1部分。我设计的学习方式，目前来看还是有点问题，比如说，在完成练习时，我会不由自主询问AI，但是这样的话，得到答案就变得非常容易，知识也没有完全被我吸收和消化。我还在想这个问题的解法。
第一周完成后，我根据我搭建的量化交易系统，写了一篇报告：
📄 MA20/MA60 双均线策略：平安银行日线回测
研究区间： 2025-09-18 至 2026-09-18
样本： 243 个交易日
标的： 平安银行（000001.SZ）
策略： 收盘价 MA20 上穿 MA60 后持有，否则空仓
基准： 同一区间买入并持有
1. 研究问题
本次实验只回答三个问题：
- 在这段日线上，MA20/MA60 的总收益和 Sharpe 是否高于买入持有？
- 单边成本按 0.1% 扣除后，结论是否改变？
- 把均线换成 MA5/20、MA10/30、MA50/200 后，结果是否稳定？
本次实验不回答：策略在其他股票、其他年份、或其他市场是否有效；也不给出交易建议。
2. 数据
项目说明文件learning/week1/day1_data.csv来源Yahoo Finance Chart API频率日线字段Date、Open、High、Low、Close、Volume价格信号、收益都使用 Close区间2025-09-18 至 2026-09-18，243 行缺失与重复Date 无重复，Close 无缺失
收益定义为简单收益：
R_t = \frac{Close_t}{Close_{t-1}} - 1
第一行没有前一日价格，收益为缺失，计算净值时按 0 处理，使净值从 1 起步。
数据里没有单独处理分红和复权。若 Close 未复权，除息日的收益会被低估。这个限制保留在第 8 节。
3. 策略规则
设 MA20_t、MA60_t 为截至 t 日收盘的 20 日、60 日简单移动平均。
收盘后信号：
$$signal_t =
\begin{cases}
1, & MA20_t > MA60_t \
0, & \text{其他情况，含均线尚为缺失}
\end{cases}$$
下一交易日的持仓：
$$position_t = signal_{t-1}$$
策略日收益：
$$R^{strategy}_t = position_t \times R_t$$
position 只有 0 和 1。0 表示全部现金，1 表示满仓这一只股票。没有做空，没有杠杆，现金收益按 0。
信号用当天收盘价算出，所以当天不能再用它去乘当天已经发生的收益。shift(1) 把信号推迟到下一交易日，避免前视偏差。
MA60 在前 59 个交易日没有值，这些天信号保持 0，策略为空仓。买入持有从第一天就承担涨跌。这是规则本身造成的差异，比较时要算进去。
4. 回测设定
项目设定初始净值1调仓价格按收盘价计算收益，没有单独模拟开盘成交基准买入持有：全程 position = 1基准成本基准不扣建仓成本策略成本见第 6 节；第 5 节的主结果不含成本年化交易日252波动率日收益标准差 × \sqrt{252}，标准差为样本标准差Sharpe日收益均值 / 日收益标准差 × \sqrt{252}，无风险利率按 0最大回撤净值相对此前历史高点的最小跌幅
总收益是期末净值减 1，不是日收益的算术和。
交易按持仓变化识别：position 从 0 变为 1 记一笔买入，从 1 变为 0 记一笔卖出。
5. 主结果
主结果使用 MA20/MA60，不含交易成本。
指标MA20/MA60买入持有总收益-1.87%2.54%年化波动率8.09%15.38%Sharpe Ratio-0.200.25最大回撤-9.36%-15.19%
这段样本上：
- 买入持有的总收益更高，Sharpe 也更高。
- 策略的波动率和最大回撤更小。
更小的波动不能单独当成优势。策略有 243 天里只有 70 天持仓，持仓比例 28.8%，其余时间收益为 0。波动下降里，有相当一部分来自空仓，而不是持仓阶段的价格路径更平稳。
策略最大回撤出现在 2026-08-18。当日净值 0.9268，此前高点净值 1.0225，回撤 -9.36%。高点日期是 2026-04-29，与低点不是同一天。
五笔持仓变化如下。日期是持仓生效日，不是信号产生日。
日期动作2025-12-19买入2025-12-25卖出2026-04-15买入2026-06-02卖出2026-08-03买入，持有至样本结束
样本结束时策略仍在持仓，最后一笔没有平仓。
6. 交易成本
成本模型：持仓发生变化的当天，从策略收益中扣除 0.1% × |Δposition|。因为仓位只有 0 和 1，每一笔单边交易扣除净值的 0.1%。手续费、税费和滑点没有拆开，滑点也没有按成交量建模。
MA20/MA60 共 5 笔单边交易，累计名义成本率 0.50%。
指标不含成本含 0.1% 成本总收益-1.87%-2.36%年化波动率8.09%8.09%Sharpe Ratio-0.20-0.27最大回撤-9.36%-9.54%
成本后总收益和 Sharpe 进一步变差，最大回撤略深。交易只有 5 笔，成本没有改变“跑输买入持有”这个方向。若改成更短的均线，交易次数上升到 9 笔或 21 笔，同样的费率会扣掉更多收益。这一点在下一节可以看见。
7. 参数敏感性
下面四组参数在写实验之前就已确定，都使用同一段数据和 0.1% 的单边成本。
参数总收益年化波动率Sharpe最大回撤单边交易次数MA5/20-12.64%10.77%-1.25-17.87%21MA10/30-4.93%10.49%-0.45-14.27%9MA20/60-2.36%8.09%-0.27-9.54%5MA50/200-0.78%2.56%-0.31-2.03%1
读这张表时有三条边界：
- 四组都是亏损。没有一组的 Sharpe 高于买入持有的 0.25。
- 均线越短，交易越多，成本后亏损越大。这和“交易越频繁，固定比例成本越伤收益”一致，但只有四组、一段样本，不能外推成普遍规律。
- MA50/200 的总收益最接近 0，波动和回撤也最小。它需要约 200 个交易日才有完整长期均线，而全样本只有 243 天，实际只交易 1 笔，大部分时间空仓。低波动主要反映空仓时间，不能与另外三组并列成“最佳参数”。
因此，不在这张表里挑选一组作为最优参数。若事后挑选收益最高的一组，再用同一段数据宣布它有效，就是在样本内做数据窥探。
8. 局限
以下事项会改变数字，本次都没有处理：
- 只有一只股票、约一年交易日。换一个区间或另一只股票，排序可能相反。
- 没有样本外区间。参数比较和主结果使用的是同一段数据。
- 没有做空、融资和现金利息。空仓收益按 0，若计入货基收益，策略净值会略有不同。
- 成本是固定比例，没有按买卖价差、成交量和冲击成本分开。
- 收益使用
Close，没有核对复权。分红会使未复权收盘价出现缺口。 - 策略在均线形成前空仓，买入持有则全程在场。两者的风险暴露时间不同。
- Sharpe 的无风险利率按 0，且没有做显著性检验。-0.20 和 0.25 的差别在 243 天里很容易来自少数交易日。
9. 结论
在 2025-09-18 至 2026-09-18 的平安银行日线上，MA20/MA60 不含成本的总收益为 -1.87%，Sharpe 为 -0.20；买入持有为 2.54% 和 0.25。策略波动率 8.09%、最大回撤 -9.36%，低于买入持有的 15.38% 和 -15.19%，同时持仓只占交易日的 28.8%。
加入 0.1% 单边成本后，策略总收益变为 -2.36%，Sharpe 变为 -0.27，没有改变跑输基准的方向。预先指定的另外三组均线在同一成本假设下也都跑输基准。MA50/200 因长期均线形成太晚，不能与其他参数直接比较。
本次结果只说明：这一段、这一只股票上，该规则没有提供高于买入持有的收益或 Sharpe。它不说明双均线策略整体无效，也不说明下一段行情会重复这一结果。
附录：指标定义
设策略日收益序列为 r_t，净值 E_t = \prod (1+r_t)，起始 E_0 = 1。
指标计算总收益E_T - 1年化波动率\mathrm{std}(r) \times \sqrt{252}Sharpe\mathrm{mean}(r) / \mathrm{std}(r) \times \sqrt{252}，无风险利率为 0回撤E_t / \max_{s \le t} E_s - 1最大回撤回撤序列的最小值单边交易\lvert position_t - position_{t-1} \rvert = 1 的天数成本后收益r_t - \lvert \Delta position_t \rvert \times 0.001
针对这个学习方式，后面，我会设置奖励系统和Anki系统，对应完成阶段性任务的奖励，以及间隔重复记忆加深印象。
这是我从Github上开源项目搭的一套看盘系统：
🔖 https://openstock.jzzzhang35.top/
除此之外，我还阅读了《高效能人士的七个习惯》的第三个习惯——要事第一。
其核心思想，是将我们每天做的事分成四个象限，按照紧急/不紧急、重要/不重要进行划分。作者认为，我们总是会忽视掉其中最重要的一点：不紧急但重要的事情，因为这种事情是对自我提升帮助最大的，但因为短期作用不明显而往往容易被忽略掉。
在此基础上，作者提出第四代个人管理理论，其特点是在于承认人比事重要。而芸芸众生中，首要顾及的便是自己。它强调以原则为中心，以良知为导师，针对个人独有的使命，帮助个人平衡发展生活中的不同角色，并且全盘规划日常生活。
因此，我们要以第二象限事务为生活中心，需要以下四个关键步骤：
1、确认角色。列出你在不同生活场景中的不同角色，例如，我是研究院的学生、父母的儿子、书籍的读者、健身房的客户，等等。
2、选择目标。思考下一个周计划中每一任务栏下你最想做的一两件要事，我认为，这两件事需要有实际效应，即要对现实世界产生影响。例如，我想要根据我的学习和阅读的知识总结，写一个专栏博客，或者是做一个Lab上传到Github上。根据上面我们设立的角色，每个角色确立一或两个目标。
3、安排进度。为每一项目标安排具体实施时间，我认为，最重要的一点在于时间的灵活调整，因为总是会有一些紧急的事情突然发生，占据第二象限的时间。所以，针对大块的时间，我打算放在周末统一处理。
4、每日调整。根据突发事件、人际关系的意外发展和崭新机会，对每天的要务安排进行适当调整。
我最近还在想一件事情，就是，这种成功学书籍到底有没有用。这一个月，我看了《富爸爸穷爸爸》、《纳瓦尔宝典》、《高效能人士的七个习惯》这样的书，我认为，看这种书，一方面是印证我之前的想法，另一方面是加深我对一些理论的理解和思考。
从这个角度来说，读完这些书之后，我就可以减少阅读类似的书籍，因为很多书其实用几句话就可以总结出来，比如《富爸爸穷爸爸》。
不过，这种书有一个无法替代的好处，就是它们大部分都是实操性质的，按照书中的方法，我是可以从中获得正反馈的。我现在开始注意自己的睡眠，不再像曾经不珍惜睡眠；我也开始注意饮食和身材，制定详细的健身计划；我开始每日写复盘，而这一步，我迈了整整三个月，到现在，一天也没有停止。
以后要控制好游戏的时间，休息日才能玩游戏，工作日就应该优先处理工作和学习。
后面的路还有很长，我一定会找到我的方向。
💬 今日对话摘要（AI 提炼）
🎯 今日主题：调整健身计划为「练3休1」，修复B站视频转写故障，细化国庆重庆家庭游行程
✅ 完成的事：
- 健身方案由「练5休1」改为「练3休1」循环，同步更新方案文件与定时任务（9/26起背→胸→腿腹→休息）
- 排查B站96分钟视频转写失败原因：容器重建导致 faster-whisper 库丢失（模型仍在共享目录），给出宿主机重装命令
- 完成国庆重庆行程细化版：加入9岁妹妹后的门票、强度、景点适配评估
💡 新想法：
- 「练3休1」训练密度从83%降到75%，恢复更充分更可持续
- 金刀峡台阶多，不适合爸妈和9岁孩子，改用有观光电梯的新北温泉公园
- 照母山从5km徒步改为主环线1-1.5小时
- 门票几乎全免（照母山、金海湾、中央公园、偏岩古镇），主要支出仅温泉票
- 考虑给AstrBot插件加 requirements.txt 自动装依赖，避免每次重建容器都要重装库
📌 待办/计划：
- 宿主机执行 pip install faster-whisper + 确认 ffmpeg，重启容器后重新提交96分钟视频转写
- 确认三个待定项：Day2下午温泉or金刀峡、妹妹身高是否≥1.2m、爸妈膝盖心脏情况
- 定后出「带时间点的地铁/打车版本」行程
- 每日中午12:00 HF Daily Papers 推送、16:00 健身提醒持续运行
🤖 AI 总结
- 心情指数：7
- 关键标签：健康、生活、技术、人际
- 核心收获：
- 健身改为练3休1，密度更科学
- 转写故障根因是容器重建丢库
- 行程按老幼体能分级适配
- 重庆多数景点免费，成本极低
- 待解决问题：
- faster-whisper 尚未重装，转写仍不可用
- 行程三个关键参数未确认
- 明日建议：
- 执行三条命令重装库并重启，重提转写任务
- 答复行程三问，让我出精确时间版路线
- 今天是胸日，按16:00提醒完成训练