财富趋势：项目介绍书
财富趋势：项目书
一、 独家性：没有同样产品，非同质化竞争；
二、 系统性：一个操作策略，包括买、卖，同时包括对趋势的判断；
三、 算法可迭代：可对股票池操作，也可以对所有符合条件的股票进行操作。在操作中，可以不断迭代，对择股的进化包括个性化的分析，与盈亏单的分析等，可以不断拓展迭代方向。
更有意思的是，操作的本身符合随机性，可以条件单买入，到30日后收盘价卖出，也可以35日，也可以选择当日开盘价等。具备随机性
的属性，使得被反控制的可能性基本不存在。
❶模型
接着看这个算法模型，如何选择出特定的时间点：
画个图演示，算法模型输出一个黄点坐标，纵向对应时间点，卖出，30日后收盘价买入（本文所指的单位日，均指实际交易日）；横向对应价格，未来股价一旦与其相交，买入，30日后收盘价卖出。
先看结果：最近三年以及历史：
上图：上海深圳至今，做到平均每单5%左右收益，这是超14万次下单的单次收益率。22年-24年8月，最高近7%/单的收益，三年均值4.3%/单收益。还有，对于30日的周转期，实际收益还要乘上实际周转率……
还有，黄点的卖出策略，24年如以90日收盘价，可达收益13%/单：
一个策略，能赚钱就算了，还能买能卖，居然都能赚钱。
❷算法 假设 及计算公式
我们假设“有效”（该有效，属主观认定）突破P价格，符合条件X:通过Q成交量能够消化浮动筹码，回调获得价格P的支撑。
我们采取极限思考:假设股价突破P后，只在理想价格P’点成交，等式为：
等式意味着M就是满足条件X的数值，我们设M为此模型中的一个定值。
假设价格在t点突破P，在t+1点成交于P’， P’-P=△P
那么等式则为：
当设定M为定值，等式成立时，此时时间共振点G点可确定，也就是黄点的时间轴坐标；起算点P点可确定，也就是黄点的价格轴坐标。
并可得结论：当成交量Q越大时，△P越小，两者呈反比关系。
当我们加入成交量Q这个变量后，所以箱体的突破高度△P为因变量，不再是理想等比。这也符合现实情况：箱体的突破并非等比。
显然，长牛股符合这一要求，上涨中途不需要很大量，反而上涨的高度更高（美股、港股中长牛股的特点）。
M为是否形成“有效”突破的标准，回答了“够还是不够”的问题。
现实中，Q的分布不可能平均分布：
由此得出以下计算公式：
在这个公式中，因为M是已知定值，P是起算点，为历史某一时刻的取值点，成交量Qn值与价格Pn值乘积一旦发生便不会改变。所以当等式成立时的共振时间点G点，便是一个确定时点值，对应的价格P值是一个确定价格值。
算法的首要原则，或标准，就是不得有未来函数，必须且只能使用左侧数据，信号一旦出现就不会再变。可回溯（现在计算，与截去信号点后的历史数据，重新计算，该信号不变）。拟合是伪指标。会改变历史信号的指标，都是伪指标。
结果统计
上图是1995年以来每单收益分布的散点图。这一个随机属性的正态分布，是如何做到每单近5个点收益的呢？
在±20的收益率范围内，亏损单与盈利单差异不大，而在±20范围之外的收益差值，是利润的重要区间。
上图是2024年初至2024年8月的每单收益率散点图。同样利润来自于±20范围之外的正差值（除±20之外的黄柱外，其他对应各色，对应不同区间的收益）。
可以理解为：在±20范围之内的单子，显现出五五开的随机属性。显然，该范围内，短期被人为控制的可能性更高。
❸趋势
一个算法可以成为交易策略，但能否自成系统，关键点在与能否对市场趋势，进行辅助判断。
算法被称为“黑箱”，但“黑箱”如果不被理解，则无法做出市场趋势的判断。
在低可解释区，就算准确性高，人也难以坚持，因为人操作股票，需要信念，可接受的信念，才可以让人保持坚持。
作为系统，首选图中的“选择区”，因为具有较好的“可解释性”。
黄点算法对趋势的可解释性
黄点算法，是描述市场资金兑现股票盈利能力的一个“度”。
上涨趋势的起始，是市场资金兑现盈利能力最强的时候。随着股价的不断上涨，兑现盈利能力不断降低，直至无力兑现，趋势转为下跌。
大型头部的形成，是因为价格上涨的盈利兑现能力已至衰竭。
看下图：
自2004年以来，按月计，个股黄点出现数量（图中红实线），与上证指数（图中灰虚线）每月最高最低价线的折线图：
分别看细部：
上图是2003年至2012年8月黄点出现数量（红线）与上证指数的关系图。黄色箭头所指位置，均是行情启动初期，红线呈现突破其前期箱体的爆发阶段。随着上涨行情的发展，红线却依次走低，表示对股价的盈利兑现能力，逐步降低。
上图区间为2012年8月至2024年8月，期间包含2015年的股灾。2014年5月起，红线就持续上升，而此时股指尚未摆脱底部箱体。
2021年至今（2024年8月），红线走一个类下降直角三角形。黄绿色线代表的黄点相交的个数，处于躺底的状态。要出行情，红线首先须突破当前形态，否则就持续当前的趋势。
我们对2015年股灾，放在上图周线统计上，看红线与股指的关系。
黄点算法对选股的帮助
上节，我们阐述了黄点出现数量，与整体市场趋势的强相关性。那么对于个股趋势呢？
文章开头，我们看到每单收益率随着时间递增的情况。上图中，可以观察到随着时间的进行，收益率递增的情况。
有人会说，买入策略受益于股指长期来看会上涨的。那么，在黄点对于个股趋势的相关性上，我们用黄点卖出的策略来统计与观察。
上图是自2016年以来，按月统计以40日收盘价计的盈利单（30日数据亦包含图中，每个线段共由9点连成，依次是10-90日，起点是以卖出后第10个交易日收盘价计，第三个点就是30日收盘价计，线段末端就是90日收盘价计），共31129次黄点卖出。
自2016年以来，卖出盈利单的收益率图，只有在19年4-7月期间转亏过一次！
线段走势从左下向右上变化的，代表盈利收益率随时间而递增。
上图是自2016年以来，按月统计以40日收盘价计的亏损单，共15639次黄点卖出。
线段走势从左上向右下变化的，代表亏损率随时间而递增。自2016年以来，只有5次由亏转赢过。
以上两图，亏单、赢单的难转向性，说明黄点与不同个股趋势的强相关性：黄点出现时，是个股趋势的起点信号。
亏单、赢单的难转向性，也为我们选股提供了基础数据。
按黄点卖出的设计理论，赢单，代表该类股票集达到盈利兑现“度”后，无后续资金继续跟进，转而形成下跌趋势。亏单，则代表在短期回调后，后续资金继续跟进，推动出一个上涨趋势。
❹最优回测系统的要求标准
① 对历史数据要求
不提供流动性的交易数据需剔除：如大宗交易。
② 对除权要求
股价除权后，会与股价其时（除权实际发生时点）发生的实际百分比有差异。
送股、缩股是乘除法，但当除权股价低到分角，取两位小数时，百分比变化会改变。
绝对性变化：分红除权，税收会对股价真实百分比产生绝对性影响。分红除权是减法，故，前复权不能用于回测。
举例比较：
采取前复权的模式直接计算，股价实际上涨20%,变成复权后的25%。
所以，股价回测只能采取后复权模式：
并且，回测的最优方案：是以不除权历史数据为基础，仅在回测涉及到的股价期间，按权息，做局部的单次除权除息，而非全域除权，然后再进行后复权，进行历史场景完全复原。此时的回测结果与其时实际交易的差异，仅仅在分红税收这个绝对性差异上，可忽略。
本文提供的所有统计数据，均是按最优回测方案进行的计算。
③ 对权息数据的要求
对于不针对流通股东进行的历史权息数据，全部剔除。包括且不限于，因债务重组、国有股流通等原因，仅在大股东或之间发生的送股、缩股权息。
❺算法系统具有的绝对优势：操作难以复制+保持随机性→对股票市场的深度思考
确定性与复杂性
股价系统，是一个自组织临界系统，作为混沌组织，具自指性。
当系统产生出某个确定性后，对该确定性使用的人越多，各种可能性就会发生，复杂性也随之而来，信息量不断增大。有点像熵增的必然性，当系统涌现出某种有序性后，随之而来的就是不断复杂化，复杂化导致不确定性增加，以及该部分利润的衰灭。
趋势判断，是对临界值的判断。资金对某只个股价格影响力的判断，让人难把握；但对分散的、有足够数量的股票池，资金影响力没那么显著的敏感性，是可持续观察的。
比如：
当开盘价收益率开始高于收盘价收益率时，往往是趋势开始转换的时期，转换期不会如个股那般敏感、短暂。
