最近，某平台上推出了投顾参加的模拟炒股大赛，从数据来看，部分投顾模拟炒股实力相当优秀，周收益率超过30%的就有5个人，更有一人单周收益率近50%。
本栏想说的是，模拟炒股和实盘炒股区别巨大，选股以及心态方面都有很大的区别，投资者别把投顾的模拟炒股收益率太当真。
所谓模拟炒股，主要的功能就是帮助投资者熟悉交易软件，避免出现乌龙指，同时也让投资者体会一下炒股可能存在的收益及风险。如果非要把模拟炒股做成一项比赛，那这只能是一种娱乐节目，投资者千万不要当真。
有这样一个运动，叫做真人CS，把人分成两队，对着打，打中衣服上的圆点就算消灭了对方，对方的枪就不能用了，但是真人CS玩得好的选手，到了战场上仍然是个新手，再怎么模拟，游戏中的经验也不可能用于实战之中。
模拟炒股也一样。假如你看好一个股票，买一报价10元，卖一报价10.1元，然后你在10.01元挂单买入10万股，过一会有人在10元卖出了100股，最新价闪了一下10元，然后模拟软件就告诉你，你的10万股买单成交了，但在实战中，这是不可能的，因为如果你真的挂入了10万股的买单，人家卖出100股，你也只能买到100股，10万股哪有那么容易买到。而且如果你真的在10.01元挂上一个10万股的买单，大概率会有投资者在10.02元挂出500股的买单，这100股你也很难买到。
此外，模拟炒股也不存在心理的压力，反正是模拟的，多高的股价都敢追，什么回调也都不会害怕，反正都是模拟的。就像真人CS，你就敢单人单枪往敌营里冲，实战又有几个人敢？
在模拟炒股的账户里，初始资金一般都是10万元或者百万，甚至还有千万元的，大家在操作的时候也完全不把这些虚拟的数字当成钱，买股票往往都是全仓干一只，就好比如何能出现单周收益率超过40%的情况？只有一种情况，那就是全仓买了一只股票，然后正好这个股票连续四五个交易日涨停。但在现实操作中，试想一下，谁敢拿真正的100万元现金资金去全仓买一只强势涨停股？蒙对了可能吃大肉，错了那可是要关灯吃面的。
所以本栏说，这种模拟炒股大赛，参赛选手都是为了博取一个优秀的成绩，这种优秀的成绩可能会被当成自己投资实力的一种证明。再说句比较现实的话，如果投顾轻轻松松每周收益30%，何必要当投顾，自己闷声炒股不好吗？或者去当个私募基金经理，也大有用武之地。有这样一个数据投资者可以参考，巴菲特的年化收益水平大约为26%，如果有基金经理或者投顾超过了这个水平，只有三种可能，要么是恰好赶上了大牛市，要么是买股票的运气超级好，要么就是他的水平比巴菲特还要高。
一周收益30%是个什么概念，投资者可以自己想象一下，跟他们相比，巴菲特就是一个“散户水平”。
评论员丨周科竞
编辑丨张兰
图片丨视觉中国、新浪微博截图
还记得之前我们说的现在的高手们都用ChatGPT炒股的文吗？
指路：
最近，有一位外国小伙用上面提到的方法用ChatGPT来做了一个名为GPT Trader的交易机器人。
并把具体步骤发到网上，我们来看看小伙是怎么做的。
看前提醒：
1）内容含有大量枯燥的术语。
2）这个只是一种可能的方法，不是绝对正确，要不要用这些方法炒股，还请大家自己判断。
3）这里只简单阐述他使用的方法。
小伙使用了Alpaca仪表板和测试数据来预测股票走势。
Chat GPT帮助小伙构建了机器人的步骤：
小伙向Chat GPT提出了几个问题，包括最好的技术用于股票预测以及如何使用Python Web来预测雅虎股票价格。
Chat GPT能够记住上下文并回答这些问题，解释了一些机器学习技术并展示了如何使用ScikitLearn库制作神经网络模型来预测股票价格。
小伙使用Chat GPT来自动生成一些代码，但是由于代码中的数据不可靠，所以它不能正常工作。
接着，小伙请求Chat GPT提供一个更好的数据源。
Chat GPT建议使用Alpaca交易API，这是一种免费的股票和加密货币交易API。
然后小伙注册了Alpaca，并获得了API密钥。
Chat GPT随后向小伙展示了如何在Python中使用这个API。
现在小伙需要使用实时的股票数据进行交易机器人的开发。
小伙使用 Alpaca API 来获取数据源，并使用 ScikitLearn 库和 Keras 对数据进行统计机器学习模型训练。
这时需要添加 API 密钥来获取数据，这个密钥可以在 Alpaca 的控制面板中找到。
这将帮助小伙使用先进的神经网络技术来改进机器人的预测能力。
在过去的五年中，神经网络技术方面有了很多研究和发展，包括递归神经网络和长短期记忆网络等变体。这些技术对于预测时间序列数据非常有用。
将transformer网络和强化学习结合起来使用的方法，称为深度强化学习。
使用Python语言实现这个方法时，需要了解一些强化学习技术，例如PPO和Q learning等。
该方法可以帮助计算机像人类一样做出决策。其中，PPO是在寻找两个范围内的最优策略之间的平均值。使用强化学习和神经网络来预测股票价格。
小伙想使用OpenAI的Stable Baselines库和强化学习算法来训练一个股票选择策略。
他发现了一个名为FinRL的库，该库可以用于股票市场数据的强化学习。
接着他打开了FinRL的示例Notebook，并准备替换其中的数据源为Alpaca API。然后开始逐步解释代码的每一步骤。
利用强化学习算法进行股票交易的过程：
首先，使用一个名为FinRL的库获取从苹果公司到道琼斯指数的30支股票的30天股票数据，然后添加技术指标。
接着，构建一个决策过程，即一个代理在一个环境中每隔一段时间采取一步行动的过程。
这个代理是一个神经网络，环境是金融市场。
该库将实时数据传入一个模拟环境中，训练这个深度强化学习代理，然后每天根据输出使用Alpaca API进行实际交易。
在训练结束后，展示了一个回测结果，展示了该系统如何根据以往数据做出决策。
根据这些结果，他就可以设置一个阈值来决定买卖股票的决策，然后让这个系统每天运行并决定是否购买股票。
那么最后问题来了，费这么大劲，他赚钱了吗？
答案是赚了一点，24小时最终获得了 1.62% 的收益率。
引用地址:https://www.cha65.net/waibuwenzhang/202404/0544716.html
tags: