今天想明白一个问题
股市投资风控靠组合、但组合里的个股还是宜采取进攻为主策略；！
4+1策略
今天调整型的组合K线基本成型，下半周预计以调整为主，半仓应对。调整的逻辑和缘由参考前两天的策略观点。
【老大哥眼里的价值投资，让我看到极致的信仰】
对股票充分了解和充满信心，从来不反对重仓。对股票没充分了解和缺乏坚定信心则要靠组合来降低风险。
市场上为什么有那么多人采取组合策略？因为谁会那么拼命把一支股票从上市公司基本面（财务、销售、公司战略布局、行业发展趋势）+上下游深度了解，这需要投入大量的精力和人力，非常辛苦非常辛苦。
一年奔波下来不出十来个票，但十年以上拼命则能积累上百支优质股洞悉各行业（前提真是卖命研究）。研究员有几个真正上山研究矿产，下海研究渔业，踏进工业区穿着工服深入工厂一线，深度了解上市公司上下游和咨询上市公司老板人品信用。咨询过税务、电力局和交通局关于行业数据，凡是对上市分析有用的方法都用过。
当你花那么大心血去研究，弄明白一家龙头企业的成长和未来，试问一下此时轻仓位岂不可惜？
短期回撤，事后诸葛亮评论指你错误都简单，大涨后反过来竖起大拇指赞扬也比比皆是。有些人在我解读行业时，都千方百计想套我说出代码，再偷偷买，但若买一遇指数回调下跌就私下埋怨，否定你。当然，后面股价大涨又反过来赞扬你。
人心若不能抛弃投机心理，则很难理解投资的那种真谛和快乐。
俗话说：看懂业绩赚小钱，看懂行业赚大钱，看懂政治躺着赚翻翻。做投机99%都是韭菜命。
价值投资永远不过时，但不要把价值投资变成价值投机追高追高……
#价值投资#
赵客组合，左汉宁，中短线程序化交易，最大回撤8%，资金曲线稳定向上，收益率138%。
不得不说，只有短线交易才能有效控制权益回撤，从而有效提高资金使用率。
程序化的大神们几乎都在做中短线交易，只是对一般人而言，短线程序化策略太难开发了。
“赵客组合”的精彩观点:
1、我的短线策略，是大量策略信号的组合。单个信号出现的频率可能比较低，整体组合的日换手率在100%-400%。收益风险比为8，夏普率为4是策略大致的收益风险特征。
2、过度拟合的问题，可以通过数据验证和主观判断的方式来解决一部分，比如滚动回测和逻辑推演。
3、实际上市场的特征是在变化的，有时候虽然对策略回测的效果很好，但是实盘表现却不行，不好说是过拟合的原因还是市场变化导致策略失效了。
4、策略失效是交易中一个很普遍的事情，最直接的原因就是市场交易者的行为模式发生了改变。
5、机构化、专业化是市场发展的必由之路，所以策略的失效是不可避免的。
6、交易者只有持续地投入精力来迭代自己的交易策略，才可能实现持续、稳健、长期地盈利。
7、优秀的中长线交易者，他们不会指望高收益风险比；优秀的短线交易者，他们不会轻易躺平而放弃迭代。
8、策略的过拟合，虽然对一些新手来说可能是一个技术和经验问题；但是对于比较有经验的量化交易者来说，它却可能是一个心理问题。
9、优秀的量化交易者对自己很诚实，不会为了满足自己内心在策略上的“乌托邦式”的欲望而过拟合。
10、赚钱时不要归功于自己的智慧，而要庆幸风险没有爆发。
对称二人博弈中基本交互组合的纳什均衡的一般特征
摘要
在许多多智能体数学模型中，二人博弈被用于描述配对交互。纳什均衡的类型(纯或混合)和数量从根本上影响这些系统的宏观行为。本文在n种策略的矩阵分解框架内，系统地研究了纳什均衡的一般特征。这种方法区分了四种基本相互作用，每一种都具有根本不同的特征。我们分别讨论了不同类型相互作用的可能纳什均衡以及它们的组合。建立了无限多个混合纳什均衡的存在与收益矩阵的零特征值特征向量之间的关系。
介绍
博弈论的传统概念长期以来被广泛用于定量研究生物和社会系统中发生的现象。玩家之间的相互作用通常使用两玩家对称博弈的形式来描述，其中纯策略可以代表不同的物理状态、人类行为形式或生物物种。统计物理学中发展的方法对这些系统宏观行为的数学考虑的适用性引起了物理学家的兴趣。最近的研究主要集中在抑制社会困境和探索循环支配的后果。
在博弈论中，自私而聪明的玩家都希望自己的收入最大化。在所谓的非合作游戏中，玩家必须在没有相互交流的情况下选择自己的策略。在这些系统中，纳什均衡(Nash equilibrium)，即单方面偏离无益的集体策略配置被视为解决方案。纳什证明了当参与人被允许使用混合策略时，至少存在一个纳什均衡。
混合策略根据一定概率随机选择一个可用策略。博弈论中的一个主要问题与纳什均衡的数量有关，因为在缺乏交流的情况下，两个或两个以上解决方案的存在会给参与者带来困难。进化游戏继承了这些特征，其交互作用通常建立在两人对称博弈的基础上。
进化博弈的一些性质可以仅仅根据它们的纳什均衡来预测。收益参数的微小变化通常不会导致游戏行为的相关变化，因此可能的交互类型及其一般特征的分类一直是广泛系统科学调查的主题。例如，Berg研究了收益元素由随机数决定的n策略博弈的纳什均衡的平均数目，引入潜在博弈开启了对博弈分解的分析。
在最简单的非合作博弈中，有两个相同的参与人，他们有两种可用的策略，他们的策略依赖收入由四个可能的收益元素组成的收益矩阵定义。在这些博弈中，寻找纳什均衡可以通过利用两个特征来简化，即如果矩阵元素乘以一个正数并移动一个常数，收入的排名不会受到影响。因此，这种类型的游戏可以由两个独立的参数来定义。
相应的可能的纳什均衡的二维地图区分了四种典型的行为类型，通常用传统的“囚徒困境”，“鸡”或“雪堆”，“猎鹿”和“和谐”或“琐碎”游戏来说明。这些游戏在上述的教科书和评论中有很好的讨论。然而，由于收益参数[29]数量众多，这种简单的方法不容易应用于三种或三种以上的策略。相反，分析通常仅限于由几个参数定义的n策略游戏。
上述相关参数数量的减少可以解释为游戏之间的一种等效。这一概念可以通过认识到两个游戏可以通过重新标记策略而相互转化而得到扩展。这种类型的同构缩小了可能行为的范围。
这里我们讨论了矩阵分解框架内的纳什均衡。在这种方法中，n策略收益矩阵是由四种基本矩阵构建的，这些基本矩阵表示进化博弈中根本不同的交互作用。讨论了这些基本相互作用和一些特征组合的纯纳什均衡和混合纳什均衡的存在性。同构博弈可以很容易地在基本相互作用的类别中识别出来。此外，我们简要描述了一些可以用来确定纳什均衡的方法。
基本概念和对以往结果的简要概述
如果我们把自己局限于非合作的两人对称博弈，博弈论[1]的相关概念可以简单地考察一下。在这个系列的游戏中，有两个聪明而自私的玩家(X和Y)，他们彼此不交流。他们都有n个选项(称为策略)可供选择，他们都希望做出一个能最大化自己效用的选择。给定策略对的效用或收益由n×n收益矩阵a定义。条目Ajk(1≤j,k≤n)定义了当参与者X选择第j个策略而其合作参与者Y选择第k个策略时，参与者X的收益。在对称博弈中，参与者是等价的，当他们选择相同的策略时，他们会得到相同的收益，当他们的策略交换时，他们的收益是交换的。
玩家可以使用混合策略，可以用n维向量表示为
John Nash证明了这种平衡点的存在。然而，我们必须强调，如果非合作博弈有多个纳什均衡，仍然会出现困难。在这种情况下，缺乏沟通和信任会阻碍参与者找到最佳解决方案。此外，即使是单纳什均衡也不总是最优的。当自私决定了战略选择，导致的回报低于合作所能提供的回报时，它们就会造成社会困境。(例如，囚徒困境、捐赠和雪堆游戏中都会出现这种情况。
