顺应市场趋势是交易第一原则
股票和期货市场的价格运动具有惯性。当主要指数或商品期货处于上升通道时，做多胜率显著提升；处于下降通道时，做空或空仓是更优选择。逆势操作如同在瀑布中向上游，消耗本金且容易触发强制平仓。识别趋势方向使用简单工具：20日与60日均线的相对位置，价格与布林带中轨的关系，持仓量变化与价格同向或背离。期货市场还需关注基差结构，现货升水往往支撑近月合约。
仓位管理决定账户存活周期
任何单笔交易风险不超过总资金的2%。股票市场可采用金字塔加仓，首仓10%，浮盈超过5%后加仓5%。期货市场由于杠杆效应，仓位需更保守，农产品期货单品种持仓不超过总资金的15%，工业品不超过10%。账户回撤达到10%时强制降低一半仓位，回撤20%时停止交易一周。这种机械规则能防止情绪化报复交易。
止损止盈的量化设定方法
股票短线交易以买入价下方3%-5%作为止损线，跌破20日均线无条件离场。期货使用ATR指标动态止损，止损距离等于2倍ATR(14)。止盈策略分两种：固定盈亏比达到2:1时减半仓，剩余仓位跟踪10日均线；或者使用移动止损，当浮盈超过3倍ATR时将止损移至成本价。股票中长线持有以周线级别趋势线破位作为止盈信号。
技术信号过滤与共振确认
单一指标容易产生假信号。股票日线级别需同时满足：MACD金叉且柱状线放大，成交量超过5日均量1.5倍，价格站上30分钟周期的20均线。期货15分钟周期结合RSI超卖区底背离与持仓量增加。多个周期共振时胜率提升。避免在重要经济数据发布前30分钟开新仓，股票要规避财报公布日。
量化规则替代主观判断
将交易逻辑写成可执行代码可消除情绪干扰。以下示例用Python计算股票双均线策略信号：
import pandas as pd
def dual_ma_signal(df, fast=5, slow=20):
df['fast_ma'] = df['close'].rolling(fast).mean()
df['slow_ma'] = df['close'].rolling(slow).mean()
df['signal'] = 0
df.loc[df['fast_ma'] > df['slow_ma'], 'signal'] = 1
df.loc[df['fast_ma'] < df['slow_ma'], 'signal'] = -1
return df
期货策略需加入保证金计算和滑点模拟。回测时使用逐笔成交数据更贴近实盘。
股票与期货的差异化技巧
股票T+1制度下，尾盘买入可规避日内波动。期货T+0允许日内多次交易，但手续费累积影响大，日内交易最多三次。股票分红除权日前需调整止损位，期货主力合约换月前一周移仓。股票融券做空成本高，期货做空流动性好。跨品种套利方面，股票关注行业轮动，期货关注螺矿比、油粕比。
情绪周期与市场节奏
股票市场情绪从冰点回暖时，率先涨停的板块成为主线。期货市场关注持仓量最大的合约，增仓上行表明趋势强劲。连续三个交易日涨停的股票第四日开盘竞价量能决定是否参与。期货夜盘开盘30分钟波动最大，适合突破策略。股票尾盘14:30后的异动往往预示次日方向。
复盘与错误分类
每日收盘后记录三类交易：按规则执行且盈利，按规则执行但亏损，违反规则。违反规则的交易即使盈利也要标记为错误。每周统计不同市场状态下的胜率，股票在震荡市降低仓位，期货在单边市提高仓位。连续三次止损后强制休息一天。
资金曲线管理
股票账户每月提取超出初始本金部分的20%作为储备。期货账户每周调整保证金比例，当波动率上升时降低杠杆。资金曲线创新高后回撤5%即减仓。股票持仓不超过五只，期货不超过三个品种。相关性高的品种合并计算风险敞口。
交易系统的迭代逻辑
股票策略每季度重新拟合参数，期货策略每月更新。使用滚动窗口回测，避免过度优化。股票因子包括动量、波动率、换手率。期货因子包括期限结构、库存变化、持仓异动。淘汰连续六个月跑输基准的策略。新策略先模拟盘运行20个交易日。
心理陷阱的量化规避
恐惧导致过早止盈，贪婪导致移动止损失效。用条件单替代盯盘，股票设置到价提醒，期货设置止损止盈单。每日亏损达到2%后禁止开新仓。盈利超过5%后允许提高一个仓位等级。交易日志记录每笔交易的情绪评分，低于6分的不执行。
股票期货协同配置
股票多头仓位与期货空头对冲beta风险。当股票账户回撤时，用股指期货空单保护。商品期货与股票周期股形成跷跷板，配置铜期货多单同时做空家电股票。股票期权与期货期权可组合出跨式策略。总账户杠杆控制在1.5倍以内，其中期货贡献不超过0.5倍。
