0、交易认知与思维方式
这一层是底座:阿尔法的所有技术判断都建立在一套可证伪、讲格局、反情绪的认知框架上。先读这一部分,后面两部分的「术」才有根。
#01
新手问涨跌,高手看模式,大师论格局
编者按 这句来自他最敬重的前辈。整份教程的阅读姿态都可以用这句话校准:别问明天涨跌,看结构和模式。
#02
交易哲学的底座:证伪主义
编者按 全文 1300+ 字,是他少见的成体系自述:为什么“唯一正经的工作是量化”,为什么一切分析必须可证伪。理解这一篇,才能理解他为什么死磕订单流(见第四部分)。文末有一条补充。
#03
交易满足的四条规律
楼主补充 · 所以,我不敢说神学算命没有用,而是暂时没有可解释性。
而一切东西最终还是科学逻辑+证伪,比如所谓的盘感就是无法抽象+不想说而已,只要抽象能力够,一定会抽象出来的。
所以更加接进本质,一定是直面底层逻辑。
编者按 从一本书提炼的四条规律,他自己补了一条关键推论:盘感无法抽象、无法证伪,所以不可训练——这直接定义了他眼中“可教”与“不可教”的边界。
#04
《货殖列传》式价值锚:贵出如粪土,贱取如珠玉
编者按 两千年前的俗语被他用来解释价格形成的底层逻辑:价格够低、货够少,必涨无疑。这是他逆势思路的出处。
#05
一眼看透本质的人,和看不到本质的人
🎬 原推含视频,请点上方「原推 ↗」观看。
编者按 该账号互动最高的一条(959 赞 / 581 藏 / 7.3 万浏览),转发附言+视频。作为开篇立意非常合适。
#06
「行走的阿尔法」是什么意思
编者按 他对自己账号定位的自述:一个代号,一种思考的介质。适合作为教程的“作者自序”。
0、交易体系与方法论
他的体系主线很清晰:从道氏理论出发寻找临界点,用均线结构定方向,用逐笔微观结构(Delta、特征学习)做验证,用统计学做底盘,用叙事逻辑理解大牛股。书单也在这一部分。
#07
交易的元问题:寻找临界点
编者按 他给自己的方法论一句话概括:先找临界点,再优化不同横截面品种的信息利用。评论区他补充:renko 砖图只是特例,原则上可以在维度上拓展。
#08
#最优买点定理
编者按 用 BTC 实盘截图与随机品种对照演示“最优买点”的普适结构,是他教学味最浓的短篇之一。
#09
三均线:他的系统用一句白话讲完
编者按 「多头排列就是多,空头排列就是空,其余震荡」——被收藏 76 次的极简版系统描述。他还强调:这还没考虑波动率,考虑后分类更复杂。简单与严谨的分寸感在这条里都能看到。
#10
#阿尔法教学系列·论累积 Delta
编者按 唯一一篇以「教学系列」命名的内容。核心观点:真正的累积 Delta 必须用逐笔数据计算,TradingView 的推送机制让多数人用的 CVD 接近一分钟 OBV——工具的物理缺陷决定认知上限。
#11
指标的正确打开方式:特征学习 + 逐笔数据
编者按 711 字长文。把「指标」重新定义为一个机器学习问题:学特征、找数据点、训参数。对想把自己主观经验工程化的人很有参考价值。
#12
为什么建议你学《数理统计学》
编者按 1156 字。由“主要指数已不能代表市场”引出:没有统计学的底盘,看什么都是故事。他把统计学视为散户与专业分界的护城河。
#13
#情绪周期的穿越
编者按 短线视角:每个波段冰点都孕育新龙头,龙头穿越试错期后的行为模式。他对情绪周期的用法偏向“定位”,而非打板。
#14
#20 倍大牛股是怎样产生的:叙事交易学
编者按 借用 Shiller(2017)的叙事经济学解释 A 股大牛股的生成机制。理解这一条,就理解了他为什么总在“叙事扩散”处提示风险(见寒武纪系列)。
#15
《Livermore》的核心就两点
编者按 他浓缩的利弗莫尔精髓,并落到一个具体的潜在配置逻辑上。
#16
波浪、威科夫,都是道氏理论的改造
楼主补充 · 没有,不给。大模型时代,推荐的东西就相当于prompt ,对我没好处
编者按 一条帖子理清技术分析的家谱:艾略特波浪和威科夫都源自道氏理论。他的态度是学源流而不是学分支。
#17
盘口入门书:他的「真爱」推荐
编者按 从交易基本逻辑出发讲盘口基础知识和交易原理的一本书。配合下一部分的 Delta/逐笔内容食用。
#18
最强学习路线图:《普林斯顿数学指南》
楼主补充 · 我和数学没什么缘分,当时有个院士从回来,就说几个学生在巴黎高师学的很好,说学数学更重要的是严谨,和耐心。我现在理解为一种工程能力。抽象能力思维能力反而是其次,任何大厦都是搭建起来的。
那以后我就知道,我应当做一些更适合自己的工作,而且只是机会和时间的问题,分形同构,万物守恒。
编者按 490 赞 / 277 藏,账号第二高互动。菲尔兹奖得主 Gowers 主编的数学百科全书,他称之为“最强大的 roadmap”,并补了一段院士关于「严谨与耐心」的话。
#19
大道至简:游资每天都在看热榜复盘
编者按 从「21 年看不懂」到「现在才懂」的复盘习惯论。复盘不是仪式,是数据摄入。
0、行情研判实战复盘
方法最终要落到盘面。这一部分选取了他不同时期的预判与复盘原文——包括事后被验证的(寒武纪、光通信、通富微电),也包括当下的观点。读法是看推理过程,不是背结论。
#20
千万别抄底
编者按 五个字,8.6 万浏览。放在实战部分开头当作反面座右铭。
#21
「约等于 100 个任泽平」:他心中的高水平宏观
编者按 308 赞 / 150 藏。他认可的宏观分析标准:实际利率乖离(超越传统框架)与黄金价格的终局判断(现代货币理论视角)。给读者一个“什么是好宏观”的样本。
#22
北向资金的真相:券商研究所的信息时差
编者按 671 字。2024 年他就在拆“真假外资”数据源的水分——这是他“数据物理层批判”的又一次应用:先问数据怎么来的,再谈结论。
#23
动态关口:位置是怎么算出来的
编者按 547 字实战教学。与卡尼(Karni?)对同一标的给出几乎一致的位置,展示“动态关口”的计算思路。
#24
板块拉动对照表:拉金融看什么,拉科创看什么
编者按 一张实用对照:金融看中信/平安/东财,科创半导体看中芯国际,消费看白酒/爱马仕……指数工具化的观察框架。
#25
本轮行情峰值预判:五万亿
编者按 2026-01 的量级预判。他同时提醒:搞明白指数规则再来谈指数(对“指数失真”的一贯警惕)。
#26
#我从来没有如此看空过一个总龙头:寒武纪
编者按 2025-08 的公开做空逻辑:总龙头定位 + 技术图形 + 筹码结构三段论证。67K 浏览。与下一条连读。
#27
寒武纪后市:高点最大跌幅 66% 起步
编者按 同一周的量化预判,敢放话「赌啥都行」。这种“可证伪的明确数字”正是他证伪主义哲学的实践(对照第一部分)。
#28
AI 浪潮的判断:遍地是黄金,但不看好寒武纪一家独大
编者按 做空龙头 ≠ 看空行业。这一条展示他如何区分「标的判断」和「产业判断」两个层次。
#29
预判→验证闭环样本:双创双龙与成交额榜
编者按 738 字。用「成交额榜前 2 = 双创双龙」验证此前预判,完整展示他“预判-跟踪-复盘”的工作流。
#30
光通信→AIDC→储能→SST:轮动地图
编者按 151 赞 / 135 藏。2026-07 的板块轮动推演:24 年光通信十倍股逻辑向 AIDC/储能迁移,下一个看 SST。
#31
通富微电:降息前的确定性资金
编者按 127 赞 / 79 藏。复盘 2024 年先进封装的介入时点与资金性质——「看得懂资金才是博弈」。
#32
中微公司:能拿几年的票 vs 波段信号
编者按 区分持仓周期与交易信号的一手示例。
#33
2026-05 下跌波段的见底判断
编者按 2026-07 的择时复盘:指数层面见底 + AI 股的全㝎逻辑。最新的实战样本。
0、骗局识别与独立思考
这是该账号最有辨识度的部分:连续多年公开批判订单流培训、卖课返佣、MT5 盘子。这一部分的判断标准(「骗局三问」、民科与专业的分界)可以迁移到任何投资内容上。
#34
#订单流为什么挺 low 的
编者按 1058 字檄文:五个直击要害的反问。他声明非利益相关、已退出圈子,只以自己五年公开预判记录背书。
#35
为什么我一如既往地反对订单流
编者按 1296 字。点破交易培训行业的法律灰色地带,以及他与订单流「灭国杀父之仇」式对立的缘由。
#36
只看订单流做交易 = 纯纯的垃圾
编者按 242 字浓缩版:交易历史我能讲 100 年。适合作为前两篇的摘要转发。
#37
X 上流行的交易理念是什么水平
编者按 35 赞 / 36 藏——收藏率极高的一条:垃圾理念来回拼接,有意义的东西没人写。
#38
骗局三问:能赚钱为什么不招程序员?
楼主补充 · 人家做CTA肯定内盘做全市场,国内最大的是谁一查就知道了,上海
编者按 75 赞 / 46 藏。三条可操作的鉴别问题(策略保密性、为何卖课返佣、为何玩 MT5)。评论区他自己补充了国内 CTA 头部机构的信息。
#39
看宏观:什么是民科,什么是专业
编者按 68 赞 / 38 藏。他发高质量宏观内容的动机:让读者建立“什么是好”的标尺。附他对具体宏观观点的评价方式。
#40
劝退:二级投机这条道路不存在
编者按 382 字。对想以投机为职业者的真心话:幸运儿存在,但世界的规则不奖励这条路。放在教程尾部收束贪念。
0、AI 时代的学习与职业
他同时是一线 AI 重度用户(团队智谱付费六位数、用量过千亿 token)和金融科技从业者。这一部分是他关于 AI 冲击下学习方式、能力护城河和职业路径的观察,时效性最强。
#41
AI 淘金热:现在的位置像 19 世纪淘金 / 20 年前房地产
编者按 90 赞 / 67 藏、445 字。几个「随便记」的点,信息密度极高:会用 AI 的门槛、学习方式的迁移、行业利润分配。
#42
会用 AI 的人 = 学习的学习能力强
编者按 95 赞 / 92 藏,收藏率近乎 1:1。DeepSeek/Kimi 现象的注脚:AI 时代真正的分野是元学习能力 + 计算机基础。
#43
AI 的工业化还没有开始
编者按 「AI 的发展绝对会超越 99% 的人的认知」。配合他团队的真实用量数据(下条)食用。
#44
2025 年提出的券商转型路径,一年后全行业跟随
编者按 他 2025 年的架构预判:Claude Code 源码泄漏时已实现服务 skill/MCP 化;全行业券商按此路径转型。含金量在于时间戳,而不在于结论。
#45
考夫曼效率比的 AI 时代用法
编者按 2026-09 最新帖:把效率比的思路从收益率迁移到价格,并顺手纠正「这不是波动率指标」。他依然在一线输出可证伪的技术内容。
#46
唐杰与杨植麟:把感兴趣的事做到极致
编者按 从他观察 AI 学者(智谱/月之暗面创始人)学生时代引出的人生观:专注感兴趣的事,别用金钱尺度量一切。
#47
C9 + top30 毕业 5 年的去向观察
编者按 345 赞 / 160 藏。平民出身的三条主流路径(赴美量化/大厂/创业)与各自的坑,他基于身边统计的一手观察。