美股复盘方法论：从交易记录到策略优化

📚 共计 30 章节

复盘的意义与框架

为什么美股必须复盘？复盘的三大核心要素（数据、心理、策略），建立个人复盘框架。

框架核心理念

交易记录的标准化

如何导出券商交易记录，清洗数据，建立统一的交易日志模板（Excel/Notion）。

数据清洗模板

关键交易指标计算

胜率、盈亏比、最大回撤、夏普比率、平均持有期，用Python/Pandas计算。

交易心理复盘

识别恐惧与贪婪，记录情绪日志，分析情绪对决策的影响。

交易日志的撰写

每日复盘模板，记录交易理由、执行情况、情绪状态、改进点。

日志复盘模板

盈亏归因分析

区分运气与能力，分析盈利交易和亏损交易的共同特征。

策略一致性检查

检查是否严格执行策略，识别随意交易和策略漂移。

纪律一致性

技术指标复盘

MACD、KDJ、RSI、均线系统在复盘中的应用，验证指标有效性。

K线形态复盘

识别关键K线组合（吞没、十字星、锤子线），复盘形态成功率。

支撑与阻力复盘

标记关键价位，分析突破与假突破，优化入场点。

趋势与震荡市复盘

识别市场状态，复盘不同市场状态下的策略表现。

仓位管理复盘

计算每笔交易的风险敞口，分析仓位大小对收益的影响。

止损与止盈复盘

检查止损设置是否合理，分析被止损后的走势，优化止盈策略。

时间周期复盘

分析不同时间框架（1分钟、5分钟、日线）的信号一致性。

多周期信号

板块与大盘复盘

分析个股与板块、大盘的联动性，识别板块轮动机会。

财报季复盘

复盘财报发布前后的价格行为，分析预期差交易。

财报预期差

事件驱动复盘

复盘美联储决议、非农数据、CPI等宏观事件的影响。

盘前盘后复盘

分析盘前盘后交易对开盘价的影响，制定开盘策略。

高频交易复盘

针对日内交易者，复盘秒级/分钟级的价格行为模式。

量化回测入门

用Python Backtrader库对策略进行历史回测，验证策略有效性。

回测Backtrader

策略参数优化

使用网格搜索、随机搜索优化策略参数，避免过拟合。

优化过拟合

多策略组合复盘

复盘不同策略（趋势跟踪、均值回归、突破）的互补性。

资金曲线分析

分析权益曲线，识别资金回撤期，优化资金管理。

风险价值(VaR)复盘

计算投资组合的VaR，复盘极端行情下的风险暴露。

相关性复盘

分析持仓品种的相关性，优化分散化效果。

相关性分散

交易频率复盘

分析交易频率与收益率的关系，优化交易节奏。

复盘报告撰写

生成周报/月报模板，用图表展示关键指标，形成可追溯的复盘文档。

复盘工具链搭建

推荐复盘工具（TradingView、Excel、Python、Notion），搭建自动化复盘流水线。

工具自动化

从复盘到策略迭代

建立策略迭代流程，基于复盘结果调整策略参数或逻辑。

终极复盘：年度复盘与交易系统进化

制定下一年度的交易计划与成长路径，完成系统进化。