刚刚从云南开车回四川，非常的疲惫，而且又还了眼疾：中心性浆液性脉络膜视网膜病变，导致我的左眼几乎失明。

所以又找了很多借口，今天不要写文章了，但是我怎么可能是这样的人呢。

晚上和一个很多年的朋友交流了一下，请教了他很多技术上的问题，非常有收获。我也不知道为什么会想起Vegas这句话：我把最简单的赚钱方法交给你你也未必照此去施行。

很久以前我就了解到向上社交这不存在，因为如果每个人都向上社交的话就交不到朋友了。A8的人只想结交A9的人，A9的人只想结交A10的人，那每个人都结交不到朋友。

Vegas这句话又透露出一个简单的真理，不愿意向下社交，除了带不来向上的能量意外，还有一层：A9的人把如何赚到A9交给一个A5或A6的人，他根本就听不懂，相反他会认为A9这个人是在装逼。

互联网上真的不缺白手起家的赚钱机会，甚至可以说多得不得了，但是要求你有能力去分辨，因为同时又充斥着大量的虚假的诈骗的信息.

不断学习，不断小规模试错，是取得成功的必经之路。

回到之前写过的一篇文章：不社交，只搞钱。

这是一篇好像什么都说了，又好像什么都没说的文章。就这样吧，写下这些文字，是给自己一个交代。

社交的时候，要想想，自己能为对方带来什么，又能从对方那里汲取什么，万一有无法避免的无效社交，也要从总吸取养分。这次出门，我就从各方面领教了一遍穷人思维，这也正好对应之前写的富人思维。

希望我的读者在零和博弈中，都挣到钱

投机的理论基础：数学期望。

每个人进入市场的原因不一样，有的人为了赚钱，有的人来赌博，有的甚至只是来娱乐。无论怎么说，这个吸引全球最顶尖的人才，回报最丰厚，操作最简单的游戏，绝大多数玩家还没有弄清楚它运行的基石——数学期望。

如果你是投资者肯定不会看这篇文章，但如果你的身份是投机者，就有十分的必要搞清楚这个数学期望，这是区别于投机和赌博的分界线。投机和赌博非常相似，金融市场投机比赌博出现的要晚得多，所以金融市场的很多理念都源自赌博，比如数学期望和资金管理。

究竟什么是数学期望，用人话说就是如果期望值大于0，长期玩下去就一定能挣钱；相反如果期望值小于零，长期玩下去就一定会亏钱，和运气无关。

算法：数学期望 = 胜率 * 盈亏比 - (1 - 胜率)

投机中的数学期望只由两个部分构成：

一个是概率，

一个是盈亏比。

交易中最重要的就是这两个概念。

如果你的系统胜率是50%，那么你的盈亏比为1，你就不会亏钱，只需要稍微提高胜率，或者盈亏比，就可以打造一个赚钱的系统。但是这里要注意，从数学上来看，胜率永远不可能超过百分之百，所以我们要做的是尽可能提高盈亏比是更加明智的选择。一般来说，无论是什么交易者，胜率都在50%及一下。

假设你的盈亏比是0.5，那么你需要一个胜率为75%的系统。有可能做到吗？可能
假设你的盈亏比是0.1，那么你需要一个胜率为90%的系统。有可能做到吗？不太可能

假设你的胜率是50%，那么需要一个盈亏比1:1的系统就不亏钱，有可能吗？可能
假设你的胜率是10%，那么需要一个盈亏比1:10的系统，有可能吗？可能

做大概率对的，盈亏比高的事

提升胜率的你：
1.亏损就是急于回本，急于回本就会频繁交易，频繁交易就会患得患失……
2.尽管自己是赚钱的但看到别人赚几百上千万，自己反而更难受，恨不得杠杆拉满，然后完蛋，
3.开单后赚了小钱跑了然后出现了大行情拍大腿踏空，然后下次想做大行情，结果有点利润又回撤又被套了，重复在这种煎熬中……

提升胜率难如登天，但是提升盈亏比，你只需要坐着等就可以了。

我在新手阶段最纠结的两件事，就是如何选择时间周期和均线周期，困扰过我很久。我想大多数新手也面临这个问题。

先谈谈时间周期：

1、无论什么时间周期，都遵循相同的价格行为，只是时间周期越小，提供的交易机会越多，同样的导致亏损的机会也越多,
2、大的时间周期趋势方向是由小周期演化而来，但这是一句废话，因为你肯定100%是从小长大的，但是市场在演化出大周期的趋势之前，可能有99次相反的小周期，只有一次机会小周期会引发大周期
3、顺大势逆小势，也是废话，真正狂暴的上涨下跌，都是小势引发的。

确定了时间周期，均线周期才有意义

1、均线就是当前均线周期的平均持仓成本
2、15分钟的Ema 80就是一小时的Ema 20
3、市场很多交易者，以20；60；120作为判断当前时间周期的短期，中期，长期平均成本
4、如果你觉得55；99；144是当前时间周期的短期，中期，长期平均成本，也没有任何问题

结论

不要纠结时间周期和均线周期，任何数值都没有任何问题，专注即可。
你的系统是15分钟的ema 20你就一直坚持，看不看别的时间周期和均线周期？我觉得没事可以看，但是交易的过程中别看，看多了只会纠结和怀疑。

关键是：一致性。

你的系统要求的条件，你能控制的部分永远是常量，市场本身是变量，不要给自己创造变量。不要改变你的数学期望值，除非你重新设计系统。