🎯 今日核心问题

  1. 三个月后回看今天这笔交易,你能还原出「当时为什么买」吗?
  2. 一笔赚钱的交易,一定是好决策吗?

📖 精读提纲

【一】日志不是为了记录,是为了审判

真正有用的日志必须做到一件事:让三个月后的自己,在不知道结果的情况下,能重现当时的决策环境。这意味着必须记下当时可得的信息、当时的预期、以及在当时看来什么情况会证明我错了。第三条最关键——如果你写不出失效条件,说明你根本不是在投资,是在许愿。

为什么要这么细?因为人脑对过去的记忆是被结果篡改过的:涨了你会记得「我当时就觉得它便宜」,跌了你会记得「我本来也不太看好」。这叫后视偏差,比回测里的前视偏差更隐蔽——它发生在你记忆里,没有任何断言拦得住。日志是唯一的外部证据。

【二】下单前必须写的六个字段

字段怎么写反例(没用)
标的与方向代码、名称、买/卖、计划仓位%「加点白酒」
触发信号哪一层/哪条规则触发的:多因子打分第 3 名、或跌破 MA20 止损「形态不错」
核心假设一句话:我认为会发生什么,因为什么「看好公司前景」
失效条件可观测、可量化:跌破 32 元 / 下季毛利率 < 25% / 持有 60 日不涨「逻辑变了就卖」
预期收益与时间目标价/目标涨幅 + 预期兑现窗口(如 3 个月 +20%)空着
情绪自评1-5 分,5 = 极度兴奋/极度恐慌。事后能看出情绪与失误的相关性不记

这六个字段加起来一分钟能写完。写不完的,通常不是时间不够,是你根本没有假设。

【三】T+5 / T+20 回填与复盘模板

日志只有一半在下单前写,另一半必须在固定时点回填,否则永远只有「买入理由」没有「结果对照」。建议两个回填点:T+5(短期是否按预期走,验证信号有效性)与 T+20(假设是否成立,验证逻辑)。回填只填三项:实际涨跌幅、假设成立/部分成立/不成立、如果重来我会不会做同样的决策。

第三项是复盘的灵魂。它把「赚钱/亏钱」和「决策好坏」拆开了——你会统计出一个非常反直觉的格子:赚钱但决策错误(蒙对)和亏钱但决策正确(运气差)。前者是最危险的,因为它会强化坏习惯;后者是最容易被误杀的,因为它会让你放弃一套本来就正确的流程。连续 20 笔交易后,你能算出自己的「蒙对率」,这个数字比胜率更能说明问题。

【四】月度复盘:三个问题定生死

每月最后一个交易日,把当月所有日志拉出来,只问三个问题。一、违规次数:违反宪法几条?分别在哪笔?二、归因:本月收益拆成「因子暴露贡献、行业配置贡献、个股选择贡献、择时贡献」四块,哪块是正向的?如果某块连续三个月为负且无逻辑支撑,就该关掉它。三、最大单笔亏损复盘:是失效条件没写清,还是写了没执行?这两者是完全不同的问题——前者改模板,后者改人。

【五】工具选择

别一上来就搭系统。最小可用版本是一张 CSV:六字段 + 三个回填项,共九列。超过 200 条再考虑数据库和可视化——很多人死在「先做个漂亮面板」上,面板做了三周,一笔没记。

💻 代码示例

import pandas as pd
from datetime import date

COLS = ["date", "code", "name", "side", "weight_pct", "signal_source",
        "hypothesis", "invalidate_if", "target_pct", "window_days", "emotion"]

def log_trade(path, **kw):
    df = pd.read_csv(path) if __import__("os").path.exists(path) else pd.DataFrame(columns=COLS)
    row = {"date": date.today().isoformat(), **kw}
    missing = [c for c in COLS if c not in row or str(row.get(c, "")).strip() == ""]
    if missing:
        raise ValueError(f"决策日志不完整,缺:{missing}")   # 没写不成交
    pd.concat([df, pd.DataFrame([row])], ignore_index=True).to_csv(path, index=False)

# 回填:T+5 / T+20
def review(path, idx, ret_pct, verdict, same_decision: bool):
    df = pd.read_csv(path)
    df.loc[idx, ["ret_pct", "verdict", "same_decision"]] = [ret_pct, verdict, same_decision]
    df.to_csv(path, index=False)

# 月度违规审计
def violation_rate(path, hard_rules=(1, 4, 9)):
    df = pd.read_csv(path, parse_dates=["date"])
    m = df[df.date.dt.to_period("M") == df.date.max().to_period("M")]
    over = (m.weight_pct > 15).sum()                       # 第1条
    return {"trades": len(m), "over_15pct": int(over),
            "log_coverage": round(df.hypothesis.notna().mean(), 3)}

✏️ 今日动手

1) 建好日志文件,把上面九个字段写进去(可以先用 CSV,不写代码)。

2) 挑你手上正在持有的一只票,补写一份完整的入场日志——包括失效条件。如果写不出失效条件,今天就把这只票的止损位定下来。

3) 写一条硬约束:日志未填,不允许下单。把它加进你的宪法第 10 条。

🔖 明日预告

有了体系图和宪法,接下来要把它展示给别人看。明天写策略回测报告:一份能让面试官在 3 分钟内相信「这个人真的做过」的版本。