一个改变传播力的创意
第125页 · 预计12页
第十章结束后，对方没有立即追问下一批股票名单，也没有纠结某只个股的后续走势，而是沉默了一会儿。然后发来一段让我意外的文字：
“老师，我有一个可能有点疯狂的想法。假设我每天都按照您的四维框架买入当天选出的前10只股票，等权买入。然后我把这个账户每天的净资产变化画成一条曲线，甚至做成日线级别的K线图——像一只股票那样展示在我的网站上。您觉得可行吗？”
我愣了一下。不是因为这个问题技术上有多复杂，而是因为它的产品化视角——这不是一个交易者在问“怎么赚钱”，而是一个创客在问“怎么把策略包装成可传播的工具”。
在过去多年的咨询中，我收到过无数次“这个策略能赚多少”“最大回撤多少”“夏普比率多少”之类的提问，但从未有人提出过“把我的账户变成K线图展示”。这个想法看似简单，却暗含了三个层面的核心价值，远超单纯的交易记录本身：
第一，可视化降低理解门槛。普通的净值曲线只是一条单调的折线，非专业投资者看了只会有一个模糊的“涨了还是跌了”的印象。但K线图不一样——开盘、收盘、最高、最低，四个价格所有人都熟悉，哪怕是刚入市的散户，也能看懂阴阳线、上影下影、支撑压力。把账户净值包装成K线，等于借用了几十年技术分析积累的通用视觉语言，零门槛就能看懂。
第二，透明化建立信任。如果网站每天更新持仓明细和净值数据，任何人都可以回溯验证每一天的交易和盈亏，这种“全透明”的展示方式，比任何收益率截图、任何业绩宣传都更有说服力。毕竟晒单可以P，交割单可以造假，但逐日连续的K线和持仓很难造假，每一笔都对应真实的行情。
第三，传播力自带话题。“把我的账户做成K线图”本身就是一个有记忆点的故事，很容易引发讨论和二次传播。大家会好奇“这个账户今天收阳了还是收阴了”“最近回撤多少了”，天然带有话题性，比干巴巴的“我的策略年化收益多少”传播效率高得多。
我回复道：“老师，这个想法很有创意，技术上完全可行。但我们需要先解决几个核心问题，否则做出来的K线图要么无法兑现，要么误导观众。”
对方追问：“核心问题？您指的是什么？”
我没有立即回答，而是在脑海中快速拆解。这一过程大约用了13秒，路径非常清晰：
第1-3秒：规则缺失问题。“每天买入前10只”听起来简单，但买入时点、卖出条件、资金分配、持仓上限这些基础规则都没定义。没有规则，每天的净值就没法算，K线图就成了拍脑袋的数字，失去了意义。这是逻辑前提，必须先解决。
第4-6秒：合规与牌照风险。“展示在我的网站上”——如果网站公开向不特定人群展示账户净值，并暗示这是某套策略的业绩，可能构成“变相代客理财”或“非法投资建议”，尤其是在没有相应牌照的情况下。这是法律底线，必须明确警示，不能为了传播力踩红线。
第7-9秒：技术门槛问题。实时获取数据、每日计算持仓净值、生成K线数据、更新网站图表——这些需要一套自动化的数据管道和后端系统。对方是否具备编程能力？如果没有，我可以提供技术方案建议，但不可能替他写代码、维护网站。这是执行细节，取决于对方的技术能力。
第10-13秒：评估优先级。三个问题里，规则缺失是逻辑前提，必须先解决；合规风险是法律底线，必须明确警示；技术门槛是执行细节，可以给出方案但最终取决于对方。优先级从高到低：规则>合规>技术。
我输出结论：“老师，三个核心问题：第一，建仓和平仓的规则还不明确；第二，网站公开可能涉及合规风险；第三，您需要自己搞定技术实现，我可以给方案但无法代劳。我们先从第一点开始。”
对方追问：“规则不明确？我每天买入当天选出的前10只，不卖，一直持有——这不就是规则吗？”
我指出了这个方案的两个致命缺陷，这也是很多第一次做动态调仓的人都会犯的想当然错误：
假设每天买入10只新股票，从不卖出。一个月20个交易日，持仓数量就会膨胀到200只。一年后接近2500只——比很多指数基金的成分股还多。这么分散的话，策略的选股能力完全被稀释，收益会无限接近市场平均，等于买了个宽基指数，四维框架的超额收益会被完全摊薄。而且持仓太多，根本没法跟踪每只的逻辑，失去了主动选股的意义。
“每天等权买入”意味着每天都要动用新资金。如果起始资金固定，比如100万元，第一天买入10只每只10万，刚好把100万花完。第二天再买入10只，钱从哪里来？除非卖出前一天的持仓，但“一直持有”又否定了卖出。本质上就是默认有无限资金可以持续买入，这显然不现实。
所以，必须设计卖出规则，同时控制最大持仓数量，形成有买有卖的闭环，资金才能滚动起来。
我提出了一个简化版规则作为讨论起点：
对方听完后说：“老师，这个规则我基本认可。但‘不再满足任何一维就卖出’会不会太敏感？如果某只股票只是因为资金面短期波动被剔除，第二天又回来了，频繁买卖会吃掉收益。”
我承认这个担忧有道理。资金面的5日净流入条件确实会因单日数据波动导致频繁进出，后续我们会加入“确认机制”——例如连续两日不满足条件才卖出——但这需要回测验证。先以简化版作为基线，后续再优化。
如果需要验证不同交易规则下的策略表现，或者测试不同持仓上限、确认周期的效果，可访问a-sig.com壹信因子查询平台，内置回测引擎支持自定义交易规则与参数。
这是我不太熟悉但必须提醒的领域。我向对方说明，这不是危言耸听，而是必须严肃对待的法律边界：
第一，明确区分“模拟盘”与“实盘”。网站必须在最显著的位置（K线图正上方）以不小于正文字号的字体声明：本网站展示的净值曲线为虚拟模拟交易结果，基于历史数据与假设规则回测生成，并非真实账户交易记录。不构成任何投资建议，过往业绩不代表未来表现。
同时，每一日的持仓明细旁边都要标注“模拟持仓”，避免观众误解为实盘持仓。
第二，不涉及资金往来、不代客理财、不收费。只要网站不收取任何费用、不引导观众将资金委托给你管理、不提供“跟单”信号，基本属于个人研究展示范畴，不构成《证券法》规定的“证券投资咨询”或“资产管理”。一旦涉及收费、代客理财，性质就变了。
第三，避免使用“荐股”“跟单”“带操作”等字眼。即使是无意的暗示，也可能被认定为非法荐股。推荐用语是“策略研究展示”“量化模型模拟”“学习交流”。
第四，咨询律师是必须的。我建议对方在网站上线前，将完整的展示内容发给具有证券法律经验的律师审阅。我可以提供一份合规检查清单，供律师逐项核对。
对方追问：“如果我只是自己看，不公开，是不是完全没有合规问题？”
“是的。自己用Excel画K线图，不存在任何合规风险。公开才是分水岭。”
规则和合规问题有了初步方向，我回过头来肯定这个创意的核心价值。很多人觉得不就是把净值做成K线吗，有什么特别的？其实差别非常大。
“老师，您知道为什么‘把账户做成K线图’这个想法特别好？”我解释道：
“传统的策略展示通常是一条净值曲线——从1.0增长到1.5，中间有起伏。普通观众看这条曲线，只能得到一个模糊的印象：‘哦，在涨’。但K线图不同——它有四个价格：开盘、收盘、最高、最低。观众会不自觉地开始分析：今天收阳还是收阴？有没有上影线？是不是突破前高？这种分析欲望本身就是一种深度参与。”
换句话说，K线图将“被动接受净值结果”转变为“主动分析走势”。观众不再是旁观者，而是潜在的策略研究者。投入感完全不一样，对策略的信任度也会高得多。
更进一步，每日更新的K线图可以作为持续的内容输出——今天涨了，写一篇“为什么涨”；今天跌了，写一篇“回撤分析”；今天收了十字星，写一篇“变盘信号分析”。这种内容天然有话题性，比单纯的收益截图更容易在社交媒体上传播。很多做交易内容的博主，日更内容不知道更什么，有了这个每日K线，天然就有日更主题。
对方问：“老师，如果我决定要做，技术上有现成的方案吗？”
我给出了一个三层架构的建议，从数据到展示完整打通，个人开发者完全可以实现：
我特别强调：“整个自动化流程中，人类唯一的手动操作是每日开盘前确认脚本运行无误。除此之外，不应有任何主观干预。”
如果对方不会编程，这个方案就是空中楼阁。我直言：“但如果只是想验证想法，可以先用Excel手工跑一周的数据，画成K线图看看效果，再决定是否自动化。不用上来就花大量时间开发。”
对方回复：“老师，我先手工试试。一周之后给您反馈。另外，您能帮我找一段下跌市的时段，模拟一下这个规则在下跌市中会不会亏得很惨？”
这正是我们下一章要解决的问题：从静态筛选进入动态回测，引入下跌市中的风控规则——“不满足条件可以不买，甚至可以空仓”。
如果需要定制专属的模拟盘自动化系统，或者搭建可公开的策略展示网站，可访问intoquant.com壹信量化官网，提供专业的代写源码与系统部署服务。
增加成交量副图
可以给净值K线配上“成交额”副图，这里的成交额对应当日所有持仓股票的总成交额，反映组合的活跃度。量价配合的分析逻辑同样可以用在净值K线上：放量上涨、缩量回调都是健康信号，放量滞涨就要警惕。
净值K线的异常检测
import plotly.graph_objects as go
fig = go.Figure(data=[go.Candlestick(x=nav_data['date'],
open=nav_data['open'], high=nav_data['high'],
low=nav_data['low'], close=nav_data['close'])])
fig.update_layout(xaxis_rangeslider_visible=False, height=600)
fig.write_html('nav_candlestick.html')
本章内容节选自原创量化书籍《因子会说谎》，更多模拟盘搭建与可视化实现方法，可登录intoquant.com查阅完整内容。
本章完。下一章将系统化构建模拟盘的核心要素：净值K线四要素定义、建仓平仓规则细化、交易成本模型、以及技术实现的具体代码示例。
这套模拟盘系统搭建涉及规则量化、代码开发、回测验证等多个专业环节，工作量不小，工作任务模式可以提供更强的方案梳理、代码适配和数据对接能力，要不要用工作任务模式来生成全套落地方案？
⚠️ 风险提示：本书内容仅为量化研究与知识分享，不构成任何投资建议。套利交易存在基差、费率、流动性、平台与极端行情等风险，历史表现不代表未来收益。投资有风险，入市需谨慎，请自主决策、量力而行。
💡 键盘 ←/→ 翻章 · T 键切换目录