周一早晨九点十五分,A 股集合竞价开始。
林晨坐在书房电脑前,屏幕上并排开着四个窗口:左边是“Phoenix Trader”系统的监控面板,实时显示着策略状态、持仓信息和风险指标;中间是行情软件,红绿 K 线正在跳动;右边是 Python IDE,随时准备介入调整;最下方是资金账户的登录界面,余额显示着刚转入的 .00 元。
他深吸一口气,点击了监控面板上的“启动实盘”按钮。
系统状态从“模拟盘”变为“实盘运行”,日志窗口开始滚动信息:
[09:15:03]系统启动,连接券商 API 成功
[09:15:05]加载今日候选股票池……完成,共 23 支标的
[09:15:08]执行开盘前风险检查……通过
[09:15:10]等待开盘……
过去一周的模拟实盘测试结果不错——在严格控制仓位和止损的前提下,系统在五个交易日内实现了 1.7% 的正收益,最大回撤控制在 0.8% 以内,资金曲线平稳上升。虽然模拟盘和实盘存在差距,但至少证明这套从数据清洗、特征工程、模型预测到风险控制的完整链路,在逻辑上是自洽的。
“代码可以骗人,但逻辑不会”。林晨低声重复着自己的口头禅,“现在,该让人来检验逻辑了”。
九点三十分,正式开盘。
监控面板上的数字开始跳动。系统按照既定策略,在开盘后五分钟内完成了首批建仓——不是一次性买入,而是分三笔在细微的价格波动中入场,这是他从风险管理中学到的“平滑入场”技巧。总仓位控制在 30%,分散在三支不同行业的股票上。
林晨强迫自己不去看分时图的每一次波动。他起身去厨房倒了杯水,回来时发现其中一支持仓股票已经上涨了 1.2%,系统自动触发了第一层止盈预警,将该标的标记为“次日优先减仓”。
“这么快”?他有些意外,坐回椅子上。
日志窗口更新:
[09:38:15]标的[002XXX]触发止盈阈值 1,记录止盈信号
[09:38:17]受 T+1 规则限制,当日不可卖出,已加入次日减仓计划
盈利虽然微小,但那个“+”号让他心跳加速了一下。这是真正的钱,不是模拟盘里的数字——虽然收益尚未落袋,但系统已经在真实市场规则下给出了正向反馈。
整个上午,系统又完成了两次小规模的交易:一笔来自原有持仓的减仓操作,一笔是当日新建的试探性仓位。一盈一亏,盈亏相抵后略微盈利。林晨逐渐适应了这种“旁观者”的角色——他设计了这个系统,现在需要相信它,就像飞行员相信自动驾驶仪。当然,他设置了硬性风险底线:单日最大亏损不超过总资金的 2%,一旦触发,系统将禁止新增仓位,并在可交易窗口内逐步降低持仓。
中午休市时,他算了下账:上午交易了五笔,全部为可卖出仓位或合法建仓,扣除手续费后净赚 87 元。
“还不够一顿像样的午饭”。林晨苦笑,但心里那点成就感是真实的。这 87 元的意义不在于金额,而在于验证——验证他这几个月埋头苦学的 AI 技术、量化知识,真的能在真实的 A 股交易规则下产生现金流,哪怕只是涓涓细流。
下午开盘后,市场波动加大。一支持有隔夜仓位的股票突然跳水,跌幅迅速扩大到 ?3.5%,触发了系统的动态止损线。日志窗口弹出警告:
[13:42:33]标的[300XXX]价格异常波动,触发动态止损
[13:42:35]执行可卖出仓位止损,亏损 ?2.1%
林晨看着那笔亏损的交易记录,心里紧了一下。但他马上注意到,系统在止损后并没有贸然加仓,而是将释放的风险额度用于重新评估市场结构,并把另一支刚出现买入信号的股票加入了次日重点观察列表。三分钟后,这支股票开始拉升,而系统保持了克制的沉默。
到下午三点收盘时,当日的交易汇总出来了:
总交易次数:9 笔
盈利次数:5 笔
亏损次数:4 笔
累计盈亏:+142 元
当日收益率:0.284%
年化收益率(按单日简单推算):约 74.8%(这个数字意义不大,他知道)
最大回撤:?0.7%
林晨盯着“+142 元”看了很久。然后他打开手机银行,确认证券账户的可用资金确实变成了 元。
他靠在椅背上,长长地呼出一口气。
窗外的阳光斜射进来,在书桌上投出明亮的光斑。鹏城四月午后的温度正好,楼下小区里有老人在散步,远处深南大道上的车流声隐隐传来。这个再普通不过的工作日下午,对林晨来说却像是一个仪式——他从一个被动等待雇佣的
>>>点击查看《AI时代:码农的涅盘重生》最新章节