基于 Mark Minervini，《像冠军一样思考与交易》（2017）
SEPA（特定入场点分析）是Minervini用于识别成长股高概率入场点的专有框架。第一本书（《像股票市场巫师一样交易》，2013）介绍了核心机制，而第二卷深化了方法论，强调：
Minervini的业绩记录——在美国投资锦标赛（1997）期间经验证的220%年度回报以及此后多次顶级成绩——支撑了这一系统的可信度。SEPA的关键洞察是，最佳交易在走出最大行情之前都具备可识别的特征。交易者的工作不是预测未来，而是识别当前设置何时与超级业绩股票的历史蓝图相匹配。
核心哲学：你不需要大多数时候都正确。你需要在错误时保持损失小，在正确时让赢家奔跑。结果的非对称性，而非仅仅是击球率，推动复利。
Minervini在关注过程（你能控制的）和结果（你不能控制的）之间划了硬线。一笔完全按计划执行但结果亏损的交易仍然是好的交易。一笔偶然盈利的草率交易是教你错误教训的坏交易。
冠军交易者通过坚持过程来评估表现，而非任何单笔交易的盈亏。在大样本下，正确的过程产生正确的结果。
信心不是天生的——它是通过准备制造的：
Minervini描述了冠军反复导航的四阶段周期：
在股票可以被考虑购买之前，它必须同时通过所有八个标准。没有部分通过。每一项标准在评估日必须满足：
| # | 标准 | 理由 |
|---|---|---|
| 1 | 当前价格高于150日（30周）移动平均线 | 确认中期上升趋势 |
| 2 | 当前价格高于200日（40周）移动平均线 | 确认长期上升趋势 |
| 3 | 150日均线在200日均线上方 | 中期趋势引领长期趋势走高 |
| 4 | 200日均线至少上涨1个月（理想4-5个月以上） | 长期趋势已经转变并确立 |
| 5 | 50日（10周）均线高于150日和200日均线 | 短期趋势引领中期和长期 |
| 6 | 当前价格比52周低点高至少25%（许多龙头股高于100%） | 股票已展示显著的上行 momentum |
| 7 | 当前价格在52周高点的25%以内（理想0-15%以内） | 股票处于相对强势位置，接近新高 |
| 8 | IBD相对强度评级为70或更高（理想80-90+） | 股票表现优于大多数其他股票 |
实施注：标准8可以通过计算股票12个月价格表现相对于宇宙中所有其他股票的百分位等级来近似。RS评级80意味着该股票在过去12个月中表现优于80%的其他股票。
200日移动平均线是最重要的单一技术参考：
永远不要购买交易于下降中的200日均线下方的股票。这一规则消除了大多数灾难性损失。
50日和200日均线之间的关系提供趋势结构：
理想设置是价格交易于50日和200日均线上方，股票在VCP收缩期间回调至或"停留在"50日。50日作为第二阶段上升趋势中领先股票的动态支撑位。
在筑底模式内，每次连续的收缩应形成比前一次收缩更高的低点。这表明卖压正在减弱，需求在更高水平吸收供应。
这种在底部内的"楼梯式"更高低点机构积累的标志。
VCP是Minervini的标志性模式。它描述了一个底部形成，其中价格波动通过一系列连续的收紧而收缩，每次的价格区间都比前一次小。这种收缩代表机构买家逐渐吸收上方供应，直到卖家基本耗尽，股票准备好上涨。
正式定义：VCP由两个或更多的价格区间收缩组成，其中每次连续的收缩都比前一次小，成交量在模式最紧密的部分下降，创造了股票突破的"支点"。
并非所有VCP都相同。底部的阶段决定成功概率：
如何计数底部：当股票从第二阶段上涨期间的回调超过其平均回调的2.5倍时，或者当它跌破前一个底部低点时，底部计数重置。
VCP的标志是每次收紧（T）都比前一次窄：
例子：
T1（第一次收缩）：从左侧高点回调30%
T2（第二次收缩）：回调15%
T3（第三次收缩）：回调7%
T4（第四次收缩）：回调3% <-- 支点区域
关键规则：
支点处的成交量行为至关重要：
红旗：如果成交量在最后一次收缩期间保持 elevated 或增加，表明持续分发（卖出）。模式尚未成熟。
正确支点存在时：
过早支点发生于：
VCP正在失败或可能失败的迹象：
支点是下买入订单的具体价格：
在突破日，成交量必须确认走势：
如果突破日成交量低于40%门槛，突破令人怀疑。如果价格保持在支点上方，你仍可持有仓位，但准备好突破停滞或失败。
可买入的向上跳空是最强大的入场信号之一。当股票在 extraordinary 成交量上跳空上涨，通常在业绩或重大积极催化剂之后：
关键区别：并非所有跳空上涨都可买入。来自 extended、晚期位置的跳空是潜在卖出信号（高潮跳空），而非买入信号。
低位作弊支点允许在正式突破之前入场：
优势：止损更紧密（2-4% vs 5-8%），因此你可以用相同的美元风险采取更大的仓位。 劣势：更多错误开始。你可能被止损出局，然后不得不在正式支点重新入场。
强势突破是Minervini用来描述在强劲业绩跳空上涨后形成的极紧密区间突破的术语：
这是最高概率设置之一，因为：
Minervini的系统建立在资本保护的铁律上：
投资组合热度是所有持仓中处于风险中的总资本：
如果投资组合热度接近20-25%，不要新增持仓，直到现有持仓上涨到足以将止损移至盈亏平衡，降低总热度。
仓位规模（$）= 每笔交易的美元风险 / 距止损距离（%）
其中：
每笔交易的美元风险 = 投资组合价值 x 每笔交易最大风险（%）
距止损距离 = （入场价 - 止损价）/ 入场价
例子：
投资组合： $100,000
每笔交易最大风险：1.0% = $1,000
入场价： $50.00
止损价： $47.00
距离： ($50 - $47) / $50 = 6%
仓位规模 = $1,000 / 0.06 = $16,667
股数 = $16,667 / $50 = 333股
关键原则：仓位规模是止损距离的函数。更紧密的止损允许更大的持仓。这就是低位作弊支点强大的原因——更紧密的止损允许用相同的美元风险更大的持仓。
Minervini区分击球率（胜率）和长打率（平均盈利 vs 平均亏损）：
期望值公式：
期望值 = （胜率 x 平均盈利）-（失败率 x 平均亏损）
例子：
胜率：50%，平均盈利：$2,000
失败率：50%，平均亏损：$800
期望值 = (0.50 x $2,000) - (0.50 x $800) = $1,000 - $400 = $600 每笔交易
冠军交易者优化期望值，而非胜率。如果赢家足够大，在大多数交易上亏损是完全可接受的。
每笔交易都应该用其R倍数来衡量，其中R = 初始风险（每股从入场到止损的美元距离）：
目标：所有交易的平均R倍数应为+1.5R到+3R，才能成为稳健的系统。严格跟踪这个指标。如果平均R倍数随时间下降，过程中的某些东西在退化。
进攻性卖出是主动的、计划的卖出以锁定利润：
这种方法在保持对股票潜在继续上涨的敞口的同时锁定利润。
防御性卖出是保护资本的反应性卖出：
基于他对历史超级业绩股票的研究，Minervini观察到许多股票在适当支点后上涨20-25%然后盘整：
高潮顶部标志股票上涨的结束。识别这些让你在接近顶部卖出，而非回吐利润：
如果股票从VCP突破然后在 extended 期间没有进展：
Minervini主张集中投资组合：
理由：集中强制纪律。如果你只能持有5只股票，你必须选择绝对最佳设置。对于 momentum/成长交易者来说，分散化是对无知的对冲——而Minervini的方法旨在通过严格分析消除无知。
你的权益曲线（随时间累积的盈亏）本身就是一个应该被管理的趋势：
激进时：
防御时：
Minervini随时间建立持仓的方法：
这种"反马丁格尔"方法——赢时增加赌注，输时减少——与大多数交易者做的相反（加倍输家）。这是复利的关键。
每笔交易，无论盈亏，都要进行事后分析：
维护记录交易的交易日志（电子表格或专用软件）：
| 指标 | 描述 | 目标 |
|---|---|---|
| 胜率 | 盈利交易百分比 | 40-60% |
| 平均盈利% | 盈利交易的平均百分比收益 | 15-25%+ |
| 平均亏损% | 亏损交易的平均百分比损失 | 3-7% |
| 回报比 | 平均盈利/平均亏损 | 3:1或更高 |
| 期望值 | （胜率 x 平均盈利）-（败率 x 平均亏损） | 正值 |
| 平均持仓期（W） | 赢家平均持仓天数 | 20-60天 |
| 平均持仓期（L） | 输家平均持仓天数 | 5-15天 |
| 单笔最大亏损 | 任何单笔交易的最大损失 | <投资组合的2% |
| 最大回撤 | 峰值到谷底的权益下降 | <15-20% |
| 利润因子 | 总利润/总亏损 | >2.0 |
| 平均R倍数 | 所有交易的平均R | >+1.5R |
| 连续亏损 | 连续亏损交易的最大连续次数 | 注意和管理 |
常见错误在指标中显示：
在每年年底，进行全面回顾：
Minervini不试图预测市场方向。相反，他通过可观察的信号回应市场告诉他的：
分发日的定义：
分发日积累：
注意：并非所有分发日都相等。成交量略高的轻微0.2%下跌是温和的。成交量高50%的-2.0%下跌是严重的。相应地加权它们。
超过25个交易日的分发日"过期"并从计数中删除。
| 市场信号 | 行动 | 目标敞口 |
|---|---|---|
| 上升趋势确认，突破有效 | 增加 | 80-100%已投资 |
| 上升趋势完好，信号混合 | 维持 | 50-80%已投资 |
| 分发积累，突破混合 | 减少 | 30-50%已投资 |
| 下降趋势确认，突破失败 | 最小化 | 0-25%已投资 |
| 熊市，瀑布式下跌 | 退出 | 0%已投资（100%现金） |
现金不是"非持仓"。现金是主动的、有意的配置：
持有现金的意愿——有时是数周或数月——是专业人士与业余人士的区别。大多数交易者感到被迫始终"做点什么"。冠军理解有时最好的行动是不行动。
在底部过早买入：股票尚未完成其VCP收缩。上方供应尚未被吸收。结果：股票反转回底部。
买入延伸的股票：股票已经比适当支点高10-15%。风险回报反转。结果：正常回调会止损出局导致损失。
逢低摊平：添加到亏损持仓。这违反了动量交易的每一条原则。结果：小损失变成灾难性损失。
不遵守止损：最具破坏性的错误。一笔大损失可以抹去数月的纪律性收益。结果：账户损害和心理伤害。
过度交易：因为感到需要 active 而接受平庸的设置。结果：被千刀万剐。
** Winners仓位不足**：即使设置完美且股票正在运作，持仓太小，无法对投资组合产生有意义的影响。结果：大量小赢无法抵消不可避免的损失。
过早卖出赢家：因为害怕回吐利润导致过早离场。股票继续翻倍或翻三倍。结果：截断的收益破坏回报比。
忽视市场环境：在熊市中买入突破。即使是最好的设置在退潮时也会失败。结果：在其他方面有效的模式上高失败率。
报复交易：亏损后，立即进入新交易来"弥补"。结果：导致进一步损失的情绪化、不纪律的交易。
不一致：有时遵循规则，有时忽略它们。结果：没有优势。你无法评估你不一致执行的系统。
混淆牛市与技能：在强劲牛市中，几乎所有东西都上涨。这滋生过度自信和自满。结果：当市场转向时灾难性损失。
分析麻痹：研究如此多的指标、模式和变量，以至于你无法对任何交易扣动扳机。结果：错过的机会和沮丧。
第一阶段：识别（趋势模板筛选）
日期：1月15日
ABCD当前价格： $48.00
200日均线： $38.00（上涨5个月） -- 通过
150日均线： $41.00（在200日上方） -- 通过
50日均线： $45.50（在150日和200日上方） -- 通过
价格 vs 200日均线： 上方 -- 通过
价格 vs 150日均线： 上方 -- 通过
52周低点： $25.00；当前高于92% -- 通过（>25%）
52周高点： $52.00；当前低于8% -- 通过（<25%）
RS评级： 89 -- 通过（>70）
所有8项标准：通过 -- 股票进入观察名单
第二阶段：VCP形成（模式监控）
1月15日 - 1月25日：T1收缩
高点：$52.00（52周高点）
低点： $43.00
深度：17.3%（第一次收缩可接受）
成交量：下跌时平均至略高于平均
1月26日 - 2月8日：T2收缩
高点：$49.50
低点： $45.50
深度：8.1%（不到T1的一半 -- 好）
成交量：下跌时低于平均
2月9日 - 2月15日：T3收缩
高点：$49.00
低点： $47.50
深度：3.1%（不到T2的一半 -- 优秀）
成交量：低于50日平均50% -- 成交量枯竭确认
支点确定：$49.00（T3紧密区间的高点）
第三阶段：入场
日期：2月16日
买入止损单放置在$49.10（支点上方10美分）
订单在成交量比50日平均高120%时触发 -- 确认
止损：$46.50（在T3低点下方，低于入场5.3%）
每股风险：$49.10 - $46.50 = $2.60
投资组合：$200,000
每笔交易风险：1.0% = $2,000
仓位规模：$2,000 / $2.60 = 769股
美元价值：769 x $49.10 = $37,758（投资组合的18.9%）
第四阶段：管理
第1周（2月16-20日）：ABCD收于$51.25（从入场+4.4%）
行动：持有。股票表现正常。
第2周（2月23-27日）：ABCD收于$54.00（从入场+10.0%）
行动：将止损提高到盈亏平衡（$49.10）。这笔交易的风险已消除。
第3周（3月2-6日）：ABCD收于$56.50（从入场+15.1%）
行动：在$56.50卖出250股。锁定部分利润。
剩余：519股。
第5周（3月16-20日）：ABCD收于$61.00（从入场+24.2%）
行动：在$61.00卖出250股。接近25%利润目标。
剩余：269股。沿21日EMA（$57.50）追踪止损。
第8周（4月6-10日）：ABCD收于$58.00，低于21日EMA
达到高点$67.00后。
行动：以$58.00卖出剩余269股。
第五阶段：交易后回顾
总股数：769
第一批：250股以$56.50卖出，收益 = $7.40/股 = $1,850
第二批：250股以$61.00卖出，收益 = $11.90/股 = $2,975
第三批：269股以$58.00卖出，收益 = $8.90/股 = $2,394
总利润：$7,219
持仓回报：$7,219 / $37,758 = 19.1%
投资组合回报：$7,219 / $200,000 = 3.6%
R倍数：$7,219 / $2,000 = +3.6R
设置质量：A（教科书式VCP，3次收缩，成交量枯竭）
入场质量：A（成交量确认的支点买入）
管理质量：B+（本可以持有最后一批更久一点）
def detect_vcp(price_data, volume_data, lookback=130):
"""
在历史价格数据中检测波动收缩模式。
参数：
price_data: 包含列[date, open, high, low, close]的DataFrame
volume_data: 每日成交量序列
lookback: 最大底部长度，以交易日计（默认约26周）
返回：
带有收缩详情和支点水平的VCP对象列表
"""
vcps = []
highs = price_data['high']
lows = price_data['low']
closes = price_data['close']
avg_volume_50 = volume_data.rolling(50).mean()
# 第1步：找到左侧高点（底部开始）
left_high = highs.rolling(lookback).max()
# 第2步：识别收缩
for i in range(lookback, len(price_data)):
base_start = i - lookback
base_high = highs[base_start:i].max()
contractions = find_contractions(highs, lows, base_start, i)
if len(contractions) < 2:
continue # 需要至少2次收缩
# 第3步：验证收缩正在收紧
depths = [c['depth_pct'] for c in contractions]
if not is_decreasing(depths):
continue # 收缩必须变窄
# 第4步：检查收缩比率（每次大约是前一次的一半或更少）
ratios_valid = all(
depths[j+1] <= depths[j] * 0.75
for j in range(len(depths) - 1)
)
if not ratios_valid:
continue
# 第5步：检查最后一次收缩的成交量枯竭
final_contraction = contractions[-1]
final_volume = volume_data[
final_contraction['start']:final_contraction['end']
].mean()
volume_ratio = final_volume / avg_volume_50.iloc[i]
if volume_ratio > 0.70:
continue # 成交量不够枯竭（想要<平均的70%）
# 第6步：检查最终区域的紧密性
final_range = (
highs[final_contraction['start']:final_contraction['end']].max() -
lows[final_contraction['start']:final_contraction['end']].min()
)
final_tightness = final_range / closes.iloc[i]
if final_tightness > 0.05:
continue # 最终区域太宽（想要<5%，理想<3%）
# 第7步：定义支点
pivot = highs[final_contraction['start']:final_contraction['end']].max()
vcps.append({
'date': price_data['date'].iloc[i],
'pivot': pivot,
'num_contractions': len(contractions),
'contraction_depths': depths,
'volume_ratio': volume_ratio,
'final_tightness': final_tightness,
'quality_score': score_vcp(depths, volume_ratio, final_tightness)
})
return vcps
def find_contractions(highs, lows, start, end):
"""识别日期范围内的摆动高点到低点收缩。"""
contractions = []
swing_highs = find_swing_highs(highs, start, end, window=5)
swing_lows = find_swing_lows(lows, start, end, window=5)
for j in range(len(swing_highs)):
sh = swing_highs[j]
# 找到这个摆动高点之后的下一个摆动低点
subsequent_lows = [sl for sl in swing_lows if sl['index'] > sh['index']]
if not subsequent_lows:
continue
sl = subsequent_lows[0]
depth = (sh['price'] - sl['price']) / sh['price'] * 100
contractions.append({
'start': sh['index'],
'end': sl['index'],
'high': sh['price'],
'low': sl['price'],
'depth_pct': depth
})
return contractions
def score_vcp(depths, volume_ratio, tightness):
"""VCP质量评分0-100。"""
score = 0
# 更多收缩 = 更好（最多4次）
score += min(len(depths), 4) * 10 # 最多40
# 更紧的收缩比率 = 更好
avg_ratio = sum(depths[i+1]/depths[i] for i in range(len(depths)-1)) / (len(depths)-1)
if avg_ratio < 0.4:
score += 25
elif avg_ratio < 0.55:
score += 15
else:
score += 5
# 更低成交量 = 更好
if volume_ratio < 0.4:
score += 20
elif volume_ratio < 0.6:
score += 10
else:
score += 5
# 更紧的最终区域 = 更好
if tightness < 0.02:
score += 15
elif tightness < 0.03:
score += 10
else:
score += 5
return score
def passes_trend_template(stock_data):
"""
检查股票是否通过Minervini趋势模板的全部8项标准。
参数：
stock_data: 包含列[date, close, volume]的DataFrame
至少需要250行数据。
返回：
(bool, dict): (全部通过, 单项结果)的元组
"""
close = stock_data['close']
current_price = close.iloc[-1]
ma_50 = close.rolling(50).mean().iloc[-1]
ma_150 = close.rolling(150).mean().iloc[-1]
ma_200 = close.rolling(200).mean().iloc[-1]
# 检查200日均线至少上涨1个月（22个交易日）
ma_200_series = close.rolling(200).mean()
ma_200_one_month_ago = ma_200_series.iloc[-22]
ma_200_trending_up = ma_200_series.iloc[-1] > ma_200_one_month_ago
# 52周高点和低点
high_52w = stock_data['high'].iloc[-252:].max()
low_52w = stock_data['low'].iloc[-252:].min()
pct_above_low = ((current_price - low_52w) / low_52w) * 100
pct_below_high = ((high_52w - current_price) / high_52w) * 100
# 相对强度（简化：12个月百分位等级）
twelve_month_return = (current_price / close.iloc[-252] - 1) * 100
# 生产中，与宇宙中所有股票比较
rs_rating = compute_rs_rating(twelve_month_return)
results = {
'1_price_above_150ma': current_price > ma_150,
'2_price_above_200ma': current_price > ma_200,
'3_150ma_above_200ma': ma_150 > ma_200,
'4_200ma_trending_up': ma_200_trending_up,
'5_50ma_above_150_and_200': ma_50 > ma_150 and ma_50 > ma_200,
'6_price_25pct_above_52w_low': pct_above_low >= 25,
'7_price_within_25pct_of_52w_high': pct_below_high <= 25,
'8_rs_rating_above_70': rs_rating >= 70
}
passes_all = all(results.values())
return passes_all, results
class PositionManager:
"""用Minervini的风险规则管理活动持仓。"""
def __init__(self, portfolio_value, max_risk_per_trade=0.01,
max_portfolio_heat=0.20, max_positions=6):
self.portfolio_value = portfolio_value
self.max_risk_per_trade = max_risk_per_trade
self.max_portfolio_heat = max_portfolio_heat
self.max_positions = max_positions
self.positions = {}
self.trade_log = []
def calculate_position_size(self, entry_price, stop_price):
"""根据风险参数计算买入股数。"""
risk_per_share = entry_price - stop_price
if risk_per_share <= 0:
raise ValueError("止损必须在入场价下方")
dollar_risk = self.portfolio_value * self.max_risk_per_trade
shares = int(dollar_risk / risk_per_share)
position_value = shares * entry_price
# 限制在每持仓约25%的投资组合
max_position = self.portfolio_value * 0.25
if position_value > max_position:
shares = int(max_position / entry_price)
return shares, dollar_risk
def current_portfolio_heat(self):
"""计算所有持仓的总风险敞口。"""
total_heat = 0
for symbol, pos in self.positions.items():
risk = (pos['current_price'] - pos['stop_price']) * pos['shares']
# 只计算负风险（止损在当前价下方的持仓）
if pos['stop_price'] < pos['current_price']:
risk = (pos['entry_price'] - pos['stop_price']) * pos['shares']
else:
risk = 0 # 止损在入场价或上方（无风险）
total_heat += max(risk, 0)
return total_heat / self.portfolio_value
def can_add_position(self):
"""检查我们是否可以添加新持仓。"""
if len(self.positions) >= self.max_positions:
return False, "达到最大持仓数"
if self.current_portfolio_heat() >= self.max_portfolio_heat:
return False, "投资组合热度达到最大"
return True, "正常"
def open_position(self, symbol, entry_price, stop_price, date):
"""开新持仓。"""
can_add, reason = self.can_add_position()
if not can_add:
raise ValueError(f"无法添加持仓：{reason}")
shares, dollar_risk = self.calculate_position_size(entry_price, stop_price)
self.positions[symbol] = {
'entry_price': entry_price,
'stop_price': stop_price,
'current_price': entry_price,
'shares': shares,
'initial_shares': shares,
'entry_date': date,
'initial_risk': dollar_risk,
'partial_sells': []
}
return shares
def update_stops(self, symbol, current_price):
"""根据价格进展更新止损。"""
pos = self.positions[symbol]
entry = pos['entry_price']
initial_risk = entry - pos['stop_price']
gain_from_entry = current_price - entry
gain_in_r = gain_from_entry / initial_risk if initial_risk > 0 else 0
# 在+2R时将止损移至盈亏平衡
if gain_in_r >= 2.0 and pos['stop_price'] < entry:
pos['stop_price'] = entry
print(f"{symbol}: 止损提高到盈亏平衡 at {entry:.2f}")
# 在+3R后沿21日EMA追踪止损
# （生产中，传入实际的21-EMA值）
pos['current_price'] = current_price
def check_sell_signals(self, symbol, current_price, ma_10, ma_21_ema,
ma_50, daily_volume, avg_volume_50, days_held):
"""检查所有卖出条件并返回信号。"""
signals = []
pos = self.positions[symbol]
entry = pos['entry_price']
gain_pct = (current_price - entry) / entry * 100
# 防御性：硬止损
if current_price <= pos['stop_price']:
signals.append(('SELL_ALL', '硬止损触及'))
# 进攻性：20-25%利润目标
if gain_pct >= 20:
signals.append(('SELL_PARTIAL', '20%+利润目标达到'))
# 均线违反
if current_price < ma_21_ema and daily_volume > avg_volume_50:
signals.append(('SELL_PARTIAL', '21-EMA违反且成交量高于平均'))
if current_price < ma_50 and daily_volume > avg_volume_50:
signals.append(('SELL_ALL', '50日均线违反且成交量高于平均'))
# 时间止损
if days_held >= 25 and gain_pct < 3:
signals.append(('SELL_ALL', '时间止损：5周，无进展'))
elif days_held >= 15 and gain_pct < 2:
signals.append(('SELL_PARTIAL', '时间警告：3周，最小进展'))
# 高潮信号
# （需要额外数据：最宽区间、上涨期间最高成交量等）
return signals
def close_position(self, symbol, exit_price, date, reason):
"""平仓并记录交易。"""
pos = self.positions[symbol]
pnl = (exit_price - pos['entry_price']) * pos['shares']
# 添加部分卖出利润
for ps in pos['partial_sells']:
pnl += (ps['price'] - pos['entry_price']) * ps['shares']
r_multiple = pnl / pos['initial_risk'] if pos['initial_risk'] > 0 else 0
self.trade_log.append({
'symbol': symbol,
'entry_price': pos['entry_price'],
'exit_price': exit_price,
'shares': pos['shares'],
'pnl': pnl,
'r_multiple': r_multiple,
'entry_date': pos['entry_date'],
'exit_date': date,
'reason': reason
})
del self.positions[symbol]
return pnl, r_multiple
"交易不是预测未来。交易是识别——识别与历史上最大行情开始时相同的设置。当设置正确时，你不需要知道股票明天会做什么。你只需要买入并让市场验证你的判断。"
"每笔交易都是概率游戏。不是关于对错——而是关于当对时赚很多，当错时损失少。接受这个现实，你会成为更好的交易者。"
"最赚钱的交易通常感觉最不舒服。在别人害怕时买入，在别人贪婪时卖出——说起来容易，做起来难。这就是为什么成功只属于少数人。"
"止损是交易的生命保险。不带止损交易就像不带 parachute 跳伞。一次大亏损可以抹去你花了数月或数年建立的账户。"
"股票不会关心你买了多少或者你花了多少时间研究它。它们不在乎你的感受。尊重价格行为——它告诉你真相，而不是你的意见。"
"表现最好的交易通常是最容易持有的交易——设置清晰，股票行为正常，止损合理。你不需要紧紧抓住它；你只需要让它运行。"
"最大的敌人不是市场。它是你自己的情绪。恐惧、贪婪、希望——这些是屠杀交易者的凶手。学会控制它们，或者它们会控制你。"
"规则是为了保护你。你的规则越严格，你越自由。没有结构，你就是情绪的玩物，被每一次波动摇摆。"
"记住，每笔交易都是独立的。不要让过去的亏损影响你的下一步决策。也不要让过去的盈利让你过度自信。每一刻都是新的。"
本规范综合了Mark Minervini在《像冠军一样思考与交易》中的核心方法论，构建为高概率成长股交易的完整实施指南，强调心理纪律、模式识别、风险管理和持续自我改进。
（文件结束）