基本面分析以环境和标的实际状况作为分析依据，环境如国家或区域经济发展趋势、央行汇率政策、重要人员讲话、重要媒体观点、群体情绪，标的实际状况则如经营的营收成本利润、市盈率市净率、股息分红、股东持仓异动等等。

    从思路上，二者没有任何问题，毕竟是金融市场从无到有的过程中，无数大触所总结出来的规律。而如果同那扑克牌的事情放一块，那其实市场上所有人都在做的只有一件事情，找到那张有划痕的大王小王，继而提升自己的游戏获胜概率。说白就是从技术分析和基本面分析中消除“不确定性”，找到“确定性”。

    但大部分人，其实都在用正确的思路，做着错误的事情。

    上文中，我用到了一个词“判断”，而非“预测”。某个时刻的价格涨跌重要，但远没有大部分人所认为的那么重要。好比止盈止损，仓位管理，在这其中都是非常重要却又容易被忽略的关节。

    今时今日，金融市场是非常电子化的市场，而随着越来越多的创新者进入，它也产生了巨大变化，某种意义上，门槛是在不断降低。从各种意味上而言。

    从数据来说，最近几年也有如聚宽之类为金融宽客提供数据服务和技术支持的服务平台诞生。类似的平台出现之前，量化交易就一直存在，而如果我们回首得足够远，它所存在的历史也远远大于我们的想象。

    接下来，我姑且利用中文来写一段“伪代码”，让大家感受一下其中的差异。

    【de初始】：

    取沪深市场1000只股票的所有历史成交数据，给这些股票从0-999进行编号，1000股票的所有数据用all表示，all[0]代表第一只股票，all[1]代表第二只股票

    取编号0的股票数据all[0]，计算a、rsi、斐波那契各值、baba一系列指标

    当编号0股票某个指标高于某水平，返回卖出信号，低于则返回买入信号

    编号0股票计算完毕后继续计算编号1，直到编号999位置

    指标数据存储表格all2

    ===============

    【de回测】：

    设初始资金为100万

    取【de初始】所存储的表格数据all2

    设每次投入比例为本金20

    根据all2数据的买入卖出，从all2[0]开始执行模拟买卖操作，一直到all2[999]位置

    计算所有100只股票在该策略下的回测百分比

    将投入本金比例设为从1-20的变量，依次测试不同投入仓位的回测百分比

    记录存储所有数据为all3

    ===============

    【de模拟】：

    取【de初始】所产生数据all3