程序说能买，现实就一定买得到吗？

蛙兄重新打开那个100点资金的账户。

“如果换成100万元，最后的盈亏，是不是也能照着放大？”

蛙博士指了指交易记录。

“程序可以把数字放大。可你想买的时候，有没有那么多股票按这个价格卖给你？”

蛙兄看着表格里的买入价。

“这里有价格，也不一定买得到？”

对。上一课，我们在问历史结果有多值得相信。现在再看看另一件事：程序里算得通的交易，现实中能不能照着完成？

之前的100点，是为了方便比较而使用的资金单位，不是100元，也没有替我们证明这套规则能承载多大规模的真实资金。

要回答蛙兄的问题，我们先从钱怎么安排说起。

买什么之外，还有买多少

之前的账户一次只持有一家公司的股票。一笔交易结束，资金回来，才能继续寻找下一笔。

这让我们看清了资金会被占用，也让实验容易理解。但它只是我们选定的一种安排。

同一个买入信号出现时，也可以继续问：这次投入多少？留不留现金？如果已经持有别的股票，还买不买？

这些问题开始涉及仓位管理。先用大白话理解：账户里有多少钱正在承担某项投资的涨跌，这个分量要怎么安排。

不借钱的情况下，只拿出一部分资金买某只股票，它的涨跌对整个账户的影响，通常会小于把可用资金全部放进去。代价也很直观：如果它涨了，没投入的那部分钱也不会跟着享受这笔涨幅。

所以，仓位不是一个“越小越好”或“越大越好”的按钮。它会改变整个账户的经历。

“那我分给几家公司，是不是就安全了？”蛙兄问。

先别只数公司有几家。

假设你选了几家依靠同一类产品赚钱的公司。某天，这类产品的需求一起下降，它们可能同时受到影响。名字不同，不代表背后的风险来源也不同。

把资金分散到不同投资中，希望减少对单一对象或某类风险的依赖，这就是分散在解决的问题。需要关注的是它们为什么可能一起涨跌，而不只是把名单写长。分散也不能保证不亏损。Investor.gov：资产配置与分散

这节课不替你决定该留多少现金，也不再把原来的实验拆成一套复杂的资金方案。先认识这个区别就好：买卖规则相同，钱的安排不同，账户结果也可能不同。

有这个价格，不代表想买多少都有

现在回到蛙兄盯着的那个买入价。

我们做一个简单的假设：某个时刻，愿意按这个价格卖出的股票只有一小批。

你的买单很小，也许够。买单很大，那一小批就不够了。剩下的部分可能要等待，也可能只能以更高的价格买入，还可能没有成交。

卖出时同样如此。你想按某个价格卖，并不代表当时一定有人愿意按那个价格接下全部数量。屏幕上的报价对应有限数量，也可能在订单执行前发生变化。Investor.gov：看到的价格与实际成交

这就引出了流动性：想买卖时，能不能比较快、比较顺利地完成，而不明显影响成交价格。Investor.gov：流动性

不必急着记名字。先记住：一张价格表，不是一份“这个价格要多少都有”的承诺。

如果继续把资金规模放大，就会遇到资金容量的问题：考虑市场能成交多少、交易会付出多少成本之后，这套方案还能容纳多大的资金，而不让原来的表现发生明显变化？

它不是一个看完收益率就能填出来的上限。交易什么、持有多久、每次想成交多少，都会影响这个问题。

之前已经考虑过手续费和滑点，这当然有帮助。但一个固定的滑点假设，并不会自动说明所有规模的订单都能这样成交。

“所以，不能只改账户里的起始数字。”

没错。放大的不只是钱，也可能是等待成交的数量，以及为了完成交易要付出的代价。

程序写了“成交”，还要看它凭什么这么写

成交也不只受买卖数量影响。研究某个市场时，还得确认当时适用的交易规则、股票是否处于可以交易的状态，以及信号用到的信息当时是否已经可得。

这些不需要今天全部展开。关键是看到一条模拟成交记录时，知道可以追问：它是根据什么条件认定这笔交易能完成的？

仅凭我们现在的日线数据，不能还原某一刻完整的买卖报价、排队情况和自己的实际成交过程。不能让AI把缺失的细节猜出来，再写成已经验证的事实。

那之前的回测，还有意义吗？

蛙兄往回翻了翻自己的研究记录。

“怎么越学，发现还没回答的问题越多？那前面是不是白忙了？”

没有。

我们已经在明确的规则和条件下，观察过一套方案怎样运行。现在发现还有现实条件需要检查，是更清楚地知道这份结果回答到了哪里，而不是把前面的工作作废。

比如，“一次只持有一家”帮助我们看见了资金占用；加入费用，让我们看见了成本对结果的影响。这些认识不会因为尚未研究实际成交细节，就突然消失。

课程里的公司与数据是虚构教学材料，不能据此作出真实投资决定。走到这里，也不意味着只差连上一个交易账户。

但你已经可以提出比“这个策略能赚钱吗”更具体的问题了。

如果对其中一个方向感兴趣，可以和Codex或WorkBuddy聊聊：

和 AI 检查成交假设

复制

请先查看我现有的研究记录。程序假设交易能够成交时，考虑了哪些条件？哪些只是简化，哪些还缺数据支持？先解释，不要修改原实验。

不用马上把所有问题补齐。先弄清一个自己真正关心的问题，再决定是否值得继续研究。

我们下次相见

蛙兄把研究记录保存好，打开了一个新文档。

这次，他没写“帮我找一个赚钱的方法”。

他写的是：“我有个猜想。我们先聊聊，要怎么验证它？”

蛙博士凑过来看了一眼。

“什么猜想？”

“这个嘛，下次再聊。”

这一轮课程，我们就先聊到这里。

你不必现在就开始下一项实验，也不用把最后几课的新名词全部学完。可以先合上电脑，歇一会儿。

下次看到一个让你好奇的市场现象，希望你除了“我觉得”，还会多问一句：“有什么办法，能查一查？”

至于程序怎么写、哪里出了错，你不必每一步都独自解决。AI可以陪你尝试；想查什么、证据够不够、什么时候该停下来，仍然值得你亲自想一想。

谢谢你和蛙兄、蛙博士一起走到这里。

带着好奇心，我们下次相见。