1、股票能挣大钱吗？
挣钱的永远是少数。
在股市中，要想生存长久，首先要学会很多知识，积累丰富的经验，总结出一套适合自己的操作方法。不管是短线客，还是长线投资者，都要经历几年甚至十几年刻苦的学习，痛苦的磨练，才能在股市里总结出适合自己的操作方式。这其中也淘汰了很多人，能生存下来的就是成功者。
总结了两种成功的人的操作特点，为炒股的朋友参考。
(一)中线思维短线技术操作的人
特点：
1.具有较高水平的技术知识和看盘能力。
2.有一颗永远平静的心脏，任何波澜都干扰不了它的节奏。
3.有自己的操盘计划和纪律，并严格遵守。
4.从不相信任何人和消息。
5.习惯实时看盘，对出现的机会和危险反应迅速，处理果断。
6.一定要学习有中国特色的股市心理学，并能分析出庄家的操作心里和习惯!
7.对政策要有敏感的嗅觉和准确的判断的能力。 (注：这种操作是的人需要在股市里长期磨练，经过多次的失败和心灵痛苦的折磨，能成功的太少了。对于大部分散户，不要梦想自己是那万分之一的人，还是选另一种吧!令人遗憾的是，大多散户都选择了做这种人，他们过于相信自己的能力和老天会赐予他的运气，当他们明白时，也亏得差不多了。不建议散户这么做，所以介绍的很少，知识太多，一两句说不完。)
(二)长线思维中线操作的人
特点：
1. 一般要有自己的工作和生活来源，不靠股票来维持生活。最好是非常忙碌的人，没时间和精力看股票，操作股票。(这条的目的是尽量避免长期看股票对操作心理产生的影响，没有好的心态，就没有好的操作。)
2.只要有从不被巨大利益所诱惑，知足常乐的心就够了。他们从不去赌博，不去猜测明天的事，稳健是他们的原则，他们关心的是什么时后买入，什么时后盈利100%以上卖出。 3.有一定的股票知识和技术分析能力。(不用像操盘手那么多，把均线知识和中短线买点技术学会了就够了，当然，要是有股票基本面的分析能力和未来政策和市场导向的判断能力就更好了。)
4.他的纪律很简单，低买高卖，高卖了再低买。(一般从买到卖再到买，要2-3年以上)
5.利用常人的思维来选择市场的位置是高是低。每月只要听听新闻，看看周边炒股的人盈利情况，大盘的历史位置的分析，来决定是否进入市场。
他们的操作条件就更简单了：
(1)当听到股市暴跌时，他兴奋的心花怒放，他意识到机会快来了。
(2)当80%的人都长期亏损时。
(3)大盘经过长期下跌(一般是9个月以上)，处于历史的底部时。
(4)所有的新闻和你周围的人不再谈论股票，大家谈股色变时。国内实体经济并没有明显变弱或已经低估严重。大多数股票已便宜的让人垂涎，股市出现多只2—3元股票。
(5) 此时重仓(50%)买入股票，大盘每下跌10%时曾仓10%直至满仓。大盘上涨不加仓，每上涨50%-100%时减仓一半，涨至150%可考虑清仓。(此时大盘已经很低了，如使用黄金分割最后一个支撑0.19位置作为买点，估计满仓的时候少。要真满仓了，那他就等着买宝马7系了。卖出时间是动态的，要根据他的计划预期和市场热度来决定。)
(6)选择1—2只经过长期研究的股票，1只小盘，1只中大盘，要不同行业和板块。(若你买的股票在大盘上涨中期长时间弱于大盘，你就要降低你的获利预期了，最小也要30%。此时换股已来不及了。)
(7)买入股票后，离开股市，每月只看一次自己买的股票价格和大盘点位。来决定下一步的操作计划。
(8)当所有人都谈论股票时，尤其是从不炒股的人也想买股票了，卖掉股票，一般盈利100%—150%之间。
(9)此时离开股市，一年内不看股票。继续忙工作或出去玩，庆祝自己的胜利。(注：股市就是他家的银行，每1-2年取一回分红罢了。)
总结：贪婪和恐惧是人天生的恶习，谁也无法完全控制。意志坚强的人，可选择做第一种人。剩下的人要想克服恶习，做第二种人是你最佳选择!而且也不累! 以上分析是大致思路，并不是模式。你要有你的思维和操作习惯。股市千变万化，没有任何一种技术和操作模式是万能的，不同时期要有不同的思维方式。好的思维方式和操作习惯才是应对股市变化的唯一法宝。
2、炒股真的需要懂很多股票知识吗？
炒股有一个十分奇特的现象，请诸位破译：
1，在旁边看的不炒股者，往往比炒股者高明。举个例子：2015年那次牛市，我亲戚中的炒股者，其所持股票市值从200万元，迅速上升至500多万元。这位亲戚炒股多年，市值始终趴着不动，亏损累累，突然的暴涨令他兴奋不已。在大跌之前的一个多星期，亲戚聚会。有一位已退出股市的亲戚闻知当即建议：立即卖出全部股票，然后在南京买两套房子。
这简直是近乎高手神人的建议。如果他采纳，近600万将收入囊中。无奈他看着一天5至10万元的财富跳增，实在是舍不得！一再误判为还有行情可以期待。无奈大盘以迅雷不及掩耳之势一路狂泻，每天的跌停使他一分钱的股票也未能出逃！市值重回200万左右，他又坐了一次电梯！
2，炒股者所有作出的操作，错误率高达95%。反过来，想到了却因犹豫而没有付诸实施的，正确率却高达95%；可惜的是，正确的想到了，往往随即又被自己否定了。一位炒股多年的朋友告诉我，他往往是想法颠倒、操作颠倒。他举例说：他每天操作两个盘子，一个真金白银，真刀真枪的拼杀，他整日聚精会神地盯着，一刻不放松；另一个则是虚拟炒股盘，所有的持股都是假的，他不怎么在意。结果是：真盘亏损累累，不堪入目，而並不十分在意的虚拟盘却往往收获丰厚，令人称奇！他说如果虚拟盘是真盘，这么多年他早已实现财务自由了！可是，他如果把虚拟盘的杀伐决断用到真盘上，马上又是亏损累累，十分怪异。
3，大凡猛赢了一回，万勿高兴！因为接下来，你必然亏掉，把所有的盈利如数奉还。一位朋友在经历无数次失败后总结经验，发明了一套空仓战法：经常是空仓等战机。有一次，他在苦等半年后，终于碰到了几次熔断下跌，缩量止跌的良机，他来了一次神操作，全仓杀入最低点，一个月时间赚了三十多万！
他以为这次成功的操作将是里程碑：保他永远成功。赚钱后，他又空仓等机会。近一年之后，他又一次等来下跌缩量机会。他又逐步全仓进入。无奈这一次股市象知道他的战法一样，一跌再跌，好象永不再涨，他悉数被套。赚钱后他避战近一年不操作。一操作，原来的取胜战法却已无法复制。赚到手的又全部送还股市！
这三种现象，恐怕任何股市知识都无法解释。
但似可用三句话来对应：第一种现象，当局者迷。（《索罗斯传》上有论述）。第二种现象，自胜者强。从心理学角度破解。第三种现象，法无定法。
以我个人经历告诉你，必须要懂，而且越早懂越好，少交很多学费。这样你才能了解股市，知道股市的本质是什吗，明白股价上涨的逻辑是什么，才能学会正确的投资方式和投资理念，避免掉进股市的各种陷阱。
我十年散户一枚，10年大学时进入股市，当时只是学了一些市盈率，市净率皮毛就进入股市，没有经过系统的或者有意识的去学习。每天追涨杀跌，赢少亏大，赚小亏大，连亏七年。16年底，突然顿悟了，自己股市投资不成功，干嘛不像投资的人学习呢，就阅读了大量股票投资类的书籍，拜读了西方投资大师的投资精华，在结合平时的操作，不断打磨修改找到了一个属于自己的股票投资模式，近三年持续盈利。
思维变了，错误的思维导致错误的行为，必然导致失败的结果。散户不经过学习，首先很多思维一开始就错了 ，比如说股票赚钱很容易，赚了钱就是股神，每天要买卖高频交易等等，这些错误的思维必然导致最后的结果不理想。股市从来不是赚快钱的场所，要有耐心。操作股票一定要设计好计划，严格执行，不要情绪化交易。再看好的股票一定要设置止损位，错了就要严格止损等等。这些知识都是自己未接触的，还有炒股不能靠消息，小心里面有陷阱。
我学到了很多有价值的投资理念和思考问题的方式。将这些东西思考运用，消化后都武装了自己，让自己在股票投资上，变得自信，懂的放弃不属于自己的机会，选择风险小的成功机会。结果是满意的，已经连续三年盈利。后悔知道的太晚了，交了太多学费。
所以在这里我想给那些准备进股市或者新入股市的投资者朋友建议。多学习，学习后在进去，你会有更好的扛风险能力。近三年的成功投资经验，让我相信投资没有捷径，只能靠自己，去悟，养成良好的投资习惯，把风险放在首位。牛市里不仅有艳阳高照，还有阴云密布，狂风骤雨。
A股最不缺的就是机会，就怕我们缺少抓住机会的工具，靠赤手空拳是不行的，我们斗不过那些狡猾的机构和主力。
我的经验证明了系统的学习非常重要。我自己也乐于分享自己对股市的各种领悟，有很多文章都是非常有研读意义，相信可以改变大家对股市的认知，避免掉入市场的陷阱中去。评论中学习一点就可以上手的，有点误人子弟，懂得皮毛不行，一定要专业。股市如战场，狼口夺肉，不专业就会被吃掉 被韭菜割掉。
复杂的不懂的问题有想问的欢迎私信
3、股票的基本概念？
在解释机器学习的基本概念的时候，我发现自己总是回到有限的几幅图中。以下是我认为最有启发性的条目列表。
Test and training error
为什么低训练误差并不总是一件好的事情呢：上图以模型复杂度为变量的测试及训练错误函数。欢迎股民来某信 kdj684
Under and overfitting
低度拟合或者过度拟合的例子。上图多项式曲线有各种各样的命令M，以红色曲线表示，由绿色曲线适应数据集后生成。
Occam’s razor
上图为什么贝叶斯推理可以具体化奥卡姆剃刀原理。这张图给了为什么复杂模型原来是小概率事件这个问题一个基本的直观的解释。水平轴代表了可能的数据集D空间。贝叶斯定理以他们预测的数据出现的程度成比例地反馈模型。这些预测被数据D上归一化概率分布量化。数据的概率给出了一种模型Hi,P(D|Hi)被称作支持Hi模型的证据。一个简单的模型H1仅可以做到一种有限预测，以P(D|H1)展示;一个更加强大的模型H2，举例来说，可以比模型H1拥有更加自由的参数，可以预测更多种类的数据集。这也表明，无论如何，H2在C1域中对数据集的预测做不到像H1那样强大。假设相等的先验概率被分配给这两种模型，之后数据集落在C1区域，不那么强大的模型H1将会是更加合适的模型。
Feature combinations
(1)为什么集体相关的特征单独来看时无关紧要，这也是(2)线性方法可能会失败的原因。从Isabelle Guyon特征提取的幻灯片来看。
Irrelevant features
为什么无关紧要的特征会损害KNN，聚类，以及其它以相似点聚集的方法。左右的图展示了两类数据很好地被分离在纵轴上。右图添加了一条不切题的横轴，它破坏了分组，并且使得许多点成为相反类的近邻。
Basis functions
非线性的基础函数是如何使一个低维度的非线性边界的分类问题，转变为一个高维度的线性边界问题。Andrew Moore的支持向量机SVM(Support Vector Machine)教程幻灯片中有：一个单维度的非线性带有输入x的分类问题转化为一个2维的线性可分的z=(x,x^2)问题。
Discriminative vs. Generative
为什么判别式学习比产生式更加简单：上图这两类方法的分类条件的密度举例，有一个单一的输入变量x(左图)，连同相应的后验概率(右图)。注意到左侧的分类条件密度p(x|C1)的模式，在左图中以蓝色线条表示，对后验概率没有影响。右图中垂直的绿线展示了x中的决策边界，它给出了最小的误判率。
Loss functions
学习算法可以被视作优化不同的损失函数：上图应用于支持向量机中的“铰链”错误函数图形，以蓝色线条表示，为了逻辑回归，随着错误函数被因子1/ln(2)重新调整，它通过点(0，1)，以红色线条表示。黑色线条表示误分，均方误差以绿色线条表示。
Geometry of least squares
上图带有两个预测的最小二乘回归的N维几何图形。结果向量y正交投影到被输入向量x1和x2所跨越的超平面。投影y^代表了最小二乘预测的向量。
Sparsity
为什么Lasso算法(L1正规化或者拉普拉斯先验)给出了稀疏的解决方案(比如：带更多0的加权向量)：上图lasso算法的估算图像(左)以及岭回归算法的估算图像(右)。展示了错误的等值线以及约束函数。分别的，当红色椭圆是最小二乘误差函数的等高线时，实心的蓝色区域是约束区域|β1| + |β2| ≤ t以及β12 + β22 ≤ t2。