反省之思索

看着朋友们对我的支持,我心里一阵阵温暖,目前心里唯一的感觉就是值!哪怕是眼睛不舒服也值。在此,我真诚的谢谢朋友们的支持!

该反省的也反省了,现在该进行反省之思索了。有些人认为我有可能会改变投资风格,有些人认为我会后悔。错错错!不会不会,我没有后悔,也不会改变自己的操作模式,因为没那个必要。

有些人可能会认为我这一次的失误是严重的失误,就有必要进行总结经验或者说吸取教训。我也同样的认为没必要,完全没必要进行所谓的吸取教训。对于我来说,这一次的失误无非就是失去10%的筹码可能,无非就是不能锦上添花,无非就是失去一次机会,所以我觉得这是无所谓的,这是价值投资者应该承受的过程。

其实,这一次的失误,与去年上半年的兰花科创没有及时卖出如出一辙。同样的事先有卖出的计划,同样的临时改变主意,同样的承受价格的下跌与技术派的责难。但是,我依然不后悔。呵呵,这就是可爱的死多头吧?

对于大多数的人来说,这一次的乘电梯也许是一种财富。因为对于大多数还没有建立起自己赚钱模式的人来说,假如这一次能成功的做差价也许并不是好事情,因为你会逐渐的形成愿意去做差价的习惯,久而久之,就形成了刻意做短线的习惯,就会失去价值投资的耐心,就会与你曾经的大牛股失之交臂,就会陷入大多数人难以生存的技术分析操作。这样的例子难道还少吗?不!太多太多,可以说大多数人就是如此。所以,大多数人应有的态度不是去如何如何的吸取教训,而是应该去适应这样的磨难。

为了说明这个问题,为了说明傻傻的拿着具备投资价值的股票并不是什么不应该的问题,我不得不再一次拿出那个实验帐户来说明情况。那个实验帐户应该是在94年建立的,至今13年的时间,期间不能有一分钟空仓,也不能频繁的调换股票,哪怕是在2200点下跌至1000点的时间内照样满仓持有,一共就持有过4个股票,四川长虹——山东铝业——民生银行——鞍钢股份,目前持有鞍钢,今天为止的利润是200倍。我想,这个业绩应该不是大多数人可以做到的吧?也是大多数按照技术分析操作的人做不到的吧?当然,天才级别的交易人员我是不能相比的。但我相信,这个业绩应该能够超过大多数人的。

鞍钢,今年以来,今天为止的利润率为223%,我想,大多数技术派人士也达不到这个效果的吧?最起码已经超过了大多数的基金同志们。

朋友们,认真的想一想吧?真的就有必要吸取教训吗?那些个热衷于技术操作的朋友们,你是否超过了这个利润率?你是否应该反省一下呢?

 

朋友们!这一篇《我的反省与反省之思索》,也算是我对于这一次失误的一个心灵了结,也算是对朋友们的一个交待,如此,我就可以轻装上阵。

同时,也向朋友们再一次说明了每个人都有犯错误的可能,包括我,包括炒股票的每一个人,所以,大家一定要有自己的独立判断,也希望朋友们对于我少一点依赖,尽可能建立自己的的盈利模式。如此,我才能真正的做到想说什么就说什么,就不会有什么顾忌,不会有什么欲说还休的负担,太多的负担会影响交流的质量,太多的责任会引起我早日退休。

我的操作模式是我的,我总有一天会离开这里,你自己的盈利模式才是最重要的。请朋友们记住这一句话:炒股票,条条大路通罗马,适合自己的就是最好的。

 

基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文档围绕基于遗传算法的异构分布式系统任务调度算法展开研究,重点介绍了一种结合遗传算法的新颖优化方法,并通过Matlab代码实现验证其在复杂调度问题中的有效性。文中还涵盖了多种智能优化算法在生产调度、经济调度、车间调度、无人机路径规划、微电网优化等领域的应用案例,展示了从理论建模到仿真实现的完整流程。此外,文档系统梳理了智能优化、机器学习、路径规划、电力系统管理等多个科研方向的技术体系与实际应用场景,强调“借力”工具与创新思维在科研中的重要性。; 适合人群:具备一定Matlab编程基础,从事智能优化、自动化、电力系统、控制工程等相关领域研究的研究生及科研人员,尤其适合正在开展调度优化、路径规划或算法改进类课题的研究者; 使用场景及目标:①学习遗传算法及其他智能优化算法(如粒子群、蜣螂优化、NSGA等)在任务调度中的设计与实现;②掌握Matlab/Simulink在科研仿真中的综合应用;③获取多领域(如微电网、无人机、车间调度)的算法复现与创新思路; 阅读建议:建议按目录顺序系统浏览,重点关注算法原理与代码实现的对应关系,结合提供的网盘资源下载完整代码进行调试与复现,同时注重从已有案例中提炼可迁移的科研方法与创新路径。
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)内容概要:本文提出了一种基于非支配排序的蜣螂优化算法(NSDBO),用于求解微电网多目标优化调度问题。该方法结合非支配排序机制,提升了传统蜣螂优化算法在处理多目标问题时的收敛性和分布性,有效解决了微电网调度中经济成本、碳排放、能源利用率等多个相互冲突目标的优化难题。研究构建了包含风、光、储能等多种分布式能源的微电网模型,并通过Matlab代码实现算法仿真,验证了NSDBO在寻找帕累托最优解集方面的优越性能,相较于其他多目标优化算法表现出更强的搜索能力和稳定性。; 适合人群:具备一定电力系统或优化算法基础,从事新能源、微电网、智能优化等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于微电网能量管理系统的多目标优化调度设计;②作为新型智能优化算法的研究与改进基础,用于解决复杂的多目标工程优化问题;③帮助理解非支配排序机制在进化算法中的集成方法及其在实际系统中的仿真实现。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注非支配排序、拥挤度计算和蜣螂行为模拟的结合方式,并可通过替换目标函数或系统参数进行扩展实验,以掌握算法的适应性与调参技巧。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值