简单方法论

前言：

1 学习新知识要讲究方法，“知识未学 方法先行”，写本系列文章是为了给自己加深大脑“条件反射”的，因为我自己学习新知识的过程中老会被不科学的“杂念”干扰，导致学习效率低下。

2 关于天才和普通人，世界上可能1%不到的人是智商天才，剩下99%的人应该智商都差不多，但是知识储备和学习能力却千差万别，这99%的人中，可能大脑结构都是差不多的，但是可能由于学习方法不对 导致学习知识的速度比较慢，又加之没有毅力，时间长了，人与人之间的知识储备差距就拉开了。

第一章

心理顽疾一

学习新知识前先自信或者自负，自信就是先给大脑灌输知识比较简单的心理暗示，然后学习过程发现越学越难 越学越多 时间长了产生沮丧感和放弃感；自负就是学习新知识前先给大脑灌输知识比较难的心理暗示，然后导致强化“自己不行”的心态，学习过程自然困难重重。

记得当初学习数据结构平衡二叉树平衡，一看书本上来就说删除节点的情况有6种平衡处理，觉得很复杂，一下子就丧失学下去的信心了，实际上左树和右树删除节点的平衡方式几乎就是一样的，并没有那么复杂。

正确的学习方法是要专注学习知识这个主线，做到“认知解离”，即：不要让大脑的“害怕”等杂念思想干扰了“学习知识”这个目标，目标要和杂念解离开来，要专注主线。

心理顽疾二

知识树牵连的过于多，导致学习效率低下，一般学习一个新知识的时候可能会牵连很多其他知识点，其他知识点又会牵连自身的关联知识点，学习一定要有知识边界，尽量把牵连的知识点公式化，模型化，要分清主次知识点，不然牵扯知识过多会，凡事都问“为什么”的心态会导致主线知识学习效率十分低下。比如三角形余弦定理 用到这个定理的时候记住公式就行，总不能因为不知道原理再去推理一遍余弦定理为啥成立吧，又比如圆的周长是pai*R 这是规律，作为关联知识点的时候直接拿来用就可以了，千万别较真。

心理顽疾三

大脑擅长计算 而不善于记忆和存储，学习新知识的过程不要过分尝试记忆。

心理顽疾四

要理解大脑学习知识的基本运作原理，学习的过程要尽可能的贴近大脑运作原理，寻找最快的理解路径来学习。学习的过程就是不断的从多种知识源种总结归纳出“快速模型”，这个快速模型可能是在大脑神经元中形成新的神经网络链接，所谓学习了某个知识点其实就是大脑形成了“快速模型”，下次遇到相同知识点的时候，大脑可以快速的根据模型计算问题，而不需要再次进行推理的“慢”过程，所以模型质量很关键，要越快越好，要越简单越深刻越容易被大脑检索，比如你可以把知识点模型化为一个图片，一个函数图像，一个简单的公式等，尽量减少使用模型时候的运算时间。所以为了得到高质量的模型，就要“建模”阶段尽可能的多总结规律，发现窍门、图像化等方式，要多想想有没有“简洁聪明”的方式来理解问题，而不是死磕。

知识模型树的快速形成

世界上很多事物是可递归 或者说是由基本“分形”迭代构成的，知识模型树也可以看作很多小的模型树或者模型节点组成的，所以学习复杂的知识的过程和学习单个知识点的过程是一样的，只要掌握最基本学习技巧就可以通过树串起来形成复杂的知识模型网。当今世界知识大爆炸，对某一个要学习的知识点,要想快速形成知识模型必须要学会总结和摘要的能力，要能够从海量的学习资料中抽出关键词 总结摘要成大脑中的图片、曲线等形式，因为对于这些格式的存储 大脑在使用时就能快速调起，试想 如果某个知识模型不能图形化存储，那势必还需要大脑进行推理运算，那么必然会影响学习更复杂的大知识模型树的效率。

养成知识模型记录到纸上的习惯

大脑学习总结出的模型，不会长期保留在大脑里，如果大脑中已经形成的某个知识模型很久不被强化，就会慢慢被忘记，下次用的时候不能被快速捡起，需要重新经过学习推理的过程。所以 很有必要每次学习到某个新知识模型后记录在纸上，这样有两大好处，一是强化了模型记忆，二是相当于模型持久化到了纸上，如果大脑忘记了模型的时候可以重新通过阅读自己的文章来快读加载模型到大脑。

相信大脑的抽象能力

要相信大脑对复杂知识的抽抽象理解能力，理论上任何复杂知识都可以降维分解为简单一点的知识组合，只要对复杂知识点拆分理解和组合并长期强化，再复杂的知识都能在大脑的神经元网络上形成模型，请不要怀疑神经元网络的关联存储能力。

第二章

大脑学习模式的认识。

一句话总结：发现规律-形成知识-学习知识-应用规律，能说出来或写出来的不是规律而是知识，规律是客观存在

人脑的基本能力是什么？

我从两个角度阐述人脑能力。

一是静态角度，即从信号的转换形式的角度（类比物理中的势能和动能形式变化），大脑能够：

“接收输入信号--转换为神经细胞群可以存储的记忆元--输出信号”

二是动态角度，即大脑能够：观察输入信号，推理加工并转换信号形式。这是信号转换的推动力（类比物理学中的做功，能量守恒，但是只有做功才会导致能量从一个形式转换为另一个形式）

动态角度我们人类思维无法抽象，所以我只从信号转换的形式进行下文的说明。

输入信号有：光、声音、味道、感觉等

记忆元：我定义为大脑神经细胞网络存储记忆的一种物理或化学表示机制，一个记忆元就是一个基本的记忆点，我们学会的各种知识在大脑中的客观存在形式就是许多有关联关系的记忆元串集合。

输出信号：人脑中的记忆元转换为输出的表现形式，输出形式有声音和手等，输出的声音可以被符号化为语言，通过手的输出可以符号化为文字和图片(比如手写在纸上)。

语言和文字：语言和文字作为人类之间的通用信号，既可以作为输出的载体 也可以作为输入的载体在人与人之间传播，它们是人类之间互动的桥梁信号，但是只能在人类之间传播，属于人类内部信号形式。

由此，大脑的“元能力”可以总结为：将外部世界客观规律发出的信号抽象加工并存储为人脑神经元中的记忆元串，然后把记忆元串输出为人类之间更容易传播的语言和文字形式的内部信号以达到人与人之间传播互动的目的。

知识的定义

根据以上我对人脑元能力的认识，我可以把知识定义为：知识就是人脑中的记忆元串转换为语言和文字后的表现形式。老子有句话说“道可道非常道”，我们能用语言和文字表示出来的只能叫知识，而不是人脑记忆元串，因为人脑记忆元串只是物理化学形式，是无法被表达的，知识是记忆元串的镜像，是老子口中的“有”，而记忆元串是老子口中的“无”，这就是所谓“有无相生”。再抽象一层描述：知识就是人类认识到的自然客观规律的语言和文字的表现形式。因为知识是有形的，自然规律和人脑记忆元是无形的，下面的文章所有的讨论都是以有形的“知识”作为讨论对象。

学习的定义

学习就是把其他人总结出的知识作为输入，理解加工并在自己大脑中形成记忆元串的过程。再抽象一层：学习其实就是把别人脑中的记忆元串转存到自己的大脑中的过程。类比编程中的术语：别人的记忆元串--序列化为知识--反序列化为自己的记忆元串（学习）。再抽象一层：学习其实就是把别人认识到的自然规律转换到自己认识到的自然规律的过程，中间经过“知识”作为转换的桥梁，最终落地物是大脑记忆元串。

知识的普遍特征是什么？

根据上文，知识的普遍特征可以说是大脑记忆元串的普遍特征，也可以说是自然规律的普遍特征，其可以抽象为 "输入-处理逻辑-输出" 模型，复杂的知识由多个"输入-处理逻辑-输出"模型迭代组成处理逻辑树。再抽象一层描述：自然规律一定是可以被拆分为一个个固定的处理逻辑步骤的，不能被固定处理逻辑步骤描述的事物一定不能称之为规律，规律之所以称为规律就是因为有迹可循。

根据上文知识的定义，知识就是文字或语言表现形式，那么知识一定可以被拆解为一条或多条文字或语言描述处理逻辑步骤。复杂的知识一定是由简单的知识迭代组成的树，复杂知识最终的样子就是一个大的可以用语言文字或图形描述每个处理逻辑步骤的树结构。

学习知识的“元知识”

元知识我定义为学习知识的知识，或者说学习知识的“方法论”知识。根据上面的知识的普遍特征，方法论也是一种知识，可以文字步骤化描述，这种知识掌握后可以提升学习/分析已有知识或者创造新知识的能力。

元知识我分为三种：学习已有知识的元知识、分析已有知识的元知识、创造新知识的元知识。

学习已有知识的元知识描述：

关键词是摘要和组合，即阅读已有知识的文章，从中分析出 输入是什么 输出是什么 处理逻辑树是什么，每个处理逻辑树节点的子处理步骤是什么，然后把步骤摘要为自己的文字描述，所有步骤理清楚了 然后组合为自己的文字描述的处理逻辑树 知识也就学会了。

处理逻辑如果重复学习的话 大脑保存该记忆元会越牢固。

例子：学习一个数学公式

分析已有知识的元知识描述：

分析知识不需要我们学习这个知识，只需要分析出这个知识的某个关键步骤是什么，是否有问题等，关键词是分段测试，即大体拆分出这个知识的总框架处理逻辑步骤，对每个怀疑的步骤进行输入输出测试，对比输出是否满足预期来判断是否某个处理逻辑步骤有问题，找到有问题的步骤后再深入子步骤递归进行分段测试，最终定位到有问题的步骤。

一个比较通用的步骤可以总结为：

1 了解目标知识的整体大流程，分析并聚焦到出问题的关键流程的逻辑边界。

2 分析出对问题有关联的变量,包括多个输入变量和输出变量。

3 先尝试固定其他变量，单独调试某个输入变量,观察输出结果。

4 如果单独调试每个变量发现不了问题，尝试高维度聚合多个输入变量后再调试。

5 如果调试变量仍发现不了问题，说明可能有未了解到的信息点，可能有新的未考虑到的变量，需要重新梳理整个流程，尝试发现新的隐藏变量后重复调试过程。

例子：调试别人写的程序的bug

创造新知识的元知识描述：

首先全局判断这个知识是否可以处理逻辑步骤化，或者说知识对应的客观问题或者事物是否有客观规律，如果没有规律，那么这是一个无解问题，即无法形成知识。

如果有规律的话，那么按照下文的逻辑步骤处理：

关键词是逐步细化。要创造一个新知识，先根据已有知识大体框出新知识的处理逻辑树草图，然后对每个结点依次细化，多次修改调优，层层递归迭代这个过程，最终就能得到一个完美的知识。

那么如何形成处理逻辑流程草图呢？

1 先判断是否有已有的相似知识可以参考，有的话学习之，然后转换为自己的处理逻辑步骤。

2 没有的话就需要动用大脑“做功”能力，观察和探索关联事物的输入信号和输出信号 然后推导出背后的规律，存储到大脑记忆元串并形成自己的知识（转换为自己的处理逻辑步骤）。推导规律的过程可能也需要层层迭代，因为从输入输出信号到最本质的规律可能需要经过多层多次推理。

推理的过程换做老子的话说就是：“常无欲以观其妙，常有欲以观其徼”，即有推无。如果说规律是“道”，那么道生一 一生二 二生三，我们反推的过程就是 三归二 二归一 一归道。三就是样本 就是“有”，发现、对比然后总结出样本之间的共同特性就做到了三归二，然后层层迭代这个过程 二归一 一归道 最本质的规律就被发现了。

例子：写解决某个业务逻辑的程序

第三章

根据上篇文章对“元知识”能力的介绍，发现新知识的过程就是认识客观规律的过程，需要大脑“做功”，学习或分析已有知识的过程也需要大脑做功，从“做功”难度的角度上的排序，可以得到 创造新知识的难度 > 大于学习新知识的难度 > 分析已有知识的难度，所以本篇文章主要扩展讨论创造新知识（发现新规律）这个“元知识”的方法、步骤或技巧。

我认为人类发展最有价值的东西有三点：

发现罕见的新规律

发现了规律的规律的新特征（元规律新特性）

发现了新的认识规律的方法（丰富了元知识）

多多认识大脑推理能力元特性

# 大脑推理不能一次把全部细节想明白，一定是是步骤化的：总是基于已有的逻辑描述推理下一个逻辑。

# 大脑推理天生不喜欢模糊，上一个步骤一定要越具体详细越容易下一个逻辑的推理。

# 大脑推理出的新逻辑会反过来细化上一步逻辑。

进过上诉不断迭代的过程，就能把复杂的规律慢慢推理出来。

大脑推理规律结论沉淀元特性

一个复杂的推理规律，大脑不能一次形成结论，必然经过多次对和不对、清晰和模糊之间反复多次后才能沉淀成大道至简的结论，所谓见山不是山到见山还是山就是这个意思。

对我们日常实践的指导：我们总结或者学习新规律的时候,不能一味求快,要根据学习阶段把握时间,

该沉淀和实践的时候就要停止新思考,最终达成“见山还是山”的阶段后可以进行新一轮的思考。

换位思考思维

把思维放在自己所在的空间、时间、阶层等维度的相反面看待问题，就会发现不一样的真相。

数量和力量不对等思维

数量多的一方的力量并不一定是最强的。思维方面也可能存在类似的误区：多数人一致认可的看待事物的思路并不一定能决定事物发展的走向。还有财富方面，20%的人掌握80%的财富，往往这20%人会对国家政策走向起决定性作用。

证伪思维

有时为了对比几种解决问题的待选方案,无法从正面分析出哪种更好,那么可以利用证伪思维，找出证明哪种不好的场景，自然就证明了哪种好。

层层堆叠思维

对于有些问题,可以把问题解决方案拆分为多个层,下层提供能力，上层使用能力。比如网络协议栈，下层提供通信能力，上层叠加业务能力。

同样在分析某些已有问题的解决方案时，也可以分析下是否目标解决方案符合层层堆叠思维，如果是的话会更有利于快速掌握目标方案。

负负得正思维

之前反常的事情经常出现，那就不是反常事件，看待事物要动态化。

要有细节异常的敏感度思维

被人类习惯性忽略的细节点往往是打开新规律的大门，"习惯性忽略"本身就是人脑的物理规律之一

任何一个规律，或者规律中的一部分小规律点，凡事潜意识察觉到异常的时候，一定要有足够的敏感度，要重视起来，因为异常的地方看似不足为道，但是很可能是规律理解的关键点，或者说你始终理解不透的地方总是被潜意识忽略。

逻辑不通顺必有问题的敏感度思维

逻辑不通顺必然有可以细化完善或者理解错误的地方，反向思维也可以说，有还可以细化完善的规律一定还有没被完全被认识清楚的逻辑点。

如果一个规律你长时间努力思考都得不到逻辑一定正确的解释，那么只能或者说一定说明，你有未理解、理解错误、或者未发现的、或者被忽略的细节点，一定不要气馁，坚持常年累月的思考，一定能发现真理。

工具思维

对于规律的发现，优秀的工具相比拙劣的工具，提高规律发现的速度可能是大数量级级别的，所以一定要有工具思维，对于大脑而言，丰富发现规律的"元知识"便是优化“工具”。

拓宽信息来源渠道也是一种强有力的工具思维，即:拥有更多的信息差可以帮助你更快的发现事物本质规律。

变量关联联动思维

直觉上觉得一定有规律的事物，但是大脑却无法从标的的几个因素中找到规律，那很可能说明没有发现本质规律，或者说规律并不是每个单独的因素的独自变化决定的，变量之间很可能有联动关系，所以要尝试从几个标的因素联合起作用（类似函数的求导、甚至高阶导），要尝试从标的因素中的几个因素的关联性（如比例）等高一个维度的方向组合成新的因素来发现规律。

强化大脑对”迭代有推无“的敏感程度

日常生活中多观察事物的特征，根据特征信号判断出事物是“存在潜在规律的”还是“完全随机的”事物，如果是存在潜在规律的事物，那么大脑立马要反应出：“有从无来，这个事物背后一定有规律可以发掘”，可以逐级推导。

强化分级别(逻辑树递归)输入输出思维

先从宏观上分析输入输出，在具体到每个微观上分析输入输出

尝试从被规律应用的事物的物理落地结构的角度上认识规律

规律无形的 --> 知识是语言可描述的 --> 知识应用到事物后是有形的。规律到应用就是一步步无形变有形的过程。

无形不好理解，有形好理解，所以遇到不好理解的规律的时候，尝试从被规律应用的事物的物理落地结构上分析规律，比如在某个层级上，物理上的输入输出网络拓扑结构是什么养的，中间数据的落地物理结构是什么等思维。

多多认识规律的“元规律”，或者说规律本身的特性

这里我总结任何规律都具备的几个特性：

1 规律可跨种族施加

2 同种族个体聚合后规律不变

3 具有聚合关系的物理事物，具备”叠加共振特性“。

比如，如果被施加了概率性规律(如正态分布)，那么微观范围的小概率事件要服从于宏观范围的大概率事件，微观范围的大概率事件要服从于宏观范围的小概率事件，换句话说，微观范围的小概率事件叠加了宏观范围的大概率事件后，小概率也会变成大概率；微观范围的大概率事件叠加了宏观范围的小概率事件后，大概率事件也会变成小概率。

一个例子是：单从一个班级看,考80分以上的学生可能是20%概率的小概率事件，假如1000个班，那么出现200个班，班级平均分都会达到80分以上，此时你在这200个班里把超过80分当作小概率事件明显是不对的。也就是大维度和小维度都符合正态分布，但是正态分布的均值不一样了,我们如果小周期按均值做决策，那么就会产生失败。

用极值思想考虑，最大的维度规律均值最不易受周期迭代的影响，越小的维度均值受更上维度的规律迭代的影响的频率越大（如果是时间迭代的规律,表现为规律起效时间很短，失效频率很快，例子就是股市短线交易不如长线交易）。

我们在有聚合关系的物理事物上考虑规律的时候一定要分清当前所在的大小维度或者周期维度。如果维度固定后也不好分析的话，那么就尝试在纸上写上（维度-步骤）推导图，然后切换维度的时候把推导图中的维度依次降级或者升级就可以分析出规律了。

4 大脑物理角度上，任何规律，经过大脑分时间间隔的多次重复推理，目标规律会越来越清晰、简化、明了

对比思维，强化大脑对"存在潜在规律的事物的相似事物关联考虑"的敏感程度

规律就是魔法，魔法可以施加到不同事物上,哪怕外形上没有任何相似的事物都有可能表现出相同的魔法。我描述为规律可跨种族施加。

在一个样本上探索规律特征不明确的话，多样本对比，就能快速认清规律特征。

所以我们要加强关联相同规律事物样本的敏感程度，也就是采集样本的敏感程度。

极值思维（概率100%思维，必然出现思维）（有利于破除思维悖论、干扰等，简化规律特性）

极值概率梯度下降思维（可能出现思维），由极端情况变为非极端情况，概率梯度就起作用了。

反推思维（正推如果成立，那么反推是不是也成立？）

先后思维（先有鸡还是现有蛋）

假设思维

规律可聚合思维（递归，分形）

规律就是魔法，魔法施加到什么事物身上，什么事物就会表现出魔法的特性，如果事物是可聚合的，那么小事物聚合后的大事物后会表现出小事物同样的魔法，我描述为同种族个体聚合规律不变性。根据反推思维，大事物表现出的魔法也会出现在聚合成大事物的小事物身上。

典型可聚合的事物： 时间  空间

聚合方式：小事物如何聚合成为大事物，必须要有一定的聚合算法，如时间采样或均值 空间采样或均值等。

关于大脑理解聚合规律时会产生混乱问题,是因为没有固定当前维度（周期或者空间）的坐标导致，现实情况往往需要跨三个维度来讨论规律，每个维度都有相同的规律，但是如果不固定当前维度的坐标，很容易陷入维度跳跃导致思维混乱。固定方法：比如当前是中维度，往大考虑是大维度，往下考虑是小维度，共涉及三个维度，一定要把参考维度固定住。

反向强化思维

每次发现规律后回顾发现规律的过程，找到有价值的过程思维 丰富思维库

辩论产生新灵感思维

多和其他人辩论问题,不同的意见或者想法往往能激发出自己对事物的新认识。

不要相信自己的眼睛，悖论才是真理思维

人类大脑的局限性，导致自己看到的和想到的未必一定是事物真实的本质，往往历史上一些知名的悖论才是事物本质的真相。多多收集、研究和总结新的悖论是很有意义的。

其他思维

理解任何规律的过程都是先复杂化（规律拆解为小规律小逻辑的过程）再简单化（规律本质已经出现，细节逻辑过程可以被忽略了）

文字或语言总结定义精确化有利于大脑认清规律特征点（大脑对模糊记忆元需要做功加工 确定事物只需要存储记忆，耗能耗时不同）

第四章

记录根据之前的三篇理论，记录一个典型时间聚合的规律案例-期货市场的规律。

本章不是交易或者赚钱方法的文章，只是作为复杂规律发现的案例。

期货市场是典型的时间维度聚合的体现，即相同的本质规律应用在不同的周期上。

本质特性

基本规律：

1 每个周期内，都是由柱为基本单位，柱组合成柱线。

2 小周期组成大周期，由小周期上的一段柱线的最高点和最低点组合成大周期的柱。跨周期思考，可以简化理解为为柱就是线，线就是柱。

3 柱线的发展就是斜率，就是k线，单个周期内考虑，k线的斜率未来发展方向可能0是斜率，也可能大正斜率，也可能大负斜率，斜率就是这一时间段内的价格变化速度，也就是单周期内由趋势和震荡市组成，但是请记住：震荡和趋势本质只是k线斜率不同，或者说价格变化速率不同的体现。

4 跨周期考虑斜率，小周期的k线斜率变化其实就是大周期内柱子的高度变化。比如小周期内k线斜率由大斜率变为0斜率，那大周期上的体现就是由大周期上的一个大柱变接了一个小柱。简单说，小周期大斜率绝对值转零斜率 <==>小周期趋势转震荡 <==> 大周期高柱切换到下个矮柱，只是不同周期图的横坐标时间单位不一样，纵坐标体现出的形态不一样，这也再次说明了柱就是线，线就是柱，只是换了个横坐标单位。如果从几何的角度讲，把大周期柱的时间跨度设为1,那么大周期的柱的大小值其实就是小周期的斜率值。

5 每个周期内，从统计角度,柱子高矮个数的概率分布符合正态分布概率密度函数。简单说：大周期高矮柱子的个数 <==> 小周期大斜率区间和0斜率区间次数 <==> 小周期震荡次数趋势次数都符合正态分布。 虽然趋势和震荡次数符合正态分布，但是实际从大柱出现的时间集中度再某些时间段内有规律，并不是完全随机的，其分布规律受下面讲的周期共振的影响。

6 基本形态的发现 <==> 不同周期基本形态叠加 <==> 周期共振的解释 

为了发现又柱组成的k线斜率变化的基本形态(我称之为上帝形态)，用极值思维，和假设思维，做一个合理的推论：

# 期货市场背后的物品的价值，在人类范围内，在一个有限大的时间周期内，一定有一个最高价和最低价。那么由此，一定有一个顶级的周期K线图，一定是个有顶有底的箱体震荡。

# 价格的变化是连续的，那么后续的这个箱体内的所有柱子一定是被框在这个有顶有底的箱体内的。

# 又根据柱子的高矮个数符合正态分布，那么可以断定出现一个箱体内顶天立地的极限柱以后，后面90%以上的极大概率一定出现一个比刚才顶天立地柱小的反向柱子。根据正态分布，均值附近的柱高矮最可能出现，那么顶级周期的这俩柱的基本形态就出现了：

放在小周期里，基本形态就成了趋势后接了一个震荡，如下：

现在基本形态有了，那么任何周期内，都是由这种基本形态叠加而来的，如下：

 

周期共振就是这几种基本形态在不同周期出现了重叠（类比波的叠加），那么未来就大概率走大周期的那个形态：

#大周期趋势，小周期即使是震荡也会转趋势概率大

#大周期震荡，小周期趋势碰到大周期箱顶大概率反转

#大周期趋势，小周期趋势，大概率小周期也走趋势

口诀：

快后必有慢 趋势必回调

长慢必有快 震荡必突破

迭代方向往大看 终极周期是震荡

第五章

本篇写“规律指导现实”，以上篇发现的期货规律指导现实为例做个收尾。

总纲结论：

(#) 基本走势<=>最小周期走势走势

(#) 基本走势就是基本图形的动态形成过程：

有趋势必反弹  反弹过后是震荡 震荡之中出突破（趋反震突）。

(#) 本质上大周期就是由都是由基本走势随着时间叠加而成，根据规律递归迭代的特性，从大周期上看，无论当前正在趋势中还是震荡中，都满足这个规律，只不过有如下特性：

@ 趋势时反弹后震荡的时间偏短，趋势的时间长

@ 震荡时反弹后震荡的时间偏长，趋势的时间偏短

本章根据基本规律，扩展成交易规律，可以按如下步骤寻找买卖点：

1 先确定要交易的周期

看指定周期的k线时，周期切换方式：当前位置横坐标往左右方向扩大就是扩大周期，不管要切换的周期多大，始终要记住每个周期都是由基本图形迭代组成的，大周期内会包含几个小周期的基本图形。学会从复杂图形中确定出我们想要的周期的基本图形叠加方式是很有必要的技能。

2 等待参考观察点出现

本周期上等待形成一个上章讲的一个基本图形(趋势转震荡)首次出现作为介入观察点。已上涨趋势举例（下跌趋势原理一样），上涨趋势时，等待趋势首次回调走出正V型，但没有破上涨的高点，即确定走出了基本图形，作为观察点。

基本图形趋势段的高点和回调段的低点形成箱体的上沿和下沿，上沿表明本次上涨动力的最高价，下沿表明本次上涨回调动力的最低价。

观察后续走势，后续走势必然出现箱体内震荡、上突破和下突破三种可能。

震荡说明新的上涨或下跌动力还在酝酿中，没办法被识别出。突破了上下沿说明新的上涨或下跌动力形成，要叠加新的基本图形，具体如下（上突破和下突破原理一样，只按上突破说明）：

当前周期后续震荡：

说明当前周期方向不明，无法确定下个要叠加的基本图形，如果更大的周期也在走震荡走势，说明本周期的基本图形的震荡段叠加了大周期的震荡段，大概率本周期后续继续震荡，可依据箱体顶底高抛低吸。其他情况没有参考意义。

当前周期后续上突破箱体上沿：

说明更大的周期有新的上涨动能，并要形成更高的上涨柱。这意味着本周期要叠加一个新的上涨形态的基本图形，并且走要基本图形的趋势段。要介入买涨。参考更大周期作为上涨空间的判断：

# 如果更大的周期当前正在走震荡行情，并且大周期当前上涨柱在箱体不上不下的内部区域，那么说明和本周期上涨共振的是大周期震荡，说明本周期的新基本图形的趋势段高度有限。

# 如果大周期当前也在走大周期的箱体上沿突破，那么说明大概率大周期（受更大周期的影响）也要走一个基本图形的迭代，并且大周期要叠加的基本图形的趋势段和本周期要叠加的基本图形的趋势段形成共振（大周期震荡突破期趋势段和本周期趋势段共振），大概率要较大幅度上涨。

# 如果大周期当前不在箱体内，正在走趋势行情，那么说明大周期的趋势期的基本图形趋势段和本周期的要叠加的基本图形趋势段形成共振，大概率大幅度上涨。

总结：

确定操作周期，等待完整基本图形首次出现。

破了箱体顶说明要叠加新的上涨基本图形，要买多。

破了箱体底说明要叠加新的下跌基本图形，要卖空。

如何从小周期基本图形判断大周期基本图形方向转换点？

小周期的基本图形方向转换点，在大周期基本图形上只有两种可能：

# 大周期基本图形趋势段末端转震荡（或者说大周期震荡形成的首个箱底位置）

# 大周期基本图形震荡段箱顶或箱底

小周期基本图形的方向转换点一定碰到了大周期基本图形震荡段的箱顶或者箱底位置。

小周期转换点两种情况：

连续两到多个小周期基本图形顺基本图形趋势段方向叠加后：

1 当前小周期的基本图形震荡段顺基本图形趋势段方向突破，但是突破的位置不远，形成小震荡或根本没有震荡段的新基本图形后立马重新反弹到上个基本图形的震荡段边沿以内(收回了本基本图形突破时形成的趋势段)，简化：惯性反转法

2 当前先周期基本图形震荡段逆着其趋势段方向突破，简化：直接反转法。

小周期基本图形转换点的意义：

# 转换点出现在大周期基本图形趋势段：说明大周期的趋势段见顶或见底要反弹，小周期基本图形突破前的震荡段最低位置成为大周期的箱底或箱顶区域。

# 转换点出现在大周期基本图形震荡段：大周期震荡段见箱顶或箱底，小周期基本图形突破前的震荡段成为大周期的箱底或者箱顶的底部或者顶部区域。

结论：如果在大周期的震荡走势内做小周期的突破交易的话，会很不准，因为小周期的突破被大周期的震荡叠加了，所以一定要等待大周期方向确定后再做小周期突破交易，或者直接做大周期震荡交易。