将Cplan和Bplan的结论连接起来的功能诞生了

用AI生成的速度真的超级快，如果过去的话大概要写好久，现在只要将想法告诉AI，所讲即所得，伟大的时代w

算法原理很简单：以Cplan的调整单位d为基础，比如下跌50%，则反弹后为1/0.5=100%，第一次投入后反弹一个调整单位1/d的盈利为A，通过计算可得出每下跌一个单位买入的量X，在反弹到上一档后，盈利不低于第一次买入反弹的盈利A。AI总结为盈利一致性策略。

假设初始买入价格为P0，第一次买入的量为X0，下一档买入价格P1，则有：

$A = \frac{P_0 *X_0}{d}-P_0 *X_0$

$P_1 = P_0 *d$

$\frac{P_1 *(X_0 + X_1)}{d} - (P_0 *X_0 + P_1 *X_1) \geq A$

可得出：

$X_1 \geq \frac{X_0}{d}$

设之前的总买入量为S_(n-1)，进一步可得出：

$X_n \geq \frac{S_{n-1}}{d}$

我的描述大概是这个算式，AI给的代码，应该也是这个算式吧（喂

算法依据这样一个事实：则即使在长期下跌趋势下，统计上的最小反弹单位也一定存在。

而如果在最小反弹单位下都是盈利的，那么该策略一定盈利。

这个策略类似于赌博中的倍投策略，每次输掉后筹码倍增，只要赢一次就一定可以翻身。倍投策略的问题是，你无法无限倍增。同样，根据计算得出，这个策略最晚会在第5次买入的时候，亏掉自己第1次投入的本金。如果把第1次投入比作原始投入，把后面的投入比作杠杆的话，意味着在第5个调整单位的位置一定会爆仓。

而最大限度规避这个风险的方法就是，将投入次数压缩在4次以内。这需要从足够长的历史数据中，得到较为接近真实的预测。

所以这个策略把Cplan和Bplan的结论连接起来了，因为Cplan得到了历史数据中的最小反弹单位，Bplan得到了历史数据中每个周期的最低点，当第4次买入位置不高于Bplan的最低点时，理论上盈利的概率是100%，而在指数底部预测方面，Bplan的准确率目前是100%

另外根据观察发现了有趣的现象，虽然后面的亏损很大了，但随着投入的增加，总体亏损的速度是不断减慢的，比如：

可以看出，第一档的盈利和反弹盈利率变化是最大的，分别是4.68%和5.25%，随着投入增加，档位4到5的买入亏损只变化了0.33%，而反弹盈利也只减少了0.37%，原因是在等百分比投入的情况下，绝对的投入间隔变小了，比如100到99是下降了1%，但50下降1%是49.5，以前的文章似乎也提到过w所以这个算法也揭示了抄底的一些现象：

1、抄底抄在半山腰

如果从历史数据回看，半山腰的位置，半山半山腰的位置越往后，绝对数值差别会变得非常非常小，其实这就是小数版的指数增长。所以半山腰可以有很多，看起来都在半山腰w

2、抄底的次数最多有4次

第4次补仓位置亏掉初次买入的本金，同时反弹盈利低于1%，意味着超过这个次数，你就爆仓了，只能止损或者用巨大的代价和风险换来极低的回报，即保本出。

3、历史低值附近的波动很大

越是历史低值附近，越容易被波动吓到，但绝对数值上的变化其实很微小，0.01到0.02是2倍，0.01和0.02到0.1分别是10倍和5倍。

4、高点的亏损不易察觉

高点调整在绝对数值上的变化是巨大的，但体现在百分比上并不会很多，所以很多人误以为亏损并不多，这种错觉诱导人们在高点补仓，如果这种行为出现3次以上，大概率会侵蚀掉所有高点盈利。

回收FLAG，今年的长债实验巨幅亏损收场，吃掉了40+%的盈利（也可能50+%？ 目前只剩下一个网格在运行，现在的算法似乎并不适合交易日内波动，如果找到更合适的算法，明年大概会开始稳定盈利w

最后再次感谢AI的帮助w

目前盈利1.39W

以上。