当前位置: 首页 > news >正文

从资金管理的角度 谈谈伦敦金投资技巧

刚进入伦敦金市场的时候,笔者认为技术分析是很重要的,所以将学习伦敦金投资技巧的精力全部投入到技术分析的学习中。经过一系列交易的亏损,笔者才发现,其实交易管理才是最重要的。如果管理得好,30%的胜率,投资者照样能够盈利。下面我们就从交易管理的角度出发,讨论一下伦敦金投资技巧。

从资金管理的角度 谈谈伦敦金投资技巧

首先,投资者要设定一个积极的风险和报酬比。风险和报酬比的意思就是我们投入多少的风险,根据该风险对应的报酬是多少?如果我们有50%的交易胜率,那我们采用1:1的风险和报酬比,也就是风险是1000美元,报酬也是1000美元,那也只能将将实现盈亏平衡。所以1:1只是一个基本的风险和报酬比,但并不算积极的。

笔者认为积极的风险和报酬比应该是在1:2,甚至是1:3以上。上一段中笔者说30%的胜率投资者也能盈利,这并不是吹牛。如果投资者使用1:3的风险报酬比,每笔风险1000美元,对应的报酬是3000美元。10笔交易后,3笔交易盈利带来的是9000美元,而7笔交易亏损带来的亏损金额是7000美元。那总体来看,投资者还有2000美元的盈利。这就是设定积极的风险和报酬比的意义。

话又说回来,采用1:1和1:3的风险报酬比,是前者更加容易实现,因为前者从入场位到目标位的距离更加近。在1:3的风险报酬比之下,要达到目标位伦敦金价格就要波动得比较远。所以投资者也要知道,采用比较积极的风险和报酬比,投资者的胜率是不高的。在1:2的风险报酬比之下,能有50%的胜率已经很好了。以上从资金管理的角度出发,讨论了关于伦敦金投资的技巧,希望对投资者会有所启发。

相关文章:

  • 北京网站建设多少钱?
  • 辽宁网页制作哪家好_网站建设
  • 高端品牌网站建设_汉中网站制作
  • 在 Azure 云中开始使用适用于 Ubuntu 的 Grafana
  • SpringMVC:SpringMVC执行流程
  • uniApp 封装VUEX
  • 【HarmonyOS NEXT】鸿蒙如何让List组件不满一屏时,还要能滑动和回弹
  • ONLYOFFICE8.1版本桌面编辑器测评
  • 白骑士的C语言教学高级篇 3.5 性能优化
  • 生物化学笔记:电阻抗基础+电化学阻抗谱EIS+电化学系统频率响应分析
  • 初步认识 B树(B-tree)
  • 如何使用 SwiftUI 构建 visionOS 应用
  • ActiveMq工具之管理页面说明
  • kotlin 中 string array 怎么表示
  • 通信软件开发之业务知识:PON口割接什么意思?
  • 单例模式之饿汉式
  • 自定义控件之绘图篇(三)区域(Range)
  • CTFShow的RE题(三)
  • __proto__ 和 prototype的关系
  • Brief introduction of how to 'Call, Apply and Bind'
  • CoolViewPager:即刻刷新,自定义边缘效果颜色,双向自动循环,内置垂直切换效果,想要的都在这里...
  • fetch 从初识到应用
  • iOS 颜色设置看我就够了
  • JAVA 学习IO流
  • JDK9: 集成 Jshell 和 Maven 项目.
  • Just for fun——迅速写完快速排序
  • Making An Indicator With Pure CSS
  • orm2 中文文档 3.1 模型属性
  • Stream流与Lambda表达式(三) 静态工厂类Collectors
  • 关于Android中设置闹钟的相对比较完善的解决方案
  • 关于for循环的简单归纳
  • 技术胖1-4季视频复习— (看视频笔记)
  • 老板让我十分钟上手nx-admin
  • 如何抓住下一波零售风口?看RPA玩转零售自动化
  • 网络应用优化——时延与带宽
  • 【运维趟坑回忆录】vpc迁移 - 吃螃蟹之路
  • 1.Ext JS 建立web开发工程
  • shell使用lftp连接ftp和sftp,并可以指定私钥
  • ​业务双活的数据切换思路设计(下)
  • # Python csv、xlsx、json、二进制(MP3) 文件读写基本使用
  • $(this) 和 this 关键字在 jQuery 中有何不同?
  • $GOPATH/go.mod exists but should not goland
  • (C++17) optional的使用
  • (pytorch进阶之路)CLIP模型 实现图像多模态检索任务
  • (vue)el-checkbox 实现展示区分 label 和 value(展示值与选中获取值需不同)
  • (三)Pytorch快速搭建卷积神经网络模型实现手写数字识别(代码+详细注解)
  • (一) 初入MySQL 【认识和部署】
  • (转)Unity3DUnity3D在android下调试
  • (转)winform之ListView
  • (轉貼) 2008 Altera 亞洲創新大賽 台灣學生成果傲視全球 [照片花絮] (SOC) (News)
  • .JPG图片,各种压缩率下的文件尺寸
  • .NET C# 配置 Options
  • .NET Framework 3.5安装教程
  • .NET 程序如何获取图片的宽高(框架自带多种方法的不同性能)
  • .net 中viewstate的原理和使用
  • .NET/C# 在代码中测量代码执行耗时的建议(比较系统性能计数器和系统时间)...
  • .NET中 MVC 工厂模式浅析
  • .net专家(高海东的专栏)