把交易當修行場!如何在7個月內賺到四百萬?做對這四件事是關鍵
把交易當修行場!如何在7個月內賺到四百萬?做對這四件事是關鍵
##### 7個月賺到四百萬!全因做對這四件事

第一件,在矽谷銀行宣布破產後的第二天做多了比特幣,然後在一個月後自動止盈離場。

第二件,在六月下旬觀察到回調差不多結束了,於是開始做多比特幣,在意識到價格無力觸到我預期的止盈點後,於恐慌拋售前夕離場。

第三件,我從六下旬展開我對宏觀流動性的研究,確認了廣為流傳的「貨幣緊縮」是個偽命題,進而安心開始了我的休假,因為我要等待短期熱潮退去,全力投入市場。

第四件,我自八月下旬回到市場,比對2021年比特幣上漲週期與期貨ETF申請進程的關係,同時制定了我的幣種追蹤列表和投資計劃,然後等待著入場信號的出現。九月初,我加足馬力,做多了比特幣。

當然,我的投資計劃裡還包含了許多其他幣種,有些是啞彈,有些是昨日黃花,有些仍舊未來可期,但我不準備說它們,因為我不想像個帶單老師一樣。

現在,我一邊等待著離場信號的出現,一邊計劃著手做點其他事情。我仍然在翻看那些我百讀不厭的交易聖經,我很喜歡我鍾愛的投資大師們的敘事方式,於是我想,為什麼我不依樣畫葫蘆寫一點東西,讓大家認識一下我呢?我應該還算是一個值得認識的人。

我更想記錄一下我如何在交易中修煉自己的,儘管我相信這些經驗永遠不會從我的世界裡消失,但我現在就是很有傾訴和分享的衝動,我希望我一路以來的發現有朝一日也會對別人有所幫助,就像我從著書立作的交易大師們那裡得到無以為報的幫助一樣。

當然,我會非常警惕地防止分享演變為說教。

##### 觀點並非神聖不可侵犯的教條!

我平常不太會跟人透露自己在做什麽,在社交場合也比較寡言,多數時候我會先聽人們說些什麽,然後再根據他們抱持的觀點立場,判斷我是否應該坦誠以待。從過往經驗中,我只要一坦誠,就會被當作胡言亂語的神棍、自大的利己主義者、自吹自擂的傳銷頭子、背叛馬哲信奉僞科學的宗教狂徒。

我花了一些時間弄清楚,爲什麽我的真誠會變成一種冒犯。

這就引出了我第一件想說的事:關於人們常常把接收到的觀點當成神聖不可侵犯的教條。這些觀點常常還是路邊撿來的,但人們總是像捍衛生命一樣捍衛自己當下的認知。

我曾經也有這樣的階段,而那時我常常反思自己,爲什麽下意識地就會陷入一場無來由的辯論,並且不受控地想要駁倒對方。

由此我挖掘出內心深處根植的「證明自己對」的慾望,證明自己對,就能證明自己比別人更優越、更高明。

觀點和觀點的傾軋看起來是在追求真理,實則是在追求最便宜的自我滿足和優越感。這種行爲同時也是對人最大的損耗,追求真理絕不會讓人變得易怒、暴躁、看人不順眼、變得有攻擊性,觀念被挑戰、自我感受損才會。(觀念尋求擴張的本性更甚於資本)

而我意識到,自我感是我最不需要的東西,尤其當我參與市場的時候,把事情做對比「證明自己對」更重要。追求自我感讓人變得頑固不化,讓人完全按照自己的心願、觀念來看待事物、對待他人,也會完全以自己的觀念願望來看待市場。

##### 市場絕對不會遵循個人意願運作

我開始學習清晰地區分:什麽是我或他人的思維慣性、什麽是事實,我尤其會去審視自己每一個觀念、認知、定論的來源;並且,我學會依據事實真相行事,而不是依據人們篤信的論調、我的思維慣性和主觀意願。

我慢慢地拆掉了自己思維裡的牆,而市場開始以非常簡單的圖像呈現在我面前,這個表述或者有些誇張,但我時常感覺自己能夠共振它的呼吸心跳。

##### 我如何能逆市場而行,賺到400萬?

現在,我需要回顧一下,我在幾乎所有人都看熊、並等待「最後的大跌」時,押注上漲的原因。

其實非常簡單,我只看了三個指標:宏觀流動性、2021年ETF申請進程和比特幣漲跌週期的關系、以及比特幣的走勢圖。

我在七月發表過一篇文章,詳細分析了全球央行、尤其是美聯儲的升息縮表導緻貨幣流動性減少了多少。

結論是,經過十幾個月的高頻大步加息,美國國內總貨幣量仍維持在高峰附近,歐元區貨幣量甚至回到十年內最大值,美聯儲縮表規模對比其高達8萬億的資産規模,以及美國財政部新發的超1萬億美元國債,實在不夠看。

而加密市場當前的流動性總量,遠高於2020年比特幣同價位時期的流動性總量。我證僞了流動性緊縮這個命題,爲歐美股市和加密市場上半年的上漲找到了相對合理的原因。

後來,我研究了ETF是否真的會對加密市場産生影響。盡管只是一個粗略的比對,但我發現了一些有趣的事。

2021年比特幣三次垂直拉伸,分別對應機構開始集體申請比特幣期貨ETF、ETF即將通過的消息四散,以及ProShares的ETF落地紐交所(當月比特幣價格沖上新高)。

最後,我觀察了比特幣長週期的走勢圖,量價數據告訴我當下其實處於上漲週期中;接著,我又在短時間級別的走勢圖中發現,比特幣盡管頻繁地向下試探,小波段支撐卻不斷抬高、真實供應也在不斷萎縮,根據經驗,這通常是主力的震倉行爲。於是我開始螞蟻倉做多比特幣,當我發現自己的倉位開始小幅但穩定地盈利,並且上行容易下行難時,我加大了倉位和槓桿,全力做多。

##### 在市場中領悟的道理

如果還有什麽補充,那就是我堅信財富會待在令大多數人意想不到的那邊,更確切地說,失敗是在大多數人腦子中常識性的那一邊(原話來自於華爾街幽靈)。

這兩個月以來,市場越是悄無聲息,人們越是無心討論和關注市場,我就越篤定機會來了。

不是我愛跟人群唱反調,只是我經過了長時間的反躬自省,我能一眼識別那些無益於人們追尋更美好的生活、或者某些人人都愛的世俗標配的觀念、常識,人們總是把一些觀念當作無力更改的現實。

例如人們總愛用牛市熊市描述市場,但實際上牛熊是一種定義、觀點、看法,不是事實。這樣的定義使人們傾向於認爲市場將在一段非常長的時間裡一直按照「牛市」或「熊市」方式運行,但實際上,在所謂「熊市」裡我也常常發現很多好的投資機會。

這就是奇妙之處,察覺你信以爲真的觀念,審視你的觀念,一旦觀念改變,我們的可選項會變得多起來。

我的成長過程並不順利,也不開心。但我很高興找到了現在的自己。

我在摸索如何面對人生的苦難,以及學習解讀市場的過程中明白了許多道理。

一個是,永遠保持生活的秩序感(必要的時候讓目標成爲助力)。

我從2021年10月之後到整個2022年都渾渾噩噩,於是人生中最錯誤的幾筆投資以及市場操作都在那個時候發生了。當時接連遭受打擊,我以爲自己的生活再也不會變好,但突然有一天,淩晨五點,我鬼使神差地從床上爬起來,做了60分鍾的HIIT訓練。

當我渾身大汗,心率沖到高峰後,我打開了音樂,悠哉地拉伸、放鬆,沖完熱水澡塗上厚厚的身體乳。我給自己做好一杯咖啡,然後,坐到我的書桌前開始處理拖了兩週的工作。

那一刻,所有的陰霾一掃而空,我的好心情告訴我,我準備好面對一切困難和磨難了。

我從那時起懂得了,困住人的是情緒和感受,永遠不是事情本身。現在我把這樣的生活秩序維持了一整年,我的人生從未像現在這樣,每天都輕鬆愉悅、開心快活。

另一個是,在追求目標的過程中永遠不要停止如饑似渴地學習。

當我掌握了基本的經濟學知識,學會了技術分析,以及交易的各種思路、理論、策略和風險管理方法後,我意識到這個市場上竟然充斥著眾多佔據專業崗位、扮演專業角色卻一點也不專業的人,他們在參與市場的時候普遍缺乏常識武裝,但這些知識卻極其重要,沒有它們我們就無法理解市場上每一個信號、無法做到像主力一樣思考。

同時,我意識到,多數目標的達成可以從提出正確的問題開始,而多數問題都可以通過學習,實踐檢驗,根據反饋矯正目標來解決。當然,這個閉環用在交易和英語學習上很有用,我不知道它在其他領域是否起效,而我也準備投入自己不擅長的事情中實驗一下。

最後,學習理解自己的大腦,理解思維慣性和慾望的根源,並永遠不爲它們所困。

潛心學過交易的人都會明白,任何一位交易者最大的敵人絕對不會是市場或莊家,而是他自己。更準確的來說,是交易者的個人的思考活動、情緒和感受。

被妄想鼓舞,被恐懼侵擾,被沖動驅使,被惰性拖累。錯誤的操作也由此而來。

但我似乎只有在初學交易的時候偶爾會這樣。

##### 交易是我的修行場

它幫我找到了我的貪婪、我的恐懼、我的自滿、我所有根深蒂固的信念和慾望,然後我一個一個摘除了它們,很有意思的是,在止息了自己的思維活動後,我變成了一個情緒非常平和的人。這對於我參與二級市場如虎添翼,我不懂它怎會發生的,但我就是學會了在正確的時間做正確的事。

能夠在眾人看衰的熊市中賺到四百萬,歸功於我了解自己的大腦。

當然,四百萬對很多人來說實在是個小數字,跟我2020和2021年懵懵懂懂衝進市場賺到的錢相比,就績效層面而言微不足道。但比起當時,我更喜歡這次賺到的錢,它幫我驗證了一些事情,市場是個實驗室,它證明了我的猜想可以上升爲規律,我從此有了一套完全行得通的準則。

2020年那次狂暴大牛市中,很多錢我不知道自己是怎能賺到的,我常常會擔心自己離開了一些環境、離開了一些資訊來源,就再也無法獲利。

但這一次,我無比清晰自己是依靠怎樣的方法論來用小本金撬動地球的。

我清楚自己做每一個決策的原因,我也清楚自己如何找到的那些原因。更重要的是,如果未來我還需要再做任何決策,我清楚知道該去哪裡找原因。

這意味著我可以用它們學會任何我想學的事情,達成每一個我立下的目標,度過未來每一個低潮。

我完全可能在此後的某一次投資中徹底失去這四百萬,甚至我的所有積蓄,但是我已經獲得了比利潤更重要的東西。

本文授權轉載自:深潮

核稿編輯:高敬原

往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓