可视化。第二个25分钟，实现简单移动平均线计算。第三个25分钟，编写双均线金叉死叉信号。
九点三十分，休息十分钟。他起身活动，做了几组深蹲。
九点四十分，进入输出环节。他继续写代码，回测策略，计算年化收益、最大回撤、夏普比率。基础策略表现一般：年化8.3%，最大回撤35%，夏普0.32。
他开始优化：加入波动率过滤、止损机制、仓位管理。第二轮回测：年化12.1%，最大回撤22%，夏普0.51。有进步，但不够。
他记录下问题和思考：过度拟合风险、参数敏感性、市场状态适应性。然后他打开行为金融学笔记，思考如何将“过度自信”和“损失厌恶”的认知偏差，转化为策略因子。
十点二十分，他停止优化。今日目标不是做出完美策略，而是完成“学习-实践-记录”闭环。他在Notion中写下：
【量化学习 Day1 输出】
• 掌握：双均线策略基础构建与回测
• 问题：参数过拟合、缺乏基本逻辑支撑
• 洞察：纯技术指标易失效，需结合行为金融学（如投资者情绪指标）
• 明日方向：研究“换手率”作为情绪指标，改进策略
十点三十分，晚间学习结束。有效时长：110分钟（目标150），专注度自评80分。未达标，原因：晚上精力略有下降，且编程调试耗时超预期。
他记录数据，然后打开“深度学习体系”文档，在“复盘”部分写下：
Day1 执行复盘
• 晨间：达标（86分钟，85分）
• 晚间：未达标（110分钟，80分），因调试耗时和精力衰减
• 改进：1. 晚间主题可略降难度（如阅读替代编程）；2. 调试时间需提前预估并预留缓冲；3. 考虑将高认知负荷内容全放在早晨。
• 明日调整：早晨学量化，晚上阅读心理学。
十点四十五分，他洗漱，上床。睡前，他发了一条知乎想法：
“Day1 学习数据：晨86min+晚110min=196min，达成率81.7%。问题：晚间效率下降。改进：明早调换主题。投资账户：+0.3%（今日无操作）。体脂率：20.1%（持平）。明日继续。”
发完，关手机。
躺下时，他感到一种清晰的疲惫，不是耗竭
本章未完，请点击下一页继续阅读！