> ## Content Index > Fetch the complete content index at: https://fusyof.com/llms.txt > Use this file to discover other available public pages before exploring further. # 应对止损 - URL: https://fusyof.com/dealing-with-stop-20251222/ - Published: 2025-12-22T07:31:18.000Z - Updated: 2026-01-04T08:12:30.000Z - Description: 如何应对交易中的止损？ 如何让止损更少，盈利更多？交易中的亏损怎么办？ - Author: fusyof - Tags: 其它分享 > 本文翻译自 [https://x.com/thiccyth0t](https://x.com/thiccyth0t?ref=fusyof.com) 发布的同名文章。有一些针对性调整和补充解释。 2025 年又是充满波动性的一年，但仍有许多人在交易中亏损。 这篇文章并不针对那些一直稳定亏损的人，而是针对那些本来有盈利且能力不错，却仍在本季度回吐了可观利润的人。 人生最大的痛苦之一就是看着几个月或几年的努力在一瞬间付诸东流。 在希腊神话中，西西弗被判永远推着一块巨石上山，但每当他到达山顶时，巨石就会滚下去。这个惩罚有一种独特的残酷，直指人类经验的核心。 交易具有同样的特性。与大多数职业不同，它没有存档点，整个职业生涯可能因一次错误决定而被彻底摧毁。它已导致许多人自杀。 ![](https://storage.ghost.io/c/cc/79/cc799329-b1e2-4120-bd13-84c3ec45c557/content/images/2025/12/image-20.png) 大作手利弗莫尔（在晚年自杀） 当巨石确实滚下来时，人们有两种反应。 有些人评估形势并试图把损失挣回来。他们更激进地交易，暗中试图用马丁格尔式的方法（亏损后加倍本金）把亏损拉回来。如果他们能迅速把钱赚回来，就永远不用在情感上直面所发生的事。这常常奏效，正因如此它非常危险，因为它强化了一种从数学上注定会让你最终归零的坏习惯。 其他人会精疲力竭，然后彻底离场。这些人通常有足够的钱过上舒适的生活，风险不再显得不对称。他们自我安慰，告诉自己面对市场不再有任何优势，他们离开，并且实际上从此永远退出市场。 这两种反应都可以理解，但它们都是粗暴的手段，且都没有触及真正的问题。真正的问题在于你的风险管理体系存在一个漏洞。大多数人认为他们的风险管理比实际要好得多。 这本身并不是一个无解的问题。数学原理已被充分证明。困难之处不在于不知道该做什么，而是在情绪、自尊、压力和疲惫面前仍能去执行。将你的行为与意图对齐是作为人类最难的部分之一。市场总是无情地用现实呈现这些校准错误。 那么损失发生后，你如何走出阴影？ 首先，你要接受一个事实：这不是运气不佳，也不是被不公正对待。这次损失是由你流程或策略中的某个弱点产生的。如果你不找出并修复那个具体问题，它还会再发生。 其次，你需要完全认同你的新本金基线。你不能以过去的历史最高点为锚。“要把钱挣回来”的冲动是市场中最危险的驱动力之一。远离屏幕。练习感恩，感谢你已经走到这一步。你还活着，你还在游戏中。你的目标不是把钱挣回来，而是单纯地继续去赚钱。 把这次损失当作付给市场的学费，市场暴露了你的一个缺陷。你迟早会学到这个教训。要感激你现在就学到了它，而不是在风险更高的情况下更晚才学到。如果你正确地做出努力，将来回看这一刻，你会心存感激。性格是在炼狱中锻造的。 准确地识别失败所在。对大多数人来说，这通常是：**重仓、无止损入场、在小周期内反复追涨杀跌累计出大量止损，或在止损触发后未能遵守止损**。这几项中的某一种或几种的组合。对风险和止损制定严格规则可以防止大多数灾难性损失。 提醒自己，阻止巨石再次完全滚下山的唯一方法就是遵守那些规则。它们是你与目前所经历的折磨和自我厌恶之间的唯一屏障。没有了你的规则，你一无所有。 允许自己彻底难过于这些损失。尖叫、运动、奔跑（但不要有自毁倾向）。把情绪释放出来，而不是让它住在你的身体里。 最重要的是，你要把导致痛苦的原因精确地找出来。伤痛必须被转化为规则。如果不这样做，它就会重演。 关于处理伤痛的这一认识不仅适用于交易亏损，也适用于更广泛的人生中的失去。上文提到的常见反应背后的冲动过于模糊，因为它们常常在解决问题的同时引入同样多的新外在因素。如果你不能以细腻而精确的方式从损失中恢复，你最终会在解法附近来回摆动，如下图： ![](https://storage.ghost.io/c/cc/79/cc799329-b1e2-4120-bd13-84c3ec45c557/content/images/2025/12/image-21.png) 在机器学习和优化算法中，学习率（Learning Rate）的大小对模型寻找最优解的影响 左图为学习率过低，变动极其缓慢，迟迟无法到达最佳点。（比如：**没有反思，没有找出你当前的策略和方法上的真正问题所在，只是在调整一些无关痛痒的地方**） 而右图中是学习率过高，步子会越跳越大，甚至离目标越来越远，导致程序报错或模型训练失败。（比如：**你放弃反思策略方法，而是不停的更换、学习新的策略，试图找出所谓的银弹**） --- 当拿破仑在战斗中失利时，他会立刻开始重建基础设施并准备下一步行动。失败只有在削弱了你进行下一场战斗的能力时才是致命的。失败后的首要任务是确保这种脆弱性不会再次被利用，并尽快恢复到最佳状态。 不寻求救赎，不寻求报复，不要自暴自弃，也不要愤懑不平。你必须成为一台冷酷无情的机器。你修复并重建。防止同样的错误再次发生。你所幸存下来的每一次失败，都会在你的体系中筑成一道壕沟，每个人都必须按自己的方式去学习这一点。 像这样的失败会造就一个人。为失败的发生心存感激。它们存在是为了教会你一些东西。失败不是无缘无故发生的。允许自己感受痛苦，但要把痛苦折磨转化为确保它永远不再发生的动力。 这些事情之所以困难，是因为一旦你找到了正确的方向，你就再也无法停止你近乎疯狂的财富增长。 祝你好运。