手工看盘转自动交易，为什么不能直接把经验交给程序？

手工交易做久了以后，很多判断会变成习惯。

看到盘口变化、价格速度、关键位置和品种状态，交易者可能很快就有反应。但自动交易不认识这些习惯。程序不会因为你觉得“这里不太对”就停下来，也不会因为你觉得“这波有机会”就知道该怎么下单。

经验有价值，但要先变成程序能识别的规则。

程序听不懂感觉

手工看盘时，人能同时处理很多细节。

价格刚刚冲了一下，成交量放大，形态不太顺，某个品种跟得慢，这些信息在人脑里会合成一个判断。但程序只看你写进去的条件。

如果条件里没有成交量，它就不会管成交量；如果没有写风险边界，它就不会主动避开异常；如果没有写撤单逻辑，它也不会因为你“感觉不对”就撤单。

所以自动交易不是把经验原封不动交给程序，而是先把经验拆开。

经验要拆成规则

可以把一条手工经验拆成几个部分。

第一，观察对象是什么。是价格、均线、成交量、盘口，还是账户状态。

第二，触发条件是什么。比如价格超过某个点位，均线发生交叉，波动超过平常范围。

第三，动作是什么。是下单、撤单、记录信号，还是只提示人工观察。

第四，例外是什么。比如已经有持仓、行情跳动过快、连续亏损、数据异常。

拆到这一步，程序才有可能准确执行。

自动交易还要看反馈

很多人以为自动交易就是信号触发后下单。

其实下单只是动作的一部分。委托发出去以后，还要看委托状态、成交状态、持仓变化和账户资金变化。这些反馈会影响下一步判断。

如果只写信号，不写反馈，策略很容易出现重复下单、未成交继续判断错误、持仓状态不一致等问题。

自动交易真正要跑顺，至少要把“信号 -> 动作 -> 状态反馈 -> 下一次判断”这条路讲清楚。

让工具执行明确流程

等经验已经拆成规则以后，Python/API 路线就可以承接。

拿天勤(tqsdk)举例，它提供 TqApi、wait_update、K线 DataFrame、账户、持仓和委托相关工作流，可以把行情更新、信号判断、下单动作和状态反馈放在同一套代码里。

这不是说用上工具就一定能赚钱。工具解决的是执行和复查问题，不是替你判断策略有没有价值。

手工看盘转自动交易，最关键的不是把经验交给程序，而是把经验翻译成程序能执行、能记录、能复查的规则。只要这一步没做清楚，代码写得再快，也可能只是把模糊判断放大成更难查的问题。