先说说第一种方式，如果全然是自己推导出来的，那么好处自然显而易见。
自己推导出来的，就相当于自己创造出来的，自己对其的掌握自然是非常充分的。
掌握的很充分，就意味着使用起来更加便捷，更加灵活，面对可能的后续的市场变化。
比如制度上的变更，或者是风格上的变化，都可以对整体的内容或涉及到的参数做微调。
使用起来也更加如臂使指，得心应手，更加方便便捷。但是坏处也是显而易见的：一套完整的体系，如果想要自己推导出来，那么需要花费的时间精力一定不少，一定也是经过反复迭代的不断优化的才可以。
即使有经验的投资者，即使已经推导出投资体系，有经验的人再退到一个全新的体系。那么花费的时间同样也不少，而且成功率不一定很高。
再说是第二种方式。没有理论体系，但是有大量的经验可以证明，某一类操作或者说做法是好用的。ŴŴŴ.biQuPai.coM
说是大术法则也好，说是基于统计也罢。总之就是基于对于大量事实的分析比较，最后总结出一套问题较小的方法。
优点很明显，方法是经过事实总结得来的，所以更容易取信于人，也更容易让人们相信，毕竟有事实作为支撑和依据。
缺点同样明显，大量的事实，那么一定不能是几次几十次，至少应该是几百次，或者说上千次。
这种方式的成本太高了，如果通过数据分析的话，那么对投资者的专业能力是有要求的，尤其是在统计、数理分析、编程上的专业能力是有要求的。
而且太过刻板，其实也很好理解，基于大量事实寻找规律，总结方法，应用规律是统计学常用的手段。
这也是一个非常好用的手段和方式。但是他有一个非常重要的前提：那就是样本所处的环境必须统一，并且样本所处的环境和使用时所处的环境也必须一致。
就好比牛市总结出来的规律是在牛市中使用，熊市总结出来的规律在熊市中使用一样。
而且一些大方向的政策也不能有变化，因为一旦一些相关的政策产生变化，就会影响投资者的行为，就会导致外在的环境产生变化。
众所周知，市场中是每时每刻都在发生新事件的，也就是说，不可能有大量处于同一环境下的样本。大多数情况都是在变，每一个样本所处的环境都会有些微的差别。
如果不能分析出这些。需要把对应的样本剔除，哪些是无效的，差别可以忽略不计。那么总结出来的结果。是否可信，可以使用到什么程度也会存疑。
再说说最后一点，也是绝大多数投资者目前使用的方式：自身的能力、时间、经验都有问题，都不足，那么就找一些能力时间境内足够的人，有成功经验的。
去学习一些大佬，去学习一些优秀投资者的经验。正所谓智者当借力而行，这是非常聪明的做法。此类做法的好处非常简单，节约了大量的时间成本和人力成本。
降低了投资者的门槛，不需要投资者具备特别多、特别专业的统计等相关的知识和能力，但是，弊端也同样明显。