我是在学校里学的，个人如果有兴趣的话，也可以找经济学本科阶段全套课程自学，现在网上资源有的是。这种学习路径比较系统，基础扎实，缺点就是耗时，没个几年时间根本看不到进步。

真没看到啥消息，就摩尔线程破纪录，但也是上午的事。不知道为啥下午保险和券商就开始暴力拉升，也许汪汪队看那个缺口难看，想堵一下？

有趣的帖子，这么长的帖子我看完的不多，感谢分享！

接下来的时代是泡沫破灭后的萧条期，对价值投资 来说，是个好时代。

就打电话联系阴阳先生，然后他们领着你办就行了，不管你是想简办还是大办，他们都能安排。

替 op 说句话，能不能给亲戚出招取决于亲戚是否“知道好歹”，不能一概而论，对于明智的亲戚朋友，集思广益一起致富，分享投资机会是双赢的。我本人的家族群里大家就经常讨论股票，从来没因为谁说错什么埋怨过谁。

隔壁有个大类资产配置的帖子，可以参考那个。

感谢，领到 3 块钱！

文笔很好，产品也不错，努努力把产品成功变现，链条就走通啦！

提前回家过年是因为一直没有活干。

@Sawyerhou #6 我第一条回复就已经说了，招聘软件搜“量化工程师”，找 20 个招聘需求先看一下，外行没关系，至少可以查一些基础资料先了解一下皮毛，能不能不要完全不懂就开始 battle ，说的一点边都不沾。

@warcraft1236 #5 java 、go 、高并发都可以，我没说的不代表不行，你可以自己到招聘软件上看一下，完全不沾边的肯定转不了啊，这还用说。

非常有趣的帖子，很有收获，感谢分享！

不过期望部分知乎里算的和我结果不一样。

沿用 python 代码和知乎里的命名规则，即 X~~norm(N/2,N/4)，
另设 a=ln(win)，b=ln(loss)，则
E(lnMn)=E[lnM0+aX+b(N-X)]=lnM0+(a+b)N/2
由于 ln 函数单调性且 N 必为正，Mn 是否大于 M0 取于 a+b 的符号；

当 win=1.2 ，loss=0.83 时，a+b=ln0.83+ln1.2~=-0.004 ，此时期望为负；
知乎里说期望为正，和我算的不一样。

当使用凯利公式且 k=0.44 时，
win=0.44*1.2+(1-0.44)=1.088 ，loss=0.44*0.83+(1-0.44)=0.9252 ，
a+b~=0.007 ，此时期望为正。

我这里凯利公式可以扭亏为盈是因为期望符号发生变化，
不过这种情况现实中并不常见，当然，不排除我算错了:p

如果你真的能坚持定投十年，那这个配置我觉得挺好的。

我觉得产品本身做的挺好，

变现逻辑的确不清晰，目前蓝厂、绿厂、谷歌、OpenAI 都没能实现盈利，你凭什么认为你可以呢？

@cmdOptionKana #7 1 、夏普的波动是策略收益率的波动，短线喜欢的波动是标的涨跌幅的波动，都是算标准差，但算的不是同一个东西的标准差。

2 、夏普的计算不是死的，波动的计算方式很多，收益和时间单位也都可以根据场景自定义设计。但一般都是根据历史来估计风险大小，毕竟没人能根据未来做估计。

投资是一门非常古老的学科，遇到问题可以先找找资料，大概率你遇到的问题别人也遇到过，并且已经有了成熟的解决方案，这比自己想解决方案会节省大量时间。

@cmdOptionKana #4 高频交易量化用的最多的就是夏普，夏普本质上是期望除以标准差，即承担单位风险获得的回报，跟交易频率无关，可以先找几个书本上的经典示例看看，理解一下夏普的基础含义。

其实就是 有效前沿 和 夏普比率。

中位数几乎不看，看胜率和盈亏比。

如果盈亏比高，那么收益主要由少量大收益交易贡献；如果胜率高，那么收益主要由大量小收益交易累积得到；如果胜率、盈亏比都低，那这个策略是亏钱的无效策略。

平均收益是每笔交易的期望收益，可以跟交易成本比较，有实际含义；中位数收益是纯统计数据，实际交易中无法使用，没有实际含义。

收益由少量大收益交易贡献，不代表是运气，只是策略的特点，就像做打板的，就是三年不开张，开张吃三年。不是胜率高的策略比盈亏比高的策略好，这就是为什么平均收益更常用，只要赚钱的策略就是好策略，钱怎么赚来的并不重要。

建议先把已有的指标研究透，含义是什么，怎么用的，然后再新增自己的指标。