首页 最新段子

21点(Black Jack)
从概率上讲,21点是庄家优势很小的游戏,
只要玩家掌握了基本战术,庄家的优势就只有0.5%左右,
这个微小差距还会随着剩余大小牌张的比例有上下1%的浮动,
21点的取胜秘诀就是:通过记牌估算概率,
当形势于庄家有利时,下小注,
当形势于玩家有利时,下大注。
你被困在一座荒岛上,救援要四天之后才能到达。
你有一种特殊疾病,需要每天吃A、B药片各一片才能生存。
很幸运,你两种药片各有四片,但不幸的是,
它们混在一起了,而且外形一样,无法辨认。怎么办?
(答案:把每片药分成四等份,每天吃每片药中的一份。)
由于赌场规则改变,靠记牌赢21点很快变得近乎不可能了,
这时美国又开始流行得州扑克(Texas Hold’em)。
相比21点的机械战术,得州扑克更强调“与人斗其乐无穷”,
你不需要最好的牌技,只需要找到比你更差的对手;
你不能只看自己的牌,更要揣摩对手的牌;
你不能总是虚张声势,但也不能总是实实在在,
你必须七实三虚,在对手以为摸透你的时候,悄然改变战术。
初级玩家根据自己的牌押宝,高级玩家根据对手可能的牌和对手的心理押宝
靠“贝塔”赚钱属于撞大运,境界很低;
避开系统风险,靠“阿尔法”赚钱才是真功夫。
任市场潮起潮落,我自专心提款
一铁一起同过窗,
二铁一起扛过枪,
三铁一起嫖过娼,
最铁一起分过赃。
动量因子(Momentum Factor)
反转因子(Reversal Factor)
单因子策略
动量策略:
直接买入动量排名前 10% 的品种,持有 1-3 个月后调仓,适合趋势行情;
反转策略:
买入短期大幅下跌的品种,持有 1-2 周后止盈,适合震荡行情或错杀场景
《大赢家:一本通宵看完的财经小说》 
以真实事件为蓝本,回顾中国资本市场三十年间的风云变幻。
1990年代初,从川西农村梁家坝走出的梁万羽在信托公司开始了自己跌宕起伏的人生。
自卑又一无所有的他犹豫再三买入原始股,赚得人生第一桶金。
国债期货327最后关头的空翻多,让他一战成名。
与室友宋旭东、严浩的联手操盘,使他跻身大佬之列……
可以说,中国资本市场的30年,铸就了梁万羽的财富自由之路,
也见证了无数人的折戟出局,有的甚至生死不明。
YOLO(You Only Look Once)算法在 K 线形态识别中也展现出良好的应用前景。
YOLO 是当前主流的一阶段目标检测算法,具有检测速度快、精度高的特点。
研究人员将图表走势的关键结构
(如 "上升趋势"、"下降趋势"、"箱体震荡"、"突破"、"拐点" 等)
标注成目标框,并训练成 YOLO 格式的数据集,
实现了对股票图像的模式识别和走势类型的自动判断
不借钱买股票 Never buy stocks with borrowed money 
永远保留现金 Always keep cash reserves
行情 Tick 数据是金融市场中每笔成交或报价的逐笔记录,
以毫秒级时间戳为核心,包含价格、成交量、买卖方向等,
是市场最细粒度的原始数据,
支撑高频交易、微观结构分析与精准回测
箱体理论(Box Theory)由美国分析师 尼古拉斯・达瓦斯 提出,
核心逻辑:
股价在一段时间内会在一个明确的价格区间(箱体)内波动,
上方压力位为箱顶,下方支撑位为箱底。
当股价突破箱体边界且有效站稳后,会进入新的箱体运行,
原支撑 / 压力位转换为新的压力 / 支撑位。
趋势的定义:
不断上升的波峰与波谷为上涨趋势;
不断下降的波峰与波谷为下跌趋势
海龟交易法则分为两部分:
一部分为策略,一部分为资金管理。策略部分基于唐安奇通道,
即上破X天内最高价买进,下破Y天内最低价卖出。
投资的尽头是人性
TA4J(Technical Analysis for Java)
定位:轻量级、专注技术分析和回测
作战就像做买卖一样,赚钱的就来,蚀本的不干。
打得赢就打,打不赢就走。
你来时我叫你打不着,我打你时一定要把你吃掉
PB   Price-to-Book Ratio 市净率 
BTOP Book-to-Price    市净率倒数
PB = 股价 / 每股净资产 = 总市值 / 净资产总额
BTOP = 1 / PB
哑变量也叫虚拟变量,
是用0和1表示分类属性的人工变量,比如性别男=1女=0。
它能把无法量化的变量如职业、血型等引入回归模型,
通常用k-1个哑变量表示k个类别,避免共线性,同时保持模型简洁。
Smile 库凭借原生 Java、轻量高效、算法全面的特性,
能无缝落地 ETF 量化因子挖掘的全流程。
从基础因子计算到有效性检验,再到多因子模型构建,
无需依赖 Python 生态,可直接集成到 Java 量化交易系统中
Smile提供了从基础统计到高级机器学习的完整工具链,
特别适合在Java生态中进行金融数据分析。
集成Smile库,可以获得一个高性能、功能丰富的量化因子挖掘系统

第一页 上一页 下一页 最后一页