&p&前排广告位：&/p&&br&&p&我自己的新书&b&《中低频量化交易策略研发（上）》&/b&已经发布，现提供免费的电子版本，请有兴趣的朋友下载阅览。&/p&&p&百度网盘地址：&/p&&p&&a href=&///?target=http%3A///s/1bobB7BL& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&/s/1bobB7B&/span&&span class=&invisible&&L&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&/p&&p&人大经济论坛：&/p&&p&&a href=&///?target=http%3A//bbs.pinggu.org/thread--1.html& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&bbs.pinggu.org/thread-4&/span&&span class=&invisible&&-1.html&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&/p&&br&&br&&p&友情提示：我不懂高频，方向仅限中低频交易。有中文版的尽量挑中文版，因为我自己英文很烂，平常都更愿意读中文，会相对轻松一些。当然你要是鄙视中文翻译水平请自行寻找英文版。&/p&&br&&br&&p&&b&第一部分：预备知识&/b&&/p&&br&&p&【1】《投资学》 &br&作者：博迪，凯恩，马库斯&br&&img src=&/bdd71e1ee4ceac8_b.jpg& data-rawwidth=&233& data-rawheight=&300& class=&content_image& width=&233&&既然是搞量化，算半瓶水搞科学的，就不应该本能的排斥学院的东西。这本书对于投资交易的入门非常系统了，有了对市场的基本认识，了解前人在量化工作上的一些重要发展，才有可能在正确的基础上建立自己的想法和直觉。不过粗略看看也就可以了，毕竟我们这里聊的是量化交易入门，而不是金融专业如何毕业，下面三本书一样，翻翻就行。&br&&/p&&p&&br&【2】《Trends in Quantitative Finance》&br&by Frank J. Fabozzi, Sergio M. Focardi, Petter N. Kolm&br&&/p&&p&&img src=&/5ae8e2c69e01f0bdbff98_b.jpg& data-rawwidth=&200& data-rawheight=&300& class=&content_image& width=&200&&这是别人问起量化交易来，我最为推荐的一本入门书。书中讲到了做量化策略需要注意的几个最重要的地方，例如过拟合、未来函数、幸存者偏差等等。有一句话已经慢慢成为了我做策略开发的信条：交易策略研发应该以经济直觉（Economic Intuition）为基础。&br&我本身是数学、统计出身，初期曾坚信数据挖掘的作用大于经济直觉，碰壁多次之后，慢慢开始转变观念。这也说明一个问题，交易策略研发是一门需要实践的手艺，多做才会促进思维的进一步发展。当然我不肯定我自己的思路是否正确，赚钱的思路千百种，我能取一瓢饮就烧香拜佛了。&br&真的是好书，虽然内容初级且杂乱，但是谈到了大部分对于新手来说比较重要的概念，不要因为是CFA教材而鄙视它。&br&&br&【3】某本《计量经济学》&br&&img src=&/33c2c1b1a63b11322fc8aef5e2712458_b.jpg& data-rawwidth=&211& data-rawheight=&300& class=&content_image& width=&211&&我自己的计量知识主要来源于论文阅读和写作，边用边学，教材只做工具书参考用，因此不是特别熟悉( &a class=&member_mention& href=&///people/a0bbd93b11b661e3282bfda029f59eec& data-title=&@Alffee Akanishi& data-editable=&true& data-hash=&a0bbd93b11b661e3282bfda029f59eec& data-hovercard=&p$b$a0bbd93b11b661e3282bfda029f59eec&&@Alffee Akanishi&/a& 在评论中推荐伍德里奇那本，谢谢分享)。只说一点，做量化交易策略需要有一定的计量基础（当然越扎实越好），因为大部分策略始终是在和时间序列以及面板数据打交道。当然统计学基础知识也是必须的，同样越深越好，鉴于上过大学的都学过，这里就不再列统计学的书目了。理工科入行的，我想也是有必要补一补相关知识的，不一定会用上，但是能促使思维进一步系统化。&br&在基本计量知识的基础上，做量化策略的人们需要一种额外的能力：规避未来函数的能力。一些计量研究往往偏向于描述或解释某一种现象，因此无需考虑模型中时间点前后的严格划分。量化策略偏重于使用当前数据预测未来，并在预测的基础上形成策略，因此在模型建立、数据处理时需要格外注意这个问题。个人认为，Out-of-Sample检验的相关内容可以很好的训练这种能力，当然最好的方式还是在研发实践中慢慢摸索。&/p&&br&&p&【4】《漫步华尔街》&br&作者：麦基尔&br&&img src=&/ccab9de64a26_b.jpg& data-rawwidth=&208& data-rawheight=&300& class=&content_image& width=&208&&说实话这本书对于量化投资策略的研发没有任何帮助，对我而言其作用在于：1，认识指数化投资这种最具有经济意义的投资方式；2，时刻警醒打败市场有多难。&br&&br&&br&&b&第二部分：择时策略&/b&&br&&br&【1】《海龟交易法则》&br&作者：柯蒂斯·费思&br&&img src=&/67aec647aec8f1e30425b_b.jpg& data-rawwidth=&207& data-rawheight=&300& class=&content_image& width=&207&&&br&可以看作是一个机械交易策略各个组成部分的讲解，有实例（还大名鼎鼎）有说明，对大体上把握策略研发的工作很有帮助。其实如果能自行设计出一个类似乎海龟交易法则的交易策略出来，我觉得量化交易应该算初入门径了。&/p&&br&&p&【2】《交易策略评估与最佳化》&br&作者：罗伯特·帕多&br&&/p&&p&&img src=&/5cbbba65fce2_b.jpg& data-rawwidth=&214& data-rawheight=&300& class=&content_image& width=&214&&这本书国内没有翻译版本，但是有台湾的译本，我是在某宝上买的。择时策略的开发步骤大部分都涉及到了，做入门书很合适，对形成量化投资策略的研究思维有比较大的帮助。作者说自己首创了推进分析（Walk-forward），我不太清楚是否属实。但是推进分析本身值得各位想入门量化交易的朋友好好研究，这是一个比经济学Out-of-Sample检验更符合交易逻辑的回测方法，当然它本身可以算是Out-of-Sample检验的一种特殊形式。&/p&&br&&p&【3】《量化交易——如何建立自己的算法交易事业》&br&&/p&&p&作者：欧内斯特·陈&/p&&p&&img src=&/147a580a0fa679b76b0d_b.jpg& data-rawwidth=&209& data-rawheight=&300& class=&content_image& width=&209&&相较于上一本，量化交易策略的组成成分方面讲的更多一点。这本书虽然也有一点点因子模型的内容，但是主要内容还是择时策略，作者也似乎更偏向于择时的交易思维。涉及到了凯利公式以及一些量化策略的想法（我觉得书中的一些小例子不能算作真正的量化策略）。同类型的书中这一本其实写的不算太好，但是它有中文版啊，也比较适合入门。^_^&/p&&br&&p&【4】《Building Reliable Trading Systems: Tradable Strategies That Perform As They Backtest and Meet Your Risk-Reward Goals》&br&&/p&&p&by Keith Fitschen&/p&&p&&img src=&/bfe3b0db3c79c6b94bfb_b.jpg& data-rawwidth=&204& data-rawheight=&300& class=&content_image& width=&204&&这本书的特色在于较为独立的讲解了量化交易策略的各个组成成分，并且说明了各个成分的作用，以及增加、调整之后对整体的影响之类比较实践性的知识，开仓、过滤、平仓等基础内容均有实例支撑，讲的比较详细。Trading Lore那一章我非常喜欢。拿来做入门书应该算是非常好的选择。&/p&&br&&br&&p&&b&第三部分：选股策略 / 投资组合管理&/b&&/p&&br&&p&【1】一篇论文：&br&Eugene F. Fama, Kenneth R. French. The cross-section of expected stock returns. Journal of Finance, 47 (1992), pp. 427–465.&/p&&p&&img src=&/9848c10aed8b9f697fcc56a374c1c80f_b.jpg& data-rawwidth=&200& data-rawheight=&250& class=&content_image& width=&200&&Alpha选股策略的源头，而且还仔细做了规避未来函数的工作，提出的因子也在实践中被证实有效。相比较而言，93年那篇更受学界认同的论文实际上是一篇解释性的文章，从风险补偿等方面来解释超额回报来源的现象与问题，其对于量化投资策略的意义，见仁见智了。&br&&br&【2】《Quantitative Equity Investing》&/p&&p&by Frank J. Fabozzi, Sergio M. Focardi, Petter N. Kolm&/p&&p&&img src=&/06a1fc897a2b33584e62_b.jpg& data-rawwidth=&199& data-rawheight=&300& class=&content_image& width=&199&&又是这三个人的书，倒不是写的有多好，但是确实是入门的上佳选择。选股策略和投资组合管理在学界也有一定的研究地位，因此这本书的整体框架明显比《Trends in Quantitative Finance》更清晰一些，没有那么杂乱。&/p&&br&&p&【3】《积极型投资组合管理》&/p&&p&作者：格里纳德，卡恩&br&&img src=&/b14e104fb0e49ded0ec90de_b.jpg& data-rawwidth=&208& data-rawheight=&300& class=&content_image& width=&208&&先要说明，这本书除了个别章节以外，一点都不入门。这里将其排进入门书单的原因，是因为它太重要了，绕不开。有志于选股策略和投资组合管理的朋友，请努力啃吧，可以搭配BARRA的手册和Qian的那本《Quantitative Equity Portfolio Management》一起看。 &a class=&member_mention& href=&///people/f4f477bf852afd7cb60e& data-title=&@李腾& data-editable=&true& data-hash=&f4f477bf852afd7cb60e& data-hovercard=&p$b$f4f477bf852afd7cb60e&&@李腾&/a& 也翻译了一个版本，但是我没有看过，不好评价。在这里向李大神致敬，书里一些地方我到现在都没看明白呢。&br&&br&&br&&b&第四部分：进阶&/b&&br&&br&大致了解了量化交易策略的基本构造之后，进阶阶段就没有什么固定的套路可说了。我比较推荐的是在实践中成长，自己多做一做，随便找个想法或者现成的策略进行回测。可能由于未来函数或者其他原因得到不靠谱的结果，然后发现，然后改进，自己对策略开发应该就会越来越熟悉了。&/p&&br&&p&除此之外，非常重要的一点就是学习新的知识和技术。一旦形成了基本的策略构造能力，了解买卖、仓位、风控等部分的组合之后，量化策略研发的进阶就要靠多吸收新鲜知识来支撑了。说实话，直觉、想法都是在大量学习前人知识的基础上完成的，不然难免成为无源之水、无本之木。&b&开卷有益，多多益善，书多看不要管科目，论文多读不要管难易&/b&，想法总是会源源不断的产生的。然后再去把想法实现出来，可能10个里有10个都是错的，但是事情总是在进展的，总该是好事。&/p&&br&&p&其实进阶阶段没什么书值得推荐的，因为所有书都应该推荐。这里随便说几本，意思一下：&/p&&p&&br&【1】统计套利&br&作者：安德鲁·波尔&br&&img src=&/dc764a96475bdc3a973c99b9e6607607_b.jpg& data-rawwidth=&224& data-rawheight=&300& class=&content_image& width=&224&&整本书缺乏特别有用的细节，模型方面甚至有蒙外行的嫌疑，只能用来大概了解统计套利策略。不过，它介绍了一种具有经济意义基础的操作策略。我心目中，策略背后有站得住脚的经济意义的策略包括：指数化投资——跟随经济进步的节奏盈利；套利——赚市场定价错误的钱；配对交易——两个相关资产的价格差额不会过大，弱化版的套利。&br&当然，这些交易策略都存在风险，指数化投资可能随经济危机、经济走弱而萎靡不振，套利行为也可能在极端市场状态下崩盘。不过横向对比而言，这几种策略已经是有非常坚实的逻辑基础的了。我个人认为，所有的交易策略都有缺点，当我们无法消除这些缺点的时候，应该学会理智的接受它，从风险控制的角度限制它，这是一个相对理性的处理方法。&br&&br&【2】《走出幻觉走向成熟》&br&作者: 金融帝国&br&&img src=&/ad9a2be66cb_b.jpg& data-rawwidth=&213& data-rawheight=&300& class=&content_image& width=&213&&国内作者的好书一本，很多观点都很有启发性，值得推荐。&br&&br&【3】《信号与噪声》&br&作者：纳特o西尔弗&br&&img src=&/d551facb5d7cf3d09df5099aa75bde7c_b.jpg& data-rawwidth=&229& data-rawheight=&300& class=&content_image& width=&229&&讲大数据的书中，个人认为这是对搞量化策略的人来说，最有参考性的一本。可能跟这本书本身不是太技术，比较偏统计有关。&br&&br&【4】失控&br&作者：凯文·凯利&br&&img src=&/5e58deb3eaa4_b.jpg& data-rawwidth=&211& data-rawheight=&300& class=&content_image& width=&211&&跟量化投资没关系，单纯觉得是好书。要是当初能深刻理解凯利大爷关于去中心化货币的内容，早买比特币发财了，这才是真·经济直觉啊，哎。&br&&br&【注】&br&本来想写上《通向金融王国的自由之路》的，但是我实在不认同他所说的：入市技术的重要性只占10％，以及其他一些观点。其实有些内容挺不错的，感兴趣的可以深入看看。&br&&br&&br&&b&【其他】&/b&&br&&br&很多人推崇读书、读论文来吸收结构化的知识，不太认同在网上寻求碎片化知识。然而，量化交易研发、特别是Beta择时策略的研发，往往特别需要这种碎片化知识。例如看到一个八卦，发现西蒙斯之前有个合伙人叫巴姆，用了人家巴姆的算法，可能就会主动的去学习一下隐马尔科夫模型，然后尝试的测试一下；看到深度学习很火，就会去了解一下机器学习的分类方法，也许就能拿来分类上涨下跌呢；看到一个平台的介绍，可能就会想想是否可以复制平台的框架或者干脆拿来主义。（我自己都鄙视自己的举例水平。。。）&br&&br&碎片化知识的来源，我推荐这么几个地方：&br&Quora - 各种有意思的知识，就是英文让我比较难过&br&elitetrader - 集中在交易的一些讨论&/p&&p&StackExchange的几个子站 - 例如CrossValidated，Overflow等&br&知乎 - 中国版Quora&br&海洋论坛 - 很久没上了，不知道怎么样了&br&&br&例如我在Quora上瞟到Brandon Smietana的一个答案：&br&&/p&&blockquote&一些我听说过或见到过在实盘跑的量化策略：&br&Kalman filters&br&Hidden markov models&br&Topological manifold learning&br&Non-linear kernel regression techniques&br&APT type factor models&br&Monte carlo options pricing techniques&br&Continuous time APT factor models with latent variables&br&Spectral techniques for doing bag of words extraction of factors from natural language corpus for generating forcings for stochastic partial differential models of asset dynamics&br&Pairs trading/mean regression statistical arbitrage strategies&br&Automatic graphical model construction (structural inference over dynamic Bayesian networks)&br&Reinforcement learning based pairs trading strategies&br&Information theory based investment strategies&br&J. L. Kelly, Jr., &A New Interpretation of Information Rate,& Bell System Technical Journal, Vol. 35, July 1956, pp. 917-26&br&Sparse over complete basis function methods for feature extraction&br&Applications 'information geometry'; a field on the border between information theory, probability theory and d still very new&br&Anything that can be used to model or extract features from a time series&/blockquote&&p&&br&虽然大部分都知道，不过感觉还是有好多东西要看啊。一个碎片引发的血案。&br&&br&当然，能把各种书读成碎片化知识也很好，就看有没有这么多时间去阅览海量书籍了。&/p&&br&&p&此外有一个很重要的知识来源：券商研究报告。虽然很多研究员是为了写报告而写报告（这是他们的工作），但是不可否认多数券商报告都是很有含金量的，关键的是比较有针对性。还是那句话，开卷有益嘛。&/p&&br&&br&&p&&b&第五部分：我来答题了&/b&&/p&&br&&p&借着这个问题写了一大堆，结果人家的问题我还没回答。题主问的是：最近需要参加一个量化交易策略的比赛，希望可以给一些快速入门的经验和建议。&/p&&br&&p&实际上这个要看个人水平，要是水平实在不高，重在参与，那就编一个技术指标直接去参赛，个人推荐趋势类的指标。要是愿意折腾一下，比赛可供选择的标的又支持，我强烈建议使用套利策略，尽可能的放大杠杆。一般而言这种比赛都不要求入金实盘，那么很多实际操作中的重点疑难问题都不复存在。没有市场冲击等损耗、开单就能成交、一些情况下甚至不存在潜在对手的套利策略，纸面富贵还是能保证的。而且套利策略偏高频，看起来高大上（我猜的），你就是比赛中新一代的开山怪！&/p&
前排广告位：我自己的新书《中低频量化交易策略研发（上）》已经发布，现提供免费的电子版本，请有兴趣的朋友下载阅览。百度网盘地址：人大经济论坛：友情提示：我不懂高频，方向仅限中低频交易。有中文版的尽量挑…
&ol&&li&他一再强调，自己的投资思想，源自于Karl Popper的哲学观点：“&b&&u&人类是无法知道真理的，他们所能做的，最多就是通过不断的实验和错误来摸索、接近真理。&/u&&/b&”&/li&&li&依据此哲学观点，索罗斯提出“反射”理论，即：每个投资主体的详细情况都太复杂，非人力所能及，因此投资者更依赖于那些接近现实的猜测和捷径，但这些捷径也能改变现实。比如一家实际业绩不好的公司，被看涨的猜测推动股票价格上升，但这个错误的预测所导致的结果使公司能以低成本募集资金，提高绩效，反过来使得公司实际效益也得到了改变。由于这种循环，确定性变的更加不可能，回到哲学观点即：“&b&&u&人们无法明确的感知现实，但最重要的是，现实本身也受这些不明确的看法影响，而这些看法本身还在不断变化。&/u&&/b&”&/li&&li&他将自己的公司取名为量子基金。在量子力学里，Heisenberg 提出的不确定性原理表明，&u&&b&粒子的位置与动量不可被同时确定，因为&/b&&b&测量这动作不可避免的搅扰了被测量粒子的运动状态，因此产生不确定性。&/b&&/u&&/li&&li&结合上述1、2、3观点可以看出，索罗斯分别在哲学、金融、和物理三个不同的领域中找到了他们&b&&u&“表面不同，但事实上却在阐述同一个道理”&/u&&/b&的现象（即 isomorphism）。&/li&&li&事实上，索罗斯用他的“反射”原理和哲学物理思想来解释他在投资领域上的成功纯粹属于事后诸葛亮，两者间并无因果关系。甚至他性格对于他成功的帮助，都远大于他哲学思想对于他成功的帮助。&/li&&li&尽管索罗斯自己也知道这个道理，但每当人们请教他的成功时，他依旧不断试图&u&&b&利用人们对他在金融领域成功的崇拜，来引导大家更多的关注哲学和科学。&/b&&/u&&/li&&li&商业上的成功不一定需要科学和哲学上深入的探索。但依旧有一批人，希望以此来引导更多的人迈入认知科学和哲学的大门。这可能是一个谎言，也可能是一种个人追求，或者是一种社会责任。&/li&&li&数十年后，可能后人提起索罗斯来，一定会伴随着他在欧洲以及亚洲金融风暴中扮演的角色，也一定会详细分析对冲基金以及索罗斯的操作手法对金融史的影响。但对于我个人而言，他更多的是一个，因为没有足够生活费支撑他进行哲学研究，而跨入投行大门的伦敦政治经济学院学生。是一个无法在哲学史上留名，也依旧将一生奉献给哲学事业的爱好者。&/li&&/ol&
他一再强调，自己的投资思想，源自于Karl Popper的哲学观点：“人类是无法知道真理的，他们所能做的，最多就是通过不断的实验和错误来摸索、接近真理。”依据此哲学观点，索罗斯提出“反射”理论，即：每个投资主体的详细情况都太复杂，非人力所能及，因此…
晚上失眠了，也来回答一下这个问题，上点自认的干货，希望对题主有点帮助。不过有点偏题就是了，睡不着，胡说八道了。&br&不讨论为啥历史回测容易盈利，但是实盘亏肿的问题，讲讲怎么避免这个问题。&br&1.实盘和回测最基本的区别是，回测存在虚假交易的问题，导致实盘的偏差。为了规避这个问题，我一般都是回测中使用close or open 价格下单，就是说等一根K线走完了才下单，避免在K线中下单，这样测试的结果实盘和回测之间不会出现成交不了的情况。&br&2.上面的答主提到的overfit, 过拟合的问题。&br&对于策略和数据间的overfit, 我建议可以利用加扰测试的办法。就是在原始数据上人工加上一个随机的扰动，再把测试的结果同未加扰的数据测试结果比较，理想的情况是变化很小。这种想法的来源是，如果一个策略确实是一个规律，它就应该是性质良好的，至少是连续的，连续的函数对输入的微小扰动应该有抑制作用，使输出有界。&br&而对于参数的overfit就相对简单，不要选孤立的参数点就行了。&br&3. 关于策略有效性的问题才是大问题，回测挣再多，未来不适用，或者很快失效了，这才是题主提到的问题的关键。确切讲，没啥好办法，或者大家有好办法也不说出来（这算是交易最核心的问题了），呵呵。&br&我来提供点思路：&br&1.测试的数据尽可能多；&br&2.做完回测，做前测， 就是分数据内和数据外测试， 不过对效果持怀疑态度。&br&3. 干货来了， 国外有家公司， trading system lab，这家公司干的活是用遗传算法来搜索好的策略，一般看到交易网站上，前面带TSL的策略都是他家出的。他们提出一个标准来筛选策略，很简单，但应该比较有效，&br&1) 策略在回测中交易次数越多越好；&br&2) 表示策略的程序越短越好。这句话比较模糊，我的理解是表示程序的自动机转移路径数目越少越好；&br&&br&如果一个策略能通过以上各条测试标准，应该能挣钱的概率大一些吧。 &br&O(∩_∩)O~
晚上失眠了，也来回答一下这个问题，上点自认的干货，希望对题主有点帮助。不过有点偏题就是了，睡不着，胡说八道了。不讨论为啥历史回测容易盈利，但是实盘亏肿的问题，讲讲怎么避免这个问题。1.实盘和回测最基本的区别是，回测存在虚假交易的问题，导致实…
不同风格的策略对于回测的要求是不同的，比如对于多因子选股或者趋势策略等，需要注意的几点是：&br&1. 区分好样本内数据和样本外数据，这个和机器学习很类似，样本内数据用于训练，样本外数据用于校验。这样做的目的是为了避免过拟合陷阱。&br&2. 收益的分布，看看你回测后所有交易的收益分布，看看你的收益来源是少数的几次大的收益还是来源多次的小的收益。来源于大的收益，你的收益波动性就很大，实盘往往会达不到你的效果。&br&3. 参数的稳定性。如果你某个参数过敏感，随便调整下就对收益影响很大，那你实盘的情况和模拟盘也有很大可能会有出入。&br&这类策略严格来说，避免了一些常见的坑，还是比较容易做到回测和实盘类似的。&br&&br&对于高频交易来说，回测和实盘的差距就更大了，需要注意的点就更多了，简单列出几个吧：&br&1. 数据的精度，基本来说，这类策略需要是全部行情严格按照时间戳来回放，分钟级别的都太粗糙了。&br&2. 滑点问题，实盘很难避免滑点，你要估计出一个滑点的数字，在回测里扣除。&br&3. 行情的延迟问题，在回测里行情是没有延迟的，而在实盘行情必然有延迟，这部分也会对收益有很大影响。&br&4. 成交问题，有些策略，比如被动做市商策略，你需要自己模拟订单的撮合成交情况，这部分和实盘往往有很大差距，你需要尽可能的去近似。而你采用交易所提供的模拟撮合环境的话，基本上是不可信的。&br&5. 在实盘因为延迟的缘故，你还会遇到反向选择的问题，你也需要去评估实盘和回测这方面的差距。&br&总之，在高频交易策略中，实盘能达到回测60%的效果，就是回测做的很成功的了。
不同风格的策略对于回测的要求是不同的，比如对于多因子选股或者趋势策略等，需要注意的几点是：1. 区分好样本内数据和样本外数据，这个和机器学习很类似，样本内数据用于训练，样本外数据用于校验。这样做的目的是为了避免过拟合陷阱。2. 收益的分布，看看…
你们看到的是K线，我看到的是心理。每个市场的构成者不一样，市场的行为就不一样。反身论与技术分析，归根结底其实还是对行为的一个预测。&br&&br&资金流的背后是人，读懂这个市场，就是要读懂这些人。FICC每一个不同类型的市场参与方都是谁，是否零和，市场构成，市场结构是怎样，市场的脉搏与跳动是怎样的。&br&&br&手放在鼠标上能感觉到这些脉动的。&br&&br&&img src=&/caff835b6e4f8e92c26d3ee_b.jpg& data-rawwidth=&801& data-rawheight=&528& class=&origin_image zh-lightbox-thumb& width=&801& data-original=&/caff835b6e4f8e92c26d3ee_r.jpg&&&br&市场情绪归根结底就两种，贪婪与恐惧。每个人都有。可是，有时候你认为是贪婪的时候，其实原因并不是贪婪。大众情绪第一点：就是Sell Low buy high也就是高买低卖。高买和低卖其实原因都是因为恐惧而不是贪婪。因为害怕错过这一轮趋势而忽略一些显而易见的痕迹，或者因为害怕过度的亏损而最后忍痛清仓。&br&&br&那么什么是因为贪婪呢，则是Fall in love with your position。在最后应该清仓，尤其是清理高盈利仓位，很多人不舍得去把股票卖掉，总想他再涨涨，甚至有时候已经卖掉了又买回来。&br&&br&以上两种情况其实构成了基本投资者所有在操作上的动作。剩下的就是在操作标的选择上的问题：&br&&br&中国投资者最迷信的就是庄家和消息。小盘股亏了骂庄家，大盘股亏了骂国家，看到有消息出来以后说这是庄家放消息出货，结果连续上涨5天后着急后悔偷偷进场，结果第六天一跌继续骂。看了新闻说国家支持军工，第二天赶快没进去，等了三天没有涨反而跌了一点，赶快出掉骂国家，结果第四天开始补涨了，于是开始骂庄家。我特别好奇的是怎么过了10年了大家还在信这套，于是拉了一堆数据看了看，发现投资的主流人群没有变化，立刻就理解了。&br&&br&&img src=&/a74c5c02e84d65737b06_b.jpg& data-rawwidth=&300& data-rawheight=&300& class=&content_image& width=&300&&&br&所以才有这种玩意大行其道…………&br&&br&逻辑谬误：误以为自己在做价值投资其实就是投机，做了投机交易还不承认，看看聪明的投资者和格雷厄姆以为就是巴菲特，完全不见人家买的根本全是Preffered stock，天天跟董事会搞来搞去。梦想着一夜暴富，于是就在贪婪和恐惧中挣扎来挣扎去……
你们看到的是K线，我看到的是心理。每个市场的构成者不一样，市场的行为就不一样。反身论与技术分析，归根结底其实还是对行为的一个预测。资金流的背后是人，读懂这个市场，就是要读懂这些人。FICC每一个不同类型的市场参与方都是谁，是否零和，市场构成，…
谢邀。首先肯定一点，绝对不是翻译的不同。&br&&br&相信题主已经google了众多众说纷纭的定义，可以发现，最近两年，关于算法交易、程序化交易、自动化交易、高频交易这些名词在网上出现的越来越多，题主所问的算法交易和程序交易的定义界限也越来越不明显，因为本来就有重叠的定义成分在里面。&br&所以，我只能说说在我最早关注这些的时候，他们的定义划分：&br&&img src=&/07214fc2ccb93fd7fcdcebd_b.jpg& data-rawwidth=&734& data-rawheight=&387& class=&origin_image zh-lightbox-thumb& width=&734& data-original=&/07214fc2ccb93fd7fcdcebd_r.jpg&&&br&上图是我曾经所写文档时总结的一个图，当初考察的资料这里就不一一作引了。&br&&br&”从近十多年的市场实践看，自动交易大致分为决策型交易和执行型交易。前者强调基于计算机的帮助，通过寻找市场上的各种交易机会，做出买卖什么的交易决策。后者强调交易订单的执行，即负责快速、低成本地实现相关订单执行和成交。“&br&&br&先说算法交易，algorithm trading的“算法”二字最早被提出确实是真正的算法，而且是狭义的算法，比如TWAP,VWAP,POV,IS,AS,MC,PI,GWAP（这些算法的介绍都可以在《algorithm trading & DMA》一书中找到，链接&a href=&///?target=http%3A///Algorithmic-Trading-DMA-introduction-strategies/dp//ref%3Dsr_1_1%3Fie%3DUTF8%26qid%3D%26sr%3D8-1%26keywords%3Dalgorithm%2Btrading%2Band%2Bdma& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Algorithmic Trading and DMA: An introduction to direct access trading strategies: Barry Johnson: 5: : Books&i class=&icon-external&&&/i&&/a& ），他们都是与DMA，“交易市场直连”这一概念同时出现的。因为，在大额订单提交到交易所，冲击成本impact cost会使得你的交易成本迅速提高，这时候利用算法分割订单就是一种简单方便的方法，国内券商也较早实现了这种交易方式。注意，由于金融机构的交易决策（投资组合经理等）和交易执行（交易室）是分开的，显然，这里所说的算法交易，并没有交易决策逻辑在里面。为什么现在的”算法交易“概念外延更广，且看下面。&br&&br&再说程序化交易，是由交易决策导致的，也即交易决策的产生是由“程序”产生。那么，意味着从EXCEL & VBA & matlab
& R 到文华财经、TB、金字塔、multichart，再到天软、龙软DTS、飞创STP、Progress Apama等等，只要利用这些工具完成了“拿到市场数据market data”----“处理数据”----“自己构建交易模型”-----“交易决策逻辑触发并创建订单到订单池“-----”风险控制”----“提交订单到交易所或者券商”整套逻辑的，便都可以称上程序化交易。同时，由于交易模型的构建务必会包含算法，而且订单池的提交会设计到减少交易成本问题，这里与算法交易的概念便模糊了。这也回答了上个自然段最后的问题。&br&&br&至于高频交易，并不在题主问题范围之内，我就不抛砖引玉了。&br&&br&其实，不必纠结与这些概念并不会对你有多大帮助，关键在于熟悉整套市场交易的流程。如果对自动化交易等方面感兴趣，以下书单会给你一定的帮助。&br&&ol&&li&&a href=&///?target=http%3A///Algorithmic-Trading-DMA-introduction-strategies/dp//ref%3Dsr_1_1%3Fie%3DUTF8%26qid%3D%26sr%3D8-1%26keywords%3Dalgorithm%2Btrading%2Band%2Bdma& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Algorithmic Trading and DMA: An introduction to direct access trading strategies: Barry Johnson: 5: : Books&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&///?target=http%3A///High-Frequency-Trading-Practical-Algorithmic-Strategies/dp//ref%3Dsr_1_3%3Fie%3DUTF8%26qid%3D%26sr%3D8-3%26keywords%3Dalgorithm%2Btrading%2Band%2Bdma& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&High-Frequency Trading: A Practical Guide to Algorithmic Strategies and Trading Systems (Wiley Trading): Irene Aldridge: 2: : Books&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&///?target=http%3A///Statistical-Arbitrage-Algorithmic-Insights-Techniques/dp//ref%3Dsr_1_4%3Fie%3DUTF8%26qid%3D%26sr%3D8-4%26keywords%3Dalgorithm%2Btrading%2Band%2Bdma& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Statistical Arbitrage: Algorithmic Trading Insights and Techniques (Wiley Finance): Andrew Pole: 1: : Books&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&///?target=http%3A///Optimal-Trading-Strategies-Quantitative-Approaches/dp//ref%3Dsr_1_1%3Fie%3DUTF8%26qid%3D%26sr%3D8-1%26keywords%3Doptimal%2Btrading%2Bstrategies& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Optimal Trading Strategies: Quantitative Approaches for Managing Market Impact and Trading Risk: Robert Kissell, Morton Glantz: 0: : Books&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&///?target=http%3A///%25E5%25B8%%259C%25BA%25E5%25BE%25AE%25E8%25A7%%25BB%%259E%%25B8%258E%25E4%25BA%25A4%25E6%E6%259C%25BA%25E5%%25E8%25AE%25BE%25E8%25AE%25A1-%25E9%25AB%%25BA%25A7%25E6%258C%%258D%%E9%/dp/B006GMKIQM/ref%3Dsr_1_1%3Fie%3DUTF8%26qid%3D%26sr%3D8-1%26keywords%3D%25E4%25BA%25A4%25E6%E5%25B8%%259C%25BA%25E7%25BB%%259E%2584& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&市场微观结构与交易机制设计:高级指南/刘逖&i class=&icon-external&&&/i&&/a&&/li&&/ol&&br&攒人品，明儿笔试求过。&br&如有错误，各路大神轻拍。
谢邀。首先肯定一点，绝对不是翻译的不同。相信题主已经google了众多众说纷纭的定义，可以发现，最近两年，关于算法交易、程序化交易、自动化交易、高频交易这些名词在网上出现的越来越多，题主所问的算法交易和程序交易的定义界限也越来越不明显，因为本来…
帮不了题主，说一点个人感受希望有帮助&br&如何系统学习外汇不知，感觉外汇是&b&分拣&/b&过程，技术和盘感对以往行情进行分类，归类几个可能演变进程在“&b&已知道&/b&”的情况下有几个计划执行，其&b&止损止盈&/b&就是基于这些分类设定的一旦超出某个界限所&b&归类&/b&的和&b&计划&/b&就不成立，结束后更改或者开始寻找新的。&br&&br&&b&哪怕有经验的也时常失效并怀疑，在于没有正确利用自己的经验过于信任。操作基于大概率事件也只是大概率事件，后续结果必然多变和多样，行情才不可捉摸，一旦认定那就已经错了最终市场一定会打脸甚至有所怀疑造成混乱操作。&/b&&br&&br&&br&如何分拣只能市场中自己来，分拣完了怎么做怎么应变也只能市场中练，&b&需要时间需要试错成本&/b&成熟操作不是短时间出来，一时间的盈利不代表什么，&b&多明星少寿星&/b&，未来市场会更复杂必须保持学习总有还不懂的。别人帮不了，操作时某种信念的坚定坚持，对概率思维的对止损的对进出位的等等盈亏预期值不值 ，分拣完不一定就能做好操作是一个大系统。&br&&br&&br&PS：结论是&b&资金管理才是市场制胜根本&/b&（市场就是个概率事件），系统的&b&高盈亏比&/b&。以概率思维思考整理所有操作和系统，你可以事后总结修改但操作时&b&坚决执行&/b&，对于题主的希望的“系统”学习，唯一想到能进行的可能就是对行情的分拣分类归类，&b&一个好的系统长久坚持出才效果&/b&代表的不是一时间的效用
帮不了题主，说一点个人感受希望有帮助如何系统学习外汇不知，感觉外汇是分拣过程，技术和盘感对以往行情进行分类，归类几个可能演变进程在“已知道”的情况下有几个计划执行，其止损止盈就是基于这些分类设定的一旦超出某个界限所归类的和计划就不成立，结…
2014年创立的我确实不怎么了解，但要说2014年有比较大发展的，我还能想起来几个：&br&&br&&b&Oneplus（一加）&/b&----- 旗舰机们，吃我299！&br&&img src=&/acb70f071bb3790bc07acda43b839903_b.jpg& data-rawwidth=&400& data-rawheight=&400& class=&content_image& width=&400&&&br&&ul&&li&关注理由：&b&销量&/b&&/li&&li&Wiki: &a href=&///?target=https%3A//en.wikipedia.org/wiki/OnePlus& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&OnePlus&i class=&icon-external&&&/i&&/a&&/li&&li&Crunchbase: &a href=&///?target=http%3A///organization/oneplus& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&OnePlus | CrunchBase&i class=&icon-external&&&/i&&/a&&/li&&li&创立时间：2013年12月&/li&&li&最近一轮融资：不详&/li&&li&总融资：不详&/li&&li&“一加一”的推出算是2014年安卓手机界的一件大事。随着亲（Ne）儿（xu）子（s）6 退出三百刀舞台，搭载骁龙801、3G内存的 Oneplus One 就成为了299/349美元（国内是）这个价位上为数不多的优质选择之一。更难能可贵的是，Oneplus One还是一台很漂亮的手机：&img src=&/510b888aa1ccfe28aaf28cb356d2c942_b.jpg& data-rawwidth=&708& data-rawheight=&692& class=&origin_image zh-lightbox-thumb& width=&708& data-original=&/510b888aa1ccfe28aaf28cb356d2c942_r.jpg&&我能查到的最近的数据是截至14年11月，One已经卖出了超过50万部，2014年的年终总目标是100万台（我很怀疑有没有达到，但是即使只有七八十万也是很可观的了，对对对我说的就是你@老罗。（&b&更新&/b&：评论中一加的工作人员提到销量已经突破一百万）&/li&&li&当然，One的推出也伴随了很多争议，比如“Smash the Past”（把你以前的手机砸了）的推广活动，在印度的禁售，以及关于主要控股方是谁的争论，不过总体而言，Oneplus现在看起来前景很好，不错的销量带来的现金流可以保证公司健康成长。&/li&&/ul&&br&&br&&b&Snapchat &/b&----- 你的自拍不错，大爷打赏你一块钱吧&br&&img src=&/d8eec020ecfe39_b.jpg& data-rawwidth=&190& data-rawheight=&193& class=&content_image& width=&190&&&ul&&li&关注理由：&b&巨额融资，新业务&/b&&/li&&li&Wiki: &a href=&///?target=https%3A//es.wikipedia.org/wiki/Snapchat& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Snapchat&i class=&icon-external&&&/i&&/a&&/li&&li&Crunchbase:
&a href=&///?target=http%3A///organization/snapchat& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Snapchat | CrunchBase&i class=&icon-external&&&/i&&/a&&/li&&li&创立时间：2011年5月&/li&&li&最近一轮融资：2014年12月，4.85亿美元，估值约100亿美元&/li&&li&总融资：6.48亿美元&/li&&li&Snapchat（快照聊？？？）不算是什么新公司了，估值也已经高于了世界上大多数上市公司。但是2014对于Snapchat来说仍然是里程碑式的一年，原因除了5亿美元的巨额D轮之外，更在于Snapchat与Square联手在2014年11月时推出的新功能，Snapcash。这个功能可以让Snapchat用户之间使用自己的银行账户进行转账，据说整个过程无比轻松简单（make payment process almost as easy as sending a disappearing selfie）。而且除了普通转账界面，用户还可以使用这么一个很特（er）别（bi）的界面来付钱：&img src=&/8e344ba28_b.jpg& data-rawwidth=&467& data-rawheight=&518& class=&origin_image zh-lightbox-thumb& width=&467& data-original=&/8e344ba28_r.jpg&&对！就是一美元一美元这样划过去！Snapcash一经推出，反响确实非常强烈，不少媒体也给予了好评（见 &a href=&///?target=http%3A////how-to-use-snapchat-snapcash/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Hands on with Snapchat's money-sending service, Snapcash&i class=&icon-external&&&/i&&/a&，&a href=&///?target=http%3A///story/snapcash-could-win-over-millennials-& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Why Snapcash will win over millennials&i class=&icon-external&&&/i&&/a&，&a href=&///?target=http%3A///sites/quora//will-snapchats-snapcash-be-a-success/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Will Snapchat's Snapcash Be A Success?&i class=&icon-external&&&/i&&/a&）而且在一个月后的D轮融资中，Snapchat能获得如此惊人的估值，也是由于投资者看到了它从一个走差异化路线的IM转型为年轻人支付工具的可能性。&/li&&li&我本人并不是经常用Snapchat，和朋友间转账一般都用&a href=&///?target=http%3A///organization/venmo& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Venmo&i class=&icon-external&&&/i&&/a&，我觉得基本上没有任何不方便。但总体来说，Snapchat选择进入用户间转账这个市场我认为是很合理的，因为它的用户群（13-23岁）和需要经常拼账买东西的人群有极大的重合。&/li&&/ul&&br&&b&Vivino &/b&----- 劝君更尽一杯酒&br&&img src=&/9af77e9a779a47506fb4cfdd0cb31549_b.jpg& data-rawwidth=&300& data-rawheight=&400& class=&content_image& width=&300&&&br&&ul&&li&关注理由：&b&逼格，细分市场&/b&&/li&&li&Wiki: &a href=&///?target=https%3A//en.wikipedia.org/wiki/Vivino& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Vivino&i class=&icon-external&&&/i&&/a&&/li&&li&Crunchbase: &a href=&///?target=http%3A///organization/vivino& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Vivino | CrunchBase&i class=&icon-external&&&/i&&/a&&/li&&li&创立时间：2009年7月&/li&&li&最近一轮融资：2013年7月，1030万美元，估值不详&/li&&li&总融资：1130万美元&/li&&li&红酒老饕们的福音！Vivino不仅是一个帮你扫描葡萄酒标签比较数值和评价的工具，还构建了可能是世界上最大的红酒社区。Vivino创立于丹麦，但在2014年八月搬到了美国特拉华，正式成为了一家美国公司（&a href=&///?target=http%3A////drinks-on-vivino-tonight-it-just-raised-12-2m/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Vivino establishes itself as U.S. company (updated)&i class=&icon-external&&&/i&&/a&）。除了主题高大上，Vivino这个App本身也做得很有格调：&img src=&/5adaac3eebb8daf_b.jpg& data-rawwidth=&650& data-rawheight=&577& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&/5adaac3eebb8daf_r.jpg&&2014年，Vivino迎来了井喷，现在已经有680万用户，并且刚刚庆祝了它的第一亿次标签扫描。借助广大的用户群和数据库，Vivino现在还充当了评酒媒体，发布了诸如 &a href=&///?target=http%3A///news/top100-white& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&/news/top100-&/span&&span class=&invisible&&white&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&， &a href=&///?target=http%3A///news/top100-red& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&/news/top100-&/span&&span class=&invisible&&red&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a& 这样的排行榜。&/li&&li&我非常看好Vivino，因为葡萄酒市场是一个同时具有&b&广泛群众基础&/b&、&b&巨大需求&/b&和&b&高利润&/b&的行业，而且Vivino的核心用户群可以算是非常高价值的用户。也许Vivino的用户上限和黏性都不会非常高，但是可以想见平均每个用户未来的变现潜力比大多数App都要大得多。&/li&&/ul&&br&&b&Robinhood &/b&----- 卖股票喽，不要钱！&br&&img src=&/6c61cbbff798d693ad3ad3da2ed0e903_b.jpg& data-rawwidth=&382& data-rawheight=&100& class=&content_image& width=&382&&&br&&ul&&li&关注理由：&b&金融，零佣金&/b&&br&&/li&&li&Wiki: &a href=&///?target=http%3A//en.wikipedia.org/wiki/Robinhood_Markets& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Robinhood Markets&i class=&icon-external&&&/i&&/a&&br&&/li&&li&Crunchbase: &a href=&///?target=http%3A///organization/analyst& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Robinhood | CrunchBase&i class=&icon-external&&&/i&&/a&&br&&/li&&li&创立时间：2013年4月&br&&/li&&li&最近一轮融资：2014年9月，1300万美元，估值不详&br&&/li&&li&总融资：1600万美元&br&&/li&&li&想当年盈透（&a href=&///?target=http%3A//en.wikipedia.org/wiki/Interactive_Brokers& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Interactive Brokers&i class=&icon-external&&&/i&&/a&） 出炉的时候在股票经纪市场也引起了一场地震，现在终于轮到了新的“罗宾汉”来革盈透的命了。除了漂亮的App：&img src=&/fa84f71ae513b813b0bf5_b.jpg& data-rawwidth=&339& data-rawheight=&650& class=&content_image& width=&339&&Robinhood 最大的卖点就是零佣金：不要小看零佣金和盈透1美元的区别，这将意味着股票经纪商盈利方式的彻底改变。Robinhood一经推出就在各大社交网站和媒体上火爆异常，但到目前为止仍然是邀请制，并没有开放注册，其等候名单上已经有了超过50万人。&/li&&li&当然不可避免的会有很多人质疑 Robinhood，认为他们能运行起来完全是靠烧VC的钱。这话现在当然没有错，但是长期来讲我看好 Robinhood 的发展，的理由有二：他们的模式使得其&b&运营成本&/b&确实比传统经纪商低；他们目前构想的未来&b&盈利模式&/b&看起来很靠谱。&/li&&li&关于 Robinhood 是如何有效降低其运营成本的，他们的FAQ里明确说了 （&a href=&///?target=https%3A///hc/en-us/articles/-How-is-Robinhood-able-to-offer-commission-free-trading-while-others-charge-up-to-10-trade& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&How is Robinhood able to offer commission-free trading while others charge up to $10/trade?&i class=&icon-external&&&/i&&/a&-），基本上是靠全自动化管理省人工费，以及全电子化流程节省纸张等实体成本。&/li&&li&关于 Robinhood 的商业模式，他们的FAQ是这么说的：&/li&&ul&&li&Robinhood will offer margin trading as well as API access, which will allow partnered developers to build applications in conjunction with Robinhood. Robinhood will also receive remuneration for providing trade volume in certain markets. In addition, Robinhood will earn a portion of the interest generated by uninvested customer cash deposits. The total interest earned is variable and based on the Federal Funds rate. In the future, we plan to offer premium services for active investors.&/li&&li&解读一下，就是他们可以：&/li&&ul&&li&由于带来了较大交易流量，从某些市场拿到回扣；&/li&&li&借钱给Margin Account 用户，收利息；&/li&&li&将来他们还会推出付费的VIP账户；&/li&&li&从投资者账户里面没投出去的钱里面挣利息；&/li&&li&卖数据接口，让其他开发者用作自己的用途。&/li&&/ul&&li&其中前四条是经济商的常规做法，只有最后一条比较有意思，在我的理解上最大的潜力就是卖给俺们这样的量（gao）化（pin）交易公司，让他们研究更好的做（pian）市（qian）策略。。。&br&&/li&&/ul&&/ul&&br&&b&Quantopian &/b&----- 人人都来当矿工&img src=&/9a0f77eaffec75bf9c51_b.jpg& data-rawwidth=&304& data-rawheight=&234& class=&content_image& width=&304&&&ul&&li&关注理由：&b&算法交易&/b&&br&&/li&&li&Wiki: 无&br&&/li&&li&Crunchbase: &a href=&///?target=http%3A///organization/quantopian& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Quantopian | CrunchBase&i class=&icon-external&&&/i&&/a&&br&&/li&&li&创立时间：2011年1月&br&&/li&&li&最近一轮融资：2014年10月，1500万美元，估值保密&br&&/li&&li&总融资：2380万美元&br&&/li&&li&终于说到本行了。截止今年十月，Quantopian （以下简称Q）对大众而言还相对比较陌生（毕竟只有几万用户）。一言以蔽之，Q 是一个让用户开发、测试、应用算法交易策略的平台。可以想见的是，其最早最核心的用户群是宽客（Quant），和有一定金融/统计基础的交易者。Q 的技术基础是 Zipline（&a href=&///?target=https%3A///quantopian/zipline& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&quantopian/zipline · GitHub&i class=&icon-external&&&/i&&/a&），是由Q开发的开源回测平台。&br&&/li&&li&今年五月的时候，在群众的呼声中，Q 终于推出了 live trading，也就是用户们终于可以直接用 Q 来管理自己的股票交易了。在我9月份去Q 面试的时候，使用 Q 做算法交易的账户总金额已经达到千万级，但要注意的是，由于算法交易本身的特性，这些钱所产生的流量比一般人工交易者会高得多。&/li&&li&今年的B轮融资后，Q 再接再励推出了 Crowd Sourced Quant Hedge Fund 计划（见&a href=&///?target=http%3A///news//quantopian-raises-15-million-for-a-new-quant-led-trading-fund/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Quantopian raises $15 million for a new ‘quant’ led trading fund&i class=&icon-external&&&/i&&/a&），其本质就是从其算法交易用户中选出优秀的 Algo Trader 来管理一个小型对冲基金，由 Q 来融资和提供辅助支持。除此以外，Q 今年的大动作还包括引入了新的数据源（MorningStar）和数据挖掘平台，让用户可以做更全面更系统的策略开发。&/li&&li&总体来说我看好 Q，虽然 Q 这个产品和他们团队本身都还不够完善，但是这个“众筹量化基金”的想法很好。虽然由于种种原因我拒绝了他家的 Offer，但我很希望他们能成功。&/li&&/ul&&br&&b&Addepar &/b&----- 亿万富翁理财好助手&img src=&/eb95cf63f1004c_b.jpg& data-rawwidth=&500& data-rawheight=&146& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&/eb95cf63f1004c_r.jpg&&&ul&&li&关注理由：&b&企业软件&/b&&br&&/li&&li&Wiki: &a href=&///?target=http%3A//en.wikipedia.org/wiki/Addepar& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Addepar&i class=&icon-external&&&/i&&/a&&br&&/li&&li&Crunchbase: &a href=&///?target=http%3A///organization/addepar& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Addepar | CrunchBase&i class=&icon-external&&&/i&&/a&&br&&/li&&li&创立时间：2009年1月&br&&/li&&li&最近一轮融资：2014年5月，5000万美元，估值不详&br&&/li&&li&总融资：6580万美元&br&&/li&&li&说了好多做互联网消费者产品企业，讲一个做 Enterprise 服务的吧。Addepar 是一个为&b&资产管理公司 &/b&（Asset Manager）提供技术平台和数据服务的公司。这些年做数据平台的创业公司很多（Wealthfront，Betterment），做企业数据服务的也不少（Cloudera），但是Addepar 为资产管理领域专门开发的数据平台是最为广受好评的。由于是企业软件，所以我无法从个人角度出发做任何评价，大家只能看媒体写的了：&/li&&ul&&li&&a href=&///?target=http%3A////money-management-silicon-valley-style/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Money management, Silicon Valley-style&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&///?target=http%3A///articles//addepars-software-for-the-super-rich& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Addepar's Software for the Super Rich&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&///?target=http%3A///a//addepar-means-to-be-the-only-technology-platform-rias-will-ever-need----and-has-mit-minds-and-paypal-money-to-back-it-up& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Addepar means to be the only technology platform RIAs will ever need -- and has MIT minds and PayPal money to back it up&i class=&icon-external&&&/i&&/a&&br&&/li&&/ul&&li&媒体报道说2014年 Addepar 的总营收已经达到了1200万美元，是相当不错的。&/li&&/ul&&br&&b&Yo &/b&----- 高潮过后，还剩下什么&img src=&/ffd5bd076_b.jpg& data-rawwidth=&640& data-rawheight=&360& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/ffd5bd076_r.jpg&&&ul&&li&关注理由：&b&争议&/b&&br&&/li&&li&Wiki: 无&br&&/li&&li&Crunchbase: &a href=&///?target=http%3A///organization/yo& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Yo | CrunchBase&i class=&icon-external&&&/i&&/a&&br&&/li&&li&创立时间：2014年4月&br&&/li&&li&最近一轮融资：2014年7月，150万美元，估值1000万美元&br&&/li&&li&总融资：150万美元&/li&&li&在我眼中，Yo 的火爆（或者说Yo 在2014年夏天的火爆）是“风投引领营销”（这词是我编的）的典型范例。见：&img src=&/24c7bef502a4e8dd21a2cb_b.jpg& data-rawwidth=&829& data-rawheight=&507& class=&origin_image zh-lightbox-thumb& width=&829& data-original=&/24c7bef502a4e8dd21a2cb_r.jpg&&如图所示，自从2014年5月推出以来，Yo一直不温不火，直到 Yo 收到150万美元种子轮投资的新闻出炉，下载数才迎来了大爆发，一度来到应用商店排行榜头名，但从此以后一路下滑，九月就已经百名开外了。可以负责任地说，Yo的一时成功，很大程度是由于大额种子轮所带来的“看新鲜”效应，大家好奇心满足了新鲜劲过去了，其热度的衰退几乎是不可避免的。&/li&&li&Yo 在媒体和互联网上引起了很多激烈的讨论，有关于 Yo 本身的，也有关于当前硅谷风投砸钱成风的。但其实，大家要注意到的是，在Yo的种子轮投资 150万美元中，创始人自己 Or Arbel 的钱占了很大一块，刨除他的投资之后，真正来自风投的钱恐怕不多，也并没有大家想的那么难以理解，毕竟早期投资的理念就是广撒网，更何况三位创始人都是硅谷老兵。&/li&&li&热度退去之后，Yo 该何去何从的问题，这篇文章 &a href=&///?target=http%3A///whats-happened-to-7-million-app-yo-now-that-the-hype-has-died-2014-9& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&What's Happened To ~$7 Million App 'Yo' Now That The Hype Has Died&i class=&icon-external&&&/i&&/a& 讲的很好。从我自己来讲，我并不看好 Yo，认为它是昙花一现的可能性比较大，但硅谷这地方，你哪能说得清到底谁是昙花谁是常青树呢。明年 Apple Watch 推出，Yo CEO的说法是届时 Yo 将能和 Apple Watch很好的结合，让我们拭目以待吧。&/li&&/ul&
2014年创立的我确实不怎么了解，但要说2014年有比较大发展的，我还能想起来几个：Oneplus（一加）----- 旗舰机们，吃我299！关注理由：销量Wiki: Crunchbase: 创立时间：2013年12月最近一轮融资：不详总融资：不详“一加一”的…
说一点看法。我觉得可以从三个词开始说：对错、好坏、道德。市场是自由的地方，而我们的人类是社会化的，社会是规范的，比方说红绿灯，大家都越好了，红灯停，绿灯停。而市场是混沌的，是非线性的，是非理性的，是复杂系统，是不确定的，所以，我们习惯了的规范化的思维，不起作用。&br&&br&在社会中，什么是对，什么是错，基本上是清晰的。你红灯停了，就是对的，闯红灯了，就是错的。而过程的对错，跟结果的好坏，基本是对应的。闯红灯的大概率结果是死。&br&&br&而在交易中，我们以执行一个机械的趋势跟踪系统为例。即便你完全按照系统信号执行，那么这个是遵守了规范的，而结果却不会总是好的，还是会有亏损，甚至是很多次的亏损；反之，如果乱做，反而可能蒙对了，赚到钱，甚至是重仓下，赚到很多钱。&br&&br&也就是说，过程对错，跟结果好坏，好像不相关。&br&这就造成执行上的困难，而这种困难，可以看做，对道德的坚守。&br&&br&当我们做有道德的人，谦让、善良、慈善，往往反而会遭殃；而下流无耻卑鄙，反而可能上位。即便如此，我们还是要选择道德。选择做一个有道德的人，难度也在这里。&br&&br&虽然在单笔交易中，对错和好坏是随机的，但是，只要坚持的足够久，积累的样本数据足够多。总体的效果才能显示出来。&br&&br&坚持就是胜利，这句话对交易非常适用，并不是说，要坚持某个特定的观点和持仓。&br&而是坚持自己的交易模式。在这个模式下，持仓可以顺应市场而变化。&br&&br&趋势跟踪是最简单的方法，也是最难的方法。说简单是因为，跟高大上的高频（其实这个我真不懂）之类相比，其交易系统构建是非常简单的，简单得有点白痴。而难在于，这样简单的方法，极少有人能坚持下来。&br&&br&三个门槛：止损（浮亏到了限度）、回撤（浮盈后出现反弹或回调）、缩水（资产净值下滑）。&br&先学习对付浮亏，再学会对付浮盈，最后这二者综合起来，都不利的时候，造成缩水。&br&一个交易员我感觉要3次左右从缩水里爬出来，再创新高，才算是把这个手艺学到手。&br&&br&日常里的成功，是靠，把事情做“好”；而交易是靠，把操作做“对”。&br&符合系统的，就是对的，止损了也是，浮盈回吐了，也是。&br&&br&&br&说到底，难在自控。很多人说，我控制不了自己。&br&这里是分裂的，我和自己，是两个东西。&br&所以我现在的经验是，心理学会有帮助，修习一些禅定的技巧，加强自我觉察，当小我、劣根性、本能启动的时候，能发现他，识破，回归系统。&br&&br&推荐阅读《交易心理分析》。
说一点看法。我觉得可以从三个词开始说：对错、好坏、道德。市场是自由的地方，而我们的人类是社会化的，社会是规范的，比方说红绿灯，大家都越好了，红灯停，绿灯停。而市场是混沌的，是非线性的，是非理性的，是复杂系统，是不确定的，所以，我们习惯了的…
一年多前做外汇交易时 &br&&br&（下面很多细节只是回忆 以后有机会再完善补充）&br&&br&当时6月份 市场强烈预期美联储在会议纪要和伯南克国会证词会透露QE3 对QE的预期非常大 而且在2月份美国非农数据这么出彩的时候 伯南克依旧认为这不能说明美国经济的好转 而到六月的时候 美国各项经济数据都十分不好&br&&br&此外伯南克是研究大萧条的专家 做美联储主席真的是他遇到的最有实现个人价值的职位 &br&&br&我自认为对伯南克很熟悉 他是鸽派中的鸽派 直升机本并不是白叫的 &br&而且当时我有整理联储各个人的立场 包括有投票权的耶伦等人和没有投票权的其他联储成员 已经对美联储推出QE3十分有把握了&br&&br&恰得素有＂美联储通讯社＂之称的华尔街日报记者当时也发出同样的声音&br&&br&市场的盘面也反映了市场的情绪 非美节节高升 技术形态十分配合 即使德拉吉有利空欧元的言论 市场依然不加理会 非美继续上涨&br&（非美 非美元的货币 比如欧元 英镑 澳元 另外 推出QE不利于美元 会造成美元贬值 非美 黄金上扬）&br&&br&早已做多非美并且盈利加仓的我已经收益超过1000%了 外汇保证金交易的巨大杠杆带来了巨大的盈利&br&&br&然而我知道真正的高潮在6月7日 伯老发话的那天 中国的北京时间大概是晚上9点左右吧
如果QE这样的巨大消息得到确认 那么很小可能会出现买入期望卖出结果的情况 更大可能非美会得到确认性上涨 持续相当一段时间 我知道 日 今夜无人入睡&br&&br&我在决战之夜到来之前已经做好准备 当时在上百倍的杠杆下 近乎满仓布局了非美多单 甚至还在当前价格之上挂buy stop
计算好保证金以及上升的价格可以支持我多买入多少
&br&&br&我期待着大丰收 有点紧张 但更多的是期待 当时还听着气势磅礴的交响乐 &br&&br&我知道所冒的风险 这几乎是相当于德州扑克里面的All In 收益和风险都刺激着人的内心 我认为我的底牌很好 要么是AKs 不然就是AA 就像Doyle Brunson说的 这是一个勇敢者的游戏 不是吗&br&&br&&br&当伯南克发声的时刻到来的时候 已经可以看到市场的价格开始像一只小兽用力扭动 1min的图上 已经可以看到k线上下打 虽然浮动不算夸张 但是却让人越来越揪心&br&&br&这和每个月的第一个星期五美国劳工部公布非农数据的时候市场反应很接近 而非农数据我没有把握的时候是不会入场的 但这次我觉得我把握十足&br&&br&作为普通的个人外汇保证金投资者 作为一个普通的学生 我没有bloomberg那样专业的终端&br&我只能一边关注着盘面 一边略带焦急地刷着wallstreetcn dailyfx的新闻 期待着伯南克正常一次 符合市场预期一次&br&&br&伯南克讲话了 他讲着那些正常的 美国经济 房地产 全球金融环境
但是 关于QE越发见不到要出现的迹象&br&&br&非美开始下跌 &br&&br&那种看着k线义无反顾的下拉 肾上腺素不断地被释放 心脏蹦蹦的跳动来给全身供血&br&这千百万年前 人类面临猛兽 面临陷阱所形成的身体机制在这一刻被完整的再现了&br&在面对市场并不按照自己预设的情况进行的时候 在自己没有做好足够的准备预选方案的时候 在自己还一直抱有侥幸心理不能克服的时候（当时在后半夜还有费舍尔和埃文斯的发言 我还在期待费舍尔不多说鹰派的表态 而力主QE的埃文斯能够说些QE的消息挽救我的头寸）&br&k线在我视野中不停地放大 我也依然当时犹豫不决&br&&br&我的头寸太大了 即使之后QE预期又回来 但是那个晚上 我近乎失去所有资金&br&&br&借用青泽用过的一句话“在没有什么行业像期货这样，让你一年之内经历一生的传奇” 那个晚上的爆仓算得上是我的很特别的经历&br&&br&随着资金一起失去的还有当时的信心 希望 计划 以及做交易带来的骄傲和支撑&br&&br&其实很多人都不知道什么是真正可怕地事情 真正可怕的事情是你所坚守的 你所相信的世界轰然倒塌 &br&对于当时的我 交易是财务自由 精神自由的一种象征与保证 也是骄傲所在 &br&&br&之后过两天是我20周岁的生日 本来这一博是希望给自己一个美丽的礼物 也是一个时段的结束和新的时段的开始 但是结果实在是很黯淡&br&&br&写到这里 不知不觉已经有1个小时多了 中间思考和打字特别快 几乎没有太大的停顿&br&题目问的是目前为止经历过最糟糕的事情 仔细想想 这似乎并不是最糟糕的事情&br&很多其他题主的答案中我也有相同的经历 比起这一晚可能更糟糕&br&但是我要强调的是 这种不一样的糟糕 心理精神层面的糟糕 那种你计划好 你踌躇满志 你信心满满 然而一切破碎了那样（很像电影ROUNDER 和 两杆大烟枪的开局） 我在童年时候家庭很贫苦的时候虽然也有糟糕的经历 但是心理没有受苦的感觉 做手术也是 但是这样的经历 虽说对于每个交易员投机者都是必须经历的一关 但是依然是我记忆犹新的经历&br&&br&PS:当然最后美联储依然推出了QE3 只不过不是在6月7日那晚 而是在8月末9月初的Jackson Hole全球央行行长会议的时候确认了会实行QE3&br&&br&update：&br&之后12年四季度的资金曲线 已经没有什么心情了当时&br&&br&&img src=&/c432cf630bb_b.jpg& data-rawwidth=&976& data-rawheight=&619& class=&origin_image zh-lightbox-thumb& width=&976& data-original=&/c432cf630bb_r.jpg&&&br&&br&最后加上我很喜欢的海明威的 真实的高贵&br&&br&&br&&br&&br&&br&&br&风平浪静的大海，每个人都是领航员。 &br&&br&但是，只有阳光而无阴影，只有欢乐而无痛苦，那就不是人生。以最幸福的人的生活为例--它是一团纠缠在一起的麻线。丧母之痛和幸福祝愿彼此相接，，是我们一会伤心，一会高兴，甚至死亡本身也会使生命更加可亲。在人生的清醒的时刻，在哀痛和伤心的阴影之下，人们真实的自我最接近。 &br&&br&在人生或者职业的各种事务中，性格的作用比智力大得多，头脑的作用不如心情，天资不如由判断力所节制着的自制，耐心和规律。 &br&&br&我始终相信，开始在内心生活得更严肃的人，也会在外表上开始生活得更朴素。在一个奢华浪费的年代，我希望能向世界表明，人类真正需要的的东西是非常之微少的。 &br&&br&悔恨自己的错误，而且力求不再重蹈覆辙，这才是真正的悔悟。优于别人，并不高贵，真正的高贵应该是优于过去的自己。 &br&&br&&br&True Nobility &br&&br&In a calm sea every man is a pilot. &br&&br&But all sunshine without shade, all pleasure without pain, is not life at all. Take the lot of the happiest—it is a tangled yarn. Bereavements and blessings, one following another, make us sad and blessed by turns. Even death itself makes life more loving. Men come closest to their true selves in the sober moments of life, under the shadows of sorrow and loss. &br&&br&In the affairs of life or of business, it is not intellect that tells so much as character, not brains so much as heart, not genius so much as self-control, patience, and discipline, regulated by judgment. &br&&br&I have always believe that the man who has begun to live more seriously within begins to live more simply without. In an age of extravagance and waste, I wish I could show to the world how few the real wants of humanity are. &br&&br&To regret one’s errors to the point of not repeating them is true repentance. There is nothing noble in being superior to some other man. The true nobility is in being superior to your previous self.
一年多前做外汇交易时 （下面很多细节只是回忆 以后有机会再完善补充）当时6月份 市场强烈预期美联储在会议纪要和伯南克国会证词会透露QE3 对QE的预期非常大 而且在2月份美国非农数据这么出彩的时候 伯南克依旧认为这不能说明美国经济的好转 而到六月的时候…
已有帐号？
无法登录？
社交帐号登录
2580 人关注
471 个回答
286 人关注
14525 人关注
1479 个回答
8569 人关注
2167 个回答
4312 人关注
473 个回答}