python写一个要求用户输入数字，如果不是数字就一直循环要求输入，直到输入数字为止的代码有哪些？_百度知道
python写一个要求用户输入数字，如果不是数字就一直循环要求输入，直到输入数字为止的代码有哪些？
斑马线下老渔夫知道合伙人
来自知道合伙人认证团队
斑马线下老渔夫
知道合伙人
采纳数：380
获赞数：615
擅长：暂未定制
具体解决办法如下：第一个方案：1.复制代码，如下，while True:ten=input(&x:&)try:x=eval(ten)if type(x)==int:breakexcept:pass2.然后输入asf，没有提示。输入344就退出了x:asfx:344第二个方案1.复制代码while True:ten=Nonetry:ten=int(input(&x:&))except:passif type(ten)==int:break这个在python3.0上调试通过第三个方案：python2.x的方案while True:ten=raw_input(&Enter a number:&)if ten.isdigit():breakten=int(ten) &#或者是ten=eval(ten)
为你推荐：
其他类似问题
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。私募基金、CTA、python量化交易科技版块 |
python派量化交易社区
Your browser does not seem to support JavaScript. As a result, your viewing experience will be diminished, and you may not be able to execute some actions.
Please download a browser that supports JavaScript, or enable it if it's disabled (i.e. NoScript).
私募基金、CTA、python量化交易科技版块
你好，做量化的朋友,请加群点击链接加入群：
私募基金、CTA、python量化交易科技版块
期货交易究竟是什么？期货中深藏着哲学的根底、艺术的神韵和科学的精神。期货交易是集贸易、博弈、战争等多种艺术特点的一种综合艺术。也是一门有其自身规律的牵涉多种学科的边缘科学。就投机者而言，是一种以盈利为目的的，同时承担一定风险的特殊投资行为，就整个市场而言，是一种风险转移方式。
市场充满了矛盾，矛盾构成了市场价格的涨跌，对市场的认知，没有绝对的对，也没有绝对的错，只有市场永远是对的。在市场的矛与盾之中，在对市场认知的对与错之中，寻找一种中庸，一种平衡，不要太偏激，也不要太绝对，适者生存。我们要热衷寻找神秘的测市理论和方法，试图精确地预知市场波动的时间和价位，尤其是顶部和底部，相信有或认为掌握了破译市场的方法，并有厌恶风险、回避失败的心态。
期货投资最好不要先入为主地臆测行情，而是要跟着市场走,它的初段是勤奋和技艺，中段是智慧和心态，高段是人性和道德。期货交易是一种高级的市场活动，没有一定的文化素养，是难以成为一名成功的投资者的。我认为一个成功的操盘手应具备自信、冷静、理智、果断、坚定、胆量和勇气等品质，缺一不可。
不熟悉的品种不做,看不懂的走势不做,变化慢的盘面不做,波动小的盘面不做。技术分析是高度概括、高度抽象的规律总结,面对不同的金融证券市场具有同样的普适性。一个真正的技术交易者，可以面对任何市场的任何图表及时做出远胜于他人的交易行为。
所以不要点太多火头:作为交易者，应该是有多少闲资才做多少，另外还要有多少时间、精力才做多少,如果做许多种商品的买卖，肯定疲于奔命，难以应付。做期货成功的关键和秘诀,只选一个品种做是期货成功的关键。“期货市场里还有句名言：你不可能吻遍所有的女孩,吻就吻那个最漂亮的”。古往今来的战例表明，集中优势兵力打歼灭战无疑事半功倍。
把我们的资金、时间、精力集中运用，做好同系的或相关的或走势特别明朗的一两支或最多三支商品期货，效果就会好得多,毕竟能够同时与很多人摆开棋盘对弈的棋王是凤毛鳞角，不是人人可为的;其次，支配备种商品的供需、经济、政治、人为等因素千变万化,有的商品跟另一些商品“风马牛不相及”,有的消息对这种商品利多，却对另一种商品利空。如果同时从事多种商品买卖，要进行不同的行情分析，留意不同的技术指标，往往会搞得自己头昏眼花，顾此失彼，造成不应有的损失。
如股指期货可以长期参与，因为股指期货一直很活跃，而商品期货只是阶段性活跃，不活跃时就不参与。
在期货市场的博弈中，适合于自己的方法，就是最好的方法！没有什么价格会涨到不能买，也没有什么价格会跌倒不必卖。永远不要仅仅因为价格低就做多或者价格高就做空；永远不要去给赔钱的单子加码；永远不要对市场失去耐心。在做任何一次交易前都要有合适的理由，记住，市场永远是对的。在期货高杠杆倍数的操作中，这两种方式都必须革除，不准套牢，不准摊平，套牢会影响你的操作，而摊平是自己上断头台,但赢利可以不封顶。时刻提醒自己你的风险有多少，但又不要过于在意。
不要破坏你的原则──你花费很大的心思去养成，切记始终如一,要多从亏损的交易中学习赢的方法，而不是从获利的交易中学习。利沃莫说：利润总是能够自己照顾自己，而亏损永远不会自动了结，这句话非常经典，值得每一个投资者天天学习。“如果我有８小时的时间砍一棵树，我就会花费６小时磨利自己的斧子。”—亚伯拉罕·林肯，在期货交易上，这一格言可以理解为：研究和学习十分重要，为了交易所做的准备所花费的时间要超过下单和看盘所花的时间。“没有所谓不可错过的机会，永远还会有下一班车。钱是赚不完的，但是亏得完的”。
对经典的现像和本质的规律多看、多练、多背是形成专业化条件反射操作本领的关键,这种本领的最终具备是区别专业选手和业余选手的最明显标志。
做期货，做的是趋势，而不是价格，等待趋势最终明朗后，再动手也不迟。这样会失去少量的机会，但却赢得了资金的安全。你的目标必须与市场保持一致，顺应市场的趋势。如果你与市场保持一致，利润自会滚滚而来；如果你看错了趋势，就得使用古老而可靠的保护伞——止蚀单,这就是趋势和利润的关系.逆势操作是失败的开始,不应该对抗市场，或尝试击败他,没有必要比市场精明,趋势来时，应之，随之；无趋势时，观之，静之。
交易的最高境界是五无: 无喜、无忧、无惧、无欲、无我,“市场如同浩瀚的大海，你唯一能够信赖的就是你的交易系统、计划。
交易之路本是场学习之路，对每个人而言，失败几乎都是自己造成的，在市场上，你就得把自己的频率改变却追随市场。一定要建立适合你自己的交易系统，无论你被市场掴的鼻青脸肿，你必须重新站起来，再改善你的系统。不要惧怕复杂和繁琐，因为这是你迈向成功、脱离亏损的唯一之途，别无他法。纪律和心态必须建立在科学有效的系统之上。很少人天生就是属于市场，所以要成功，你一定得改变！改变过去所有错误的观念与习性，并不断将正确的行为练习到成为你的习惯，情绪会让人追涨杀跌，所以得去控制它。
“计划你的交易，交易你的计划”，说起来很易的一句话，但你是否能“交易你的计划”，却是最关键处，也是最难执行的。在所有不好的交易习惯中最坏的习惯是不执行交易计划—不按交易计划行事只会导致毁灭。交易者最大的秘决就是要服从市场的意志,市场是真理，因为市场包容和反映一切。对于所进行的每一笔交易，你都必须自己承担所有的责任。交易起始于你的进场决策，结束于你的出场决策,不要指望交易中一定会这样或者那样。你所要寻求的是对事实的深思熟虑，而不是捕风捉影,要形成自己的一套交易决策系统，要有一双自己看市场的眼睛。对市场要有一定的洞察能力，最好有一定的前瞻性。交易时只听信自己内心的想法，尽量排除外界干扰,总之是尊重市场，相信自己。结果：交易变得自然，让你觉得放松，甚至可以享受交易。
交易中最重要的是什么、最难的是什么？到底什么最重要?好象几乎所有人都在这么说：心态最重要，资金管理次之，技术最轻。曾经我也是这么认为的，但是现在我以我自己的经验负责任的告诉大家：根本不是这么回事，最重要的还是交易技术。我的回答是：遵守纪律,遵守纪律最重要,遵守纪律最难!遵守纪律重于一切,纪律是交易获利的保证,交易中的一切行为都需要纪律来约束，而不是自己对市场的判断来决定,严格而有效的纪律必须建立在严密而有效的交易系统之上，请你相信你自己认可的交易系统而不要相信自己的盘感。建立起你的交易系统，放弃预测，放弃恐惧，也放弃贪婪和欢喜，一切由你的交易系统决定出入市。
很多优秀交易员的交易系统很简单，只有两三对状态和对策之间的匹配，但是长期来看，状态极其稳定，对引入新的匹配，他们都非常慎重，不经过长期的测试是不会考虑的，这些人，也许就属于一招鲜吃遍天的那类吧。无比坚定地坚持正确投资理念，并拥有适合自己的系统操作方法，在制定好严谨客观的操作计划的前提下，持续稳健地获取稳定连续的复利回报，不求大赚，一朝暴富而是常赚和经年累月地堆积利润，立足市场，修炼人性，成为投资市场真正的职业投资大师。
耐心,找准位置 ,不要急功近利 ,不要期望过高 ,坚持做好自己的事情,不受干扰 ,承认和接受损失,每天赢利一点,不要让利润演变成损失,做到“交易就是交易，与结果没关系”,并且选择自己适合的时间周期,保持对交易的激情，去热爱你所作的这件事情吧。
盘感是对市场即时惯性的把握，即通过观察动态挂单和流水成交把握住市场即时惯性的发动、速度、持续性、间歇、停止和方向反转，以及这几者的强度。盘感的稳定获得，是在长期观察市场和无数次交易的基础上，通过充分放松自己获得的。
盘感是学习不到，也无法学习的，只能是长时间的交易经验的积累，用通俗的话说就是对行情判断的“快速反应系统”。在自己生理上能出现反应的最短时间里作出判断和操作。就象一名枪手，他与枪已经融为一体了，不是在某个时刻，而是在任一时刻，他的枪都能和他一起发射，而出枪的速度和准确率绝对是有保证的，但是那是几年甚至更久和几万甚至几十万发子弹的代价。
“做期货如同做小偷，偷得到要跑，偷不到更要跑。” 期货投机的第一项训练是逃跑，保证存活。
买卖期货目的是为赚钱,赚钱要讲机会,介入市场,不是要证明你有多能干,而是在相对低风险下获取利润,不明朗就是机会未到,这段时间应该袖手旁观，休息一下。一来对上一阶段买卖得先作一番总结，吸收经验教训；二来密切注视市场走势，研究下一步买卖方针。另不明朗的市不入,期货买卖，顺势而行是原则，趋势不明朗，怎么去顺应？勉强入市，决策无依据，获利无把握，为炒而炒，失去投资意义，而且十居其九以亏损收场：要嘛，就被牛皮闷局以点数打败；要嘛，就被大市朝反方向突破技术性击倒。
记住，一次意外，足以致命,止损正是杜绝这种意外出现,止损不怕，止损错了也不怕,怕的是不止损。没有止损的习惯，早晚要被淘汰出局，这只是时间问题。学会止损，千万别和亏损谈恋爱,止损远比盈利重要，因为任何时候保本都是第一位的，盈利是第二位的，建立合理的止损原则相当有效，谨慎的止损原则的核心在于不让亏损持续扩大。期货市场是:“最初的停损点是最小的损失”,从帝国大厦的第一层走到顶楼，要一个小时,但是从楼顶纵身跳下，只要30秒，就可以回到楼底。盯住止损，止损是自己控制的,不考虑利润，因为利润是由市场控制的。
学会接受失败并能容忍它，因为它是买卖的一部分，当你能够在亏损时，不感到自尊心受创，情绪能够保持稳定，你便踏上了成功之路。
严格贯彻“亏得起多少做多少”的原则，面对亏损，处之泰然，做期货都要具备一个最基本的心态：接受失败，面对亏损，处之泰然。成功，等于小的亏损，加上大大小小的利润，多次累积。不要试图扳平──操作并非一个落后追逐游戏，每个部位都必须站在它的优势之上冷静地承担你的亏损，以绝对的纪律从事下一笔交易,绝对不要加死码,抢顶和抢底要当心。
市场的大多数时候是不值得交易的（或不值得重仓交易），不要在这种时候疲于奔命，要耐的住寂寞,休息也是投资策略的一种,并且在行情横盘调整中,休息恰是最好的投资策略。只有先平掉原来的空头持仓，回到没有持仓的中立状态，这样你才能看清市场情况。
职业的交易者应该在市场常态下休养生息，养精蓄锐以抓住一年中不多的几次重仓出击的市场机会。交易的目的是为了赚钱，当所持头寸盈利的潜力不大时，减小自己的投入规模乃至清仓出场,有些时候最好的交易就是不交易,学会休息，减少失误就是增加了赢利的能力。
休息与等待是一种积极的防御状态。许多投资者并不了解其内在的意义：什么也不做的防守成本是所有安全措施中最低的。我们之所以无所作为，是因为：⑴心身休整与交易总结，⑵市场没有大行情、或无法判断行情，⑶行情的演变已进入危险地带，⑷战略计划实施前的时机等待。
放弃机会就是回避风险,放弃机会就是不违背行情的主流,当行情出现背离的时候，选择放弃，宁可错过而不可做错。这也是一直比较自豪的一点，当别人盈利的时候，我也盈利；而当别人亏损的时候，我没有交易，因为我放弃! 适合自己的旋律就进场，不适合时就欣赏。
投资首先要保障资本安全，在没有盈利以前尽可能小地承担有限的风险。有了盈利以后用盈利来承担风险。拟定一套资金管理的计划:第一个目标是长期的生存能力；第二个目标是资本的隐定成长；第三个目标是高水平的获利。实际期货交易中常见的资金运用：
1.满仓交易法　2.倒退增仓交易法 3.激进增仓交易法 4.炒单交易法 　5.死抗交易法 　6.双向对开仓交易法（俗称锁仓交易法） 7.概率交易法 　8.套利交易法
专业高手绝对不羡慕别人偶然的获利，他们更加痛恨自己偶然的成功。他们存在的最重要价值是凭借自己高超的技术功力持续、稳定、长久地从市场获取属于自己的利润,任何偶然或一时的成功对他们来说都不具备意义。
灵活而合理地调度资金、攻击最有潜力的行情、成功要靠程序来保证、持久地占有概率优势、胜率要超过60%、趋势理念最重要、工具好用就行不必刨根问底、克服心理疲惫、贵在从容、敢于胜利。操作规模不要超过你的负荷──你只要专心地好好玩目前的游戏，不要担心赚钱的事。
市场是一所永远无法毕业的学校，要时刻保持谦虚谨慎，戒骄戒躁的心态,保持一颗平常心，做一个平凡的人,对市场要永怀敬畏之心,屈服于市场之下，映射它，追随它,“唯有惶者才能生存”,行情不是一天准备好的，也不是一天就走完的,期货市场是一个永远都无法毕业的学校。爱上你的赢利，但不能胆怯你的赢利;爱上你的亏损，但不能习惯你的亏损,人生最大的快乐不在于获得什么样的结果，而在于不停地追求奋斗的过程。所以“ 必须制定一套程序，必须明白你的程序，必须遵循你的程序”来操作，而获得全胜！
上帝造就了最高智慧人类的同时，给了他感知的神经，别无选择，那就让我们感悟吧！
附：期货十大忌讳：
一、满仓操作
二、逆势开仓
三、持仓综合症
四、测顶测底
五、死不认输
六、逆势抢反弹
七、频繁“全天候”操作
八、下单时犹豫不决
九、中、短线的弊端
十、主力盯单心态
开户中国期货低佣金开户
mdshare财经数据接口包
Python人工智能算法库
酷操盘手期货跟单软件
python量化交易
Quicklib程序化交易框架 www.quicklib.cn
Caffe深度学习框架
mdshare财经数据接口包
Python人工智能算法库
python派期货跟单软件、资管软件、python回测系统
酷操盘手官方网站
http://www.kucps.com/
跟单软件下载
http://www.kucps.com/kucpsfollow.zip
主观交易行情自动循环切换工具下载
http://www.kucps.com/autopage.zip
酷操盘手跟单软件支持simnow期货模拟账户，如果需要支持实盘 多对多跟单，必须保证是东方期货账户数量大于其他期货公司账户数量。
交易所标准加1分钱，并有高比例返佣
东方期货开户请在www.kucps.com或www.pythonpai.com首页点击网络开户链接，按提示开户
申万宏源请联系QQ 开户
索取跟单软件授权 QQ
10月份以后请在www.kucps.com下载更多功能的新版本
软件加壳，可能会被流氓360等误报，请使用windows8.1以上自带的defender杀毒
（微软的杀毒是真正的单纯的杀毒软件，杀毒排名评级高，没有全家桶、没有流氓行为，技术先进、不误报）
文件说明：
KucpsFollow.exe 为主程序
Graph.exe为资金曲线分时图工具，由主程序释放到同目录
Tradelist.mdb为模拟账户和交易记录的Access数据库
setting.ini为跟单配置文件
temp文件夹是流文件夹
Data文件夹是各账户的资金曲线数据csv文件存储目录
除跟单其它功能，例如模拟账户，APP远程控制，数据库支持等暂时不要使用。
更改主账户成交窗口提示方式，支持多窗口提示，保留最新的6比成交。增加对windows7的早期操作系统的支持
修复3.9c的持仓bug
增加连接服务器，断开服务器声音报警功能
增加持仓表显示，修复多跟多右键菜单崩溃的bug
修复对个别账户，授权文件无效的问题。
增加更精确的小数单记录，按比例跟单时跟单数可能不为整数时，下单取整，然后保存剩余的小数部分。
这个小数部分的值用于当下次跟单时和下次跟单时计算出的跟单数累计后再取整下单，再保留剩余的小数部分。
优化报单参数数据类型，提供完整的平仓类型
增加授权有效期显示功能，增加成交记录中组编号显示，性能优化
增加原油，苹果合约的订阅，以便获得涨跌停价格。
修复了宏转换偶然导致栈溢出的问题
解决部分账户不能授权的问题
暂时关闭了清盘功能
3.6增加了对行情校数据校验，避免了异常数据导致崩溃的问题
更新所有品种对1跳的定义setting.ini
增加一处行情数据校验，避免了服务器发来的垃圾数据导致溢出崩溃的问题。
修复行情导致栈溢出的BUG，取消setting.ini,改用数据库存储账户信息，请用Access打开Tradelist.mdb，修改investor信息替代原先的setting.ini配置文件
增加brokeid视图，有以后完善该信息表。
分成2个版本
多跟多版本和1跟多版本
(1)多跟多版本(同原版本)，需要保证在开户中国开设宏源期货和东方期货账户，假设在settin.ini设置的宏源期货和东方期货账户合计数量为n，
那么还可以设置最多不超过n个其它期货公司的账户，2n个账户可随意作为主账户或从账户任意组合跟单。对上期simnow模拟没有限制。
(2)1跟多版本(新增版本)，从账户(必须为授权账户)只有1个，多账户为20个(可以为任何期货公司的账户，无需授权)，从账户可以分别分配资金跟多个账户的交易单。
要获得从账户授权请咨询QQ （在开户中国开户作为从账户，可免费获得授权）。
将获得的授权文件
Licence.ini 放到程序目录即可获得授权。
上期SIMNOW模拟账户，无论作为主账户还是从账户均不受限制,但从账户只能有1个，主账户可以不超过20个。
修复主账户分组问题
(1)增加对宏源期货的支持，也支持东方期货
(2)修复双击打开行情分时图的错误
(3)改行情列表为“行情涨跌停价格获取”，禁止关闭避免错误
(4)查询资金的信息不再出现在日志中，降低了CPU占用
(5)降低了行情刷新次数为原来的1/5，降低了CPU占用
(6)避免IO拥堵可能产生的错误
(7)取消了重启管理器
修复因锁的问题导致行情接收不能显示的问题
修复过0点后，跟单停止的问题
增加滚轮切换视图的功能：滚轮切换视图，鼠标右键+滚轮 移动视图滚动条
关闭数据采集功能可能导致错误退出的BUG。
增加行情接收功能，以便能识别涨跌停价格，进行跟单。
屏蔽对示例账户8997等示例账户的自动改密功能。
即便将setting.ini中设置autochangepassword=0也是无效的。
但客户自行设置的模拟和实盘账户可以
设置autochangepassword=1
开启自动改密。
修复偶尔退出时的错误， 增加停止子账户跟单时进行清除下单队列的处理
增加清盘清仓后的自动改密功能
增加了清盘线字段，当100*动态权益/静态权益&清盘线(整数百分百)即停止跟单，并执行自动清仓， 清盘功能需在开启跟单时允许接收行情数据
请暂时不要双击查看行情分时图，否则会报错误
增加了菜单，可选择程序自动启动跟单，或延时启动，或人工启动（目前还需处理在，人工启动前将账户加载到列表的问题）
修复了了退出时，CTP线程没正常退出，导致进程无法退出的BUG，因为只运行运行一个同名实例，会导致重新启动并无法运行。
修复double类型数据写入csv，长度过程溢出的错误
对csv文件写入失败做了判断
修复了长时间运行后，图标内存溢出错误
关闭了CPU优化，修复导致程序崩溃的问题
修复数据库连接BUG，添加收集TICK的菜单，将来支持通过API进行TICK的调用功能
除了支持原先的增加3个滑点限价单下单外，增加了WAP拖拉机下单算法
增加跟单交易记录和查看记录功能
增加双击账户，打开资金曲线、打开持仓、打开今日交易记录的选择菜单
增加持仓功能(目前持仓列表为预留)
模拟账户状态图标
资金曲线搜集关闭、开启菜单,增加交易记录菜单和视图(功能待添加)
修复资金曲线无法显示的问题
重要更新，修复了2.0c~2.3e版本，添加模拟账户API占用网络端口，导致无法跟单的问题
修复合约1跳点数设置不支持小数的问题，现在已经支持例如au的1跳点数设置了。
增加部分模块，例如内置模拟账户、数据库支持、开设模拟账户等，类CTP api支持，Tradelist.mdb为模拟账户和交易记录的Access数据库
除跟单功能外，其他模块还在完善中，仅供演示。
从账户右键菜单“运行(跟单)”，“停止(跟单)”项功能的实现
修复除了东方期货和SIMNOW模拟以外其它期货公司不能加载的问题
修复BUG，增加部分功能
增加右键菜单和计数功能，菜单功能未完成，计数功能请等待更新
修复列表字段位置错误，添加预留统计开平次数和手数的列
修复日志乱码问题，
增加主从账号类型显示图标
;行情服务器数量
servernum=1
;行情服务器IP地址
address1=tcp://180.168.146.187:10010
;行情服务器brokeid，用哪家期货公司的行情IP就要相应的brokeid
brokeid=9999
[Instrument]
;定义6个合约
;定义合约名称，1跳的滑点，目前采用限价单，例如ni跟单就会用3X10=30,主账户成交基础上±30个点，请自己补齐合约
Instrument1=rb1710,1
Instrument2=ni1709,10
Instrument3=a1706,1
Instrument4=m1706,1
Instrument5=zn1709,5
Instrument6=al1706,5
[AccountNum]
;账户数量，包括主账户和从账户，读取配置文件从AccountInfo1读到AccountInfoX
[AccountInfo1]
;groupid组标号，同组才能跟单，不同组不跟单，一个组只有1个主账号，
;可以有多个从账号。如果1个从账号需要在多个组，请分成多个AccountInfoX里设置
;clienttype=1表示为主账号，clienttype=0为从账号
clienttype=1
;是否运行，主账户设为0，无意义
;清盘线=100动态权益/静态权益，主账户设置为0，无意义
stoptraderpercent=0
;主账号设为0，无意义
dirction=0
;主账号设为0，无意义
tradepercent=0
;主账号设为0，无意义
positionpercent=0
;主账号设为0，无意义
slippoint=0
;主账号设为0，无意义
autoclose=0
;brokieid为期货公司账号，9999为simnow模拟盘的brokeid,东方期货brokeid为0127，其它期货公司请文期货公司或参见快期安装目录brokeid,xml
brokeid=9999
username=038995
password=000000wdg
;交易服务器数量，从address1到addressX
servernum=1
address1=tcp://180.168.146.187:10000
[AccountInfo2]
;groupid组标号，同组才能跟单，不同组不跟单，一个组只有1个主账号，
;clienttype=0表示为从账户，clienttype=1表示为主账户，从账户跟随主账户的单
clienttype=0
;是否运行，从账户设为1表示运行，设置为0表示不运行
;清盘线=100动态权益/静态权益，从账户设置为整数
stoptraderpercent=95
;清盘后是否自动修改密码，1修改密码(保存到changepassword.txt下)，0不修改密码
autochangepassword=1
;跟单方向direction=1，表示正向跟单，direction=-1表示反向跟单
direction=1
;交易跟随比例，tradepercent=50表示只按主账号50%委托，例如主账号成交10手，跟单只委托10X50%=5手
tradepercent=50
;调用资金比例跟这个组的主账号的单，tradepercent=50表示调用50%资金跟随gropeid=1的主账号的单，可以设置多个AccountInfo2分配不同的比例，
positionpercent=100
;限价为3跳
slippoint=3
;收盘前自动平仓，该功能暂时不可用
autoclose=1
;该账户所属的期货公司brokeid，9999为上期模拟账户的brokeid
brokeid=9999
username=061733
password=caifu
;交易服务器IP数量，可以文期货公司，或参见快期交易服务器一栏，可以填写多个地址
servernum=1
;交易服务器IP和端口号
address1=tcp://180.168.146.187:10000
注意：本版本只能有1个主账户，可以设置任意多个从账户，每个从账户必须获得授权文件（.lic）,
对主账户没有授权要求
(1)免费获得授权
从账户必须授权，
目录下存放了SIMNOW账户038995的许可文件（.lic） 按licence_经纪商代码_账户.lic形式存放
按http://www.kaihucn.cn 开户完成后，加QQ群5172183，向群主QQ 索取您账户的授权文件Licence.ini，
将原目录的Licence.ini替换为您需授权的账户的Licence.ini文件即可
(2)购买授权，本版本价格9800元
加QQ群5172183，向群主QQ购买，并索取您账户的授权文件Licence.ini，
一账户跟多账户版本，上期SIMNOW账户需授权,DEMO的SIMNOW账户038995的授权文件Licence.ini已经提供在目录下
只设置1个从账户，即Licence.ini的授权账户
可设置多个主账户(无需授权)，由于每个组的主账户是唯一的，所以多个主账户必须设置为不同的组ID（修改setting.ini，增加多个主账户以及不重复的组）
从账户也必须设置[AccountInfoX]段信息，对应主账户，多少个主账户就要设置多少个从账户[AccountInfoX]
从账户跟随2个主账户的例子，为了清晰表示，省去了部分信息，实际配置必须设置所有字段：
由于配置较为繁琐，在未来版本将改为通过程序菜单设置配置文件
多账户跟多账户版本
授权方式支持请等下个版本更新
(1)免费授权说明
获得授权文件Licence.ini，请向QQ 申请获得授权
只要您按http://www.kaihucn.cn 开户完成后
配置1个在开户中国开户的期货账户，即可和其它期货公司1个账户进行相互跟单
配置2个在开户中国开户的期货账户，即可和其它期货公司2个账户进行相互跟单
配置n个在开户中国开户的期货账户，即可和其它期货公司n个账户进行相互跟单
2n个账户，可以任意设置为主账户或从账户，相互任意比例跟单
(2)购买授权，本版本每2个账户2800元
比如2个账户之间跟单，则价格为2800元，
4个账户之间任意组合跟单，则价格为5600元，
购买加QQ群5172183，向群主QQ购买， 索取您账户的授权文件Licence.ini，
注意：本版本只能有1个从账户，可以设置任意多个主账户，
从账户必须获得授权文件（.lic），
对主账户没有授权要求。
(1)免费获得授权
从账户必须授权，
目录下存放了SIMNOW账户038995的许可文件Licence.ini
按http://www.kaihucn.cn 开户完成后，加QQ群5172183，向群主QQ 索取您账户的授权文件Licence.ini，
将原目录的Licence.ini替换为您需授权的账户的Licence.ini文件即可
(2)购买授权，本版本价格9800元
加QQ群5172183，向群主QQ购买，并索取您账户的授权文件Licence.ini，
一账户跟多账户版本，上期SIMNOW账户需授权,DEMO的SIMNOW账户038995的授权文件Licence.ini已经提供在目录下
只设置1个从账户，即Licence.ini的授权账户
可设置多个主账户(无需授权)，由于每个组的主账户是唯一的，所以多个主账户必须设置为不同的组ID（修改setting.ini，增加多个主账户以及不重复的组）
从账户也必须设置[AccountInfoX]段信息，对应主账户，多少个主账户就要设置多少个从账户[AccountInfoX]
从账户跟随2个主账户的例子，为了清晰表示，省去了部分信息，实际配置必须设置所有字段：
由于配置较为繁琐，在未来版本将改为通过程序菜单设置配置文件
酷操盘手期货跟单软件
python量化交易
Quicklib程序化交易框架 www.quicklib.cn
Caffe深度学习框架
mdshare财经数据接口包
Python人工智能算法库
<span class="human-readable-number" title="
农夫由于付不起养骡子的成本，于是决定用狗拉磨，于是狗变成了神狗，不仅要看家，还要拉磨。
农夫于是对对周围的邻居们夸耀说自己养了一条神狗。有邻居l前来询问如何培养神狗，于是农夫写了一本厚厚的小册子，教学各种培训神狗的方法。甚至开了LIVE讲座，收取350元培训费用。
有人开始用这小册子开班授课教大家如何培育，既可以看门，又可以拉磨的神狗。
由于大家都在讲如何培育神狗，渐渐的趋之若鹜。
很多做神狗培育课程的培训师还赚了一笔小钱，这样大家都赚了小钱。
但大家都没有用神狗拉磨提高正常的生产效率而赚钱！
突然有人问农夫：你为什么不养一头骡子？
这真是狗的悲哀。
在量化行业，这几年的风向在某*py的引领下都是去养“神狗”，既要搞底层，还要搞策略。运行效率降低10倍以上，导致大家花了大量时间最后发现根本不适合生产环境。
有人安慰自己，本来python效率就不高嘛。 这说法只是横向对比，狗和骡子比起来确实不适合拉磨。
但请注意，因为这个神狗长期疲惫，积劳成疾，既不能拉磨也不能看门了。连普通狗都不如了 （纵向对比）。
这是python的悲哀，也是量化人的悲哀！
当然python做策略开发部分是非常适合的，调用各种C++开发的库做i数据分析和数据处理，一点也不低效，但做底层那就效率低效了。
所以最好的方式是： 用python做策略，用C++开发底层。
养一头骡子拉磨，养一条狗看门。对策略师来说，不用把职业生涯精力浪费在底层处理上。
****把量化交易中最后一环（策略开发）交给python,这需要C++的异步驱动支持python的策略开发。
关于C++开发底层异步IO驱动python
https://zhuanlan.zhihu.com/p/
当然也有人说， 某NPY至少在开源和推动python量化做了贡献啊！
开源和不开源都是为了利益，开源可能是因为为了普及，也可能是为了向赚培训的钱和LIVE的钱。
需求引导技术，需求的出现是必然的，而用哪一种技术，哪一种语言，哪一种框架实现量化确实不确定的。
没有python,也会有xython出现，zython出现。
没有ANPY，也会有BNPY，也会有CNPY出现。
你认为某NPY贡献就是普及了python还是普及了量化？
可能有一点用，但最重要的原因是因为你为了学习量化付出了时间，无论是你看视频，还是看书，都会有收获的，而不是因为任何语言或者任何框架。
做量化需要极强的逻辑分析能力，如果本末倒置了这个逻辑，就只能…。
可以说纯python架构只有广度，却没有深度。因为本身python就不适合开发大型的系统。
导致某py的策略是尽可能的搞各种API， 当然各API服务商也乐得其所。
对自己有原生API的服务商来说： 反正不出钱，你说合作就合作吧，帮我导导流量正好。
其实这种合作没有任何深度。
如果一边号称用VNPY架构或自己出个产品也采用该架构的服务商，那么专业性就值得怀疑了。
比如某些美股服务商完全抄袭VNPY架构搞自己的系统，那么专业性就值得怀疑了。
《测试 Node.js 与 python 的计算性能，震惊了，node.js和C居然比python快了70多倍》
https://www.v2ex.com/t/113887?p=1
《循环测试：C性能是PYTHON的 62倍，VNPY你居然用PYTHON做事件驱动？》
http://www.iteye.com/topic/699462
《VNPY 量化交易上的性能对比分析》
Caffe深度学习框架
mdshare财经数据接口包
Python人工智能算法库
VN.PY python的程序员
Theano深度学习库在Python环境下编写深度学习
Scikit-learn回归和聚类的算法包括支持向量机，逻辑回归，朴素贝
python量化交易
《程序化交易工具打包下载》
http://www.pythonpai.com/topic/8/%E7%A8%8B%E5%BA%8F%E5%8C%96%E4%BA%A4%E6%98%93%E5%B7%A5%E5%85%B7%E6%89%93%E5%8C%85%E4%B8%8B%E8%BD%BD
《Quicklib采用的异步IO架构的特点》
http://www.pythonpai.com/topic/183/quicklib%E9%87%87%E7%94%A8%E7%9A%84%E5%BC%82%E6%AD%A5io%E6%9E%B6%E6%9E%84%E7%9A%84%E7%89%B9%E7%82%B9
《Quicklib CTP框架完整Demo运行时的文件引用流程》
http://www.pythonpai.com/topic/182/quicklib-ctp%E6%A1%86%E6%9E%B6%E5%AE%8C%E6%95%B4demo%E8%BF%90%E8%A1%8C%E6%97%B6%E7%9A%84%E6%96%87%E4%BB%B6%E5%BC%95%E7%94%A8%E6%B5%81%E7%A8%8B
《做程序化交易，你真的需要数据库吗？》
http://www.pythonpai.com/topic/181/%E5%81%9A%E7%A8%8B%E5%BA%8F%E5%8C%96%E4%BA%A4%E6%98%93-%E4%BD%A0%E7%9C%9F%E7%9A%84%E9%9C%80%E8%A6%81%E6%95%B0%E6%8D%AE%E5%BA%93%E5%90%97
《python派程序化交易社区手机APP 2.5下载》
http://www.pythonpai.com/topic/69/python%E6%B4%BE%E7%A8%8B%E5%BA%8F%E5%8C%96%E4%BA%A4%E6%98%93%E7%A4%BE%E5%8C%BA%E6%89%8B%E6%9C%BAapp-2-2%E4%B8%8B%E8%BD%BD
http://www.pythonpai.com/category/8/quicklib%E5%92%8Cpython%E7%A8%8B%E5%BA%8F%E5%8C%96%E4%BA%A4%E6%98%93%E6%95%99%E5%AD%A6%E5%92%8C%E8%B5%84%E6%BA%90
http://www.pythonpai.com/category/4/%E6%9C%9F%E8%B4%A7-a%E8%82%A1%E7%AD%89api%E7%A8%8B%E5%BA%8F%E5%8C%96%E9%87%8F%E5%8C%96%E5%BC%80%E5%8F%91%E6%8A%80%E6%9C%AF%E4%BA%A4%E6%B5%81
酷操盘手期货跟单软件
python量化交易
Quicklib程序化交易框架 www.quicklib.cn
Caffe深度学习框架
mdshare财经数据接口包
Python人工智能算法库
python派期货跟单软件、资管软件、python回测系统
在2018年上半年（2018年01月-06月）间，以国内各大公有云的云上应用和云主机为目标的网络攻击整体呈明显上升趋势，威胁类型以机器人、撞库攻击为主，针对云主机、域名和邮箱等资源的业务灰产仍大量存在。
攻击总次数整体呈上升趋势
通过对相关攻击行为按月进行次数统计，我们可以看到，在排除2月份春节期间大规模企业营销活动所造成的数据样本偏差影响后，黑灰产对公有云的攻击次数呈明显的上升趋势。
在国内公有云厂商中 黑产最爱攻击哪家？
阿里云、腾讯云遭受攻击最多
在国内公有云厂商中，针对阿里云的攻击次数占比最高，达55.32%，针对腾讯云的攻击次数占比居第二，为27.34%，其他依次是UCLOUD、华为云、青云、百度云、金山云、京东云。这与国内公有云厂商的市场份额占比排名基本趋同（此处忽略了部分公有云厂商较细微的市场份额差异）。
在国内公有云厂商中 黑产最爱攻击哪家？
值得注意的是，如果按月统计攻击次数占比，阿里云和腾讯云的占比在大多数月份都呈小幅上升趋势（排除2月份春节的数据样本偏差影响），这也与公有云市场份额的集中化趋势基本趋同。
在国内公有云厂商中 黑产最爱攻击哪家？
在国内公有云厂商中 黑产最爱攻击哪家？
在国内公有云厂商中 黑产最爱攻击哪家？
超五成攻击为机器人所为
通过对攻击流量中行为特征的提取，我们发现，超过五成的攻击为机器人所为。这些机器人中绝大部分用来执行互联网扫描或漏洞利用动作，其中大部分（超过70%）为最为常见的批量端口扫描器，约两成源自针对特定目标的自动化漏洞扫描与利用工具（如Struts2-045/048系列漏洞），另有约一成应与国家监管部门、安全厂商和科研机构的互联网资产探测类系统有关。此外，还有极少部分机器人是针对公有云企业邮箱的注册机。
在国内公有云厂商中 黑产最爱攻击哪家？
此外，我们还发现一个有趣的现象，自动化扫描或漏洞利用类机器人中约三成的流量源头指向了美国弗吉尼亚州阿什本，即亚马逊AWS云计算园区所在地，且有逐月递增趋势。我们推断，由于国内网络安全监管趋严，黑灰产活动的部分基础设施正逐步向国外转移。撞库攻击整体呈上升趋势
除自动化扫描或漏洞利用行为外，有14.36%的攻击行为为撞库攻击。对此类攻击行为按月进行次数统计，可以看到有明显的上升趋势（排除2月份春节的数据样本偏差影响）。
在国内公有云厂商中 黑产最爱攻击哪家？
此外，我们还发现，三成左右的撞库攻击使用了重叠度较高的新的字典库，疑似与我们在2018年上半年监控到的数起社工库地下交易事件有关。
考虑到从数据泄露到流出至暗网、Q群、Telegram群等进行小范围交易，再到大规模散播的时延一般在三到六个月左右，我们可以推断，到2018年下半年，撞库攻击将进一步增加。
公有云业务灰产依旧活跃
通过对“TH-Karma”平台采集的黑灰产数据进行分析，我们发现针对公有云各类优惠活动的薅羊毛活动仍然活跃。典型的有：通过批量刷阿里云、腾讯云和美团云学生机优惠再进行转租转售，或是批量代过阿里云和腾讯云域名实名认证，或是通过邮箱注册机批量注册公有云企业邮箱等等。
我们认为，这类活动已形成较为完整的“产-销-用”灰产链条，为其他黑灰产活动提供基础设施支撑。
在国内公有云厂商中 黑产最爱攻击哪家？
在国内公有云厂商中 黑产最爱攻击哪家？
在国内公有云厂商中 黑产最爱攻击哪家？
数据分析补充说明
受限于数据获取的渠道及样本噪点的影响，我们的监控渠道对DDoS攻击和爬虫两类攻击的捕获率偏低，导致在数据统计结果中这两类攻击次数低于我们的经验预期，无法判断其趋势走向，故在本报告中不对此做详细分析。
但从我们获取的黑灰产交易数据来看，近6个月针对阿里云和腾讯云服务器的DDoS攻击空单（即没人接单或接单完不成）量明显增多，侧面反映了阿里云、腾讯云等云厂商在抗DDoS方面的努力已有一定成效。
在国内公有云厂商中 黑产最爱攻击哪家？
开户中国期货低佣金开户
mdshare财经数据接口包
Python人工智能算法库
酷操盘手期货跟单软件
python量化交易
Quicklib程序化交易框架 www.quicklib.cn
Caffe深度学习框架
mdshare财经数据接口包
Python人工智能算法库
python派期货跟单软件、资管软件、python回测系统
去年底，微信安全中心发布了《关于规范微信个人帐号发布投资建议及“荐股”相关服务信息的公告》。明确了针对个人帐号发布投资建议或&荐股&行为，必须严格按照国家相关法律法规进行规范。
今天，微信对2018年上半年处理结果进行公示：截至目前，微信官方通过用户举报数据，核实确认，共计对8000余个微信群进行限制群功能处理，并对4000余个微信帐号进行限制功能使用或限制登录等阶梯式处罚。
微信“荐股类欺诈”打击公示：处罚8000个群
微信表示，近期接到大量投诉，部分用户发布投资建议或&荐股&类信息时，仍存在包括且不限于以下违法违规行为：
1、通过仿冒身份等形式添加用户或拉用户加入微信群后，并持续发布荐股类广告骚扰信息的；
2、声称能准确预测个股涨跌，并从中通过赚取服务费、专家指导咨询费，售卖炒股软件及课程、售卖vip炒股会员群，或通过所谓&合作分红&等形式进行获利的；
3、伪造所谓内幕消息和行情分析，冒充正规证券交易公司、搭建虚假证券交易平台，吸引用户投资并实施诈骗的。
微信表示，这类违法违规行为严重骚扰用户，并具有恶意营销、欺诈等性质。微信安全团队依据服务协议及使用规范进行了专项清理，并持续打击。
微信“荐股类欺诈”打击公示：处罚8000个群
部分被处理“微信帐号”示例
根据用户投诉反馈信息，荐股类欺诈具有以下常见手段：
1、在微信群、直播间等社交平台塑造所谓的“专家”“大师”“白富美”形象，利用概率做文章，采取“千人千股”的方式给投资人推荐股票，从而达到售卖高额股票课程、收取高额“会员费”、“服务费”的目的。
2、荐股人员声称可以免费帮助投资人诊断手上持仓图、挖掘后市潜力股、推荐个股等。采取先盈利后分成的合作方式，在盘中全程指导你拉升股的最佳买卖点操作，让你买进卖出获利出局。股票涨了他跟着分红，股票跌了，也不负任何责任。
3、冒充正规金融证券交易公司欺诈。骗子在微信群内推销各类“荐股软件” “荐股平台”，以免费使用和高盈利为诱饵，将用户导流到外部平台，参与现货交易（贵金属、艺术品、邮币卡等）或境外期货交易。实则他们的交易系统都是伪造的，并且可以在后台实时操纵行情，伪造交易记录，欺诈用户大量资金。
4、性质恶劣的“荐股割韭菜”。骗子利用自有资金操纵市场：事先建仓或者持仓——在微信群、直播间等实时喊单，公开荐股——诱骗散户更风买入，拉升股价——趁机高点抛售，获利逃离出场。指挥投资者同时买卖股票的行为，不止涉嫌操纵市场，还诱骗投资者牟取非法利益。
投诉流程：
客户端投诉：
微信“荐股类欺诈”打击公示：处罚8000个群
腾讯举报受理中心：
开户中国期货低佣金开户
mdshare财经数据接口包
Python人工智能算法库
酷操盘手期货跟单软件
python量化交易
Quicklib程序化交易框架 www.quicklib.cn
Caffe深度学习框架
mdshare财经数据接口包
Python人工智能算法库
python派期货跟单软件、资管软件、python回测系统
据《财富》杂志网络版北京时间7月27日报道，如果拼多多周四的首次公开募股（IPO）能够说明什么，那就是投资者仍在押注于中国更偏远城市的快速发展。
拼多多有时被称为中国的Groupon，其IPO发行价为19美元，融资16.3亿美元。首日开盘，拼多多股价飙升了36%，令这家成立仅三年的公司完全摊薄后的估值达到了324亿美元。
拼多多由前谷歌工程师黄峥创立，在过去数月经历了几何级的增长，今年第二季度的活跃买家达到了3.436亿。在腾讯的支持下，这家创业公司利用互联网巨头无处不在的微信应用推广超低价商品，并奖励与家人和朋友一起批量购买的用户。
投资者似乎相信这家总部位于上海的公司有能力继续攀升。但是，拼多多股票并不是一个廉价的赌注。将其营收——略高于2.5亿美元——和估值相比，你将得到高达116.5倍的市销率。
按照这一标准，拼多多股票要比阅后即焚应用Snapchat的母公司上市当天更贵，也高于上市时的阿里巴巴（市销率27.4）、Facebook（市销率31）和亚马逊（市销率19.1）。不过，它跟百度IPO后的估值水平相比确实还差了一点。百度在市场对中国极其感兴趣的2005年上市，当时它的市销率达到了238.3倍。
拼多多的高估值是一个迹象，表明尽管最近中国经济放缓，但投资者仍在押注中国欠发达城市的发展。研究公司Morningstar的分析师詹妮弗·宋（Jennifer Song，音译）说，投资者希望通过拼多多挖掘中国不太富裕的消费者，或许他们有一天会有更多的零用钱。
“中国二三线城市人口的消费能力增速超过了一、二线城市，而这些低线城市为零售商带来了巨大的机遇，”拼多多在招股说明书中写道。
根据移动分析公司Questmobile，约60%的拼多多用户都生活在GDP低于4550亿元人民币的城市。相比之下，阿里巴巴和京东似乎专注于更富裕的用户，两家电商巨头都越来越注重产品的质量和个性化。Blue Lotus分析师西尔维娅·王（Silvia Wang）称，结果就是，它们不可避免地失去了部分低线城市的用户。
但拼多多并非唯一一家押注中国农村人口增长的公司。例如，阿里巴巴一直试图将其产品扩展到不富裕的地方，最近更是对农村电商平台汇通达投资了7.16亿美元。与此同时，京东表示，未来五年将在农村地区开设约50万家便利店。
另一个潜在的问题是：拼多多目前不向商家收取费用或佣金，但为了盈利，未来它将不得不这么做。
而随着农村用户群的可支配收入提高，拼多多也将必须跟着一同升级。詹妮弗·宋表示，虽然拼多多提供的商品很便宜，但是其质量往往不高，包装也很差。
拼多多为何能在阿里京东眼皮底下崛起？原因在这
开户中国期货低佣金开户
mdshare财经数据接口包
Python人工智能算法库
酷操盘手期货跟单软件
python量化交易
Quicklib程序化交易框架 www.quicklib.cn
Caffe深度学习框架
mdshare财经数据接口包
Python人工智能算法库
python派期货跟单软件、资管软件、python回测系统
对于打算在程序化交易中获得成长或获利的交易者来说，在对编程语言和平台有基本了解之后，看下文应该会很有启发。
一、多大程度上用程序化交易，或者说如何处理程序化交易与自己原有交易系统的关系。
　　我自己接触过的相关交易者，有如下几种：
　　第一种人，是老期货，之前有过较长时间的非程序化成功盈利的经历，通常是一种基于主观判断的技术流交易系统。在选择尝试程序化之后，试图实现或部分实现自己现有的交易系统，通常由他人帮助实现或改进；或直接使用商业化指标和模型。程序化对他们的帮助主要是体现在控制自身人性弱点上。指标信号也好，交易模型也好，成为他的一套辅助决策系统，通常都离不开他本人的主观解读，往往停留在手动下单或半自动下单阶段。
　　在我看来，这种程序化交易是客观交易为皮，主观交易为骨。当然并不是说这就不好；但这好不好，往往还是无法突破他原有的主观交易能力的局限。如果他原来就是一个高超的主观交易者，那么程序化的使用效果一定也是很出色的。如果他原来交易能力一般，那么程序化的使用效果也平平。这是因为，在他对信号进行主观解读和筛选中，带来了新的技术问题和人性问题。半自动交易天然给了他犯错的机会，而这问题的解决程度，通常都不会和单纯主观交易时相差太多。但程序信号毕竟是客观的，是真正可在不确定性海洋中借到力的，经过长时间练习和磨合，最终效果肯定是改善而非倒退，而且改善程度会逐步增加。
　　此问题是否能够根本克服？我觉得还是比较难。在交易的执行层面的主观研判，注定会让交易的历史一致性无法实现，回溯测试对这类交易者没有实质意义，顶多是心理意义。也就是说，这类交易系统本质上应该仍归属于主观交易系统，主观交易系统固有的局限性自然会依附于其主观交易的本质，这个问题是“胎里带”的。而另一方面，正是由于他们使用的系统，通常并非完全由自己研发，而且老期货的知识结构通常也缺乏研发、测试、改进、信任程序化的必要理论基础，所以程序化永远只是一个工具的角色而不能进入交易系统的核心。这就好像一个刚刚接触攀岩的人，他可能会时常怀疑绳子、丝锁、岩塞这些工具是否能够承受自己的冲坠，而自己的手脚是自身的一部分，他天然信任。结果会带来什么心理感受？当他被工具挂在空中的时候，他心理很不踏实；而当他有机会手脚抓在某个平台上时，他才踏实。除非，1、这些工具是他自己打造并进行过测试的，就像一战时期及更早期的登山家和探险家们所做的那样。2、他们在自己信得过的过来人的指导下，选用某个品牌某种型号的工具，并且自己也在亲身体验数次之后。3、因为特殊职业有机会看过别人用各种不同的用法使用各种不同品牌和型号的工具，获得了极其多的间接经验之后。4、他们虽然不自己打造，但拥有足够丰富的力学知识、机械知识、冶金加工、材料工艺等知识之后，知道诸如不锈钢，获得多少承重需要多少直径；硬铝，多少承重对应多少直径；硬铝中的铜、镁、硅等比例对性能的影响等等，那么他在有这些知识的情况下，可以根据对商业化材料的了解，来选择信任这些工具。只有在这四个前提下，我估计他们才可能放松自如地挂在工具上喝咖啡听音乐睡觉。也就是说，要内心真正说服自己像信任自己的手脚一样信任这些工具，是有前提的，是不可能每个交易者能获得这份超越的。我本人，先是具备了部分3和4的前提，然后获得了1的前提，受益于朋友的影响，但总体上是一个自觉的和自我学习自我暗示的过程，目前我已经不存在孰优孰劣的问题，谁都不会去纠结自己该留左手还是右手，是吧？都是自己的手嘛。两只手干活不是更好吗？
　　以工具论来看待程序化的交易者，往往会经历如下反复：新理论的好奇和尝试→高期待→失望→放弃或否定。程序化交易模型自己的研发参与程度越低、测试越不充分，信任度就低；但缺乏了解的另一个结果就是越容易被他人的宣传、测试的表象所迷惑，将来的预期落差也会越大。所以，这类交易者搞程序化，更像是赶时髦，不用太久就会放弃这个新工具或者改用别的，要么就是对自己的主观判断老一套敝帚自珍起来。最后丢下一句“‘手中无剑，心中无剑’才是最高境界”之类的话。
　　这种用程序化使用方式，和看MACD或KDJ交易的人，本质上是一样的，只是他们不再用MACD，而是用一个改良的、自定义的指标。他们讲究不同的场合下对指令进行主观筛选和过滤，所以他们最前端的尝试也就仅仅到半自动化而已了。有人估算了一下，目前国内用半自动程序化交易的资金占总的程序化交易的资金量的90％。我不知道这个数字是不是可信，不过说这话的人，本人看来也是熟稔于半自动化交易。
　　第二种人，是新手，或仍未有长期盈利经历的不成熟交易者，他们是想在程序化中寻找突破、寻找圣杯。他们勇于接受和尝试任何可能赚钱的方法。但其实搞程序化和搞主观交易是一样的。这个行业的成功者，真的不是普罗大众靠一腔赚钱热情就能成就的。
　　他们的不成功，瓶颈往往不在于对程序化的定位太低，而是自身潜质的局限或性格缺陷的制约。但如果有人带或碰巧走上了正确的道路，那么达到行业平均水平还是有希望的。但由于他们对任何理念的理解都欠足够的深度，所以他们非常容易在不同的方向上被他人的观点所左右，迷失自己走上歧途。又或者他们想要赚钱结果的心思太急切，主动在不同的方向上来回跳跃，浪费时间。
　　这样的人，如果他们在入市前有过良好的数理和逻辑训练、或编程训练，如果他们看过那些谈论交易的经典书籍并且深刻理解并贯彻，仍有可能较快成功；或者他们会主动跳过主观摸索阶段而直接走上客观化程序化的道路。在最终存活下来的交易者中，很多人可能就是已经具备成功交易者的一些特质了，而欠缺的那块正好就是客观化交易可以弥补的，这才是天造之合。没必要去先学习怎么用主观交易赚到钱，再学习怎么把自己的系统客观化和程序化。
　　第三种人，是彻底的机会主义者。他们不会纠结于自己原有的成功的主观交易模式，而对新东西一样勇敢、彻底，但非全身心尝试。对他们来说，与其说把程序化看成工具，不如说他们把所有一切连同他们自己的主观一套统统看成工具。他们往往聪明、见识广、学习能力强，而且往往自觉不自觉就置身于可以轻易接触新东西的位置上。因为做一个选择或尝试太过容易，也因为他们确实具备出色的理解力让他们对所尝试的工具在短时间内就快速理解，也确实具备出色的观察力让他们在筛选的时候总是那么容易正确，所以他们同样不太关注系统的测试的充分性和历史一致性。就像探险者中的装备主义者，他们会信任装备，但他们会更容易动辄更新装备，甚至，上个月还在说这个有多好，这个月就已经换掉了。但他们身上还是有一些共同点的，就是他们在选装备的时候会有“客观的主见”——往往是看技术参数。看菜下单的方式其实是一种避开枯燥研发和试错的捷径。还有一个共同点，这样的人，是有一定的财力基础的。因为崇尚多快好省，分析和研发就草草进行了，但很多实盘尝试，是有资金底线的，是多少要交一些学费花一些学时的。一个为生活费着落而操心的人，在任何尝试的时候都很难保持一个好心态，在尝试时，都需要花更多心力说服自己。
　　但如果不是那么聪明有见识，这种心态构成了一种显而易见的浮躁，不利持续成长。其实我个人倾向于先证明自己有这个能力，再去考虑捷径的意义。只要有这个能力，那么任何现成的间接经验都能被发掘出价值，统合到自身对交易的理解中，唯一无可奈何的就是所处的位置能够提供的资源多寡。程序化如此，基本面交易亦如此。从赚钱角度来说，机会主义未尝不可。不过从研究角度来说，现实中的学术界大牛，还真没有走这条路出来的。
　　综上所述，程序化交易的道路，和自己的知识结构、智商和情商上的潜质、理论基础、个性、之前的交易系统类型等，都有关。成长中的程序化交易者，多少都倾向于以上三类中的某一类。但我觉着这些不算是真正的程序化交易者。我觉着一个真正的程序化交易者并非要以抛弃原有主观系统为前提。其实最理想的方式是主客观结合，理论上这能提供最佳的环境适应性和灵活性。但随着自己的实践，我觉着这个事情在对市场和交易理解层次不够的时候，是难以想像的。当然，有一种主客观结合比较简单，很容易想像：就是把原来技术形态的主观判断或指标信号的主观判断变成程序，这个基本上是替代——只要有好的编程平台，表达能力强的编程语言，总能通过人工智能方法近似拟合人脑的识别，做到这个的时候，不是主客观结合，而是计算机判断替代了人脑的判断。因为这种程序化过程，不产生新的交易逻辑，无非是从技术流到技术流。我说的难的东西，是两个异质系统的联姻，产生的是新的后代。但，也许即使如基本面、即使如心理预期分析，也可以用人工智能方法实现，只是需要的人力物力、数据渠道和理论基础有更高的门槛。其实国外已经开始了实践，比如在“推特”上搜索新闻，来获得交易指引，好像有类似的“新闻基金”问世。这其实就是用来模拟听消息进行交易的主观交易和分析市场心理预期来进行交易的主观交易，只是还很原始，很不完善。目前，尤其对个人交易者来说，还是只能指望主客观结合，而非人工智能替代的方式。
　　一个真正的程序化交易者，关键是对程序化的信任，而前提是对程序化的理解。我觉着，这肯定需要一个过程——时间和实践。这个实践其实并不总是有趣。所以下面要谈的就是第二大块的内容。
二、如何寻找好的交易模型。
　　我觉着，对于一个相对成熟的交易者来说，程序化的切入点，往往会选先把自己的现有系统客观化程序化的道路。对于一个新手或现有系统难以量化的交易者来说，程序化的切入点是从模仿一些简单但经典的模型入手。
　　之后就是测试。测试什么？
　　应该每个常见平台上都能看到参数优化相关的界面。至少在国内，“参数优化”——可能这是一个大家普遍关心并有争议的问题。很多新人首先会对此困惑，因为很多程序化大家，是反对参数优化的。其实我最开始听到的是过度拟合的弊端，道理很容易接受——对某段时期拟合得越充分，那么在另一段时期背离的可能性也越大，因为我们总是只对某些特征进行拟合，即我们的拟合注定是不完全的，所以未来的背离是必然的。但后来我听到的是“反对参数优化”。我觉着这有点陷入一种狭隘。是反对软件上的这个按钮功能吗？那么多软件公司要设这么个功能，总有其价值所在。是反对试图优化的思路吗？但是如果不去优化，参数怎么定？“靠常识”？常识怎么来？新人有多少常识？比如，我举个例子，说说溴化N-乙基吡啶的性状。别说颜色、比重这些参数，就是连室温下是固体还是液体，你都不知道。如果你不是搞室温离子液体研究的，你怎么可能知道？程序化交易又不是吃喝拉撒人人从小就有经验和体会的事物，对新人来说是一件全新的事物，对老人来说也还有很多没有弄懂的东西。所以我觉得靠常识来定参数，完全违背了人脑的认知规律。新人脑袋空空，拍不出多少常识。我觉着，这未必有益于程序化交易，因为纵然对某个时期的过度拟合会在另个时期产生过大背离，但如果在某个时期认可过大背离的存在，一定会在未来换来一个相对拟合的优异结果吗？有这种必然性吗？恐怕随便定出来的参数，这段不拟合，那段居然也不拟合，还没等到优异业绩，本金就已经大打折扣了，而且又何以让交易者能拥有长期坚持的信念呢？关注某组参数的具体表现的细节特征，并理解它对未来可能的涵意，才是硬道理。
　　我认为，参数往往是系统的特征值，并且主要是度量市场波动性的特征值。参数测试的主要目的是试图寻找有意义的特征值，而有意义的特征值的衡量标准是参数的依附稳定性、历史稳定性，以及跨周期普适性和跨品种普适性。我举个例子说明这几句抽象的话。首先，理论前提是，市场的波动性是各种频率的波的合成的结果。有点物理基础的人应该知道，合成波的描述可以通过将波分解为基波和各级谐波，通过分别描述每个正弦波的频率、幅值、相位来解决；或者说我们知道了基波和谐波的频率、幅值、相位，我们可以重现当初的合成波。这些频率、幅值、相位的表征，在程序化交易中就体现为参数，如果你找到的是这种参数，当然有很高的稳定性和普适性。这些分解波的由来，非常多样非常复杂，甚至可以说是难以穷尽（因为其非线性的市场本质），但我们仍可明显观察到一部分线性特征对应的谐波。比如对于工业品，需求通常是稳步增长的，而且需求的多样性意味着需求端的多变。但供给端相对简单。在经济周期或政策周期下，往往会出现投资高峰，投资高峰在若干时间后会变成投产高峰，造成一波下跌。从原油矿产这样的原材料到PTA这样的中间工业品，都是非常明显的，而且由于在国内，政府的宏观调控，其实加剧了这种投资的不均衡性。对于很多品种来说，天然地有淡旺季。比如服装有春夏和秋冬两大季。每年某个时装发布会后，就是大规模的量产，量产之后是布匹采购的增加，布匹采购增加继续向上游传导，就对应纱和棉的采购增加，另几个方向就是涤纶短纤、涤纶长丝、氨纶、腈伦、黏胶纤维等的采购的增加，再往上就是聚酯工厂采购PTA和MEG了，还有再往上，PTA工厂采购冰醋酸和PX，芳烃工厂采购石脑油……这些采购的时间不可能相差太悬殊（库存成本的制约），也不可能完全均分在每天（物流的规模经济性的考量），那么，注定会体现为一波波的采购高峰。所有产业中都存在采购周期，只是强弱不同。这些采购周期受物流效率、信息系统、管理方式所决定。目前都是电子化网络化时代了，通常2个月；但在网络化之前（十年前），那时候公路铁路也有很多地方网络不能覆盖，加上路况也差，那时候仓储采购周期肯定要长，3-6个月；再往前，两百年前的马车帆船时代，肯定更长，一次越洋跨国贸易（比如从南洋群岛运香料到鹿特丹）都在一年以上，采购的量也可以用个两三年。总之，这个周期是由经济发展水平决定的，这是一个波。这个波是一个中期波，而且非线性特征比较弱，也就是说比较容易发现和度量，它的变化非常慢，没有5年你是看不出它的明显变化的，并且一旦变化了，也很难变回去了。但另一个往往与之叠加的波就是心理预期产生的波动。采购方总是希望逢低采购，销售方总是希望囤积居奇待价而沽。所以采购方往往倾向于把这个波的相位往前提，而销售方则希望把这个波尽可能变成一个方波——就是在高位的时间越长越好。每年的供求关系和宏观环境有差异，加上各方都习惯于以前两年的节奏为参照，所以你会发现，每年的价格高点虽然都有一个范围，但却一定不同（孢子理论）。比如若前一年铜的高点出现在4月，而且只一个明显的高点。采购方就会想着那我在3月底就采购，就可以买得比竞争对手便宜。而销售方一看到3月底询价就增加，马上就在3月底就把价格提上来，结果在3月形成一个价格高点。由于提前采购，4月可能就没量了，就下跌。当然，如果该品种在那年比较紧缺，那么提前采购也会导致提前用完，同时加上前期踏空的需求，所以在4月跌下来之后，可能还会有一波5月补库存的集中采购动作。这样，在春季可能就出两个高点。这就是心理预期的起落，对原始采购周期的叠加，导致的。心理预期也有节奏，但它易变，而且自反馈，所以具有很强的非线性特征。但这还不是你看到的最终行情节奏，因为还有许许多多大的小的因素导致的波动叠加在上面。最后还有一道无时无刻不存在的背景噪音……
　　以上我只是举例子说明，我们找到几个有稳定性和普适性的参数值是有可能的，找到的值是有现实意义的，但由于现实是已经被反复扭曲的，所以直接通过观察现实去猜想一个有意义的参数值，却无法实现。但参数测试却可以帮我们找到它们的值，通过稳定性和普适性的检测，来最终确定它们的值。大体上它与那个我们猜想的有现实意义的值具有相同的数量级。参数测试还能告诉我们这些有意义的参数，他们的普适性和稳定性的程度。比如有些跨品种普适，但跨时间周期却没有等比例关系。而另一个可能历史稳定性尚可，但既不能跨品种，也不能跨周期。甚至，有些历史稳定性也不行，但其在历史上的反应，和某个关联特征具有单一的联动规律。参数测试还能让我们知道哪几个参数虽未找到确定的现实意义，但却依附于另一个动态变量（往往是品种特异性、季节特异性等的体现）上。这份认识，可以让我们在对待不同品种不同时间周期不同行情风格时，对某几个关联参数采取特定的调整方向，并且这是自适应参数法和动态参数表方法的基础；即使你坚持半自动的道路，那这份认识也给你在执行层面进行主观筛选提供坚实的现实依据。而不至于出现想起要改模型了，但不知道从何入手、或随手乱改的窘状。真正难以琢磨的是那些稳定性差、普适性差，关联性没有单一方向的参数。不过也没关系。打个折即可。我们可以定性地判断一下该模型是否是个正收益模型。如果它能得到30%的年化收益率，最大回撤20%，但内部却有两个参数无法找到现实意义和变化规律，我们就认为它未来可能不能赚钱，但毕竟它赚过钱，所以坚持下去，它有望成为一个保本的模型。如果有办法把它变成一个日内短线模型，风险就可控，炒手续费就再合适不过了。就算不看重这块，那么至少先把它当成用来平滑其他策略业绩波动的组合对象吧。其实，也许有朝一日将来你就会发现参数的现实意义或规律，然后就可以更大胆地用它。先把它留在自己的策略原型库中好嘞。一个程序化交易者每天琢磨什么？很大程度上是在研究这个。
　　除此之外的时间在琢磨什么？逻辑测试。其实逻辑测试比参数测试更重要，改进效果也更好。若说参数测试考验计算机硬件水平，那么逻辑测试考验策略设计者对市场的理解和创造力。但两者不可分。其实，有些参数当取到极值时，就相当于把某个逻辑屏蔽起来。
　　逻辑测试的切入点：是对行情的微观结构分析和对逻辑本身的微观结构分析。前者的关键词是捕捉，后者的关键词是拆分。
　　捕捉有主动和被动之分，现有的常用平台和本人的数理知识还难以做到主动捕捉。而且我们的个人电脑配现有程序化平台，是不可能跑过于繁复的算法和逻辑的，否则会让计算变成电脑的休克。但举个例子能让大家明白主动捕捉的意思，人机语音对话其实就是通过每个音节的声学规律通过主动捕捉来识别特征完成词汇还原的。让从事波形分析的模式识别专家来做这个事是最恰当不过了。被动捕捉是个笨办法，却未必多走弯路，只是会常常让测试者觉着不可思议，结果的不确定性时而令人崩溃时而令人惊喜。被动捕捉其实是用逻辑和参数去量取某一特征，逻辑和参数基本已经限定，行情形态的微观结构也是确定的，我们只有找到一个高的数学期望的稳定值，才说明成功量取到了有现实意义的特征。就好像闭着眼睛拿杯子在水里捞鱼，捞到一条是一条，没捞到的时候谁也不知道杯子里能有什么。我身上就有现成的例子，有些品种常有多重顶底，但不规则，要识别这些复杂而不规则的K线组合形态，真的不是通过简单的逻辑就能实现的——这是一开始试图直接实现的时候，想想就放弃了。但后来在研究某个参数是如何控制模型的行为的时候，在分拆和优化之后，发现了一种简单逻辑就可以实现不算很充分的捕捉这种形态特征，而当初这个参数的引入又是出于一个完全无关的思路。在这个层次上，我充分体会到了世界的混沌性：如果试图以精确的设定达成精确的结果，往往会失败。不过模糊的设定，应该还是有别于盲目试错的，对形态和逻辑本身的认识，仍是必要的前提，各种软件平台提供的和平台以外（如通过EXCEL或MATLAB）的测试，是获得这种认识的手段，“优化”测试，不过是设置了某种导向（收益率、最大回撤等）的数学期望测试而已。
　　逻辑的拆分。这是一个原则，在设计时就应该尽可能把每个环节设计成可以单独测量。屏蔽其他参数与逻辑的关联，只在确定现实意义之后，才使用这种关联。以便我们后面要提到的排列组合以及再后面要提到的跨逻辑组合。
　　逻辑测试的方向：有查漏补缺和排列组合两种。
　　查漏补缺往往着眼于极端行情的处理，比如停板、连续停板、巨大的隔夜跳空等。尤其是分钟线交易策略。除非是外汇交易，否则行情的连续性总被周期性破坏，给短周期策略的测试的有效性带来相当的考验。排列组合是对自己能理解的和不能理解的逻辑进行反复尝试，这事儿做起来没底。有很多似是而非的东西，也有很多似非而是的东西。我的体验进一步告诉我拍脑袋设计的不可行。找到一个实战可用的策略没有捷径，就是不停地尝试。本想程序化可以解放人脑于信息海洋，没想到搞程序化也是个体力活——从基本面研究的信息海洋出来，一头扎进了程序化研究的逻辑海洋里。
三、程序化研究与程序化交易
　　在反复的测试中，在各类系统的敲打中，你会发现一些原来肉眼看不到或会忽视的行情特点。这个反复猜想、尝试、否定、改进、再尝试的过程，非常类似于自然科学领域的实验室研究。而且和那些实验员一样，你得写实验报告：把每次改动发生的变化记录下来，纵向横向比较，解读其中的意义。为了进一步了解研究对象，还有必要自定义一些指标来揭示一些变化规律，就如同实验室需要添置一些新仪器一样。我个人至少目前为止，坚信这才是真正的程序化研究。程序化研究的标的，就是行情自身的特征。就像自然科学的研究，它的目的往往很基础，就是想把某个东西弄明白——把它们的特征、结构、变化规律找出来。其艰苦和不确定性，尤其是在分子以下层面上进行研究，由于量子效应，非线性特征逐渐占主导，这层面的材料科学、化学、分子生物学的研究，除了基本的现代科学分析方法的指导和仪器的帮助外，真的少不了通过海量的试错来实现的，而且还不一定有结果，还要有点运气。
　　程序化交易，是想着怎么用这些特征。但没有程序化研究的程序化交易，往往走不远。它们总是在试图把自己的既有的主观系统客观化而已，量化到一定阶段，就有瓶颈。真正沉下去的研究，在解决一个问题时又会产生更多问题，而这往往是原先想不到的。这在科学领域是再正常不过的现象了。只有这样的研究，才能源源不断产生灵感，让自己对行情的理解和策略库本身都得以持续增加。而通过程序化研究，由着自己对行情的新见解产生新的策略，可能对交易者来说真的是不可或缺的收获。
　　有位专业从事基本面交易的团队带头人曾经如此评价交易的本质：“这是逐渐接近事物本真的过程。”我深以为然。这话的潜台词表明了三点：过程的曲折和艰苦，有捷径也轮不到你，这个行业就是精英竞技场，就是这么残酷；方向是更深入、更细致、更纯粹，那些泛政治化和阴谋论的方法是没有立身之地的；过程比结果更重要，没必要迷恋别人用其他方式获得的暴利。我觉着这话用来评价程序化研究和交易一样合适。只不过，基本面领域的“事物”，主要是指品种、产业链、市场；而程序化领域所对应的“事物”，主要指波动。程序化研究就是用计算机程序探索波动规律的过程。那种把程序化看成只是把自己的交易方面的想法用程序写出来，是买椟还珠，珠都没拿到，自然看程序化怎么都只是一个工具而已。当我看到波涛的《原理》的引言中提到程序化的两条发展路线，其“革命”和“改良”的两种划分，和我对这个圈子的认识，基本是一回事。并且非常荣幸的是，波涛和我一样，认为后者只是传统技术分析方法的计算机化应用，而前者多代表的方向才是真正意义上的“计算机化的技术分析方法”。工具论者并非真正理解程序化的人，我的感受没有错！
　　其实中国国内的程序化研究者很多都是半路出家，他们缺少自然科学研究方法的系统性训练，他们缺乏西方科学的那种从分析到综合的自下而上的思路；反之，他们中的部分人喜欢在形而上的立场上创设和推销观点。目前国内公认的最好的讲程序化交易的书还是波涛的三本。但有网友认为其思想精髓也没有跳出《通向金融王国的自由之路》。如果要说程序化应该是什么样子，其实就是应该直接看看国外。国外，在70年代及后几年，是程序化研究的黄金时期，那时候，石油危机、滞胀、布雷顿森林体系的崩溃，导致市场波动率大增，趋势行情层出不穷，就像最近十年。但那时候，个人电脑还没推广。程序化研究的测试离不开高性能计算机，那时候只有大公司和专业机构才能有这样的人力物力，加上程序化交易是新事物，投入使用之前透彻的研究是必要的，所以那时候研究和应用是一个相对分离的状态，这导致那时候出了很多的量化交易的基础研究层面的学术报告。这类报告主要是揭示了金融市场的一些共性和内部的差异性，也即主要是回答金融市场是怎样运动的，但直接赚钱的法门并未有多少。包括著名的唐奇安通道，其实就是来自于这类报告。在约翰·墨菲的《期货市场技术分析》一书中，也经常提到那类研究成果。不是说后面的报告消失了。而是这段时期的报告提供了我们现在常用的和最有共识的一些理论和工具的基础。但我相信，后来，随着专业投资机构的兴起，也随着个人电脑性能的提高，程序化研究不再是一种集中的行为，而是分散的，机构和个人可以独立作深入研究，并自由决定是否公布成果。但量化交易一旦规模扩大，市场容量就是一个零和博弈的资源，为了独享市场容量，商业机构和个人肯定是倾向于将有实用价值的成果列为机密。后面的报告可能更多的是一种适用性的统计分析，离实用及揭示行情本身特征就越来越远了。
　　而在国内，用程序化进行实战的最早一批人，其实也不是期货人士，而是地下外汇保证金交易者。地下外汇保证金交易在80年代末就开始了，国外的软件平台天然就提供相对成熟的程序化交易编程功能。加上外汇交易的连续交易无停板特性让程序化发挥更加无限制。但外汇的全球市场一体化也导致某些简单经典策略无法实现盈利，因为老外们已经在这个市场用滥了。
　　我们在程序化交易中，常会有以下一些问题。
　　在墨菲的书里我们就可以看到同样的策略下，不同品种有不同的优化值。这个值我认为就是一种表征品种特性的特征值，就像中国人与英国人的区别，区别是客观存在的，甚至我们还可以追踪证明这些区别是稳定存在的。我个人一开始持的观点是，认为坚持用一种相同的参数和逻辑来对待这些注定有区别的品种或时间周期，是无法令人信服的。当然，我们可以进一步证明，这种区别不但历史稳定，还有一定的规律。但随着实践经验的积累，我发现，对待这类区别，完全可用微调策略的方式来解决，这是研发接近尾声时的工作，而更重要的工作是逻辑、是思想。
　　对于组合方式，波涛在书中用统计数据提出了单策略多品种或单策略多周期要比多策略单品种表现好的观点（《原理》第九章第二节）。我个人认为，这和他的统计的策略模型的异质性不足而跨市场的各品种之间的异质性却很强有关。我个人认为，组合的价值在于业绩波动性的错位平滑效果，它只能通过业绩的差异性才能得以实现——无论是策略间，还是品种间。可惜，国内民间合法投资渠道有限，门槛高，政策限制多，交易成本高。而很多品种之间有是高度联动的。比如，黄金期货和黄金T+D就没有组合价值；债券市场只有具备资质的机构可以，而个人投资债券的品种非常少；票据市场个人不能投资；股市是T+1的；合法外汇渠道没有杠杆。我们在国内能感受到的只有有限的几个活跃期货品种之间的高度的联动性，而农产品和工业品虽然存在行情风格的异质性，但农产品在应用常规趋势系统时效果实在不怎么样。所以，在国内，现实是合法品种数量太少，品种间相似性太大，我认为多策略比多品种更重要，前提是这些策略必须有足够的异质性。否则近亲繁殖，恐怕可能导致业绩波动的加剧——尤其是建立在趋势追踪系统上的策略，因为趋势追踪系统的丰富性远逊于非趋势系统。当然，趋势追踪系统其远高于非趋势系统的长期数学期望水平，令其注定应该成为整个组合的骨干。“多策略比多品种更重要”的这个认识，我的依据来源于自己的直观观察感受、朋友的程序化实践的体会、还有网上其他人的体会。其实国外真正的多品种组合，是投资机构在全球范围内疯狂寻找一切能交易的品种：现货、期货、股票、股指、期权、汇率、利率、债券、CDS、房地产、各类基金等。如果放在全球，那么真的，哪怕只做股票，各个国家的股票市场都可以提供足够的异质性了。
　　寻找倚天剑屠龙刀式的策略不如寻找许许多多特异性策略。这就好比是中国厨房和欧美厨房的区别。传统的中国厨房是工具少，技巧多，一具多用。尤其是传统厨房，切肉切菜切丝切块到拍黄瓜蒜头都用一把刀，盛酒盛水盛饭盛菜都用大海碗，扒饭夹菜剥皮剔肉拨豆腐都用一对筷。而欧美厨房，为实现每个特定功能都会有专门的工具匹配。哪个好？其实看看当下年轻人的选择就知道，大家现在越来越多地把各种非必需的厨房工具搬回家，而不是像祖辈那样在用法研习上费时间，效率肯定是有区别的。在交易上，研发或实践，我都感受到非对称策略、缺陷策略，空间非常大，而且可以在实践中做到有的放矢，而它们的选取和组合，是本身就可以构成资金管理的有效的方式。它们的组合，由其独立性，比一把屠龙刀式的策略内部实现资金管理，可以构造出更多变化且相互干扰更小，减少了不确定性。另外，这种组合，还应该包括跨参数组合，我之前提到的对参数意义的挖掘，就用到了。若存在多个参数组的“稳定岛”，其对应不同的特征形态，其实内在逻辑就已经发生了一些偏移，就可以看成两个策略进行组合。同样，还可以进行跨变量组合，跨逻辑组合。前者是对一些关键的控制性变量进行调整，额外增加捕捉某些特征的强度或规避某些可能带来业绩不稳定因素的特征，就可以视为新策略或加减仓依据。后者是增减一些逻辑开关，比如分别写成日内交易和隔夜交易，就可视为两个独立的系统。总之，丰富的、特异性的非对称策略和缺陷策略，带来了丰富的组合手段和资金管理手段。程序化交易的组合架构，应该类似于航母编队。一支编队可能只有一艘航母，但有很多各种各样的辅助舰只，但其实战性要超越三艘裸航母，而经济性又优于三艘裸航母，多好？！
四、程序化交易的未来
　　如果现在不会用电脑，不会用智能手机，不会用QQ、微博、微信，当然不会影响生活，但我很担忧这样的人在未来怎么办。也许他的孩子长大后会对他说：“跟你聊天真没劲，这也不懂，那也不知道。”如果把期货当成随身携带的老虎机，那不懂程序化也无妨。但如果想说自己已经很懂期货了，但居然不懂程序化，或者对程序化的理解很肤浅，我肯定“嘘”他。
　　金融行业在十年前基本就是美国最赚钱的职业了，而那些制造业及其研发机构却面临巨大的压力，大量高级人才被裁员后，就有一部分进入金融部门成为研究员；原来想从事研发工作的高等院校毕业生，在传统领域也面临就业困难，也涌入金融行业。他们带来了非常先进和复杂的数学工具。在金融危机中，这些人又被赶来赶去，分散到伦敦、新加坡、香港、上海等地。危机后三年成了对冲基金飞速发展的黄金三年。对程序化交易的未来，我们不能无视国际上先锋们的动向。
　　基于对市场的复杂性、以及行情波动性的基本认识，我觉得程序化可以在以下方面从其他学科中汲取养料：
　　1、基于混沌的模糊化分析和控制理论
　　2、基于分形，尤其是其中的统计自相似部分
　　3、人工神经网络理论
　　4、模式识别领域
　　5、波谱分析领域
　　6、非线性期望的数学理论（用于风险控制）
　　程序化交易也可以超越波涛所论及的计算机化技术分析，而深入到计算机化基本面分析、计算机化突发事件（消息面）分析、计算机化心理（舆情）分析等。可能也就是通过这个过程，最终把非专业的散户、非专业的投机方法，排挤出市场。未来，这个市场的狼，会越来越多，你是狼吗？
原文出处：http://blog.sina.com.cn/s/blog_7c8bec7f0101f6cj.html
开户中国期货低佣金开户
mdshare财经数据接口包
Python人工智能算法库
酷操盘手期货跟单软件
python量化交易
Quicklib程序化交易框架 www.quicklib.cn
Caffe深度学习框架
mdshare财经数据接口包
Python人工智能算法库
python派期货跟单软件、资管软件、python回测系统
在远古时代，一个恐龙还没出现的时代，一群巨大蠕虫占据了地球大陆，因为出现早而没有天敌。
但要进化出高等生命，必须有结实的骨骼。
在量化领域，vnpy就是这只巨大的蠕虫，正变得越来越大，爬都爬不动了，还去捕食么，自己体重就把自己压死了。
大家都知道基于CTP这类API开发策略，费时又费力。
很多时候，大家往往只是打算做做策略，却最后一入量化深似海，从此节操是路人。
意思就是：在涉及该领域之前，节操尚可；但涉及该领域并陷入其中之后，节操每况愈下，直至与节操形同路人……
最终大家不知不觉中处理了之前未来预料到如此多的问题。甚至做着就做着偏离了做策略的初衷。本来只是想做量化，但在一遍又一遍的在造轮子的过程中，很多最终成为一个兼职程序员的归宿。
一句“人生苦短，我用python”道出了所有量化爱好者的心声。
可是用各种python框架性能很差，虽然python擅长做数据分析（例如回测），却又因为性能较差，不擅长处理多账户多策略情况下的实盘。
多数人反应用了python做底层，服务器 交易太慢甚至崩溃。
往往是适合做策略的语言框架，不适合搭建底层，适合搭建底层的语言又不是那么容易做数据分析。运行性能至崩溃。
有人安慰自己说：python只是慢一点，够用就好。
pytho的定位是胶水，python从来就不适合做大项目。
python适合做策略，但并不适合搭建底层。
python做时间序列分析是调用C，C++开发的库，所以性能影响不大，但是如果把python当作主力做底层开发是不可想象的。
像if这样的基本语句，在一些测试种pyhton只有c++速度的1/70，很难想象你用了比别的语言慢几十倍的性能搭底层，这样的架构怎么能用于生产环境？
python不要搞底层驱动，做时间序列处理就可以了。
大家用python目的是为了调用库。简化开发。如果涉及底层的话和cpp一样麻烦
vnpy那个架构把python简单易用的优点搞得已经不存在了，但性能确不堪忍睹。
这不是java和cpp 15%的性能差距，在基本语句上，python和C++比起来是10-70倍的差距。
你认为只是慢一点的问题吗？
胶水是通过大面积粘合高强度材料补漏，胶水自身强度其实很低
这也是为什么python不适合做大型软件
做单一策略很适合
http://www.iteye.com/topic/699462
这是3种语言的基本语句测试，JAVA是python 性能137倍
换句话说，补车胎橡胶强度是丁基胶水的100倍不奇怪，胶水就是胶水啊
可以说VNPY的架构完全曲解了python胶水的定位
因为整个系统不仅是下单速度慢一点这么简单，因为多账户多合约的情况下，这样的问题更明显， python只做量化策略最好，但不要做底层。
底层是cpp的事，说白了这样胶水搞底层的架构是阉割了一个程序员的省钱选择。
如果python是用来做策略开发，时间序列，数据分析，那应该得心应手的，但用来搭底层就是扯蛋了。
python做底层不是慢一点点这么简单，
以DDOS为例，能理解TCP协议是因为什么原因导致服务器崩溃吗？
你能想象TCP的网络通道缩窄到1/70是什么后果吗？若慢到原先的1/70，不需要DDOS进行攻击，估计正常使用就应该会崩溃啊。
对，python就比C++在基本语句上平均慢70倍。
系统问题正所谓牵一发而动全身，绝不是慢一点这么简单。低效到一定层度，一定是系统级的崩溃。
一个小型生物，比如一条蠕虫，可以没有肌肉，缓慢蠕动，它可以活的很好。
如果是一个3米高的怪兽，大型系统必须要有结实的骨骼和肌肉，否则自己就把自己压死了。软件系统架构也是一样
别试图用胶水搭建底层
不是简单快慢的问题，是适用场景的问题
还是刚才那个例子，一个3米高的怪兽必须有强壮的肌肉和骨骼，
vnpy就是一个巨大的蠕虫，爬都爬不动了，还去捕食么，自己体重就把自己压死了。
要知道VNPY是2015年之前VNPY作者所在公司，在为了节省一个C++程序员，用非职业程序员搞出来的东西，只是一个不成熟市场里的不成熟架构。
你能想象3年后的量化架构是什么样吗？
把精力放在策略上才是最保值的选择，而不是和那些不成熟架构一起被淘汰。
不忘初衷，方得始终，只有把精力放在策略上可能才是我认为最好的选择。
开户中国期货低佣金开户
mdshare财经数据接口包
Python人工智能算法库
酷操盘手期货跟单软件
python量化交易
Quicklib程序化交易框架 www.quicklib.cn
Caffe深度学习框架
mdshare财经数据接口包
Python人工智能算法库
python派期货跟单软件、资管软件、python回测系统
其实，在很多GP眼里，人民币FOF，尤其不在一线城市沿海发达地区的，很有可能是长这样的：
人傻钱多速来
因此，一开始做这行，还真是好坏难辨，信息极不对称。
新基金，别临时搭个豪华的草台班子
在我看来，团队稳定性是新基金，尤其是首期基金我会第一位关注的问题，没有多年合作共事经验的团队，我通常会非常谨慎，因为隔山相忘的江湖感情不等于柴米油盐的日常生活。
“当初说好的亲如兄弟或…姐妹呢？
16年那会儿，遇到过一只专业领域的first fund，核心团队三人来自三家国内还不错的基金，都是合伙人级别，过往业绩不错，团队两男一女，每人专攻一个细分领域，看上去还满互补。
核心创始人A男总和B男总是大学同学，C女总和A男总以前是好几个项目的上下游。
由于一开始聊得不错，于是很快就展开了现场尽调。在尽调过程中，AB两位对于过往老东家处的背调都OK，而C女士确十分抵触，尤其通过与C的现场访谈，能感觉出一股不太好相处的女老板风格，而AB两位男士却是典型的工科男，性格温和。
还记得A曾对我说，C这个人因为年轻所以比较有锋芒， 但是跟他们俩性格刚好互补，而且C很职业的投资人，管过家族基金，又和他认识很多年了，团队磨合请放心。
后来因为种种原因，最终未能达成合作，可却和A总成了朋友。
背景介绍完毕，好戏开始：
一年以后的某一天深夜，差不多12点左右，A总突然给我打了个电话，就只说了一件事：“如果C找你要你们当时做的背景调查材料，抑或询问背调方法，请不好告诉她，她已经单干了，而且非常可恶”。
听A总的“一面之词”是：C对于自己要推的项目非常强势，毫无团队精神，并且，把他们的潜在LP推给C老公的基金…
把潜在LP翘到自己老公的基金，陈独…不…天秀啊…
案例总结：一个没有坚持到一年的玻璃姐妹或玻璃兄弟…而且都是70后成熟投资人的故事。
“到底是谁的山药？”
17年夏天，遇到一个我满欣赏的投资人H君，正在募集自己的新基金，H君80后，原来在一线美元基金，一年多前，曾经和他师兄L共同创业，成立了基金Lfund。
可是一年时间不到，两人就因为一个项目，闹得不欢而散，这个项目叫：X山药。
据H君的“一面之词”山药是H君投的，因为山药项目的账面回报已经占到了整个基金其他账面的总和，按照之前两人说好的规则，谁一期投得好，谁二期当老大…
可是，L君，say: no
于是，分开总是在9月…
神奇的是，山药这个明星项目，谁都不想放弃。据说，如果H君的LP来找山药，山药或说，这是H主投的，L君的LP来，山药会说，那必须是L投的我们呀。
所以“到底是谁的山药？”不得而知（笔者后来又听到了另外一个版本…凌乱）。
除此之外，本人还遇到过一期基金四兄弟闹掰二期两两搭配；三个合伙人搭台，大合伙人孤家寡人小合伙人居然是两口子；新基金表面风平浪静，实际撕逼严重，眼看快要close，募资合伙人跑了；当然，还有最过分的，募资刚一close，投资合伙人跑了（其实早就准备撤了）。
品牌化的区域团队在：兄dei，借你品牌一用
区域基金，这些年我遇到过的有以下几种，肯定不全：
第一种，老牌机构跟各地方政府，成立满足地方需求，如返投或产业落地的区域基金，决策权在老团队，区域设个办公室专门对接政府国企其他LP。
第二种，老牌机构小合伙人（或新招聘其他机构小合伙人人）募集的区域团队，决策权在新}