前几天在网上乱逛，忽然发现华为云有新用户首年38元的服务器，这羊毛岂能放过，立马拿下。服务器搞下来以后，拿他玩点啥呢？先是部署了一个SVN Server，做代码仓库用。这两天又琢磨只做SVN有点浪费，再弄个RustDesk服务上去，以后远程桌面就不用ToDesk了。这个过程中感觉踩到个坑，记录一下。网上搜索自建RustDesk服务器的教程，多半都是需要Node.js环境的部署方式，其实对Win系统而言，RustDesk的服务端现在已经基本做到一键部署，方便的很。首先，去GitHub，地址：https://github.com/rustdesk/rustdesk-server/releases ，点击show all 20 assets，如下图：找到如下图的win系统安装包：压缩包中的RustDeskServer.Setup是Win系统下的安装包，在服务器上以管理员身份运行，安装，界面如下：截图中的key，复制保存下来，客户端要用。接下来需要去服务器的安全组中放行如下端口：需要注意的是，需要放行UDP 21116端口，不然客户端是连不上服务器的。到这里，服务器环境就准备完毕了。客户端中，将服务器IP填写至ID服务器，将前面保存的秘钥复制到Key中，如下图：如果一切顺利，在客户端-常规标签页-服务，点击启动按钮后，客户端左下角就会显示就绪，如下图：到这里，客户机就已经与服务器链接成功了 ...继续阅读 (63)

这两天给QThinker Plus写了个新的小模块 — 国债逆回购监控闹钟。这里介绍一下这个模块的功能，使用方法。国债逆回购是比较常用的场内短期理财工具，其利率在交易时段也是实时波动的，通常常用的炒股软件，券商APP也都提供盘后自动逆回购的条件单功能。不过我们依然希望在盘中如果出现高息的出借机会能够实时抓住。国债逆回购闹钟模块在每个交易日的 9:30 - 15:25 之间，实时对沪深两市的一天期国债逆回购 (沪市代码：204001，深市代码：131810)利率进行监控，当实时利率超过用户设定的监控阈值时，QThinker Plus会自动发送通知短信至用户设置的手机号码上。短信模版如下：【QThinker网站通知】尊敬的 xxxx ，您监控的1天期逆回购 131810（或者204001） 当前为 x.xxx%，已超过设定的监控阈值，请及时进行操作。本模块的设置页面如下：有几点需要说明一下：1、本站的短信功能是调用阿里云短信API实现的，这是个付费接口，所以本模块目前仅针对会员用户开放，现阶段我不想让这个爱好驱动的网站成为什么负担，运行成本越低越好。如果您觉得这个小工具站点对您有些帮助，欢迎在序列号模块中用手机淘宝扫码买个序列号支持本站，buy me a coffee，没啥大目标，最好网站能自己养活自己。2、系统设置中有手机号码的选项，这个信息不是必须填写的，但是如果想使用这个逆回购提 ...继续阅读 (28)

相比于传统网站，在基于Vue的应用中部署广告联盟代码多少有一些麻烦，比如谷歌Adsense。不过去网上搜一搜，还是很容易能够找到解决方案。但是尽管NiceGUI的前端也是基于Vue，却不能照搬之前的经验，本文记录我在NiceGUI应用下部署Adsense的方法。要想在基于Vue的web应用中部署Adsense广告单元，CSDN上给出的解决方案是：Vue3 接入Google AdSense_vue页面中插入多个谷歌广告-CSDN博客。这个方法我尝试过，是没有问题的。但是这个方法，基于NiceGUI开发的应用却不能直接照搬，因为该文章中addAds函数是作为Vue生命周期函数onMounted的回调调用的，而Vue的生命周期函数在NiceGUI中并没有官方封装的API可用，也就是说，我们目前在NiceGUI中无法直接使用Vue的生命周期函数。不过虽然官方没有封装，好在NiceGUI提供了很多向网页注入脚本和html的方法，基于此，我们可以向页面注入js脚本实现目的。这里我踩过一个坑，最开始，我想在需要放置在广告单元的位置使用ui.html方法直接注入广告代码，但运行时提示错误，ui.html方法接收的字符串中，不能存在标签，而 (adsbygoogle = window.adsbygoogle || []).push({}) 这行代码负责实际广告的推送，如果通过ui.add_body_ ...继续阅读 (47)

早上5点半爬起床开始做版本升级的部署，先更新指数数据库，然后对用户数据库进行转换，部署SSL证书，整个过程意外的顺利，前后用了不到20分钟的时间，一次成功。现在访问https://plus.qthinker.net就是新版网站了，相较于之前的版本，本次升级主要是对移动端，尤其是手机端的显示进行了适配，交易利润成本计算、做T计算器、网格计算器、年化收益率计算器这些小模块，现在用起来和APP区别不大。升级的时候看了下数据库内容，发现很多用户并没有更新自己的费率信息，网站里凡是涉及到交易的计算工具，比如交易利润成本计算、做T计算器、网格计算器、可转债转股套利计算器这四个，计算结果是否准确是建立在个人费率信息正确设置的基础上的，所以还是建议先对个人费率设置一下。关于网站功能不再赘述了，可以参考我之前的博文：1、QThinker Plus 使用说明2、QThinker Plus 要更新2.0版本啦有打算后面弄个视频，大致讲一下，比看文字省事，下周找个时间看看能不能录一个，没搞过视频，也不知道能不能搞定。 ...继续阅读 (42)

QThinker Plus上线已经快半年了，上线后就没再怎么维护，疏于打理。前不久一个朋友跟我说为啥不支持手机，想想也是，计算器类的小工具还是手机访问用起来最方便。于是花了两个多星期的时间进行重构。很快就上线一个新版本，暂且叫他2.0版。最初做这个网站也是自己对前端技术的一次尝试，因为之前没学过前端开发，正好用这个项目给自己练练手，当时选用技术栈前端是Vue3+element-plus+typescript，后端是FaseApi。通过这个小项目基本对前端开发有了大致的理解，不过不足之处就是对前端的学习不够深不够精，网站做起来没有考虑移动端的适配，现在看起来这也算是个小小的痛点了，于是乎开始着手解决。升级的话，我是不太想再去碰前端的东西了，原因很简单，不喜欢typescript的语法风格，也不想再同时维护前后端两套代码。ts这东西吧，绝对适合团队开发，但是你个人做小项目吧，确实折磨人，动不动就得搞个Interface，最后图省事弄得到处都是Any。而且不知道为什么，我这人从刚一开始对前端的东西就不太感冒，可能是没有什么美术细胞吧。后来整体重构的方案选用的是NiceGUI这套框架，正好也是我最近玩的比较多的，这个框架对Quasar和tailwind做了很好的二次封装，真正实现了后端程序员的GUI自由，托tailwind的福，实现响应式设计也易如反掌。这次重构基本保持了之前的模块功能设计 ...继续阅读 (38)

准备给我的交易系统写一个短信通知的模块，以前都是发邮件通知，感觉还不够及时，搞一个短信通知更稳妥一些。阿里云官方提供的demo感觉有点臃肿，自己写了个工具函数重新封装了一下API，简单实现发送文字短信，分享一下代码。阿里云官方demo：https://next.api.aliyun.com/api-tools/sdk/Dysmsapi?version=2017-05-25&language;=python-tea&tab;=primer-doc我封装的函数如下：from alibabacloud_dysmsapi20170525.client import Client from alibabacloud_tea_openapi import models as open_api_models from alibabacloud_dysmsapi20170525 import models from alibabacloud_tea_util import models as util_models from loguru import logger from typing import Dict def send_sms(phone_number: str, template_param: Dict): """ 调用阿里云短信服务发送系统消息 - A ...继续阅读 (65)

最近一直在用NiceGUI这个图形库重构我的交易系统，在系统中有一个利润统计的模块，可以按照指定的属性统计利润总和，并以柱状图进行显示。写这块代码的时候遇到一个动态属性绑定的问题，记录一下解决方法。需求很简单，就是在利润统计模块中，如果利润总和小于等于0，即亏损的，在柱状图上用绿色柱图显示，如果是大于0，则用红色柱图显示。这个需求如果是写前端页面很好解决，js中属性直接绑定一个function回调就OK了，但是使用NiceGUI的时候，因为代码都是python的，所以不能直接用js特性的方法解决，好在新版的NiceGUI为这个需求提供了一个解决方法，即在Python代码中定义属性的时候前面加个 : (和Vue一样)，然后绑定一个回调，需要注意的是，这个绑定回调不能是 function(parmas) { } 这种写法，需要用lambda的写法才行。示例截图如下:最终效果: ...继续阅读 (41)

最近在云服务器上进行程序测试，其中涉及到一些自动化脚本的执行。如果远程桌面保持连接的话不会有任何问题，但是如果关闭远程桌面，就会引发异常:There is no active desktop required for moving mouse cursor!问题原因是关闭远程桌面后，远程服务器的切换为登录界面，自动化脚本失去了输入焦点(可能是登出后系统切掉了键鼠相关钩子)。在网上搜了搜解决方案，Github上的一个帖子描述的就是这类问题：https://github.com/pywinauto/pywinauto/issues/1096，相关参考还有:https://support.smartbear.com/testcomplete/docs/testing-with/running/via-rdp/keeping-computer-unlocked.html国内CSDN关于这个问题的解决方案和Github上一样，地址:https://blog.csdn.net/xiaouncle/article/details/103035537总结一下步骤，备忘：1、query session 命令查看当前session id，rdp-tcp#0 #后面的数字就是2、创建一个bat脚本，写入命令 ： tscon rdp-tcp#0 /dest:console 命令中#后面的数字填写quer ...继续阅读 (52)

最近在重构旧版的Python交易框架代码，前端准备换用NiceGUI这个最近比较火的前端框架，玩了一周左右，体会如下：1、NiceGUI的前端实现基于对Quasar和Tailwind CSS这些框架的二次封装。尽管封装程度较高，但对使用NiceGUI开发前端界面而言，并不能完全避免js和相关前端技术栈。写界面python代码的时候还是需要打开Quasar和Tailwind CSS这些东西的官方文档参考。2、NiceGUI的使用上，感觉和用Vue开发前端应用有些相似的感觉。从我个人的习惯上，页面路由函数下一般分2个部分，首先是页面回调和初始化的渲染数据处理，其次是页面Layout代码。Layout中充斥着大量的with上下文管理，可以理解为Vue中对应的组件标签。与Vue开发不同的是，不用把样式单独拿出来定义，在NiceGUI中，样式通过组件的classes,style和tailwind方法进行定义，不过这也是我一个想吐槽的地方。3、老实讲我搞不清楚classes,style,tailwind这三个方法在样式定义上有什么严格的使用区分，很多css类你用在classes里也行，用在tailwind里也可以，而且你还可以通过style进一步自定义，对应界面开发不敏感的我来说，经常被搞的晕头转向。4、开发效率上，使用NiceGUI确实提升巨大，对于简单应用，基本上告别了过去为UI发愁的烦恼 ...继续阅读 (47)

熟悉股票技术分析的朋友应该对CCI指标并不陌生，该指标通过衡量标的价格的常态波动范围指示其是否处于超买超卖，是一个比较适合波段操作的技术指标。本文运用该指标构建一套量化交易系统，并通过我自己写的回测工具对该指标参数的设置技巧进行研究，欢迎交流指正。一、CCI指标的定义1. 首先计算Typical Price：Typical Price = (最高价 + 最低价 + 收盘价) / 32. 计算平均数：Typical Price MA = 平均数(Typical Price, N)3. 计算平均绝对偏差(MAD)：MAD = 平均数( |Typical Price - Typical Price MA|, N)4. 计算CCI值：CCI = (Typical Price - Typical Price MA) / (0.015 * MAD)通过计算公式我们可以了解到CCI指标的内在含义：即通过三价平均值的乖离率与其乖离率均值的比值定义趋势的转向可能性。计算公式中的0.015是一个对计算结果的缩放系数。二、构建基于CCI指标的交易系统CCI指标最常用的使用方式是通过CCI指标判断超买超卖状态，通常情况下，CCI指标低于-100认为进入超卖区间，CCI指标高于100认为进入超买区间，基于此，我们可以构建一套波段交易系统，通过CCI指标捕捉阶段超买超卖进行交易，与通常的交易方法不同，我们使用 ...继续阅读 (50)

春节前给自己开了一个新坑，准备做一个对标BackTrader的量化策略回测框架，当时还发了篇博客准备自己写一套量化回测框架。今天终于把一个功能比较完整的初版demo做完了，这里记录一下。不可否认BackTrader的功能强大，但想得心应手的运用好这套工具大概率需要自己读源码进行魔改。所以我一直在想，干脆自己动手撸一个，简单实现的话，技术上其实并不是很难，而且更适合自己，用起来会更方便一些。框架实现的整体思路其实很简单，就是在源数据的dataframe基础（日期、开高收低量）上，加入策略相关的技术指标数据、头寸开平仓相关数据，然后送入分析模块进行统计，统计后的结果返回给一个Plotter对象进行pyecharts的前端渲染。使用时只需要从Strategy基类派生自己的策略类，重写指标生成及开平仓这三个方法，剩下的工作由基类封装好的run方法自动完成。这里是一个策略回测Demo，K线数据使用的是股票价格是随机漫步游走的吗？这篇博客中分享的随机K线生成函数生成的，策略是简单的双均线策略，SMA5上穿SMA20买入，SMA5下穿SMA20卖出。为了测试方便，我在主图中加入了布林带相关数据，副图指标加入了一个KDJ指标进行测试，跟实际的交易策略没有半毛钱关系，只是为了调试图表效果。图表链接如下：https://qthinker.net/charts/strategy/demo.html总的来 ...继续阅读 (65)

节后第一个交易日，大A情绪还行，趁着这个当口按计划把手头一些不够活跃的可转债都给清理掉了。节前那一个多月的持续阴跌，跑网格资金没控制好，结果把仓位打满了。今天借着情绪还在的时候集中做了减法，腾出来了大约3成左右的资金，后面会找个机会加到ETF里去。养殖、医疗，这俩大冤种ETF是我准备长期搞的标的，后面接着T这俩。红利ETF节前等更好的位置进场没等来就起飞了，依然关注，但分红比率没到预期就不会开仓。晚上没事的时候给我那个小线上交易工具弄了个广告Banner（就是文章顶上那块丑不拉几的广告），想从博客上往那边引引流。我感觉虽然目前实现的功能也都不是什么复杂的东西，但在投资上尤其是提前做好资金管理，多少还是有些帮助，希望得到用户的认可吧，目前积累了一些注册用户，是个好的开始。PS，我还真不是搞美工的料，Banner素材是网上白嫖以后简单编辑的，聊胜于无，让我写后端我会屁颠屁颠的去搞，一碰前端UI的东西就头大，这毛病估计是改不了了。 ...继续阅读 (65)

股票价格是否是随机的是一个一直处于争论中的话题。我曾经和身边的朋友就这个问题谈过看法，多数倾向于股票价格中有某种规律可循，不是随机的，但我的观点可能稍有不同。我的看法是，就股票价格，即开高收低这四个价格本身的分布而言，特征是随机的，但股票的长期趋势有内生规律可循，而所谓的规律，并不是价格这个简单的因子能够解释的，而是基于一些更宏观的因素，比如经济周期，企业基本面，以及地缘或其他周期性因素的影响。在交易策略算法的研究中，经常会使用蒙特卡洛式的算法进行大量的数据生成，模拟与回归。就这个问题，我曾经写过一个简单的模拟股票价格K线的工具函数，在这里分享一下。贴代码之前，首先说明一下这个函数的实现逻辑：从对股票市场的长期统计数据来看，收益率这个序列符合正态分布。基于此，我们定义一个初始价格，设定一些约束参数，比如需要考虑张跌停板的限制，后续生成符合正态分布的收益率序列以反算对应的K线价格。下面是代码实现：import numpy as np import random from pandas import DataFrame from datetime import datetime, timedelta def fake_klines( initial_date: datetime, initial_close: float, num: int, prec ...继续阅读 (77)

今天是大年初一，首先给朋友们拜个年，祝大家龙年里都能够取得理想的投资收益。一年里难得清净的时候，想写点什么做个反思与总结，这里想聊聊关于我自己的网格交易策略的反思与相应的改进措施。虽然基于指数指标的交易策略也有很多不错的选择，但是就我个人而言，依然以网格交易为主要交易策略，在我自己写的量化交易软件中，网格策略一直占据着主要策略构成。我的交易方法是通过程序预先生成网格（股票或者ETF，可转债的网格是固定做130-90这个价格区间），当价格击穿网格买入线执行买入操作，价格击穿卖出线执行卖出操作，周而复始。网格的生成可以参考QThinker Plus中网格交易计算器这个模块。这种交易模式有个好处是只要价格运行在网格顶底构成的价格区间内，就是一直持有仓位的（价格由下至上刺穿买入网格线也会执行买入），不存在卖飞的遗憾，且具有高位轻仓，低位重仓的交易预期。但不足的是，之前这种模式对阴跌的走势没做回避，在去年下半年开始的阴跌熊市中傻傻的在半山腰加了不少的仓位，再加上对市场弱势的预期不够，导致最终资金投入没有规划好，过早的加成了满仓运行。其实就本质上讲，网格交易只需要关注资金节奏，标的波动性就好，不需要的走势进行预判，只要震荡结构在，资金不满仓，那么长期看你就可以赚到价格波动运行的差价收益，是一个缓慢的自动做T降低成本的过程，尤其在行情波动较大的时段，网格头寸利润的年化收益率是非常高的。唯一的风险 ...继续阅读 (59)

对A股投资者来说，2024年开年这个一个月可谓是迎头暴击。流动性枯竭的市场迎来了螺旋下杀。郁闷的同时也让我又拾起来python，对A股市场的一些尾部风险数据做了一个粗略统计，以下是用沪深300指数进行计算的一些结果，权做参考：​1.从2002年1月4日至今，以月度级别统计，跌幅均值为-5.56%，中位数-5.03%，标准差5.04%。​​2.以跌出一个标准差定义风险，20年间，一共发生59次。​​3.以风险发生的时间间隔计，平均的每次极端下跌的时间间隔大约在134天，中位数91天。​​4.在不考虑衍生品，只有控制仓位对冲系统风险的前提下，那么这个仓位控制周期在100天附近相对有概率优势。也就是说，你可以总是重仓操作，但是这个重仓的周期，最好不要超过100天，因为从数据上看，持仓周期越超过这个时间间隔，挨爆锤的概率就越高。这个周期如此之短，也难怪都说大A不适合长期投资。以下是沪深300指数20年间，59次跌幅超过一个标准差的跌幅分布直方图和时间间隔分布直方图以上仅仅是统计学指标，看看就行，不必认真：）月度下跌幅度超过一个标准差的跌幅分布月度下跌幅度超过一个标准差的时间间隔分布 ...继续阅读 (55)

过去一周的主题是遛娃，孩子放寒假后全家直飞海南玩了一圈，算是给孩子寒假开了个头儿。行程上有点折腾，天津飞海口美兰，落地美兰后换乘高铁奔文昌，出了文昌高铁站后去取提前租好的车子，开车再奔赴酒店。早上9点多出家门，折腾到酒店已经是晚上6点多了。文昌给人的印象是人少，海边很清净，没有那种闹哄哄的感觉，很舒服。海滩的砂质很不错，孩子在海滩上挖寄居蟹挖的不亦乐乎，这沙滩还就是寄居蟹的天下，螃蟹没挖出来几个，挖出来的寄居蟹倒是可以用桶装。文昌的椰子鸡那几天没少吃，鲜美确实是尚可，但说实话并没有很惊艳的感觉，倒是清补凉给我留下了很美味的印象。离开文昌的那天是17号晚上，正好是长七火箭发射的时间，完美错过，不过不管是大人还是孩子，对这个也并不太感冒。离开文昌后又回海口玩了几天，相比于文昌，海口终于有了城市的样子，后面三天也就是在这个环境温润的南方城市里逛吃逛吃，悠哉悠哉。离津之前，我并没有打开我平时跑交易程序的电脑，原因比较尴尬，就是满仓也没啥子弹了。开不开的，这一周除非有大点的行情走出来才能触发卖出，不然应该没啥动作。事实证明，这一周电脑就算开着，也不会有啥交易信号。今天是回津后的第一个交易日，市场又再度大幅走弱，让人无力吐槽，这个位置啥技术面、基本面已经都失去意义了，完全的情绪主导，市场先生在抽风，不过我依然是比较乐观的那个，因为我还是相信周期，物极必反、否极泰来一直都在，只是时间问题。无力反 ...继续阅读 (58)

本篇文章是中国人民银行原行长易纲在《金融研究》2021年第9期刊发的文章，是对我国利率体系介绍比较全面的好文。特此转载。利率是重要的宏观经济变量，利率市场化是经济金融领域最核心的改革之一。改革开放以来我国一直在稳步推进利率市场化，建立健全由市场供求决定的利率形成机制，中央银行通过运用货币政策工具引导市场利率。经过30多年的持续推进，我国的利率市场化改革取得显著成效，已形成比较完整的市场化利率体系，收益率曲线也趋于成熟，为发挥好利率对宏观经济运行的重要调节功能创造了有利条件。一、利率是宏观经济中的重要变量利率是资金的价格，对宏观经济均衡和资源配置有重要导向意义。作为反映资金稀缺程度的信号，利率与劳动力工资、土地地租一样，是重要的生产要素价格，同时，利率也是对延期消费的报酬。考察利率对行为和配置资源的作用，主要以真实利率（也称实际利率，即名义利率减去通胀率）为尺度。理论上，自然利率是宏观经济总供求达到均衡时的实际利率水平。实践中，利率的高低直接影响老百姓的储蓄和消费、企业的投融资决策、进出口和国际收支，进而对整个经济活动产生广泛影响。因此，利率是宏观经济中的重要变量。利率对宏观经济运行发挥重要的调节作用，主要通过影响消费需求和投资需求实现。从消费看，利率上升会鼓励储蓄，抑制消费。从投资看，利率提高将减少可盈利的投资总量，抑制投资需求，即筛选掉回报率低的项目。利率对进出口和国际收支也会产 ...继续阅读 (62)

最近给自己开了一个新坑，准备写一套适合自己，适合国内市场的量化回测框架。市面上成熟的量化回测框架也有很多了，比如BackTrader还有ZipLine之类。但是在学习这些类库的过程中，或多或少总有感觉不是非常顺手，而且如果要吃透的话，学习成本还是比较高的。于是有了自己写一套回测框架的想法。目前对这套框架的设计是这样的：1、整体数据都基于K线的dataframe进行计算填充，从原始数据的OHLCV开始，先封装一个数据集类对原始数据进行清洗，对齐。2、将数据丢入生成技术指标的模块里，根据需要的指标参数，在原有的OHLCV的dataframe基础上生成时间序列的指标数据。3、将包含技术指标的dataframe丢入策略类中，策略类在原有技术指标的dataframe基础上，继续添加资金、利润、收益率、开平仓信号等数据列。只需要重写基类的买入卖出判断接口，然后调用策略类的run方法，遍历包含上述信息的dataframe，在遍历的过程中，将交易信号及对应的交易结果写入dataframe中对应的行。遍历完整个dataframe后，基本这个策略的效果就可以进行评价了。4、将包含策略运行结果的dataframe丢入分析器Analyzer中，对策略运行的量化指标，比如夏普比率，最大回撤，波动率之类的数据进行计算。4、将包含策略运行结果的dataframe和量化指标计算结果，继续丢到Plotter这个绘图 ...继续阅读 (49)

2023年马上就要过去了，照例在这个时点对2023年的投资做一个回顾，梳理下2024年的投资思路一、2023年回顾先罗列一些数据。以下是一些 用QThinker Plus统计的指数数据图表：整体看，今年依然是明显的小盘风格，以国证2000为代表的小盘指数最终录得了相对优秀的α，其实留意观察过去几年的数据，这种小盘占优的风格至少从疫情时就已经开始，并且在其后的几年中一直保持着不错的延续性。板块方面，因ChatGPT横空出世带火的AI上下游板块是全年最靓的仔，地产产业链及消费类板块则表现不佳，但也在情理之中。2023年我的个人投资全年算下来是亏损了3.3%，虽然没做到盈利，但是符合我自己的一个预期，这中间有一些值得反思的地方。第一是没有配置海外指数ETF，不得不说是一个遗憾，受传统经济学理论影响，我觉得在美联储加息周期里，美元资产不会有什么太大的机会，然而事实并非如此，纳指、道指这些漂亮国指数恰恰就是在今年创了历史新高。给我的一点感触就是，无论何时，投资都要分散，分散不仅仅在持仓品种上，更需要跨周期，跨地域配置。第二是对可转债市场流动性问题的低估。可转债市场从去年新规后，就开始了一轮明显的流动性收缩，叠加今年股市表现低迷，尤其从今年下半年开始，流动性差，波动性差的转债可以说遍地都是，相比于去年的市场，说可转债市场迎来了黑铁时代亦不为过。对于流动性差、波动性低迷的持仓债，我没有做到及时砍 ...继续阅读 (68)

海龟交易法（Turtle Trading）是一种经典的交易策略，由美国交易员理查德·丹尼斯（Richard Dennis）在20世纪80年代开发。它基于趋势跟随的原理，通过确定市场的长期趋势，并利用趋势的延续性进行交易。海龟交易法的核心思想是捕捉市场的大趋势，遵循一套严格的规则进行交易，以获取长期稳定的盈利。策略介绍海龟交易法是著名的公开交易系统，1983年著名的商品投机家理查德. 丹尼斯在一个交易员培训班上推广而闻名于世，它涵盖了交易系统的各个方面。其法则覆盖了交易的各个方面，并且不给交易员留下一点主观想像决策的余地。它具备一个完整的交易系统的所有成分。海龟交易策略，利用唐安奇通道来跟踪趋势产生买卖信号，利用ATR（真实波幅均值）分批加仓或者减仓，并且动态进行止盈和止损。实现方法在趋势信号的扑捉上，海龟交易法则使用了一个非常重要的技术指标— 唐奇安通道（Donchian channel）。这个通道很类似我们熟悉的布林通道（Bollinger Bands），只是在具体计算方式上有些不一样。唐奇安通道指标是Richard Donchian发明的，由3条不同颜色的曲线组成，该指标用周期（一般都是20，有的平台系统设置时可以改变的，有的则设置的不可以）内的最高价和最低价来显示市场价格的波动性，当其通道窄时表示市场波动较小，反之通道宽则表示市场波动比较大。当价格冲破该通道的上轨道时，就是可 ...继续阅读 (66)

昨天的博客可转债转股套利的计算及操作中对可转债转股套利的计算规则进行了说明，今天上午顺手把这个在线计算的工具写了，现已部署到了 QThinker Plus （https://plus.qthinker.net/）上。计算规则不再赘述，这里介绍一下可转债套利计算器的使用方法，工具界面如下图：使用起来很简单，如果您之前没有设置您的费率信息，那么需要先通过系统设置，或者单击截图中的修改交易费率设置按钮，对您的交易费率进行设置，计算器中关于利润与成本的计算，均通过您的费率设置进行计算。费率设置OK的话，那么将可转债当前价格，即套利时可转债的买入价格，套利买入张数，这只可转债对应的转股价格，以及预期的转股后的正股卖出价格，这几个输入参数输入至参数设置卡片中，点击套利计算按钮，程序将计算出本次套利交易的净利润、净利润率，以及套利过程中的一些过程计算参数，如可转股数、现金返还金额，以及套利交易时，可转债的买入成本，正股卖出成本等等。可转债的套利机会不是经常出现，当套利交易时机出现时，往往容不得你用计算器咔咔一顿计算，还是有一个现成工具直接了当得出结果比较好，这也是这个工具实现的意义。欢迎注册我的线上量化分析平台 QThinker Plus （https://plus.qthinker.net/）,该工具入口在左侧投资工具菜单项中，已经注册过的用户，如果登录后没有这个选项，请手动刷新页面，就可以看 ...继续阅读 (60)

可转债代码的含义及转股代码可转债代码由6位数组成，其含义如下：可转债代码的前两位，表示交易所，即沪市/深市。在沪市上市的可转债代码以11开头，在深市上市的可转债代码以12开头。可转债代码的第三位，根据上市板块（主板、中小板、创业板、科创板）的不同有所区别。其中：上海主板：可转债代码以110或113开头。深圳主板：可转债代码以127开头。中小板（深市）：可转债代码以128开头。创业板（深市）：可转债代码以123开头。科创板（沪市）：可转债代码以“188”开头。可转债代码的后三位为发行顺序。可转债转股代码可以通过交易所发布的可转债公告查询，通常情况下，深市可转债的转股交易代码与可转债交易代码一致，沪市可转债的转股交易代码为19+可转债代码的后四位。我们平常使用的交易软件通常都提供债转股的入口，转股代码不用特意查询，券商的交易软件会根据你选择的标的自动填写转股代码。不过用户量比较大的同花顺手机APP，我没找到可转债转股的入口，只能通过券商软件进行操作，不知是不是我没找到，还是确实没有提供。同花顺PC端的可转债转股入口在左侧treeview的“其他交易”-“债转股”下。可转债转股的计算规则可转债要在转股期内才能转股。一般自可转债发行结束之日起六个月后，期间任意一个交易日都可转股，不需要任何手续费。需要注意的是，可转债在转股时用面值100元进行计算而不是当前的可转债的实时价格。申请转股的可转 ...继续阅读 (61)

止盈和止损是每一个成熟交易者交易系统的一部分。对于止盈和止损的设定方法有很多，这里详解如何使用ATR指标进行止盈止损，并分享一个我自己写的ATR止盈指数画线主图指标。什么是ATRATR指标全称平均真实范围指标，是一个衡量股票或其他交易品种波动性的技术分析工具。ATR计算一定周期内每日价格波动范围的均值，其计算方法如下：求出每日的真实波动范围，该范围为以下三者之中的最大值：- 当日最高价和最低价的差值- 当日最高价与前一日收盘价的绝对差值- 当日最低价与前一日收盘价的绝对差值将过去N日的真实波动范围平均值计算出来，得到ATR。ATR指标能够反映市场的波动性大小，波动性越大，ATR值就越高；波动性越小，ATR值就越低。应用ATR进行止盈止损因为ATR指标能够反映标的每日的真实波动范围（即考虑昨日收盘后转天的最大波动），所以在交易中，通常被用来作为止盈或止损的参考标准。因为ATR指标根据标的波动程度动态变化，所以用ATR进行止盈止损，一定程度上可以避免在行情剧烈波动下过早的离场，即过早止盈或止损。通常用ATR指标的倍数设定止盈止损价，比如我的持仓成本价格是23.45元，这笔交易我可以给自己设定一个止盈止损标准，例如3倍ATR止盈，2倍ATR止损。这样在行情突然变化，波动性加剧时，因为ATR指标能够动态跟随走扩，所以能够一定程度上避免所谓的“卖飞”，当然这并不是绝对的，只和您给自己设定的交 ...继续阅读 (65)

MACD是一种常用的技术指标，不管是股票、期货、外汇、数字币等等，只要是交易软件，基本都有这个指标。我们经常也能听到看到各种标题党发布类似“MACD指标这样设置，胜率非常高“之类的文章和视频。可是用归用，您真正理解这个指标背后的含义吗？本篇博客从MACD计算规则的角度，告诉你这个指标背后的数学意义：MACD的算法：MACD指标由黄白线（白色:DIFF 黄色:DEA）、柱线（MACD）构成。其中白线，即DIFF线是短周期EMA均线与长周期EMA均线的差，黄线DEA位DIFF线的EMA均线。再继续说明前，先说一下EMA均线。EMA均线是MACD算法的核心，其本质是一条相较于普通的MA均线，对近期价格变动更加敏感的加权移动平均线。EMA的计算方法这里不展开讲，只需要了解这条均线相比于普通MA均线，对近期价格更加敏感，能够灵敏的捕捉到短期价格变化趋势就可以了。回到上面的说，DIFF线是短周期与长周期EMA均线的差，这个差即短期EMA和长期EMA之间的乖离率，当趋势出现，这种乖离率就会扩大，对应的DIFF值也就越高。当行情区域震荡，这种乖离率就会进行收敛，对应的DIFF也会走低。接下来说一下DEA这条线，DEA是DIFF线的EMA均线，其本质是短期EMA均线与长期EMA均线乖离率的加权平均值，是EMA短期和长期均线乖离率的一个比较基准。注意，在MACD指标中，DEA只是一个衡量乖离率本身的一 ...继续阅读 (57)

早上对 QThinker Plus 的财经日历卡片做了一次改版。原先的卡片是这样的：发布以后总感觉效果并不理想，因为采用标签的形式嵌入日历，所以对经济事件的描述就受制于字数限制，同时数据发布对应的前值、预期、公布这些关键数据已经没有空间进行展示了。于是今天早上爬起来改了一下代码，现在财经日历长这样：最后还是用列表形式展示效果好一些，不仅描述更加清晰，而且前值、预期、公布也能很好的展示。模块的数据来源为金十数据。以后这个财经日历仅作为重要经济数据发布的预告，打新数据就暂时不在这里体现了。后面要不要提供个模块整理打新数据，视需求再说。 ...继续阅读 (62)

年化收益率是衡量投资收益回报的重要指标。它是把当前收益率（例如日收益率、周收益率、月收益率）换算成年收益率来计算的，并不是真正的已取得的收益率。以日收益率为例，反算为年化收益率，可以简单理解为，按照过去每日的收益的一个平均情况，维持在这个水平上，平均一年能赚到多少个百分点，年化收益率是一个复合的年增长率。QThinker Plus上提供了这个计算工具，可以直接计算。下面说一下计算方法。具体到计算上，一般有两种方式计算年化收益率：一、通过日收益率序列计算年化收益率这种计算，通常以资产期初价值为1，先计算期末的累计收益率，然后用期末收益率开周期天数次方后减一，得到年化收益率。伪代码如下：# 计算历史回报占一年天数的比率 num_years = len(returns) / ann_factor # 以资产期初价值为1，计算期末累计收益率 ending_value = cum_returns_final(returns, starting_value=1) # 对期末收益率开num_year次方后 - 1 得到年化收益率 annual_return = ending_value ** (1 / num_years) - 1这里需要注意的是ann_factor这个变量，这个变量的取值需要和returns，即回报序列匹配。如果你的returns序列不包含假期，比如股市投资的日收益率序列，那么 ...继续阅读 (61)

设置模块中提供了一些QThinker Plus中的配置选项，用于修改用户昵称、邮箱、密码、以及用户交易费率，以及使用授权码，下面进行说明：关于用户昵称、邮箱及密码的修改，如下图所示，就不做赘述了，这里说一下密码的找回机制：找回密码时，需要您输入正确的账户ID与邮箱，如果这两项与数据库中的记录是完全匹配的，那么系统将自动用随机字符串重置密码，并将密码发送至您的注册邮箱中，所以注册时请务必使用真实邮箱：交易费率的设置，因为我不清楚用户的费率是否都有统一的单位，如万分之几或十万分几，故配置项均为小数配置，具体数值需要您根据自己的券商费率换算一下。最后说一下授权码：授权码是一个支持本站的小小设定，本站主体区域头部的三个小卡片为广告位预留，同时设置了全局水印，您可以通过购买授权码并在设置模块中进行应用，去除广告位及全局水印，效果如下图：应用授权码前，有广告位及全局水印应用授权码后，广告位及全局水印关闭授权码的获取渠道我还没弄好，搞定以后会在站内更新入口，这个东西是否应用并不影响使用功能，如果您支持本站的运营，欢迎支持一下，让我不再仅仅是用爱发电：），毕竟这个站的运行维护还是有些成本的。 ...继续阅读 (62)

投资组合风险平价是QThinker Plus提供的用于计算投资组合中各项资产权重的模块。是用于辅助投资组合平抑非系统性风险的有力工具，在介绍该工具的使用前，需要先对相关概念予以简要说明：风险平价：风险平价策略是一种资产配置方法，旨在通过使每个资产的风险贡献相同来实现投资组合的优化。这一策略起源于桥水基金研发的全天候投资策略 (all weather)，并由瑞·达利欧（Ray Dalio）率先提出。原理上，风险平价模型让每项资产在组合中的风险贡献相等。在不考虑资产之间的相关性时，资产的风险越大，其在组合中的权重就越低。在实践中，风险平价策略已经得到了许多机构投资者的应用，特别是在2008年全球金融危机后，该策略因其出色的风险分散效果而受到了广泛关注。风险平价策略为投资组合管理提供了一个有效的工具，帮助投资者在追求目标回报的 同时，实现风险的均衡分布。需要说明的是，实践中的风险平价模型可以非常复杂，涉及到更多维度的决策与模型，如以最优夏普比率，可卖空等条件，最高仓位等作为组合约束条件，本站提供的风险平价计算工具是一个相对简单的模型，即只考虑资产（指数）的波动风险进行权重分配，各资产权重合为1。其计算原理如下：1、计算各个指数在回测期内的日线收益率序列2、计算各个指数日线收益率序列的协方差矩阵3、用1除以取协方差矩阵的对角线4、对经过处理的对角线元素进行归一处理，得到各个资产对应的权重步 ...继续阅读 (68)

指数相关性分析是QThinker Plus提供的用于计算投资组合相关性矩阵的模块。是用于辅助投资组合平抑非系统性风险的有力工具，在介绍该工具的使用前，需要先对相关概念予以简要说明：系统性风险与非系统性风险俗话说“鸡蛋不能都装在一个篮子里”，其背后的思想就是分散风险。投资上的风险，一般定义为系统性风险与非系统性风险。系统性风险指的是对整个金融市场或绝大多数标的普遍产生的不利影响，泥沙俱下。系统性风险造成的后果具有普遍性，正是由于这种普遍性，系统性风险不能通过分散投资加以消除，因此又称为不可分散风险。非系统风险指发生于个别标的或行业的风险，例如公司的经营失误、诉讼失败、行业政策影响等。非系统性风险只影响某一特定公司或行业的标的，不会对整个股票市场产生普遍影响。非系统性风险可以通过分散投资来降低。如果投资者将资金分散投资于不同的资产，那么即使其中某只标的出现非系统性风险，也只会对投资组合造成较小的影响。而相关性矩阵，就是辅助对冲非系统性风险的重要工具。相关系数与相关性矩阵相关性矩阵是一个二维矩阵，其中每行和每列分别代表不同的资产。矩阵中的每个元素表示两个资产之间的相关系数，相关系数是评价两组资产运行方向拟合度的重要指标，取值范围在-1 到 1 之间。如果两个资产的相关系数为 1，则表示它们的价格变动完全正相关；如果相关系数为-1，则表示它们的价格变动完全负相关；简言之，如果两个资产的相关 ...继续阅读 (57)

年化收益率计算器是QThinker Plus提供的用于计算投资年化收益率的工具。根据一笔投资的期初投入、期末回报、持有天数，可以很方便的将收益率进行年化计算。通常我在清仓某只标的后，会对该笔交易的收益反算一个年化水平，一笔交易不亏的标准最起码也是年化要跑赢理财，是不是：）。下面对年化收益率计算器的使用进行说明，如下图所示：如上图所示，该工具分为两个卡片，上方卡片的输入为一笔投资的初始投入金额、期末收回金额、持有天数。一般在计算持有天数的时候不是那么方便，所以在下方的卡片里提供了一个日期差计算器，可以方便的计算出两个日期的相隔天数。下面举个例子，说明这个工具的用法：假设我有一笔交易，投入为18250.8元，期末收回19256.40元。这笔交易的持有时间范围为：2023年6月29日-2023年11月20日。那么根据如上条件，投资周期辅助计算卡片计算天数为：144天，然后将初始投入金额、期末回收金额、144天输入计算器卡片，点击“计算年化收益率”，得到该笔交易的年化收益率为：14.56%，如下图所示：假设您每笔交易在清仓时都是盈利的，那么评价这笔交易是否理想，我们就可以通过反算年化进行判断，这很重要，尤其在套牢了很久，稍稍解套打算离场时，有时候虽然账面回本了，但是反算年化还不到2%，那么从投资这个角度上看，这笔交易是实际亏损的。 ...继续阅读 (58)