2019之人间已是巅

博主分享2019年个人投资经历与量化交易感悟。这一年初为人父,开始理财、定投基金,涉足量化交易。认为基本面数据易量化,长线价值投资策略更赚钱,高频因子因手续费难盈利,还提及选股、估值判断等要点,指出个人投资年化20%较易。

我向来有在5月末写年中总结的习惯,2019年对我而言,是一个重要的时间节点。

这一年,初为人父;

这一年,用支付宝积分兑换了一些课程,开始有理财的意识,并买了很多债券基金、股票基金、混合基金,也开始对一些基金进行周频的定投;

这一年,从网格交易开始,最初的计划是测试网格交易的可行性,后来一只脚踏进了量化世界的大门,在2015年6月最高点入场的股票,将近4年,终于回本。

我的感悟是,市场上没有永恒的圣杯,但是有暂时的圣杯;不做涨停敢死队,只不过选到的股正好涨停罢了;能用钱解决的问题,都不是问题。

就量化交易本身而言,我的看法是,基本面数据很容易量化。真正赚钱的策略是长线价值投资的策略。我们无法准确预知市场涨跌,但是可以抓住大的趋势。

高频因子虽然同样有效,但是由于手续费和滑点,高频策略变得不能赚钱。只考虑买卖万分之二点五的手续费,每年买卖200次,手续费的损耗将是0.0005*200=0.1,也就是说年化10%以上(算上印花税、滑点会更高)才有可能赚钱,这很难。

在个股上择时也很难,但是可以抓整个市场的大趋势。市场整体向上时,买入低估价值股。大概这就是价值投机吧。

永远不要抄底,当个股向下时,是没有尽头的,无论从什么时候入场,都有可能遇到90%的跌幅。

《股市真规则》一书中,提到的规避财务风险的方法,很有效。

如何判断有没有价值,低估还是高估,ROE有一定局限性,当一个公司负债率很高的时候,ROE也会很高,另外还有非经常性损益,要看ROE和负债率,也可以看ROIC;至于PB还是PE,我倾向PE,毕竟盈利才是硬道理,PB会有负债率的问题。举个例子,海航投资。

所以扣非很重要,否则公司卖个大楼,年报就会很好看。

个人投资,年化20%很容易达到,因为资金量低,灵活。公募基金不堪一击,因为公募基金有最低持仓限制,无法避开市场下行。

下载前可以先看下教程 https://pan.quark.cn/s/a426667488ae 标题“仿淘宝jquery图片左右切换带数字”揭示了这是一个关于运用jQuery技术完成的图片轮播机制,其特色在于具备淘宝在线平台普遍存在的图片切换表现,并且在整个切换环节中会展示当前图片的序列号。 此类功能一般应用于电子商务平台的产品呈现环节,使用户可以便捷地查看多张商品的照片。 说明中的“NULL”表示未提供进一步的信息,但我们可以借助标题来揣摩若干核心的技术要点。 在构建此类功能时,开发者通常会借助以下技术手段:1. **jQuery库**:jQuery是一个应用广泛的JavaScript框架,它简化了HTML文档的遍历、事件管理、动画效果以及Ajax通信。 在此项目中,jQuery将负责处理用户的点击动作(实现左右切换),并且制造流畅的过渡效果。 2. **图片轮播扩展工具**:开发者或许会采用现成的jQuery扩展,例如Slick、Bootstrap Carousel或个性化的轮播函数,以达成图片切换的功能。 这些扩展能够辅助迅速构建功能完善的轮播模块。 3. **即时数字呈现**:展示当前图片的序列号,这需要通过JavaScript或jQuery来追踪并调整。 每当图片切换时,相应的数字也会同步更新。 4. **CSS美化**:为了达成淘宝图片切换的视觉效果,可能需要设计特定的CSS样式,涵盖图片的排列方式、过渡效果、点状指示器等。 CSS3的动画和过渡特性(如`transition`和`animation`)在此过程中扮演关键角色。 5. **事件监测**:运用jQuery的`.on()`方法来监测用户的操作,比如点击左右控制按钮或自动按时隔切换。 根据用户的交互,触发相应的函数来执行...
垃圾实例分割数据集 一、基础信息 • 数据集名称:垃圾实例分割数据集 • 图片数量: 训练集:7,000张图片 验证集:426张图片 测试集:644张图片 • 训练集:7,000张图片 • 验证集:426张图片 • 测试集:644张图片 • 分类类别: 垃圾(Sampah) • 垃圾(Sampah) • 标注格式:YOLO格式,包含实例分割的多边形点坐标,适用于实例分割任务。 • 数据格式:图片文件 二、适用场景 • 智能垃圾检测系统开发:数据集支持实例分割任务,帮助构建能够自动识别和分割图像中垃圾区域的AI模型,适用于智能清洁机器人、自动垃圾桶等应用。 • 环境监控与管理:集成到监控系统中,用于实时检测公共区域的垃圾堆积,辅助环境清洁和治理决策。 • 计算机视觉研究:支持实例分割算法的研究和优化,特别是在垃圾识别领域,促进AI在环保方面的创新。 • 教育与实践:可用于高校或培训机构的AI课程,作为实例分割技术的实践数据集,帮助学生理解计算机视觉应用。 三、数据集优势 • 精确的实例分割标注:每个垃圾实例都使用详细的多边形点进行标注,确保分割边界准确,提升模型训练效果。 • 数据多样性:包含多种垃圾物品实例,覆盖不同场景,增强模型的泛化能力和鲁棒性。 • 格式兼容性强:YOLO标注格式易于与主流深度学习框架集成,如YOLO系列、PyTorch等,方便研究人员和开发者使用。 • 实际应用价值:直接针对现实世界的垃圾管理需求,为自动化环保解决方案提供可靠数据支持,具有重要的社会意义。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值