量化风云

用Powerpoint做课件，动画编排太累了，于是找到了slidev。Slidev好用是好用，但研墨调色都得自己来，一时竟误入藕花深处，沈醉不知归路。

光猫桥接获得了IPv6公网地址，任何地方，轻松访问家里的服务器

如果CrowedStrike实现了灰度部署，比如，一开始只部署1%的机器，并且监控升级后的情况（收集数据是灰度发布的一部分），然后在没有错误报告的情况下，再逐步扩大推送范围，就完全可以避免出现这么重大的事故。灰度发布同样适用于量化系统。2012年8月1日，骑士资本在纳斯达克交易所部署了一个新的交易软件，但是由于没有充分测试，该软件在激活时触发了一系列错误的交易指令，导致公司在45分钟内损失了约4.4亿美元。最终导致了它被Jefferies Group收购。

如果觉得命令不好记，有两种方法，一是安装cfg4py，这是我开发的一个包，用来解决Python的配置文件读取问题，它可以让你用yaml格式写配置文件，但在程序中却是以python class的属性语法来访问配置项，这样不用写。更换 pip 的默认源至国内的镜像源可以显著提高下载速度，尤其是在网络环境不佳或国外源响应慢的情况下。在 Windows 系统中，配置文件通常位于用户的主目录下的 .pip 文件夹中，即 %USERPROFILE%.pip。不过我们这里要讲的是它的另一个功能，就是对常用配置进行提示。

IPython 是一个强大的交互式 Python shell，它比标准的 Python shell 提供了更多的功能和便利。IPython 由 Fernando Pérez 在 2001 年创建，旨在为科研人员和数据科学家提供一个更高效、更易用的交互式 Python 编程环境。随着时间的发展，IPython 已经成为科学计算、数据分析和机器学习领域中不可或缺的工具之一。IPython的成功，也催生了Jupyter。2014年，Jupyter 从 IPython 项目中分离出来，并扩展到其它语言。

很多人对基于机器学习的量化策略很好奇，常常问什么时候有机器学习的课。其实，对很多人（我自己就是）来说，没有能力改进机器学习的算法和框架，机器学习都是作为黑盒子来学习，难度主要是卡在训练数据上。这篇文章，将介绍一种数据标注方法和工具。

在投资界，巴菲特与查理.芒格的神仙友谊，是他们财富神话之外的另一段传奇。巴菲特曾这样评价芒格：他用思想的力量拓展了我的视野，让我以火箭的速度，从猩猩进化到人类。人生何幸能得到一知己。如果没有这样的机缘，在AI时代，至少我们做量化时，可以让AI来伴飞。

介绍了在Jupyter中直接执行SQL语句的扩展，以及基于GUI的可视化工具-dtale。更神奇的是，如果你不知道如何进行可视化绘图，这个工具连代码都掏给你了。

Jupyter技巧一览高级篇。共分两期，这一期介绍魔法指令及如何在vscode中使用jupyter，以及使用ipython(interactive windows)。下一期讲jupyter中，量化人常用的可视化技巧。

即使是Quant Researcher， 写一手高质量的代码也是非常重要的。再好的思路，如果不能正确地实现，都是没有意义的。写一手高质量的代码的意义，对Quant developer来讲就更是自不待言了。这篇笔记就介绍一些python best practice。

几年前，我就推荐过用 Markdown 写作静态博客。静态博客几乎是零托管成本，比较适合个人博客起步。Markdown 便于本地搜索，也可当作是个人知识库方案。现在有了新的进展。我不仅构建了一个视觉上相当不错的个人网站，还美化了 github、构建了个人出版系统 -- 将文章导出为排版精美的图片和 pdf 的能力。