FunCoder

FunCoder

比特币的定价模型是个困难的话题,原因:

  • 比特币只有 15 年历史数据
  • 比特币是一个独特的资产类别,不同于股票、固定收益或者贵金属

如果是股票,历史数据短并不是什么问题,对于刚刚 IPO 的公司,甚至还没有 IPO 的公司,业界也都有比较可靠的定价模型,因为股票作为一个资产类别已经有几百年的历史,有丰富的参考标准,且基本面数据比较明确。而比特币缺乏历史参考,而且人们也不是很清楚他的基本面数据到底由哪些指标组成。

无论如何,如果我们想为比特币定价,那么首先我们需要确定比特币有内在价值。巴菲特等价值投资者认为比特币没有未来现金流,所以它的内在价值应该是 0。但是,泛泛觉得这也不妥。其一,现在很多成长股也没有任何分红;其二,比特币的区块奖励就是一个非常固定的未来现金流,只不过不是以美金支付,而是比特币本身;其三,很多没有现金流的资产具有价值,比如黄金。

比特币的基本面模型

Read more »

泛泛很久没写文章了,特别是关于比特币的文章
最近终于有了些时间,就把我过去一年多关于比特币的思考整理在这里。

2024 发生了什么?

2024 年中发生了2.5件对比特币很重要的事情:

  1. 2024 年一月,比特币现货 ETF 正式挂牌交易
  2. 2024 年四月,比特币完成了第四次减半
  3. 2024 年七月,包括美国总统川普在内的多位候选人发表对比特币的评论(这是那半件事情)

现货 ETF

Read more »

原文:101 Formulaic Alphas By Zura KaKushadze

摘要

我们提供了101个真实的量化交易alpha的显式公式,这些公式也可以转化为计算机代码。
它们的平均持有期大约在0.6到6.4天之间。这些alpha之间的平均成对相关性较低,为15.9%。
这些回报与波动率强相关,但对换手率没有显著依赖,直接证实了一个基于更间接的经验分析的早期结果。
我们进一步发现经验上换手率对alpha之间的相关性解释能力较差。

引言

在现代量化交易中存在两种互补的趋势,而且在某种意义上甚至是相互竞争的。一方面,越来越多的市场参与者(例如,量化交易员等)利用复杂的量化技术挖掘alpha。这导致了越来越模糊和短暂的alpha出现。另一方面,技术进步使得基本上可以自动化(大部分)alpha收获过程。这带来了越来越多的alpha,其数量可能达到数十万甚至数百万,随着这一领域的指数级增长,这一数量在我们知道之前可能会达到数十亿。

Read more »

到了些年终总结的时候了,按照惯例,从2022年的展望部分开始,看看做的怎么样。

去年的展望

好好生活,多读圣经

这个算做了一半吧,确实努力在好好生活,但是圣经并没有读很多。

即便如此,我也意识到一个问题:如果我说我有信仰,却又没有通过圣经改变我,又有什么意义呢?
而圣经如何改变我呢?我需要不断地把神的话语(就是圣经)放在我心里。

Read more »

Python 构建相关工具主要包含三个部分:

其实很多工具并不只有一个功能,比如 Poetry 既可以管理依赖,也可以管理虚拟环境。Conda 是及三个功能于一身的。

版本管理

版本管理主要是用来管理同一个机器上的不同的 Python 解释器,每一个版本的解释器都可以产生独立的虚拟环境和包依赖。
这里我建议使用:pyenv: Simple Python version management
pyenv 支持主流操作系统,除了支持 CPython 的各大主流版本,还支持其他的 Python 实现,比如 Pypy。

Read more »

原文:https://learnpythonthehardway.org/book/intro.html
By Zed A. Shaw

泛泛的话:

Zed 是 《Learn Python the Hard Way》 的作者,这是他为这本书写的一个说明。
不过里面涉及的关于如何学习编程(甚至任何技能)的建议非常的棒:

  • (自律) 持之以恒、亲力亲为的练习
  • 关注细节和差异
  • 可以跳过不懂的部分,以后再看

Read more »

谈到存储我们有几个维度来看:

  • 存储速度
  • 读取速度
  • 空间占用
  • 检索性能
  • 可读性

目前可选的方案:

  • pickle
  • parquet
  • npy,npz
  • hdf5
  • lance

当然我们还有很多其他的方案,比如 csv,json,等等,甚至可以存到 SQL或者mongo等数据库里面。

Read more »

数据分析生态的活跃程度可能仅次于前端(一个坏笑话哈哈)。
我刚接触编程的那些年(大约是 2016 年),(大)数据分析人们主要谈论的是 Spark,逐渐放弃的是 Hadoop,
渐渐在讨论 Flink 这样的流处理平台。

这些平台有个共同点:都是跑在 JVM 上(好吧,又一个坏笑话,你读过 Spark 的异常信息码?信噪比低到令人发指)。
我觉得这些平台的共同点是:他们都是 Platform,而不是 library。什么意思呢?为了用这些平台分析数据,
首先,你需要安装对应的集群;然后,你需要把你的问题转化成对应平台的 API 来执行;最后,这些平台内部的
数据类型和数据结构是不兼容的。有时候,你会觉得你的问题用 Spark 有点高射炮打蚊子,又有些时候你觉得
Spark 的 API 好难用,并不是适合你的问题,而且它的运行时语义也不是你想要的,你需要各种 Hack。
很多时候,你只想把算任务派发到很电脑上,完成计算任务。

计算三要素:算、存、通讯。这些平台都有自己的算、存、通讯机制,导致相互共存非常困难。

如今,2023年,Spark Flink 仍然蓬勃发展,但是社区中似乎有了一些新的动向:

  • 去平台化,去JVM化
  • 统一数据格式( in memory / on disk)
Read more »

程序员这个职业蛮有意思:历史很短,却出现在各行各业。
很多传统职业,比如土木工程师,虽然也会去设计医院,但是土木工程师并不需要了解医疗技术。
但是,医疗行业的程序员(当然不是全部程序员,后面再说)却需要了解医疗技术,这样才能写出对应的软件。

程序员这个职业究竟是干什么的呢?
弄清这个问题需先问程序员为什么会出现?程序员的出现是伴随这电脑的出现。电子计算机是电气时代的重要里程碑之一。
显然,电子计算机刚出现的时候,是一个全新的工具,人们不知道它会发展成什么样子,也不知道:该如何更好的使用它。
程序员这个职业便诞生了。
程序员,就是会使用电子计算机的人。不过这是一个非常笼统的定义。
重点是:会使用计算机干什么事情。这里面有两个要素:其一是熟悉手上的工具,即计算机;其二是熟悉要做的事情,即领域知识。

通常,我们不会把一个使用 Word 编辑文档的作家称为程序员。为何?他很熟悉 Word 这个软件的事情,但是
他不熟悉计算机这个东西。


未完待续。。。。

Read more »

读书:《The Secret》

这个世界有个秘密叫做”吸引力法则^1。简单来说:你的思想会以某种方式影响物理世界,最终把你想到的事情,吸引到你周围。

当然,好的不好的事情都会被吸引。

很多名人、伟人或者说成功的人都知道或者用到(有意或者无意)这个法则。

无法证实,也无法证伪。显然这不是科学,但是。。。

Read more »
0%