在整理过去的博客的时候，突然发现了一篇 5 (2021) 年前写下的博客 自学计算机的5年。
当时这篇博客的最后一行写到：
2026
我希望5年后，当我再次回首，可以看着过往微笑。然后，写下下一个5年。
我想这就是记录生活的全部意义吧：在某个周六的午后，看到多年前的自己对未来的自己说话，这种感觉真的很奇妙。
当时写那篇博客是 2021 年，起因是：
今天无意打开了Github主页翻到了2015年9月的第一个commit，突然意识到我的“计算机”转行之旅就是在那段时间正式开始的。
比特币的定价模型是个困难的话题，原因：
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。
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 年中发生了2.5件对比特币很重要的事情：
原文：101 Formulaic Alphas By Zura KaKushadze
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。
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。
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。
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：
谈到存储我们有几个维度来看：
目前可选的方案：
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。
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：
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。。。。