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。。。。
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。。。
之前的一篇文章讲述了我对分层信任模型的理解。很自然地我们会思考：分层信任模型会产生怎么样的软件架构？
分层信任自然会导致分层架构。我们之前提到越是民主信任，其去中心化程度越高、抗审查能力越高；但是，相应的其效率也会随着共识程度需要而降低。这是一个不能两全的问题，必然是会获得一个，而牺牲另一个。
分层设计是软件工程，乃至整个工程学中重要的设计方法。分成设计的核心是：每一层专注一个功能，为上一层提供一些接口；越接近底层，功能应该越稳定；越接近上层，功能应该越丰富。
这种设计有如下优势：