2023总结

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。

正如经上记着:我的神啊,我樂意照你的旨意行,你的律法在我心裡。

专注比特币学习、推广和教育

我的比特币教育站更新并不是很频繁,特别是下半年。
时间主要花在了主业上。

总体来说我对比特币的观点并没有发生改变,对这些观点感兴趣的小伙伴可以继续关注我的比特币教育站。

探索个人 IP 建设

这一点儿基本没有任何进展。小红书基本停更了,视频也处于半停更的状态。
视频有一点做不上去,没摸到门道,而且时间也确实有限。更重要的,没有找到明确的方向和目标。

以下是我 2022 年定下的目标,仍然没有实现,但是算有了进展。

1
2
3
4
- [1.3 万] 小红书 2 万粉丝
- ~~[3.3 万] 知乎 2 万粉丝~~
- [794 个] 油管 2 千粉丝
- [3072 个] B站 5 千粉丝

其实关于视频号,我觉得主要的方式是固定频率的更新。但是这点我这一年没有坚持下来。特别是下半年。

专精 Quant Dev 相关技术,做好研究生结业项目

这方面确实花了不少时间,算是今年的大头了,也算完成了去年的展望。

Ok 要事当先!我研究生的毕业项目拿到了 Distinction! 论文是关于 Serverless computing 在系统化交易中应用。
论文针对系统化交易的三个主要部分:数据处理、回测、计算平台,的 Serverless 实现进行了系统的设计和实现。

个人 IP 的初衷也是围绕主业展开,因为不想脱离核心。
制作了“泛泛说量化”这个系列视频,主要分享量化交易、量化开发的心得体会,视频的形式通常是对某一个主题写的文章进行一个视频讲解,或者通过简单的 PPT 进行讲解。
Awesome Systematic Trading
这个资源站今年也持续更新,Github 达到了 1300 星⭐️。

Quant 和 Dev 我们分开讲吧。
先说 Dev。今年的重点主要在更加宏观的层面。比如全套系统化交易的系统的架构、技术选型、实现、Dev Ops、Operation等等,设计并实现了一些系统化交易的原型。
花时间了解了 Ray 和 Polars 这两个框架。
再说 Quant。对股票统计套利、指数套利进行了更加深入的学习,参与更多的相关实现。

尝试一个新的 Quant Dev 网站 Quant路线图,意在提供一些学习资料,公开一些合适的心得和体会。
当然了,这行终归还是有一点点”秘密“的,肯定是无法做到开诚布公。

总体来说

我今年好像没看什么书。以下是书单:

  • Quant
    • The Book of Alternative Data
    • 因子投资 - 方法与实践
  • Dev
    • Fundamentals of Data Engineering by Joe Reis Matt Housley
    • The Missing README by Chris Riccomini Dmitriy Ryaboy
    • Robust Python
  • Life
    • The Seven Habits of Highly Effective People
    • The Secret by Rhonda Byrne
    • Married for God-Christopher Ash

今年也有了更多关于人生规划和职业规划的思考。我觉得《The Seven Habits of Highly Effective People》这本书的观点非常好:
以始为终。如果我没有明确的知道我想要去哪里,我又怎么可能到达呢?所以,找到方向很重要,不然谈何坚持?

2024 呢?

  • 业务
    • 设计和实现独立的量化交易系统
      • Alpha Framework
      • Operation control
    • 进一步探索 arrow、ray、polars 在量化中的应用
  • 个人 IP
    • 视频号做到月更,即 12 个视频。
      • 一来明年时间上可能更加紧张,二来提高一下视频内容的选择和质量,主要是增加视频的系统性和结构性。
    • 文章做到月更,即 12 篇 QD 相关的博客。
      • 侧重系统性和结构性。
  • 读书
    • 正面管教
    • Active Equity Management by Xinfeng Zhou
  • 其他
    • 继续深入探索 LLM 模型的使用