理論篇：

Time series Data： Pandas庫基礎分析——詳解時間序列的處理_慕課手記

Volatility：

Markov Chain：

Arch & Garch：

Factor model：

benchmark

Market impact model

Trading： 怎樣做比特幣期貨？

Crypto守護者：比特幣交易策略系列文章目錄

期貨交易策略回測，收益率曲線，手續費。

TWAP：

Take Average of Open， High， Low and Close values of each individual 10 bars。 Say it a1，a2，a3…。。a10

Take average of a1 to a10。 TWAP= （a1+a2+a3………。。+a10）/10

寫碼篇（編寫module，class以及package）：

很多modules有With

__future__

import，和python 版本有關，比如division，可更精確。

風險分析：R 包編寫

Quantopian risk management：

Instability of Estimates

最佳化資料結構：Ordereddict（）， Dataframe， array， etc。

函式和module像搭建樂高一樣，精密組裝起來。

groupby object是個比較頑固的孩子: apply, agg, etc.

思考：generic is key & built-in function is value

decorator：wrapper；abstract factory

@ decoratorname（parameters， parameters）

def abc

def abc inherit decorator

global variable

Class: what variable should be class parameter, hasattr()

pythonic： Reduce， map， filter， list & dictionary comprehension。

Functools import reduce

df_merged = reduce（lambda left，right： pd。merge（left，right，on=［‘DATE’］，

how=‘outer’）， data_frames）

Error throw。。

numpy: vectorize instead of for loop:

implementation with np。cumsum and np。arange

確認過眼神，多看看github上寫的codes、那些大牛們的碼，思路和寫法對我做專案還是很有用的。寫的時候查詢python標準庫也是學習built in methods的好辦法。

##論那些教科書一樣的存在==

python process signals

design pattern

莫煩：為什麼用 Numpy 還是慢， 你用對了嗎？

SQL：機器之心：構建AI前的資料準備，SQL要比Python強SQL：

Multithreading & multiprocessing: 當跑資料跑到哭

用queue和thread有時候不容易嵌入code中，concurrent。futures中的executor（map）。

pool:

pool。apply_async（f， （args，））

p = Process（target=f， args=（‘bob’，））

p。start（）

p。join（）

同時開ipython cluster8個engine + pool = multiprocessing。Pool（PROCESSES）

cpu。count（）

usually map a function to several objects。

Error Throw:

try：

except IndexError：

Py version:

visual studio code， Unit test in python： if _

name

__ = ‘main’

資料庫：寫connector連線到sql：

很多時候是用query，python裡注意資料結構轉換就很容易。

cursor的class值得研究：

cursor。fetchall； result = cursor。executemany（sql_insert_query， records_to_insert）

CPP:

資料視覺化：

時間序列分析以及作圖（plotly非常強大以及漂亮）：fasouto/awesome-dataviz時間序列分析以及作圖（plotly非常強大以及漂亮）：

可以對應選擇讀者想看的時間軸： 我看到max drawdown和rolling mdd的圖和時間軸時，讓某美到窒息。

一些細節：ipython的圖顯示在html或者本地

Go Package： 介面整潔美觀，是一個很好的tutorial，包括圖的種類也很全面。

Button和interactive plot，自定義輸入parameter的值，得到相應的結果，還可以放大拉近圖：

下拉選單點點點，slider嘩嘩滑。

所用工具是jupyter，（拯救自己的整理癖，實在編寫的檔和函式版本太多了QAQ）強烈安利一個jupyter的魔法工具，nbextensions_configurator：

https：//

github。com/Jupyter-cont

rib/jupyter_nbextensions_configurator

安裝之後可以隱藏某些程式碼，比如設定了 %env的環境係數隱藏起來。比如用在了連結資料庫sql的username，用os。environ。get（‘USER’）代替。

其中有個目錄的按鈕，可以顯示側邊目錄。我學習一個github資源，用兩個json files和css file修改了側邊目錄大小，滾動，etc：

https：//

github。com/cqcn1991/Win

d-Speed-Analysis

code_prettify的小錘子也很好用呀，knock knock code，讓它變得規範整潔起來～

UI & 資料庫 & 視覺化介面(成熟產品）：

Python連線sql的碼，cursor很好用，class在python有詳細解說。下達命令就可以獲取資料。如果資料量大，考慮運用mutithreading或者

https：//

github。com/ipython/ipyp

arallel

。在jupyter的選單介面有個IPython parallel computing clusters，一鍵點起可以選多個engine跑。

當然也可以選擇在python裡跑mysqlshell的command，但巨慢無比。。。

表格：

我一直思考除了python dataframe和形成html外有什麼做美觀報告表格的。

有個包叫qgrid：

https：//

github。com/quantopian/q

grid

Dashboard:

蘇克1900：比 Matplotlib 和 Pyecharts 逼格更高的視覺化神器

寫在後面的log日誌：

想活著。靠譜：認真負責&靈活

喜歡被人critique：雖然一時心情很down但特珍惜有效反饋，能進步，後會有自我滿足

思考。本來就喜歡找些問題來思考。工作從實用性、全面思考最有效。做出來的成果，解決了什麼問題。

萬里長城今猶在

5。 今天深感博弈論意義重大，畢竟經濟基礎決定上層建築。有部分人對博弈論下定義是完全基於理性判斷。

感覺心理學在經濟行為和博弈論中佔有很大成分。比如風險厭惡，資訊不對成的模型呈凸函式。譬如人趨利避害，而規避風險的常規性決定了傾向variance小而mean差不多的bet（unfair coin flip）。市場參與者不是總會純粹理性判斷。小組合作成員和老闆的喜好感觀，會影響願不願意幫助你。

中帶連坐效應。

一個人存在的意義的餅圖裡，最大的那一塊、價值。工作裡，類似給公司創造的價值。給自己創造的存在感。