@Sawyerhou #6 我第一条回复就已经说了，招聘软件搜“量化工程师”，找 20 个招聘需求先看一下，外行没关系，至少可以查一些基础资料先了解一下皮毛，能不能不要完全不懂就开始 battle ，说的一点边都不沾。

@warcraft1236 #5 java 、go 、高并发都可以，我没说的不代表不行，你可以自己到招聘软件上看一下，完全不沾边的肯定转不了啊，这还用说。

非常有趣的帖子，很有收获，感谢分享！

不过期望部分知乎里算的和我结果不一样。

沿用 python 代码和知乎里的命名规则，即 X~~norm(N/2,N/4)，
另设 a=ln(win)，b=ln(loss)，则
E(lnMn)=E[lnM0+aX+b(N-X)]=lnM0+(a+b)N/2
由于 ln 函数单调性且 N 必为正，Mn 是否大于 M0 取于 a+b 的符号；

当 win=1.2 ，loss=0.83 时，a+b=ln0.83+ln1.2~=-0.004 ，此时期望为负；
知乎里说期望为正，和我算的不一样。

当使用凯利公式且 k=0.44 时，
win=0.44*1.2+(1-0.44)=1.088 ，loss=0.44*0.83+(1-0.44)=0.9252 ，
a+b~=0.007 ，此时期望为正。

我这里凯利公式可以扭亏为盈是因为期望符号发生变化，
不过这种情况现实中并不常见，当然，不排除我算错了:p

如果你真的能坚持定投十年，那这个配置我觉得挺好的。

我觉得产品本身做的挺好，

变现逻辑的确不清晰，目前蓝厂、绿厂、谷歌、OpenAI 都没能实现盈利，你凭什么认为你可以呢？

@cmdOptionKana #7 1 、夏普的波动是策略收益率的波动，短线喜欢的波动是标的涨跌幅的波动，都是算标准差，但算的不是同一个东西的标准差。

2 、夏普的计算不是死的，波动的计算方式很多，收益和时间单位也都可以根据场景自定义设计。但一般都是根据历史来估计风险大小，毕竟没人能根据未来做估计。

投资是一门非常古老的学科，遇到问题可以先找找资料，大概率你遇到的问题别人也遇到过，并且已经有了成熟的解决方案，这比自己想解决方案会节省大量时间。

@cmdOptionKana #4 高频交易量化用的最多的就是夏普，夏普本质上是期望除以标准差，即承担单位风险获得的回报，跟交易频率无关，可以先找几个书本上的经典示例看看，理解一下夏普的基础含义。

其实就是 有效前沿 和 夏普比率。

中位数几乎不看，看胜率和盈亏比。

如果盈亏比高，那么收益主要由少量大收益交易贡献；如果胜率高，那么收益主要由大量小收益交易累积得到；如果胜率、盈亏比都低，那这个策略是亏钱的无效策略。

平均收益是每笔交易的期望收益，可以跟交易成本比较，有实际含义；中位数收益是纯统计数据，实际交易中无法使用，没有实际含义。

收益由少量大收益交易贡献，不代表是运气，只是策略的特点，就像做打板的，就是三年不开张，开张吃三年。不是胜率高的策略比盈亏比高的策略好，这就是为什么平均收益更常用，只要赚钱的策略就是好策略，钱怎么赚来的并不重要。

建议先把已有的指标研究透，含义是什么，怎么用的，然后再新增自己的指标。

@d0o0g #7 大佬真担不起，就一颗老韭菜。

没有变现压力就不用在意我前面提的逻辑悖论了，研究研究投资挺好的，无论作为爱好还是副业，性价比都不低 :)

@bestie #4 自己资金有限应该借钱加杠杆，甚至开私募发产品，策略一旦公开会快速失效，这就是为什么市面上非常难找到赚钱的策略，因为有策略的都在闷声发大财，等策略失效了再拿出来卖。

卖策略还是要谨慎，我以前在别的帖子里提到过，策略不赚钱别人就不会买，策略赚钱自己投就行不需要别人买，这里面存在逻辑悖论，需要想清楚如何解决。

策略回测 和 模拟盘表现跟踪 如果没有的话可以加一下。

@Peiiii #11 跟意识形态没关系，根在于人性的自私，一个人无论多饱，也不会把食物分给一个陌生人，即使这个人快要饿死了，原始人不会，元首不会，富商不会，你我也不会（当然慈善还是一定范围内存在的，虽然不会成为主流）。

况且乌托邦在你我有生之年肯定是见不到的，我个人比较实用主义，感觉惦记这玩意意义不大。

@Peiiii #6 米国的产能早就够每个人分，为什么还有流浪汉？川普嘴上说要解决这个问题，他是真的想解决，还是为了获得选票，为了自己的权力说说而已？有没有可能大陆，或者其他任何一个国家都是一样的？

你的想法有点乌托邦，真相是无论从国家层面，还是从个人层面，你的福祉除了你自己，基本没有什么其他人在意了。

你知道每趟车有多少个逃票的，连这都管工作人员一天不用干别的了，光盯这玩意就能累死。

以前玩的时候，由于水平比较好，去麻将馆又专挑老头老太太多的桌玩，他们牌都看不清，有的还有脑血栓后遗症，打一宿简直就是提款机取款。

当拉磨的驴被电机替代，驴的下场是变成火烧。当人力过剩之后，多余的人是没钱赚没饭吃的，最终会被淘汰掉。研究"怎么快乐生活"属实是想多了，应该多琢磨琢磨怎么生存下去。

@warcraft1236 #3 我就是做量化的，我同事就有几个互联网跳过来的。

如果你看一下量化工程师的招聘需求，就会发现互联网公司做过 cuda 开发、低延迟 api 、分布式数据处理、c++...的开发人员非常受欢迎，如果有大厂经验就更好了。

但反过来，做金工的投简历到互联网，基本投不进去，工作经验太不匹配需求了。