黑色星期五！全球股市皆遭血洗！
全球股市共震，这次不仅是中国股市在暴跌。
当地时间8月21日，纽约股市三大股指继续大跌，创下3年来最差的单周表现，其中道琼斯指数当天下挫530.94点，收于16459.75点，跌幅为3.12%；纳斯达克指数跌幅为3.52%。
本周道指累计下跌5.8%，创日以来最大单周跌幅；标普500指数累计跌5.8%、创2011年9月份以来最大单周跌；纳指本周累计跌6.8%，科技股标杆苹果的股价创下1月20日以来新低。中概股依旧是重灾区，其中阿里巴巴报收68.18美元，距离120美元的高峰接近腰斩，距离破发价也只有0.18美元。
当天美国市场继续消化美国联邦储备委员会公布的最近一次货币政策例会纪要。美联储加息时点的不确定性在一定程度上令市场承压。当天公布的中国制造业数据加强了中国经济进一步疲软的信号，投资者担心中国经济和全球增长放缓，市场加剧动荡。
芝加哥期权交易所（CBOE）波动性指数（VIX，俗称恐慌指数）收涨46.4%，创2011年12月份以来收盘新高。
美国纽约油价盘中一度跌破每桶40美元大关，收报40.25美元/桶，下跌2.59%；铜价继续下跌1.3%，至每吨5055美元。本周二一度跌破每吨5000美元，为6年来首次。
稍早结束收盘的欧洲股市同样大跌。欧洲泛欧绩优300指数收跌3.40%，报1427.13点，盘中触及1月份以来最低，创下2011年11月份以来最大盘中跌幅。伦敦股市金融时报指数跌幅为2.83%；德国法兰克福股市DAX指数跌幅为2.95%。
日经指数当天下跌3%，创下5月8日以来新低。本周日经指数下跌5.3%，创下16个月来最差单周表现。
本周港股累计下跌6.59%，恒生指数创下15个月来的新低。受美国加息预期和A股震荡下行影响，8月21日恒指收报22409.62点，跌1.53%。
当天，内地A股沪指盘中震荡下挫两度失守3500点。截至收盘，沪指报3507.74点跌幅达4.27%，本周下跌11.54%；创业板指报2341.95点，跌幅达6.65%。
股市下跌黄金受宠一枝独秀，纽约金价8月21日继续上涨，收于每盎司1159美元，涨幅为0.55%。本周纽约金价上涨4.21%，为今年1月16日以来最高周涨幅。
更多精彩资讯，投资技巧请关注微信公众号：geguzixun企鹅号：258 216 372
学习盈利模式，天天教您选强势股的财经自媒体!选股及买卖点咨询请关注微信。
责任编辑：
声明：本文由入驻搜狐号的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
今日搜狐热点黑色星期五：全球股市、期市同步重挫_网易财经
黑色星期五：全球股市、期市同步重挫
用微信扫码二维码
分享至好友和朋友圈
新华网消息
仿佛一夜之间，全球市场齐步掉入深渊。隔夜欧美股市全线重挫，主要指数跌幅都在3%左右。今天早间的亚太股市亦是哀鸿遍野，日经指数再度失守13000点大关。至于大宗商品市场，更是只能以“丢盔卸甲”来形容，黄金期货昨晚的跌幅超过6%，和1300美元关口“遗憾告别”。
市场环境之恶劣，似乎远超所有人的想象，近期“身体孱弱”的早盘也不出所料的再度跳空低开，随后虽然一路反弹，然而市场情绪似乎依然难以好转。究竟外围市场的下跌对于A股的杀伤力会有多大？国际大宗商品的“雪崩”，对于A股当中的资源品板块又会有怎样的影响？
大智慧分析师林世稳表示，全球市场近两天的重挫，罪魁祸首当然是美联储货币政策的转向预期，再加上汇丰中国制造业PMI数据等利空的影响，对于全球投资者情绪上的打击是相当沉重的。但是，仅以A股而言，“外忧”的影响相对有限，市场的大跌主要还是受到流动性紧张局势以及经济持续下滑等因素的导致。“虽然汇金前几日的增持有稳定人心的意图，但是目前A股这艘大船漏水点太多，若没有进一步的实质性利好影响，继续下沉难以避免。”
另一位大智慧分析师杨锋也表示，实际上从今年年初开始，他已经看淡大宗商品的走势，根源就在于“中国需求”的下降，将会彻底终结像铜、铁矿石等大宗商品的行情。在中国经济转型的大背景下，传统行业的收缩在所难免，对于资源品的需求自然会逐步下降，因此对于大宗商品以及A股中相应的资源品板块，杨锋表示继续需要谨慎对待，投资者还是需要把选股重心放在经济转型这个思路上。
然而，从今天市场走势来看，小盘成长股的走势相对还要更弱一些，这是不是说明，短期参与这些股票，风险也会比较大？针对这个问题，林世稳表示，由于市场情绪短期难以彻底好转,大盘即使出现反弹，也只能理解为“星期五心理”——赌周末管理层出手救市，例如期待央行如传闻所说释放流动性。不过，一旦期待落空，市场在下周必将把这种反弹的涨幅全部回吐。因此，在“”还可能再演变成“黑色下周一”的背景下，投资者应该慎言抄底，即便参与反弹，也应该轻仓参与，并且坚持快进快出的原则。（新华网-大智慧财经联合报道）
(原标题：黑色星期五：、同步重挫)
本文来源：新华网
责任编辑：王晓易_NE0011
用微信扫码二维码
分享至好友和朋友圈
加载更多新闻
热门产品:　　　
:　　　　　　　　
:　　　　　　　　　
热门影院：
阅读下一篇
用微信扫描二维码
分享至好友和朋友圈Trading Cost这一块的研究在传统的alpha research一直处于比较鸡肋的状态，一般在找到信号，模型优化，历史回测都结束后，才会加入transaction cost来模拟实盘表现。然而这最后一步往往是压死骆驼的最后一根稻草，学术上称之为implementation shortfall&blockquote&Perold, André.（1988） &a href=&///?target=http%3A//www.hbs.edu/faculty/product/2083& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&&The Implementation Shortfall: Paper vs. Reality.&&i class=&icon-external&&&/i&&/a&&/blockquote&可谓&b&trading cost如此多娇，引无数signal尽折腰。&/b&&br&&br&&br&题主所说的trading cost和market impact我分别理解为量化交易时的直接成本和间接成本，&b&直接成本以交易进行时产生的commissions, bid-ask spread为主，间接成本以交易发生后产生的market impact和alpha decay为主&/b& （交易伴随的印花税，利得税等税费也占trading cost很大比率，但这里不作讨论）。commissions and bid-ask spread与日常的证券交易并无二致，这部分成本相对固定，一般的机构投资者都有固定的投资中介渠道，而买方正是通过这一款项滋养着卖方庞大的sales&trading团队（当然这其中已经包括上缴SEC的各类费用）。market impact简单来说是索罗斯在《金融炼金术》一书中想竭力阐明的一个观点实证：即金融市场本身是一个自反馈系统，当你想买入某类资产时，你会发现该类资产会变得越来越贵，不是因为别的，正是因为你买入的行为本身改变了系统本身的供需平衡，拉高了资产的即时价格。&br&如果要量化的表示market impact，最简单的估计是&br&&img src=&///equation?tex=+%5Cfrac%7BP_%7Baverage%7D+-P_%7B0%7D%7D%7BP_%7B0%7D%7D+& alt=& \frac{P_{average} -P_{0}}{P_{0}} & eeimg=&1&&&br&&img src=&///equation?tex=P_%7Baverage%7D+& alt=&P_{average} & eeimg=&1&&代表平均的交易执行价格，&img src=&///equation?tex=P_%7B0%7D+& alt=&P_{0} & eeimg=&1&&代表交易执行前一刻的market price。&br&alpha decay则要虚无缥缈的多，这个成本的产生主要由于策略的时效性在交易过程中的丧失导致，策略的alpha decay速度有快有慢，和策略性质，市场波动都有密切关系。&br&&br&&b&为了最大限度的削减trading cost，我们可以从pre-trade和at-trade两个阶段入手&/b&，两者联动，犹如两军交战时布阵，交战两级，一气呵成，相辅相成。&br&&br&&blockquote&孙武子：“谋定而后动，知止而有得。”&/blockquote&楼上某位所说的Almgren‘s equity cost model就是在pre-trade时对trading cost的进一步的模拟&br&&blockquote&Robert Almgren（2005）&a href=&///?target=http%3A//www.courant.nyu.edu/%7Ealmgren/papers/costestim.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&&Direct estimation of equity market impact&&i class=&icon-external&&&/i&&/a&&/blockquote&&img src=&///equation?tex=TC+%3D+%5Csigma%5E%7Bk%7D+%28A%2BB%5Cleft%7C+X%2FVT+%5Cright%7C+%5E%7B%5Cbeta+%7D%2BC%5Cleft%7C+X%2FV+%5Cright%7C+%2B%5Cvarepsilon+%29& alt=&TC = \sigma^{k} (A+B\left| X/VT \right| ^{\beta }+C\left| X/V \right| +\varepsilon )& eeimg=&1&&&br&具体参数的意义不一一冗述，但这其中包括了price volatility，trade size， average daily volume， implied trading volume等等直觉上相关的变量。（注意此处表达的是每一美元所对应的交易成本，如需计算总体成本，只需乘以总体的交易体量）。&br&该模型中的参数的估计十分困难，因为即使拥有充足的历史交易数据，你也几乎无法区别trading cost的产生究竟是模型的产出的还是证券本身的波动导致。另外，这样的一套参数对于不同证券下是不同的，如果一个投资组合有上千个ticker，一个指数模型的参数拟合跑上几千遍想想也是辛酸（或许可以解答楼上某位提出的模型为什么没有被普遍使用的问题）。&br&&br&于是乎，简单粗暴的模型也是存在的，&br&&img src=&///equation?tex=TC_i%3D%5Ctheta_%7Bi%7D+%5Ctimes+CAP%5Ctimes+%5Cleft%7C+w_%7Bi%7D-w_%7B0%7D+%5Cright%7C+%2B%5Cphi+_%7Bi%7D%5Ctimes+%28CAP%5Ctimes+%5Cleft%7C+w_%7Bi%7D-w_%7B0%7D+%5Cright%7C%29%5E2& alt=&TC_i=\theta_{i} \times CAP\times \left| w_{i}-w_{0} \right| +\phi _{i}\times (CAP\times \left| w_{i}-w_{0} \right|)^2& eeimg=&1&&&br&在投资组合优化时最被常用， 其中CAP代表整个投资组合的市值，w分别代表优化前和优化后的比重。该模型抹去了任何非线性的部分，仅仅抓住两条交易规律， commission, spread与交易体量成正比；market impact本身与交易体量成正比，而经由market impact产生的金额成本与交易体量平方成正比。&br&然而，即使是将模型化简为此，优化起来仍然是忧伤满地，因为trading cost说到底是一次性支出，而投资组合各个成分的回报却是长期的，简单使用拟合的trading cost model很可能使短期预期收益压过长期预期收益，换手率被刻意降低而使整个投资组合无法达到全局优化。&br&&br&至此，quant所能作的工作基本已经完结。接下来轮到trader出马，真正执行上述自由而无用的模型。&br&&br&&blockquote&岳少保：“阵而后战，兵法之常；运用之妙，存乎一心。” &br&&/blockquote&&b&量化是科学，交易则是艺术&/b&，在执行交易时，放缓交易速度可以释放流动性而减缓价格变动比率，而提高交易速度可以消耗流动性从而延长alpha signal的有效期，降低模型衰退的风险。执行交易的方寸之间如何拿捏就看trader们各显神通了。&br&&br&然而在如今的金融机构中，手动进行的所谓high-touch trades已经不多见了，程序化交易的介入促成越来越多的low-touch trades。一般的卖方broker/dealer会开发几套成熟algo-trading算法平台供不同的大机构投资者翻牌子；这样的交易执行模式进一步导致了buy side quant只重alpha signal的遴选，而将trading cost优化全权交给sell side quant。&br&&br&程序化交易的兴盛对于交易员绝非利好，犹如临阵对敌时，trader发现奔袭，迂回，包抄等战法已经由计算机事先决断，自己所能控制的只有进退这样的方向性操作。但即便如此，交易员仍然能通过纵横捭阖于不同的order type来操控全局，order book上眼花缭乱的武功套路此时方显用场，虚则实之，实则虚之，如何在己方order暴露前抓捕到对手order的方向，具体例子可参见之前红遍知乎的iceberg order算法贴子。&br&&br&还有一点可控的因素是执行的时间窗口，对于trader来说，降低trading cost一言以蔽之，就是slice and dice，将大块的order切分成连续的小块各个击破。VWAP这类交易策略便是主要通过预测市场未来时间片内的流动性，在预估流动性高时加大交易量，预估流动性低时降低交易量，瞒天过海，白衣渡江。&br&&br&如果将order schedule比作择天时，那么trader还有着order routing这一择地利的利器，不同的交易所对于同一证券有着不同的交易量和流动性，还有一些不足为外人道的dark pools，更是有无尽的流动性潜力等待去挖掘。不过这些交易场所之间的流动性差异在SEC的严厉监管下已经日趋归零。&br&&br&写到这里，已经越来越趋近于讨论市场微结构和order book structure，然而笔者对这类策略知之甚少，不如就此打住。&br&&br&以上
Trading Cost这一块的研究在传统的alpha research一直处于比较鸡肋的状态，一般在找到信号，模型优化，历史回测都结束后，才会加入transaction cost来模拟实盘表现。然而这最后一步往往是压死骆驼的最后一根稻草，学术上称之为implementation shortfallPero…
泻药&br&&br&&b&政治正确的答案部分：&/b&&br&&br&俺的东家是美国的大买方之一，公司最大的一个资金池大约&a href=&tel:&&&/a&亿美金，而这个资金池，在近20年的年化收益是8%左右。这并不稀奇，毕竟这20多年包含了克林顿时期的经济股市双涨期间，而同一期间的无脑S&P500年化收益还更高些呢。但关键是，同期S&P500的标准差（即“风险”/“波动”）将近20%，而我们这个资金池的标准差是1%，&b&低于美国同期国债的标准差！&/b&&br&&br&&br&何意？简单说，一个国家的长期国债风险，基本上可认为是这个&b&“国家风险”&/b&。而这个风险所对应的收益率，还有一个名字，叫做&b&“无风险利率”&/b&。意味，你在这个国家进行你能想到的任何形式的投资，最起码也能有“无风险利率”的收益；而对应的“标准差”/“风险”/“波动”，因为你无从在这个国家内进一步降低，才姑且叫做“无风险”...而如果你有一个同期的投资组合，其标准差居然能低于这个国家的“无风险”/“国家风险”，那么就有且只有一种可能：这个资产组合中有一部分是其他国家的资产，即&b&海外资产&/b&。&br&&br&背后的原因，对稍微学过点儿金融的朋友，很简单，无需解释：&b&负ρ，或更小的ρ&/b&&br&&br&对完全不了解金融的朋友，也不难解释：假设“中国市场”和“美国市场”的长期收益都是8%，标准差都是15%，但经验发现，每当中国市场上涨时，美国市场完美下跌，反之亦然。那么，你持有&b&100%&/b&“中国市场”或“美国市场”，投资结果均为&b&“8%收益，15%风险”&/b&；但如果你投资&b&50%“中国市场”+50%“美国市场”&/b&，投资结果就变成了&b&“8%收益，0%风险”&/b& -- 风险被两国市场的完美负相关对冲掉了。&br&&br&然后回到问题：中国人为什么需要海外资产？抛开各种各样的个案理由不谈，有一个理由是共通的 -- &b&对冲国家风险，顺便对冲汇率/利率/购买力风险&/b&（自由市场下，三者数学相关，但此处解释略过）&br&&br&&br&&b&政治不正确的答案部分：&/b&&br&&br&&br&在“正常”的国家里，“国家风险”综合反映了这个国家的政府财政能力、通货膨胀、经济表现等多个复杂的因素。同时，在“正常”的国家里，“汇率/利率/购买力”的数学关系是大体上成真的。最重要的是，&b&在“正常”的国家里，一个人的“合法资产”是神圣不可侵犯的，一个人对其“合法资产”的自由支配也是神圣不可侵犯的。&/b&&br&&br&接下来，我无意对我国的一些政策，或者更准确地说，“风格”，做过多的批判，毕竟从理智上讲，所谓“集中力量办大事”在“发展中国家追求效率”的角度讲，多少有一些合理性。于是，以下仅是客观描（tu4）述（cao2）现状。。。&br&&br&我国&b&目前最大的相关问题是&/b&，一个人，特别是&b&一个高净值的富人，根本无法确定自己的财产到底是不是“合法”的&/b&。一个贪官必然是“黑色”的，而一个工薪阶层大体上是“白色”的，但夹在其中的企业家们呢？&br&&br&&b&他们的尴尬之处在于，其创富过程是在这样的一个法律环境中完成的：有些事情，虽然违法，但貌似也可以做；而有些事情，虽然合法，但其实也不能做；而你若想成事儿，百分百合法，几乎就是没可能；可你觉得自己“不合法”了，但貌似也没有真的违法，起码没人管你，甚至当地政府还主动跳出来支持你...&/b&&br&&br&&b&而当你成了大事儿了，又会免不了发现，自己陷入了另一个尴尬的境地：我看起来很有钱，但钱是不是我的，我也不确定。如果我跟beep穿一条裤子，那这钱可能还是我的；但如果beep哪天看我不顺眼了，我这钱可能就立刻成了beep的了。而最tm让人无奈的是，如果beep看我不顺眼了，大体上能从我发家致富的轨迹里挖出充足的小黑帐，然后定性我为“违法”，我还真就百口莫辩了 -- 当初你tm怎么不说？！当初你为何还腆着脸双手双脚支持我？！还美其名曰要“打破陈规”，要“有创新思维”？！&/b&&br&&br&而到底是哪群人，把中国经济一路从90年的零头，带到了00年的一万亿美金，再一路带到15年的十万亿美金？庙堂上？我大体认可其英明的领导；草木间？伟大的中国劳动者万岁！但是，这群企业家呢？&br&&br&于是，这群人需要规避/对冲的“国家风险”，还多了一些元素：&b&政治风险/法律风险/充公风险&/b&。他们有充分的动机去进行海外资产配置，也就不足为奇了。&br&&br&&br&&br&&br&&br&&b&到底哪一个原因，是主要原因？&/b&政治正确的原因？还是政治不正确的原因？我想恐怕是后者，特别是考虑到如下的一个事实：对于一个中国人，中国是一个远比美国创富要容易得多的地方。你可以自己去投资于自己的产业，顺利的话，肯定不低；你可以炒房，前几年也常常翻倍；你甚至可以去把钱放在在我看来很扯淡的P2P里面，然后10%的收益算是正常（虽然没人知道风险是多高）。但在好比美国，略积极的金融投资组合，能给你6%-8%的收益，已经算高的了。而就算是如此，依然有很多人愿意去进行这种海外分配，原因何在？自然已经不是为了所谓“海外的高收益”了，而就是为了“安全” -- 只要美国认可我的这些资产是合法的，那这些资产就板上钉钉是我的了，没人有胆儿/有能力去打它的主意。&br&&br&而&b&我之所以能在这儿略公开地谈论这些问题，也是因为我相信我国的庙堂之人也意识到了这些问题，同时开始朝着更好更全面的私人财产保护制度去努力。&/b&如近期谈论颇多的定点开放个人资本性项目兑换额度的新政策。虽然貌似其仅是解决了人们投资海外的需求，而实质上并没有让个人资产真正出境（若不是为了对冲政治风险，谁没事儿干投资海外啊...），但起码&b&这代表了一个方向：你的私有财产，就是你的了；在PRC境内，政府也打算要充分满足你的私有财产保护需求和财产支配自由需求。&/b&&br&&br&我个人相信，&b&这一方向对我国接下来的经济发展格局至关重要&/b&：第一批中国人已经完成了“创富”的过程，而国家尚没有发展至目标的高度，自然需要新一代中国人，继续更大规模的“创富”过程。而这一过程中，第一批中国人创造出来的old money，到底是会成为国外的old money呢，还是能顺利转变为新一代中国年轻人创造new money的规模催化剂呢，最重要的一个环节自然就是是否能把这些old money留住。而留住的方法有二：1，人为制造一些明显赤裸裸侵犯个人普世权利的政策壁垒；2，让old money在中国感到无比安全的情况下，闻到创造更大规模new money的味道，从而根本就“舍不得走”。&br&&br&&b&哪一条才是长久之计？不言自明。&/b&&br&&br&而到那时，相信还是会有很多中国人，对海外资产配置感兴趣，但那就纯粹是为了“政治正确”的原因了：纯粹对冲国家风险而已，或自由人的纯自由选择。&br&&br&&b&希望这一天早日到来。&/b&&br&&br&同时也衷心希望我国众多意识形态偏左的朋友们，充分意识到这样的一个真理：我国远没有完成“财富创造”，于是现在就想着太多“财富分配”的事儿，实属自挖坑。而富人永远都不是敌人，更不是“打土豪分田地”的对象。他们恰恰是最为伟光正的榜样，于是人们才会梦想去重复他们的故事。而&b&真正的敌人只有一个：一切阻碍未富者继续造富，从而冻结社会流动性的政策和力量。&/b&&br&&br&&br&&br&附软文一篇，有关美国的投资种种。&br&&a href=&/question//answer/& class=&internal&&人在美国，如何成为中产阶级，成为中产阶级之后如何理财？ - Fan Francis 的回答&/a&&br&&br&我相信朋友们看完这篇“软文”之后，产生的不是这样的一个印象：美国果然好，真是淘金的天堂啊！ 而是：美国也不过如此嘛~ &b&若不是为了资金安全，为了好歹能穿条裤子，谁tm没事儿干把资产弄到海外去啊？！&/b&&br&&br&&br&&b&----------------------------------------------------------------------------------------&/b&&br&顺便赠送“福利”：你若是有好比上亿美金的资产，那么，在A国参股个shopping mall，在B国弄个酒庄，或许是合理的；但你资产在好比几百万一千万美金，就想着去什么加州啊澳洲啊之类的“投资”个大房子，纯粹就是自挖坑 -- 在发达国家的成熟地段，与中国不同，民用房地产的短期增值，都是投机泡沫的账面浮盈；而长期增长，却都跟通货膨胀率看齐而已。建议谨慎谨慎更谨慎。&br&&br&注：那些问Sharpe ratio的家伙们，首先，你们要对公式中的每一个部分有更靠谱的了解；其次，你们要对美国市场的历史有最起码的了解；最后，请关注本文的干货部分：中国应加强保护私有财产的安全。然后就不想多解释了～
泻药 政治正确的答案部分： 俺的东家是美国的大买方之一，公司最大的一个资金池大约亿美金，而这个资金池，在近20年的年化收益是8%左右。这并不稀奇，毕竟这20多年包含了克林顿时期的经济股市双涨期间，而同一期间的无脑S&P500年化收益还更高些呢…
看到@泛景的答案被推荐上知乎日报。大数据，金融，热门，又好拿funding，前景很好。但是我认为&b&任何一个新兴事物都需要一些不同的看法，才能更好的推动他的发展&/b&。那么我就针对这篇文章提出一些不同的看法。&br&&br&当然我不是质疑文章的质量，&a href=&///?target=http%3A///science/article/pii/S007X& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Twitter mood predicts the stock market&i class=&icon-external&&&/i&&/a& 这篇文章作为大数据应用于金融的先驱者之一，具有重要的开拓意义。文章中预测结果，从数据上看是很惊人的（86.7%的准确率）。2014年的global derivatives也看到有数据商推销类似产品。&br&&br&有幸在2014年初在伦敦听到文章作者的演讲。当时也提出了一些问题。下面就是一些疑问：&br&&br&1. &b&文章所用的数据覆盖的时间段过于特殊，86.7%的准确率或许并有看上去那么惊人。&/b&文章用的数据是08年2月28号到12月19号。这是一段非常特殊的时期（金融危机）:&br&&img src=&/e60bcab016968_b.jpg& data-rawwidth=&1404& data-rawheight=&750& class=&origin_image zh-lightbox-thumb& width=&1404& data-original=&/e60bcab016968_r.jpg&&&br&- 这段时间金融市场有明显的trend。&br&基于9 week - KDJ分段来预测每日股票涨跌，也能够成功预测将近6成。&br&而这样的预测没有经过任何的fine tuning。也就是说，如果把KDJ和其他技术指标神马放进ANN之类，在这样一段特殊的数据中跑出比较好的预测成功率的可能性还是很大的。&br&&br&- 投资者情绪，特别是重大金融事件发生之后，也相对明显。基于这些新闻点，应该可以取得不错的预测准确率：&br&以雷曼宣布破产（9月15号）为例，其后的23个交易日，有16个交易日DJIA是负回报率。&br&&br&2. 还是预测问题：&b&会不会存在over fitting 的问题？会不会是data snooping？&/b&&br&我们不讨论有效市场假说（EMH），以近期另外一篇文章（bitcoin and bayesian regression）&a href=&///?target=http%3A//arxiv.org/abs/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&arxiv.org/abs/&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&为例，文章用一众technical indicators输入Bayesian Regression，也对bitcoin走势取得很好的预测效果。而technical indicators是基于股市公开的past information.&br&&br&3. &b&Twitter Mood是在一定程度上可被操纵的&/b&。&b&这个proxy预测效果会持续吗？&/b&&br&比如这个知乎问答：&br&&a href=&/question/& class=&internal&&如何评价 Facebook 通过操纵 newsfeed 影响用户情绪的试验？ - 大数据&/a&&br&&br&就像浩如烟海的金融文献中很多过去被经济学家们发现的pattern现在都不复存在了。如果某些指标确实很好的预测市场，那么投资者就会利用这些信息。市场也可能会逐步适应。&br&&br&好像有人用这个Twitter 预测的策略在伦敦成立的一家hedge fund （也是11年左右），不过貌似很快改卖数据和服务。很可能基于这些考量，对该策略长期盈利能力的不确定吧。&br&&br&未来Twitter Mood这样的指标未必为成为很好的预测工具（forward-looking），但是或许会是投资者情绪很好的测度（current measure）。
看到@泛景的答案被推荐上知乎日报。大数据，金融，热门，又好拿funding，前景很好。但是我认为任何一个新兴事物都需要一些不同的看法，才能更好的推动他的发展。那么我就针对这篇文章提出一些不同的看法。 当然我不是质疑文章的质量，
最近又看了一遍股票做手回忆录，说说我的看法。&br&&br&先不论杰西 利弗莫尔，只是从书来说，不得不再次感慨，真是一本神书。&br&&br&首先，这本书避开了一个交易类书记最大的弱点，就是懂交易的人不会写，而会写的往往不是真的懂交易。后来交易类好看的书，往往都采取了同样的形式，比如说谎者扑克（liar’s poker）的作者是sales部门的，或者wizards系列的对话模式（market wizards1，2，stock market wizards),或者drobny的对冲基金系列（inside the house of money, the invisible hands)。往往交易员可以说，但是却不太能写成既有趣味有发人省醒的书（就说现在谁还看杰西 利弗莫尔自己写的书）。&br&&br&其次，看这本书时很难相信这本书是几乎100年前写的，因为书中提到的故事放在现今当下也是绝对不突兀的。所以，可能百年之后，如果还有人在做投机，那么他们拿起这本书时，也会惊讶的发现原来投机就这么回事，200年前的杰西 利弗莫尔，100年前的索罗斯，和现在的他们做的是一样的事，犯着一样的错。&br&&br&最后，杰西 利弗莫尔的年代是真投机的年代，他经历之丰富（三次破产，又东山再起，做过股票，农产品，贵金属），后来人可能很难超越。而后来人更难比拟的，是他交易的力度（29年前的市场投机非常凶猛,高倍杠杆，仿佛提现再加杠杆，导致杰西用500块，在一只股票上做到几十万）。所以他的很多教训是现在交易员不可能体会到的。&br&&br&&br&再写写对杰西 利弗莫尔人的理解。他的一生三起三落，可以说作为一个投机者，没有什么好遗憾的，最后自杀，也只能衬托他的伟大（有多少人投机赚了一个亿还是以100%的资金继续投机？）对于杰西 利弗莫尔来说，他就是爱投机，就是要战胜市场，就是要在市场上证明自己的观点，没有这样的魔性，也就做不到这样的投机。&br&&br&第一起，15岁到去纽约前，资金最多做到了1万美元。这一段时间，杰西 利弗莫尔其实做的不是股票，而是一种最原始的股票衍生品。赌法是在投机商号做多做空，而投机商号和顾客对赌（是不是有点想现在的一些黑平台，铁汇什么的），顾客只能有一点保证金，所以股票往反方向走一点，顾客就爆仓，投机商号就靠大家爆仓来赚钱。这时候能看出来，小杰西已经有一个投机的自带天赋，就是tape-reading（读报价表），对市场的小趋势把握很准，很会抓小突破，当时的交易手段基本上就是scalping（不知道中文是什么），现在很多prop trading firm的day trader还是就是靠这个技术赚个吃饭钱。&br&&br&第一落，到了纽约，开始做真正的股票交易，结果亏光了破产了。为什么呢？因为他之前的交易系统到了纽约不好用了。为什么不好用呢？因为在投机商号是对赌，所以只要投机商号接了单，就算成交，哪怕其实投机商号没办法去股市真的以同样的价格对冲掉（估计也不会对冲）。所以呢，只要反应快，看到tape上110，112，115，可以赶紧交易进去，然后跳到120就出货。但是到了真正的纽交所，发现自己看到了小趋势，发出买的指令后，不是当即成交，这就限制了小杰西的天赋。而杰西作为投机者，他必须得相信自己的系统（甚至信仰系统），所以直到亏光才开始真正总结到底哪里错了。所以这一次破产，是操作性问题，对于杰西来说不是大事，他相信只要解决了问题，一定能东山再起。&br&&br&第二起，比较跌宕起伏，先是回到了类似投机商号的交易商，赚了第一桶金。然后回到纽约，意识到scalping不管用了，开始研究市场，提前预判市场。这就从赌博进入了交易的领域，杰西的不同之处在于，他判断出了市场的趋势，但是不提前进场，而是等待市场发出最强烈的信号（新高，放量）再进场而且疯狂做多做空，赚取巨额利润（是不是有点像现在打板敢死队）。当然这一阶段的杰西还没有炉火纯青，所以很多时候也没有等到最佳交易时间，所以有起伏，有几乎破产的时候，也有1907年大做空，赚到100w。&br&&br&第二落，认识了很有魅力，很有能力的棉花交易商托马斯 佩西。被托马斯 佩西说服，开始用托马斯 佩西的系统进行交易，这就犯了大错，因为不论托马斯 佩西的系统有多好，只要不是自己的系统，就会在出现问题的时候，不知道该这么办，因为没有经历过。所以别人的系统再好也没用，不是自己亏钱得来的经验，做出的系统，终究是靠不住的。连杰西这么厉害的人也抵抗不住。这一落，对杰西打击挺大，因为不仅亏了钱，更重要的是犯了很多错，这在他看来是不可以忍受的。所以后来他只单独行动，只听tape告诉他的信息，跟这个经历有关。这一落让他认识到只有交易技术也是会败的，要对自己的心理把握修炼到一定境界才有机会（知道自己的心理弱点，然后改变行为来避免让自己陷入心理陷阱）&br&&br&第三起，已经是几年后了，因为市场应该进入了长达几年的熊市休眠期，哪怕是杰西也没办法赚钱（所以这里可以看到，杰西其实主要还是momentum trading，只是胆子大，博弈心理好，所以大涨大跌时赚很多，而range trading时也没办法赚钱）。这一次就是很有名的伯利恒钢铁战役，从500股做到了赚几十万，感觉这一段时间是他投机生涯的黄金期，从交易理念到系统到心理，都是巅峰状态，所以直到书结束（1922年）到1929年大崩盘都做的顺风顺水，到崩盘做空后个人已经累积了1亿美元的财富。&br&&br&第三落，1930年到1934年，短短几年就把大赚特赚的1个亿都亏光了。当然这已经不在书里面了，个人推测，输钱的原因，一，觉得自己超神了，放弃了以前严守的操作系统，二，生活的放荡，丢失了心理上的防线，三，行情以及交易规则的改变，导致原来的系统失效，四，可能也跟年龄有关系，已经不能像年轻人一样看盘，抛弃了自己的最大天赋tape-reading，而转为做投资，丢失了自己的优势。当然个人认为如果是黄金时代的杰西，就算是亏光了还能东山再起，可能也真的是英雄迟暮，没有办法再通过学习调节自己来再起东山了。
最近又看了一遍股票做手回忆录，说说我的看法。 先不论杰西 利弗莫尔，只是从书来说，不得不再次感慨，真是一本神书。 首先，这本书避开了一个交易类书记最大的弱点，就是懂交易的人不会写，而会写的往往不是真的懂交易。后来交易类好看的书，往往都采取了…
以下个人观点，不喜勿喷。&br&&br&看了一下上面的答案，感觉都没有戳中这本书真正的点。对于我个人来说，这本书说的是交易最难控制的地方：心态。&br&书里面其实本没有告诉你该去怎么赚钱。其实，他告诉你怎么赚钱了也没有用，因为没有一个赚钱的方法是放之四海皆准且能够延续这么久不变质的。但是，心态能。&br&为什么呢？这涉及到交易的本质。建议立志于从事这一行的，想做交易员的，先去看看华尔街1。里面有一句非常经典的台词。greed is good。这就是交易的本质。贪婪。然后在看看margin call。这个是贪婪的另一面。&br&所以，在一个市场中，你需要用你的能力去打败别人的贪婪，最终达到盈利的目的。无论是内幕、消息、技术、基本面，这些都只是工具，就好比你背字典来考英语一样。也许你努力10年能背好字典，但是无论如何也拿不到高分。可能大家看到这个比喻觉得别扭，这些都是字典，那语法在哪？就在心态。并且和语法一样，一旦固定下来，那么它就是不变的。纵观几千年历史，人类的贪欲也是不变的。因此，涉及到贪欲的心态，本质也都是不变的，只是表现形式变了而已。&br&看到交易到高阶，能把市场当提款机的大牛们，都在扯所谓的“道”，感觉特别逼格。后来有幸跟一些人多交流过几次，并不是人家想装逼，而是思维到了那个层次，普通人真的会跟不上。&br&为毛会跟不上呢？因为环境不一样。当你的资本完成原始积累，开始不断为了盈利而盈利时，操作模式、手法、面临的对手等等都不一样了，想的问题和想问题的方法也不一样了，说白了还是层次的问题。&br&感觉国内大多数理解的搞投资的，还是属于赌徒式的投机范畴。你看到人家500万亏到100万然后变成5000万，但是你没看到人家另一个账户里面的1个亿每年都有1000万的进账给他亏。&br&
扯远了。这本书讲的，是人性在市场中表现，我们看到的是以他个人经历为镜子反射出的内容。这也是为什么很多大牛把它和貌似能够直接告诉你怎么赚钱的江恩、艾略特、巴菲特等等扯到一起的原因，甚至这本书的地位还要高于什么基本面分析、技术分析。他并没有告诉你怎么赚钱；他告诉你的是，避免很多导致你亏钱的心理活动和心理状态，以及你从事这一行必然会遇到的“牛角尖”，甚至连他的自杀都是。这比告诉你100个赚钱的方法都重要。打个比方，你做单成功了100比赚了1000万，然后10比把这1000万亏出去了。这是99%的人的模式，&b&没有例外&/b&。这本书想告诉你的就是避免这一点，以及成为1%所必备的素质提醒。&br&不要告诉我你赚了之后提走500万之类的话，&b&只要你在这个市场，这笔钱最终还是会回来的&/b&。当然，也包括这本书的作者，虽然他在大萧条时代赚到了美国整个GDP的10%还是20%。也不要告诉我你赚了之后就不在这个市场玩了，你也会回来的。因为贪欲。&br&所以，心态很重要。&br&&br&PS：看到有人还扯到10年一梦，那哥们跟这本书真心不是一个数量级。。。他现在就在青泽投资，靠着这本书的余热来忽悠入金呢···当然青泽前辈比我们这些小鱼小虾还是牛逼的，毕竟这么多年后他现在还在这个市场活着，还活的不错，不是么？虽然感觉方法已经有了改变= =
以下个人观点，不喜勿喷。 看了一下上面的答案，感觉都没有戳中这本书真正的点。对于我个人来说，这本书说的是交易最难控制的地方：心态。 书里面其实本没有告诉你该去怎么赚钱。其实，他告诉你怎么赚钱了也没有用，因为没有一个赚钱的方法是放之四海皆准且…
题主你好， 注意到你提问的时间是日而问题是日出现黑色星期五的概率。证券市场风云变幻，纵使别人“有理有据”告知你明天大奇迹日抑或末日崩盘，我想这都是无意义的，那么不妨我们换个角度看这个问题，根据历史统计的数据，我们来看看市场每日变化无常的分布，特别是，黑色的尾巴那一丢丢。&br&实际上，证券收益的分布问题是个严肃而有意义的问题。合理的分布假设能告知风险管理要求的极端价格变化的概率估计，经典的数量金融领域很多著名的模型都有：长期看证券收益服从正态分布，例如&a href=&///?target=https%3A//en.wikipedia.org/wiki/Modern_portfolio_theory& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Modern portfolio theory&i class=&icon-external&&&/i&&/a& ，&a href=&///?target=https%3A//en.wikipedia.org/wiki/Random_walk_hypothesis& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Random walk hypothesis&i class=&icon-external&&&/i&&/a& 等。&br&下面我就对这个收益分布问题具体说说我的发现吧：&br&我们由HS300指数最近十年的数据计算每日收益率并绘制频率分布直方图且使用Kernel Density Estimate对数据进行拟合：&br&&img src=&/95c0beb86c75fda0b86f_b.png& data-rawwidth=&886& data-rawheight=&594& class=&origin_image zh-lightbox-thumb& width=&886& data-original=&/95c0beb86c75fda0b86f_r.png&&&br&这仅是一个频率分布直方图，近10年HS300指数大致的涨跌分布便一览无余。&br&但这还远远不够，我们需要考察分布的概率密度函数图像以及与经典理论中正态分布对比，注意此后的图中，我们对收益的定义有所调整，原因在这里&a href=&///?target=https%3A////why-log-returns/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Why Log Returns&i class=&icon-external&&&/i&&/a&， 定义收益&img src=&///equation?tex=R_t& alt=&R_t& eeimg=&1&&：&br&&img src=&///equation?tex=R_t+%3D+ln%28%7BP_t%7D%2F%7BP_%7Bt-1%7D%7D%29& alt=&R_t = ln({P_t}/{P_{t-1}})& eeimg=&1&&&br&我们这次再引入美股SPY500数据与HS300收益进行比较，起始时间统一从开始，同时，为了与标准正态分布比较，我们将每日收益分布标准化后得到概率密度函数曲线。如图：&br&&img src=&/4df8d1cecc_b.png& data-rawwidth=&934& data-rawheight=&482& class=&origin_image zh-lightbox-thumb& width=&934& data-original=&/4df8d1cecc_r.png&&我们发现除去两边与中间部分，正态分布的假设是相当靠谱的，SP500、HS300与标准正态分布比较都有明显的高峰及肥尾现象。可见对于顶部及尾部而言正态分布的假设并不是那么完美。仔细看右图左下角部分（HS300绿线，SP500蓝线），HS300与SP500大跌部分的概率远远高于正态分布（因为A股市场涨跌停缘故，美股“黑色的尾巴”比A股长得多），可见，题主口中的“黑色星期五”的概率其实并不是买彩票中奖现象。这里举个栗子，，SP500暴跌20.5%，如果我们以20年为观察年限的话，我们可粗略认为每20年出现一次，而如果我们依据正态分布的假设理论计算，结果会是&img src=&///equation?tex=2%2A10%5E%7B76%7D& alt=&2*10^{76}& eeimg=&1&&年！&br&---------------------------------------------------&br&好了，有了上面的讨论，我们可以更实际的用频率学派的观点简单计算下“黑色尾巴”的概率,一行代码：&br&&div class=&highlight&&&pre&&code class=&language-text&&len(rate_of_return[rate_of_return&-0.05])/len(rate_of_return)
&/code&&/pre&&/div&输出：&br&&blockquote&&div class=&highlight&&&pre&&code class=&language-text&&0.9766
&/code&&/pre&&/div&&/blockquote&即过去十年来看，当日HS300指数下跌5个点以上的概率。&br&----------------------------------------------------&br&补充：顺便给出收益分布服从正态分布的理论推导，这里用到中心极限定理&a href=&///?target=https%3A//en.wikipedia.org/wiki/Central_limit_theorem& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Central limit theorem&i class=&icon-external&&&/i&&/a&.&br&我们定义收益&img src=&///equation?tex=R_t& alt=&R_t& eeimg=&1&&:&br&&img src=&///equation?tex=R_t+%3D+ln%28%7BP_t%7D%2F%7BP_%7Bt-1%7D%7D%29& alt=&R_t = ln({P_t}/{P_{t-1}})& eeimg=&1&&&br&&br&对于某一天的收益而言，它由更小区间时间段的收益累计而成，时间间隔&img src=&///equation?tex=%5CDelta%3D1%2FT& alt=&\Delta=1/T& eeimg=&1&&的变量&img src=&///equation?tex=ln%28%7BP_%7Bt%2B%5CDelta%7D%7D%2F%7BP_%7Bt%7D%7D%29& alt=&ln({P_{t+\Delta}}/{P_{t}})& eeimg=&1&&,这样的小间隔连续复利回报可看做随机变量（无所谓什么分布），对该天收益有：&br&&img src=&///equation?tex=ln%28%7BP_%7Bt%2B%5CDelta%7D%7D%2F%7BP_t%7D%29+%2B+ln%28%7BP_%7Bt%2B2%5CDelta%7D%7D%2F%7BP_%7Bt%2B%5CDelta%7D%7D%29+%2B+ln%28%7BP_%7Bt%2B3%5CDelta%7D%7D%2F%7BP_%7Bt%2B2%5CDelta%7D%7D%29+%2B+...+%2B+ln%28%7BP_%7Bt%2BT%5CDelta%7D%7D%2F%7BP_%7Bt%2B%28T-1%29%5CDelta%7D%7D%29%3Dln%28%7BP_%7Bt%2BT%5CDelta%7D%7D%2F%7BP_%7Bt%7D%7D%29& alt=&ln({P_{t+\Delta}}/{P_t}) + ln({P_{t+2\Delta}}/{P_{t+\Delta}}) + ln({P_{t+3\Delta}}/{P_{t+2\Delta}}) + ... + ln({P_{t+T\Delta}}/{P_{t+(T-1)\Delta}})=ln({P_{t+T\Delta}}/{P_{t}})& eeimg=&1&&&br&&br&而&br&&img src=&///equation?tex=ln%28%7BP_%7Bt%2BT%5CDelta%7D%7D%2F%7BP_%7Bt%7D%7D%29+%3D+ln%28%7BP_%7Bt%2B1%7D%7D%2F%7BP_%7Bt%7D%7D%29+%3D+R_%7Bt%2B1%7D& alt=&ln({P_{t+T\Delta}}/{P_{t}}) = ln({P_{t+1}}/{P_{t}}) = R_{t+1}& eeimg=&1&&&br&&br&&b&当T足够大时，每日收益可以看做无数小的交易区间的收益之和，这些和（一个新的变量）的分布，根据中心极限定理，从理论上解释为什么大量日收益服从正态分布。&/b&&br&-----------------------------&br&最后放上链接，&a href=&///?target=https%3A///community/topic/126/%25E5%%25E4%25BA%258E%25E8%25AF%%%25E6%%25E7%259B%258A%25E5%E5%25B8%%258E%259F%25E5%259B%25A0%25E7%259A%%25AE%25A8%25E8%25AE%25BA& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&关于证券收益分布原因的讨论&i class=&icon-external&&&/i&&/a& 希望和大家一起交流学习讨论。
题主你好， 注意到你提问的时间是日而问题是日出现黑色星期五的概率。证券市场风云变幻，纵使别人“有理有据”告知你明天大奇迹日抑或末日崩盘，我想这都是无意义的，那么不妨我们换个角度看这个问题，根据历史统计的数据，我们来看…
以前我在高盛所在的部门叫做Franchise Trading（抱歉一直也没想出来中文的翻译应该叫什么）。我们是销售交易部下面的一个子部门，主要覆盖除了期权以外股票相关产品的交易，身兼做市商和自营两个角色。近年来自营部分的业务弱化了，做市商部分覆盖的产品除普通股以外包括ETF、股指期货、一篮子股票等等，同时也为一些高盛承销的IPO股承担上市初期的托市工作，来自ECM的大宗交易也由我们部门共同负责风险管理和交易执行。&br&&br&作为一个初级交易员，一天的流水账大概是这样的：&br&&br&6:00，起床，出门前大概看一眼隔夜市场表现，包括标普、欧元、石油、黄金等等是否有异动，对市场的最新风险偏好变化有个概念。&br&&br&6:55，参加亚太区股票销售交易部门晨会，时间大概是15分钟，负责不同地区的销售交易人员（salestrader）会总结重要新闻和当天关注事件，大概分为隔夜市场、日本、澳大利亚、香港、大陆、韩国、台湾、东南亚、印度等几个主要市场，交易部门补充当天可以重点提供流动性的股票或其他产品。这个晨会信息偏宏观一些。&br&&br&7:30，亚太区的研究销售（research sales）晨会，不用参加，主要是听广播，时间大概20分钟左右，内容更侧重于个股，尤其是高盛当日新推出报告的行业/个股或近期重点推荐的股票跟进分析。这个晨会信息偏微观一些。&br&&br&9:00以前，自由支配/交易准备时间，一般会分为两部分准备。一部分是边听晨会广播边读新闻和研究报告，处理最新的信息，为接下来的一天做尽量充分的预判准备；另一部分是交易准备，检查确认持仓数据正确，确保风险监测系统、定价系统（包括自制的excel表）数据没有问题，确保交易系统运行正常，如果有当天需要下的单提前计算好买卖数量和限价提前输入系统，如果涉及到卖空要提前借股票，这个过程有点像飞行员起飞前检查设备。另外，如果前一天晚上做了隔夜交易还要做一下簿记，手动录入交易明细。&br&&br&9:00以后一直到中午，亚太地区各大股市会轮流开市，业务分工原因我的重点在中国市场，9:30到10点之间对我来说是尤其需要高度集中注意力的时间。由于随时可能有机构客户要求任意一个股票的报价，而交易员需要在几秒内给出报价，这就要求对机构经常交易的大部分大盘股和一部分中盘股保持经常性的关注，除了当天盘口情况以外还需要知道相关行业和主要公司的重大事件，比如业绩的公布时间、核心经营数据公布时间、近期行业趋势和公司动向等等。对于一些海外ETF以及ADR产品还需要维护好定价表，以便客户在要求报价时能够迅速给出报价而不报错。&br&&br&报价和成交往往就是几秒钟的时间，大部分是和salestrader口头达成的，个别对冲基金客户还喜欢在收盘前一两分钟打电话来直接和我们进行交易。成交后如果是港股或其他可以直接出掉的产品，就直接在市场上交易争取当日出清。如果不是，比如说FXI这样在美国交易但是标的物是一篮子港股的产品，就需要迅速计算相应的股指期货手数，做相应的对冲。&br&&br&由于我们组除了做市提供流动性以外也做自营性质的套利性策略，所以开盘后也需要同时监测套利机会的出现，比如股指期货的升贴水，以及ETF的折价和溢价等等。这部分工作主要是盘前确保数据的正确，盘中时不时扫几眼并不占用过多精力。&br&&br&此外，不定期也会有规模特别大的做市性质的篮子交易，这方面主要工作是在对交易时间点的规划和自动下单算法的使用上，这里就不展开说了。&br&&br&从9点一直到下午4:15香港股指期货中止交易，都属于交易时间，上面说到的工作都会随时出现。而最关键的时间段主要就是开盘、重大宏观数据（比如GDP，CPI等）公布的前后，以及收盘。除了这几个关键时间段以外，工作强度相对低一些，中午时间可以溜出去买个饭或者在座位附近游走一下，这基本算是一天里最轻松的时候了。&br&&br&4:15以后尽管印度市场仍然交易，好在有同事会专门负责，不交易印度市场的人就可以进入非交易状态了。从4:15一直到大概7点下班之间，主要工作是和中后台部门对账，保证盈亏计算正确，保证交易簿记无误。如果还有空闲就找些东西自学。&br&&br&晚上吃完饭基本还是继续自学，对于各个行业、公司的理解，以及对宏观的理解，只能靠晚上来补足。大概10点以后看一下美股的开盘，美国核心宏观数据公布，股指、汇率、商品的变动情况，差不多就可以洗洗睡了。&br&&br&目前想起来这么多，可能以后再补充。
以前我在高盛所在的部门叫做Franchise Trading（抱歉一直也没想出来中文的翻译应该叫什么）。我们是销售交易部下面的一个子部门，主要覆盖除了期权以外股票相关产品的交易，身兼做市商和自营两个角色。近年来自营部分的业务弱化了，做市商部分覆盖的产品除…
占坑。&b&8月18日已更新。&/b&&br&&br&最近在研究日本期货高手菲阿里fairy的日内打法，收获颇丰，下面我会断断续续把fairy打法中比较有价值的部分，整理成图文干货分享给对日内交易感兴趣的朋友。&br&&br&fairy这个人，（原谅我实在不想叫菲阿里这个蠢呆的译名），我是因为群里有个朋友推荐才知道的。我的所有研究也是基于关于他的一本书，《1000%的男人》。其实如果不是群里的朋友推荐，我估计会彻底的错过这本书，主要是因为这个名字。。。。有种“15天增大8厘米”的奇妙气质。&br&&br&这本书主要记录了日本期货比赛中的冠亚军操盘手的理念和实盘记录。虽然我吐槽了书名，但是这本书的内容确实非常非常有价值的，我建议每一个在做日内的朋友都可以看一看。为什么这么说呢，因为这本书几乎全部都是两位选手的真实实盘记录。尤其是第一部分，也就是fairy的部分，记录了他比赛过程中每天的交易，并且附上了当日的品种走势和他的交易记录。可以说，在市面上能够看到这么赤裸裸露底裤的交易干货极为难得。以至于我后来直接打印出来，一页一页推敲，如获珍宝。&br&&br&书中另外一个交易者炭谷道孝也是顶尖的交易者，几篇交易理念的文章，短小而犀利。但是本文就不赘述他的打法分析了，因为我个人从没有做过频率太高的日内交易，自然没有什么能力进行比较深入的分析。好了，废话说得够多了，下面开始讲讲fairy的手法。&br&&br&整体来说，fairy的手法和我心目中理想的日内交易几乎一致：专注、简洁、克制、Q弹。我也会从这四个特点去拆分他交易记录中的信息，有不对的地方欢迎大家和我探讨。（此处不评价他的水平高低，只求博采众长。）&br&&br&(抱歉，近期事情有点多，现在开更）&br&&br&&b&一、专注&/b&&br&&br&fairy在比赛里只交易两个品种：汽油和煤油。实际上很多期货的日内交易者都是专注于某几种或某一种商品进行交易，这种交易方法的好处在于，你可以在最大程度上减小你信息的获取量，只抓取市场内对于你交易品种有用的信息资料进行分析，效率大大提升；此外，专注于某一种或某几种商品交易，可以让日内交易者尽可能减小“短视”的阻碍。毕竟深究几个固定品种，有利于你在整体上了解该品种的价格趋势，从而在微观交易中更好的把握你的方向。&br&&br&但是，话虽这么说，可一旦行情出现巨大的变化，或者是交易者本身心态出现波动，专注固定品种进行交易并不是一件容易的事情。纪律性和执行力不好的人，很容易因为“哇靠，某某商品在涨，我要去追！”，或者“今天做的太差了，好烦，我要换个品种换换手气”这种想法，而出现无原则的进出场。当你在对一个品种，没有盘前分析，没有跟踪观察的情况下，贸然开仓，风险之高我就不多说了。&br&&br&所以，相比以上这种情况，我认为fairy在品种上的专注是非常值得学习的。&br&一方面，他在认识到自己的资金承受能力有限，精力有限的情况下，会主动精简自己的交易品种。&br&&img src=&/554f0c461a7eb1f14cfc3_b.png& data-rawwidth=&752& data-rawheight=&253& class=&origin_image zh-lightbox-thumb& width=&752& data-original=&/554f0c461a7eb1f14cfc3_r.png&&另一方面，在交易过程中出现严重回撤的时候，依然保持对于所选品种的专注。&br&看一下这是他平时盈利状态的交割单：&br&&img src=&/04a27bf94ab83e9e360d856461ddb16e_b.png& data-rawwidth=&643& data-rawheight=&224& class=&origin_image zh-lightbox-thumb& width=&643& data-original=&/04a27bf94ab83e9e360d856461ddb16e_r.png&&&img src=&/a852b80552ec0fbac45f1_b.png& data-rawwidth=&646& data-rawheight=&178& class=&origin_image zh-lightbox-thumb& width=&646& data-original=&/a852b80552ec0fbac45f1_r.png&&再看一下他亏损状态的交割单：&br&&img src=&/6efc9b70f65ef591bce2_b.png& data-rawwidth=&641& data-rawheight=&201& class=&origin_image zh-lightbox-thumb& width=&641& data-original=&/6efc9b70f65ef591bce2_r.png&&&img src=&/f2ce9a794b4ff1b05adc36aed45861db_b.png& data-rawwidth=&658& data-rawheight=&158& class=&origin_image zh-lightbox-thumb& width=&658& data-original=&/f2ce9a794b4ff1b05adc36aed45861db_r.png&&交割单是个很好的东西，我只是截取了四天的交易，但是你翻看这本书就会发现，fairy几乎一直保持着这样一种交易节奏在进行操作。你在他盘后的交易总结中，是可以感受到他对于操作失误的懊恼和气愤的，但是看交割单却很难感受到这种情绪。这是一个了不起到可怕的事情。其实你们可以试试把自己亏损日的交割单和盈利日的交割单拿出来对比一下，就会知道当心态受到盘面影响之后，自己的执行力和判断力会出现多么严重的问题。&br&&br&所以专注，意味着你可以始终把自己放在在一个相对可控的节奏之内进行交易，而交易节奏的长期积累，会潜移默化影响你的交易习惯。一旦拥有一个惯用的交易行为模式，并且它是非常正向积极的，那么会带动交易的良性循环，这是从技术到心态的全方位提升。&br&&br&&b&二、简单&/b&&br&&br&（这部分我会从fairy的交易基本理念、进出场原则、仓位控制等方面来说一下。内容比较多，需要大量的图，我先去画图了！其实写到这里，我预感这篇文章的篇幅会长到让人呕吐。。因为还有好多细节最后要写。。）
占坑。8月18日已更新。 最近在研究日本期货高手菲阿里fairy的日内打法，收获颇丰，下面我会断断续续把fairy打法中比较有价值的部分，整理成图文干货分享给对日内交易感兴趣的朋友。 fairy这个人，（原谅我实在不想叫菲阿里这个蠢呆的译名），我是因为群里有…
python不熟，不敢吹牛B，以下话信一半就行，已经邀请男神 &a data-hash=&89b8547ceb5c2d06c807& href=&///people/89b8547ceb5c2d06c807& class=&member_mention& data-editable=&true& data-title=&@Jianchi Chen& data-hovercard=&p$b$89b8547ceb5c2d06c807&&@Jianchi Chen&/a& 和用python的trader &a data-hash=&cffde8ca11& href=&///people/cffde8ca11& class=&member_mention& data-editable=&true& data-title=&@陈大有& data-hovercard=&p$b$cffde8ca11&&@陈大有&/a&&br&说下自己预备的学习计划：&br&python基础编程，必须掌握，不仅仅是会语法，还有各种语言细节的坑（当然比C++少很多）。对于常年使用R MATLAB SAS的研究人员来讲，python有很多更偏向程序员的表达方式，需要转换下思维适应。&br&然后就是各种库&br&pandas：原AQR资本的员工写的一个库，专门用来处理panel data这种数据结构的，几乎是处理金融时间序列的标配了。&br&scipy， numpy：科学计算的库，类似于一个小型matlab或者octave&br&statsmodels : 看名字就知道，统计分析的包。&br&scikit-learn: 这个包是做python做机器学习的库，地位很高。&br&matplotlib : python的作图库。如果你喜欢R的ggplot， 现在也有python的版本，貌似还不成熟。&br&&br&此外ipython的notebook是一个做研究的利器，类似于mathematica的notebook，可以记录自己trail and error的过程。&br&&br&对于国内来讲，有两个项目比较火一个是获取金融数据的&a href=&///?target=http%3A//tushare.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TuShare -财经数据接口包&i class=&icon-external&&&/i&&/a& 还有一个就是开源交易平台&a href=&///?target=http%3A//vnpy.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&vn.py&i class=&icon-external&&&/i&&/a& ，作者就是 &a data-hash=&cffde8ca11& href=&///people/cffde8ca11& class=&member_mention& data-editable=&true& data-title=&@陈大有& data-hovercard=&p$b$cffde8ca11&&@陈大有&/a&。&br&&br&此外还有若干使用python的量化平台可以尝试， 比如国内的&a href=&///?target=https%3A//uqer.io/home/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&优矿 - 通联量化实验室&i class=&icon-external&&&/i&&/a& （&a href=&///?target=https%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&RiceQuant - Beta&i class=&icon-external&&&/i&&/a&用的是java，感谢 &a data-hash=&b9ef0971390faa4d72c913d771d20ff2& href=&///people/b9ef0971390faa4d72c913d771d20ff2& class=&member_mention& data-editable=&true& data-title=&@钱程& data-hovercard=&p$b$b9ef0971390faa4d72c913d771d20ff2&&@钱程&/a& 指正)，国外的&a href=&///?target=https%3A//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Quantopian&i class=&icon-external&&&/i&&/a&和&a href=&///?target=https%3A///& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&/&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&如果要做衍生品定价， 学学swig直接在python里调用quantlib， 目前有两个项目 &a href=&///?target=https%3A///enthought/pyql& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&enthought/pyql · GitHub&i class=&icon-external&&&/i&&/a& 和 &a href=&///?target=https%3A//pypi.python.org/pypi/QuantLib-Python& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&pypi.python.org/pypi/Qu&/span&&span class=&invisible&&antLib-Python&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&。&br&&br&&br&&br&&br&&br&&br&&br&&br&&br&&br&&a data-hash=&1fe5ed425cf8af028921de& href=&///people/1fe5ed425cf8af028921de& class=&member_mention& data-editable=&true& data-title=&@粥啡啡& data-hovercard=&p$b$1fe5ed425cf8af028921de&&@粥啡啡&/a& 快发红包
python不熟，不敢吹牛B，以下话信一半就行，已经邀请男神
和用python的trader
说下自己预备的学习计划： python基础编程，必须掌握，不仅仅是会语法，还有各种语言细节的坑（当然比C++少很多）。对于常年使用R MATLAB SAS的研究人员…
&a data-hash=&ecc0ec035f& href=&///people/ecc0ec035f& class=&member_mention& data-editable=&true& data-title=&@vczh& data-hovercard=&p$b$ecc0ec035f&&@vczh&/a& 轮子哥提到了AB股，前段时间刚好做过这方面的课题，简要介绍一下。&br&&br&首先要弄明白一个概念，在普通的公司结构之中，一份股权往往对应着一份投票权，这样就使得股东之间没有身份上的不平等——纯粹看谁更有钱。这样的制度虽然有利于保障中小股东和外部投资人的权益，但是在一定程度上却会使得公司的创始人在是否进行融资的问题上陷入一个困境，如果不融资，公司很难得到发展；如果选择融资，自己手中持有的股份必然被稀释，而当创始人手中持有的股份少于50%（经提醒，特别决议需要2/3以上的投票权），这家公司就已经不是他说了算，甚至有可能因为缺少话语权被踢出公司。乔布斯的遭遇就是一例。&br&&br&因此，创始人们就会开始考虑这样一个问题，有没有一种方法，使得公司既能够获得外部融资，又可以让我继续牢牢控制这家公司呢？&br&&br&别说，还真被他们找到了一种方法：&b&双层（重）股权结构(dual
class share)&/b&&br&&br&&br&所谓双层股权结构，是指上市公司发行的股票并非每一股份都有相同的一份投票权，而是按照不同的股票类型，每一股份对应着不同的投票权，有可能是“一股多权”，也有可能是“一股一权”，甚至有可能是“一股无权”。&br&&br&这一制度来源已久，最早可以追溯到十九世纪末国际白银公司（International Silver Company）发行的无投票权股票，而一战后的德国也开始产生大量的“超级投票权”股票。在我国，人人、百度、京东等公司也先后采用这一结构在美国上市。&br&&img src=&/e29cee9faaae48bba2c7_b.png& data-rawwidth=&714& data-rawheight=&745& class=&origin_image zh-lightbox-thumb& width=&714& data-original=&/e29cee9faaae48bba2c7_r.png&&如图所示，二十年里美国上市公司中双层股权治理结构的公司占比还是比较稳定的，总体来说无太大的变化。不过，这些公司的市值有明显的上升，其市值占比在二十年里基本上处于稳步增长的态势。由原先6.2%上升到9.4%，上升幅度达到51%&br&&br&这种制度一般有如下的特点：&br&&br&&p&（1）发行A类与B类两种不同的股票，A类股票每一股份有一投票权，B类股票每一股份拥有多份投票权，不同的公司可能选择不同的比例，最为常见的是1:10的比例，即B类股票每一股份对应着10份投票权。&/p&&br&&p&（2）A类股票面向社会公众公开发行，可以在市场上自由流通，而B类股票仅仅面向公司内部控制层发行。A类股票无法转换为B类股票，但B类股票一旦进入市场交易则自动转换为A类股票。&/p&&br&&br&（3）A、B两类股票除了投票权和可转换性有差异之外，其他股权权利一概相同。&br&&br&下面用京东的股权结构为例，来帮助大家理解这一制度。&br&&br&&img src=&/47e74ab0b781dbfa74ee26_b.png& data-rawwidth=&1000& data-rawheight=&606& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&/47e74ab0b781dbfa74ee26_r.png&&上图是京东在IPO之前的股权结构。我们可以看出，IPO之前，刘强东本人通过Max Smart Ltd持有18.8%股份，通过Fortune Rising Ltd持有4.3%股份，共计23.1%，并不能保证获得公司控制权。况且IPO之后其股权还有可能进一步被稀释。为了避免公司控制权旁落他人，刘强东采用了&b&双层股权结构&/b&的设计。&br&&br&&p&在京东向美国证监会提交的招股说明书中有这样的说明：&/p&&br&&blockquote&“&i&Holders of Class A ordinary
shares and Class B ordinary shares have the same rights except for voting and
conversion rights. Each Class A ordinary share is entitled to one vote, and
each Class B ordinary share is entitled to twenty votes and is convertible into
one Class A ordinary share. Class A ordinary shares are not convertible into
Class B ordinary shares under any circumstances.&/i&&i&”&/i&&/blockquote&&br&
这条说明明确表示，京东将设立两种股票，其中公开发行的是A类普通股，每股拥有一份投票权，刘强东原先持有的股份全部转化成不对外发行的B类普通股，每股拥有20份投票权，如下图所示，通过持有“超级投票权”的B类股票，刘强东持有了公司83.7%的投票权，对公司实现了完全控制，具体如下表。&br&&br&&img src=&/e95f9d3a83fc48e2fcf73b2a0f5f1498_b.jpg& data-rawwidth=&1538& data-rawheight=&655& class=&origin_image zh-lightbox-thumb& width=&1538& data-original=&/e95f9d3a83fc48e2fcf73b2a0f5f1498_r.jpg&&&br&这一制度的产生是基于公司控制人在公司发展过程中面临的困境。一方面，公司想要发展就需要大量的外来资本，显然上市融资是最好的选择；另一方面，外来资本进入则有可能稀释控制人现有的股份，发生控制人失去控制权的风险。为了打破这一困境，就产生了双层股权结构，它把股东之间的现金流量权和投票权区分开来，使内部人员掌握大部分的投票权和最小的现金流资本，让公司创始股东和高层管理人员在公司上市后仍能保留足够的投票权来控制公司，对于公司控制人来说，既能够吸纳外来资本进入，又能够保持对公司的绝对控制，这样显然是最好的选择。&br&&br&这一制度虽然能够得到公司控制人的青睐，但是投资人却往往不这么想。投票权的不足使得投资人无法对公司的经营活动做出干预，这就使得投资人需要承担与其成本不相符的过高风险，此外，由于控制人承担的风险过低，这也容易引发控制人冒险经营的道德风险。在这样的因素下，到目前为止世界范围内采用双层股权结构的公司仍然是少数，而中国更是找不到这样的公司，原因很简单，中国公司制度严格要求上市公司必须做到&b&“一股一权、同股同权”&/b&，不承认双层股权结构的存在，港交所也有同样的规则，这也就导致试图采用这一结构上市的公司只能转投国外——之前沸沸扬扬的阿里巴巴港交所上市风波就是这个原因。（阿里巴巴的制度属于另一种情况，不在今天介绍的AB股的范围之内，有机会再聊）&br&&br&综上，要想保证自己不被外来资本踢出自己创建的公司，还是考虑一下双层股权吧！《社交网络》里提到了Facebook的股权结构，那就是扎克伯格不会丢失控制权的秘诀啦。&br&&br&&blockquote&参考文献：&br&马一：“股权稀释过程中公司控制权保持法律途径与边界”，《中外法学》2014年第3期&br&马立行：“美国双层股权结构的经验及其对我国的启示“，《世界经济研究》2013年第4期&br&京东招股说明书，见&a href=&///?target=http%3A//www.sec.gov/Archives/edgar/data/020/a2220187zf-1a.htm& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&sec.gov/Archives/edgar/&/span&&span class=&invisible&&data/020/a2220187zf-1a.htm&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&/blockquote&&br&更新：突然发现没有回答到答主的问题。。。做一点点补充&br&&br&1、创始人被踢出董事局后，具体哪些职能没有了？&br&&br&董事局是依据公司章程，由股东大会选举出来的由董事组成的常设机构，是股东大会的代理机构，有权在股东大会的授权范围内决定公司事务。也就是说，公司未来该干嘛是董事们坐在一个小房间里讨论出来的。在”一股一权“的原则下，只要达到一定的股份比例，那么就可以把某个董事踢出董事局，既然人都不在董事局了，自然也无权参与到讨论中去，对公司未来的发展就失去了控制权。&br&&br&2、他的股份还有吗？&br&&br&有的。股权是个人财产，不管是董事局还是股东大会都没有权利剥夺一个人的股权，即使被踢出董事会，不影响我作为一名普通股东享有各种权利。当然，赌气卖掉什么的那就是自己的事情了。&br&&br&3、流程是怎样的？&br&&br&一般情况下，股东大会一年才会召开一次，在这里讨论决定各种事项，包括对董事的选举和更换。但是一年时间好长啊，大股东不想等了，怎么办呢？持股10%以上的股东就可以直接请求董事长召集并主持临时股东大会，这是《公司法》的法定义务，董事长就算明知开这个会是要开除自己也无权拒绝。召集临时股东大会应当提前15天通知各位股东。之后就是大家在一起开个会，举个手，某个董事局成员就这样被踢出董事局了。。。大致流程就是这样的。
轮子哥提到了AB股，前段时间刚好做过这方面的课题，简要介绍一下。 首先要弄明白一个概念，在普通的公司结构之中，一份股权往往对应着一份投票权，这样就使得股东之间没有身份上的不平等——纯粹看谁更有钱。这样的制度虽然有利于保障中小股东和外部…
已有帐号？
无法登录？
社交帐号登录
5611 人关注
243 条内容
301 人关注
2545 条内容
931 人关注
2822 条内容
2714 人关注
512 条内容
439 人关注
160 条内容