LP瞎逼逼

减速器是机械设计中常用的部件，常用于将主动电机的高速、低转矩转化为低俗高转矩。减速机中的主要参数是减速比，另外不同类型的减速器之间有不同的特点，这里介绍几种常见的减速器,分别是：涡轮蜗杆减速器、行星减速器、普通齿轮减速器、谐波减速器、摆线针轮减速器。 涡轮蜗杆减速器 组成 蜗杆：通常为螺旋状主动件，材料多为淬硬钢，具有高强度和耐磨性。 涡轮（蜗轮）：与蜗杆啮合的从动件，常采用青铜等减摩材料，以降低摩擦损耗。 轴线布置：两轴空间垂直交叉，便于改变传动方向。 主要参数 传动比： $i = \frac{Z_2}{Z_1}$，其中 $Z_1$ 为蜗杆头数，$Z_2$为涡轮齿数。单头蜗杆可实现大减速比（如 $Z_2=40$ 时，$i=40:1$）。 模数：决定齿轮尺寸，需标准化选择。 导程角 $\lambda$：影响自锁和效率，小导程角利于自锁但效率低。 头数 $Z_1$：单头用于大减速比，多头提高效率但降低传动比。 应用场合主动电机常用驱动电机、步进、伺服电机，常用于机构需要频繁启动、对精度要求不高的场合 优缺点 优点： 有反向自锁功能、减速比可以很大 缺点： ...

记录一下量化交易论文中常用到的系统评价指标（benchmark）以及计算方法。 总收益(Total Return， TR)总收益指的是整个交易期间的总回报率$$TR = \frac{n_t - n_1}{n_1}$$ $n_t$为最终净值 $n_1$为初始净值 投资组合收益率（Portfolio Return，PR）用于计算多个投资品总的收益，包括简单加权平均收益率、时间加权收益、货币加权收益率、连续复利收益率等，这里只介绍简单加权平均收益率，其他的大差不差自己查。 $$R_p = \sum_{i=1}^{n} w_i \times R_i$$ $R_p$：投资组合的总收益率。 $w_i$：资产 $i$ 在投资组合中的权重（通常为市值权重或资金权重）。 $R_i$：资产 $i$ 的收益率。 $n$：投资组合中资产的数量。 下行标准差(Downside Deviation，DD)指的是整个交易期间负收益的方差 $$DD = \sqrt{\frac{1}{n} \sum_{i=1}^{n} \left[ \max(0, R_i - ...

前言最近在学产品经理相关的能力，但是昨晚上脑子里一直在想这个事情睡不着，冥冥之中有种感觉：产品经理的内容学多了我可能会慢慢丢失一部分工科科研角度分析问题的方法和视角。屁股决定脑袋，在什么职位就要以什么职位的模式去思考，产品经理可能更多的需要从用户需求、企业利益、产品成型的角度去考虑问题，而工科能需要从技术、辩证、真理的角度思考问题。（当然，两者之间也有很多有交集的思考模式）所以我决定还在我对产品领域没有足够深入之前将我读研期间和读研后的一些思考整理成文章，以便我以后如果重新回学校读博了可以很快地捡起来，到那个时候我会继续扩展这篇文章的内容。 我们做科研地目的是了解世界的本质，而为了达成这个目的，首先是需要学习一些大佬地思考模式，随着思考模式增多我们需要慢慢总结出方法，然后形成自己的思考模式。而这套思考模式往往不局限于一个领域，可以向其他领域扩展延申（这也是我理解的为什么博士毕业之后学位证上都写的是哲学博士（philosophy doctor）的原因）。现实世界中我们需要有一个评价指标去量化这个过程，那就是论文。所以从如何写论文的角度上去讲解我在这个过程中思考到的、学习到的方法论是一个比 ...

海龟交易法则是由传奇交易大师理查德·丹尼斯缔造的海龟交易法则是为数不多的完全开放的、机械化的、完整的的交易系统。本节内容会详细讲解海龟交易法则的具体实施步骤（量化交易代码自己写，我不会分享），海龟交易法的买点与卖点选择使用的是唐奇案通道法（Donchian channel），具体代码实施过程中可以使用优化算法（各种优化算法都可以，发展的本质是在做优化，怎么把实际问题转化成优化问题是关键）计算唐奇安通道中的n值以达到收益最大化。参考中的论文也给出了一些对于海龟交易法的优化思路。 唐奇安通道唐奇安通道使用最近n根k线的最高值最为通道上线，最低值最为通道下线，上线与下线的均值作为中线。海龟交易法使用唐奇安通道作为买入与卖出信号线。 计算公式如下：$$上线 = Max（最高价格，n）\下线 = Max（最低价格，n）\中线 = （上线+下线）/2$$触碰上线并突破作为做多点，开仓做多；触碰下线并突破作为做空点，开仓做空。 仓位控制海龟交易法则使用ATR作为仓位控制的参数（在原文中使用的是市场波动性N，事实上是同一个东西，计算方法略有不同，N更简单一点 ...

主成分分析（PCA)是一种比较基础的数据降维方法，也是多元统计中的重要部分，在数据分析、机器学习等方面具有广泛应用。主成分分析目的是用较少的变量来代替原来较多的变量，并可以反映原来多个变量的大部分信息。也就是说，在一堆杂乱的数据往往存在相关性，而这些相关性便意味着可以进行数据的降维。对于多维度数据，我们在使用时无法直观的看出数据之间的差距，使用PCA降维后可以更少的维度表示，从而使得表示结果更加直观，减少数据量。在很多情况下数据的降维是十分必要的，一方面有利于问题的简化，另一方面便于计算机的计算：数据降维后变量的减少，会使计算机处理的数据大大减少，从而缩短数据处理时间。 主成分分析原理（PCA）主成分分析的直观理解，可以认为是旋转坐标轴，使得在旋转坐标轴后这些点在新的坐标系下在各个坐标轴（变量）方向投影的方差变大。其中如果在某坐标上的方差最大，那么这个坐标轴对应的这些散点的坐标就是第一主成分，其次就是第二主成分，依此类推。 对于下图的情况，我们发现这些数据都几乎排列在一条直线上，并且在x轴方向和y轴方向的方差都比较大。但是如果把坐标轴旋转一定角度，使得这些数据在某个坐标轴的投影的方差比 ...

止损用于风险管理，限制潜在的亏损。以下的止损方法中，重点看技术指标止损法、以及阶梯止损法： 定额止损法：根据投资者可承受的损失程度，设定一个固定的比例或金额作为止损点。一旦市场价格达到或超过这个止损点，就立即卖出以锁定利润或减少损失。这种方法简单明了，但可能不适用于所有市场情况。 策略：做多固定下跌N跳止损，固定上涨M跳止盈做空固定上涨N跳止损，固定下跌M跳止盈做多固定下跌N%止损，固定上涨M%止盈做空固定上涨N%止损，固定下跌M%止盈 技术指标止损法：利用技术指标（如RSI、MACD、移动平均线、布林带等）来确定止损点。当市场价格变动违背技术指标的预期方向时，触发止损。这种方法要求投资者有一定的技术分析能力和自制力。 ATR止损ATR平均真实波动范围，简称ATR指标，可以用来衡量市场波动的强烈度，即为了显示市场变化率的指标。通过平均真实波动数值可以为止盈止损策略提供参考，当短期价格偏离平均波动负的时就有回调的可能。 策略：以开仓价为基础，上涨超过开仓价+开仓时2.5倍ATR为止赢条件，下跌超过开仓价-开仓时1.5倍ATR为止损条件 SAR止损SAR指标又叫抛物线指标或停损转 ...

在交易中，仓位控制是确保资金安全和实现稳定盈利的重要环节。 仓位控制方法固定比例法 定义：投资者预先设定好一个固定的仓位比例，例如始终保持一定比例的资金用于投资，剩余资金留作备用或现金储备。 优点：简单易懂，易于执行，方便控制整体风险。 缺点：可能无法充分适应市场的快速变化。 固定金额法 定义：交易者在每笔交易中投入固定的金额，不考虑交易资金的比例。 优点：降低交易者在大额交易中承受的风险，因为无论资金规模如何，每次交易都是相同的固定金额。 缺点：可能无法充分利用资金，特别是在资金规模较大时。 百分比波动幅度法 定义：根据市场波动情况来动态调整仓位的方法。交易者可以根据市场的波动性和其他指标来确定每次交易的仓位大小。 可以通过ATR指标设置仓位，计算公式：$$TR = MAX(最高价-最低价，最高价-上根K线的收盘价，上根K线收盘价-最低价)\ATR = 近期N根K线的TR数值求和再平均$$ 优点：能够灵活应对市场变化，降低风险。 缺点：需要交易者具备较高的市场判断能力和风险管理能力。 最大亏损法 定义：根据交易者能够承受的最大亏损来确定仓位大小的方法。交 ...

能够保持良好表现的股票，其对应的企业必然是财务状况良好、盈利能力不错、净资产和现金流状况都比较突出的企业。在本章中，我会告诉搭建一些基础的基本面分析指标和技术面分析指标，通过详细讲解这些指标的作用和计算方法来判断如何选择一支有潜力的股票。在量化交易中，这些指标也被称为是因子。技术面分析的指标在股票、期货、外汇、虚拟货币中都是通用的。 基本面技术指标盈利能力指标毛利率：直接反映企业的赚钱水平，计算公式为（营业收入-营业成本）/营业收入，该指标越高越好。 营业利润率：反映营业收入中有多少是靠本行业赚取的，计算公式为营业利润/营业收入，该指标越高越好。 净利润：利润总额中按规定交纳了所得税以后公司的利润留存，也称为税后利润或净收入，直接反映公司的盈利能力。 每股收益（EPS）：又称每股税后利润、每股盈余，是净利润与股本总数的比值，反映了每股股票所代表的盈利能力，是投资者评估股票价值的重要指标。 净资产收益率（ROE）：衡量公司使用自有资本的效率，计算公式为净利润/平均股东权益，高ROE通常表明公司管理效率高，盈利能力强。 财务健康状况指标净资产：即所有者权益，是 ...

交易做到现在发现还是需要有自己的交易系统。各种的指标虽然部分时候是准确的，但是手动交易还是无法规避个人情绪波动带来的影响；所以我开了一个量化交易系列的文章，量化交易就是通过程序算法按照已经确定好的数学模型进行交易，所有的操作机械化、流程化。量化交易系统中的风险和收益是正相关关系，要是想通过交易系统赚一波大的，背后也伴随着巨大的风险；而我们设计量化交易的目的第一是尽量去平衡风险和收益（这方面每个人的风险承受能力不一样，有的人用闲置资金做交易，可能亏了也无所谓），第二是通过统计学的正态分布，使用高频率的大概率事件去获得收益。强烈建议大家在有一定基础后去学一下《因子投资：方法与实践》这本书，基本就是一篇综述类大论文；但是学术界的用词比较专业，这本书很难啃…本系列文章比较重要的是成熟的交易系统部分。世界发展的本质是在做优化，如何将实际问题转化成优化问题是关键！ 在这之前我们需要了解几个宏观的基础概念： 什么是交易：交易就是通过金融产品时间维度上的涨跌获取利润差价（我这里用的是交易而不是投资就是这个原因，投资更多的是看金融产品的基本面分析，而交易更侧重于技术面分析） 什么是交易 ...

决策树是一种逼近离散函数值的算法。它模拟人类在面临决策时的思考过程，通过一系列的决策节点和分支来对数据进行分类或预测。决策树的基本结构类似于一棵倒置的树，从根节点开始，通过一系列的内部节点沿着分支向下，最终到达叶节点。每个内部节点表示一个特征属性的测试，每个分支代表测试结果的一个可能取值，而每个叶节点表示一个类别标签或者回归值。决策树的构建过程主要包括特征选择、树的生成和剪枝三个步骤： 特征选择：根据某个准则（如信息增益、基尼不纯度等），选择最佳的特征作为当前节点的划分属性。 数据分裂：根据所选特征的不同取值，将数据集划分为多个子集，每个取值形成一个分枝。 树的生成：递归地将数据集划分为子集，直到数据集中的所有样本属于同一类别或满足停止条件。 剪枝：为了避免过拟合，可以对生成的树进行剪枝操作，去除一些不必要的节点或分支。 决策树算法的典型算法包括ID3、C4.5和CART等： ID3算法：旨在减少树的深度，但忽略了叶子数目的研究。 C4.5算法：在ID3算法的基础上进行了改进，对于预测变量的缺值处理、剪枝技术、派生规则等方面作了较大改进，既适合于分类问题，又适合于回归问题。C4. ...