文末有福利领取哦~
👉一、Python所有方向的学习路线
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
讯享网
👉二、Python必备开发工具

👉三、Python视频合集
观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

👉 四、实战案例
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。(文末领读者福利)

👉五、Python练习题
检查学习结果。

👉六、面试资料
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。


👉因篇幅有限,仅展示部分资料,这份完整版的Python全套学习资料已经上传
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
需要这份系统化学习资料的朋友,可以戳这里获取
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
下面开始细说该策略:
首先,人为设置基础定投金额,可以是100、1000 等等,这个根据自己的实际情况来。
之后在每个定投日,根据当前的价格进行定投率的计算,然后通过下面的公式计算在当前定投日的实际投入:
实际投入=基础金额*定投率
定投率可根据偏离均线范围进行设定,例如偏离均线范围 50%及以上,定投率设置为 40%,偏离均线范围 40%-50%,定投率设置为 50%
对应的该B站阿婆主给出了一个参考案例,在A、B、C点根据偏离情况分别计算定投率

上面的数字都是在当前价格超过均线的情况下,也就是在绝对的上涨阶段。对应的,在绝对的下跌阶段,同样可以参考上面的策略计算定投率
类似的参考案例,在D、E、F点根据偏离情况分别计算定投率:

其实说白了,该策略的重点就是计算定投率,而定投率是根据当前价格和近250天的均线的偏离程度计算的。
对应的就有了下图的这个基础策略:

其实这个策略就是我们常说的:大跌大买、小跌小买。
不一样的是,它将跌的程度进行了量化,你买进的份额也就随之可以量化。
这种策略的好处就是你可以在任意位置买进,只要你能坚持跟着策略做定投,最终都会赚钱,而且越到后面赚的越多。
在解释这个原理的时候,该阿婆主用了一个很极端的例子:在最高点的时候买进某数字货币,然后根据策略坚持定投,在经历了下跌和震荡之后,当该货币的趋势趋于平稳并且慢慢开始上涨时,持有的收益已经开始由负转正。
结合下面这张图来看:

在2017年12月末最高点买进,之后坚持策略一直定投,经历了18年整年,直到19年5月的时候,收益开始由负转正。
至于该数字货币后面怎么走,这不是我们今天要关注的内容,你可以看到,即使你在最高点买入,期间经历了 腰斩、膝斩、甚至都斩到脚后跟了,但你跟着策略走,你终究还是会回本。
无非就是 用时间来换金钱

当我在和朋友讨论这个策略的时候,他眼前一亮,告诉我说支付宝有一个智能定投,可以了解一下。
于是我去看了一下支付宝的定投策略,一句话描述一下大概是这样的:
根据参考指数的收盘价和历史均值,动态调整扣款率,高于均线少投,低于均线多投 见下图👇
这不就是我们上面看到的定投策略嘛?再往下看:支付宝将该定投方式命名为均线定投,它的公式如下:
实际定投金额 = 基础定投金额 * 当期扣款率
看到公式的时候我明白了,这就是一个策略,只是设定的定投率和当期扣款率不一样。

为了让大家看的更明白,我从支付宝上直接将均线定投策略的具体扣款率弄了下来:

到这里,这个策略的原理想必大家都已经很清楚了,通过这个策略,你可以去定投基金、场内ETF、大盘指数、甚至是个股。
对了,对于个股我其实不是特别建议用这个策略,毕竟波动性太大,容易受各方面因素的影响。其实个股我有另外的方法,之后也都会分享出来,大家可以订阅 投资理财,用数据说话 这个话题,方便接收最新文章。
最后说一下策略复现
在复现的时候因为主要涉及的参数有两个,一个是需要参考的MA均线,一个是需要设置的定投率
在设置MA均线时,B站阿婆主设置的初始MA均线是250,支付宝策略设置的MA均线是500和10。
在设置定投率时,B站阿婆主是通过网格交易的方式设置的固定比例,支付宝策略设置的趋势比例。
如果你是在国内交易,可以参考支付宝的策略参数,或者你可以根据你想要定投的目标搜索一个更加合适的参数。以下是我复现的支付宝策略的核心代码:
以沪深300为例,代码:.SZ
首先是获取到 2019年至2021年9月30日的所有数据,进行相应的数据处理(列重命名、时间序列转换、排序、设计辅助列等)
code = ‘.SZ’
start_date = ‘’
end_date = ‘’
df_data = w.wsd(code, “pre_close,high,low,close,MA”, start_date, end_date, “MA_N=500”,usedf=True)[1]
df_data1 = df_data.reset_index().copy()
df_data1 = df_data1.rename(columns={‘index’:‘trade_date’, ‘PRE_CLOSE’:‘昨收价’, ‘MA’:‘MA500’, ‘CLOSE’:‘收盘点位’, ‘HIGH’:‘最高点位’, ‘LOW’:‘最低点位’})
df_data1[‘trade_date’] = pd.to_datetime(df_data1[‘trade_date’])
df_data1 = df_data1.sort_values(‘trade_date’,ascending=False).reset_index(drop=True)
做了那么多年开发,自学了很多门编程语言,我很明白学习资源对于学一门新语言的重要性,这些年也收藏了不少的Python干货,对我来说这些东西确实已经用不到了,但对于准备自学Python的人来说,或许它就是一个宝藏,可以给你省去很多的时间和精力。
别在网上瞎学了,我最近也做了一些资源的更新,只要你是我的粉丝,这期福利你都可拿走。
我先来介绍一下这些东西怎么用,文末抱走。
(1)Python所有方向的学习路线(新版)
这是我花了几天的时间去把Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
最近我才对这些路线做了一下新的更新,知识体系更全面了。

(2)Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频,总共100多个,虽然没有那么全面,但是对于入门来说是没问题的,学完这些之后,你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

(3)100多个练手项目
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了,只是里面的项目比较多,水平也是参差不齐,大家可以挑自己能做的项目去练练。

(4)200多本电子书
这些年我也收藏了很多电子书,大概200多本,有时候带实体书不方便的话,我就会去打开电子书看看,书籍可不一定比视频教程差,尤其是权威的技术书籍。
基本上主流的和经典的都有,这里我就不放图了,版权问题,个人看看是没有问题的。
(5)Python知识点汇总
知识点汇总有点像学习路线,但与学习路线不同的点就在于,知识点汇总更为细致,里面包含了对具体知识点的简单说明,而我们的学习路线则更为抽象和简单,只是为了方便大家只是某个领域你应该学习哪些技术栈。

(6)其他资料
还有其他的一些东西,比如说我自己出的Python入门图文类教程,没有电脑的时候用手机也可以学习知识,学会了理论之后再去敲代码实践验证,还有Python中文版的库资料、MySQL和HTML标签大全等等,这些都是可以送给粉丝们的东西。

这些都不是什么非常值钱的东西,但对于没有资源或者资源不是很好的学习者来说确实很不错,你要是用得到的话都可以直接抱走,关注过我的人都知道,这些都是可以拿到的。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
需要这份系统化学习资料的朋友,可以戳这里获取
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/58921.html