Posts on Eryk's Blog

《穷查理宝典》读书笔记：芒格的智慧精华

Tue, 20 Jan 2026 16:00:00 +0800

前言

《穷查理宝典》并非传统的投资教科书，而是一位智者关于认知、决策和生活方式的深度总结。理解这本书的精华，关键在于跳出零散的金句，把握查理·芒格思维体系的核心。

CentOS 7安装各种版本的devtoolset-3

Fri, 29 Oct 2021 11:34:00 +0000

devtoolset介绍

devtoolset是为 Scientific Linux CERN 5 和 6 平台上的开发人员提供的产品。使用 Software Collections 框架，根据 UNIX 文件系统层次结构标准的建议，将一组额外的工具安装到 /opt 目录中。这些工具由用户使用提供的 scl 实用程序按需启用。

在MacBook中导入Redis源码并调试

Fri, 15 Oct 2021 11:34:00 +0000

下载Redis源码

`1`	`git clone -b 6.2 https://github.com/redis/redis.git`

CLion导入Redis

启动IDE之后弹出如下弹窗点击OK

等导入项目加载完成之后，在IDE中打开Makefileb并点击第三行的绿色箭头执行make操作

数字货币门罗币cpu挖矿教程

Sun, 25 Apr 2021 11:34:00 +0000

不可追踪的加密数字货币

门罗币（Monero）是一种分散的加密货币，意味着它是由用户网络操作的安全数字现金。事务通过分布式协商一致确认，然后在区块链上进行不可更改的记录。第三方不需要被信任来保证你的门罗币（Monero）的安全。

使用pycharm远程部署运行python程序

Sat, 06 Mar 2021 16:55:00 +0000

通常我使用笔记本电脑编写程序代码，而数据采集是由一台服务器进行，为了方便开发调试，需要把程序部署到服务器上运行。这时候就用到了pycharm的远程部署调试功能。

Pandas缺失值可视化分析模块：missingno

Sun, 27 Dec 2020 22:53:00 +0000

missingno提供了一个灵活且易于使用的丢失数据可视化工具和实用程序的小型工具集，使您可以快速直观地概述数据集的完整性（或缺乏完整性）。只需pip install missingno就可以开始使用了

投资著作品读1：《以交易为生II:卖出的艺术》中的精华

Sun, 20 Dec 2020 22:34:00 +0000

最近重读了这本经典的金融投资类书籍，把其中精华部分摘录的下来，除了摘录的部分，第三章内容介绍的交易日志介绍了如何给一笔交易打分也不错，作者让我们更多的关注一笔交易的好坏，而不仅仅是盯住账户盈亏，这样日积月累交易技术才会精进。以下是本书精华部分，介绍了多种卖出的目的与技术。

Pandas MultiIndex索引使用问题

Sun, 13 Dec 2020 16:54:00 +0000

关于MultiIndex的资料并不太多，官方文档链接请点这里查看。

最近在使用MultiIndex时遇到的一个问题，先描述一下数据格式。我使用MultiIndex DataFrame来存储股票未来N天的收益率，变量命名为returns，数据样例如下，columns 1d和5d分别表示未来1天和5天的股票收益率，index为MultiIndex，第一级索引为日期，第二级索引为股票代码。

一个Pandas索引生成的小问题

Wed, 09 Dec 2020 17:13:00 +0000

今天遇到一个Pandas索引生成的问题，需要根据股票日频数据生成1分钟间隔的index，想了3个方法来生成：

方法1: 如果有1分钟bar数据的话可以直接读取数据获取index值，可惜没有哈

Quantopian投资组合和绩效分析工具：Pyfolio

Sun, 29 Nov 2020 09:53:00 +0000

介绍

pyfolio是由Quantopian开发的Python库，用于对金融投资组合进行绩效和风险分析。它与Zipline开源回溯测试库配合使用良好。 pyfolio的核心是所谓的“tear sheet ”，它由各种单独的图组成，这些图提供了交易算法性能的全面图像展示。

Quantopian单因子分析工具：Alphalens

Fri, 20 Nov 2020 09:22:00 +0000

Quantopian是国外著名的量化交易平台，早期聚宽就是仿照这个网站开发的，算是这类平台的鼻祖了，可惜Quantopian最近刚宣布要停止运营了。Quantopian开发了许多优秀的开源项目，其中比较著名的有zipline、pyfolio和alphalens，zipline是事件驱动的回测引擎，Alphalens与Zipline开源回溯测试库以及Pyfolio配合使用，Pyfolio提供金融投资组合的绩效和风险分析。

股票重大利好开盘封涨停买不到？试试这个办法

Sun, 01 Mar 2020 01:27:00 +0000

大家也许有过这种经历，关注的某只股票突发利好消息预判会连续涨停，赶紧打开炒股软件准备下单，发现这只股票已经涨停了，而且是几十万手的大单封死，根本没机会下手，随后几天只能看着股票一个涨停接一个涨停的一路上涨，后悔下手太慢。这种情况还有办法上车吗，散户一般能想到的办法都没戏，但是可以试试下面这种办法，吃不到肉但也许能喝口汤。

使用Python抓取同花顺资金流数据

Sun, 16 Feb 2020 01:14:00 +0000

今天我们通过一个例子来介绍python爬取数据的一般步骤，用到的工具包括python的经典模块requests和BeautifulSoup，另外结合刚学习的任务流工具TaskFlow来完成代码开发。

OpenStack公共组件TaskFlow介绍

Sat, 08 Feb 2020 23:13:00 +0000

TaskFlow 是一个以高度可用，易于理解和声明试方式来执行[作业，任务，流程]的库，可与OpenStack和其他项目一起使用。

基本概念

taskflow库在oslo项目中是一个实现比较复杂的项目，要弄清楚其实现原理，首先需要对其中的相关概念有所了解。所以，本文首先总结了taskflow中常用的一些基本概念，这些概念主要包括如下几个：

读《期货市场计算机分析指南》笔记

Wed, 19 Jun 2019 09:42:00 +0000

第一章系统的建立

1. 鉴定可交易的市场

流动性流动性的最佳度量是交易量和未平仓合约数，观察一段时间的平均值优于观察单日
历史波动性历史上趋势变化范围宽的市场优于平静的趋势变化范围窄的市场
准确的基本面和技术面数据
避免新市场

2. 鉴别走势

两条移动平均线，例如: 3和12，9和18，观察不到水平状态
- 3 > 12，上升趋势
- 3 < 12，下降趋势
三条移动平均线，例如: 4、9和18
- 4 > 9 > 18, 上升趋势
- 4 < 9 < 18, 下降趋势
- 其他，水平状态
移动平均线和其他技术指标组合当指标发出的信号不一致时，认为市场无趋势或呈横向趋势
简单化

不建议运用翻转策略，因为这不能鉴定横向趋势的市场，并且总是存在于从多头到空头或者空头到多头的市场。这些反转系统总是倾向于在横向趋势的市场中出现锯齿状波动，毫无成功的可能，除非市场趋势持续如此。

将DataFrame内存大小减少约65％

Wed, 05 Jun 2019 10:48:00 +0000

这篇文章原文出自kaggle，我大致翻译翻一下，文中给出了reduce_mem_usage方法可以用来自动缩减dataframe占用空间

这篇notebook展示了通过使用更合理的数据类型来减少dataframe的内存使用量

Pandas hdf5使用指南翻译

Wed, 08 May 2019 21:51:00 +0000

读写API

HDFStore支持使用read_hdf进行读取和使用to_hdf进行写入的top-level API，类似于read_csv和to_csv的工作方式。

使用Pandas开发一个均线策略

Wed, 24 Apr 2019 20:47:00 +0000

我的微信公众号：pyquant

大家好，这篇文章我将使用Pandas创建一个简单的均线交叉策略，以500ETF作为标的物进行回测

移动平均线可能是技术指标里的"hello world"了，常用的均线有5、10、20、60、120日均线，在其他时间周期上应用移动平均线指标也是类似方式。

Multiprocessing Pipe和Queue性能测试

Mon, 22 Apr 2019 10:47:00 +0000

我的微信公众号：pyquant

背景

开发股票行情推送的引擎时遇到一个问题，在9:30开盘后的一段时间内行情消息总是堆积，尤其是开头15-20分钟，堆积的数据量会越来越多，经过debug发现是内部消息传输使用Queue性能问题导致了消息延迟，在stackoverflow上找到一个帖子对Queue的性能进行了测试和解释说明，下面先来介绍下Multiprocessing下的Queue和Pipe

Python异常处理伴侣 -- tenacity模块使用介绍

Wed, 19 Dec 2018 11:15:00 +0000

我的微信公众号：pyquant

在写代码时经常会遇到对抛出异常的代码进行重试，常见于网页爬虫的代码中，使用计数器 + 循环的方式对抛出异常的代码进行捕获和重试。tenacity是使用Python装饰器模式对方法异常进行捕获，通过灵活的参数实现简单优雅的异常重试。

Okex合约交易基本概念介绍

Fri, 25 May 2018 10:19:00 +0000

我的微信公众号：pyquant

概念

虚拟合约是合约交易的买卖对象，是由合约交易所统一制定的，规定了某一特定的时间交割一定数量商品的标准化合约。

OKEX的合约是OKEX推出的以BTC/LTC等币种进行结算的虚拟合约产品，每一张合约分别代表100美元的BTC，或10美元的其他币种（LTC,ETH等）,投资者可以通过买入做多合约来获取虚拟数字货币价格上涨的收益，或通过卖出做空来获取虚拟数字货币收益。合约的杠杆倍数为10或20倍。

《如何验证因子有效性》听课笔记

Sat, 19 May 2018 11:29:00 +0000

一维零投资组合

先对股票按因子大小排序， nt是top，nb是bottom，nb中停牌的股票跳过停牌的股票，已纳入的股票如果停牌的也不能调出且需要保留仓位

systemd入门教程

Thu, 29 Mar 2018 09:57:00 +0000

最近在处理数字货币行情数据，使用websocket接收行情数据写入磁盘，发现运行时间久了偶尔出现socket close的异常，重试多次无效后程序异常退出，所以考虑将python程序作为linux 守护进程运行，了解了supervisord和systemd，决定使用更强大的systemd。

逐笔，分笔，逐单，分时数据概念区别

Thu, 29 Mar 2018 09:57:00 +0000

我的微信公众号：pyquant

逐笔成交：

交易过程中的单次成交，是交易过程的真实成交情况。这是Level-2的专有数据，用一个实例来解释这个概念：假设目前的卖一是10元、100手，这时有人以10元委托买入100手，那么这100手是如何成交的呢？这要取决于卖盘由几个委托单构成，如果卖一是一个委托单，那就是一笔成交，即100手；而如果卖一是由40手和60手两笔委托构成，那么这100股就会分成两次成交，即40手一次，60手一次，逐笔成交就是2笔。

比特币挖矿

Sun, 18 Feb 2018 00:03:00 +0000

比特币介绍

比特币（BitCoin）的概念最初由中本聪在2009年提出，根据中本聪的思路设计发布的开源软件以及建构其上的P2P网络。比特币是一种P2P形式的数字货币。点对点的传输意味着一个去中心化的支付系统。

gitlab 持续集成

Mon, 05 Feb 2018 11:35:00 +0000

安装gitlab-runner

https://docs.gitlab.com/runner/install/index.html

国内镜像地址

https://mirrors.tuna.tsinghua.edu.cn/help/gitlab-ci-multi-runner/

注册Runner

https://docs.gitlab.com/runner/register/

步骤

注意：用户为root用户

root@sw:/home/sw# gitlab-runner register xuqi
Running in system-mode.

Please enter the gitlab-ci coordinator URL (e.g. https://gitlab.com/):
http://10.168.2.114/

Please enter the gitlab-ci token for this runner:

输入gitlab的token

Please enter the gitlab-ci description for this runner:
[sw]: xuqi
Please enter the gitlab-ci tags for this runner (comma separated):

Whether to lock the Runner to current project [true/false]:
[true]: true
Registering runner... succeeded                     runner=wzb81TcG
Please enter the executor: docker, parallels, shell, virtualbox, docker+machine, kubernetes, docker-ssh, ssh, docker-ssh+machine:
shell
Runner registered successfully. Feel free to start it, but if it's running already the config should be automatically reloaded!

注意： token位置在http://localhost/xxx/xxx/settings/ci_cd 页面里的Runners settings里

交易订单类型介绍

Sat, 13 Jan 2018 19:05:00 +0000

Filled相关Order类型：

Market Order
- 当订单规模很大时，broker可能会将订单拆分成多个规模较小的订单，导致以不同价格成交不同订单
- bid-ask spreads 较大时风险较大
Limit Order
- Some brokers may charge different commissions between Market & Limit Orders.
Market On Close(MOC) Order

比特币资源收集

Fri, 22 Dec 2017 23:25:00 +0000

资源

https://github.com/kennethreitz/awesome-coins

数据

https://www.cryptocompare.com/api

Cryptocurrency data API for over 40 exchanges and 600 coins(BTC,ETH,XMR + 600 other cryptos)

Get open, high, low, close, volumefrom and volumeto from the each minute historical data. This data is only stored for 7 days, if you need more,use the hourly or daily path. It uses BTC conversion if data is not available because the coin is not trading in the specified currency

https://bitcoincharts.com/about/markets-api/

Bitcoincharts’ API is accessable through HTTP Parameters are passed using GET-requests returned data is JSON encoded Don’t query more often than once every 15 minutes!

jupyter性能分析工具

Tue, 05 Dec 2017 12:18:00 +0000

magic functions:

%time: 记录script运行时间
%timeit: 循环n次，记录平均执行时间
%run & %prun: 分析script的执行效率
%lprun: 分析一条语句在function中执行效率
%mprun: 查看script脚本使用内存量
%memit: 循环n次，记录平均内存使用量

安装

pip install jupyter_contrib_nbextensions
pip install line-profiler
pip install psutil
pip install memory_profiler

jupyter load 插件

1
2

%load_ext line_profiler
%load_ext memory_profiler

Time Profiling

time & timeit

In [7]: %time {1 for i in xrange(10*1000000)}
CPU times: user 0.72 s, sys: 0.16 s, total: 0.88 s
Wall time: 0.75 s

In [8]: %timeit 10*1000000
10000000 loops, best of 3: 38.2 ns per loop

In [9]: %timeit -n 1000 10*1000000
1000 loops, best of 3: 67 ns per loop

%prun

In [10]: from time import sleep

In [11]: def foo(): sleep(1)

In [12]: def bar(): sleep(2)

In [13]: def baz(): foo(), bar()

In [14]: %prun baz()
7 function calls in 3.001 seconds

Ordered by: internal time

ncalls  tottime  percall  cumtime  percall filename:lineno(function)
     2    3.001    1.500    3.001    1.500 {time.sleep}
     1    0.000    0.000    3.001    3.001 <ipython-input-17-c32ce4852c7d>:1(baz)
     1    0.000    0.000    2.000    2.000 <ipython-input-11-2689ca7390dc>:1(bar)
     1    0.000    0.000    1.001    1.001 <ipython-input-10-e11af1cc2c91>:1(foo)
     1    0.000    0.000    3.001    3.001 <string>:1(<module>)
     1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}

Memory Profiling

%mprun

In [17]: %mprun -f foo foo(100000)
Filename: foo.py

Line #    Mem usage    Increment   Line Contents
================================================
     1    20.590 MB     0.000 MB   def foo(n):
     2    20.590 MB     0.000 MB       phrase = 'repeat me'
     3    21.445 MB     0.855 MB       pmul = phrase * n
     4    25.020 MB     3.574 MB       pjoi = ''.join([phrase for x in xrange(n)])
     5    25.020 MB     0.000 MB       pinc = ''
     6    43.594 MB    18.574 MB       for x in xrange(n):
     7    43.594 MB     0.000 MB           pinc += phrase
     8    41.102 MB    -2.492 MB       del pmul, pjoi, pinc

在jupyter中运行报如下错误：

使用树莓派+kodi搭建多媒体环境

Sun, 03 Dec 2017 14:26:00 +0000

制作启动盘

下载 RASPBIAN STRETCH WITH DESKTOP，地址如下

https://www.raspberrypi.org/downloads/raspbian/

使用SDFormatter 格式化sd卡
使用win32diskimager将 .img文件写入sd卡

安装kodi

参考如下步骤

数据预处理-清洗转换

Thu, 30 Nov 2017 15:39:00 +0000

转自：http://www.dataivy.cn/blog/data_etl/?wt_tb=1%7C1511709850969

当数据质量校验完成后，针对有问题的数据要进行的是数据清洗和转换，另外还包括对正常数据的转换。数据清洗的主要作用包括：纠正错误、删除重复项、统一规格、修正逻辑、转换构造和数据压缩。

深圳市价委托的类型

Fri, 24 Nov 2017 09:29:00 +0000

深圳市价委托的类型有五种，分别为：对手方最优价格、本方最优价格、最优五档即时成交剩余撤销、即时成交剩余撤销（FAK）、全额成交或撤销委托（FOK）。

Tradex笔记

Mon, 06 Nov 2017 09:29:00 +0000

TradeX 是为从事股票程序化交易的投资者提供一个接口，通过将自己的交易策略编写成计算机代码，实现自动自动快速读取行情进行分析，以及股票下单、撤单、查询，做到股票的全自动买卖。

期货分析与交易入门 live 笔记

Mon, 06 Nov 2017 09:29:00 +0000

手续费

包括期货交易所和期货公司收取，期货公司手续费是交易所基础上的1.1 ～ 1.5 倍

书籍推荐

道：斯坦利·克罗的《期货交易策略》和江恩的《如何从商品期货交易中获利》
术：中国期货业协会编的《铁矿石期货》，我们必须要了解铁矿石供给来源、中国铁矿石的进口量、铁矿石需求情况、铁矿石现货有哪些关键指标

关于大周期和小周期趋势问题

把握好小周期，积少成多

python编译打包pyc脚本

Fri, 27 Oct 2017 12:18:00 +0000

cd $1
python3 -O -m compileall .
find . -name '*.pyc' -exec rename 's/.cpython-36.opt-1//' {} \;
find . -name '*.pyc' -execdir mv {} .. \;
find . -name '*.py' -type f -print -exec rm {} \;
find . -name '__pycache__' -exec rmdir {} \;
zip -r ../$1.zip ./*

转自：https://my.oschina.net/bfbd/blog/864310

jupyter-notebook启动报错

Mon, 23 Oct 2017 10:32:00 +0000

执行启动命令如下：

`1`	`nohup jupyter-notebook --ip=127.0.0.1 --port=8801 --notebook-dir=/home/eryk/jupyter_home &`

错误信息如下：

`1`	`PermissionError: [Errno 13] Permission denied: '/run/user/1000/jupyter'`

解决办法：

`1`	`unset XDG_RUNTIME_DIR`

参考： https://github.com/jupyter/notebook/issues/1318

linux用户进程执行过程被系统kill掉了

Fri, 22 Sep 2017 15:16:00 +0000

系统日志显示

Sep 22 12:40:44 gpu01 systemd[1]: Stopping User Manager for UID 1001...
Sep 22 12:40:44 gpu01 systemd[1453]: Stopped target Default.
Sep 22 12:40:44 gpu01 systemd[1453]: Stopped target Basic System.
Sep 22 12:40:44 gpu01 systemd[1453]: Stopped target Timers.
Sep 22 12:40:44 gpu01 systemd[1453]: Stopped target Sockets.
Sep 22 12:40:44 gpu01 systemd[1453]: Stopped target Paths.
Sep 22 12:40:44 gpu01 systemd[1453]: Reached target Shutdown.
Sep 22 12:40:44 gpu01 systemd[1453]: Starting Exit the Session...
Sep 22 12:40:44 gpu01 systemd[1453]: Received SIGRTMIN+24 from PID 28725 (kill).
Sep 22 12:40:44 gpu01 systemd[1]: Stopped User Manager for UID 1001.
Sep 22 12:40:44 gpu01 systemd[1]: Removed slice User Slice of xxx.

google到如下解释： https://serverfault.com/questions/774491/what-is-sigrtmin24-in-syslog

CTA策略(Commodity Trading Advisor Strategy)

Thu, 21 Sep 2017 09:27:00 +0000

CTA(Commodity Trading Advisors)商品交易顾问，通常也被称作管理期货基金，是由于其最初主要活跃于商品市场。CTA基金起源于1949年，随着期货交易品种的不断扩展，CTA基金在资产的风险管理与运作方面显得日趋重要，很多机构投资者诸如养老金、信托基金等都开始大量采用CTA作为他们投资组合中的重要组成部分，并在优化组合、分散风险等方面取得了良好的效果。

ETF套利(ETF’s Arbitrage)

Wed, 06 Sep 2017 17:31:00 +0000

什么是ETF套利

　　ETF套利，是指投资者可以在一级市场通过指定的ETF交易商向基金管理公司用一篮子股票组合申购ETF份额或把ETF份额赎回成一篮子股票组合，同时又可以在二级市场上以市场价格买卖ETF。

PB系统介绍

Mon, 28 Aug 2017 10:00:00 +0000

概念

证券公司PB业务（Prime Broker），即主经纪商业务，也称为主券商业务或大宗经纪业务，是指证券公司向专业机构投资者和高净值客户等提供集中托管清算、后台运营、研究支持、杠杆融资、证券拆借、资金募集等一站式综合金融服务。

leve1、level2 解释

Thu, 24 Aug 2017 16:36:21 +0000

Level 1 Market Data

Basic market data is known as level 1 market data, and includes the following information:

Bid price: The highest price that a trader is willing to buy an asset at.
Bid size: The number of shares, forex lots or contracts that are available at the bid price.
Ask price: The lowest price that a trader is willing to sell an asset at.
Ask size: The number of shares, forex lots or contracts that are available at the ask price.
Last price: The price at which the most recent trade was completed.
Last size: The number of shares, forex lots or contracts that were traded in the most recent trade.

Level 1 market data provides all of the information needed to trade using most trading systems. If you are trading a price action or indicator based strategy, then Level 1 market data should satisfy your informational needs.

迅投交易终端

Thu, 24 Aug 2017 16:36:21 +0000

迅投交易终端——股票期货一体交易

迅投交易终端是一款集股票交易、期货交易、组合交易为一体的智能化金融交易工具软件。其开放式的策略接口、智能算法交易、组合交易管理、多账户管理、高度自定义交易界面、完整数据导入导出功能，为大资金客户、机构客户和自动化交易客户提供了一支虚拟交易团队，高效、精准、优秀地完成每一个任务指令，为用户做多品种交易、大资金分批建仓、对冲套利交易提供极大的便利性，是投资者最强大的交易助手。

jupyter使用pyspark教程

Wed, 23 Aug 2017 14:24:21 +0000

启动jupyter遇到的问题
```
Exception in thread "main" java.lang.NoSuchMethodError: scala.collection.immutable.HashSet$.empty()Lscala/collection/immutable/HashSet;
```
原因是因为spark依赖的scala版本与系统的不匹配，我的系统环境中scala版本是2.11.11，spark2.2.0目录下jars的scala版本是2.11.8

anaconda添加第三方源

Sat, 19 Aug 2017 15:42:36 +0000

Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。

Anaconda 安装包可以到 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 下载。

TUNA 还提供了 Anaconda 仓库的镜像，运行以下命令:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

conda config --set show_channel_urls yes

说明：

10分钟搭建github博客

Fri, 18 Aug 2017 10:16:44 +0000

搭建github博客，参考如下步骤

https://pages.github.com/

注册域名，修改域名DNS地址

找个域名服务商注册个域名，我使用的是godaddy，如果以后需要指向国内空间，建议在国内域名服务商注册。

注册好域名后，可以直接将域名cname到github博客地址，也可以使用dnspod.com的dns解析域名，在域名管理中把dns地址修改dnspod的dns：

金融名词解释（持续更新）

Fri, 18 Aug 2017 09:02:57 +0000

基础概念

证券市场的交易机制

分为报价驱动市场(Quote-driven Market 和订单驱动市场(Order-driven Market)两类，前者依赖做市商提供流动性，后者通过限价单订单提供流动性,交易通过投资者的买进委托和卖出委托竞价所形成。中国的证券市场属于订单驱动市场，包括股票市场和期货市场。

python装pymssql时遇到error: command 'gcc' failed with exit status 1

Thu, 17 Aug 2017 16:15:54 +0000

执行命令:

`1`	`pip install pymssql`

报错信息如下：

  Running setup.py install for pymssql ... error
    Complete output from command /home/lthpc/anaconda3/bin/python -u -c "import setuptools, tokenize;__file__='/tmp/pip-build-cpwncwyq/pymssql/setup.py';f=getattr(tokenize, 'open', open)(__file__);code=f.read().replace('\r\n', '\n');f.close();exec(compile(code, __file__, 'exec'))" install --record /tmp/pip-4l_hdx9q-record/install-record.txt --single-version-externally-managed --compile:
    setup.py: platform.system() => 'Linux'
    setup.py: platform.architecture() => ('64bit', 'ELF')
    setup.py: platform.linux_distribution() => ('debian', 'stretch/sid', '')
    setup.py: platform.libc_ver() => ('glibc', '2.2.5')
    setup.py: Not using bundled FreeTDS
    setup.py: include_dirs = ['/usr/local/include']
    setup.py: library_dirs = ['/usr/local/lib']
    running install
    running build
    running build_ext
    cythoning _mssql.pyx to _mssql.c
    warning: _mssql.pyx:143:4: Exception already a builtin Cython type
    building '_mssql' extension
    creating build
    creating build/temp.linux-x86_64-3.6
    gcc -pthread -Wsign-compare -DNDEBUG -g -fwrapv -O3 -Wall -Wstrict-prototypes -fPIC -I/usr/local/include -I/home/lthpc/anaconda3/include/python3.6m -c _mssql.c -o build/temp.linux-x86_64-3.6/_mssql.o -DMSDBLIB
    _mssql.c:435:22: fatal error: sqlfront.h: No such file or directory
    compilation terminated.
    error: command 'gcc' failed with exit status 1

google得到以下解决办法：

Docker+Grafana+Influxdb+Telegraf安装部署

Mon, 14 Aug 2017 23:53:13 +0000

docker启动Grafana + Influexdb

docker run -d \
  --name docker-statsd-influxdb-grafana \
  -p 3003:3003 \
  -p 8083:8083 \
  -p 8086:8086 \
  -p 22022:22 \
  -p 8125:8125/udp \
  samuelebistoletti/docker-statsd-influxdb-grafana:latest

设置InfluxDB

打开 http:localhost:8083，设置用户名密码

我的jupyter插件列表

Sun, 13 Aug 2017 16:25:19 +0000

jupyter notebook extensions 安装

pip方式安装

pip install jupyter_contrib_nbextensions

或者通过github master branch安装

pip install https://github.com/ipython-contrib/jupyter_contrib_nbextensions/tarball/master

Conda方式安装

conda install -c conda-forge jupyter_contrib_nbextensions

通过github 仓库安装

1
2

git clone https://github.com/ipython-contrib/jupyter_contrib_nbextensions.git
pip install -e jupyter_contrib_nbextensions

常用插件列表

全部jupyter插件列表在这里：

pandas使用pivot时遇到Index contains duplicate entries, cannot reshape

Thu, 10 Aug 2017 16:54:53 +0000

原始数据样例如下：

date        code    count
20170801    000001      10
20170802    000002      20
20170803    000001      30

使用pivot处理数据，命令如下：

df.pivot(index=‘date’,columns=‘code’,values=‘count’)

执行后报错信息：

ValueError: Index contains duplicate entries, cannot reshape

说明column有重复信息，使用如下命令检查重复列内容：

使用https方式连接jupyter

Wed, 09 Aug 2017 09:15:37 +0000

生成jupyter配置文件:

jupyter notebook –generate-config

注意：generate前是两个"-"，不知道为什么markdown里是两个，显示的时候成一个了

Mon, 01 Jan 0001 00:00:00 +0000

title: FIX协议介绍与QuickFIX使用入门(上) date: 2019-07-16 16:06:00 categories: 量化交易系统 tags: [FIX]

定义

FIX协议是由国际FIX协会组织提供的一个开放式协议，目的是推动国际贸易电子化的进程，在各类参与者之间，包括投资经理、经纪人，买方、卖方建立起实时的电子化通讯协议。

Mon, 01 Jan 0001 00:00:00 +0000

title: Python调用C/C++入门 date: 2019-08-23 14:19:00 categories: 量化交易系统 tags: [ctypes]

1. 背景

最近公司在某券商募集了一笔资金，需要对接其提供的程序化接口方便以后进行交易，对方只提供了c++版本程序，我们系统是python开发的，所以需要用python调用c++，大致了解下了python调用c++的几种方式，下面根据网上的资料介绍下几种方式优缺点，最后给个mac环境下python调用c++的例子。

Mon, 01 Jan 0001 00:00:00 +0000

Posts on Eryk's Blog

《穷查理宝典》读书笔记：芒格的智慧精华

前言

CentOS 7安装各种版本的devtoolset-3

devtoolset介绍

在MacBook中导入Redis源码并调试

下载Redis源码

CLion导入Redis

数字货币门罗币cpu挖矿教程

不可追踪的加密数字货币

使用pycharm远程部署运行python程序

Pandas缺失值可视化分析模块：missingno

投资著作品读1：《以交易为生II:卖出的艺术》中的精华

Pandas MultiIndex索引使用问题

一个Pandas索引生成的小问题

Quantopian投资组合和绩效分析工具：Pyfolio

介绍

Quantopian单因子分析工具：Alphalens

股票重大利好开盘封涨停买不到？试试这个办法

使用Python抓取同花顺资金流数据

OpenStack公共组件TaskFlow介绍

基本概念

读《期货市场计算机分析指南》笔记

第一章 系统的建立

1. 鉴定可交易的市场

2. 鉴别走势

将DataFrame内存大小减少约65％

Pandas hdf5使用指南翻译

读写API

使用Pandas开发一个均线策略

Multiprocessing Pipe和Queue性能测试

背景

Python异常处理伴侣 -- tenacity模块使用介绍

Okex合约交易基本概念介绍

概念

《如何验证因子有效性》 听课笔记

一维零投资组合

systemd入门教程

逐笔，分笔，逐单，分时数据概念区别

逐笔成交：

比特币挖矿

比特币介绍

gitlab 持续集成

安装gitlab-runner

注册Runner

步骤

交易订单类型介绍

Filled相关Order类型：

比特币资源收集

资源

数据

jupyter性能分析工具

magic functions:

安装

jupyter load 插件

Time Profiling

time & timeit

%prun

Memory Profiling

%mprun

使用树莓派+kodi搭建多媒体环境

制作启动盘

安装kodi

数据预处理-清洗转换

深圳市价委托的类型

Tradex笔记

期货分析与交易入门 live 笔记

手续费

书籍推荐

关于大周期和小周期趋势问题

python编译打包pyc脚本

jupyter-notebook启动报错

linux用户进程执行过程被系统kill掉了

CTA策略(Commodity Trading Advisor Strategy)

ETF套利(ETF’s Arbitrage)

什么是ETF套利

PB系统介绍

概念

leve1、level2 解释

Level 1 Market Data

第一章系统的建立

《如何验证因子有效性》听课笔记