习题2：电商业务指标
第一课的时候做了一个电商的业务流程剖析，这次要求给出具体步骤的量化指标，我做了这么一张图：
习题3：了解基本的股票指标：
开盘价/收盘价：市场当日成交的第一笔和最后一笔的价格；
最高价/最低价：当日成交的最高一笔价格和最低一笔价格；
成交量：当日成交的总手数（1手=100股）；
价格变动：最高价和最低价的差；
涨跌幅：最新成交价/前日收盘价*100%；
5日均价：5个交易日成交的平均价格 （分时成交量*分时成交价）/ 总成交量；
换手率：成交量/流通总股数×100%
数据图标如下：
图形说明：这其实就是最常见的股票走势图了。
黑色的柱状图叫蜡烛图，细线展示了当日的最高和最低成交价，粗线则是当日的开盘和收盘价，价格均线穿插于每日的波动之中。
下面的部分就是成交量的走势，以及成交量均线。
这个图应该是数据分析最常用的，被人研究最多的一张图了，由此衍生除了无数的参数比如 MACD 什么的，了解过股票的人比较容易理解。
这次作业的收获是，一开始想用 python 做这张图，后来放弃了，还是 excel 比较靠谱， 不花太多时间在工具上，能够作出结果就好。
另外对于量化交易有了一点更加深入的理解，总体来说，其实就是针对股票市场上的数据，做一个交易策略，并按照交易策略交易，而不是靠自觉判断，这种做法确实看起来更加“科学”一些，也就是说，理论上如果这个算法足够有效，能够识别出市场上的溢价，以及即将产生溢价的趋势，并作出买入决定，且能够在合适的时间出售获利，真正做到所谓的理性人的理性市场。
但是再一想想就有意思了，如果一个算法被证明是有效的，那么这个算法是不会被公开的，算法的研究者只会闷声发大财。可是其他人也会开始研究交易策略并且找到有效的方法，这就变成了算法和算法的博弈，也因为市场上的交易者发生了变化，即部分有情绪的人被理性的算法替代，之前针对市场所设计的算法也许就会失效。这是就要更新新的算法，才能持续在交易中保持优势。
对于有一定规律且变化小、变化慢的行业，基于过去数据的统计是好用的。比如各种实验数据，观测的是物理现象或者生物现象，这些现象过去的各个参数都没有发生过改变，今后也没有过多改变得可能。水在100摄氏度会沸腾，这个我们一旦发现了，证明了，就可以用于我们的预判，绝对不会有问题。
可是金融市场的影响因素太多了，政治环境、经济环境、交易者的情绪、时代的发展、实际产品的表现等等，这些因素都是高度不确定的，加上算法自己本身也是市场的搅局者，这让对于未来的预测变得毫无科学依据可言，而基础数据统计的交易策略，也需要加上人工的优化和监管，并且随着市场的变化不断更新，才有可能保持优势。
时间是交易的朋友，虽说长期来看，找到一个稳定获胜的策略几乎是不可能的，但是很有可能在短期能够有一个有效的方法获取利益。或者是反过来，从价值的角度，完全不考虑短期市场的波动，像巴菲特一样，利用数据从长期的价值和真实的市场中对股票的实际价值做评估，并在更长的时间维度上做策略。
总之，数据能够帮我们做许多之前可能做不到的事情，但是真实世界的复杂性超越了我们的统计推论，想要预测未来，还是要依靠人和计算机的结合。
本文为 泰阁志-解密大数据 学习笔记，了解更多请关注微信“泰阁志”
网友评论