2019年10月17日 对近期的数字货币交易甚是不满，于是触动了跳入量化交易深坑的想法。在无意中浏览了量化目录传送门这篇文章后之所以采用作者所推荐的python + mongodb(HDF5备选) + tensorflow这套量化框架是因为之前在机器学习的路上，对Python | TensorFlow | Numpy这些开发语言、框架、科学计算工具包有一些初步的了解，借这次跳坑的机会下决心好好系统的学习一下。
于是当即购入《利用Python进行数据分析》 (美)韦斯 ·麦金尼 (Wes McKinney) 著 徐敬一 译
凯里公式：（解决离散问题）
注意！胜率小于50%的情况下，不该参与
f : 现有资金下，投注的比例
b: 赔率 (1:1)
p: 胜率 (51%)
q: 败率 (49%)
如果每笔投资的收益率在一个区间那么就形成了一个连续问题，如何利用概率理论把解决离散问题的凯里公式用到解决连续问题呢？
夏普比率（计算公式）：
E(Rp): 投资组合预期报酬率
Rf: 无风险利率（通常指银行定期存款利息、国债收益等）
σp: 投资组合的标准差（波动率）
注:金融资产在N个单位时间周期的区间内，接近正态分布。（用金融资产构建的投资组合的收益率，在N个单位时间周期区间内，同样接近正态分布）
两个关键的统计量
-
: 收益率的预期值（expectation, mean）
历史收益率不能预测未来收益率谨记：市场有效假说（EMH）接近正确
-
: 波动率（度量风险的重要指标）
历史波动率就是对未来波动率的不错预测加入或参考其他方法可以提升预测的准确度
历史波动率的计算
- 选择一个时间区间，通常30天、60天、90天
- 计算每天的对数收益率：
