请 [注册] 或 [登录]  | 返回主站

量化交易吧 /  量化平台 帖子:3365825 新帖:32

【量化课堂】“深综君”和“深成君”的前生今世 (星霜篇

量化王者发表于:5 月 10 日 06:05回复(1)

导语:
在此前的《追忆篇》中,我们着重介绍了“深综君”和“深成君”这对兄弟二十多年来的恩怨情长与悲欢离合。文章置笔的那一刻,笔者颇有种“春去秋来红尘中,谁在宿命里安排;红红心中蓝蓝的天,是个生命的开始;前尘红世轮回中,谁在宿命里徘徊;冰雪不语寒夜的你,那难隐藏的光彩……”(91版《雪山飞狐》片尾曲《追梦人》中的歌词)一般的感伤情怀。今天,就让我们把思绪回归当下,来一次小小的“入世”思索。


(友情提示:本文篇幅较短,但可能仍会引起您的的疑虑和不适,如有顾虑,敬请止步^_^)


众所周知,国内不少金融行情软件向来鲜有职业精神,不说别的,仅仅是在“深综君”和“深成君”这两个的成交额数据上就让人无比蛋疼,我们截图来加以说明:





这是传说中“市场占有率位居领先地位”的某行情软件的成交额数据——




到最后我们发现,对于深综君,人家连数据都不提供给你了(美其名曰“顺应客户需求”),而上图的成交额数据,原来都是“偷梁换柱”(或有其它原因我们不得而知)——





更加坑爹的是,我们惊讶的发现,有着类似情况的国内软件居然不在少数,对此我们深感无奈的同时也只能“呵呵”以对了……(欢迎大家验证)那么是否所有的行情客户端都是如此呢?答案是否定的。相比之下,某知名金融数据公司(投资机构方市场占有率大约90%)的厚道和专业就应当给予三十三个赞!有图为证——





如此一看,高下立判;孰好孰坏,一目了然!


然而,“世事难预料”这句话说得一点没错。就在本文准备发稿的当天,我们例行公事般再次核实了该公司软件客户端的两指数据,结果却悲伤地发现,曾经的“阳光少年”,如今竟也被犬儒主义打倒,而经过认真沟通,我们得到的官方解释同样是:顺应客户需求……(若需真实数据,需要另外购买)


有图为证——




于是,我们再一次陷入了深深的思考……


我们认为,在某种利益诉求的前提下,“市场为王”的经营思维无论如何都无可厚非,从这个角度讲谁也无法超凡脱俗,但同时不得不说,“顺应客户需求”式的“民主”如果走过了头就可能带来“民主的泛滥”和“信息的失真”,最终导致“市场的走偏”和“利益的失衡”,这同样是不争的事实。在这个泥沙俱下物欲横流金钱至上的浮躁当下,能够虚极静笃愿意回归初心的企业和团队已为数不多,而在致力于“无条件将产品做到极致”这一原始问题上,所有人都需要付出更多更多。我们毫无理由地坚信,无论时代怎样发展,社会怎么样进步,“工匠精神”和“共享精神”都应是亘古不变的内在驱动和活力源泉,而这作为专业服务的第一根基,必将成为对于忠诚用户的最大回报以及对于“不忘初心,方得始终”的最好诠释。


说到这里,我们突然想到弘一大师李叔同先生《晚睛集》中的一段描述:“世界是个回音谷,念念不忘必有回响,你大声喊唱,山谷雷鸣,音传千里,一叠一叠,一浪一浪,彼岸世界都收到了。凡事念念不忘,必有回响。因它在传递你心间的声音,绵绵不绝,遂相印于心。”
(上述思考或有偏颇,欢迎探讨,也欢迎拍砖。)

最后的最后,让我们思绪回归,上段干货:

df=get_price(security=['399106.XSHE','399001.XSHE'],start_date='2010-01-01',end_date='2016-08-19', frequency='daily', fields='money', skip_paused=False, fq='pre')
df.money = df.money.applymap(lambda x: '%.2f亿' % (x/1e8))
df.money



大家可以尝试在研究模块中键入如上代码,看看结果如何。


没错,正是 “深成君”和“深综君”的真实成交额数据列表(代码中的日期可任意修改):







这些数据,同学们不必有所顾忌,尽可免费获取免费使用,不解释,你懂的!


所以……就没有所以了!文章到此结束!


欢迎更多的同学能加入到聚宽的大家庭,做研究,大丰收!

本文由JoinQuant量化课堂推出,版权归JoinQuant所有,商业转载请联系我们获得授权,非商业转载请注明出处。

文章更迭记录:v1.0,2016-08-19,文章上线
df=get_price(security=['399106.XSHE','399001.XSHE'],start_date='2010-01-01',end_date='2016-08-18', frequency='daily', fields='money', skip_paused=False, fq='pre')df.money = df.money.applymap(lambda x: '%.2f亿' % (x/1e8))df.money

399106.XSHE399001.XSHE
2010-01-04822.79亿141.99亿
2010-01-051023.96亿224.17亿
2010-01-061028.86亿235.38亿
2010-01-071042.56亿229.67亿
2010-01-08831.22亿163.18亿
2010-01-111001.92亿211.21亿
2010-01-121144.97亿243.58亿
2010-01-131254.63亿298.52亿
2010-01-141190.06亿219.46亿
2010-01-151060.95亿182.12亿
2010-01-181071.67亿192.85亿
2010-01-191067.42亿171.02亿
2010-01-201291.09亿215.23亿
2010-01-21835.15亿170.27亿
2010-01-22953.63亿193.52亿
2010-01-25586.64亿122.37亿
2010-01-26707.93亿157.00亿
2010-01-27589.35亿145.47亿
2010-01-28587.97亿136.24亿
2010-01-29683.26亿133.17亿
2010-02-01728.34亿135.65亿
2010-02-02628.16亿118.38亿
2010-02-03796.63亿164.51亿
2010-02-04808.99亿130.59亿
2010-02-05824.78亿129.99亿
2010-02-08531.38亿81.49亿
2010-02-09467.58亿77.84亿
2010-02-10476.39亿89.88亿
2010-02-11469.98亿92.51亿
2010-02-12464.57亿83.95亿
.........
2016-07-083805.02亿1784.83亿
2016-07-114279.70亿1998.93亿
2016-07-124462.22亿2194.80亿
2016-07-134497.66亿2347.99亿
2016-07-143790.09亿1910.15亿
2016-07-153652.86亿1803.25亿
2016-07-183510.21亿1733.02亿
2016-07-193294.68亿1628.18亿
2016-07-203338.62亿1532.01亿
2016-07-213565.91亿1665.68亿
2016-07-223423.21亿1647.00亿
2016-07-253163.45亿1518.64亿
2016-07-262996.54亿1424.57亿
2016-07-274900.87亿2446.45亿
2016-07-283396.13亿1689.68亿
2016-07-292613.73亿1265.67亿
2016-08-012550.91亿1219.64亿
2016-08-021932.70亿866.39亿
2016-08-032228.11亿978.84亿
2016-08-042515.10亿1182.13亿
2016-08-052404.75亿1157.59亿
2016-08-082421.81亿1204.07亿
2016-08-092756.00亿1310.77亿
2016-08-102839.75亿1314.15亿
2016-08-112704.89亿1246.00亿
2016-08-122473.66亿1218.52亿
2016-08-154231.48亿1218.52亿
2016-08-164010.55亿2056.63亿
2016-08-173751.49亿2056.63亿
2016-08-183783.49亿1795.60亿

1611 rows × 2 columns

全部回复

0/140

达人推荐

量化课程

    移动端课程