Fred Chien 關於工程師成長的思考

現在回想當年的狀況，發現當時是自己連問題在哪都不知道，基礎能力相當薄弱。縱使能夠寫大量的程式、熟悉不少常見的演算法與技術、也能把想到的功能都刻出來，但事實是連問對正確的問題都沒辦法，理所當然也不會得到正確的解答。

不過幸運的是，大概是高中低階技術和各種場景接觸多了（渾渾噩噩也經歷了五、六年），縱使也不是多厲害的專家，某一天開始感覺到開竅，似乎對很多當年從未想過、從未理解過的關鍵問題，不知不覺想通了。開始意會到當年系統架構設計的問題在哪裡、可改善的方向、程式該如何重構。

很多事沒有機運、沒有想過，就不會貫通，也無法想的深遠透徹。即使靠大量的單調無腦的苦練，成為了踢一萬次腿的鐵腿神，仍然無法得到突破。單論自己以一個後端工程師的生涯來說，經歷了近十年跌跌撞撞，才赫然發現自己剛踏出了 junior 的領域而已，得到了第一次的變身。

留言

這個網誌中的熱門文章

Git 注意事項

使用 Git 的一些技巧 1. git pull 的時候可以用 --rebase 比較不會有多餘的 merge point 2. 善用 squash commit，squash 完心情都很好 3. commit 之前一定要先 format code 一次，不然多出來的 reformat commit 會很難整理 4. 拆 commit，盡可能讓每個 commit 都可以 build & test，也比較好回到上游 5. 如果 local 修改的整理過的 commit tree 要 rebase 上去就只能用 rebase onto e.g., git fetch upstream git checkout -B local-rebase-branch upstream/feature/binance-futures git rebase -i upstream/main .... 改改改 git push -f origin HEAD -B 會洗掉原本就有的 local branch CS Visualized: Useful Git Commands Code Cleanup: Splitting Up git Commits In the Middle of a Branch Git rebase --onto an overview 30 天精通 Git 版本控管

閱讀完整內容

Papers on Quant Research

The Cross-Section of Expected Stock Returns Source https://www.ivey.uwo.ca/media/3775518/the_cross-section_of_expected_stock_returns.pdf Comment This is the famous Fama-French paper, which proposed the Fama-French factor model, and the basics of cross-sectional equity research methods. Value and Momentum Everywhere Source https://pages.stern.nyu.edu/~lpederse/papers/ValMomEverywhere.pdf Comment A good introduction to value and momentum; they can generate abnormal returns for individual stocks within several countries, across country equity indices, government bonds, currencies, and commodities. Mean Reversion in Stock Prices: Evidence and Implications Source http://papers.ssrn.com/sol3/papers.cfm?abstract_id=227278 Comment One of the earliest papers reflecting the mean-reversion nature of stock prices. Price Momentum and Trading Volume Source http://technicalanalysis.org.uk/volume/LeSw00.pdf Comment Gi...

閱讀完整內容

Engineer + Trader can be something else

尋找 Alpha ! 我們的核心目標是透過不斷地進行市場研究來建立交易策略，再透過程式進行相對高頻的交易，而這些策略是必須具有可重複、可規模化等特性。常見流程如下：一、研究數據在研究的工作上，我們會透過觀察數據找出最佳潛在的交易機會 — — Alpha 。二、發想交易策略基於交易訊號來建立「交易策略」，通常好的訊號要有很穩固的策略基礎原理，也就是核心邏輯，如果從數據直接推倒訊號，則有點倒因為果。三、寫程式進行自動交易最後，利用交易策略來編寫程式進行自動化交易，這階段的重點是「回測」，回測在未來不一定適用，但不回測就沒信心上線。並透過交易的結果持續優化策略。以我最近（從2021/9/22開始），投入 BTC/USDT 這個 trading pair $5000 USD 的小額試單為例：首先，比特幣市場特性為 1. 用戶在合約市場可以輕易開高倍槓桿 2. 由於行業缺乏監管，主力可以來回收割散戶籌碼，精準打止損爆倉是家常便飯（所謂價格不變，倉位不見） 3. 存量市場，博弈性質強烈永遠是散戶賠錢，握有交易數據與龐大資金的量體的主力賺錢開空的散戶多了，就漲了開多的散戶多了，就跌了根據上述先驗知識，我們在想有沒有辦法可以預先解析主力動向？很難。但我們只要知道大部分散戶在做什麼，反著做就可以了！為什麼？因為 BTC的價格會傾向往阻力最小的方向移動。那什麼是阻力最小？我們得先有一個假設：散戶喜歡開高倍槓桿，主力機構一般不開槓桿！多頭槓桿倍率高 ⇒ 多頭車重，容易翻車; 空頭槓桿倍率高 ⇒ 空頭車重，容易翻車 e.g., 空頭平均槓桿是2倍; 多頭平均槓桿是20倍。那麼機構傾向空方，因為拉 -5% 比拉 +50% 容易在大多數時候，多空槓桿倍率不會相差太多，但若行情到了關鍵位置：往往多空倍率會嚴重失衡！這時候選擇當槓桿倍率高的對手方⇒賺錢機率基較高。該如何知道哪邊的槓桿倍率比較高？由眾多期貨數據組成，其中一個重要是資金費率。永續合約的資金費率在加密貨幣衍生品市場，有一種特別的期貨，它的特色是沒有到期日。所以引入資金費率來平衡價格，用來促使促使永續合約貼近現貨價格的一種機制。合約價格高於現貨價格時：資金費率為正多方支付空方利息促使多方平倉，賣出手中的合約⇒降低價格合約價格低於現貨價格時：資金費率為負...

閱讀完整內容

Austin's

搜尋此網誌