逻辑对的情况下,该如何把握节奏?
这段时间最大的感受就逻辑假设在不断验真,可节奏把握的确是一件颇具奇技淫巧,难以搞定的风骚操作。其实本质还是资金仓位管理以及择时判据,逻辑对的情况下(big picture)有定量分析加持才行。
从16年下半年就看空科技股,当然这节奏是严重不对的,不断学习过程中看到smart beta痴痴买入ETF的策略加上投机性买入对价格的不断推升可以持续如此之久。终于憋到今年2月份第一次利率冲击,波动性回归,市场进入震荡格局。
这几天F的信息泄露+川普对A的税收大棒挥起,科技股终于出现像样的下跌了,大概瞄了下QQQ应该是回到去年十一月的水平,会买么?我还不会。FAANG只有PE到20以下我才会心动,G目前EPS 18股价1k,55的PE;被干的F目前PE 29,至少跌倒20以内,才会下手。只有apple目前17+。
看了下最近的资金曲线,基本维持窄幅震荡,大概只有3%左右最大回撤,相比指数的跌宕起伏平缓很多。重新审视了下仓位、标的的分散性和风险敞口,依然不觉得有什么问题。风险投资占总资产比重已经下降到24%左右。
逻辑上接下来应该去验真第二轮的利率上升冲击、国际经贸形势变换冲击以及地缘政治关系紧张冲击等,适当加一些吃backwardation rolling的标的后继续走佛系路线:观察,等待。
我想也可以抛出结论了:
客观交易系统还不成熟的前提下,不要在乎节奏,减少操作,注意风险敞口和布局即可。
Updated 2018-04-03
帮JL移植wrf3.8.1到天河2号。首先调整环境变量。
if [ -f /etc/bashrc ]; then
. /etc/bashrc
fi
# edited on Apr 1, 2018 for WRF
# User specific aliases and functions
#bug fix
source /WORK/app/osenv/ln1/set2.sh
export MODULEPATH=/WORK/app/modulefiles
#set COMMON input data path for CESM
#export COMMON_CESM_INPUT=/WORK/app/CESM_inputdata
#set Intel compiler and MPI
module load intel-compilers/13.0.0
module load MPI/Intel/MPICH/3.1-icc13
module load cmake/3.0.2
#set hdf5 and netcdf4 for WRF
module load hdf5/1.8.13/03-CF-13
module load netcdf/4.3.2/02-CF-13
#set jasper
export JASPER=/HOME/sio_goc017/WORKSPACE/jjl/soft/jasper-1.900.1
export JASPERLIB=$JASPER/lib
export JASPERINC=$JASPER/include
#set WRF
export WRFIO_NCD_LARGE_FILE_SUPPORT=1
export WRF_EM_CORE=1
export NETCDF4=0
export BUFR=1
export CRTM=1
export J="-j 12"
export MP_STACK_SIZE=4000000000
export OMP_STACKSIZE=4000000000
export KMP_STACKSIZE=4000000000
ulimit -s unlimited
ulimit -c unlimited
MPI_BUFFER_SIZE=128
注意在编译cumulus模块的地方大概要等待20分钟之久。采用上述环境变量出错:
wrf.o: In function `MAIN__':
wrf.f90:(.text+0x1f): undefined reference to `__intel_new_feature_proc_init'
libwrflib.a(module_check_a_mundo.o): In function `module_check_a_mundo_mp_check_nml_consistency_':
module_check_a_mundo.f90:(.text+0x31fa): undefined reference to `__intel_ssse3_rep_memmove'
module_check_a_mundo.f90:(.text+0x35ea): undefined reference to `__intel_ssse3_rep_memmove'
libwrflib.a(module_mp_etanew.o): In function `module_mp_etanew_mp_etanewinit_':
module_mp_etanew.f90:(.text+0xacb0): undefined reference to `__intel_ssse3_rep_memmove'
libwrflib.a(module_mp_thompson.o): In function `module_mp_thompson_mp_table_ccnact_':
module_mp_thompson.f90:(.text+0x2ed74): undefined reference to `__intel_ssse3_rep_memmove'
libwrflib.a(module_ra_rrtm.o): In function `module_ra_rrtm_mp_rrtm_lookuptable_':
module_ra_rrtm.f90:(.text+0x256ea): undefined reference to `__intel_ssse3_rep_memmove'
libwrflib.a(module_ra_rrtmg_lw.o):module_ra_rrtmg_lw.f90:(.text+0x769bf): more undefined references to `__intel_ssse3_rep_memmove' follow
/WORK/sio_goc017/jjl/wrfdata/WRFV3/external/io_grib_share/libio_grib_share.a(io_grib_share.o): In function `transpose_grib_':
io_grib_share.f90:(.text+0x1ee4): undefined reference to `_intel_fast_memmove'
/WORK/sio_goc017/jjl/wrfdata/WRFV3/external/io_grib_share/libio_grib_share.a(io_grib_share.o): In function `transpose1d_grib_':
io_grib_share.f90:(.text+0x26f5): undefined reference to `_intel_fast_memmove'
io_grib_share.f90:(.text+0x29e3): undefined reference to `_intel_fast_memmove'
0.57user 4.84system 0:08.12elapsed 66%CPU (0avgtext+0avgdata 487696maxresident)k
12392inputs+102200outputs (47major+183178minor)pagefaults 0swaps
make[1]: [em_wrf] Error 1 (ignored)
Google以下,发现intel官网的trouble shooting page 以下内容:
I believe the message may be caused by mixing objects built with different compiler versions. The __intel_new_feature_proc_init entry point is only in recent compiler libraries; if you have code built with a recent compiler, but are linking to older run-time libraries, you might encounter such a problem.
有道理,可能是之前编译的模块没有删掉。执行
$./clean -a
再次测试一下.出现难以理解的错误:
nup_em.f90(68): error #7002: Error in opening the compiled module file. Check INCLUDE paths. [MODULE_INITIALIZE_REAL]
USE module_initialize_real, only : wrfu_initialize
-------^
real_em.f90(12): error #7002: Error in opening the compiled module file. Check INCLUDE paths. [MODULE_INITIALIZE_REAL]
表示找不到include文件。到相关目录下检查发现文件确实存在,奇葩……重新执行compile语句后编译成功。怀疑是天河的文件系统不稳定造成。
测试WPS编译出错。
make[1]: pathf90: Command not found
检查了下发现自己选错了architecture,并不是与前面相同的#15,而是#19.
Updated 2018-04-01
据CM大哥表示,天河不开NC4编译是不行的。果然,JL运行出错,测试NC4打开后是否能解决。
Updated 2018-04-03
开始测试tensorflow的图片分类器! 按这个视频来,发现train的一步出现问题
ERROR:tensorflow:Couldn't understand architecture name ''
发现是指定的环境变量读不到,于是将给ARCH赋值的语句和python执行语句一起放到shell脚本里,问题解决。 train的过程大概用了不到五分钟,估计30-60min的经验是CPU-based,tf应该自动选用cuda解决了。
之后做测试,效果很好。
Updated 2018-03-30