今天上午聊天的时候讨论到all in情况下，在领域前端的边际收益无法覆盖去了解其他领域既成知识体系的机会成本，突然想到应该可以建立一个模型去分析，在怎样的条件下，拒绝all in而采用反脆弱策略，效用能够接近all in所可达到的高度？
简单整理下这个模型应该包括的要素：
时间投入应该是个守恒量，最终效用如何评定？这个模型应该要比收入分布讨论的模型复杂很多。 继续挖坑回填。
应该先建立效用函数，确定几个维度，然后按照边际效用递减原则对各个维度的情况打分，最终应该评价效用最大。 资料：
Updated 2018-01-20
17年的交易逻辑的确太嫩了，若不是最后一个月通胀预期起来，恐怕一整年收益跑不过货币基金。最主要的三条经验教训如下：
2018年逻辑应该基本清晰：油价 通胀 波动率。标的也非常清晰，除了上述三点教训，还是要注意仓位控制和恪守逻辑和策略。不贪不惧，多看书少看盘。毕竟目标很简单，跑赢无风险4%而已，去年目标是不亏，最后却完成了今年的目标不是。
Updated 2018-01-18
需要将几个pandas生成的csv文件合并到excel的不同sheets里，手动是一件比较蛋疼的工作，查了下python对excel的支持，发现pandas天生支持这类操作，大喜过望。测试之。 pandas写出xls简直像csv一样简单，而且是内生支持，不需要安装任何其他库。
以应用情景为例，写入不同的sheets，具体如下：
# open a new xlsx writer
writer1 = pd.ExcelWriter(out_dir+get_outfile_name(sta_num, 'Daily'))
for pos, spe in enumerate(species):
# parser data
pt=pd.read_csv(in_dir+get_file_name(sta_num, corr_algthm, spe, 'Daily'), parse_dates=True, skiprows=1, names=['time', '10H', '12H', '14H', '16H', 'max'], index_col='time')
pt.to_excel(writer1, spe)
# save xlsx
writer1.save()
其中第一个参数是xls的文件句柄，第二个是对应的sheet名，参见pandas的document
Updated 2018-01-16