苏慕白的博客
一个无聊的博客
-
-
-
薅羊毛~ 判断一个项目是否可做，参考五个维度。 第一，是否合法？ 第二，市场总量有多大，预期收入是多少？ 第三，是否长期可做？ 第四，盈利模式 和 操作难度是否简单？ 第五，容错性是否够好，后期延展性如何？ 项目合法，市场体量大，利润高，长期可做，高复购率，操作简单，容错性强，就是顶级好项目。 以上5条全占，便是五星项目，拒绝三星级以下的项目，拒绝违法项目。 薅羊毛也可以兼具阳光、暴利、合法，收入远超屌丝的想象。 当年的借贷宝做活动，每拉一个新用户，奖励20元。 当年百度钱包也做拉新活动，每拉一个用户奖励18元。 趣头条的收徒功能，之前邀请好友奖励8元，后期还能持续赚分润。 去年微粒贷的拉新活动，只要转发链接让好友查看微粒贷额度，每发展1个用户，奖励20元。 今年2月份，T宝特价版拉新活动，用户可免费领5元/10元的现金红包，在指定页面0.1元购物。 推广者只要找人参与0.1元购物，每成交一个人，T宝就会奖励10元。 想象一下，这些活动能赚多钱？ 积累10个2000活粉的精准群，只要有一半人参与，便是暴利。 做T宝拉新活动，可躺赚10万。 做趣头条拉新，可躺赚8万，还有后续源源不断的收益。 大量平台在推广期都会有拉人送钱活动，只要你的群足够多，足够精准，顺手转发，日收入轻松破千。 -
-
12-29日 实盘策略 1. 前言 最近5天，一直在忙着让第二个圣杯策略实盘 前前后后改了应该有几十个bug了 因为这个策略需要高频超短线做市，之前的框架不能满足 框架太复杂，又熬了不少夜肝了不少代码 又把我的作息和生活节奏打乱了 Ps：安利一下这个免费的思维导图《GitMind》软件 2. 实盘收益 前一期的实盘策略目前保留了Bounce和RsiMa Fib Vwap虽然赚了30%个点，但是我还是把他剔除了，因为无法用回测数据支撑，跑着不放心 RsiMa属于趋势策略，Bounce为震荡策略，实盘中我与Bounce结合相跑 距离前一期一个月了，实盘也跑了一个月 期间最大回撤达到了20%多，虽然属于设计之内，但亏钱还是挺难受的，好在后面跑回去了 这个月整体盈利50%左右 3.实盘策略 1. Bounce 反弹 [圣杯] 该策略为震荡策略， 顺大势逆小势，大势为多，那么每当在底部就开多，到高处平多。做空反之 亏损的原因为大势逆转 12-19日 BTCUSDT 更换为BounceV2版本，回撤从-26.57%降低到-23.51%% 地址：https://sumubai.cc/post/49 开跑：11-29 18:22:36 2. Rsi Ma Rsi追踪趋势，Rsi值进行Ma平滑处理防止震荡重复入场 地址: https://sumubai.cc/post/60 开跑：11-29 18:22:36 3. Sb [圣杯2] 圣杯的首字母sb 23333 待跑 4. 往期实盘 11-14日 实盘策略 https://sumubai.cc/post/28 11-29日 实盘策略 https://sumubai.cc/post/52 -
-
第二个圣杯策略 记录一下 1. 策略原理 原理和Bounce反弹策略很像，区别在于一个逆势 一个顺势 暂时取名叫Sb策略，哈哈 有个坏处是它属于高频超短线策略，需要Maker手续费 Bounce反弹策略就不一样了，手续费再高也能盈利 半年了，每日每夜的研究，走过不少弯路 还好前一个月走回来了策略这条路 金融，Good Bye 2. 回测结果 万2手续费Eth近四个月： 万1手续费Eth近四个月： 万0手续费Eth近四个月： Eth Eth_Sell Dot Dot_Sell 两个交易对多空双开回测： 万2手续费近2个月： 万0手续费近2个月： 万2手续费近1年： 万0手续费近1年： 统计： 3. 总结 以上仅仅是两个交易对的效果，如果10个交易对呢，2333 然后加上配合市商账号相信日化可以达到5% 一如既往最大回撤控制在30% -
Dca策略 类马丁 1.策略原理 Dca：Dollar cost averaging 美元平均成本 使用均线确定趋势 均线金叉后 买入初始 N% 量 然后确定十条网格线 （网格之间间距越来越大） 每个网格线买入点的量倍投 止盈：持仓成本固定 1.5% 止损：第十条网格价格线的 N% 于普通马丁和网格不同，带有止损不会被套和爆仓 网格线和加仓量计算代码： seting = { 'base_size': 5, #初始下单量 % 'safety_size': 2, #马丁初始下单 % 'max_trades': 9, #最大交易数 'wangge_price': 0.4 * 0.01, #网格间距 'wangge_price_scale': 1.19, #网格乘数 'wangge_volume_scale': 1.8, #马丁乘数 } class DcaClass(): def __init__(self, seting): self.close = 0 #初始开仓价格 self.seting = seting self.i = 1 #参数i为第几条网格线 def step(self, i): pd = self.seting['wangge_price'] ss = self.seting['wangge_price_scale'] if i == 1: return pd if i == 2: return pd + pd * ss if i == 3: return pd + (pd + pd * ss) * ss if i == 4: return pd + (pd + (pd + pd * ss) * ss) * ss if i == 5: return pd + (pd + (pd + (pd + pd * ss) * ss) * ss) * ss if i == 6: return pd + (pd + (pd + (pd + (pd + pd * ss) * ss) * ss) * ss) * ss if i == 7: return pd + (pd + (pd + (pd + (pd + (pd + pd * ss) * ss) * ss) * ss) * ss) * ss if i == 8: return pd + (pd + (pd + (pd + (pd + (pd + (pd + pd * ss) * ss) * ss) * ss) * ss) * ss) * ss if i == 9: return pd + (pd + (pd + (pd + (pd + (pd + (pd + (pd + pd * ss) * ss) * ss) * ss) * ss) * ss) * ss) * ss if i == 10: return pd + (pd + (pd + (pd + (pd + (pd + (pd + (pd + (pd + pd * ss) * ss) * ss) * ss) * ss) * ss) * ss) * ss) * ss return pd """网格价格计算""" def long_line(self, i, side): return self.close - self.close * self.step(i) if side == 'BUY' else self.close + self.close * self.step(i) """倍投数量计算""" def safety_order_size(self, yuer, i, side): ok = yuer * self.seting['safety_size'] / 100 * math.pow(self.seting['wangge_volume_scale'], i-1) #次方根 return ok if side == 'BUY' else -ok 总结：Ma交叉后使用类似马丁的方法加仓，提高胜率 2.回测结果 -
Python实现TradingView中的PivotHigh和PivotLow 直接上代码： """枢轴点 最高价""" def PivotHigh(df, left, right=0): right = right if right else left df['pivot'] = 0.0 for i in range(len(df)): if i >= left+right: rolling = df['High'][i-right-left:i+1].values m = max(rolling) #print(GetTime(df['Time'][i], "%m-%d %H:%M"), df['High'][i-right], m, rolling) if df['High'][i-right] == m: df['pivot'].values[i] = m return df['pivot'] """枢轴点 最低价""" def PivotLow(df, left, right=0): right = right if right else left df['rollingLow'] = df['Low'].rolling(left+right).min() df['pivot'] = 0.0 for i in range(len(df)): if i >= left+right: rolling = df['Low'][i-right-left:i+1].values m = min(rolling) if df['Low'][i-right] == m: df['pivot'].values[i] = m return df['pivot'] 使用： import pandas as pd df = pd.DataFrame(r) #r为K线数据 df['PivotHigh'] = PivotHigh(df.copy(), 10, 10) df['PivotLow'] = PivotLow(df.copy(), 10, 10)
-
