"不积跬步，无以至千里"
Part I 每日杂想
还是不知道自主选题该写啥（初中和高中就有一定的写作障碍症）。不过昨天看到一篇影评，感觉真的是警世危言，推荐一下（韩国电影真的是什么都敢拍）。
这部电影讲述的是1997-1998年亚洲金融危机前后韩国的遭遇——国家破产，但是兜底的永远是普通民众。
这是悲哀，也是必然。我们不得不面临的一个事实是普通民众作为一个总体，一定是经济危机来临时最“后知后觉”的群体——无论从可获得的信息，还是从知识结构、认知能力，民众都有天生的劣势。
政府到底有多少粉饰太平的倾向，这个话题过于敏感，不便展开。但是有一点，人们也许不会记得你太平时期的兢兢业业，但是对于绝境中施予的援手却没齿难忘。
而我们常说的“发国难财”本质上依然是收刮民脂民膏。电影里主要角色之一的尹正学是一名拥有敏锐嗅觉的金融投机者，在发觉危机苗头后果断做空韩元，并利用获得收益大肆收购市场上抛售的“中小户型房产”——这多是民众为偿还债务不得不采取的举措。
我们不得不正视的一点是，“经济危机”的出现是有其合理性的，其实危机这个词带有明显的主观色彩，客观而言经济危机就像是一场“大清洗”——清理掉经济社会中过度不合理的成分，只是作为底层的民众往往会成为成本转嫁的最后接盘侠。
经济危机的另一大作用是财富再分配，毕竟俗话说得好，“富贵险中求”。对于某些人来说，也许真的是阶级、财富和人生的改变。但总体来讲，经济危机往往会拉大整体社会的贫富差距。财富再分配惠及的范围实在有限。
经济危机是对社会信用体系的冲击和考验。在困难的时候，即使是最亲近的朋友也可能欠债不还。所以……
守住现金流是民众在危机时刻自保最重要的手段，翻译成人话就是少借钱，多挣钱。
Part II 每日学习(good good study, day day up)
交易学习 /反思
年后第一笔交易，以止损出场告终。虽然亏了钱，但反思更重要。
- 为什么选择做多欧元？
基本面：无论从经济增长还是货币政策的预期来看，继续恶化的空间都非常小，利空出尽往往也会出现波段性升值反弹；
技术面：欧元兑美元出现Bull Setup形态，是反转形态，但反转之前很可能还有一跌，下方支撑还是比较明显。
潜在盈亏比：下方止损设置在1.1265的前低位置，入场点位1.1305，目标点位1.144附近，潜在盈亏比约为3.5，还是值得尝试。
- 为什么出场？
欧洲市场开盘后，市场大幅振荡，触及了止损，“死在了黎明前”。
止损设置不到位（继续学习如何有效止损），但是设置得太宽会使自己得风险暴露太大。脑壳疼！
- 忽略了什么？
忽略了市场情绪性因素：从持仓来看，重要反向指标散户持仓出现多仓拥挤的局面，空仓则大幅萎缩，多头数量占比一度达到75%。
由于美国政府关门，CFTC持仓数据更新极其滞后，无法参考。
- 如何解决
尽快做出自己的交易系统
要聚焦机会最大的资产
编程珠玑
基础01：pandas中dataframe的重要操作
- 读取excel
import pandas as pd
file="" ###(具体的文件路径）
spread= pd.read_excel(file,sheet_name="sheet 1", header=0, skiprows=[0,2],
usecols="A:E,H:K", parse_dates=["date"], index_col=0)
-
注意：
- 通过pd.read_excel()读入的数据保留在dataframe格式中
- file 用于储存文件的路径
-
- sheet_name 用于选择读入的工作表单的名称。赋值可以是字符、整数型、列表和None:
- 默认是0，即第一张工作表。以此类推，1即是第2张表
- 直接是用表名，则使用的是字符型赋值（如上例）
- 若使用None,则读取所有工作表
- header 制定某一行为列名（列索引）。赋值可以是整数型或是整数型列表
- 默认是0，即第一行
- 若是整数型列表，则成为多元索引
- index_col 指定特定的列作为行索引。与header类似
- names 指定列名，赋值类型是列表，而且需要设定header=None
- skiprow （从开始算起，0-indexed）需要跳过的行。赋值是整数型的列表
- skipfooter （从末尾算起，0-indexed）需要跳过的行
- usecols 选择要读取的列。赋值可以是字符、整数型、列表和None：
- 字符型赋值。使用excel的列名字母来读取，用逗号来间隔，如上例
- 整型列表（包括整型），常规操作
- 字符列表，常规操作
- parse_dates 重要的读入日期的函数选项。赋值类型是布尔值、列表或字典：
- 若是一维列表（数字或列名），如[1,2,3]，则将索引是1，2，3的列读取为3个单独的日期列
- 若是二维列表，如[[1,2,3]]，则是把3列合并为一个日期列
- 若是字典，则另外加上了列名：{{'date' : [[1,2,3]]}}，合并并命名为date
- 切片
df= pd .DataFrame()
### 定义数据框
df.列名
df[]
# 列名取列
# 数字则是取行
df.loc[]
## 逗号分隔行和列，其中列必须用列名，不可以用数字（除非列索引指定为数字）
df.iloc[]
## 逗号分隔行和列，行和列都用数字
