1、有时候选择大于努力（投资炒股->炒美股）

2、不努力就没有选择的机会（名校本科+研究生+充分准备面试技巧+争取工作调动）

3、关键点很重要，在最关键的时候，必须全力一击！

4、富贵险中求，适当冒一点险（风控能力）

5、越早开始存钱，越好

6、打工是发不了财的、但是前期要积累工作经验和锻炼品质，竭尽全力把工作做好！再想办法开拓其他的赚钱方式！

监管通报要求，证券公司作为持牌机构，要坚持“回归主业、突出专业”的基本要求。一方面，如法律法规有明确要求，应做到严格守法，按规定要求展业；另一方面，即使法律法规没有强制要求，也要从专业机构角度审慎评估，主动维护自身和行业形象，保护投资者和客户的合法权益。

具体来看，监管要求主要包括三个方面，一是“大V”引流开户给奖励不符合监管规定，证券公司不得开展相关合作；二是证券公司组织工作人员公开发表言论应符合规范要求；三是证券公司应强化组织外部人士发表评论的管理。

此前，多地基金公司和基金销售机构相继收到了当地证监局下发的《关于规范基金投资建议活动的通知》，一些基金“大V”的投资组合也从各基金销售机构下架，仅保留了赎回功能。

监管关注到两类券商与“大V”的合作模式

机构监管情况通报显示，近期，在日常监管中关注到部分券商与“大V”合作开展网络直播、客户引流等活动，引发媒体广泛关注和报道，监管层对相关行为的法律性质进行了研究，明确了相应的监管要求。

通报内容显示，证券公司与“大V”合作有两种模式，一是投放开户链接模式，即通过微信“大V”投放开户链接，投资者通过点击开户链接转到相关公司开户页面进行开户操作。在付费方式上，主要是通过支付广告费的形式付给“大V”。该做法在形式上与开户数量不直接挂钩，但实质上仍是按照实施效果，如点击量、投放时间等付费。二是投资者教育形式的直播，如某证券公司与经济学家等知名“大V”合作开展直播活动，开展投资者教育，介绍投资理财知识，宣传公司品牌，对国家经济形势进行分析点评等。

监管要求，证券公司作为持牌机构，要坚持“回归主业、突出专业”的基本要求。一方面，如法律法规有明确要求，应做到严格守法，按规定要求展业；另一方面，即使法律法规没有强制要求，也要从专业机构角度审慎评估，主动维护自身和行业形象，保护投资者和客户的合法权益。

三方面监管要求

监管要求主要包括三个方面：一是“大V”引流开户给奖励不符合监管规定，证券公司不得开展相关合作；二是证券公司组织工作人员公开发表言论应符合规范要求；三是证券公司应强化组织外部人士发表评论的管理。

监管通知称，引流开户是一种客户招揽行为，属于证券经纪业务的一个环节。目前，监管仅规定了证券公司可以委托证券经纪人代理客户招揽活动，且证券经纪人应当是证券从业人员，并专职从事客户招揽和客户服务活动。互联网“大V”不属于专职从事证券经纪业务的证券经纪人，证券公司利用“大V”引流开户给奖励不符合监管规定，证券公司应停止相关合作。

此外，对通过“直播”等方式，配合开展内幕交易、操纵市场等违法违规行为，监管部门将“发现一起，查处一起”，绝不姑息。

四方面规范券商人士公开发表言论

监管通报要求，证券公司组织工作人员公开发表言论时，一方面禁止以直播的方式开展投资品种选择、投资组合推介等荐股行为。另一方面，证券公司工作人员通过网络直播等形式发表评论，应当保持客观、专业态度，主要聚焦经济形势分析、市场变动情况点评、经济数据解读等宏观层面，并严格遵循四方面要求。
一是确保信息来源合法合规、研究方法专业审慎。

二是坚守专业形象，不得使用低俗、夸大、诱导性、煽动性标题或者用语，不得通过着奇装异服、在特殊地点直播等方式博人眼球，不得盲目跟风炒作、人云亦云，一味追逐市场热点、吸引眼球。

三是对有关公开言论可能对市场产生的影响进行审慎评估，自觉维护市场正常秩序，防止诱导、渲染极端情绪。

四是充分发挥专业优势，引导市场树立长期投资、价值投资和理性投资的理念，促进市场稳定健康发展。

监管层表示，证券公司应进一步加强对证券公司工作人员直播展业的管理，完善内部管控机制，事前对直播内容进行把关，做好内容管理；事中对直播进行监测监控，遇有重大情况及时处理，避免产生不良影响；直播中出现违规情况的，及时启动内部问责机制。证券公司工作人员应当强化合规意识、树立责任意识，自觉维护个人、公司和行业声誉。发现问题的，严肃追究有关人员的责任，形成警示效应。

在证券公司外部人士发表评论的管理方面，证监会要求，证券公司组织社会知名人士、专家学者、经济学家等外部人士发表评论，应当加强内部管理，对所组织会议、讲座材料、嘉宾演讲内容、直播内容等做好事前审核工作，评论内容不得涉及对证券及证券相关产品的分析等投资咨询活动；同时充分揭示证券公司与外部人士的关系，并要求外部人士不得以证券公司名义发表评论或对外展业。

证监会表示，将持续关注证券公司与“大V”合作有关情况，针对新情况新问题，不断完善监管要求。一方面鼓励支持“专业人士，通过专业方式，说专业的话”，为首席经济学家专业发声创造更好地环境；另一方面严厉打击借直播之名，行违规之实的行为，维护行业发展的良好生态，如果发现公司存在违法违规情况的，将依法采取监管措施，严厉追究相关违规机构和个人责任。
 

def initialize(context):

    # 初始化此策略

    # 设置我们要操作的股票池, 这里我们只操作一支股票

    g.security = '600570.SS'

    set_universe(g.security)

    #每天9:23分运行集合竞价处理函数

    run_daily(context, aggregate_auction_func, time='9:23')  



def aggregate_auction_func(context):

    stock = g.security

    #最新价

    snapshot = get_snapshot(stock)

    price = snapshot[stock]['last_px']

    #涨停价

    up_limit = snapshot[stock]['up_px']

    #如果最新价不小于涨停价，买入

    if float(price) >= float(up_limit):

        order(g.security, 100, limit_price=up_limit)

    

def handle_data(context, data):

    pass

def initialize(context):

    # 初始化此策略

    # 设置我们要操作的股票池, 这里我们只操作一支股票

    g.security = '600570.SS'

    set_universe(g.security)

    pass

    

#当五日均线高于十日均线时买入，当五日均线低于十日均线时卖出

def handle_data(context, data):

    security = g.security



    #得到十日历史价格

    df = get_history(10, '1d', 'close', security, fq=None, include=False)

	

    # 得到五日均线价格

    ma5 = round(df['close'][-5:].mean(), 3)

    

    # 得到十日均线价格

    ma10 = round(df['close'][-10:].mean(), 3)



    # 取得昨天收盘价

    price = data[security]['close']



    # 得到当前资金余额

    cash = context.portfolio.cash

    

    # 如果当前有余额，并且五日均线大于十日均线

    if ma5 > ma10:

        # 用所有 cash 买入股票

        order_value(security, cash)

        # 记录这次买入

        log.info("Buying %s" % (security))

        

    # 如果五日均线小于十日均线，并且目前有头寸

    elif ma5 < ma10 and get_position(security).amount > 0:

        # 全部卖出

        order_target(security, 0)

        # 记录这次卖出

        log.info("Selling %s" % (security))

def initialize(context):

    # 初始化此策略

    # 设置我们要操作的股票池, 这里我们只操作一支股票

    g.security = '600570.SS'

    set_universe(g.security)

    #每3秒运行一次主函数

    run_interval(context, func, seconds=3)

      

#盘前准备历史数据

def before_trading_start(context, data):

    history = get_history(10, '1d', 'close', g.security, fq='pre', include=False)

    g.close_array = history['close'].values

    

#当五日均线高于十日均线时买入，当五日均线低于十日均线时卖出

def func(context):

    

    stock = g.security

    

    #获取最新价

    snapshot = get_snapshot(stock)

    price = snapshot[stock]['last_px']

    

    # 得到五日均线价格

	days = 5

    ma5 = get_MA_day(stock, days, g.close_array[-4:], price)   

    # 得到十日均线价格

	days = 10

    ma10 = get_MA_day(stock, days, g.close_array[-9:], price)



    # 得到当前资金余额

    cash = context.portfolio.cash

    

    # 如果当前有余额，并且五日均线大于十日均线

    if ma5 > ma10:

        # 用所有 cash 买入股票

        order_value(stock, cash)

        # 记录这次买入

        log.info("Buying %s" % (stock))

        

    # 如果五日均线小于十日均线，并且目前有头寸

    elif ma5 < ma10 and get_position(stock).amount > 0:

        # 全部卖出

        order_target(stock, 0)

        # 记录这次卖出

        log.info("Selling %s" % (stock))    



#计算实时均线函数

def get_MA_day(stock,days,close_array,current_price):

    close_sum = close_array[-(days-1):].sum()

    MA = (current_price + close_sum)/days

    return MA



def handle_data(context, data):

    pass

def f_expma(N,m,EXPMA1,price):

    a = m/(N+1)

    EXPMA2 = a * price + (1 - a)*EXPMA1

    return EXPMA2 #2为后一天值



#定义macd函数，输入平滑系数参数、前一日值，输出当日值

def macd(N1,N2,N3,m,EXPMA12_1,EXPMA26_1,DEA1,price):

    EXPMA12_2 = f_expma(N1,m,EXPMA12_1,price)

    EXPMA26_2 = f_expma(N2,m,EXPMA26_1,price)

    DIF2 = EXPMA12_2 - EXPMA26_2

    a = m/(N3+1)

    DEA2 = a * DIF2 + (1 - a)*DEA1

    BAR2=2*(DIF2-DEA2)

    return EXPMA12_2,EXPMA26_2,DIF2,DEA2,BAR2



def initialize(context):

    global init_price

    init_price = None

    # 获取沪深300股票

    g.security = get_index_stocks('000300.SS')

    #g.security = ['600570.SS']

    # 设置我们要操作的股票池, 这里我们只操作一支股票

    set_universe(g.security)



def handle_data(context, data):

    # 获取历史数据，这里只获取了2天的数据，如果希望最终MACD指标结果更准确最好是获取

    # 从股票上市至今的所有历史数据，即增加获取的天数

    close_price = get_history(2, '1d', field='close', security_list=g.security)

    #如果是停牌不进行计算

    for security in g.security:

        if data[security].is_open >0:

            global init_price,EXPMA12_1,EXPMA26_1,EXPMA12_2,EXPMA26_2,DIF1,DIF2,DEA1,DEA2

            if init_price is None:

                init_price = close_price[security].mean()#nan和N-1个数，mean为N-1个数的均值

                EXPMA12_1 = init_price

                EXPMA26_1 = init_price

                DIF1 = init_price

                DEA1 = init_price

            # m用于计算平滑系数a=m/(N+1)

            m = 2.0

            #设定指数平滑基期数

            N1 = 12

            N2 = 26

            N3 = 9

            EXPMA12_2,EXPMA26_2,DIF2,DEA2,BAR2 = macd(N1,N2,N3,m,EXPMA12_1,EXPMA26_1,DEA1,close_price[security][-1])

            # 取得当前价格

            current_price = data[security].price

            # 取得当前的现金

            cash = context.portfolio.cash

            # DIF、DEA均为正，DIF向上突破DEA，买入信号参考

            if DIF2 > 0 and DEA2 > 0 and DIF1 < DEA1 and DIF2 > DEA2:

                # 计算可以买多少只股票

                number_of_shares = int(cash/current_price)

                # 购买量大于0时，下单

                if number_of_shares > 0:

                    # 以市单价买入股票，日回测时即是开盘价

                    order(security, +number_of_shares)

                    # 记录这次买入

                    log.info("Buying %s" % (security))

            # DIF、DEA均为负，DIF向下突破DEA，卖出信号参考

            elif DIF2 < 0 and DEA2 < 0 and DIF1 > DEA1 and DIF2 < DEA2 and get_position(security).amount > 0:

                # 卖出所有股票,使这只股票的最终持有量为0

                order_target(security, 0)

                # 记录这次卖出

                log.info("Selling %s" % (security))

            # 将今日的值赋给全局变量作为下一次前一日的值

            DEA1 = DEA2

            DIF1 = DIF2

            EXPMA12_1 = EXPMA12_2

            EXPMA26_1 = EXPMA26_2

    def initialize(context):

 2    # 初始化此策略

 3    # 设置我们要操作的股票池, 这里我们只操作一支股票

 4    g.security = '600570.SS'

 5    set_universe(g.security)

 6    pass

 7

 8 #当五日均线高于十日均线时买入，当五日均线低于十日均线时卖出

 9 def handle_data(context, data):

10    security = g.security

11

12    #得到十日历史价格

13    df = get_history(10, '1d', 'close', security, fq=None, include=False)

14

15    # 得到五日均线价格

16    ma5 = round(df['close'][-5:].mean(), 3)

17

18    # 得到十日均线价格

19    ma10 = round(df['close'][-10:].mean(), 3)

20

21    # 取得昨天收盘价

22    price = data[security]['close']

23

24    # 得到当前资金余额

25    cash = context.portfolio.cash

26

27    # 如果当前有余额，并且五日均线大于十日均线

28    if ma5 > ma10:

29        # 用所有 cash 买入股票

30        order_value(security, cash)

31        # 记录这次买入

32        log.info("Buying %s" % (security))

33

34    # 如果五日均线小于十日均线，并且目前有头寸

35    elif ma5 < ma10 and get_position(security).amount > 0:

36        # 全部卖出

37        order_target(security, 0)

38        # 记录这次卖出

39        log.info("Selling %s" % (security))

    def f_expma(N,m,EXPMA1,price):

 2    a = m/(N+1)

 3    EXPMA2 = a * price + (1 - a)*EXPMA1

 4    return EXPMA2 #2为后一天值

 5

 6 #定义macd函数，输入平滑系数参数、前一日值，输出当日值

 7  def macd(N1,N2,N3,m,EXPMA12_1,EXPMA26_1,DEA1,price):

 8    EXPMA12_2 = f_expma(N1,m,EXPMA12_1,price)

 9    EXPMA26_2 = f_expma(N2,m,EXPMA26_1,price)

10    DIF2 = EXPMA12_2 - EXPMA26_2

11    a = m/(N3+1)

12    DEA2 = a * DIF2 + (1 - a)*DEA1

13    BAR2=2*(DIF2-DEA2)

14    return EXPMA12_2,EXPMA26_2,DIF2,DEA2,BAR2

15

16  def initialize(context):

17    global init_price

18    init_price = None

19    # 获取沪深300股票

20    g.security = get_index_stocks('000300.SS')

21    #g.security = ['600570.SS']

22    # 设置我们要操作的股票池, 这里我们只操作一支股票

23    set_universe(g.security)

24

25  def handle_data(context, data):

26    # 获取历史数据，这里只获取了2天的数据，如果希望最终MACD指标结果更准确最好是获取

27    # 从股票上市至今的所有历史数据，即增加获取的天数

28    close_price = get_history(2, '1d', field='close', security_list=g.security)

29    #如果是停牌不进行计算

30    for security in g.security:

31        if data[security].is_open >0:

32            global init_price,EXPMA12_1,EXPMA26_1,EXPMA12_2,EXPMA26_2,DIF1,DIF2,DEA1,DEA2

33            if init_price is None:

34                init_price = close_price[security].mean()#nan和N-1个数，mean为N-1个数的均值

35                EXPMA12_1 = init_price

36                EXPMA26_1 = init_price

37                DIF1 = init_price

38                DEA1 = init_price

39            # m用于计算平滑系数a=m/(N+1)

40            m = 2.0

41            #设定指数平滑基期数

42            N1 = 12

43            N2 = 26

44            N3 = 9

45            EXPMA12_2,EXPMA26_2,DIF2,DEA2,BAR2 = macd(N1,N2,N3,m,EXPMA12_1,EXPMA26_1,DEA1,close_price[security][-1])

46            # 取得当前价格

47            current_price = data[security].price

48            # 取得当前的现金

49            cash = context.portfolio.cash

50            # DIF、DEA均为正，DIF向上突破DEA，买入信号参考

51            if DIF2 > 0 and DEA2 > 0 and DIF1 < DEA1 and DIF2 > DEA2:

52                # 计算可以买多少只股票

53                number_of_shares = int(cash/current_price)

54                # 购买量大于0时，下单

55                if number_of_shares > 0:

56                    # 以市单价买入股票，日回测时即是开盘价

57                    order(security, +number_of_shares)

58                    # 记录这次买入

59                    log.info("Buying %s" % (security))

60            # DIF、DEA均为负，DIF向下突破DEA，卖出信号参考

61            elif DIF2 < 0 and DEA2 < 0 and DIF1 > DEA1 and DIF2 < DEA2 and get_position(security).amount > 0:

62                # 卖出所有股票,使这只股票的最终持有量为0

63                order_target(security, 0)

64                # 记录这次卖出

65                log.info("Selling %s" % (security))

66            # 将今日的值赋给全局变量作为下一次前一日的值

67            DEA1 = DEA2

68            DIF1 = DIF2

69            EXPMA12_1 = EXPMA12_2

70            EXPMA26_1 = EXPMA26_2