昨日阅读0.5小时，阅读40.5

昨日阅读2小时，累积阅读59小时。

昨日阅读3小时，累计阅读35小时

昨天阅读1小时，累计阅读41.5小时。

昨天1小时，累计221

昨天阅读1小时，累计178小时。

昨天阅读1小时，总计阅读233小时

昨天阅读5小时，累计阅读5小时。刚刚加入

昨日阅读1小时，累计阅读361小时

昨日阅读1小时 共计51.5小时

今日阅读《鱼羊野史》。
今日阅读1小时，累计阅读175小时。

挑战30天第10天，昨日阅读2小时，累计阅读160小时

昨日阅读2小时，累计阅读7.5小时。

1.Visualize This The FlowingData Guide to Design, Visualization, and Statistics
2.Chaoes Monkeys
全部看完后再发读后感，与大家交流。

昨日阅读1小时，累计阅读38小时

昨天阅读3小时，总共阅读130小时

昨日阅读1小时，总阅读时间22小时

昨日2小时，累计322小时

昨天阅读1小时，累积阅读36小时

内容：Multi-Asset Seasonality and Trend-Following Strategies, Nick Baltas

来源：https://bbs.pinggu.org/thread-4954321-1-1.html

总结：主要提到用趋势跟随策略和季节性结合的方式，用季节性给趋势跟随增加Alpha且减少季节性因为交易成本而难以独自实现Alpha的问题。用的套路是长期panel regression（把最近的回报率作为y通过过去n个月的不同回报率作为一组x来回归。结论是股票/商品的季节性明显（尤其按因子大小排序，多排名靠前的品种同时空靠后的。文章关注的是calender month），而各个国债和外汇的不多。

对各国股票指数的回归其实显示12个月内尤其按季的动量因素显著但是季节性（按年）的只测出了36个月时延的（个人觉得这个有点不靠谱，更多可能是因为36个月是大周期轮回）。而12个月之后市场反转的厉害。大宗商品的年内波折反转很多，但10~11个月lag的相关性破表，而过了13~15个月lag的负相关破表。同样有很强的3/4/5整年的高相关，不明原因。国债在12个月内的正相关较高但后面略乱，有趣的是外汇居然没有像国债那样显示出套路，说好的外汇以利差为导向呢？

实操的部分讲到商品的近月合约回报和现货回报相差很大，构筑组合的时候要用近月的（也要根据近月的季节性来做），哪怕两者的价格波动相关性很高。组合另一个有趣处是用的波动性比重，就是用过去100天的资产波动性来决定接下来该品种的仓位。总的来说，用12个月时延（做多去年此月回报最高的几个指数/商品，同时做空最低的几个）可以获得稳定Alpha（指数约年化4%而商品约3%）。

文在结尾分析传统的趋势跟随策略（做多过去12个月高回报的资产并做空低回报的）时，看到这个趋势跟随的统计数字都很好看，但似乎更多因为历史引起，而在近年表现的波动很大。

我觉得这里的问题是用到6~20个月的回报率做回归，逻辑意义有限，有点强行data mining的感觉，而且历史回报率之间不是正交。不过总的来说，这个作者是UBS的ED，实战派，写得清晰明了，方法思路和结果分析都有一定强度。只是这个Alpha暂时不是聚宝盆，读者不要预期太高哈哈。

昨日阅读时间1小时，总阅读时间24小时。
关注职业资格证的调整：
http://www.gov.cn/xinwen/2017-01/02/content_5155588.htm

1.今天你阅读到的有价值的全文内容链接
（1）《麦肯锡：精英的谈判策略》P317-P412  120min
4.昨日你阅读的时间量：2小时
5.你参与活动至今的总时间量：39小时

昨日阅读2小时，累计阅读30小时
挑战第14天

昨日阅读时间5小时与累积阅读时间75小时

昨日阅读1小时，累计阅读23小时。

昨天2小时，累积126小时

昨天阅读0.5小时，总共13.5小时

昨日阅读1小时，累计阅读93小时。

第181天，昨日阅读0.5小时，共计200.5小时！恒！

昨天阅读时间2小时，累计阅读时间126小时。

昨天阅读1小时，总阅读331小时