ITPub博客

序列化和反序列化一个二叉树，是很开放的一题，就是给出一个二叉树，用序列化方法生成一个字符串；然后用反序列化方法把这个字符串生成原来二叉树。这个在编程时候各个类型一般都有序列化的，用于存储。这里面要用到python中list转化字符串方法 ','.join(list), 和字符串转换为list的方法string.split(',')。其实可以用之前刷题的几个题目来组合

继续刷题，感觉刷题还有乐趣的，搞得都不想去研究量化策略了。如果以前读书时候有这样刷题网站，简单而方便思考实现，估计我的计算机分数会好很多。题目是在给出二叉树中两个点，求出其最小共同父节点（LCA Lowest Common Ancestor)，如下图很好理解，比如5和1的共同父节点是3；6和7的最小共同父节点是5；而5和4的最小共同父节点是5本身。 考虑了一下，其实思路很简答，首先用前序

继续刷题，题目如下图如果用C描述的话，就是一个二叉树节点定义包括右节点指针，左节点指针，和右相连指针；给出一个二叉树，维护其右相邻指针，如果是最右边节点，则指针为空。struct Node {  int val;  Node *left;  Node *right;  Node *next;}思路其实很简单，这个可以按层分析二叉树，首先把当前层节点按照从左到

既然中序和后序队列构成二叉树写了，就把前序和中序一做吧。原理其实也很简单，前序队列第一个点就是根节点，再中序队列里面这个根节点可以分出左右两个树的两个中序队列，然后可以按照左右树的节点数量，再前序节点里面分出对应两组前序队列；然后反复递归即可。# Definition for a binary tree node. # cla

 假期继续刷题，也没有别的什么事情可以干。 这个题是给出中序和后序遍历队列，构造对应二叉树；题目很简单，如下图，给出两个遍历队列，构成二叉树，这里假定没有重复点。 想了好几天，真是惭愧，因为一直想一次遍历就完成构造，最后发现不行；然后就硬搞出一个多重循环的遍历方法，虽然可行，但是提交后提示耗时超过限制。最后还是用递归实现的。 其实原理很简单，对于后续遍历队列

继续刷题，判断二叉树是否存在一条路径满足和值要求。这个名称描述很复杂，其实很简单。如下图，判断是否有一个从根节点到叶子节点路径，和值为8， 就是1 -> 2-> 5。这个用递归来做很简单，就是判断输入节点的值和输入值是否一样，如果是而且当前节点为叶子节点，返回True，如果当前节点为空，返回False; 如果都不是，则递归到输入节点子节点，并且输入值为sum减去当前节点。这里使用or

继续刷题，判断是否镜像对称二叉树。镜像对称二叉树，顾名思义，以根节点为轴，左右节点和节点内容互为镜像；如下图所示。这里要避免和完全二叉树混淆。这个我还是考虑了一段时间，递归和迭代都可以实现。递归的，如果一个节点值作为输入很难实现，所以新建一个新方法recurse，输入左右两个节点，返回bool值。思路很简单，如果输入两个节点都是空，可能是单个跟节点，返回True；如果一个有，另一个为空，返回Fal

继续刷题， Python用递归实现求二叉树深度。其实就是求二叉树层级，比如一个单点就是一层，一个单点加左右两个叶子节点就是两层。其实二叉树问题用递归来求是比较快的。这个也是介绍的默认递归方法，就是如有子节点，递归，直到没有子节点为止。# Definition for a binary tree node. # cla

继续刷题，刷题果然会上瘾。Python实现二叉树按层级遍历，看起来有点复杂。如下图，如果一个二叉树有多层，则从上到下，每层按从左到右遍历。每层放在一个队列，整体返回一个多组队列的队列。看起来复杂，其实实现反而很简单；不用栈，就用一个节点队列放当前层级节点，遍历当前层级节点，读取值放入一个读取队列，读取当前节点的子节点放入另一个队列；当当前队列节点遍历完成后，使用下一层节点对用，相当于进入下一层，遍

顺便把Python用非递归实现二叉树后续遍历也写了。其实前序中序和后续都是针对父节点说的。比如下面这个最简单二叉树。前序就是ABC，父节点A在前中序就是BAC，父节点A在中间后序就是BCA，父节点A在最后无论多复杂二叉树，基本都是同样遍历流程。后续遍历可以说是最简单的，从左开始遍历并放入栈，读取没有下级节点的节点值，然后把该节点推出栈，并删除和上级节点关联；然后替换栈中最上的点，并去遍历右边子节点

刷题没事会上瘾，继续做了非递归中序遍历。中序遍历其实和就是先找到最左边节点，然后是其上级节点，再到上级节点的右边节点。比如下面的中序遍历结果就是 DBEAFC非递归实现逻辑，我想的这个比较笨。就是用一个队列做栈，先按照左边遍历压入栈中；当到左边叶子节点时候，读取并删除关联；推出栈回到上一级节点，如果上级节点没有右节点，则读取继续删除；如果有，则遍历右节点；为了防止右边遍历返回时候再次读取父节点；要

刷刷题换换下脑子。然后去一个刷题网站，从入门开始，没想到python写多了，数据结构都忘了，第一个二叉树前序遍历就想了好久才写出来。这里记录下，也算记录。二叉树前序遍历(Binary Tree Preorder Traversal)， 前序遍历首先访问根结点然后遍历左子树，最后遍历右子树。如下图所示，前序遍历结果：ABDECF考虑了下，要创建两个队列，一个放遍历结果，一个做类似栈作用，把路过节点放

2019算是完整的跑完一年量化交易，18年是实盘开始，蒙着眼大胆瞎搞，19年小心翼翼，花了不少时间做了些理论研究。这里推荐石川，刀疤连和量子动物园这几个微信公众号，相对于18年大胆交易为主，但是不知道所以然，今年倒是对于CTA的跟随趋势交易有了理论的了解。今年收益中体还是盈利，但是并不过，不过总体逐渐走好，也给了我继续做量化动力。今年实盘的主要交易策略都是跟随趋势交易，主要都是下面三个，中间断断续

经过一段时间学习和实践，感觉对于期货择时交易，跟随趋势基本上可以被认为是不二途径。那么对于CTA交易策略来说，及早发现趋势是非常重要。寻找趋势的方法很多，经典的比如均线快慢线交叉，布林带还有其他各种时序动量指标，这里推荐看看公众号刀疤连的一边大作‘和趋势做纯纯的朋友’。在实践中，发现经常陷入一个两难局面，一方面是希望即时发现趋势，这样不可避免就是的判定阈值变得敏感；往往就是敏感的指标被市场白噪声和

做python量化交易，尤其是做趋势跟踪的或者是K线指标分析跟踪的，TA-lib库基本都多多少少用到，搜索时候往往搜出来“塔利班”，所以玩笑塔利班库。尤其对于从传统K线技术分析转计算机量化的同好，基本上算是必备。第一，安装， 可以通过pip install ta-lib 进行安装，如果安装不了或者编译报错，可以直接在下载whl，然后pip install whl路径名 来安装https://www

在论坛里面看到不少关于分钟合成日线的讨论，也试着实现了。这里是针对vnpy2.0的，1.92其实基本也差不多。这里把合成的日线HLOC信息放在pandas.DataFrame里面，因为日线分析的话，对运算时间要求不是特别高，DataFrame足矣合成过程放在on_bar方法里面，对每个传入的分钟进行日线合并处理；这里用了trading == False进行判断，就是只在策略初始化过程对于历史数据进

之前做过利用机器学习做交易策略，最近也在看强化学习的。发现大多时候学习后策略都是倾向于空仓，完全不交易。当时还自嘲计算机有大智慧，空仓不玩是最好的策略。最近强化学习时候，才发现这个和回报值有关reward。如果不给空仓负回报的话，策略会在可能损失的主动交易，或者没有损失的空仓交易中，选择空仓作为自己的策略。所以，必须要引入基准利率，每天按照及基准策略计算本金损失，是的计算机避免长期空仓。可以用你的

昨天再研究lru_cache缓存读取回测优化时候，使用了性能分析工具cProfile，发现还是非常强力的分析工具，这里做个简单介绍。并结合说下一些策略提速思路。关于cProfile使用这个文章写的很详细，https://www.cnblogs.com/btchenguang/archive/2012/02/03/2337112.html 。 这里我简单接受下。安装不用安装，python一

VnTrader 2.0版本有不少提速措施，其中lru_cache是提高回测速度一个利器，让我用1.92为主的我很是羡慕。看说这个是python 3.5.2提供的功能，也就没多想。最近才发现其实有第三方在也支持python 2.7的版本，比如 functools32。还有一个用 C 语言实现的，更快的，同时兼容 Python2 和 Python3 的第三方模块 fastcache 能够实现同样的功

最近一段时间都是Jupyter Notebook做策略的最初版本设计，就是行情导入画图一类。之前做个dataframe做分析容易，这个算是简化版本。新建一个DataAnalyzer 类，这个简单很多，支持从csv和mongodb导入行情数据，和从1分钟k线整合不同分钟k线下面是导入1分钟螺纹钢数据，整合为5分钟K线from pymongo import MongoCl