寒蝉 Hancic
Web 服务器怎么选
Nginx、Apache、Tomcat、Caddy、Traefik，还有框架自带的 uvicorn、Gunicorn、net/http——这些 Web 服务器各自擅长什么，什么场景选什么。
标签：科普
量化概念 17：基准与超额（跑赢谁，比赚了多少更重要）
基准（benchmark）是衡量策略的尺子：策略收益减基准收益才是超额，尺子选错超额全是幻觉。基准要风格匹配、用全收益指数；超额质量看信息比率（IR）——稳定的小超额，胜过碰运气的大超额。跑赢谁，比赚了多少更重要。
可转债的涨跌停限制
可转债与股票的涨跌幅规则差异较大，分上市首日和上市次日两个阶段。首日集合竞价申报范围 70%—130%，连续竞价设两档临时停牌（20%和 30%），收盘集合竞价深市有 10% 限制。次日及以后实行 ±20% 涨跌幅限制。
从内存到消息队列：数据交换的进化链
一个系统刚开始的时候，所有数据都在一个进程里。函数调函数，变量传变量——快，简单，不会出错。这时候你不需要什么 REST，不需要什么消息队列，甚至不需要文件。 后来系统长大了。数据量撑破内存，业务逻辑要拆成多个进程，甚至要拆到不同的机器上。这时候你才意识到：数据要跨边界了。跨边界的代价，比你以为的大
量化概念 15：幸存者偏差（消失的样本，恰恰是亏得最惨的那批）
幸存者偏差（survivorship bias）：用"现在还活着"的样本回测历史，把退市/破产/被并购的股票排除——它们往往亏得最惨。例：90 只 +50% 与 10 只 -90%，只看幸存者 +50%，真实平均 +36%。方向固定只高估。避免：样本含退市股、历史时点用当时存在的股票。
量化概念 14：过拟合与样本外（回测越漂亮，越要警惕）
过拟合（overfitting）= 把历史数据里的噪声当规律背下来，参数搜索和因子挖掘是两大温床。防法核心：样本外验证（out-of-sample）——开发时不碰、最后一次性跑，看过一次就变样本内。样本内 40% 配样本外 5%，先怀疑过拟合。
量化概念 13：alpha 与 beta（市场赚的钱，和自己赚的钱）
beta（β）= 持仓对大盘的敏感度，是"在场"的代价；alpha（α）= 扣掉 beta 贡献后自己赚的部分，才是选股/择时的本事。例：大盘涨 20%、策略涨 25%、beta 1.2 → alpha 只有 1%。牛市里的漂亮曲线可能是 beta 撑的，熊市才检验 alpha。
量化概念 12：夏普比率与最大回撤（一个看值不值，一个看疼不疼）
夏普比率（Sharpe Ratio）= 每单位波动换来的超额收益，回答"值不值"；最大回撤（Maximum Drawdown）= 净值从峰值到谷值的最大跌幅，回答"疼不疼"。回撤不对称：跌 20% 要涨 25% 回本，跌 50% 要涨 100%。两个数比年化收益更能说明策略质量。
