为自己写代码修改

2025-06-11 14:40:22

运行结果如下

胜率设置：35.0%
胜利赔率：2.5倍
最大下注比例：50.0%
下注降低比例：70.0%
下注增长比例：1.3倍
最小下注金额：1

马丁格尔策略：
平均最终资金: 0.00
最高最终资金: 0.00
最低最终资金: 0.00
爆仓次数: 100 次，爆仓率: 100.00%

反马丁格尔策略：
平均最终资金: 3137.26
最高最终资金: 3904.19
最低最终资金: 2352.77
爆仓次数: 0 次，爆仓率: 0.00%

代码如下

"""
"""
马丁格尔策略 vs 反马丁格尔策略模拟程序

需求说明：
1. 模拟两种博彩策略的效果对比
   - 马丁格尔策略：输了就加倍下注，赢了降低下注（而不是重置为初始赌注）
   - 反马丁格尔策略：赢了就加倍下注，输了降低下注（而不是重置为初始赌注）

2. 核心参数：
   - 初始资金：100
   - 初始赌注：1
   - 每线程游戏次数：10000次
   - 线程数量：100个
   - 胜率：可调整（默认40%）
   - 赔率：可调整（默认1.5倍）
   - 最大下注比例：资金的20%
   - 降低下注比例：示例降低50%
   - 加倍下注比例：示例2倍
   - 最小下注金额：0.1

3. 风险控制：
   - 单次下注不超过当前资金的指定比例
   - 资金为0时停止游戏并记录为爆仓

4. 统计输出：
   - 平均最终资金
   - 最高/最低最终资金
   - 爆仓次数和爆仓率
   - 支持多线程并发模拟
"""

import threading
import random

# 参数配置
INITIAL_CAPITAL = 100     # 初始资金
INITIAL_BET = 1           # 初始赌注
COIN_FLIP_TIMES = 10000   # 每线程抛硬币次数
THREAD_COUNT = 100        # 线程数量
WIN_PROB = 0.35            # 胜率，示例40%
WIN_ODDS = 2.5            # 胜利赔率，示例1.5倍
MAX_BET_RATIO = 0.5       # 最大下注比例，示例20%
BET_REDUCTION_RATIO = 0.7 # 降低下注比例，示例降低30%
BET_INCREASE_RATIO = 1.3  # 加倍下注比例，示例1.3倍
MIN_BET = 1             # 最小下注金额

# 结果存储
results_martingale = []
results_anti_martingale = []

martingale_busts = 0
anti_martingale_busts = 0

lock = threading.Lock()   # 多线程锁，保护共享变量
def simulate(strategy_type):
    global martingale_busts, anti_martingale_busts

    capital = INITIAL_CAPITAL
    bet = INITIAL_BET

    for _ in range(COIN_FLIP_TIMES):
        # 检查是否有足够资金继续游戏
        if capital < MIN_BET:
            with lock:
                if strategy_type == 'martingale':
                    martingale_busts += 1
                else:
                    anti_martingale_busts += 1
            capital = 0
            break

        # 应用最大下注比例限制
        max_bet = capital * MAX_BET_RATIO
        bet = min(bet, max_bet)

        # 确保下注不超过当前资金
        actual_bet = min(bet, capital)

        win = random.random() < WIN_PROB

        if win:
            capital += actual_bet * WIN_ODDS
            if strategy_type == 'anti_martingale':
                bet *= BET_INCREASE_RATIO
            else:  # martingale策略
                bet = max(bet * BET_REDUCTION_RATIO, MIN_BET)
        else:
            capital -= actual_bet
            if strategy_type == 'martingale':
                bet *= BET_INCREASE_RATIO
            else:  # anti_martingale策略
                bet = max(bet * BET_REDUCTION_RATIO, MIN_BET)

    # 无论是否爆仓，都记录最终资金
    with lock:
        if strategy_type == 'martingale':
            results_martingale.append(capital)
        else:
            results_anti_martingale.append(capital)

threads = []

for _ in range(THREAD_COUNT):
    t1 = threading.Thread(target=simulate, args=('martingale',))
    t2 = threading.Thread(target=simulate, args=('anti_martingale',))
    threads.extend([t1, t2])

for t in threads:
    t.start()

for t in threads:
    t.join()

print(f"胜率设置：{WIN_PROB*100:.1f}%")
print(f"胜利赔率：{WIN_ODDS}倍")
print(f"最大下注比例：{MAX_BET_RATIO*100:.1f}%")
print(f"下注降低比例：{BET_REDUCTION_RATIO*100:.1f}%")
print(f"下注增长比例：{BET_INCREASE_RATIO}倍")
print(f"最小下注金额：{MIN_BET}\n")

print("马丁格尔策略：")
if results_martingale:
    print(f"平均最终资金: {sum(results_martingale) / THREAD_COUNT:.2f}")
    print(f"最高最终资金: {max(results_martingale):.2f}")
    print(f"最低最终资金: {min(results_martingale):.2f}")
else:
    print("无数据")
print(f"爆仓次数: {martingale_busts} 次，爆仓率: {martingale_busts / THREAD_COUNT * 100:.2f}%")

print("\n反马丁格尔策略：")
if results_anti_martingale:
    print(f"平均最终资金: {sum(results_anti_martingale) / THREAD_COUNT:.2f}")
    print(f"最高最终资金: {max(results_anti_martingale):.2f}")
    print(f"最低最终资金: {min(results_anti_martingale):.2f}")
else:
    print("无数据")
print(f"爆仓次数: {anti_martingale_busts} 次，爆仓率: {anti_martingale_busts / THREAD_COUNT * 100:.2f}%")

2025-04-01 10:51:58

查询慢查询

SELECT
    pid,
    usename,
    application_name,
    client_addr,
    query_start,
    state,
    query
FROM
    pg_stat_activity
WHERE
    state = 'active' -- 只查询正在执行的查询
    AND query_start < NOW() - INTERVAL '5 minutes' -- 筛选出执行时间超过5分钟的查询
ORDER BY
    query_start;

中止慢查询

SELECT pg_terminate_backend(pid)
FROM pg_stat_activity
WHERE
    state = 'active'
    AND query_start < NOW() - INTERVAL '5 minutes'; 

2025-01-09 18:48:54

rye使用镜像下载python

echo 'export PYTHON_BUILD_MIRROR_URL=https://registry.npmmirror.com/-/binary/python' >> ~/.bashrc
source ~/.bashrc

让rye默认使用阿里云镜像下载包

rye可以自定义源，自定义源有限官方源，参考：https://rye.astral.sh/guide/sources，所以：

code ~/.rye/config.toml

[[sources]]
name = "aliyun"
url = "https://mirrors.aliyun.com/pypi/simple"

2024-07-11 12:06:04

首先，你得理解为什么浏览器要限制跨域：

1. 比如我公司的静态 js 和图片，被某大流量网站直接引用了，我流量不直接被刷爆？
2. 某域名直接 iframe 之类嵌套，或者引用我的资料，打着李逵的名号，其实是李鬼。

所以，浏览器限制了跨域请求。

问：那么，我们开发时，想要访问线上接口怎么办？

答：我们可以用 vite 之类 nodejs 的代理功能，通过代理访问线上接口，代理一词的意思是我们访问本地的接口，代理服务器通过本地程序（非浏览器）转发到线上接口。

问：如果我们确实有线上项目的跨域请求的需求怎么办？

答：我们可以在服务器设置 Access-Control-Allow-Origin ，将我们自己人加入白名单。

2024-06-21 10:24:40

最近反思自己为什么老亏？以下为反思内容：

为什么大家在下跌的时候会焦虑，而有些人反而开心？根本可能在于自己的投资是否建立在安全边际之内。

如何通过资金管理建立安全边际？

举一个例子，假设投资以上证指数为参照，上证的筑底点位为 2400-3600 点，我们可以在 3000 点建立 70%，如果下降到 2400 时逐步升级到 90%，如果下降到 2400 以下的时候观望等待复苏，始终保持 10%的现金。如果逐步上升到 3600 点时降低到 50%仓位。股市到 3600 点以上时，我们逐步抛出剩余 50%。这样我们至少有 50%的仓位是能获取 600 点的收益的。

安全边际还有很多，比如现金流，股息，国资，垄断，品牌，创始人等等。

结论：我们大部分的投资都应该构建在安全边际之内。

群友问：

“如果你买的是个股，大部分人大盘 3000 到 2400 时亏的不止 600 点，大盘 2400 回到 3000 赚不到 600 点，所以“至少有 50%的仓位是能获取 600 点的收益”这个概率得降低。”

答：

所以需要结合其他几条，选择有安全边际的位置和投资标的。思路差不多。

比如我通过技术分析，发现化工行业可能已经达到筑底区域，那么我接下来继续重点选择化工行业的股票，为了提高安全边际，那么我选择股息率大于 3%（不涨就继续持有吃股息），近三年 roe 都大于 8%（保证有钱能吃股息），最好是国资（老板卖公司概率降低），现金流充沛（能持续发展，发股息），行业趋向回暖（比如煤炭石油降价受益标的）,然后首先投入 50%的资金，等待发展下跌持续加仓，这时候越跌你是越开心的，因为可以吃到更多的低位筹码了。最后，能不能赚钱，就靠老天爷赏口饭吃了。。。

以上只是思考的思路，未经验证。请勿作为投资依据。

2024-04-05 13:57:15

小时候最有意思的事情莫过于跟着堂哥抓鱼捉兔，堂哥是我们那一片丘陵中这个领域数一数二的好手，每次跟他出去都能有收获，哪怕我这完全啥都不懂的小白，也能跟着涨点见识，吃点荤。

农忙过后的秋天是狩猎野兔的好时机，我和堂哥会翻过一座由一座丘陵的山，寻找兔子踪迹。

在山谷的池塘边的山路上，听堂哥分析野兔的脚印应该是几天内还是几天前留下的；

在一片被啃过的菜地边，听堂哥分析野兔的家在哪里，通过哪里来到这里，是不是经常来；

在一堆沙土上，看着一堆圆圆的粪便，我们猜测这个兔子是今年的头窝，还是一条可能有四五斤的老兔子，年轻的往往往大说，年长的只是笑笑，可能还会偶尔用特殊的音调回一句“还不止”。。。

而这些分析完后，剩下的就简单了，我们就会在野兔的必经之路上，装上手工打造的套子或则买来的夹子，装好后做一些掩盖，然后奔赴下一个可能的山谷。。。

========故事结束============

“但凡经过，必留下痕迹”

这是我当前总结的量化的基础原理，个人没有强大的计算资源，无法像气象台预测天气一样预测经济，也没有精力通过高频交易加以对冲，我们只能通过那些小兔子留下来的痕迹，抓些倒霉的小兔子。

我们可以选择在气象台警告台风即将降临时不出海，
我们可以选择在禁渔期过后立马跑出去捞第一网，
我们可以选择只在我们熟习的海域撒网；
我们可以选择寻找一片还没有人到达的海域。。。

“市场和狩猎不同的是，这里我们即是猎人，更可能是小野兔子。”

"我们也不能守株待兔，历史往往不是简单的重复。"