这实际上代表着一种极大的进步，老年人的选择显著增加。
[……]
基于对google提出的bbr算法源码阅读的一些学习：
https://github.com/torvalds/linux/blob/master/net/ipv4/tcp_bbr.c#L39
并不详细介绍bbr的原理，也不逐行解释
TCP底层的拥塞控制通过若干个定义在TCP层的接口被模块化了，不同的算法就可以直接hook对应需要的回调来实现不同的TCP拥塞控制算法。
布林线是一种路径指标，利用统计原理，求出股价的标准差，从而确定股价的波动范围及未来走势。
布林线副图是直接对均线求标准差，然后画两倍均线的图，主图是对Ma求出当前时刻的方差，然后将不同时刻的方差再滑动平均，
一般而言，形态可分为3种。
对每一个主要形态都有明确的分类，我们在[……]
TCP-Jersey拥塞控制算法在中文世界里的描述非常的少，有点好奇信号和丢包共同控制的算法是怎样的，就翻译了这篇论文，链接在最后。
传统TCP的拥塞控制算法是使用拥塞控制窗口来实现的，TCP发送端在发送时除了要兼容接收端的接收窗口，自己这边的发送窗口，还需要考虑拥塞控制窗口。在发送时，取min(w_{r}, w_{s}, w_c)，其中w_r是接收窗口，w_s是发送窗口，w_c是拥塞窗口。
发生丢包事件时，拥塞控制窗口的长度会缩小到一半，然后线性增加逐步增加，即加性增，乘性减(AIMD)[……]
真实的回测非常重要
看着很像机器学习的交叉验证，但是实际上不是。
这个是相当于把分析拆分成多段，类似于用1~ 60跟K线决定第61根k线上操作的一些系数，根据2~ 61根K线决定第62根K线上操作的系数。
例如按照市值持仓，那每一个周期，就要更新持仓股票占比。
做了一个高频量化策略，回测数据平均一天翻三倍，昨天用钱测试发现实际一天亏损50%。
不明白差异为何如此大，在我的直觉里，理论和实际的差距应该非常小，尤其是当用钱测试完了之后，我用同样的策略，在这一段时间里回测结果相差依然很大。
找了一圈发现原来我在模拟中直接在最新的K线用了真实历史的收盘价，于是我把最新的模拟k线收盘价改成模拟价格，回测收益率立刻和真实收益率相同。
我用的1分钟k线数据，就这么一个1分钟不到的未来信息，可以让收益从-50%变成300%，真的非常夸张。
在当python的函数越短，通常意味着性能越高！
这不是笑话，在不改变算法的情况下，同一个功能是一定存在一个最短指令集的，当python代码变短意味着指令码变少，那多的指令码就在底层以CPU指令码的形式转移了。
这叫做同算法指令集数量守恒。 ——本人
python可用的分析工具：
