博弈论是指双方或者多方存在竞争、合作、冲突等情况下，通过充分了解各方信息，并依此选择一种能为本方争取最大利益的最优决策的理论。日常生活中有很多的事情和故事都有博弈论的应用，比如“田忌赛马”。
齐国大将田忌平日里喜欢跟贵族赛马赌钱。赛马的规则是每一方出上等马、中等马、下等马各一匹，共赛三场，三局两胜制。由于田忌的马比贵族的马略逊一筹，所以十赌九输。当时孙膑在田忌的府中做客，经常看见田忌同贵族赛马，对赛马的规则和双方马的实力差距都比较了解。某天孙膑看见田忌赛马又输了之后对田忌说：“明天你尽管同那些贵族们下大注，我保证让你把输的钱赢回来。”田忌相信了孙膑，第二天约贵族赛马，并下了千
“囚徒困境”在生活中经常能见到。比如之前我们提到的某东和某猫的价格战。虽然对于2家平台而言，都不降价才是最好的策略，但是往年每年都要进行降价促销，因此今年谁也不能保证对方不降价，此时单方面的选择降价是最好的选择，这样的话利润至少为8，但是运气好的话可能为14。如果选择不降价，虽然有可能保住10的利润，但是根据以往经验来看，利润最后更有可能为6。因此，双方都会选择降价，得到（8， 8）的结局。
但是如果2家之前就沟通好，都不降价的话，双方就能得到最好的均衡，就是（10， 10）。但是这样也构成了垄断。违反了反托拉斯法。
除了某猫和某东之外，外卖平台的价格战、滴滴和快旳打车的价格战、ofo和摩拜的
均衡在英文中是equilibrium，是来自经济学中的一个概念。均衡也就是平衡的意思，在经济学中是指相关因素处在一种稳定的关系中，相关因素的量都是稳定值。比如，我们去商场买东西，那我们作为买家和卖家之间是买卖关系，经过讨价还价最终将商品的价格定在了一个数值上，这个数值买卖双方都能结束，这个时候我们就说买家和卖家之间达成了一种均衡。
博弈论中的均衡是指参与者之间经过博弈，最终达成了一个稳定的结果。均衡只是博弈的一种结果，但并不是唯一的结果。博弈的均衡是稳定的，这种稳定点是可以通过计算找到的。我们以一个例子来分析一下博弈中的均衡。
女孩Alice和男孩Bob青梅竹马，对彼此都有好感，但是这份
因为工作原因，所以经常需要给新机器安装Python3运行环境。所以记录一下安装过程，方便后续查阅。
Python的源码下载需要到官网下载，地址为：
https://www.python.org/downloads/source/找到需要的版本进行下载，比如： 3.8.2版本。
在编译安装Python之前，需要先安装一些系统依赖，可以使用如下命令：
sudo apt-get install zlib1g-dev libbz2-dev libssl-dev libncurses5-dev libsqlite3-dev libreadline-dev 在使用Django Admin做一些业务系统时发现它默认的时间格式是类似于：
May 8, 2020, 11:55 a.m.这对于一般的客户来说，读起来有点麻烦。所以经常会收到反馈是希望有一个易读性更强的时间字段。实现方法很简单，可以这样：
在ModelAdmin中，添加一个新的时间方法，例如：
def formated_time(self, obj):
return obj.timefield.strftime("%Y-%m-%d %H:%M:%S")然后指定它对应的ORM中的字段以及字段的说明：
formated_time.admin_order_field = 'timefi最近将工作的操作系统从Ubuntu切换到了MacOS。在运行爬虫脚本时，如果抓取HTTP的页面，则没有报错，但是当遇到HTTPS页面时，就出现了这么一个报错：
certificate verify failed: unable to get local issuer certificate (_ssl.c:1045)出现这个问题的原因是给这个网站的签发证书的CA证书没有在操作系统的root证书列表里。这里有2个可能：
对于这个问题可以有2个解决办法：
基金可以按四个维度来分类，按投资品种分、按交易渠道分、按运作方式分，按投资方式分。
注意：这四个方法并不是相互独立，而是各有交叉的，同一只基金在不同的分类标准下属于不同的类型。
货币基金用来投资企业债、银行定期存款、地方政府债、国债，比较安全相对收益也比交低，一般在2%-4%左右。
注意：没有投资债券占比要求，除了投资一年内的债券，还可以投资银行定期存款等其它收益比较稳定的有价证券。
货币基金的筛选方法：
scikit-learn是一个由Python开发的免费开源机器学习库，它提供了现成的功能来实现诸如线性回归分类器、SVM、k-means和神经网络等多种算法，以及一些可以直接用于训练和测试的样本数据集。是目前机器学习应用程序中使用最广泛的库之一。
可以直接使用pip进行安装：
pip install scikit-learn学习就是人类通过观察、积累经验，掌握某项技能或能力。就好像我们从小学习识别字母、认识汉字，就是学习的过程。而机器学习（Machine Learning），顾名思义，就是让机器（计算机）也能向人类一样，通过观察大量的数据和训练，发现事物规律，获
NumPy和Pandas都是用Python做数据处理时非常好用的库。在一个新同学要使用Python做数据分析处理时，通常都会被推荐使用NumPy和Pandas这2个库。
Numpy提供了很多方便统计计算的功能，比如计算均值（mean函数）和标准差（std函数）。NumPy支持向量计算，例如向量加法、与标量相乘等。而Pandas则更进一步，它是基于NumPy开发的数学分析工具，是为了解决数据分析任务而开发的，用来存储和处理大型矩阵，比Python自身的嵌套列表结构要高效、方便很多。
既然要做数据分析，那就不能只是分析单个数据了，所以从一维数组的数据分析开始。在NumPy中，一维数组的格
Alpha策略是比较常见的量化策略。
Rs = α + Rf + βs(Rm + Rf) + ε其中 Rs为现货组合的预期收益率， Rf为无风险利率，Rm为市场指数的预期收益，ε为误差项，α衡量了非系统性风险，βs衡量了系统性风险。
市场上常见的指数基金表现为： 如果整个市场涨了，业绩也跟着涨，但如果整个市场跌了，业绩也跟着跌。这是因为它的Beta系数一般在1左右，所以它的收益主要来源于Beta。
但是，如果只是依靠β来获利，那在市场走下坡时，就没有办法做到盈利了。因此我们需要更多考虑alpha参数，使得即使在市场下行时，也能获得正的超额收益。