投行和演算法

㈠ 投資銀行傭金幾種主要的計算方法

證監會規定：交易傭金不超過千3，交易傭金不足5元按5元收取。

2.手續費構成：交易手續費=凈傭金+規費+過戶費+印花稅（單邊）

①凈傭金：即券商收取的費用，成本在萬1左右。

②規費：即證管費和經手費的統稱，證管費萬0.2，經手費萬0.487，由券商代交易所收取。

③過戶費：即交易所收取的股票過戶的費用，萬0.2，目前大部分券商只收上交所的過戶費。

④印花稅：國家財政稅收，千1，僅賣出單邊收取。

3.券商傭金計算方式：一般說的傭金為凈傭金+規費。由上面介紹可以看出，券商代收的費用為萬0.887（不含印花稅），這部分是雷打不動的，剩下的凈傭金就是券商的毛利。券商總的成本在萬1.5左右。這就不難看出，即便市面上傭金很低，絕大多數也就是萬1.5，真正能萬1全包的很少。
在中國A股市場上買賣股票需要收取的手續費有3種：印花稅、過戶費以及券商的傭金。

買進股票交易過程中會產生傭金和過戶費，賣出股票交易過程中會產生傭金、過戶費和印花稅。需要提醒的是，我國僅上海證券交易所收取過戶費，深圳證券交易所是沒有此項費用的。

印花稅

印花稅為股票交易金額的千分之一（0.1%），只在股票賣出的時候收取。

過戶費

過戶費為股票交易金額的萬分之二（0.002%），股票交易雙向收取。目前只有上海交易所收取。每1000股收取1元，不足1000股按1元收取;

傭金

傭金按交易金額的一定比例收取，收取的比例從千分之三（01.%）到萬分之一（0.001%）不等，具體的額度由個人與券商協商決定，現在大部分券商都能給客戶萬分之2.5的最低傭金，傭金不足5元時按5元收取。該費用在買賣的時候也是都要收取。

㈡ 基金交易員是做什麼的

一、操作公司提供的資金交易賬戶，撰寫報告並對行情走勢進行分析研判；
二、按照公司要求，嚴格執行交易相關規則；
三、在基金經理的指導下，並結合自身的觀點，完成每月盈利任務；
四、本崗位是屬於技術崗位，沉著冷靜，知識面較廣的更佳。
任職要求：
一、年齡20-30歲，性別不限，大專及以上學歷；
二、具備較強的心理承受能力，思維敏捷，頭腦靈活，反應迅速；
三、熟悉K線與市場分析，了解行業宏觀市場；
四、抗壓能力強.對公司資金高度負責。
【拓展資料】
絕大多數的時間，交易員們在交易台前監控演算法。10%的時間用於管理「正向選擇投資組合」，這些一般都是多空倉位投資組合。
那些投資組合是他們希望做多和多空的股票、外匯等其他資產。他們自己建立起這些組合，然後自己管理交易。在極端環境下，這些投資組合的時間跨度是1-3個月。
舉個例子：
如果你走進投行問交易員：你為XXX投行都做了什麼交易？
「我做的是標普500指數裡面排名靠前的100支股票。」
這位交易員所做的業務看起來就像上圖一樣。
在一個財年裡，獲得的傭金會是5000萬美元，傭金留存率是70%。
自營交易賬戶風險敞口大小粗略來說，和傭金獲得數是一致的。嘗試在自營交易上賺到20%的回報。
如此，在傭金5000萬美元的基礎上，凈損失率就是10%。最終年營收是4500萬美元。這是非常好的業績，算是很不錯的一年。
這家投行會酌情付給該交易員獎金。這個獎金數是不固定的，甚至可以說是投行憑空給出的一個數據。
因此，當你初入投行簽工作合同的時候，合同裡面寫的是：你的獎金由投行酌情自由決定。
年終時，你會參加一個獎金大會，那一天你將被告知獲得的數目。這一天是所有人每年最期待的一天，當然對有些交易員來說，也是最恐懼的一天。
在投行，交易員的基本工資通常會低於你的獎金。如果你的獎金比基本工資還少，你就不該在投行業繼續做下去了。
然後是一些間接成本，因為讓你工作一年銀行一共要花去100萬美元。那麼一個交易員一年內創造的總利潤，可能看起來就像這張表一樣。
從模仿投行的專業交易員的角度來說，你不是要去模仿專業交易員在市場中扮演的做市商的角色。
作為散戶（個人交易者），目標是用自己的錢來賺錢。這和投行交易員的「正向選擇投資組合」更為接近。
他們90%的工作都與你不相干。除非是你想進入一家投行工作，成為一名監控電子交易的人。
但最重要之一的事情是，你會看到投行的交易員是有基本工資的。我要做一個論斷，請永遠不要忘記這句話——「這個世界上每一個專業交易員都有基本工資」。如果拿不到基本薪資，那就是這家投行或公司在惡意壓榨。
如果專業交易員在自營交易上沒有盈利，就沒有獎金，實現盈利方能拿到獎金。
那麼對沖基金的專業交易員在做什麼？
首要目的就是保護好投資人的錢。透過在同時上漲或下跌的市場中實現盈利。對沖基金專業交易員通常被叫做「PMs」，投資組合經理。
為什麼叫PM？顯然是因為他們管理投資組合。他們不會在下班的時候空倉，然後第二天進來大量做多；之後下午平倉幾個頭寸，出去喝上幾杯。
他們運作的是投資組合，需要承擔隔夜風險。通常他們交易的時間跨度可以是1-18個月中的任意數。不過常見的交易時間跨度是3個月。
對沖基金沒有做市業務，但他們的交易職能與投行交易員自營交易極為相似，即「正向選擇投資組合」。唯一的區別在於他們所開展業務的商業架構不同。交易方式、運作方式以及選擇買賣的流程等完全一致。
為什麼那麼多世界頂級對沖基金經理是前高盛、前摩根士丹利的交易員？這並不是巧合。他們過去都曾在投行做過自營交易。然後他們以同樣的職能繼續去運作外部投資人的資金，而不是銀行的。
投行交易員運作的是投行的資本，本質上說這是公眾股東的錢，因為投行是上市公司。那麼讓我們來看下對沖基金的基本信息。
為什麼叫做對沖基金？因為他們用的是可以對沖風險的交易策略。因此他們可以在市場無論漲跌的情況下賺錢。
對沖基金的結構是怎樣的？應該說對沖基金只是一個投資媒介，為那些高凈值個人或機構提供投資渠道。一般由一個境內管理公司和一個境外控股公司組成。
對沖基金管理公司對所管理的資金收取年率1%-2%的管理費，以及對「正向選擇投資組合」所賺得年利潤收取年績效費用。
但關於對沖基金很有意思的一點是，當他們去向高凈值機構推銷自己的時，其中一個賣點，並且也是投資人答應投資的前提條件之一，就是在任一年的績效費用中，至少有一半需要再投資回到基金中。
沒有一家對沖基金是收了績效費之後就全拿走的，他們不得不至少再投入其中的一半。

㈢ 演算法與數據結構對於java程序員意味著什麼

我覺得被採納的答案有失偏頗,數據結構是非常重要的,而且不同的演算法根本不會只產生0.01秒的優勢.最簡單的例子,排序,N^2的效率怎麼可能跟N*logN比.在投行等地,有些程序即便是演算法大量優化過後還要執行幾個小時,可想而知如果不大量優化,恐怕要至少執行幾天.另外很多API內部的數據結構搞不清楚,使用上也是稀里糊塗.只不過,真心想研究演算法,應該至少會C/C++.java的優勢不在這上面.當然了,演算法,學了身價肯定會上升的.google,amazon面試都要考演算法的

㈣ 金融工程專業和MORSE專業的具體區別以及就業方向的不同

都是為進投行的專業， 金融工程現在比較尷尬，因為基本上建模，演算法設計輪不到金融工程的畢業生來做，大部分主要做的都是數學，統計，物理的博士。金融工程的學生只能做一些漏洞的修改。MORSE其實統計偏多一些，演算法層面用的比較多。金融工程建模層面用的比較多。都是未來在投行back office裡面工作的。為投行前段提供數據支持的專業。其實如果真的想在金融領域有所發展還是讀一個類似數學，計算機PHD比較好.
金融工程，包括創新型金融工具與金融手段的設計、開發與實施，以及對金融問題給予創造性的解決。
金融工程的概念有狹義和廣義兩種。狹義的金融工程主要是指利用先進的數學及通訊工具，在各種現有基本金融產品的基礎上，進行不同形式的組合分解，以設計出符合客戶需要並具有特定P/L性的新的金融產品。而廣義的金融工程則是指一切利用工程化手段來解決金融問題的技術開發，它不僅包括金融產品設計，還包括金融產品定價、交易策略設計、金融風險管理等各個方面。本文採用的是廣義的金融工程概念。

㈤ 就職於Citadel是一種什麼體驗

2005年本科畢業時，權衡了美國PhD與國內工作後，我選擇了後者；於是進入了貝爾實 驗室（朗訊）。朗訊是一個好的起點平台，寬松的環境，嚴謹的流程，優厚的薪水與出 差補助，領先的技術，友好的氛圍。近日，與昔日同事閑聊時，很多人都感嘆在社會上 晃盪了許久，換了一些工作，最懷念的是朗訊清晰的工作流程與友善的管理氛圍。 作為500強的朗訊，其技術的確是全球領先的。朗訊的伺服器與對沖基金使用的大同小 異；朗訊的系統涉及到與第三方各種系統的集成，這恰好與對沖基金多伺服器的結構形 成了對應。Citadel美國總部面試我時，聽說我曾就職於朗訊，當時面試官的喜悅即溢 於言表。 2005-2007，在朗訊工作的兩年裡，我很開心，雖然只在北京停留了3個月，其餘全部在 國外出差；但這種經歷讓我成長。朗訊**拓寬了我的視野，將我從一個沒有出過國門 的大學畢業生塑造成有遠見並思路清晰的社會人。 2007年，我做技術有些膩了，畢竟，技術領域里，重復性的勞動比較多。腦子有些木 了，於是想去學學數學，鍛煉一下思維和頭腦；反復斟酌之下，選擇了一個數學與計算 機結合的專業——統計。於是，改行申請美國大學統計系的研究生。 進入UCLA，是我另一個幸運。UCLA的學術水平絕對可稱一流，這在我畢業後更有著深刻 地體會。2009年末，我在香港大學金融系做研究員，在我第一個金融模型的實現中，全 部採用UCLA課堂上老師教授的Optimization方法以及編程語言，關鍵的部分也是源於我 UCLA同學碩士論文給我的提示。如果不是UCLA的學習，我至少還要多花一個月時間查閱 資料，編寫演算法。常有人抱怨，碩士期間沒有學到東西，其實不然，這些收獲，只有在 進入日後的工作中才能體會出來。

㈥ 在投行或券商當數據科學家是什麼體驗

Link資深數據科學家，在就職Link之前，他本科畢業於美國一流大學的數學系，研究生畢業於美國Top5的統計專業。作為一名數據科學家，你具體擔當什麼樣的角色？Link的數據科學家主要有兩種，一種是做模型，通過構建模型把數據運用到產品的「生產」。另一種做產品分析，通過對數據的分析推動精準高效的產品決策。我屬於後者，致力於創造更好的數據驅動型產品。要理解我工作的內容，我們先來具體了解一下整個產品的流程。一個產品的開發周期會經歷構想、設計、開發、測試、上線五個階段。 上線之後在新的用戶反饋基礎上建立新的構想，繼而形成一個產品升級的循環。數據科學家在每個環節都會參與並有不同的分工。比如在構想環節，要提出假設和問題。在設計環節要從全局的角度建立一套評價標准，例如產品從上線到推廣要達到哪些要求。在產品研發階段，要參與到數據追蹤，獲取、記錄、存儲、轉化用戶的數據，致力於怎樣更好地反映各個指標。在測試的過程中，數據科學家的參與度更高，要及時從A/B test中提取有用的信息進行改進，保證用戶滿意度從各個指標來反映都能夠達到預期。產品上線之後要持續關注產品的發展，以及用戶的使用和滿意度。在這個階段可以產生許多新的改進的想法，進入到下一個循環。一個典型的Link產品團隊的構成是怎樣的？互聯網行業的工作形式和傳統行業很不一樣。傳統行業大多是分層的，比如CEO管理幾個VP，VP管理幾個總監，總監再管理手下的人。手下的人大多做的是流水線工作，並沒有決定權，決定權都來自上層。而在互聯網公司，由於做的都是針對用戶的產品，一線工作崗位的人會對用戶更了解，對用戶的需求和反饋更明確。奮戰在產品一線的小團隊擁有充分的決定權，可以快速捕捉到產品需求的最新動向。

㈦ 在投行內部做量化交易與獨立出去做量化交易有何不同

這里我們只說量化交易，不討論量化研究和量化定價這一塊的業務。
量化交易是分兩個階段的。第一個階段是2008年以前，或者說Dodd-Frank法案以前，投行內部林立著各樣的很多對沖基金或者類對沖基金的實體，比如Morgan Stanley的PDT（Process Driven Trading）和高盛的Global Alpha，而很多投資銀行的自營交易業務也很像對沖基金。在這一階段，這些類對沖基金的實體和外面的對沖基金是沒有啥區別的，業務很類似——賭方向、做部分對沖（Partial Hedging）、跨市場套利，也非常敢於承擔風險。
當時在投行內做對沖基金類型的量化交易有著非常大的優勢，因為兩點——第一是銀行有著非常良好的融資渠道，融資成本顯著地低於當時的對沖基金，如果你嘗試去組建過一個基金，你就知道資金成本對於一個對沖基金的影響多麼大——巴菲特這么多年的成功是離不開長期1.6倍的財務杠桿和其低於中央銀行存款准備金率的資金渠道的（詳細內容參見AQR的論文——Buffet's Alpha）。 炒股需要經常總結，積累，時間長了就什麼都會了。為了提升自身炒股經驗，新手前期可以私募風雲網那個直播平台去學習一下股票知識、操作技巧，對在今後股市中的贏利有一定的幫助。
第二是銀行有著一個灰色的信息流——客戶的交易記錄。這個交易信息，就是今天，也是非常有用的內部消息。幾周前Bill Gross從PIMCO離開時，所有投行的Sales都瘋了，不停地研究之前PIMCO在自己銀行的倉位，然後分析那些債券最有可能最先被清盤，從而給其它客戶交易建議。而當年文藝復興多次更迭合作的投行，就是因為其大獎章基金的交易記錄得不到妥善的保密，很多合作銀行的自營交易桌跟著交易。
這兩個優勢造成了當時的自營交易極其暴利，而且管理層為了做大業績，全力支持明星交易員放大杠桿——而實際上，金融危機期間很多的CEO都是靠著自營交易的暴利業績從交易大廳升職到管理層的——比如Citi的前任CEO Pandit和摩根斯坦利的前任John Mack。
這也造成了，為什麼很多高盛離職的自營交易員在金融危機後，當銀行不能做自營交易後出來自立門戶開設對沖基金，卻完全無法復制當年的業績——因為他們是因為整個組織的強大而獲得超額收益，當失去了資金優勢和信息優勢後，一切都成為了浮雲。
2008年，准確說是2009年後，一切都變了。
首先是政府明令規定自營交易不讓幹了，於是各種投行旗下的基金，放入資管部的放入資管部（比如Goldman Sachs Global Alpha進入GSAM），獨立營業的獨立營業（比如PDT從摩根斯坦利分離），要不直接就關門大吉了（比如UBS、德銀）。
還有一些碩果僅存的，一般是在股票交易部門，打著對沖為名，通過會計手法，維持著極小的自營規模，這種類似的團隊很多投行都有。但是不成氣候了，也不會造成任何系統性的風險——當然，各種馬路傳奇故事也銷聲匿跡了。
銀行內部還有沒有量化交易了，其實還有——那就是隨著計算機技術進步的自動化做市交易。做市在國內這個概念剛剛出現——因為期權做市商制度的引入。但是在美國這個是從華爾街開始就有的交易體系了。簡單來說，就是假設你經營一家買可樂的小店，你有兩個主要的交易——一是從總經銷商那裡拿貨，用的價格是Bid，二是分銷給街邊下象棋和夕陽下奔跑的孩子們，這是Ask。Bid是你的進價，Ask是你的出貨價格，Bid一般小於Ask（除非你是搞慈善的）。你持續的維持報出這兩個價格，同時根據你的存貨來調整報價或者對應報價的數量——比如你的存貨太多，大爺不出來下象棋了，你就降低Bid，這樣很難進到貨了，而保持Ask，等待有人來消耗你的庫存。
這個過程就是基本的做市商交易流程，在金融中，由於沒有實際的總經銷商供貨，你的報價（Bid-Ask）是基於你對於對應資產的Fair Price的估計來決定的，通常是你算出來的均衡價格加減一個值構造成Bid-Ask組合。在很長的時間內，這個報價都是靠人來完成，這個過程是枯燥的，而且很容易出錯——而對於期權類產品（非線性價格）也很難快速報價。我之前和期權交易員合作過很長時間，他們的工作不一定智力上很難，但是對於人得耐力絕對是一種挑戰——因為在開市後他們要注意力高度集中的報價，一quote兩quote，一quote兩quote，似爪牙，似魔鬼的步伐，報價，報價，在這交易大廳報價... ...
於是，從簡單的資產起，從交易所級別開始支持API交易了。什麼是簡單的資產，就是Vanilla類別的，比如個股、指數、外匯、國債等等。因此投行由於本來就是大量資產的做市商，開始把原來這套過程通過計算機來完成。後面大家發現計算機是完美勝任這項工作的，因為計算機能夠高速計算庫存來調整報價，還能報出很多復雜的單類型。因此從2000年開始個股、指數開始逐步被自動化做市來包攬，2005年後個股期權自動化做市大熱，而2008年後外匯自動化做市也相當成熟了，2010年開始國債自動化做市也在美國興起——這也是我目前在工作的內容。
那麼對沖基金呢，除了傳統的量化Alpha，他們難道不能也做這個業務嗎？實際上，很多對沖基金的自動化做市業務比投行還要好——比如Citadel，比如KCG。但是區別何在？區別在於兩點，第一是很多對沖基金不是專屬做市商（Designated market maker）。DMM的特權是其有專屬席位——在美國這樣高度商業化的國家，DMM也是非常稀有的。原因在於，DMM是有責任的，那就是在各種大型金融危機中，當流動性極差的時候，DMM還是要持續的報價，一quote兩quote，一quote兩quote，似爪牙，似魔鬼的步伐... ... 在流動很差的時候這是非常危險的，因為大家丟給你的都是不好的資產，比如大跌的時候，都在賣，你的Bid反復被Hit，然後又沒人來hit你的Ask，浮動虧損可以非常大。那麼DMM的特權呢，DMM可以獲得非常高比例的rebate，也就是說，傭金返點非常高。這是對於其承擔的義務的回報。

第二就是絕大多是對沖基金不是Broker，也是你一般想買股票不會去找他們報價。在外匯和債券這類市場中，有兩級市場，一個是B2C市場，也就是零售市場，裡面基本都是Broker-Client，而第二級就是B2B市場，都是Broker-Broker。一般來說，B2B市場的Bid Ask Spread要低一些。一個形象的例子就是，我小時候去批發書的商店買書，一個商店有本習題集沒有，於是老闆去隔壁家拿了一本，賣給我，最後肯定這個老闆要把一部分價格還給隔壁家，我付的價格和老闆付給隔壁家的價格就是B2C到B2B市場的差價。
這里投行又耍流氓了，他們有著B2C市場的接入優勢，因此只要客戶量夠大，基本都能把自動化做市實現盈利——因為根據大數法則，一定時間內，買賣雙方的交易量應該是均衡的。
那麼對沖基金靠什麼——靠更好的策略。對沖基金如果要做高頻做市的，基本在B2B市場參與，他們不是DMM，但是也自己去報價，然後靠著對於價格走向的准確判斷，來調整報價，實現拿到多數對自己有利的單，或者持有更久符合預測方向的單，來達到盈利。這種不是DMM卻自發去做做市商的行為，叫做Open Market Making。
Citadel是期權自動化做市的王者，頂峰時期一年的利潤可以到1 Billion（2009），而整個市場那年的利潤也就是7 Billion左右。因此如果策略逆天，沒有客戶流，也能靠做市賺錢的。
此外，做市業務之外，對沖基金還多了很多機會。因為很多業務銀行做起來不劃算——比如商品。考慮一個金融類公司，不能光討論交易策略，宏觀上你一定要思考資金成本等問題，這才是投資之道在投資之外。商品這些之前銀行幹了很多壞事的業務（詳細參加高盛的銅交易和JP的風電交易）都被監管方克以了極高的資本罰金。這是Basel III裡面的規定，也就是你拿著1元的股票和1元的監管資產過夜受到的處罰是完全不同的，具體演算法參見Basel對於RWA（Risk Weighted Asset）計算的細則。這一系列監管，造成了對沖基金有了大量的新業務——因為投行退出。而大量銀行的人才也流向了對沖基金。
現在門徑這么清晰，那麼投行和對沖基金做量化交易的工作差別就很明顯了——投行主要以自動化做市為中心的高頻信號、客戶流分析、報價博弈論等研究為主。而對沖基金主要是傳統的量化Alpha、量化資產配置為主——當然還有公開市場自動化做市了。
希望可以幫助到你，祝投資愉快！

㈧ 統計經濟學就業方向

首先，經濟統計學是一門什麼樣的學科。

統計學作為一門應用性學科，撇開純粹的理論研究（一般都是在綜合類大學的數學系開設），當統計學與醫學相遇，就產生了醫學統計（多為臨床驗證），當統計學與社會學相遇，就產生了社會學統計（多為社會調查），當統計學與經濟學相遇，則產生了經濟統計，除一些基本的統計學和經濟學基礎理論外，更偏重的是計量分析、回歸預測。可以說是一門比較實用的學科。

其次，經濟統計學的就業方向。
我想題主更關心的是就業。已我的經歷來看，經濟統計學的就業可以分為兩個方向：
1、經濟金融方向：通常金融機構招聘並不會限定特別明確的專業，一般只要是經濟金融類的專業都屬於招聘范圍，特別是銀行、券商、保險等大型機構，這些機構更多的看重的是你個人的素質能力，一般只要具備相應的經濟金融知識即可（會計知識可能更為重要），統計方面的知識技能基本離開學校就不會用了，最多用用Excel的數據透視篩選足以應付。我就是在這樣的機構，統計知識基本沒用；

2、分析統計方向：目前數據統計方向多為互聯網公司、量化投資公司、專業的咨詢公司等機構，相對應的崗位專業性強，技術要求高，對數學和編程有一定要求。特別是熱捧的「大數據」分析，一方面需要使用Sql調取海量數據並做數據清洗，然後需要使用統計軟體（常用的是R）進行建模分析，常用方法也很多，神經網路、決策樹什麼的，發展前景不錯，但比較辛苦。我女朋友就在互聯網公司從事數據分析，累覺不愛啊；

3、其他：通常都是公務員或者其他與經濟或統計不相關的行業崗位。公務員報考的時候有嚴格的專業限制，一般統計專業能包括的多為統計局、稅務局等的一些崗位，一些簡單的統計原理就足以應付。其他行業，招聘學統計的，一般就是做做報表，搞一些運營或績效分析，非統計專業也可以勝任。

從我接觸的本科研究生同學來看，75%以上的同學都在金融機構（大部分是銀行）工作，基本都用不到統計方面的知識和技能，10%左右的同學在分析統計方向，多為互聯網公司，10%左右的考上了公務員，還有個別讀博深造的。

最後，給你一些建議：
1、一般來說，經濟類院校的經濟統計專業大部分走的都是大金融的職業發展路徑，學好會計，掌握一定的經濟金融知識，學會做人做事，才更為重要；
2、如果偏愛分析建模，想走技術路線，建議加強編程學習，包括演算法、數據結構等，並考研讀博深造，最好出國，這樣能有更好的發展；
3、考公務員的話，建議報銀監會、人行等機構的統計崗位，統計局性價比不高。

另糾正一些誤區：
1、精算師，很多人以為精算與統計相關，其實精算只是應用的概率論的一些原理，更多的偏向數學，一般保險學院下屬的精算專業更有優勢；
2、四大，主要指德勤、畢馬威、安永和普華永道，這些機構主業是做審計，兼職做咨詢。學統計的對口的崗位應該是咨詢裡面的風險管理方向，會用到一些統計模型，其他審計、內控什麼的，與統計無關；
3、投行，聽起來感覺很牛X，其實很苦逼，不過待遇還是比較客觀，學統計的進入投行，看重的不是你的專業知識，更多的是你的EQ、顏值和背景。

㈨ 華投行與大佬把比特幣「吹上天了」，你怎麼看待這件事

首先我們要了解什麼是比特幣，眾所周知，比特幣是這樣，在很多年以前並不能成為交易貨幣，在很久之前，比特幣賣披薩之後開始有人開始認同比特幣之後比特幣就有了價值，雖然比特幣沒有任何政府背書，但是價值是人們共同認為可以作為交換貨幣進行使用，格外是從區塊鏈越來越被人了解，而比特幣的底層架構就是以區塊鏈進行構建，而中本聰本人從來都沒有露過面，但是人們對於比特幣總量2100萬枚這個事情是表示認可的。

好了我們了解了比特幣後我們再回來看，為什麼我們的華投行和大佬把比特幣吹上天：