【环球网综合报道】据美国《财富》杂志5月2日报道，即使美国官员努力向美国民众保证说，与中国在贸易税上的口水战只是一种谈判策略，但美国零售业联合会(NRF)仍然认为，如果美国和中国真的陷入贸易战争，美国将遭受巨大损失。

　　据美国全国零售商联合会(NRF)和消费者技术协会(CTA)的研究显示，如果美国对中国1500亿美元商品征收关税，美国将失去45.5万份工作岗位，并且国内生产总值将下降490亿美元。如果加上特朗普提出的征收钢铝关税的举措，美国预计将损失总共接近100万个就业机会，这将让特朗普就职以来所增加的就业岗位总数减少将近一半。2017年美国共增加了206万个工作岗位。

　　消费者技术协会CEO马修 谢伊在一次声明中说：“在美国政府官员准备前往中国与中国展开贸易商谈之际，美国工人的生计正处于安危不定之时。”他还补充道：“我们希望这是一次严肃的谈判过程的开端，既能使中国拥有也更加开放的市场，又能保护美国的就业率的增长和经济发展。我们一定要在不诉诸于征收关税和报复手段的前提下解决与中国的贸易争端。”

　　这项研究还显示，中美贸易战将给美国农民以沉重一击，而农民正是特朗普竞选总统时最大票仓。美国全国零售商联合会和消费者技术协会补充说，这次贸易战将使美国农民的收入减少15%。

　　据报道，该研究的推出正值一些企业已在限制雇佣活动之际，它们正在尝试明确中美贸易贸易商谈的结果。据德意志银行的研究显示，在那些受中国为反制美国而提出加征关税影响最严重的州，岗位增加数似乎已经在减少。(实习编译：刘师妍 审稿：谭利娅)　

当地时间2018年5月2日，国务委员兼外交部长王毅在平壤同朝鲜劳动党中央政治局委员、外务相李勇浩举行会谈。

王毅表示，今年3月金正恩委员长成功访华，习近平总书记同金正恩委员长举行历史性会晤，就传承发展中朝传统友好关系、加强两国战略沟通合作达成新的重要共识，掀开了中朝关系新的历史篇章。两国最高领导人上述共识，为双方在新时期巩固发展中朝关系指明了方向，提供了行动指南。

王毅表示，中朝传统友谊是双方共同的宝贵财富。不断传承、发展中朝传统友好关系，是双方的战略选择。中方愿同朝方一道，把两国最高领导人的重要共识切实落到实处，加强双方政治外交部门沟通协调，推进中朝双边经贸务实合作，活跃两国人文交流，为新时期的中朝关系不断注入新的活力。

王毅表示，中方祝贺半岛北南双方领导人成功会晤并取得重要成果。中方全力支持朝方走出一条符合本国国情的发展道路，全力支持朝方集中力量进行经济建设。中方积极评价半岛局势最近出现的积极变化，全力支持朝方致力于半岛无核化目标，全力支持解决朝方正当合理安全关切，全力支持半岛北南双方改善关系。我们希望朝美对话顺利举行并取得实质进展。中方愿同朝方加强沟通，并继续在半岛问题政治解决进程中发挥应有的积极作用。

王毅对金正恩委员长以及朝鲜党和政府高度重视不久前朝鲜重大交通事故造成中国公民伤亡，并全力展开救治和善后处理工作表示感谢。

李勇浩表示，金正恩委员长十分珍惜朝中传统友谊。在新的起点上坚持和发展好朝中友好关系，是朝鲜党和政府坚定不移的立场。朝中两国最高领导人在北京成功会晤，就加强战略沟通合作达成重要共识，在朝中关系史上具有里程碑意义。朝方愿与中方共同努力，认真落实好两国领导人共识，密切政治外交部门交流，加强务实合作，推进人文交流，及早筹备办好明年朝中建交70周年纪念活动。半岛北南双方领导人举行的历史性会晤意义重大。朝方愿同中方就实现半岛无核化和建立半岛和平机制等问题保持密切沟通，并继续同有关各方加强对话。

同日，王毅前往万寿台向朝鲜已故领导人金日成、金正日铜像敬献鲜花，并参谒中朝友谊塔。

在股市里面，大家可能都听说过基本面分析、技术面分析，实际上还存在着第三种分析方法——量化分析。

那到底什么是量化分析，它有哪些不为人所知的好处呢，且听我一一道来。

1. 量化交易的定义
量化交易是指借助现代统计学和数学的方法，利用计算机技术来进行交易的投资方式。量化交易从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，用数量模型验证及固化这些规律和策略，然后严格执行已固化的策略来指导投资，以求获得可以持续的、稳定且高于平均收益的超额回报。

量化交易就是干了两件事情：

①建立数学模型

②根据数学模型，在合适的时间点买入或者卖出

量化交易已经是股市里比较成熟的做法，有数据显示，国外成熟市场期货程序化交易已占据总交易量的70%-80%。由于币市和股市有很多相通之处，所以现在币市里面研究量化交易的人也越来越多。

2. 量化交易的好处
量化交易最大的好处就是减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。

我来复盘一个普通人的入市过程：

①听朋友说现在区块链比较火，一年能涨很多倍，买一点试试。哇塞，短短几天就涨了30%，赶紧抛掉，落袋为安。②下跌了，哈哈，我预卜先知成功逃出。咦，跌了这么多，已经低于我上次入场的价格，可以抄底啦，买入！③还在跌？继续买，拉低成本。④哎呦，怎么一直跌跌不休，什么时候能够涨起来？算了，放在那里装死吧。

是不是觉得似曾相识？

入场的时候靠个人感觉，做决定的时候靠小道消息。是不是就像我们的真实写照？
那有没有方法可以指引我们什么时候买入，什么时候卖出？答案是肯定的，就是利用交易的历史数据，得出交易的数学模型，在符合条件时买入或者卖出。

俗话说，投资是反人性的，至少体现在两方面：

①他人贪婪时我恐惧，他人恐惧时我贪婪

②明明持币不动是个很好的方式，但有时就是控制不住自己的手，想做点啥

所以量化投资就是制定了一个客观参考的指标，当符合条件时不带感情色彩的买入或者卖出，大概率的获得超出平均的收益。

3. 掌握量化交易所需的技能
看完上述的描述，你是不是有些心痒难耐，很想知道如何get这个技能，最终实现躺赚。

3.1 基本技能
学习量化基本需要2个基本技能：

1. 数学： 用来建立交易模型2. 计算机： 用来实现交易模型

比如我有5个ETH，我观察到近期ETH对BTC的交易对波动比较大，每隔一段时间就会出现一个涨跌周期，我希望在ETH价格高的时候换成BTC，在ETH价格低的时候再换回来，最终实现ETH数量变多。我该如何做呢？

①学习一门计算机编程语言，如Python

②熟悉相关交易网站的API接口的使用，API是Application Programming Interface（应用程序编程接口）的缩写，通过API接口就可以不登录交易网站实现数字代币的买卖

③根据模型或者经验总结出量化策略，决定什么时候买入，什么时候卖出

④用程序实现量化策略，并用历史数据进行模拟测试，如果测试数据通过就可以实际上线

3.2 学习门槛
通过上面的例子，我们可以看出，学习量化交易有2个门槛：

①学习编程语言②建立合适的量化策略

比较这两点，第二点其实才是关键。因为只要有足够的时间投入，编程肯定是可以学会的。但是建立合适的量化策略是相对较难的。

好的量化交易策略，可以更好的预测市场行为，让开始投入的5个ETH有较大概率变多，而不好的交易策略有可能让5个ETH变少。

所以实现躺赚也没有那么容易，赚钱的本质是认知表现！

4. 人工量化
刚刚知道了一个赚钱的好方法，正热情高涨想着能够躺赚呢，发现学起来却没有那么容易。下面我告诉你一个人工量化交易的方法，方法很简单，不需要编程也可以实现。这个策略我是从吴晓谭博士那里学习的。

比如你持有以下几个大币种，按照以下比例进行配置：
标的：BTC，ETH，EOS，BNB，USDT
比例：1:1:1:1:2
操作方式如下：
每月等权调整，保证比例不变
用实际数据来解释一下。

比如我有6万元，我买入了1万元的BTC、1万元的ETH、1万元的EOS、1万元的BNB和2万元的USDT。
过了一个月以后，由于各币种之间涨跌幅不一致。如BTC涨了，ETH跌了，那我们进行等权调整，把BTC卖出一小部分，买入ETH，最终保证各个币种之间，按照法币的价格估算，其配置比例仍然为1:1:1:1:2。

这里解释2个问题：

（一）为什么选择这几种标的？
1.这几种标的是高胜率标的
2.BTC/ETH，EOS/BNB之间存在相对优势轮替，简单说就是BTC涨完，ETH涨，EOS涨完，BNB涨
提高了投资时间的利用率，并减少了资产波动。

（二）为什么要这样操作？

这里隐含了两次平衡：

1.数字资产内部等权平衡

数字资产内部平衡，借用证券市场等权基金的思想，等权组合的优势在于进可攻，退可守，相对于市值权重基金，其长期收益更高。

2.数字资产与法币（USDT）的平衡

数字资产与USDT的平衡，目的是降低系统性风险。通过这种再平衡的方式，自动帮我们完成了低买高卖。比如我们在牛市建立了这个投资组合，来到熊市的时候，由于数字代币大幅缩水，USDT所占的比例一定变高了，所以为了维持相对比例不变，就需要用USDT购买其他数字代币。这就完成了低买。而等到了牛市，数字货币的涨幅较大，为了维持几个币种的相对比例不变，那必然要把数字货币卖掉一小部分变为USDT，这就完成了高卖。

因此，对普通人（懒人）来说，这种按比例配置+定期再平衡是一个特别简单安全、具有可操作性的量化投资方式。用一句俗语来解释其中心思想就是：风水轮流转。

我最早是从《简七理财》的“极简投资”里面知道这种按比例配置+定期再平衡的方法。

只不过《简七理财》里面选择的标的是股票，其选择了A股的沪深300、中证500、债券基金、美股的标普500和纳指100，通过历史数据回测，这种方式可以稳稳跑赢普通的指数基金。我相信同样的方式对币市也有借鉴意义，有兴趣的小伙伴不妨使用模拟盘进行测试。

自从互联网时代开始，信息的传播速度就成指数级增加，隐私的问题也一度成为了人们关注的重点。直到如今，保护隐私也都是各行各业必须考虑的问题，那怕是最火热的“区块链”。
一、区块链的隐私保护
说到区块链，我们都知道区块链上的每个数据都是公开透明的，但是它对交易人的信息却是完全保密的，比如我们在通过区块链账本支付虚拟币的时候，双方完全不知道对方是谁，然而却并不影响相互间的交易。然而现实中我们还会有可能泄露个人身份，比如实物交易，虽然采用的区块链账本转账，但是要进行实物交易的时候，总要进行面对面或者让第三者帮助交易，但不管采用哪种，只要有实物交易，都会留下身份的线索。有人说，我学电影里的交易方法，把实物放在一个没人的地方，告诉对方去取就可以，那是看多了，现实中不可能的。因为实物交易一定会牵扯到对实物进行验证的问题，也就是基本的信任问题又出来了，所以必须得相互接触才可能达成交易的共识，不然免谈！实际上，不仅是实物交易，以如今的大数据分析手段，也是有可能通过区块链地址使用频率和转账关联等等蛛丝马迹来找到使用人的。

二、区块链隐私保护工作路径
那么要怎么解决以上所说的区块链在现实生活中的隐私问题呢？有人早在20世纪80年代初就已经提出了一种解决办法，即“零知识证明”。而早前的零知识证明采用的是交互式的，要求证明者和验证者之间必须进行交互，但是交互容易作弊，所以也是有很大信用风险。到80年代末，有人进一步提出了“非交互式零知识证明”的概念，用一个短随机串代替交互过程，直到现在被应用于区块链上面，用来隐匿交易双方和交易金额。
 
三、零知识证明原理
零知识证明满足三个属性:（节选自百度百科）
1、如果语句为真，诚实的验证者(即，正确遵循协议的验证者)将由诚实的证明者确信这一事实。
2、如果语句为假，不排除有概率欺骗者可以说服诚实的验证者它是真的。
3、如果语句为真，证明者的目的就是向验证者证明并使验证者相信自己知道或拥有某一消息，而在证明过程中不可向验证者泄漏任何有关被证明消息的内容。
零知识证明实质上是一种涉及两方或更多方的协议，即两方或更多方完成一项任务所需采取的一系列步骤。
PS:实际上这是一种概率游戏，对方不直接告诉你答案，而是采用另一种表达方式来让向你证明，直到你认为对方确实知道答案为止。
举两个例子：
1、 A确实认识B，现在要像C证明他真的认识B，但是A不能直接给C看他和B的认证视频，而是和C说，我认识D且有视频认证，如果这时候C不认识D，那么A就要继续换个人证明下去，如果当A说到Z的时候，而C认识Z且知道Z和B是认识的，并且A也拿出来视频证明，不过C并不能确定（因为只有一个人满足，说服力还不够），这时候A就得继续去说出更多的人，直到把B身边很多的人都说一遍并给出视频证明，且满足条件的人越来越多了，这时候C开始确信A确实认识B了，那么整个过程，A是没有直接去透露一点关于B的信息的。
2、A实际上不认识B，然后A也开始重复例1的办法开始说服C，然后到最后C也相信了A的话，认为A确实认识B。
上面的例子是交互式的零知识证明，是一种说服验证的过程，它的缺陷就在于有一定概率使得欺诈者说服验证者（例2），而造成误判，或者当验证者和证明者相互提前沟通好的时候，也会造成作弊行为的发生。但是在区块链技术的支持下，这种欺诈性会被修正，因为区块链上的协议会取代双方的交互行为而进行自动验证，也即非交互零知识证明。当然大量验证需花费大量的CPU来签署交易，这就导致了区块链的可扩展性面临着巨大的挑战。

四、零知识证明应用实例
以ZCash为例，代币为ZEC，假如我们要转账1个ZEC给接收方，那么这个ZEC会被分成若干份然后被随机投入到一个“混合池”里进行混合打乱（PS：有点像彩票机把号码球给打乱），同时混入的时候还有其他交易方输出的若干份ZEC。这些ZEC又被“混合池”随机拆分，再从这些被拆分生成的所有的ZEC中取出合计币数为1ZEC的若干份，转移到指定接收方的地址中，同时在发送的时间上也可以设置一定的延迟。
PS:其中的“混合池”，就是指的区块链，即网络基础构架。混币的过程就是零知识证明，也就是把一个时间段内的所有信息进行切割和打乱后再重组，而重组后的信息已经不是原来被切割前的信息了，采用这样的方法使得区块链上交易的信息（双方地址和金额）变得混杂而无法被准确获取。

五、总结
区块链上的匿名性交易虽然保护了我们的隐私，但由于无法进行监管，也给作恶者带来了方便。所以，现实生活中，我们应该正确客观的去对待隐私问题，不要给作恶者带来便利，也不要让自己该有的隐私失去保护。