摘要: Unity3D是一个跨平台的游戏引擎,如果您开始看这篇博客的话,你一定实在权衡学习或者使用哪种游戏引擎来开发您的游戏,就我的观点来看,你不用再犹豫了,直接下载Unity3D开始学习吧! 阅读全文
posted @ 2015-05-06 18:06 月出渐分明 阅读(121330) 评论(21) 推荐(55) 编辑

在进行量化投资策略的研究时,我们通常会基于不同的原则来进行分类,其中包括:根据均线进行择时、根据估值进行择时、以及根据策略回撤进行择时。

这三种策略各有特点,也各自适用于不同的市场环境和投资风格。例如,根据均线择时的策略主要关注价格趋势,以确定最佳的买入和卖出时机;根据估值择时则主要基于公司的基本面数据,以寻找被市场低估或高估的投资机会;而根据策略回撤择时则更多地关注投资组合的绩效,通过分析和管理投资组合的回撤来调整投资策略。

本研究的背景主要针对的是中低频股票多头策略的应用。

在进行这个策略的研究和应用前,我们首先需要对比和分析一下,当我们不使用任何择时策略的时候,中美两个不同市场的股票在历次回撤中的特点和原因。这样的对比和分析不仅能够让我们更好地理解两个市场的差异和特性,也能为我们在实施择时策略时提供有价值的参考和指导。

A股2007到2023的市场回撤分析(总长16年不择时)

实际上,中国A股市场经历了三次重大的策略回撤,每次都导致策略的回撤幅度超过了20%。这三次分别发生在2008年、2010至2011年,以及2015至2016年。

 

  1. 2008年的回撤是2006至2007年牛市的后果,也可以视为其负反馈效应。那段时期,中国A股市场经历了历史上最大的牛市,上证指数更是一度攀升至6000点的高峰。这次回撤的主要特征在于其慢跌的速度,漫长的时间和巨大的跌幅。
  2. 在2010至2011年期间,又出现了一次大回撤,这次是由2009年牛市引发的负反馈效应。2009年的牛市主要是由2008年市场大幅度下跌70%后的强劲反弹引发的,然而,这次反弹并未能达到2007年牛市高峰的水平。这次回撤的特征与2008年相似,也是慢慢下跌,时间持续较长,但跌幅相对较小。
  3. 2015至2016年的回撤是对2014至2015年牛市的负反馈。在2015年的牛市中,创业板和小盘股起到了主导作用。这次回撤的特性是,跌速快,时间短,震荡剧烈,上下波动频繁。

 

总结来看,自2016年以来,A股的估值并未出现太大变动,反而呈现持续走低的态势,因此,我们并未真正进入牛市,也就无法出现作为负反馈的熊市。在这几次重大回撤中,择时策略表现较好,值得注意的是,随着时间的推移,A股的回撤趋势开始加快下滑,这可能与量化基金在中国A股市场的增多有关。这种现象提醒我们,无论是宏观的市场环境还是个体的投资策略,我们都需要持续观察,灵活应对。

美股1998年到2023年的市场回撤分析(总长25年不择时)

在美股市场,我们观察到有三次超过20%的大幅回撤,它们均导致策略回撤超过了20%。这三次回撤分别发生在2000至2001年,2008年,以及2018至2020年。

 

  1. 2000至2001年期间,这一时期正值网络股泡沫的破灭。网络股泡沫在破灭的过程中引发了市场的广泛恐慌,即便是在网络股泡沫中相对平稳的价值类股票也受到了影响,遭受了大幅度的回撤。这次回撤的特点是缓慢下跌和较大的跌幅。
  2. 2008年,这一年恰好是次贷危机泡沫破裂的时期。此次回撤的特性是起初慢慢下跌,但在最后一段时间内跌速大增,形成了一次大幅度的下跌。
  3. 2018至2020年期间,这一时期的下跌是由十年科技股牛市、新冠病毒疫情以及贸易战等多重因素引发的。这次回撤的特征是跌速快,时间短,市场震荡剧烈,上下波动频繁。

 

总体来看,相比中国A股,美股的波动性较小,但要获得超额的Alpha收益也更具挑战性。从2009至2020年这十年间,美股市场上的价值股因子失效,这导致了价值股和小盘股的市净率(PB)持续走低,而科技股的估值却在同期内持续攀升,这在历史上是罕见的。美股市场上的投资者中,量化基金的数量较多,竞争相对激烈。而且,美股市场的对冲工具比较完善,定价更为合理,因此在平时,股市的波动相对较小。然而,当出现2020年新冠病毒疫情这样的黑天鹅事件时,市场向下探底的速度也会异常迅速。量化基金的羊群效应可能导致一旦市场出现波动,反馈效应可能会非常剧烈。

A股和美股的对比分析结论

在我们对A股和美股历次大规模回撤的详细对比和分析后,显现出的一种趋势是,每次策略性回撤的出现通常都伴随着宏观经济因素的影响以及大盘熊市的落幕。在这种情况下,虽然这些因素可以被看作是策略回撤出现的必要条件,但并非充分必要条件。

以A股2018年的大盘熊市为例,尽管市场整体表现低迷,但我们的策略却并未出现超过20点的回撤。这主要得益于这段时间内我们能够通过策略获取到相当多的超额Alpha,此外,也因为在这一时期开始之前,A股的整体估值并未达到过高的水平。同样的,回到2011年欧债危机期间,尽管全球金融市场大幅震荡,但美股的策略回撤却并未受到太大影响,而A股却面临较大回撤压力。

因此,我们不能简单地认为,宏观经济因素和大盘熊市的出现一定会引发股票多头策略的大规模回撤。它们之间的关联并非必然,而是相对独立的,由多个因素(估值,趋势,涨跌幅,宏观因素)驱动的。策略的超额Alpha收益有可能超过大盘的回撤幅度,因此,在面对下行趋势时,即使采用择时策略,也未必能够带来满意的收益。这就要求我们在投资决策中,更加注重对各类因素的综合判断和分析,以求在复杂的市场环境中获得更好的投资回报。

宏观大盘对策略的影响是每次回撤的主要原因,然而某种因子的收益暂时回撤从历史数据来看是不会导致策略出现20%以上的回撤,这可能是因为我们整个策略的风格,行业比较均衡,受到某种特定风格的风险比较小的原因

均线择时

根据沪深300均线择时

一般的方法是使用沪深300的 20天均线MA20 和 200天均线MA200 进行择时,当 MA20 > MA200 * (1 + 国债收益率) 的时候,是牛市。当 MA20 < MA200 * (1 + 国债收益率) 的时候,是牛市。

选择20天均线和200天均线作为判断标准是为了保证均线指标是换手次数较少的,不太敏感的,在整个策略周期里面不要出现太多的牛熊切换。如果使用类似MA5和MA60进行比较的话,会出现择时太过频繁的情况,每次换手的成本比较高。

根据策略均线择时

相对来讲,进一步的思考方式是使用自己策略的均线作为代替沪深300的指标,这样的算法会更加精确的针对自己的策略,因为某些状况下会出现自己的策略的趋势和大盘不一致的情况,根据自己的策略均线择时是一种更优化的选择。但是这种方式任然会出现择时次数过多导致滑点高,摩擦成本高的问题。

均线策略的择时缺点

对于均线策略的择时,有一些显著的缺点需要我们清楚地认识和理解。

首先,均线策略的核心问题在于它的滞后性。由于均线策略的核心是利用历史数据来预测未来的走势,所以其判断牛市或熊市的时间点通常会有所滞后。这种"右侧判断"导致的延迟可能会带来较大的投资风险,如果在时间点选择上出现失误,可能会导致"买高卖低"的现象,造成投资损失。此外,均线策略对震荡行情的适应性也比较差,容易在多空交替的市场中产生频繁的交易信号,加大了交易成本和操作难度。

其次,均线策略在纯股票多头策略中的应用也存在一定的问题。若使用大盘均线进行择时,可能会忽视一个重要事实:即在市场整体呈熊市态势时,某些策略的Alpha仍有可能超过大盘的跌幅。在这种情况下,如果因为择时而空仓,就可能错过了这一阶段策略Alpha的收益。因此,均线择时策略更适合于简单的ETF择时,而不一定适合于纯股票多头策略。

进一步考虑到,如果我们选择使用较长期的均线策略,如200日移动平均线(MA200)进行市场择时,可能会面临一定的响应滞后问题。这种滞后性可能在面对突如其来的市场暴跌情况时,如美国股市在2020年的快速下跌,或者中国A股在2015年的闪电暴跌时,变得尤为明显。

当市场经历如此剧烈的波动,即俗称的"金针探底"情况时,较长期的均线择时策略可能并不能及时反应出这种剧变。这样的滞后性有可能导致在短期内策略的回撤增大,同时也可能加大投资组合的波动性,影响投资的稳定性。这是因为这种策略需要更长的时间来适应市场的快速变化,而这样的延迟可能在某些情况下产生不利影响。

综上所述,虽然均线策略是一种实用的投资工具,但其在择时上的滞后性,以及在特定市场环境下的适应性问题,使得投资者在使用时需要充分考虑并调整其策略。在具体操作中,投资者需要根据市场环境、策略特性以及自身投资目标等多方面因素,灵活运用并调整均线策略,以达到最佳的投资效果。

其他的类似均线的择时策略比较

与简单移动平均线(MA)策略相比,LLT(Laguerre Transform)和DMA(Differential Moving Average)等择时策略的设计无疑更为精细,更能灵敏地捕捉市场的多空变化。然而,虽然这些策略可以带来更快的响应速度,但同时也会引入更多的噪声,影响择时策略对牛熊市的判断,进而导致信噪比降低。

在实际运用中,LLT、DMA等策略与MA策略具有相似的优劣势。若用于操作CTA策略,或者是进行ETF择时,由于它们具备良好的市场适应性(牛熊市的趋势性更强)和一定的胜率,故可以取得不错的效果。然而,当它们被应用在纯粹的股票多头Alpha策略上时,效果可能会不尽如人意。

原因在于,纯股票多头Alpha策略的目的是在长期中追求超额收益,这就要求投资者在各种市场情况下都有稳健的盈利能力,而LLT、DMA等策略可能无法在复杂多变的市场环境下始终保持稳定的表现。因此,在纯股票多头Alpha策略的投资过程中,投资者需要更全面、更深入的市场理解和更精准的决策,而不能仅依赖LLT、DMA等择时策略。

估值择时

根据沪深300的估值PB进行择时

根据沪深300的估值指标进行择时,其中最直观的策略便是参照PB(市净率)高低进行判断,视高PB时期为牛市的顶峰,低PB时期为熊市的底部。在理想情况下,投资者应在PB高位时空仓,PB低位时满仓,以期在股市的波动中捕获最大的收益。

然而,这样的策略在实际操作中面临着一个关键的难题,即如何准确地定义沪深300的PB高点和低点。为此,一种常见的解决方法是构建一个基于市场PB的仓位判断公式,例如:1/市场PB。这种公式能在高PB时保持低仓位,低PB时保持高仓位,从而在一定程度上实现市场的择时。

然而,这种择时方法也存在不足。在高PB时期,如果市场进入了长期的牛市,如美股在2009至2020年间的表现,那么持续保持低仓位的策略就可能导致长时间错过市场上涨的机会。另一方面,如果市场长期处于低估值状态,如2018至2023年间的A股市场,投资者可能会被迫持续保持高仓位。在这种情况下,如果市场出现快速的下探行为,投资者可能会面临较大的损失。

总的来说,尽管利用大盘PB进行择时能在一定程度上指导投资决策,但要通过这种方式准确地判断出真正的高估值和低估值,仍然存在一定的难度。因此,投资者在实际操作中需要综合各种因素,以期在复杂的市场环境中做出最合适的投资决策。

根据持仓股票的综合计算估值PB进行择时

采用持仓股票的PB值来计算估值,可能是一种更加个性化的择时方式。然而,这种方法同样面临着与使用沪深300的估值PB进行判断相类似的问题。

首先,我们面临着如何准确判断PB值高低的挑战。就像在大盘估值中无法准确界定何为高PB和低PB一样,当我们对持仓股票进行PB估值时,也很难准确地判断出其高低。这是因为股票PB值的高低并非绝对的,它受到行业平均水平、经济周期、公司盈利预期等多种因素的影响。

其次,由于我们所持有的股票数量有限,其构成的数据集可能会受到个别股票波动的影响而显得不稳定。这就导致我们根据这些股票的PB值得出的估值可能无法准确反映出同种风格的整体股票市场估值情况。如果你的投资策略包含了因子择时元素,那么策略的风格可能会不断变化,这时候,你计算出的PB值可能并不能真实地反映出当前的市场状况。

因此,虽然根据持仓股票的PB值进行估值和择时具有一定的优势,但我们仍需要充分考虑其存在的局限性。在实际的投资过程中,可能需要结合其他的估值方法,如市盈率、市销率等,以及对行业和市场的深入理解,才能更加准确地进行投资决策。

根据每次牛市顶峰策略之前2年的涨幅进行择时

因为直接依赖PB值进行估值可能产生判断难题,例如确定估值的高低范围,因此,我们可以采取另一种更加科学的方法来确定牛市的到来。这个方法基于一个观察:在牛市的顶峰,通常会看到过去两年的策略收益超出一般水平。

具体而言,我们可以通过比较策略在过去两年的收益与其平均复合年化收益,来评估当前市场状况是否为牛市。如果我们发现这两年的收益显著超出了策略的平均复合年化收益,那么这可能意味着我们正处在一个牛市中。反之,如果这两年的收益小于或等于平均复合年化收益,那么我们可能并非处在牛市。

这样,通过使用相对收益的变动来判断当前市场状况,我们的仓位决策将更加合理和科学。这种方法避免了仅仅依赖PB值带来的判断困扰,更具有自适应市场变化的能力,旨在从策略的实际表现角度出发,进行更为准确的市场环境评估。

按照A股策略的数据来看,目前的2006~2007年和 2014~2015牛市的涨幅500%左右,这两次牛市后续的熊市负反馈更加明显,2008到2009的牛市的涨幅100%左右,这次牛市的后续负反馈较少

策略回撤择时

策略回撤择时设计方案

采用根据策略回撤进行择时,是一种更符合纯股票多头量化投资策略的择时手段。举例来说,我们可以设计一种策略如下:当策略回撤低于20%时,我们不做任何择时行为,保持满仓状态。然而,当策略回撤大于20%时,我们立即调整到50%的仓位。一旦策略恢复至10%的回撤(因为我们在之前大于20%的回撤状态下调整为了50%的仓位,所以这相当于实际回到了零回撤状态),我们再次调整为满仓状态。

这样一种策略,尽管在极端情况下股票价值归零,我们的策略最大回撤也只会在60%。从历史数据来看,比如在2008年金融危机时,不采用择时策略的最大回撤为58%,而如果我们采用了上述基于回撤的择时策略,我们能将最大回撤控制在39%之内。这种基于回撤进行择时的策略在控制投资风险方面具有显著优势,我们可以通过适当的参数设定,控制最大回撤在一个可接受的范围内。

策略回撤择时的优缺点

然而,这种策略也不是没有缺点。如果策略经常性的产生超过20%的回撤,或者说策略的性能比较平庸,像沪深300指数这样,长期处于超过20%的回撤状态,那么实际上我们将会长期维持在50%的仓位,这样会显著降低策略的收益,实际上可能只有不采用择时策略的一半收益。因此,基于回撤的择时策略的效果其实非常依赖于股票策略产生的超额收益(Alpha)。

如果说股票多头策略能产生较高的超额收益,除了大盘下跌导致的大幅回撤之外,不常出现超过20%的回撤,那么这种策略的效果就会比较好。然而,我们也要明确,采用基于回撤择时的方法,实际上策略收益一定会有所下降。其本质原因在于,我们为了防止策略在从熊市回到牛市的过程中,像20%到10%这样的回撤阶段,由于仓位调整,会导致一部分收益的损失。

相较之下,在策略回撤超过20%的情况下,我们不能设置过高的仓位,因为这会加大风险敞口,可能导致在像2008年那样的持续回撤情况下,策略总体回撤变得过大。同时,我们也不能设置过低的仓位,否则在市场从牛市回到熊市的过程中,由于仓位过低,可能会导致这一阶段损失的收益过大,难以接受。根据实际测试情况,选择0.4到0.6的仓位,是一个比较稳妥的策略。

和对冲策略的对比

相对于其他策略,这种基于回撤的择时策略与通过对冲的方式降低回撤在许多方面具有相似性。它们都需要必然地牺牲一部分策略的收益,以换取回撤的降低。更重要的是,它们都可以通过数学方法进行明确的计算和预测,带有相当的可靠性。这与前文提及的基于估值和均线的择时策略形成鲜明对比,后者充满了不可预知的元素,充斥着许多不确定性。

从相对的角度看,当策略产生的超额收益(Alpha)较多,且回撤波动相对较小的情况下,基于回撤的择时策略在效果上显著优于对冲策略。这是因为,通过对冲股票,例如做空期权的方式进行对冲,其实际成本是相当高的。然而,如果我们的策略回撤不经常超过20%,我们实际上可以通过采用基于回撤的择时策略,以相对较低的成本,达到降低回撤的效果。

总的来说,基于回撤的择时策略通过一定程度的收益牺牲,实现回撤的有序降低,这种策略的实施对于保持投资的稳定性和可预测性具有显著作用。并且,在一定条件下,这种策略甚至能表现出优于对冲策略的效果,尤其是在策略产生较多超额收益,并且回撤波动较小的情况下,这种策略的效果会显得更加突出。

A股历史数据

A股历史上策略回撤达到20%的情况总结

复合策略

当我们站在上述论述的基础上,我们可以进一步思考,是否可以结合多种择时策略的优缺点,进行一定的优化和调整,来达到更好的效果

均线估值结合择时

策略可以这样设计:当 MA20 > MA200 * (1 + 国债收益率) 的时候,是牛市,则设置为满仓,当MA20 > MA200 * (1 + 国债收益率) 的时候,为熊市,设置为按照市场估值PB设置仓位

这样的策略设计,会比上述的均线择时或者估值择时,更好一些,但是仍然无法避免在熊市,按照估值判断仓位的一系列问题,也无法避免牛市中使用均线判断仓位的缺点,总的来说。它面临的不确定性也不小。

回撤估值结合择时

文章已经详尽地解析了我们的回撤择时策略。在这种策略中,我们会将投资仓位控制在0.4至0.6的范围内,具体仓位的确定则取决于市场环境的判断以及历史业绩的考量。

更具体地说,当市场从牛市转为熊市时,我们会依据过去两年的策略收益表现来决定具体的投资仓位。如果过去两年的收益较高,即策略表现强劲,我们会降低仓位至0.4左右,以减少未来可能的风险敞口。相反,如果过去两年的收益较低,说明市场处于相对低迷的状态,那么我们就会增大仓位至0.6,以期待市场反弹时能获得更大的收益。

这种策略不仅能够帮助我们根据市场状态灵活调整仓位,还能在一定程度上提高策略的夏普比率,即风险调整后的收益表现。

然而,值得注意的是,这种策略难以与均线择时策略相结合进行优化。因为均线择时策略的特点是输出结果通常是二元的,即仓位为全仓或者清仓,它无法在熊市环境下进行仓位的细致调整。如果判断失误,可能会导致较大的投资损失(已经经过数据测试,表现不佳)。

因此,在实际的投资决策中,我们主要采用了回撤和估值相结合的策略。这种策略在综合考虑市场风险和投资机会的同时,能够对策略的择时效果进行有效的优化,提升整体的投资表现。

总结

面对纯股票多头策略,当其表现出较高的夏普比率和Alpha时,将回撤与估值相结合的择时策略应用于其中,往往能取得良好的效果。以下是对这种策略优缺点的深度总结:

策略 优点 缺点
均线择时 能够较为准确捕捉大盘趋势 1.右侧判断滞后性2.不太适应股票多头策略3.可能导致换手率增高
估值择时 换手率比较低,波动率低 1.无法判断估值PB高低的标准2.可能在某些估值低位高仓位导致较大回撤
回撤择时 1.能够将回撤锁定在某一个位置,有数学上的精确性2.更适应于股票多头策略 1.固定的以收益换取低波动的策略,不会带来择时的超额收益2.如果策略Alpha不够,可能导致多次择时带来收益大幅下降

我的雪球账号也收录了这篇文章:量化投资中的择时研究 在进行量化投资策略的研究时,我们通常会基于不同的原则来进行分类,其中包括:根据均线进行择时、根据估值进行择时、以及根据策... - 雪球

 
posted @ 2023-06-26 11:23 月出渐分明 阅读(342) 评论(0) 推荐(0) 编辑
摘要: 实现一个简单的Unity-UI框架的实现,包含功能:界面的跳转,动画,加载和销毁和一些常用的自定义组件 阅读全文
posted @ 2015-09-13 16:13 月出渐分明 阅读(54725) 评论(5) 推荐(23) 编辑
摘要: 最近谈了许多Unity相关的东西,这篇博文就将一些更加宽泛的东西,算是这段时间里游戏开发的一些经验的总结吧。 阅读全文
posted @ 2015-05-09 16:09 月出渐分明 阅读(7864) 评论(4) 推荐(10) 编辑
摘要: 游戏中需要单例有以下几个原因: - 我们需要在游戏开始前和结束前做一些操作,比如网络的链接和断开,资源的加载和卸载,我们一般会把这部分逻辑放在单例里。 - 单例可以控制初始化和销毁顺序,而静态变量和场景中的GameObject都无法控制自己的创建和销毁顺序,这样就会造成很多潜在的问题。 - Unity3D的GameObject需要动态创建。而不是固定在场景里,我们需要使用单例来创建GameObject。 - Unity3D的场景中的各个GameObject需要从单例中存取数据。 阅读全文
posted @ 2015-05-08 05:44 月出渐分明 阅读(6933) 评论(5) 推荐(8) 编辑
摘要: UGUI是Unity在4.6中引入的新的GUI系统,与传统的中间件NGUI相比,这套新GUI系统有几个核心亮点: - 放弃了Atlas的概念,使用Packing Tag的方式来进行图集的规划 - 放弃了depth来确定UI显示层级的概念,使用Hierarchy的SiblingIndex来确定先是层级 - 使用RectTransform来代替以前NGUI中的UIAnchor,分辨率适配更加简单 - 使用LayoutGroup代替以前的NGUI中的Grid,实现了更灵活的布局 阅读全文
posted @ 2015-05-07 14:15 月出渐分明 阅读(9412) 评论(0) 推荐(5) 编辑
摘要: 三月份邮箱里接到了腾讯招聘实习生的邮件,立刻在腾讯的网站上投了一份简历过去,翻了一遍岗位发现没有游戏开发,就选了移动开发,后来在选择事业群的选项里才发现了IEG(互动娱乐事业群),只要选这个再选择移动客户端开发就相当于选择移动游戏开发了。 赶快填完了简历等待通知。 阅读全文
posted @ 2014-06-23 16:09 月出渐分明 阅读(20434) 评论(50) 推荐(31) 编辑
摘要: 如果你大学里有想过从事游戏开发的话,你对网易游戏肯定不会陌生,网易开发出过梦幻西游,倩女幽魂这种端游大作,可惜在页游和手游方面现在依旧毫无建树,网易游戏的特点有以下几个。 阅读全文
posted @ 2014-06-20 13:46 月出渐分明 阅读(51182) 评论(29) 推荐(24) 编辑
摘要: 从程序结构的角度来讲,协程是一个有限状态机,这样说可能并不是很明白,说到协程(Coroutine),我们还要提到另一样东西,那就是子例程(Subroutine),子例程一般可以指函数,函数是没有状态的,等到它return之后,它的所有局部变量就消失了,但是在协程中我们可以在一个函数里多次返回,局部变量被当作状态保存在协程函数中,知道最后一次return,协程的状态才别清除。 简单来说,协程就是:你可以写一段顺序的代码,然后标明哪里需要暂停,然后在下一帧或者一段时间后,系统会继续执行这段代码。 阅读全文
posted @ 2014-06-17 14:47 月出渐分明 阅读(20307) 评论(21) 推荐(21) 编辑
摘要: 想要查看完整源代码,还是访问这个项目的GitHub:https://github.com/MrNerverDie/Unity-Flappy-Bird 如果你对如何在Unity中使用事件/委托机制还不太了解,建议您查看我的前一篇文章:【Unity3D技巧】在Unity中使用事件/委托机制(event/delegate)进行GameObject之间的通信 在前一篇博客里面,我们写到:【Unity3D技巧】在Unity中使用事件/委托机制(event/delegate)进行GameObject之间的通信,其中使用了EventHandler这个委托作为通用的事件类型,实现了一对多的观察者模式。但是这样做有什么缺点呢?我们还是举前文所说的小鸟撞上管道为例 阅读全文
posted @ 2014-06-16 14:22 月出渐分明 阅读(10029) 评论(13) 推荐(3) 编辑
摘要: 我们了解了2D中的Sprite,Animation,RigidBody和Collider,在继续开发游戏的过程中,我们会遇到这样的问题,如何处理GameObject之间的相互调用,比如说在FlappyBird中我们在小鸟撞倒管子的时候,要把这个消息通知给许多GameObject,管子接到这个消息之后需要停止运动,UI接到这个消息要弹出GameOver的字样。接下来,我来讲一下如何合理地解决这个问题。相关源码参考:Flappy Bird的源码。 阅读全文
posted @ 2014-06-13 15:29 月出渐分明 阅读(34345) 评论(13) 推荐(18) 编辑
摘要: 在第一篇文章【Unity3D基础教程】给初学者看的Unity教程(一):GameObject,Compoent,Time,Input,Physics我已经讲过了一些关于刚体和碰撞的关系,这次我们就通过Flappy Bird这个事例来讲解一下刚体和碰撞体在游戏中的具体应用。相关代码可以参考Flappy Bird的源码。 阅读全文
posted @ 2014-06-13 10:12 月出渐分明 阅读(12080) 评论(6) 推荐(11) 编辑
摘要: 上一次我们讲了MonoBehaviour的前世今生,了解了游戏中的每一个GameObjec都是由脚本控制的,这一次我们开始将Unity中Native 2D中的Sprite,并且使用Animation来让Sprite动起来。 在接下来的几篇博客里,我会通过做一个Flappy Bird来讲解Unity中各个组件的使用,项目的源代码在这里:Unity Flappy Bird。欢迎各位前去Fork和Star。 阅读全文
posted @ 2014-06-12 14:39 月出渐分明 阅读(21102) 评论(6) 推荐(20) 编辑
摘要: JSON是一个简单的,但功能强大的序列化数据格式。它定义了简单的类型,如布尔,数(int和float)和字符串,和几个数据结构:list和dictionnary。可以在http://JSON.org了解关于JSON的更多信息。 litjson是用C #编写的,它的目的是要小,快速,易用。它使用了Mono框架。 阅读全文
posted @ 2014-06-09 15:36 月出渐分明 阅读(14848) 评论(13) 推荐(9) 编辑
摘要: C++11是曾经被叫做C++0x,是对目前C++语言的扩展和修正,C++11不仅包含核心语言的新机能,而且扩展了C++的标准程序库(STL),并入了大部分的C++ Technical Report 1(TR1)程序库(数学的特殊函数除外)。 C++11包括大量的新特性:包括lambda表达式,类型推导关键字auto、decltype,和模板的大量改进。 本文将对C++11的以上新特性进行简单的讲解,以便大家能够快速了解到C++11对C++的易用性方面祈祷的巨大作用。 阅读全文
posted @ 2014-06-04 13:04 月出渐分明 阅读(4814) 评论(10) 推荐(9) 编辑
StatCounter - Free Web Tracker and Counter
点击右上角即可分享
微信分享提示