对冲基金与量化Alpha策略：实战案例解析 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

陈松男 著

图书标签:

• 对冲基金
• 量化投资
• Alpha策略
• 金融工程
• 投资策略
• 实战案例
• 量化交易
• 风险管理
• 投资分析
• 金融市场

出版社： 中国财政经济出版社

ISBN：9787509570890

版次：1

商品编码：12079794

包装：平装

开本：16开

出版时间：2016-12-01

用纸：胶版纸

内容简介

　　本书精选许多国内外实际案例，详细分析了在不同的宏观和微观条件下，对冲基金如何运用他们的专业去捕捉套利的机会。借此，读者可以身历其境般地体验到运用各种交易策略的实务经验，开拓读者对对冲基金策略的国际视野。书的另一个亮点是提供12种主要且常见的量化策略，并做了翔实的实战分析。同时，详细介绍与分析其核心技术与采用实际数据的实战案例解析，提供读者学习量化策略的重要参考案例分析。借此，读者可以不断地研发与提升策略模型的复杂性与优化。

目录

对冲基金篇
第一章 传统与非传统投资的概念
一、非传统投资：量化与对冲基金投资
二、非传统投资的对象和交易策略
三、做多与做空的投资概念
四、可转债套利的概念
五、宏观投资策略的概念
六、杠杆操作：两个范例
七、结语
第二章 量化投资和对冲基金交易策略的特征
一、传统投资策略的收益风险特征
二、量化投资与对冲基金交易策略的灵活操作
三、量化投资的优点
四、运用量化投资策略的业绩
五、国内量化投资的未来展望
六、结语
第三章 可转换公司债与相对价值套利策略：案例
一、可转债套利策略范例与盈亏分析
二、相对价值套利的概念
三、相对价值套利的国际案例
案例一：1997～1998年长期资本管理公司（LTCM）的相对价值套利
案例二：卡尔森资本公司的相对价值套利成功的两个案例
案例三：运用购买信用违约掉期（CDS），套利央债信用质量的可能下行
四、结语
第四章 市场中性与并购套利策略：案例
一、市场中性策略的概念
二、市场中性策略的构建与范例
三、并购套利策略运用的条件与盈亏
四、并购套利的案例
第五章 事件驱动策略与危难证券套利：案例
一、事件驱动策略：风险套利、危难证券套利、突发的特别状况
二、事件驱动策略的国内案例
三、事件驱动策略的国际案例
案例一：美国约克资产管理公司特别专注事件驱动策略的投资套利
案例二：兼并收购驱动事件
案例三：两大投资公司
四、危难证券套利的条件与机遇
五、危难证券套利的国际案例
案例一：1980年美国克莱斯勒汽车
案例二：20世纪80年代美国的垃圾债券
案例三：褐石基金善用不良债券投资
案例四：经营困境的彭尼百货
案例五：不良信贷资产的处理与证券化带来丰富的商机
第六章 全球宏观投资策略：案例
一、概念与国际案例
二、运用不同经济循环周期进行宏观投资
案例一
三、运用“一带一路”的宏观经济战略
四、结语
第七章 做多、做空与板块投资策略：案例
一、做多和做空股票的避险概念：预期牛市与熊市的不同配置
二、做多、做空的国际案例
案例一：做空日元并做多日本股票
案例二：做多抵押贷款支持证券和做空美国国债
三、板块投资的概念
四、国内外案例：
案例一：做多电玩业之星任天堂
案例二：做多手机板块，选股不选市
案例三：做多环保板块，受惠于政府扶持政策
案例四：做多医疗健康板块，受惠于政府扶持政策
案例五：亚投行与“一带一路”政策，给国内企业带来长久的利益
第八章 新兴市场投资与卖空策略：案例
一、新兴市场投资的概念与国际案例
案例一：对生产碳酸饮料公司的股票卖空
案例二：对欧洲钢铁企业股票卖空
二、卖空策略的概念和风险：范例
三、卖空策略的国际案例
案例一：浑水公司卖空股票
案例二：英国一只对冲基金的做空策略
案例三：卖空抵押贷款支持证券
案例四：卖空黄金
案例五：对冲基金公司利用日本宽松政策获取高收益
案例六：做空德国国债
案例七：索罗斯（量子基金）做空港币
案例八：索罗斯（量子基金）做空泰铢
案例九：不直接做空日经指数，逐步买入其看跌期权而获利
第九章 灵活操作多种衍生品：多空操作案例
一、个股方面的多空策略
二、指数期货的多空策略，加上期权，并搭配ETF和融券的操作
三、卖出波动率的交易：上跨式交易策略

量化Alpha策略篇
第十章 量化投资的基本原理与框架
一、量化投资——必备的科学基础
二、构建量化投资的框架
三、优化交易指令的方法：执行算法
四、结语
第十一章 匹配交易与预测模型：协整原理的应用
一、关于协整
二、协整的概念与匹配交易
三、协整方法——平稳与非平稳时间序列
四、协整关系的检验步骤
五、单位根检验：DF和ADF检验方法
六、协整检验
七、误差修正模型（ECM）
八、匹配交易与协整
九、结语
第十二章 移动平均线参数优化之应用
一、技术指标说明
二、交易策略设计
三、软件设计
四、交易策略的成果
五、讨论
第十三章 基本面与技术指标的股权交易策略与回测结果
一、技术指标说明与文献
二、交易策略设计
三、在中国台湾的交易策略成果
四、在大陆的交易策略成果
五、精进交易策略设计
第十四章 稳健投资组合的优化设计
一、目的
二、投资组合的核心理论
三、交易策略的设计
四、交易策略的成果
第十五章 黄金期货与现货的均值回归套利策略：Bollinger统计套利方法
一、简介
二、黄金期货与现货价差的收敛
三、每日交易策略案例
四、日内交易策略案例
五、附录
第十六章 期货技术指标交易策略——相对强弱指数的案例
一、相对强弱指数（RSI）
二、数据对象与范围
三、数据接续与计算收益率
四、计算RSI
五、RSI区间间隔与切割、合并
六、决定最佳策略
七、线图解释：判断不同RSI指数下的最佳策略
八、不同区间状况
九、最佳投资策略做法
第十七章 做空量化策略：信用违约预测模型
一、Z—score模型的构建过程
二、Z—score模型的实证结果分析
三、回测检验
四、企业债的违约判别模型：4因子的Z—score模型
五、运用Z—score模型进行做空
六、结语
第十八章 高频交易：发展和实战交易策略
一、高频交易的发展过程
二、高频交易的好处
三、推动高频交易的动机
四、高频交易的常用策略
五、对交易所交易系统的影响
六、高频交易发展优势
七、高频交易的负面影响
八、高频交易的特征
九、高频交易的法规限制
十、结语

《揭秘量化交易：从理论到实践的深度探索》 这本书将带您踏上一段深入量化交易世界的旅程，揭示驱动现代金融市场前沿策略的核心理念与精妙运作。我们并非关注特定类型的基金或策略，而是致力于构建一个全面而坚实的量化交易知识体系，帮助您理解其内在逻辑，掌握核心技术，并能在实际操作中灵活运用。 第一部分：量化交易的基石——数据与算法 本书的开篇将为您打下坚实的基础。我们将深入探讨量化交易不可或缺的两个核心要素：数据与算法。 数据：量化交易的生命线 数据的种类与来源： 您将了解到各类金融数据的细微差别，包括但不限于价格数据（开盘价、收盘价、最高价、最低价）、交易量数据、基本面数据（财务报表、宏观经济指标）、另类数据（社交媒体情绪、卫星图像、信用卡消费数据）等。我们将探讨不同数据源的可靠性、获取成本以及在量化策略中的应用潜力。 数据清洗与预处理： 原始数据往往充斥着错误、缺失值和异常点。我们将详细介绍数据清洗的技术，包括缺失值填充（均值填充、中位数填充、前向/后向填充、回归填充）、异常值检测与处理（Z-score法、IQR法、LOF算法），以及数据标准化与归一化（Min-Max Scaling, Z-score Standardization），确保数据的准确性和一致性，为后续的建模分析提供可靠的基础。 特征工程： 将原始数据转化为对模型有意义的特征是量化交易的关键步骤。我们将探讨如何从原始数据中提取有价值的特征，例如技术指标（移动平均线、MACD、RSI）、波动率指标（ATR、标准差）、滞后特征、交叉特征、以及基于特定金融事件的特征构建。 算法：量化交易的指挥官 统计与计量经济学模型： 回归分析（线性回归、多元回归）、时间序列模型（ARIMA、GARCH）、协整分析等基础统计工具在量化策略中的应用，帮助我们理解变量之间的关系并进行预测。 机器学习算法：我们将深入浅出地介绍在量化交易中常用的机器学习算法，包括： 监督学习： 线性模型、逻辑回归、决策树、随机森林、梯度提升树（XGBoost, LightGBM），以及支持向量机（SVM）。我们将探讨它们在价格预测、信号生成等方面的应用。 无监督学习： 聚类算法（K-Means, DBSCAN）用于发现相似资产或市场状态，降维技术（PCA）用于处理高维数据。 深度学习： 循环神经网络（RNN）、长短期记忆网络（LSTM）、门控循环单元（GRU）在处理序列数据（如时间序列价格）中的优势，以及卷积神经网络（CNN）在分析图像化数据（如K线图）中的潜力。 模型评估与选择： 如何科学地评估模型的性能至关重要。我们将详细介绍各种评估指标（准确率、精确率、召回率、F1-score、AUC、均方误差、R²等），以及交叉验证、回测等方法，确保模型的泛化能力和鲁棒性。 第二部分：量化策略的构建与优化 在掌握了数据和算法的基础之后，我们将把目光聚焦于量化策略的实际构建过程。 策略开发流程： 从交易理念的产生，到数据搜集、特征工程、模型选择、策略回测、风险管理，再到策略部署和监控，我们将梳理出完整的策略开发流程。 常见的量化策略类型： 统计套利策略： 基于资产之间统计关系的短期交易，例如配对交易、指数套利。 趋势跟踪策略： 捕捉市场长期趋势，利用技术指标和模型识别入场和离场时机。 均值回归策略： 认为价格会围绕某个均值波动，当价格偏离均值时进行反向操作。 因子投资策略： 基于“因子”来解释资产收益，例如价值、动量、规模、质量等因子。 事件驱动策略： 基于特定的公司事件（如财报发布、并购）或宏观事件（如央行政策）进行交易。 机器学习驱动的策略： 利用机器学习模型直接生成交易信号，或辅助传统策略的决策。 策略回测与优化： 回测框架： 介绍各种回测框架（如Backtrader, Zipline）的功能和使用方法。 回测的陷阱： 深入分析回测中常见的误区，如前视偏差（Look-ahead Bias）、幸存者偏差（Survivor Bias）、过度优化（Overfitting）等，并提供规避这些陷阱的实用技巧。 参数优化： 在不陷入过度优化的前提下，科学地调整策略参数以提升性能。 第三部分：风险管理与实盘部署 再完美的策略也需要强大的风险管理来保障其长期生存。 风险管理的核心原则： 深入理解风险的本质，包括市场风险、信用风险、流动性风险、模型风险、操作风险等。 量化风险管理工具： 止损与止盈： 各种止损方式（固定百分比止损、追踪止损、基于波动率的止损）的设计与应用。 仓位管理： 凯利公式、固定比例仓位、波动率调整仓位等方法。 组合风险管理： 投资组合的方差、协方差、VaR（Value at Risk）、CVaR（Conditional Value at Risk）的计算与应用。 压力测试与情景分析： 模拟极端市场条件下策略的表现，评估其韧性。 实盘交易部署： 交易执行系统（ATS）： 介绍交易执行系统的基本构成，包括订单管理、流动性获取、滑点控制等。 低延迟交易： 对于高频交易等对速度要求极高的策略，探讨低延迟技术的重要性。 策略监控与调整： 实时监控策略表现，识别模型漂移，并根据市场变化进行适时调整。 第四部分：量化交易的前沿与未来 我们将展望量化交易的未来发展趋势。 另类数据在量化交易中的应用： 探讨如何更有效地利用非传统数据源来发现新的交易机会。 深度强化学习在交易中的探索： 介绍深度强化学习如何通过与环境的交互来学习最优交易策略。 可解释性AI（XAI）在量化交易中的角色： 随着模型复杂度的增加，理解模型决策过程的重要性日益凸显。 监管与合规： 量化交易在不断发展的监管环境中将面临的挑战与机遇。 这本书旨在提供一个全面、系统且富有实践指导意义的量化交易知识框架。无论您是金融领域的初学者，还是经验丰富的交易员，亦或是对数据科学和算法感兴趣的专业人士，都能从中获益。我们将力求语言的清晰易懂，理论的严谨扎实，以及方法的实用可行，帮助您在纷繁复杂的金融市场中，掌握量化交易的利器，洞察市场运行的奥秘。

评分☆☆☆☆☆

这本书的标题“对冲基金与量化Alpha策略：实战案例解析”让我眼前一亮，这正是我一直在寻找的能够连接理论与实践的桥梁。我对对冲基金的运作模式一直充满好奇，尤其是它们如何在复杂多变的市场环境中，通过各种创新的策略来获取超额收益。而“量化Alpha策略”更是将这种创新性推向了一个新的高度，它意味着用数据和算法来武装投资决策，追求超越市场平均水平的表现。我特别期待书中能够详细地介绍这些量化Alpha策略的构成要素，比如它们是基于什么样的市场假设？又是如何通过数据分析来验证这些假设的？是否会涉及一些具体的因子模型，例如多因子模型，以及这些因子是如何选择和构建的？“实战案例解析”这部分，我希望能够看到一些能够引发我思考的案例。这些案例能否展示策略从无到有的全过程？包括数据获取、特征工程、模型选择、回测优化，以及在实际执行过程中遇到的挑战和解决方案。我希望这些案例能够足够详实，能够让我看到策略背后的逻辑和决策过程，而不仅仅是结果的呈现。

评分☆☆☆☆☆

这本书的标题“对冲基金与量化Alpha策略：实战案例解析”本身就充满了吸引力，它点出了当前金融市场中最受关注的两个领域：对冲基金的运作模式以及量化Alpha策略的实践应用。我一直认为，要想在投资领域取得突破，就必须掌握那些能够带来超额收益的策略，而量化Alpha策略正是实现这一目标的重要手段。我希望这本书能够像一位经验丰富的导师，带领我深入了解量化Alpha策略的构建过程。例如，是如何从海量数据中提取有用的信息，如何设计和验证Alpha因子，如何构建有效的投资组合，以及如何进行风险管理。我特别期待的是，书中能够提供一些真实的、经过市场检验的案例。这些案例能否详细地展示策略开发的每一个环节，包括从市场观察到策略落地，再到策略的持续优化？我希望能够看到一些具体的策略实现细节，例如如何利用统计学方法或机器学习技术来捕捉市场中的微小信号，以及在实际交易中会遇到哪些挑战，而作者又是如何解决的。

评分☆☆☆☆☆

这本书的封面设计就足够吸引人，深邃的蓝色背景搭配沉稳的银灰色字体，仿佛预示着一个充满智慧与挑战的金融世界。我刚拿到这本书，还没来得及深入翻阅，但仅从目录和开篇的几页，就能感受到作者在金融领域深厚的功底和严谨的态度。书中提到“对冲基金”这个词，立刻勾起了我对那些神秘而高效的投资机构的好奇心。我一直对它们如何运作、如何在高风险的市场中实现收益感到非常着迷，尤其对它们所采用的各种策略，比如文中提到的“量化Alpha策略”，更是充满了探索的欲望。我期待着书中能够详细解读这些策略的理论基础，以及它们如何在实际操作中被构建和执行。是否会有具体的案例分析？书中是否会揭示一些成功的对冲基金经理的思维模式和决策过程？这些都是我非常感兴趣的点。此外，书中提到的“实战案例解析”让我对内容的实用性充满了信心。我并非金融专业科班出身，但对投资一直有着浓厚的兴趣，也曾尝试过一些基础的投资，然而市场的复杂性和多变性常常让我感到力不从心。我希望能在这本书中找到一些可以借鉴的实战经验，学习如何规避风险，如何在复杂的市场环境中捕捉机会。特别是在当前全球经济形势复杂多变的背景下，理解对冲基金的运作模式，学习更高级的投资策略，对于提升个人的投资能力和风险管理水平有着至关重要的意义。我迫不及待地想要一头扎进书中的世界，去学习、去领悟。

评分☆☆☆☆☆

当我看到这本书的书名时，我的脑海中立刻浮现出高强度的量化模型、严谨的数据分析和对冲基金经理们在数据洪流中捕捉稍纵即逝机会的场景。我一直在探索如何在现有的市场环境中，找到一些能够产生稳定超额收益的方法，而“量化Alpha策略”无疑是其中的一条重要路径。我之前也阅读过一些关于量化投资的书籍，但很多都停留在理论层面，缺乏实际操作的指导。这本书的“实战案例解析”部分，恰恰填补了这一空白。我迫切希望这本书能够深入地剖析一些具有代表性的量化Alpha策略，例如是如何构建一个能够识别市场无效性并从中获利的量化模型。是否会涉及到一些关于时间序列分析、统计套利或者机器学习在因子发现中的具体应用？我尤其想了解，在真实的交易环境中，这些量化策略是如何被部署和管理的？在面临极端市场行情时，它们是否能够有效运行？如何进行风险控制？这些都是我在实际投资中常常会遇到的难题，我希望这本书能够提供一些可操作的思路和解决方案。

评分☆☆☆☆☆

作为一名在金融市场摸爬滚打了几年，也曾试图涉足一些相对复杂的投资产品的投资者，我一直对“Alpha”这个概念有着深刻的理解和向往。在许多投资理论中，Alpha代表着超越市场平均水平的超额收益，是基金经理能力的体现。然而，如何真正地、持续地创造Alpha，却是一个巨大的挑战。市面上关于投资的书籍汗牛充栋，但真正能深入浅出地讲解如何构建和实现Alpha策略，并且附带实操案例的却不多。这本书的标题，尤其是“量化Alpha策略”和“实战案例解析”几个字，深深地抓住了我的眼球。我希望这本书不仅仅停留在理论层面，更能够提供一些可落地、可执行的方法。比如，在量化策略的构建过程中，需要用到哪些数据？如何进行数据清洗和处理？如何选择合适的模型？模型的优劣如何评判？回测的意义是什么？如何避免过度拟合？这些都是我在实践中常常遇到的难题。如果书中能够通过真实的或经过改编的案例，一步步地剖析这些流程，那将是极大的帮助。我更期待的是，书中能分享一些关于如何识别和评估Alpha来源的思路，以及如何根据市场变化调整策略的经验。毕竟，市场是动态的，策略也需要不断进化。我希望这本书能够成为我提升投资技能、优化投资组合的一个重要里程碑。

评分☆☆☆☆☆

我拿到这本书，首先就被其扎实的标题所吸引，“对冲基金”和“量化Alpha策略”本身就代表着金融领域的前沿和深度，“实战案例解析”更是让我看到了它极强的实践价值。我一直对如何在复杂的金融市场中获取超额收益（Alpha）充满浓厚的兴趣，也知道量化策略是实现这一目标的重要途径。这本书的出现，正是我期待已久的。我希望书中能够详细阐述量化Alpha策略的构建思路，比如是如何识别有效的Alpha因子，以及如何构建基于这些因子的投资组合。是否会涉及一些关于统计套利、高频交易或者机器学习在因子挖掘中的应用？我更看重的是“实战案例解析”这部分。我希望它能提供一些真实的、或者经过高度提炼的案例，能够让我们看到策略是如何被设计、开发、测试，并最终应用于实际市场的。这些案例能否展现策略在不同市场环境下的表现，以及在面临风险时是如何应对的？我希望通过这些案例，能够学习到一些能够直接应用于我自身投资实践的宝贵经验。

评分☆☆☆☆☆

读到这本书的名字，我首先联想到的是一个充满挑战但又回报丰厚的领域。对冲基金，这个词本身就带着一种神秘感，而“量化Alpha策略”则更是将这种神秘感与现代科技和数据分析紧密联系起来。我一直对金融市场的“Alpha”——即超额收益——非常着迷，但我深知获取Alpha绝非易事。它需要深厚的理论功底，精密的模型构建，以及对市场的高度敏感。这本书的“实战案例解析”部分，对我来说具有极大的吸引力。我希望书中能够不仅仅是介绍一些理论性的模型，而是能够通过真实的、或者经过高度提炼的案例，来展示这些量化Alpha策略是如何被构建、实施，并最终产生收益的。比如，一个具体的案例是否会从市场痛点出发，然后是如何设计相应的量化指标，如何进行因子挖掘，如何进行模型回测，以及在实际交易中如何应对市场突变和风险。我特别关注书中是否会提到一些具体的量化技术，比如机器学习在Alpha因子发现中的应用，或者如何利用大数据来捕捉市场情绪。理解这些具体的工具和方法，将极大地帮助我提升自己分析和投资的能力。

评分☆☆☆☆☆

这本书的标题给我一种非常“接地气”的感觉，不像很多金融理论书籍那样高高在上，遥不可及。“实战案例解析”这几个字，直接点明了这本书的核心价值——它不是纸上谈兵，而是将理论与实践紧密结合。我一直认为，学习金融投资，理论固然重要，但最终还是要落到实处。那些经过市场检验的真实案例，往往比枯燥的公式和模型更能说明问题。我对书中提到的“对冲基金”是如何运作的，抱有浓厚的兴趣。这些机构是如何进行风险对冲的？他们如何平衡风险与收益？他们是如何构建自己的投资组合的？而“量化Alpha策略”听起来就像是给这些复杂的投资行为注入了现代科技的元素，通过数据和算法来发现市场中的“金矿”。我特别想知道，书中会如何解读这些量化模型？它们是如何被设计出来的？是否会涉及一些编程语言或者数据分析工具的介绍？虽然我可能不会亲自去编写代码，但了解其原理和逻辑，对于我理解整个投资过程至关重要。而且，我希望这些案例能够足够具体，能够让我们看到策略的雏形，看到策略的演变，甚至看到策略的失败与成功。这不仅能帮助我们理解策略本身，更能让我们从中学习到如何思考问题，如何应对变化。

评分☆☆☆☆☆

这本书的书名，对我而言，就像是一张藏宝图，指引着我深入探寻金融市场的奥秘。“对冲基金”代表着市场中的智慧和效率，“量化Alpha策略”则象征着科技与金融的完美结合，“实战案例解析”更是让我看到了将理论付诸实践的可能性。我一直认为，仅仅了解理论是不足以成为一名优秀的投资者的，更重要的是能够理解和运用那些真正能够带来超额收益的策略。我希望这本书能够清晰地解释“量化Alpha策略”的内在逻辑，比如它如何捕捉市场中的非效率性，以及它与传统投资策略有何不同。是否会涉及到一些关于因子投资、事件驱动策略或者宏观对冲策略在量化框架下的应用？我更期待的是，书中能够提供一些具有启发性的实战案例。这些案例能否展示策略从构思到执行的完整过程？能否让我们看到在策略开发和实施过程中遇到的实际问题，以及作者是如何运用自己的智慧和经验来解决的？我希望通过这些案例，能够学习到一种系统性的思考和解决问题的方法。

评分☆☆☆☆☆

我对这本书的期待，很大程度上源于我对当前金融市场的一些观察和思考。在我看来，传统的投资方式，比如单纯的价值投资或成长投资，在某些时期可能面临瓶颈，尤其是在市场波动加剧、信息不对称严重的情况下。这个时候，一些更具策略性和主动性的投资工具，比如对冲基金，就显得尤为重要。而“量化Alpha策略”更是将科技与金融巧妙地结合，利用数据分析和模型来寻找市场的非效率性，从而获取超额收益。这本书的出现，恰逢其时。我希望作者能够在书中深入探讨量化Alpha策略的逻辑，比如它是如何识别到市场中的“套利机会”或者“低估资产”的。是否会涉及到一些常用的量化指标和因子？比如价值因子、动量因子、质量因子等等。这些因子的构建和使用，以及它们在不同市场环境下的表现，如果能有详细的说明，那将非常有价值。同时，“实战案例解析”这部分，我特别希望能够看到一些具有代表性的案例。这些案例能否覆盖不同的市场、不同的策略类型？能否展示在策略开发、执行、风险控制以及最终收益实现的全过程？我尤其想了解，在实际的交易中，会遇到哪些意想不到的困难，作者是如何克服的？这对于我这样仍在学习阶段的投资者来说，是无价的宝贵经验。

评分☆☆☆☆☆

还没看，以后补充

评分☆☆☆☆☆

很好，很实用，是要找的书

评分☆☆☆☆☆

不错的好书，突显了作者的功力

评分☆☆☆☆☆

书还没看，应该还哦不错呀。

评分☆☆☆☆☆

好的一笔！！！京东物流太快了

评分☆☆☆☆☆

还没看.......:....

评分☆☆☆☆☆

书还可以策略很多

评分☆☆☆☆☆

东西可以我收到了。质量是真品不错的。

评分☆☆☆☆☆

好