雪球論三元股份

A. 雪球如何操作，是干什麼的是炒股的嗎

你好，雪球是一個交流股票觀點的網站，可以互相討論股票，也有不少大V會發一些干貨或者薦股，可以學到知識，希望能幫到你。

B. 有人聽說過雪球投資論壇嗎這個站好象沒有啊！

雪球投資主要是關於美股的，看你想參與哪些投資品種的交流，如果是外版匯和股票，可以上權「胖弟弟」交易分享平台，www.pangdidi.com

C. 雪球網中的短線高手是那位

股市泡沫（Bubble）指股票交易市場中的股票價格超過其內在的投資價值的現象。一般來說，在股票交易市場上的股票泡沫是一直存在的。念的觸角能抵達到你的身

D. 雪球地球的提出假說

最早提出「雪球地球」理論的美國加州理工學院研究小組發現，使早期地球變成雪球的罪魁禍首很可能只是一種細菌，它釋放出的氧氣破壞了可使地球保持溫暖的關鍵氣體——甲烷。
科學家推測，在23億年前，一種叫藍菌或藍綠藻的細菌突然發育出分解水及釋放氧氣的能力，大量的氧氣使當時大氣中豐富的溫室氣體甲烷很不穩定。在至少10萬年的時間內，溫室效應被破壞，地球沒有了甲烷，全球溫度下降到零下50攝氏度。地球進入冰河期後變得十分寒冷，赤道海洋被大約1.6千米厚的冰層覆蓋，大量生物死亡，只有轉入地下或在熱溫泉中的生物才能得以生存下來。 對於雪球地球觀點的最早爭辯始於1989年，之後持反對觀點的科學家對此進行了更加猛烈的攻擊，其中最具代表性的就是加拿大多倫多大學的三位物理學家。2008年4月，他們設計了一種新原生代末期二氧化碳計算機模擬，新原生代末期是海洋氧氣生成的重要時期。
這三位物理學家指出，計算機模擬顯示，持續的寒冷氣溫將使大氣中的氧氣散布到海洋底部，通過光合作用進而轉化成為富含溶解有機碳的地質層，最終形成二氧化碳氣體。這些二氧化碳氣體將從海洋中釋放回到大氣層中，通過溫室氣體效應加熱大氣層空氣，在地球冰凍冷卻循環周期之前，誘導海洋冰層逐漸融化、冰河逐漸縮小。
換句話講，地球在8.5億—5.5億年前的成冰紀並不是一個冰凍的雪球，當時的地球很可能是氣候溫和、土壤泥濘，熱帶地區的海水處於非冰凍狀態，海水可以與陽光進行充足的光合作用。這個時期並沒有大量火山噴發的二氧化碳氣體，也沒有持續冰凍上億年。 J.L. Kirschvink認為，當時在中高緯度的反照率是很高的，形成大量冰川，然後海平面下降，導致了陸地面積增加，陸地增加進一步增加了地球的反照率；同時，熱帶地區大陸增加有利於硅酸岩風化，有利於大氣中的CO2埋藏，加強了「冰室效應」。這兩個因素的不斷影響，導致了地球不斷變冷，從而形成一個「雪球」。在形成「雪球」之後，因為地球的火山作用，不斷釋放出CO2等溫室氣體，經過長期積累，這些氣體終於足夠強大，產生了巨大的「溫室效應」，地球溫度升高，所以又融化了。

E. 如何通過雪球查詢股票之前的變動狀況

一. 雪球公司介紹

雪球 聰明的投資者都在這里。

web 1.0：新聞資訊，股價信息，K線圖
web 2.0：SNS 訂閱，分享，聊天
web 3.0：移動 APP，交易閉環
雪球現在員工數還不到100，其中技術人員佔一半。去年9月C輪融資4kw刀。我們現在的技術棧由下列組件組成：Java，Scala，Akka，Finagle，Nodejs，Docker ，Hadoop。我們當前是租用IDC機房自建私有雲，正在往「公私混合雲」方向發展。

在雪球上，用戶可以獲取滬深港美2w+股票的新聞信息，股價變化情況，也可以獲取債券，期貨，基金，比特幣，信託，理財，私募等等理財產品的各類信息，也可以關注雪球用戶建立的百萬組合，訂閱它們的實時調倉信息，還可以關注雪球大V。雪球當前有百萬日活躍用戶，每天有4億的API調用。App Store 財務免費榜第 18 名。歷史上曾排到財務第二，總免費榜第 19。

二. 雪球當前總體架構

作為一個典型的移動互聯網創業公司，雪球的總體架構也是非常典型的設計：

最上層是三個端：web端，android端和iOS端。流量比例大約為 2：4：4 。web3.0 的交易功能，在 web 端並不提供。
接入層以及下面的幾個層，都在我們的自建機房內部。雪球當前只部署了一個機房，還屬於單機房時代。正在進行「私有雲+公有雲混合部署」方案推進過程中。
我們當前使用 nodejs 作為 web 端模板引擎。nodejs 模塊與android 和 ios 的 app 模塊一起屬於大前端團隊負責。
再往下是位於 nginx 後面的 api 模塊。跟 linkedin 的 leo 和微博的 v4 一樣，雪球也有一個遺留的大一統系統，名字就叫 snowball 。最初，所有的邏輯都在 snowball 中實現的。後來慢慢的拆出去了很多 rpc 服務，再後來慢慢的拆出去了一些 http api 做成了獨立業務，但即便如此，snowball 仍然是雪球系統中最大的一個部署單元。
在需要性能的地方，我們使用 netty 搭建了一些獨立的介面，比如 quoto server，是用來提供開盤期間每秒一次的股價查詢服務，單機 qps 5w+，這個一會再細說；而 IM 服務，起初設計里是用來提供聊天服務，而現在，它最大的用途是提供一個可靠的 push 通道，提供 5w/s 的消息下發容量，這個也一會再細說。
雪球的服務化拆分及治理採用 twitter 開源的 finagle rpc 框架，並在上面進行了一些二次開發和定製。定製的功能主要集中在 access log 增強，和 fail fast，fail over 策略及降級開關等。 finagle 的實現比較復雜，debug 和二次開發的門檻較高，團隊內部對此也進行了一些討論。
雪球的業務比較復雜，在服務層中，大致可以分為幾類：第一類是web1.0，2.0 及基礎服務，我們稱為社區，包括用戶，帖子，新聞，股價，搜索等等，類比對象就是新浪財經門戶+微博；第二類是組合及推薦，主要提供股票投資策略的展示和建議，類比對象是美國的motif；第三類是通道，類似股市中的「支付寶」，接入多家券商，提供瞬間開戶，一鍵下單等等各種方便操作的功能。
雪球的業務實現中，包含很多非同步計算邏輯，比如搜索建索引，比如股票漲跌停發通知，比如組合收益計算等等，為此，我們設計了一個獨立的 Thread/Task 模塊，方便管理所有的後台計算任務。但隨著這些 task 越來越多，邏輯差異越來越大，一個統一的模塊並不是總是最佳的方案，所以，我們又把它拆成了兩大類：流式的，和批量式的。
雪球的推薦體系包括組合推薦「買什麼」和個性化推薦。我們最近正在重新梳理我們的大數據體系，這個感興趣的話可以單聊。
最下面是基礎設施層。雪球基礎設施層包括：redis，mysql，mq，zk，hdfs，以及容器 docker。
線上服務之外，我們的開發及後台設施也很典型：gitlab開發，jenkins打包，zabbix 監控系統向 openfalcon 遷移，redimine向confluence遷移，jira，以及內部開發的 skiing 後台管理系統。
** 三. 雪球架構優化歷程**

首先描述一下標題中的「股市動盪」定語修飾詞吧：

上證指數從年初的3000點半年時間漲到了5000多，6月12號達到最高點5200點，然後就急轉直下，最大單日跌幅 8.48%，一路跌回4000點以下。最近一周都在3900多徘徊。

3月最後一周，A股開戶 166萬戶，超過歷史最高紀錄 2007年5月第二周165萬戶。

4月份，證監會宣布A股支持單用戶開設多賬戶。

6月底，證金公司代表國家隊入場救市。

7月份，證監會宣布嚴打場外配資。

中國好聲音廣告第一晚，帶來超過平時峰值200倍的注冊量

挑戰：小 VS 大：

小：小公司的體量，團隊小，機器規模小
大：堪比大公司的業務線數量，業務復雜度，瞬間峰值沖擊

雪球的業務線 = 1個新浪財經 + 1 個微博 + 1 個 motif + 1 個大智慧/同花順。由於基數小，API調用瞬間峰值大約為平時峰值的 30+ 倍。

挑戰：快速增長，移動互聯網 + 金融，風口，A股大盤劇烈波動。

首先，在app端，在我們核心業務從 web2.0 sns 向 3.0 移動交易閉環進化的過程中，我們開發了一個自己的 hybrid 框架：本地原生框架，加離線 h5 頁面，以此來支撐我們的快速業務迭代。當前，雪球前端可以做到 2 周一個版本，且同時並行推進 3 個版本：一個在 app store 等待審核上線，一個在內測或公測，一個在開發。我們的前端架構師孟祥宇在今年的 wot 上有一個關於這方面的詳細分享，有興趣的可以稍後再深入了解。

雪球App實踐—構建靈活、可靠的Hybrid框架 http://wot.51cto.com/2015mobile/ http://down.51cto.com/data/2080769

另外，為了保障服務的可用性，我們做了一系列的「端到端服務質量監控」。感興趣的可以搜索我今年4月份在環信SM meetup上做的分享《移動時代端到端的穩定性保障》。其中在 app 端，我們採用了一種代價最小的數據傳輸方案：對用戶的網路流量，電池等額外消耗幾乎為0

每個請求里帶上前一個請求的結果

succ or fail ： 1 char
失敗原因：0 - 1 char
請求介面編號： 1 char
請求耗時：2 - 3 char
其它：網路制式，etc
炒股的人大多都會盯盤：即在開盤期間，開著一個web頁面或者app，實時的看股價的上下跳動。說到「實時」，美股港股當前都是流式的數據推送，但國內的A股，基本上都是每隔一段時間給出一份系統中所有股票現價的一個快照。這個時間間隔，理論上是3秒，實際上一般都在5秒左右。 交了錢簽了合同，雪球作為合作方就可以從交易所下屬的數據公司那裡拿到數據了，然後提供給自己的用戶使用。

剛才介紹總體架構圖的時候有提到 quote server ，說到這是需要性能的地方。

業務場景是這樣的，雪球上個人主頁，開盤期間，每秒輪詢一次當前用戶關注的股票價格變動情況。在內部，所有的組合收益計算，每隔一段時間需要獲取一下當前所有股票的實時價格。起初同時在線用戶不多，這個介面就是一個部署在 snowball 中的普通介面，股價信息被實時寫入 redis ，讀取的時候就從 redis 中讀。後來，A股大漲，snowball 抗不住了。於是我們就做了一個典型的優化：獨立 server + 本地內存存儲。開盤期間每次數據更新後，數據接收組件主動去更新 quote server 內存中的數據。 後續進一步優化方案是將這個介面以及相關的處理邏輯都遷移到公有雲上去。

對於那些不盯盤的人，最實用的功能就是股價提醒了。在雪球上，你除了可以關注用戶，還可以關注股票。如果你關注的某隻股票漲了或跌了，我們都可以非常及時的通知你。雪球上熱門股票擁有超過 50w 粉絲（招商銀行，蘇寧雲商）粉絲可以設置：當這支股票漲幅或跌幅超過 x%（默認7%）時提醒我。曾經連續3天，每天超過1000股跌停，證監會開了一個會，於是接下來2天超過1000股漲停

原來做法：

股票漲（跌）x%，掃一遍粉絲列表，過濾出所有符合條件的粉絲，推送消息
新做法：

預先建立索引，開盤期間載入內存
1%：uid1，uid2
2%：uid3，uid4，uid5
3%：uid6
問題：有時候嫌太及時了：頻繁跌停，打開跌停，再跌停，再打開。。。的時候
內部線上記錄：

4台機器。
單條消息延時 99% 小於 30秒。
下一步優化目標：99% 小於 10 秒
IM 系統最初的設計目標是為雪球上的用戶提供一個聊天的功能:

送達率第一
雪球IM：Netty + 自定義網路協議
Akka ： 每個在線client一個actor
推模式：client 在線情況下使用推模式
多端同步：單賬號多端可登錄，並保持各種狀態同步
移動互聯網時代，除了微信qq以外的所有IM，都轉型成了推送通道，核心指標變成了瞬間峰值性能。原有架構很多地方都不太合適了。

優化：

分配更多資源：推送賬號actor池
精簡業務邏輯：重復消息只存id，實時提醒內容不推歷史設備，不更新非活躍設備的session列表等等
本地緩存：拉黑等無法精簡的業務邏輯遷移到本地緩存
優化代碼：非同步加密存儲，去除不合理的 akka 使用
akka這個解釋一下：akka 有一個自己的 log adapter，內部使用一個 actor 來處理所有的 log event stream 。當瞬間峰值到來的時候，這個 event stream 一下子就堵了上百萬條 log ，導致 gc 顛簸非常嚴重。最後的解決辦法是，繞過 akka 的 log adapter，直接使用 logback 的 appender

線上記錄：5w/s （主動限速）的推送持續 3 分鍾，p99 性能指標無明顯變化

7月10號我們在中國好聲音上做了3期廣告。在廣告播出之前，我們針對廣告可能帶來的對系統的沖擊進行了壓力測試，主要是新用戶注冊模塊，當時預估廣告播出期間2小時新注冊100萬

壓測發現 DB 成為瓶頸：

昵稱檢測 cache miss > 40%
昵稱禁用詞 where like 模糊查詢
手機號是否注冊 cache miss > 80%
注冊新用戶：5 insert
優化：

redis store：昵稱，手機號
本地存儲：昵稱禁用詞
業務流程優化：DB insert 操作同步改非同步
下一步優化計劃：

將 sns 系統中所有的上行操作都改成類似的非同步模式
介面調用時中只更新緩存，而且主動設置5分鍾過期，然後寫一個消息到 mq 隊列，隊列處理程序拿到消息再做其它耗時操作。
為了支持失敗重試，需要將主要的資源操作步驟都做成冪等。
前置模塊HA：

合作方合規要求：業務單元部署到合作方內網，用戶的敏感數據不允許離開進程內存
業務本身要求：業務單元本身為有狀態服務，業務單元高可用
解決方案：

使用 Hazelcast In-Memory Data Grid 的 replication map 在多個 jvm 實例之間做數據同步。

java 啟動參數加上 -XX:+DisableAttachMechanism -XX:-UsePerfData，禁止 jstack，jmap 等等 jdk 工具連接

關於前置模塊，其實還有很多很奇葩的故事，鑒於時間關系，這里就不展開講了。以後有機會可以當笑話給大家講。

組合凈值計算性能優化：

一支股票可能在超過20萬個組合里（南車北車中車，暴風科技）
離線計算，存儲計算後的結果
股價3秒變一次，涉及到這支股票的所有組合理論上也需要每 3 秒重新計算一次
大家可能會問，為什麼不用戶請求時，實時計算呢？這是因為「組合凈值」中還包括分紅送配，分股，送股，拆股，合股，現金，紅利等等，業務太過復雜，開發初期經常需要調整計算邏輯，所以就設計成後台離線計算模式了。當前正在改造，將分紅送配邏輯做成離線計算，股價組成的凈值實時計算。介面請求是，將實時計算部分和離線計算部分合並成最終結果。

實際上，我們的計算邏輯是比較低效的：循環遍歷所有的組合，對每個組合，獲取所有的價值數據，然後計算。完成一遍循環後，立即開始下一輪循環。

優化：

分級：活躍用戶的活躍組合，其它組合。
批量：拉取當前所有股票的現價到 JVM 內存里，這一輪的所有組合計算都用這一份股價快照。
關於這個話題的更詳細內容，感興趣的可以參考雪球組合業務總監張岩楓在今年的 arch summit 深圳大會上的分享：構建高可用的雪球投資組合系統技術實踐 http://sz2015.archsummit.com/speakers/201825

最後，我們還做了一些通用的架構和性能優化，包括jdk升級到8，開發了一個基於 zookeeper 的 config center 和開關降級系統

四. 聊聊關於架構優化的一些總結和感想

在各種場合經常聽說的架構優化，一般都是優化某一個具體的業務模塊，將性能優化到極致。而在雪球，我們做的架構優化更多的是從問題出發，解決實際問題，解決到可以接受的程度即可。可能大家看起來會覺得很凌亂，而且每個事情單獨拎出來好像都不是什麼大事。

我們在對一個大服務做架構優化時，一般是往深入的本質進行挖掘；當我們面對一堆架構各異的小服務時，「架構優化」的含義其實是有一些不一樣的。大部分時候，我們並不需要（也沒有辦法）深入到小服務的最底層進行優化，而是去掉或者優化原來明顯不合理的地方就可以了。

在快速迭代的創業公司，我們可能不會針對某一個服務做很完善的架構設計和代碼實現，當出現各種問題時，也不會去追求極致的優化，而是以解決瓶頸問題為先。

即使我們經歷過一回將 snowball 拆分服務化的過程，但當我們重新上一個新的業務時，我們依然選擇將它做成一個大一統的服務。只是這一次，我們會提前定義好每個模塊的 service 介面，為以後可能的服務化鋪好路。

在創業公司里，重寫是不能接受的；大的重構，從時間和人力投入上看，一般也是無法承擔的。而「裱糊匠」式做法，哪裡有性能問題就加機器，加緩存，加資料庫，有可用性問題就加重試，加log，出故障就加流程，加測試，這也不是雪球團隊工作方式。我們一般都採用最小改動的方式，即，准確定義問題，定位問題根源，找到問題本質，制定最佳方案，以最小的改動代價，將問題解決到可接受的范圍內。

我們現在正在所有的地方強推3個數據指標：qps，p99，error rate。每個技術人員對自己負責的服務，一定要有最基本的數據指標意識。數字，是發現問題，定位根源，找到本質的最重要的依賴條件。沒有之一。

我們的原則：保持技術棧的一致性和簡單性，有節制的嘗試新技術，保持所有線上服務依賴的技術可控，簡單來說，能 hold 住。

能用cache的地方絕不用db，能非同步的地方，絕不同步。俗稱的：吃一塹，長一智。

特事特辦：業務在發展，需求在變化，實現方式也需要跟著變化。簡單的來說：遺留系統的優化，最佳方案就是砍需求，呵呵。

F. 雪球股票走勢圖怎麼出不來

一根K線記錄的是股票在一天內價格變動情況。將每天的K線按時間順序排列在一起，就組成了股票價格的歷史變動情況，叫做K線圖。K線將買賣雙方力量的增減與轉變過程及實戰結果用圖形表示出來。經過近百年來的使用與改進，K線理論被投資人廣泛接受。

什麼是K線？K線又被稱為蠟燭圖，據說起源於十八世紀日本的米市，當時日本的米商用來表示米價的變動，後因其標畫方法具有獨到之處，因而在股市及期市中被廣泛引用。它是以每個交易日（或每個分析周期）的開盤價、最高價、最低價、和收盤價繪制而成，K線的結構可分為上影線、下影線及中間實體三部分。
K線是一條柱狀的線條，由影線和實體組成。中間的矩形稱為實體，影線在實體上方的細線叫上影線，下方的部分叫下影線。實體分陽線和陰線。
K線可以分為日K線、周K線、月K線，在動態股票分析軟體中還常用到分鍾線和小時線。K線是一種特殊的市場語言，不同的形態有不同的含義。

K線圖有直觀、立體感強、攜帶信息量大的特點，蘊涵著豐富的東方哲學思想，能充分顯示股價趨勢的強弱、買賣雙方力量平衡的變化，預測後市走向較准確，是各類傳播媒介、電腦實時分析系統應用較多的技術分析手段。

K線將買賣雙方力量的增減與轉變過程及實戰結果用圖形表示出來。經過近百年來的使用與改進，K線理論被投資人廣泛接受。

· 當收盤價高於開盤價時，實體部分一般繪成紅色或空白，稱為「陽線」

· 當收盤價低於開盤價時，實體部分一般繪成綠色或黑色，稱為「陰線」

舉些例子說明

K線的形成是一種多空心理演變的過程，反映出股票某個周期的走勢和多空實力的變化。不少投資者形象地把它比喻為交戰雙方戰斗的陣地。為了便於投資者分析，我們不妨將它分為三個階段，並站在多方的立場對這些組合進行解釋。

進攻階段：

吞噬和上升三法模式

吞噬線是多空中被動的一方絕地反擊模式，可分為多頭吞噬和空頭吞噬。多頭吞噬是一根陽線完全包含前一日或前幾日的K線。這種圖形常見於底部和震盪上行階段，是買入信號。如果第二日成交量能夠維持，則可以及時跟進。上升三法模式是一次大幅上漲之後出現幾天調整，但是調整的幅度不大，這是買人信號。從戰術考慮，上升三法實際是進攻中的一種策略，多方為進一步擴大戰果，取得勝利做更充分的准備。

相持階段：

下跌三顆星和紅三兵模式

三顆星模式是股價下跌過程中的一種調整模式。一般是由一根陰線和三根以上的小十字星構成，是賣出信號。從戰略上看，為了減少傷亡，多方必須快速撤退以保存實力，堅守陣營、抗到底只是無謂的犧牲。紅三兵模式是由一根大陰線和其後的三根小陽線共同構成。三根小陽線出現之後並沒有創出新高。紅三兵是賣出信號。從戰略上看，紅三兵是空方故意示弱實際是進攻時布下的疑兵。

反擊階段：

孕育線、貫穿和陰陽相切模式

上升孕育線是由一根大陰線和其後的一根小陽線組成。小陽線的實體和上下影線全都包含在陰線之內，是買入信號。貫穿模式是由一根大陰線和其後的一根大陽線組成。其中陽線以低位開盤，最終以較大陰線實體的中部價位還高的價位收盤，是買入信號。陽切陰模式是由一根光腳的大陰線和其後的一根光腳陽線組成。表明股價以同前收盤價一樣的的價格開盤，之後股價直接向上最終以中陽獲大陽線收盤，也是買入信號。「陽切陰」是一種戰略上的一個轉折，多方一改往日步步撤退的作風，當日沒有讓空方侵犯一寸土地，從而扭轉被動局面。

K線組合還有助於成交量的配合，只有量能配合才能更容易判斷市場信息的變化。當然，K線組合有很多種，實際戰術也有很多種。我們不能把他當作制勝法寶，而應多觀察、靈活運用。

追問：
比如說小陽星 是結合白線和黃線一天的走勢看的么
回答：
最好是能用這個時期或者這幾天的陰陽線的組合來看，一天的K線只能代表當天的報價，如果再配合均線和股票的成交量一起來分析參考，就更有價值。

G. 雪球股票 · 為什麼大多數人不能在股市掙錢

1、股市裡流傳這么一句話：七賠二平一賺。
但中國股市裡，能賺錢的散戶不會版超權過5％
希望打算新入市的兄弟姐妹們能仔細思量一下，自己憑什麼進入這5％的隊伍。
2、對股市新手學習的建議
第一步：了解證券市場最基礎的知識和規則（證券從業資格考試中，基礎和交易兩科，基本就能解決這一步）
第二步：學習投資分析傳統的經典理論和方法（證券從業資格考試中，投資分析科目，能初步滿足這步的要求，另外還有些股市投資分析類的經典書籍，要看看）
第三步：在前兩步基礎上，對股市投資產生自己的認識，對股價變動的原因形成自己的理解和理論
第四步：在自己對證券市場認識和理解的指導下，形成自己的方法體系和工具體系以及交易規則
3、上述過程中，去游俠股市開個股票模擬賬戶做模擬操作，或者用極少量極少量的錢謹慎操作，這樣理論結合實際效果會更好些。
4、股市上的絕大多數人希望直接把別人的方法拿來用，希望找到個神奇的軟體或指標來幫助自己賺錢。這種思維是典型的以為找到屠龍寶刀就能威震江湖了，而實際上，如果沒有深厚內力和高超技藝來駕馭，屠龍寶刀比菜刀的用處多不到哪裡去。
努力提升自己對市場的理解和認識，這是想在股市有所造詣之人的唯一途徑。

H. 雪球怎麼樣

雪球就是一個rubbish,沒有多大的能量卻故作清高，無端封號，新浪、東方財富、同花順比它好太多，這就是小姐和丫鬟的差別

I. 《巫師3》狂獵跟希里打雪球這一劇情應該如何選擇

結局：

結局1. Ciri(希里)在最後White Frost, 死亡/下落不明。Geralt憤怒和傷心地獨自找回Ciri 的項鏈。

結局2. Ciri(希里)在最後White Frost,存活。但最後要被迫跟Geralt 分開, 變成Empoer 的公主。

結局3. Ciri(希里) 在最後White Frost, 存活。最後跟Geralt 一起當狩魔獵人(個人覺得最好結局)。

影響三個結局的事件是Ciri 回來之後，在Kaer Morhen狂獵入侵戰之後的Geralt對Ciri選擇。

Ciri 在Vesemir死後對自己能力不足感到慣怒，Ciri問Geralt 有何方法可以解決:

選擇一:叫她放鬆。帶她去飲酒。

選擇二:Geralt 知道一個傳統方法可以解決- 跟Ciri玩雪球去!

選擇二：在完成上面事件後，Ciri 會叫你到Velen 跟狂獵將軍Imheir 硬幹，Geralt會選擇是否帶Ciri回皇宮見她那個不知所謂的皇帝老爸，如果你選擇帶回，無論之後任何選擇，你只會得到結局1跟結局2，不帶回則結局3會有機會出現。