5_刘欣_Python在量化投资领域的应用9043c7b635da4bafc51c4c907686/p1_2.jpg) ## Python在量化投资领域的应用 ## 以澎博真格量化平台为例 刘欣 ## 目录 >> 关于澎博财经 >> Python量化平台应对问题 >> Python量化平台愿景 ## 1 关于澎博财经 中国金融市场的交易技术先行者, 提供期货、股票、期权交易系统解决方案, |锁定解锁||||||||| |组合|查询|||||||| ## 关于澎博财经-真格量化 ## 量化,我们来「真格」的! 一 真格量化 期货期权 实盘量化平台 一 泰德财经旗下 泰易大师 汇点财富 研发团队出品 真实的实盘策略 (部分公开票码) 商品持仓排名策略 商品期货双均线策略 查看详情 查名详情 澎博财经真格量化平台 期权卖跨市套利 ID:10372  hi@mzh.io ## 自我介绍 后端工程师,主要写Go • 业余搞Go官方库开发 ● 主要喜欢折腾ARM/MIPS 性能优化 ● 第一个中国Go 官方MIPS64 builder 维护者0 码力 | 38 页 | 5.95 MB | 2 年前3
Egg & Node.js 从⼩⼯坊⾛向企业级开发0 码力 | 70 页 | 7.57 MB | 2 年前3
11 Queena 欢迎来到PyCon 向伟大的Pythonista们致敬[Image](/uploads/documents/6/c/d/1/6cd1be2509fa58020b09359e1cd56628/p1_2.jpg) ## 欢迎来到 PyCon 【成都站】,向伟大的 Pythonista们致敬! PYTHON 30th PyCon China 组委会 _晁倩/Queena ## 与 PyCon China 结缘 2016 志愿者参与 2017 会务执行 社区合作伙伴 PYTHON 30th  ## 向伟大的 Pythonista们致敬! PyCon China 2020见! 微信公众号:PyChina ,反之则是未激活 (inactive)。 这就是稀疏的好处,按需分配,自动扩容。 分块则是利用了我们存储的数据常常有着空间局域性的特点,减轻哈希表的压力,同时在每个块内部也可以快乐地 SIMD 矢量化,CPU 自动预取之类的。  传统稠密二维数组 } 第 5 章:量化整型 ## 使用 int:每个占据 4 字节 - 记得我第七课说过,一个简单的循环体往往会导致内存成为瓶颈(memory-bound)。 • 右边就是一个很好的例子。 main: 0.364761s 因此我们可以把数据类型变小,这样所需的内存量就变小,从而内存带宽也可以减小! - 对于右边这种内存瓶颈的循环体,从 4 字节的 int 改成 int8_t,理论上可以增加 4 倍速度! - 这就是量化数据类型的思想,把占空间大的数据类型转换成较小的(损失一定精度,换来性能)。 因此如果你的程序不需要那么高精度,可以考虑用小点的数据类型。main: 0.120654s int main() {0 码力 | 102 页 | 9.50 MB | 2 年前3
vLLM v0.4.1 Documentation0 码力 | 101 页 | 894.09 KB | 3 月前3
深度学习与PyTorch入门实战 - 47. RNN原理0 码力 | 12 页 | 705.66 KB | 2 年前3
机器学习课程-温州大学-04深度学习-深层神经网络我们不将输入层看作一个标准的层。  ### 2. 神经网络的向量化 $$ \begin{aligned}&\begin{aligned}\\ &x_{1}&x_{2}&x_{3}\\&z&=w^{T}x+b\\& 反向传播算法 隐藏层 输出层  ## 前向传播: 计算 $ z^{[1]} $ , $ a^{[1]} $ ,再计算 $ z^{[2]} $ , $ a^{[2]} $ ……,最后得到loss function。 ### 4. 反向传播算法 e/2/1/7e21f8a2992a11261e2d760639aa8695/p21_1.jpg) 这是五个隐藏层的神经网络,隐藏层和输出层一共是六层,因此我们称这个是六层的神经网络。 ## 前向传播 第一层需要计算 $ z^{[1]} = w^{[1]}x + b^{[1]} $ $ a^{[1]} = g^{[1]}(z^{[1]}) $ (x可以看做 $ a^{[0]} $ )0 码力 | 28 页 | 1.57 MB | 2 年前3
pytorch 入门笔记-03- 神经网络GPU 上运行、导出、加载等。 - nn.Parameter:一种变量,当把它赋值给一个Module时,被自动地注册为一个参数。 - autograd.Function:实现一个自动求导操作的前向和反向定义,每个变量操作至少创建一个函数点,每一个Tensor 的操作都会创建一个接到创建Tensor 和编码其历史的函数的Function 节点。 ## 重点如下: · 定义一个网络 - 处理输入,调用0 码力 | 7 页 | 370.53 KB | 2 年前3
共 1000 条
- 1
- 2
- 3
- 4
- 5
- 6
- 100













