[量化投资-学习笔记011]Python+TDengine从零开始搭建量化分析平台-MACD金死叉策略回测
在上一章节 MACD金死叉中结束了如何根据 MACD 金死叉计算交易信号。 目录 脚本说明文档（DevChat 生成）MACD 分析脚本安装依赖库参数配置查询与解析数据计算 MACD 指标判断金叉和死叉计算收益绘制图形运行脚本 本次将根据交易信号，模拟交易。更加历史数据对MACD金死叉交易策略进行回测，看一下收益如何。 下面进行一个简单的实现： 定义一个资金池 当出现买入信号且无仓位时，全仓买入。买...
[量化投资-学习笔记007]Python+TDengine从零开始搭建量化分析平台-布林带
述，只是相较于 MACD 描述趋势的变化程度，布林带更关注于价格的异常波动。 要搞懂布林带，就需要从定义入手，除了之前提到的均线，另一个重要的概念就是标准差。 标准差是反映一组数据离散程度最常用的一种量化形式，是表示精确度的重要指标。标准差的计算步骤如下： 求平均：计算数据集中数值的平均值。计算每个数值与平均值的差：从每个数值中减去平均值，然后求差的平方。求结果的平均：将所有差的平方相加，然后除以数据...
Hikyuu 1.3.0 发布，高性能量化交易研究框架
Hikyuu 是一款基于 C++/Python 的高性能开源量化交易研究框架，用于快速策略分析及回测。与其他量化平台或回测软件相比，具备： 超快的回测速度；对完整的系统交易理念进行抽象，并分解为不同的组件，通过重用不同的方面策略，最大化的减轻编写策略的负担。 更多信息，参见项目主页: https://hikyuu.org 或 http://fasiondog.gitee.io/hikyuu 在 Hi...
Python量化交易-动量交易策略
动量交易策略包括根据资产价格行为或交易量的各种时间框架总移动平均线 (SMA)（2 天 MA、3 周 MA 等）创建买入/卖出信号。一般来说，我们通过低买高卖来跟踪价格走势的势头。 让我们开始编码 !pip install yfinance pandas-ta backtrader 此代码正在安装四个不同的库：yfinance、pandas-ta、backtrader。开头的感叹号表示该命令应在命令...
用 bitsandbytes、4 比特量化和 QLoRA 打造亲民的 LLM
= -6 FP4 没有固定的格式，因此可以尝试不同尾数/指数的组合。一般来说，在大多数情况下，3 个指数位的效果会更好一些。但某些情况下，2 个指数位加上 1 个尾数位性能会更好。 QLoRA，经由量化实现大模型自由的新途径 简而言之，与标准 16 比特模型微调相比，QLoRA 在不牺牲性能的前提下减少了 LLM 微调的内存使用量。使用该方法，我们可在单个 24GB GPU 上微调 33B 模型，还...
YOLOv8轻量化模型：模型轻量化设计 | 轻量级可重参化EfficientRepBiPAN | 来自YOLOv6思想
设计 EfficientRepBiPAN 在关键点检测任务中 | GFLOPs从9.6降低至8.5， mAP50从0.921下降至0.912，mAP50-95从0.697提升至0.779 YOLO轻量化模型专栏：http://t.csdnimg.cn/AeaEF 1.YOLOv6介绍 论文：https://arxiv.org/pdf/2209.02976.pdf 摘要：多年来，YOLO 系列一直是...
[量化投资-学习笔记006]Python+TDengine从零开始搭建量化分析平台-MACD
在上一章节介绍了 EMA 均线的计算，本节主要介绍均线的进化形态之一：MACD MACD (Moving Average Convergence / Divergence) 指数平滑移动平均线。MACD 是通过计算不同时间的 EMA 的差值俩判断价格趋势。 MACD 包括 3 个值： 长短期 EMA 差值：DIF = EMA(close,12)-EMA(close,26) （计算 12 日和 26 ...
YOLOv8-pose关键点检测：模型轻量化创新 |轻量高性能网络PPLCNet助力backbone
💡💡💡本文解决什么问题：轻量高性能网络PPLCNet替换YOLOv8 backbone PPLCNet | GFLOPs从9.6降低至6.6， mAP50从0.921下降至0.901，mAP50-95从0.697提升至0.752 Yolov8-Pose关键点检测专栏介绍：https://blog.csdn.net/m0_63774211/category_12398833.html ✨✨✨手把...
量化交易-应对市场闪崩
金融交易世界虽然提供了无与伦比的机会，但也并非没有陷阱。其中一个陷阱是闪崩现象，尤其是在算法交易领域。这些快速且常常无法解释的市场下跌可能会在几分钟内消除数十亿美元的价值。了解它们的起源、影响和预防策略对于参与算法交易的任何人都至关重要。本文深入研究了闪存崩溃及其连锁效应，并提供了可减轻其发生率的实用代码示例。 1. 破解市场崩溃问题 闪崩是指市场价格突然严重下跌，但几乎立即恢复。这些崩溃可能由多种...
yolov5的ptq量化流程
本次试验是基于yolov5n的模型进行ptq、qat的量化以及敏感层分析的试验。 Post-Training-Quantization（PTQ）是目前常用的模型量化方法之一。以INT8量化为例，PTQ处理流程如下： 首先在数据集上以FP32精度进行模型训练，得到训练好的baseline模型； 使用小部分数据对FP32 baseline模型进行calibration（校准），这一步主要是得到网络各层w...