- 综合排序
- 最热优先
- 最新优先
免费的股票实时行情API接口(散户量化)
LiuTongShiZhi 流通市值 int 2869000 单位：万 - LianZhangTian 连涨天数 int -1 单位：天 - 3RiZhangFu 3日涨幅 int -2510 单位：0.001% - 6RiZhangFu 6日涨幅 int -1110 单位：0.001% - 1YueZhangFu 近一月涨幅 int -3710 单位：0.001% - 1NianZhangFu 近一年涨幅 int 54850 单位：0.001%
4.1K10编辑于 2025-08-19- 来自专栏奇点大数据
话说量化（6）
各位读者朋友大家好，浪了半个多月之后我终于又开始了我的随笔了，感谢大家的关注。我们言归正传，上次说了通货膨胀，这次我们来说说货币的形式。
40030发布于 2018-10-23 - 来自专栏量化投资与机器学习
追涨行为因子：基于上交所投资者账户数据的散户交易行为量化策略
量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。 对于每个持仓股票 ，我们先得到该股票的买入时间 ，然后再计算买入前 至 这段时间内该股票的收益率 ，其中 的取值可以是1、2、3、6及12个月，并减去同时间段市场基准的收益 ，最后在乘以该股票对应的权重 前5列使用的月度的所有面板数据计算均值方差；第6和7列计算逻辑是：先计算每个账户在有效期内的RCP均值，再计算每个截面所有账户的RCP均值及标准差；第8和9列计算逻辑是：先计算每个截面所有账户RCP均值 去除上市未满6个月的股票后，我们对股票的RCO做了如下表5表6的统计和分析，我们可以看出，过去回报率更高、波动性和周转率更高、规模更大、估值过高（账面市值比较低）的股票更有可能吸引追逐回报的投资者。 我们将一只股票的散户份额定义为散户持有的股票价值与散户及机构持有的股票总价值之比。我们根据股票当月的零售份额将其分为3个子类。
2.6K21编辑于 2022-07-27 - 来自专栏计算机视觉战队
量化新方法 | 模型压缩6倍，无需重训练
将参数x0从0到1，并将位数从2改为6。 在表1和表2中收集了获得的结果，并在图3和图4中显示了它们。 ? ? ? ? ? 在上图中，给出了神经网络离散化的过程。 应特别注意倒数第二排。 通常这些网络需要在量化后进行重新训练，而我们找到了避免重新训练的方法。」 简化人工神经网络背后的主要思想是所谓的权重量化，即减少每个权重的位数。 训练之后，该网络会使用新方法进行量化，并且不进行重新训练。然后，该研究将实验结果与其他量化算法进行了比较。 RUDN 大学的 Iakov Karandashev 补充说道：「量化之后，分类准确率仅降低了 1％，但是所需的存储容量减少了 6 倍。 实验表明，由于初始权重与量化后权重之间的相关性很强，该网络不需要重新训练。这种方法有助于在完成时间敏感任务或在移动设备上运行任务时节省资源。」 © THE END
92610发布于 2021-03-13 A股散户的信息差，能靠 QClaw 补上吗？
散户投资者最大的劣势，不是资金量，不是分析能力，而是信息处理速度。机构投资者有研究团队，每天有分析师在持续跟踪基本面、解读公告、更新模型。 信息到了他们那里，是经过处理的结论；到了散户手里，往往是堆在各个角落的原材料——财报 PDF、新闻公告、研报文件、行业动态——没有时间读，更没有时间分析。 这个信息处理能力的差距，是散户系统性劣势的来源之一。QClaw 无法给你提供投资建议，也无法帮你做投资决策，但它能帮你把信息处理的效率大幅提升，缩小这个差距。 散户和机构的信息差，QClaw 能帮你缩小一部分。但最终的投资回报，还是取决于你的判断。
1.1K10编辑于 2026-03-20- 来自专栏量化投资与机器学习
【精选】人工智能如何改变华尔街的未来？
3、对于散户投资者如何使用或尝试使用人工智能？目前最大的挑战是什么？ Lane Mendelsohn：我认为散户投资者面临的挑战和机构投资者是一样的，但是要乘以1000倍。 6、人工智能的采用是否会导致波动性的降低？ Lane Mendelsohn：我认为采用人工智能不会降低市场的波动性。我认为市场总是会波动的，我们需要波动。波动对市场来说实际上是一件好事。 通过以上的对话，小编总结了几点： 想把人工智能应用量化投资，你得有钱、有人、有时间。 散户投资者就别小打小闹了，搞个模型预测个股价，没意思，我们做量化做交易，目的是要有盈利的，不是为了博眼球，跑跑回测就可以的。 所以我们要辩证的对待人工智能在量化中的应用，不要盲目，不要觉得什么高大上什么复杂就一定是好的！
77650发布于 2018-05-28 - 来自专栏AustinDatabases
《OpenClaw热潮背后：散户在“养虾”，云厂商在“收网”》
加群请联系 liuaustin3 ，（共3400人左右 1 + 2 + 3 + 4 +5 + 6 + 7 + 8 +9）(1 2 3 4 5 6 7 8群已经爆满 9群 300+，开10群PolarDB
23510编辑于 2026-03-12 - 来自专栏YOLO大作战
YOLOv8轻量化：模型轻量化设计 | 轻量级可重参化EfficientRep| 来自YOLOv6思想
具体来说，从最近的网络设计、训练策略、测试技术、量化和优化方法中大量吸收了一些想法。最重要的是，整合思想和实践，构建了一套不同规模的部署网络，以适应多样化的用例。 在 YOLO 作者的慷慨许可下，作者将其命名为 YOLOv6。作者也热烈欢迎用户和贡献者进一步增强。 YOLOv6-N 在 NVIDIA Tesla T4 GPU 上以 1234 FPS 的吞吐量在 COCO 数据集上达到 35.9% 的 AP。 YOLOv6-S 量化版本甚至带来了 869 FPS 的最新 43.3% AP。 此外，与具有相似推理速度的其他检测器相比，YOLOv6-M/L 还实现了更好的准确度性能（即 49.5%/52.3%）。
1.9K70编辑于 2023-11-08 - 来自专栏韩曙亮的移动开发专栏
【Cubase】Cubase 量化设置 ( 量化预置 | 长度量化 | 快捷键设置 | 量化开头 | 量化 MIDI 事件结尾 | 量化 MIDI 事件长度 )
文章目录 一、要解决的问题 二、量化预置 三、长度量化 四、快捷键及设置 1、快捷键及设置 2、量化开头 3、量化 MIDI 事件结尾 4、量化 MIDI 事件长度 五、对 MIDI 进行量化操作 本博客中的所有设置都是在 ; 三、长度量化 ---- 长度量化 参数设置 : 在下图 处设置长度量化 , 如果设置成 " 1/16 " , 那么使用鼠标拖动时 , 音符的长度只能是 16 分音符的整数倍 ; 上述的 量化预置 ; 2、量化开头 量化开头 : 默认按键 " Q " 是量化开头 ; 将所有音符的开始位置对齐到 " 量化预制 " 对应的格子中 ; 该设置是系统自带的 , 不建议修改 ; 3、量化 MIDI 事件结尾 量化 MIDI 事件结尾 : 首先选中左侧的 " 量化类别 / 量化 MIDI 事件结尾 " , 点击右侧的 " 输入快捷键 " 下方的输入框 ; 输入快捷键后 , 点击 " 指定 " " 快捷键 , 量化音符长度 , 此时音符都排列整齐了 , 音符开头和音符长度进行了量化 , 音符结尾自然也进行了量化 ;
4.6K00编辑于 2023-03-28 - 来自专栏Reinvent Data Science
活用向量数据库，普通散户也能找到潜力股！
普通散户到底如何全盘分析，选出一支潜力股？ 向量搜索领域的技术大牛、业余股民老莫给出了他的答案：他尝试将复杂的数组转化成向量，然后使用开源向量数据库 Milvus 辅助分析股票，为「选股」这一世纪难题给出了量化分析选股的思考角度。 玩过股票的人应该有体会，散户选股是件令人特别头疼的事情，各种蜡烛图、曲线、数字常常让人眼花缭乱、无所适从。而且股市里有大几千只股票，一个人根本无法看全，基本上只能关注其中几只。 我们不能直接用这两条 12 维向量做比较，因为前一只股票 20 多块，后一只 6 块多，这两条向量的模长不同，直接计算距离毫无意义。 2005 年 4 月 22 日的前 100 天（笔者使用 Python 的 mpl_finance 库以及 Matplotlib 库来绘制蜡烛图）： 再来看看 300207 的 2021 年 4 月 6
1.4K30发布于 2021-11-16 - 来自专栏CNCF
云原生如何驱动世界最大散户股票投资平台 Zerodha
2019年处理了 10 亿笔散户交易 计算实例成本至少降低 50% 具备所有依赖的完整环境仅需数分钟即可创建，不再需要数个小时 ? 挑战 印度股票经纪公司Zerodha 是全球最大的散户股票投资平台，每天要处理800 万笔交易。 印度股票经纪公司Zerodha是全球最大的散户股票投资平台，每天要处理 800 万笔交易。 “我们的使命就是方便普罗大众进行交易和投资，”首席技术官 Kailash Nadh 说。 2019 年，我们处理了 10 亿次散户交易，在全球股票经纪公司中可能独占鳌头。我们的日交易量约占印度所有散户股票市场交易量的20%。”
1K10发布于 2020-06-01 - 来自专栏算法之名
量化交易
针对可交易的投资商品，理性地运用逻辑分析和回归统计判断市场趋势称为量化交易。 量化策略 量化策略就是赚钱"因子"，可以分为基本面和技术面。
47210编辑于 2024-08-21 - 来自专栏BestSDK
Rcash推出一站式数字货币交易平台，提供大数据分析工具
Rcash创始人顾凯华表示，现阶段的数字货币市场，尚没有一家成熟专业的平台出现来帮助投资者进行量化交易。 Rcash要做的，就是为投资者提供一站式量化与套利交易工具和策略，使每一个数字货币投资者，无论有无程序化交易经验，都可以轻松、便捷地完成量化交易，同时以无风险或低风险获取稳健套利收益，业内人士形象地将后者称为搬砖 同时，散户获取市场信息、数据并完成策略建模的能力有限，各交易所接口不同导致量化投资者迫切需要一套通用接口用来实现跨市场、跨交易对套利和量化交易，因此一般散户投资者很难进行套利操作。 在Rcash平台上，投资者可以利用换算通道、交易币种、交易深度之间的不同，使用量化策略从中获利。 从而使对代码不甚了解的普通投资者可以完成量化交易和套利。
1.4K60发布于 2018-03-02 - 来自专栏图像处理与模式识别研究所
图像量化
from skimage import data from matplotlib import pyplot as plt image=data.coffee()#原始图像 ratio=128#设置量化比率 range(image.shape[2]):#图片通道数 image[i][j][k]=int(image[i][j][k]/ratio)*ratio#对图像中的每个像素进行量化 本文的图像量化过程是将256级的彩色图像量化到2级的彩色图像。 量化等级越多，量化比率越低，所得图像层次越丰富，灰度分辨率越高，图像质量好，但数据量大；量化等级越少，量化比率越高，图像层次欠丰富，灰度分辨率低，可能会出现假轮廓，图像质量变差，但数据量较小。 图像量化的作用是在一定主观保真图像质量的前提下，丢掉对视觉影响不大的信息，以获得较高的压缩比。
78320编辑于 2022-05-28 Python 量化
Python 量化是指利用 Python 编程语言以及相关的库和工具来进行金融市场数据分析、策略开发和交易执行的过程。 Python 由于其简洁、易学、强大的生态系统和丰富的金融库而成为量化交易的首选编程语言之一。 量化主要是通过数学和统计学的方法，利用计算机技术对金融市场进行量化分析，从而制定和执行交易策略。 更多 Python 量化内容可以查看：Python 量化交易。 start_date, end=end_date) # 简单的数据分析 print(data.describe()) # 绘制股价走势图 data['Close'].plot(figsize=(10, 6) strategy_performance.items(): print(f"{key}: {value:.4f}") # 绘制累计收益曲线 plt.figure(figsize=(10, 6)
34210编辑于 2025-12-16- 来自专栏小明的博客
量化交易
量化投资没有确切的定义，它泛指通过数学分析、挖掘价格波动规律，或者通过对相关宏观经济、财务数据、量价关系、资金交易等数据进行建模，寻找数据之间的关系，以获得稳定利润为目标，持续计算生成定量化的投资信号 多资产多策略配置: 对冲风险更高收益 技术信息理论的三大假设 市场行为包容消化一切信息 市场运行以趋势方式演变 历史会重演（我们可以通过历史数据来推断未来走势 绩效评估指标 绩效指标也被称为风险指标，它们也是量化投资的基石
2.7K20编辑于 2022-09-06 - 来自专栏机器学习、深度学习
模型量化
下图显示不同量化策略对速度的提升影响 ? 量化卷积过程 ? 加速策略： AND, XOR and bitcount operations 训练过程 ? 分类性能对比 ?
88110发布于 2019-05-26 - 来自专栏新智元
ICML新规血洗学术圈，学术散户只能「裸奔」
算法折叠：豪门疯狂套利，散户只配「裸奔」 如果你看到这里觉得：「太好了，终于有人来整治乱打分的评审了！」 先别急着庆祝。请先看一眼你手中的筹码。 这是一场针对「学术散户」的精准降维打击。 根据ICML2023的官方统计数据显示，75.5%的作者，只投了一篇论文。
21010编辑于 2026-01-26 - 来自专栏算法码上来
【白话模型量化系列一】矩阵乘法量化
然后整数矩阵 的数值范围其实就是有符号整数的表示范围 ， ，为了实现的简单，我们只量化到 ，这样就和 一样关于零点左右对称了。 如果我们强行还按照 的范围来量化relu结果 的话会怎么样呢？这样会导致整数区间 永远不会有数字，因为根本没有负数浮点数的存在。这样就白白浪费了127个整数，就会导致量化的精度大大受损。 总结 如果矩阵乘法两个输入的范围都是关于零点对称的，那么计算公式为： 「量化：」 「反量化：」 如果矩阵乘法其中一个输入是relu的结果，那么计算公式为： 「量化：」 「反量化：」 当然还有很多其他情况 此外为了减小量化的损失，还需要在模型结构中插入伪量化节点，然后进行量化感知训练（QAT）。接着还需要将finetune后的模型存储为int8格式。然后还需要开发加载int8模型的推理加速库代码。 网上关于量化的优秀教程非常多，我不会讲太多理论上的量化知识，只会从实践的角度来白话一下我们在Transformer模型量化过程中做的一些尝试。
1.3K20发布于 2021-12-02 - 来自专栏PPV课数据科学社区
十年量化老兵谈量化：玩转量化投资你需要这些技能
2015年6～9月大股灾，净值回撤大吗？ “构建量化模型的四个步骤：猜想、建模、回测、实战” 问：具体而言，您是如何构建量化模型的吗？如何确定量化因子的？ 持有封基：量化四步骤——猜想、建模、回测、实战。 “做好量化投资：有数学天赋很重要” 问：你做量化差不多十年了，在您看来要做好量化投资，需要做些什么准备？ 持有封基：除了热爱投资，还需要热爱数学，热爱量化，这是最根本的。 持有封基：持仓周期不一定的，主要还是取决于我的策略模型，最长的如我优化的海龟模型，从去年6月股灾开始一直看空，我就一直持有了债券和分级A一年多了。 我目前就是有6-7个策略，好几十个品种一起在投资，目的还是防止风险。有句话叫做输赢同源，有人为了减少回撤始终半仓。但我不是这样认为的。我比较欣赏@阿土哥a 的话：“只有狠狠的赚，才能亏得起”。
2.6K61发布于 2018-04-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号