对量化交易未来的思考

一、向量化会成为主流

向量化回测是大势所趋。以后的框架要是还在用事件驱动,那基本就是被淘汰的命运。

二、GPU加速会普及

向量化回测为GPU加速打好基础,其中VectorBT已经有实验性的GPU支持了(基于RAPIDS),等这个技术成熟,回测速度还能再提升一个量级。

三、AI原生的框架会出现

现在的框架都是为传统策略设计的。等AI交易策略成为主流,肯定会有专门为机器学习设计的回测框架出现。

四、多策略交易

每个策略都有其环境适应性问题,根据现实不同的环境动态调用不同策略执行,各策略之间进行动态的交接棒接力赛。

相关推荐
问商十三载1 分钟前
GEO优化有用吗?基于检索与信源机制的有效性分析
大数据·人工智能·机器学习
m4Rk_6 小时前
【论文阅读】Agent 记忆机制(83):Inside Out——用可演化 PersonaTree 构建 Agent 的核心长期记忆
论文阅读·人工智能·学习·开源·github
运行时异常6 小时前
【WMS 仓储系统集成 AI Agent 实战】第 8 讲(终篇):生产部署与并发安全——Semaphore 放进 Flux.defer 的坑,压测抓了一晚上
人工智能·安全
杨杨杨大侠6 小时前
Jev、Kev、Laya:决策模型怎么选,什么时候需要微调?
人工智能·python·agent
代码方舟6 小时前
零信任架构实战:基于天远人企关联构建自动化供应链金融网关
运维·人工智能·架构·自动化
虹科网络安全7 小时前
“顶会”看安全(十八):超越越狱:揭示由能力边界模糊引发的 LLM 应用安全风险
人工智能·安全
LOVE️YOU7 小时前
Python 在定义函数时,究竟定义的是什么?
python
Maiko Star7 小时前
* LangChain 提示词模板详解:ChatPromptTemplate 的使用与高级特性
java·人工智能·langchain
段一凡-华北理工大学7 小时前
大模型应用开发 100 天:Python + LLM 从入门到精通 day26~Prompt 调试与优化——A/B 测试与效果评估
windows·python·大模型·prompt·智能体·提示词工程·高炉智能化
Minecraft红客7 小时前
以撒的结合
python·游戏·电脑·娱乐