量化

RSI与布林带技术指标实战在金融市场交易中，交易者面临两个核心挑战：这正是RSI（Relative Strength Index，相对强弱指标）和布林带（Bollinger Bands）两大经典技术指标要解决的核心问题：

基本面因子计算入门在传统投资分析中，投资者通过阅读财务报表、分析行业趋势、评估管理层能力等定性方法来判断一家公司的投资价值。然而，这种方法存在几个核心挑战：

两个蝴蝶飞

Java 量化系列(三十三)：全自动维护股票与板块概念地域关联关系，效率拉满原链接是: Java 量化系列(三十三)：全自动维护股票与板块概念地域关联关系，效率拉满你是否也踩过这些坑？🤔 做量化策略分析时，想筛选「某板块下的全部标的」，却要手动整理成 Excel 表格反复导入；想分析「概念联动的时序数据」，却因板块与标的的关系更新不及时，导致回测结果失真；更头疼的是，地域、板块、概念三类关联数据混在一起，维护一次就要耗费大半天，还容易遗漏、出错。

windows vnpy运行过程及问题记录注意：如果 ta_lib 安装失败（需要编译），可以：cmd 下但运行时报如下错误：原因：vnpy_ctp 不在这个 vnpy 核心仓库里，它是“交易接口网关”插件包，需要单独 pip install。

介绍一下 Backtrader量化框架（C# 回测快）Backtrader 是一个强大而灵活的 ‌Python 开源量化交易框架‌，专为策略回测和实盘交易设计。它以‌简洁的API设计‌、‌模块化架构‌和‌高度可扩展性‌著称，被全球量化交易者广泛使用。

介绍一下QuantConnect Lean（python 15k star）好的！‌QuantConnect Lean (LEAN Engine)‌ 是一个‌开源、跨平台的量化交易引擎‌，由 QuantConnect 公司开发并维护。它是 QuantConnect 云端量化交易平台的核心，同时也支持‌本地化部署和回测‌，被全球众多量化团队和个人交易者广泛使用。

czsc入门10： Position类你好！很高兴为你讲解 czsc/py/objects.py 中的 cal_break_even_point 函数与 Position 类。这两个组件主要用于策略回测和交易信号分析。

czsc入门8：Signal信号czsc\czsc\py\objects.py 中的 Signal 类是一个使用 @dataclass 装饰的数据类，用于在 CZSC（缠中说禅）量化分析系统中标准化定义和匹配交易信号。

大模型量化方案nullhttps://zhuanlan.zhihu.com/p/6281447174

ONNX量化During quantization, the floating point values are mapped to an 8 bit quantization space of the form: val_fp32 = scale * (val_quantized - zero_point)

Unity的旁门左道用法（科学计算）：用shader调用GPU做k线MA5的计算——DuckDB + Compute Shader我年轻的时候在村里没见过世面，看见有人用LabView来炒股，看见有人用Excel来画画，当时就觉得不可思议，总觉得别人是旁门左道，或者是吃撑了！前几天在看shader graph，突然觉得，是不是可以用shader来做纯计算呢，甚至用来金融量化计算！于是就着shader的gpu计算，搭建了一个Unity的Demo，给定一只csvk线，读取，存入DuckDB，然后从DuckDB读取，传给GPU计算，算完后显示数据。别人帮你把跨平台的事情都解决了，不管是什么OS，也不管什么端，只要能发布，就能跑！

BOBO爱吃菠萝

Stable Diffusion 3.5 FP8镜像自动化部署脚本发布在AI绘画从“能用”迈向“好用”的今天，一个现实问题始终困扰着开发者和企业：如何让Stable Diffusion 3.5这种重量级模型，在不牺牲画质的前提下跑得更快、更省资源？

关于最近想做一个基于日k选股票的系统这件事在我的新博客的同一篇内容~：关于最近想做一个基于日k选股票的系统这件事换新博客是因为确实阅读体验会更好，而且有个自己的博客感觉很好~

聚宽策略分享-1年化98国九条后中小板微盘小改文章声明:本内容为个人的业余研究，和任何单位，机构没有关系，文章出现的股票代码，全部只是测试例子，不做投资参考，投资有风险，代码学习使用，不做商业用途，

量化研究--上线完成强大的金融数据库3.0系统文章声明:本内容为个人的业余研究，和任何单位，机构没有关系，文章出现的股票代码，全部只是测试例子，不做投资参考，投资有风险，代码学习使用，不做商业用途，

LLaMA-Factory 训练方法原理及实践（Ubuntu 22.04）作者：吴业亮博客：wuyeliang.blog.csdn.netLLaMA-Factory 是一款轻量级、模块化的大语言模型（LLM）训练/微调框架，支持 LLaMA、Qwen、Baichuan 等主流模型，覆盖从预训练到对齐微调的全流程（Pre-training、SFT、RLHF、DPO、KTO 等）。本文将从原理和Ubuntu 22.04 实操两方面，系统讲解各训练阶段的核心逻辑与落地步骤。

Ubuntu 22.04 上的 LLaMA Factory 量化实践：bitsandbytes、GPTQ与AWQ详解作者：吴业亮博客：wuyeliang.blog.csdn.net模型量化的本质是将神经网络权重和激活值从高精度表示（如32位浮点数，FP32）转换为低精度表示（如8位整数，INT8，或4位整数，INT4）。这种转换并非简单的截断，而是通过一系列数学变换，在尽可能保持模型性能的同时，大幅减少模型体积和计算资源消耗。

Ubuntu 22.04上的Bitsandbytes模型量化完全指南：从原理到实践作者：吴业亮博客：wuyeliang.blog.csdn.net量化技术的核心思想是通过降低模型参数的数值精度来减少模型体积和计算资源需求。传统模型通常使用FP32（32位浮点数）格式，而bitsandbytes库支持将权重转换为8位整数（INT8）或4位表示（FP4/NF4），从而实现显著的存储压缩和计算加速。

Binance_Quantflow 平台 - Web 开发完整教程📚 从零开始学习 Web 开发，通过实战项目掌握 Flask + JavaScript 全栈开发（2025.12.2）

self-motivation

征机器人领域主流模型量化，评测，优化，部署工具model_optimizer的开源合作开发简化机器人领域模型的量化，评测，优化，部署流程。支持了yolo模型的in8/fp8, amax/entroy量化. 在thor上测试，fp8/entroy量化下模型精度损失很小，可以满足生产要求正在开发对SAM2, foudnationpose, pi0的量化评测与优化部署