量化

用 KV 缓存量化解锁长文本生成很高兴和大家分享 Hugging Face 的一项新功能: KV 缓存量化，它能够把你的语言模型的速度提升到一个新水平。

突破性技术: 大语言模型LLM量化激活outliers异常值抑制LLM过去有两种突破性技术大大提升了量化精度，分别是group-wise量化和GPTQ/AWQ量化。前者相比于过去的per-tensor和per-channel/per-axis量化提出了更细粒度的对channel拆分为更小单元的量化方式，后者通过巧妙的算法明显提升了4bit量化的精度。

Python | R | MATLAB高斯过程统计模型📜海上风电场模型 | 📜天气和建筑设计模型 | 📜不确定性量化应用模型 | 📜马尔可夫链蒙特卡罗算法多模态采样贝叶斯模型 | 📜分类过程最大似然模型 | 📜C++和Python通信引文道路社评电商大规模行为图结构数据模型 | 📜Python燃气轮机汽车钢棒整流电路控制图统计模型过程潜力分析。

picoLLM：大模型的量化魔术师上大模型技术论文不断，每个月总会新增上千篇。本专栏精选论文重点解读，主题还是围绕着行业实践和工程量产。若在某个环节出现卡点，可以回到大模型必备腔调重新阅读。而最新科技（Mamba，xLSTM,KAN）则提供了大模型领域最新技术跟踪。若对于如果构建生成级别的AI架构则可以关注AI架构设计专栏。技术宅麻烦死磕LLM背后的基础模型。

可转债日内自动T+0交易,行情推送+策略触发+交易接口jvQuant平台之前用过该策略，单月收益还行,策略思想大概是模式二，交易频率还有提升空间，所以开发出了频率较高的模式一。

扎克伯格说，Llama3-8B还是太大了，量化、剪枝、蒸馏准备上！扎克伯格说，Llama3-8B还是太大了，不适合放到手机中，有什么办法？量化、剪枝、蒸馏，如果你经常关注大语言模型，一定会看到这几个词，单看这几个字，我们很难理解它们都干了些什么，但是这几个词对于现阶段的大语言模型发展特别重要，它们就是将模型缩小的利器。这篇文章就带大家来认识认识它们，理解其中的原理。

level2行情+在线金融数据库jvQuant：一站式金融量化服务平台jvQuant作为一个领先的金融量化服务平台，为广大投资者和量化分析师提供了全面、高效、稳定的数据接入和量化分析服务。该平台涵盖了多个关键功能，包括交易接入、WebSocket行情接入、历史行情查询、在线数据库服务以及灵活的计费标准，旨在满足不同用户的多样化需求。

赫兹量化软件

期货量化交易软件：MQL5 中的范畴论 (第 15 部分)函子与图论概述在上一篇文章中，我们目睹了前期文章中涵盖的概念（如线性序）如何视作范畴，以及为什么它们的“态射”在与其它范畴相关时即构成函子。在本文中，我们赫兹量化软件将阐述来自前期文章中的概括，即通过查看图论如何具有与上一篇文章中查看的线性序类似的用途。为了使用图论，我们赫兹量化将 MQL5 日历数据重构为图形，由此作为一个范畴。这将是一个关键焦点。本文的目的仍然会像我们之前的一篇，寻求明示在两个范畴之间函子的波动性预测潜力。不过，在这种情况下，我们的域范畴是一个图形，而协域将在预排序时间序列中显示标准普尔 500

开发程序员转金融finance、量化quant的解决方案（含CPA、CFA、CQF等证书要求）开发程序员转金融finance、量化quant的解决方案（含CPA、CFA、CQF等证书要求）程序员为什么要转金融？

Backtrader 量化回测实践（1）—— 架构理解和MACD/KDJ混合指标按Backtrader的架构组织，整理了一个代码，包括了Backtrader所有的功能点，原来总是使用SMA最简单的指标，现在稍微增加了复杂性，用MACD和KDJ两个指标综合作为操作指标，因此买入卖出操作就比较少，还有就是买入的时候，采用了限价单，整个的交易频率不高，所以图示交易点比较少，也符合多看少动的交易理念。通过代码结合架构图，可以充分去理解整个Backtrader的功能设计思路，前面一个功能一个功能学习理解，现在把所有的功能综合在一起进行展示，小有成就感。

Backtrader 文档学习- 整体架构功能分析理解backtrader是一个用于开发和执行交易策略的Python框架。它提供了一套完整的工具和功能，使得用户可以方便地进行策略回测、实盘交易以及数据分析。

端木的AI探索屋

MIT-BEVFusion系列八--onnx导出1 综述及相机网络导出bevfusion的各个部分的实现有着鲜明的特点，并且相互独立，特别是考虑到后续部署的需要，这里将整个网络，分成多个部分，分别导出onnx，方便后续部署。

Backtrader 文档学习- Plotting - Plotting Date Ranges1.9.31.x版本增加了绘制部分图形的功能。仍然可以使用标准的cerebro.plot 。例如：更直接人性化的方法。具有扩展能力，实际上可以尝试使用datetime 时间戳的索引，如下所示：

Backtrader 文档学习-Indicators 开发Indicators 开发需要：查了一下什么是幂等性。幂等是一个数学和计算机科学中的概念，描述的是一种特定的函数或操作，即使用相同的参数重复执行时，能够得到相同的结果。

Backtrader 文档学习-Strategy with Signalsbacktrader可以不通过重写策略的方式触发交易，尽管重写策略是首选通用的方式。下面介绍通过使用信号也是可以实现交易触发的。

pyfolio工具结合backtrader分析量化策略组合，附源码+问题分析pyfolio可以分析backtrader的策略，并生成一系列好看的图表，但是由于pyfolio直接install的稳定版有缺陷，开发版也存在诸多问题，使用的依赖版本都偏低，试用了一下之后还是更推荐quantstats。

food_for_thought

【量化】蜘蛛网策略复现策略来自《东方证券-股指期货趋势交易之蜘蛛网策略——从成交持仓表中捕捉知情投资者行为-高子剑、魏建榕》

量化服务器 - 后台挂载运行在正常的pip命令后面加上 -no-cache-dirhttps://codeleading.com/article/40954761108/

Backtrader 文档学习-Quickstartbacktrader，功能十分完善，有完整的使用文档，安装相对简单（直接pip安装即可）。优点是运行速度快，支持pandas的矢量运算；支持参数自动寻优运算，内置了talib股票分析技术指标库；支持多品种、多策略、多周期的回测和交易；支持pyflio、empyrica分析模块库、alphalens多因子分析模块库等；扩展灵活，可以集成TensorFlow、PyTorch和Keras等机器学习、神经网络分析模块。缺点：backtrader学习起来相对复杂，编程过程中使用了大量的元编程（类class），如

TA-Lib学习研究笔记（九）——Pattern Recognition （2）形态识别的函数的应用，通过使用A股实际的数据，验证形态识别函数，用K线显示出现标志的形态走势，由于入口参数基本上是open, high, low, close ，统一设置程序代码，只更换函数即可。发现有的形态在一个股票上从未出现，选择多个股票参与计算测试。函数返回值integer (values are -100, 0 or 100) ，0 是无形态信号。100 和 -100 是有正向或负向的形态信号。