量化

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

熊猫钓鱼>_>

多维度股票量化指标体系详解目录1. 估值维度指标1.1 相对估值指标1.2 Python实现相对估值指标计算2. 技术分析维度指标

『大模型量化』Qwen3-VL + Lora监督微调 + 8bit量化 + 实践推理本文记录分享Qwen3-VL使用Lora完成监督微调后，进行8bit量化的过程；目录一、对Qwen3-VL进行Lora 监督微调

CPU亲和性深度实践：从基础原理到Intel大小核架构优化在多核处理器成为主流的今天，如何高效利用CPU资源成为性能优化的关键课题。根据摩尔定律的发展，CPU性能提升已从单纯提高单核频率转向增加核心数量和多架构协同工作。在这一背景下，CPU亲和性（CPU Affinity）技术显得尤为重要，它允许开发者精确控制进程或线程在特定CPU核心上的执行，为性能优化提供了底层支持。

llama.cpp 全方位技术指南：从底层原理到实战部署在人工智能领域，大型语言模型（LLM）的兴起无疑是一场技术革命。然而，这场革命的果实最初似乎只属于拥有强大云服务器和昂贵硬件的巨头。传统的LLM，通常在PyTorch等框架中训练，对显存（VRAM）和专用硬件（如高端NVIDIA GPU）有着极高的要求，这使得在普通消费级设备上运行它们成为一项巨大的挑战 [1]。