adata-数据提供商-开源-01024


这个仓库 adata 专注于A股股票行情数据,旨在为个人量化行情需求提供支持,采用多数据源融合切换的方式保证数据的高可用性。以下是关于该仓库的详细介绍:

项目概述

  • 核心目标:支持个人量化行情的需要,为量化交易提供可靠的股票行情数据。
  • 设计理念:开放、纯净、持续,为AI(爱)发电,专注A股和量化领域。

项目结构

仓库的主要目录结构如下:

.gitattributes
.gitignore
HISTORY.md
LICENSE
MANIFEST.in
README.md
config.toml
pylintrc
pyproject.toml
requirements.txt
setup....

Read more

Qlib-量化投资平台-量化框架-09002


这个仓库是Microsoft开源的Qlib,它是一个面向人工智能的量化投资平台,旨在利用人工智能技术挖掘量化投资的潜力、助力研究并创造价值,支持从想法探索到实际生产的全流程。下面从几个方面详细介绍这个仓库:

核心特性

  • 多范式机器学习支持:支持多种机器学习建模范式,包括监督学习、市场动态建模和强化学习。
  • 全流程覆盖:涵盖了数据处理、模型训练、回测等完整的机器学习流程,以及量化投资的全链条,包括因子挖掘、风险建模、投资组合优化和订单执行。
  • 持续更新的SOTA研究成果:不断有不同范式的最新量化研究成果和论文在Qlib中发布,以共同解决量化投资中的关键挑战。

近期发布的重要特性

...
特性

Read more

iTick-数据提供商-01023



1. 一段话总结
iTick 是一家为金融科技公司和开发者提供实时金融市场数据API的平台,覆盖外汇、股票、加密货币、指数等全球市场,支持REST/WebSocket双协议,提供JSON/CSV格式数据Python/JavaScript/Go/Java客户端库,并配备教程与示例代码。平台拥有2PB原始数据99.99%正常运行时间7000万消息/秒处理能力,提供免费至高级套餐(月费$0-$399),已服务18,000+用户,并通过S3/SQL接口AI量化策略案例助力开发者构建创新工具。


2. 思维导图

iTick 金融数据API平台
├─ 核心服务
  ├─ 外汇API(...

Read more

Typer- CLI 开发库


Typer 库详细总结

Typer 是一个基于 Python 类型提示的 CLI 开发库,旨在让开发者轻松构建用户友好、功能强大的命令行工具。其设计理念与 FastAPI 相似,强调代码简洁性、开发效率和扩展性。以下是核心内容总结:


核心特性

  1. 直观开发
    • 通过 Python 类型提示自动推断参数类型,减少代码量。 • 提供编辑器智能提示支持,降低调试时间。 • 自动生成帮助文档(--help)和 Shell 自动补全(支持所有主流 Shell)。

  2. 用户友好
    • 用户无需学习复杂语法,自动生成的帮助信息清晰易懂。 • 支持通过 --install-...

Read more

docker-容器拥有和宿主机同网段IP-macvlan


要让 Docker 容器拥有和宿主机同网段的 IP,通常可以使用 macvlan 网络驱动来实现。macvlan 允许你为容器分配直接连接到物理网络的 MAC 地址和 IP 地址,从而让容器像是网络中的独立设备一样。以下是具体步骤:

1. 创建 macvlan 网络

首先,你需要确定宿主机的网络接口名称,例如 eth0。然后使用以下命令创建一个 macvlan 网络:

docker network create -d macvlan \
  --subnet=192.168.1.0/24 \
  --gateway=192.168.1.1 \
  -o parent=eth0 \
  m...

Read more

Docker-桥接网络模式-


在 Docker 中使用桥接网络模式并让容器拥有独立 IP 可以按以下步骤操作:

1. 创建自定义桥接网络

可以使用 docker network create 命令创建自定义的桥接网络,示例如下:

docker network create --driver bridge --subnet 172.18.0.0/16 my_bridge_network

在上述命令里: - --driver bridge:指定使用桥接网络驱动。 - --subnet 172.18.0.0/16:设定自定义网络的子网范围。 - my_bridge_network:为自定义网络命名。

2. 运行容器并指...

Read more

残差连接-CNN


残差连接(Residual Connection),又称跳跃连接(Skip Connection),是深度学习中的一种关键结构,由ResNet(Residual Network)首次提出,旨在解决深层网络训练中的梯度消失/爆炸和网络退化问题。以下是关于残差连接的全面解析:


1. 残差连接的背景与意义

  • 核心问题:传统深层网络随着层数增加,训练难度增大,表现为:
  • 梯度消失/爆炸:反向传播时梯度逐层衰减或激增。
  • 网络退化(Degradation):更深网络的训练误差反而高于浅层网络,并非由过拟合引起。
  • 解决方案:残差学习通过引入跨层直连路径,使网络更容易学习恒等映射(Identity Ma...

Read more

感受野-CNN


感受野(Receptive Field) 是深度学习中卷积神经网络(CNN)的核心概念,指输入图像中对网络某一层中特定神经元激活产生影响的区域大小。简单来说,它表示神经元“看到”的输入范围。以下是关于感受野的详细解析:


1. 感受野的重要性

  • 上下文理解:较大的感受野能捕捉更广泛的上下文信息(如物体整体结构),适合分类、分割等任务。
  • 细节捕捉:较小的感受野关注局部特征(如边缘、纹理),适用于细粒度识别。
  • 网络设计:通过调整感受野,可以平衡模型的全局与局部感知能力。

2. 感受野的计算

感受野的计算与网络层的堆叠方式密切相关,常用公式为: [ RF_{l} = RF_{l-1} + ...

Read more

玻尔兹曼机概述


探秘玻尔兹曼机:解锁人工智能的“能量密码”

从统计物理到 AI:玻尔兹曼机的诞生

在科学的广袤版图中,不同学科之间常常存在着奇妙的联系,就像隐藏在宇宙深处的暗线,将看似分离的知识领域悄然连接。统计物理学与人工智能领域的交融,便是这样一段引人入胜的故事,而玻尔兹曼机,正是这段故事中一颗璀璨的明珠。

统计物理学,作为物理学的一个重要分支,主要研究大量微观粒子组成的宏观系统的性质和行为。在这个领域中,玻尔兹曼分布占据着举足轻重的地位。它描述了处于热平衡状态下,粒子在不同能量状态下的概率分布情况,其核心思想在于,系统更倾向于处于能量较低的状态,且温度对粒子的分布有着关键影响。简单来说,就如同在一...

Read more

股票价格-东方财富


根据提供的文档内容,当前东方财富(股票代码:300059)的实时行情及相关数据存在部分缺失或未更新的情况。以下是关键信息整理:

1. 行情数据

  • 交易状态:显示为“-”,可能未开盘或数据加载异常。
  • 股价指标:今开、最高、最低、涨停、跌停等均为“-”,无法查看实时价格。
  • 成交量/额:换手率、成交量、成交额等数据均未显示。

2. 财务指标

  • 市盈率:动态、静态、滚动市盈率均为“-”,无法评估估值。
  • 市净率:显示为“-”,无法判断股价与净资产的关系。
  • 核心数据:总营收、净利润、毛利率、负债率等关键指标均未更新。

3. 其他信息

  • 大事提醒/公告:暂无数据,未显示公司最新动态。
  • 资金流向:主...

Read more