腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

综合排序丨最热优先丨最新优先

新手怎么入门量化

之前不少同学问我，新手怎么入门量化，思考了很久，写下此文。该文针对不同的人群，请对号入座。趁着周末，我整理了三条量化入门路径，无论你是哪种背景，总有一条能让你轻松上路！这个“手脚”就是目前主流券商提供的量化交易终端，比如迅投QMT。具体怎么操作？路径二：策略探索者——站在巨人的肩膀上，轻松跟单适合人群：对量化交易感兴趣，但暂时没有形成自己稳定盈利的策略，希望先“上车”体验，边学边做的“小白”或“探索者”。核心痛点： “我想做量化，但我不知道什么策略好。” 解决方案：跟单 + 自动化交易终端这条路的逻辑非常简单直接：既然自己不会，那就跟着会的人做！市场上有很多优秀的量化策略分享平台和投资大V，我们可以利用他们的智慧。跟单源在哪里？聚宽：国内领先的量化社区，汇聚了大量的量化研究者和策略。

子晓聊技术

2026-04-23

3670

标签:

从零开始学量化（一）：量化如何入门

之前经常有童鞋在后台/群里问量化如何入门这个问题，这种问题一般都是没有人回答的，因为这是一个到处都可以找得到答案的问题，所以也推荐大家 ? 作为在校生，进入量化行业的途径一般是首先自己在学校能掌握一定的量化基础，然后去企业找实习，最终通过实习/秋招留用。实习一般是去卖方研究所金工组、买方私募公募资管自营等各种机构，这里不介绍，可百度。接下来分别从量化、数学、金融三个角度说明。 ? 数据可视化能力不论是做数据分析还是量化，可视化都是非常重要的，不过量化方向可视化要求相对低一些，毕竟逻辑和结果更重要。这方面需要会的东西包括： - 宏微观经济学：了解刻画宏观经济运行的各种经济指标的含义，以及公布的时间点，频率等等，这在量化建模中非常重要，现在有很多研究所都在从宏观基本面做量化择时和经济周期预测，至于课本里学的

2019-04-24

15.7K1

标签:

Pytorch量化入门之超分量化（一）

来源:AIWakler 最近Happy在尝试进行图像超分的INT8量化，发现：pytorch量化里面的坑真多，远不如TensorFlow的量化好用。背景量化在不同领域有不同的定义，而在深度学习领域，量化有两个层面的意义：(1) 存储量化，即更少的bit来存储原本需要用浮点数(一般为FP32)存储的tensor；(2) 计算量化，即用更少的bit 对于量化后模型而言，其部分或者全部tensor(与量化方式、量化op的支持程度有关)将采用INT类型进行计算，而非量化前的浮点类型。 Training Static Quantization：静态量化，训练后静态量化，这是CV领域应用非常多的一种量化方式； Quantization Aware Training：感知量化，边训练边量化，一种比静态量化更优的量化方式，但量化时间会更长，但精度几乎无损。

AI算法与图像处理

2021-02-05

3.5K1

标签:

Pytorch量化入门之超分量化（二）

来源：AIWalker 最近Happy在尝试进行图像超分的INT8量化，发现：pytorch量化里面的坑真多，远不如TensorFlow的量化好用。准备工作在真正开始量化之前，我们需要准备好要进行量化的模型，本文以EDSR-baseline模型为基础进行。，比如X86平台应该采用fbgemm方式进行量化，而ARM平台则应当采用qnnpack方式量化。也就是说完成了初步的量化工作，因为接下来的测试论证很关键，如果量化损失很严重也不行的。量化模型测试接下来，我们对上述量化好的模型进行一下测试看看效果。下图给出了DIV2K训练集中0018数据采用第二种量化组合效果对比，可以感知到明显的量化损失。 ?

AI算法与图像处理

2021-02-22

1.7K1

标签:

腾讯云测试服务

标量量化入门

量化允许以有损的方式对向量进行编码，从而在略微降低精度的同时大大节省空间。了解标量量化中的桶标量量化将每个向量维度划分为一些较小的数据类型。在本文中，我们将假设将 float32 值量化为 int8。图 1：量化目标示意图，将连续值从 -1.0 到 1.0 划分为离散的 int8 值。数值转换背后的数学并不复杂。这一切都很好，但是既然我们知道如何量化值，我们实际上如何计算两个量化向量之间的距离呢？这是否与常规的点积一样简单？标量量化中的代数作用我们仍然缺少一个重要部分：如何计算两个量化向量之间的距离。确保量化的准确性那么，这到底有多准确？量化会导致信息丢失吗？是的，会，但是量化利用了我们不需要所有信息的事实。对于学习到的嵌入模型，各个维度的分布通常没有肥尾分布。这意味着它们是局部的且相对一致的。此外，通过量化引入的每个维度的误差是独立的。也就是说，误差在我们通常的向量运算（如点积）中会相互抵消。结论哇，这覆盖了很多内容。

2024-07-05

1.2K0

标签:

Elasticsearch Service

Python量化交易入门进阶指南(全)

量化，简单说就是程序+交易→盈利。程序员，或许内心深处都怀揣着一个量化投资的梦想，渴望凭借自己的编程和人工智能技能，再补点基础的金融知识，我们便可以构建一个量化交易系统，轻松实现财富自由。不过丑话说在前面，“钱难挣屎难吃”，量化交易也是一样。这领域的风险、机遇肯定都不会少，当然水的深浅可能要试了才知道，我只是小韭菜，对量化的认识肯定有不到位的地方，而本篇入门文章就当作抛砖引玉。，Python编程的入门并不难（可以参考-Python人工智能学习路线的Python学习建议），前期编程只要入门够用就行了，只有交易的思路才是始终的核心！梳理下量化主要的流程：开通证券账号→搭建量化交易系统及开通实盘交易→设计量化策略→数据获取及处理→开发策略→策略回测→调试优化→实盘交易入门量化其实较大的门槛是搭建并开通好量化交易环境，然后才是开发策略代码个人实践表明这样的量化入门效率是比较高的。文末免责声明：本文观点仅供参考，不作为投资建议哈。

2024-01-17

9.7K0

标签:

程序员AI量化理财入门

入门 AI 量化理财的核心是：用 Python 做数据与策略、用机器学习找规律、用回测与风控验证、小资金实盘迭代。下面按 “认知→技能→工具→策略→回测→实盘→风控” 一步步走，尽量落地、少废话。什么是 AI 量化？量化：把交易规则写成代码，用数据执行，杜绝情绪干扰。AI 量化：用机器学习 / 深度学习自动挖掘因子、生成信号、优化策略。机器学习入门（重点）监督学习：用历史数据预测涨跌（分类）或收益（回归）输入：60 天价格、成交量、技术指标、基本面输出：明日涨跌概率、未来 5 日收益常用模型：XGBoost/LightGBM：选股、择时 ”第 2 周：金融与因子书：《手把手教你读财报》、《量化投资：策略与技术》课：聚宽 “因子投资入门”第 3–4 周：机器学习 + 策略课：吴恩达《机器学习》（Coursera）、《深度学习》（花书）实战：用聚宽 / BigQuant 复现 XGBoost 选股策略持续：社区与迭代社区：聚宽论坛、知乎量化、雪球 AI 量化话题工具：用 AI（如 Cursor、Claude）辅助写代码、调参、生成回测报告八

2026-04-27

6750

标签:

机器学习入门 5-4 向量化

本小节主要介绍使用向量化的方式提升性能。简单线性回归先来回归一下简单线性回归优化目标以及通过最小二乘的方式求得的参数a，b的解析解。 ? 在上一个小节中，我们是通过循环的方式来求解分子和分母，前面也说过，使用for循环的这种方式，性能相对是比较低的，如果有办法将for循环的计算变成向量之间的计算的话，得益于numpy模块性能就会大大的提升，这就是向量化运算含义上面我们将对应元素相乘然后相加的操作看成是向量之间的点乘，这也是为什么在最小二乘求解a的解析解的时候要把式子写成相乘累加的形式，这样就可以将其转换成向量之间的运算，进行向量化运算提升性能。使用向量化运算实现线性回归算法前面使用sklearn的思想封装了一个名为"SimpleLinearRegression1"的类，在类中使用for循环的方式来求解参数a的值。 ? ? ? ? 实现向量化的代码只需将for循环部分改成向量点乘即可： ? ? ? ? 为了比较两者的性能，将两种方式导入jupyter中，通过魔法命令来验证性能。 ? ? ? ?

触摸壹缕阳光

2019-11-13

9270

标签:

量化之DuckDB数据库语法入门

上一篇文章提到了DuckDB数据库，这里介绍下语法，方便了解的同学入门学习。 DuckDB 是一款轻量级、高性能的嵌入式分析型数据库（OLAP），专为高效处理数据分析任务设计。

子晓聊技术

2026-04-23

6370

标签:

Python入门：自动量化系统开发方案

Python应该已经占据了量化交易系统，量化机器人系统开发的半壁江山，Python作为开发交易系统的必知必会工具之一，重要性是毋庸置疑的，文章将会介绍在开发量化交易系统中用到的Python的基础知识，并结合实例加深理解

2022-06-16

6610

标签: