Words From the Wise——AQR公司对Ed Thorp的采访(二)

Words From the Wise——AQR公司对Ed Thorp的采访(一) 未经授权,严禁转载 前言 Ed Thorp,著名畅销书《Beat the Dealer》(1966)和《A Man for All Markets》(2017)的作者,被很多人视为量化投资之父。最近,他与Aaron Brown,Antti Ilmanen和Rodney N. Sullivan一起讨论了当代投资的挑战与实践。本篇文章是在AQR.com上发布的一系列Words ... 阅读详情

 

未经授权,严禁转载

前言

Ed Thorp,著名畅销书《Beat the Dealer》和《A Man for All Markets》的作者,被很多人视为量化投资之父。最近,他与Aaron Brown,Antti Ilmanen和Rodney N. Sullivan一起讨论了当代投资的挑战与实践。本篇文章是在AQR.com上发布的一系列Words From the Wise采访中的第七篇,以下是本次采访的记录(本篇是采访的下篇,对于上篇请参照公众号历史推送,原文获取方法请参考文末说明)。

尽管作为投资经理并不为人熟知,Ed Thorp仍然被很多人视为量化投资之父。他最初应用他在洛杉矶大学加州分校获得的数学博士学位于二十一点以及轮盘赌等赌场游戏,然后才着手于期权定价以及统计套利工作。他主要在Princeton Newport基金和后来的Ridgeline基金实行的对冲基金策略,在1966至2002年的37年间无一例外地获得了可观的收益。最近他所出版的自传《A Man for All Markets》记录了他对于市场以及赌场的独立思考,和在经济理论与现实世界中的尝试。他目前居住于加州的纽波特海滩,管理他的家族办公室。

国际金融危机的教训

Sullivan:你从2008年至2009年的金融危机里得到了什么教训呢?

Thorp:我在书中提到这个灾难很大程度上是由于高杠杆带来的过度风险承担。第一个著名的例子,1929年人们以10%的保证金购买股票。这样如果股票涨了10%机构会多赚几倍,这样导致他们加仓。但哪怕价格出现一些并不大的回落他们持有的股票就会突然蒸发,随之而来的追加保证金通知他们很可能也承担不了,随后他们或者经纪人们将被迫平仓,这让价格一跌再跌。这种杠杆带来的泡沫一旦破裂带来的损失就是毁灭性的。也许人们却是从那年长了些教训,因为随后的一次是1987年,市场一天蒸发了23%,这是由资产组合保险驱动的另一种反馈。在前一个周五股市跌了4%,由于资产组合保险的运作机制,他们在周一会出售掉他们持有的股票,这就导致股价的进一步下跌。这下跌的23%相当于1929年那次两天最大的跌幅加起来。这次危机事实上不是由高杠杆构成的,主要是因为人们在同一时间都做同一件事。

Brown:1980年代的储贷危机也是类似的吗?

Thorp:那次危机主要原因是较短的借贷期限与较长的负债期限的错配导致

Sullivan:大约四年后,商业抵押单款市场发生了去杠杆化事件。80年代初人们纠结于储贷危机会造成数十亿美元的损失但最终商业抵押贷款市场损失超过1000亿美元。有时小的问题会引发大问题。

Thorp:是的,然后在1998年长期资本管理公司利用高杠杆率将小的收益扩大到可观的收益。但过高的杠杆率导致不允许负面事件的发生,一但坏事发生就会急转直下,这就是过高杠杆导致承担了过高风险的又一个例子了。随后就是2008至2009年的次贷危机了,这之中也存在了过高杠杆带来的过大风险的原因。回到上世纪三十年代,Glass-Steagall法案的出台限制了杠杆的大小,但是这些限制逐渐减轻导致银行又能够将杠杆提高到一个很高的水平。五家大银行的杠杆率一度高达33倍,现在两家已经彻底死亡了,剩下三家得到了救助。我们现在又看到了资本需求下降的趋势,2008-2009年已经证明了利润的私有化以及风险的社会化,这让我感到有些不安,放松监管实在不是一个好的决定。

Brown:监管面临的挑战在于,杠杆会转移到其他地方。通过监管也许可以让银行消除过度风险,但是并不能阻止人们对于杠杆的追逐。就像你刚刚提到的1987年的危机,并没有明显的杠杆作用,你认为有没有一个控制杠杆的好办法呢?如果每次这些投资者都得到救助,那他们永远都不会知道什么叫风险。

Thorp:你提出了一个很好的观点。我不知道具体应该怎么做,但是如果可能的话应该只有在必要的时候提供救助。如果投资者每次都得到救助他们根本不会知道风险是什么。但是如果他们意识到自己真的可能会倒闭,就会开始风险管理的实践了。在2008年,我们把重点放在了救助这些机构上面,但是我认为我们应该着重解决的是失业问题,说到底创造GDP是需要人们去工作的,我推测那次失业潮我们损失了数万亿美元的GDP。如何解决这一问题呢?我们应该有像是大萧条时期那样类似于工程进度管理局与平民保护队这样的机构。事实上解决方法很简单,给他们支付一些可能比私营部门低一些但能够生活的工资。当私营部门恢复元气以后自然这些人就可以通过就业市场回归到私营部门的工作中。我们可以建一些公共设施,向道路,学校,桥梁等。这样可以给百万计的人创造就业机会。这样他们能在危机中保住他们的房子,并且创造更多的需求。

Sulivan:你认为奥巴马政府实行的“准备就绪”工程如何呢,这项工程有效吗?

Brown:这其实很困难,因为你需要在衰退之前就做好准备。

Thorp:我认为或许我们可以让陆军工程兵团来组织这样的工作。

Brown:是的,尽管无论是由国会还是由陆军工程兵团来决定,这些工程总是以政治化作结。

Thorp:这就很难讲了,但我认为经过仔细斟酌,这种计划还是可以实行的。

 

投资教育

Sulivan:你认为如果想要进入金融这个行业的话有什么知识是尤其有用的呢?

Thorp:这主要取决于你想要做金融的哪个领域以及你想要采取什么方法。你可以采用更定量的系统的方法抑或更基础的随意的方法。后者你可以研究分析某一个特定的公司,把它纳入你的投资组合中,或者你可以通过研究公司结构做一些并购上的研究。另一方面,你也可以通过统计分析构建投资组合,尝试去将你有限的资源尽可能高效地分配在各种资产种类上。对于那些想要起步的年轻人来说,跟着一个可靠的人实践是最高效的。

Sulivan:你认为从事金融工作需要多少数学技能呢?

Thorp:这是一个很适时的问题,我有六个孙子,其中有三个是三胞胎,目前都在MIT就读本科。有一个这个夏天在欧洲核子研究中心做研究,但下一个夏天他想要找一个金融的实习,他最近就在纠结他需要什么样的背景。他在学数学,理论物理以及计算机科学,这背景看起来非常完美。我告诉他他只需要再学习一些基础的金融知识,这样他就知道他是不是真的想要做金融,到底要选择哪条路了。但不管怎么说,深厚的数学知识是非常必要的,至少不能像在MBA项目里学到的那样粗浅。

Sulivan:你认为金融PHD的数学技能足够吗?还是需要更多一些。

Thorp:你可以换个说法,你想要成为Warren Buffett吗?如果不是的话你其实没必要搞一个金融PHD的。

Brown:换句话说,存不存在一个合适的数学技能的度能足够处理这些问题呢?就像21点一样,你花了很多工作来在数学上解决它,即使他不需要那么强的数学理论以及数学直觉。

Thorp:可能会遇到各种各样的问题。我花了很长一段时间和Claude Shannon来解决21点的那些问题。最近有一本书叫做A Mind at Play,在我读它的时候我就想到了他的思考方式,它仅仅是跟随他的兴趣,做他想做的,别管结果怎么样。他会坐下来想要思考多久就思考多久,尽量避免分心,就只是想他的,这是一个真正聪明的人会做的。

Brown:最近有一篇论文是Haghani和Dewey写的,他们指出现在的金融学生缺乏基本的量化技能这导致他们并不能正确地认知风险。

Thorp:是的,他们对上学的学生以及一些年轻的资产管理公司的专业人士给予投资知识作了一个实验。实验室这样的,每个参赛者有30分钟以及25美元的启动资金,每个人有一个电脑终端然后通知他们他们要掷一个正面60%反面40%的硬币,每次可以随意赌多少金额,30分钟后及时停止然后他们可以带一些有上限的收益回去。如果他们很早就拿到了收益,那这项赌博就结束了,剩下的则继续。问题是你会以一种什么样的模式进行呢?很多参与者都不知道该做什么。很多人破产了,相当大一部分人没有赚到钱。另一部分赚到了可是没赚多少。对于没破产的人,平均赚了70美元。Aaron在2016年写了个不错的文章分析这一试验,最优的策略应该能赚240美元。

Brown:是的,如果他们用了Kelly的方法应该大概率可以赚240美元,你已经知道每次平均有20%的硬币是净朝上的。大致上有2种人,愿意承担较大风险的破产了,不愿承担风险的没破产但是过于谨慎导致只赚了一点。

Thorp:每年在拉斯维加斯都有类似的游戏,是在50个世界最好的赌博玩家之间进行的。如果你问他们怎么做,他们会说我只是用了Kelly准则因为它近似于最优解。因此这些21点专业玩家知道怎么做,而金融人们并不知道。这就回到了我很早学到的一个问题。系统化的拥有一定优势的赌场经验是一个基础资金管理很好的老师。Bill Gross,太平洋投资管理公司的成立者之一很早就学到了这一点。他读了Beat theDealer然后去了拉斯维加斯呆了4个月,用Kelly系统将200美元变成了10000美元。在他在太平洋投资管理公司时这种思路一直是他的重要参考。不同的是他赌的不是200美元而是数十亿,这就只是规模上的区别了。这就是我在玩21点时学到的,在股市投资时只是把规模放大的区别了,这其实并不广为人知。其中一个原因是来自Paul Samuelson在我们的Beat the Dealer其中一章Why are we spilling the secret中提到的内容。那一章里我在不了解学术等级的情况下很不明智地在书里写了MIT的人们已经研究了11年的内容,如果不是我们先发表他们一定是最早发现的。也是因为这个让他认为他是这一领域上最好的专家,尽管事实并不一定是这样。

Brown:你认为Samuelson对Kelly准则的反对减缓了它在经济领域中被应用的速度吗?

Thorp:是的

Brown:我得说直到90年代经济学家才开始作为一效用理论的反面讨论Kelly准则与最优规则。

Sullivan:感谢你能够与我们分享你的见解,我们真的很荣幸。

 

退休问题

Sullivan:我们来聊聊现在西方世界关注的退休问题吧,面对这个问题,在投资,储蓄或是消费上我们应该怎么做呢?

Thorp:作为一个个体退休状况无疑是一件大事。当今风险正从机构逐渐向个人转移,从固定金额到固定比例,我不认为这是一个好消息。毫无疑问个人在分析和应对风险时比起机构要困难得多。这导致很多人日后将会经历痛苦的财务危机。尽管这些推动这一现象的机构将他们自己的利润最大化,但我并不认为这样对那些退休的人,或是对这个国家是好的。这些人的短视有的时候会利润导致在长期的不可持续性。这一定程度上是看不见的手的反面,每个人都以他自己的最大利益来判断,最后却会给整个整体带来巨大的破坏。最典型的例子就是大家对于应对气候变化并不愿意做出牺牲,这和我们讨论的退休问题其实很相似。

Ilmanen:对于机构来讲呢?

Thorp:他们也需要很大量的资金,但是大量的资金会体现在财务报表中,高额的负债也会影响他们的收益。所以对于一个公司想要在养老基金上支出少并有一个好看的报表也是很难的。这需要一个对投资前景的乐观预期,但很多时候这种预期是一厢情愿的,就导致了养老计划的资金支持并不够充足。我不知道人们是怎么解决这一问题的,除非设定一个可接受的基准最大比例,例如,设定最大比例在6%以下,对于一些高出6%的作出规定它们在一段时间后回归6%,这样困境不会同时出现,取而代之的是他们的预期比例逐渐回归到6%,这个阈值可以调整,但幅度最好不要过大。

Brown:如果我们在政府的赞助下执行这个决策,就会导致一些潜在的压力,他们可能会想要限制收益或者加税,这个问题是我们现在需要解决的还是仅仅希望将来的某一天问题会更好地得到解决呢?

Thorp:我认可你的观点,如果从仁慈专制的角度可以运用那这个想法就是有意义的,那样的话它们在政策上也是可控的。但他们经常是矛盾的,仔细想想我的观点尽管可能会解决问题,但在政策上几乎是不可能的。一个很好的例子就是平价医疗法案。许多人想要单一付款人,这很难说是不是好的,但是很多人都觉得这是好的。所以政治上可行还是仁慈专制上是否合理,对我来讲这很难取舍。事实上这涉及到了民主制度的根本问题。就像丘吉尔说的,除了其他制度,民主可能是人们能想到的最糟糕的制度了。这些问题是真是存在的,在人们退休后他们依然需要有钱花,这些钱必须来自某处,需要一个合理的方法来判断他们到底需要多少。

Sullivan:到此为止我们已经就负债上进行了一些讨论,在投资的方面存在改善的机会吗?

Thorp:我担任过一些留本基金的顾问,也曾任职于一个金融协会。我们曾经有负责设定基准或为经理人以及对冲基金提出建议等工作的外部顾问。协会非常重视这项工作,这些人也都是领域内的精英。他们会讨论出如何分配资产,例如多少去新兴市场,多少去债券等。他们也许会对这种决策进行微调但想要说服他们几乎是不可能的。我相信大机构的投资并不会像那些小机构那样好。当然也有例外,像耶鲁或者哈佛这样的大学可能会有一些庞大的组织,他们会有一些特有的机会,这些机会其他人很难获得。对我来讲对我来讲这种人际网络的价值远超对于资产配置的讨论。

Sullivan:我们再来谈谈个人投资者吧,我们如何通过定期供款计划保障个人投资者的退休生活呢?

Thorp:对于我的家人朋友,如果他们已经有了足够的储蓄并且近期不需要花这部分钱,我会建议他们直接把钱交给机构让机构打理。从历史上看,股票要比平均的经济走势表现的明显更好一些。我相信风险溢价是存在的,这也导致股票的收益率会比经济形势更好一些,然后他们就照做了,目前为止都非常满意。多年来我告诉他们可以买Berkshire Hathaway,他们投资的标的都是不错的企业。所以他事实上相当于一个表现很好的共同基金。而且它不支付股息,税率要比我们现在的低很多。如果你真的急用钱的话,你可以直接卖掉股票,现在的B股市场会很有用。

Sullivan:你对目标日期基金发展有什么看法吗?你认为当今像目标日期基金等这些金融产品的发展对于鼓励储蓄或分散风险的方面有推动作用吗?

Thorp:我认为退休储蓄是因人而异的,没有一个万能的方法可以适合所有人。

Sullivan:是的,而且不幸的是我们的行业目前还不能向每个用户提供更多的个性化服务一满足每个人并帮助他们度过难关。

Thorp:事实上我在一个捐赠基金向我寻求建议时遇到了相同的问题。作为一种永久的捐赠只要这个组织还存在它就会一直运营。我的建议是让他们坚持购买一些便宜的指数基金,他们也一直这样做了。我们做了一些模拟以保证即使是在最坏的情况基金依旧可以运营下去,我们发现每年拿出的上限大概为2%。他们的组合大概持有了20%的债以及80%的股票,不过他们认为资产还算安全。我们依旧讨论了如何让董事会成员更加坚定地支持这个基金而并非只是看行情。这样可以坚持基金的投资策略不易动摇,并即使是在面临较大的经济下行压力时员工不会跳槽。

 

英雄与导师

Ilmanen:你可以和我们聊聊影响了你一生的人们吗?你从未见过但依旧对你影响深远的人也可以。

Thorp:事实上我并没有很多这样的人,但确实也有几个。最主要地,在我3-5岁是我的父亲,随后是在我7年级到12年级时的英语老师,即使在我上大学以后他依然是我很好的朋友。我还有几个很好的教授,但他们事实上不是我的导师,而是带给我了一些非常棒的课堂体验。我的论文导师Angus Taylor也帮了我很多。他是一个值得尊敬的数学家,最后也成为了加州大学的学术副校长。它是一个认真,耐心,仔细的人,确实帮了我很多。我也遇到过一些知名人士,但他们并不是导师。例如我和Claude Shannon相处了很久,我们在轮盘赌的工作上共事了很长时间,但是这更多是学术上的合作而不是指导,因此可能并没有那么多导师。

Brown:你的英雄呢?

Thorp:有很多历史上的人物,像牛顿,爱因斯坦,达尔文等。

Brown:牛顿是在学术上还是为人上呢?

Thorp:学术上,他真的很了不起。他在一个很小的年纪完成了那么多杰作,随后他投入了宗教学的研究,花在造币厂老板和并不成功的投资上,是个有趣的人。

Brown:你启发了很多聪明人,有些人去了赌场,有些人去做了投资,他们之中大多数都是很积极的,认为我不只是来玩的,我要战胜赌场或者市场,你事实上真的改变了他们的人生。你认为这是一个值得骄傲的事呢,还是觉得你可能把他们带入了歧途?

Thorp:我这些年和很多这样的人聊过,我认为大体上这对他们都是有益的。对于误入歧途的,事实上这怎么说都是他们自己选择的,要对自己的选择负责任。

点击【阅读更多】,查看更多内容。

AQR资本20年精选20篇之:风格因子"工匠精神Alpha" ||前言|| 现在很多投资者都在试图寻找与传统资产无关的,新的收益来源。因此,他们开始关注“风格溢价”——一种经过研究并被证实能产生长期、与传统资产无关的系统性收益来源。对风格策略的研究主要在美国的股票市场进行,但其结论同样适用于其他地区和其他资产类型(如债券、商品、外汇)的市场。目前已有一套满足逻辑上和经济学上要求的解释能阐明风格策略是有效,并且持续有效的。 越来越受欢迎的风... 阅读详情

相关推荐

AQR:投资者不能随心所欲地跟踪市场趋势

未经授权,严禁转载 AQR简介 AQR资本管理公司总部位于美国康涅狄格州格林威治,是全球最大的量化对冲基金,由克里夫·阿斯内斯、戴维·卡比勒、罗伯特·克罗尔及约翰·刘创立于1998年,目前资产管理规模超过2260亿美元。AQR为机构客户和财务顾问提供各种定量驱动的替代和传统投资工具。本文的英文原文于2019年4月23日发布在AQR的官方网站上,点击文末的阅读全文即可查看英...

Quant_的博客 1119

量化对冲领域有哪些经典的策略和传奇人物?

爱德华索普(Ed Thorp),加州大学洛杉矶分校物理学博士、MIT教授。他善于用科学方法研究赌术,被博彩界人士成为“赌神”和“21点之父”。 1961年春天的一个星期六,凌晨5点刚过,日出的光辉洒向内华达州一间破旧的小赌场。赌场内,一位21点玩家坐在空荡荡的赌桌旁,投入了最后100美元筹码。 这个人就是Thorp,他焦躁不已,却无法自拔。 “你就不能一次发两手牌吗?”Thorp想速...

小壁虎的春天 739

损失函数与优化器:从「梯度是怎么被造出来的」到「梯度是怎么被用掉的」

本文揭示损失函数与优化器本质一体:优化器仅依赖损失产生的梯度,而损失决定梯度的方向、尺度与噪声特性。错误的损失选择(如分类用MSE)会导致梯度失衡,使优化器失效;不同损失(如Huber、Focal)通过调控梯度分布影响优化过程。实测表明,归约方式、标签结构与损失配对直接决定梯度行为,进而影响收敛性与泛化。核心观点:选对损失,才是让优化器“看得懂”的前提。

reset2021的博客 307

全球十大量化基金

我们会经常听到高毅、景林、淡水泉等价值投资派的私募基金,他们以其简洁明晰的投资理念吸引了大量粉丝,并为投资者带来了丰厚的投资回报。 但实际上,价值投资只是投资市场上的一个流派而已,除此以外,市场上还有很多非常优秀的管理团队,比如九坤、幻方、明汯、国富等量化投资机构。他们的历史业绩也非常惊人,和高毅等顶级价值投资机构并驾齐驱。 今天就给大家介绍下海外最顶级的量化机构,国内的众多大牛基本都是从国外...

量化交易研究 1万+

UOS的ARM机编译QT5.14.2记录

我需要的qt版本是Qt5.14.2,所以选择编译Qt5.14.2源码;几个月前尝试了编译一次,当时编译过程中出现了报错,当时时间很紧最后安装的默认版本来使用,最近有时间重新进行了一次编译,历经3个星期(4G的内存)终于解决了各种坑,编译成功了,现在将编译过程中遇见的一些坑记录一下,方便日后能记得这一次可恶的编译过程,如有描述欠缺的地方,还希望各位大佬给点意见指导指导🙏。

NiF693zzz的博客 1617

2017年电赛题目-自适应滤波器

电赛题目解析之自适应滤波器 首先来看看题目: 2017全国大学生电子设计竞赛题目 这道题有很多发挥空间,本文将介绍三种电路: 数字电位器移相模拟电路 压控移相模拟电路 数字方法 一、数字电位器移相模拟电路 对于前级的加法器比较简单,这里贴出一种使用OPA209实现的常规做法: 输入端分别输入A信号和B信号就可以实现A+B,因为信号频率很低不涉及到阻抗匹配问题,所以这种接法没............

电气小能手的博客 2万+

AI量化交易(一)——量化交易简介

一、量化交易简介 1、量化交易简介 量化交易是以数学模型为交易思维,以历史数据为基础,以数学建模、统计学分析、编程设计为工具,利用计算机技术从庞大的历史数据中海选出能带来超额收益的多种大概率获利事件以制定交易策略。 2、量化交易的特点 (1)纪律性。量化投资决策都是依据模型做出的,模型会模拟测试成千上万次来达到高容错率。 (2)系统性。量化交易数据分析有一套非常全面的数据评测系统,会从多方面考量市场,比如:宏观周期、数字货币估值、换手率、盈利质量、市场情绪等。 (3)概率性。通过模型并结合数学方

天山老妖 1万+

树莓派4B+红外传感器:手把手教你DIY一个能走黑线的智能小车(Python代码全解析)

本文详细介绍了如何使用树莓派4B和红外传感器DIY一个智能循迹小车,包括硬件配置、GPIO连接、Python代码实现及优化算法。通过动态PWM调速、状态机设计和赛道记忆算法,提升小车的循迹性能和稳定性。适合初学者和电子爱好者动手实践。

weixin_29188043的博客 269

AQR: 二十年告诉你,造就成功的,不仅仅是专业

https://zhuanlan.zhihu.com/p/53023355?utm_source=wechat_session&utm_medium=social&utm_oi=30412462096384&wechatShare=1&from=groupmessage&isappinstalled=0 llanglli读书写字的地方 关注专栏写

代码过客 4088

使用 MATLAB/Simulink 构建一个基于PID控制的直流电机速度调节系统模型

直流电机(DC Motor)因其结构简单、成本低廉、易于控制等特点,广泛应用于各种工业自动化和家用电器中。PID控制器作为最常用的控制策略之一,在直流电机的速度调节系统中具有重要应用价值。通过合理调整比例(P)、积分(I)、微分(D)三个参数,可以实现对电机速度的精确控制。本教程将带你使用构建一个基于PID控制的直流电机速度调节系统模型,涵盖电机模型构建、PID控制器设计、系统仿真与调试等多个方面。本文介绍了如何使用构建一个基于PID控制的直流电机速度调节系统模型。

amy_mhd的博客 217

分子对接时,如何批量处理小分子受体和蛋白配体,让他们快速转化为pdbqt格式,然后用vina跑?

🏆本文收录于 《全栈Bug调优(实战版)》 专栏,该专栏专注于分享我在真实项目开发中遇到的各类疑难Bug及其深层成因,并系统提供高效、可复现的解决思路和实操方案。无论你是刚入行的新手开发者,还是拥有多年项目经验的资深工程师,本专栏都将为你提供一条系统化、高质量的问题排查与优化路径,助力你加速成长,攻克技术壁垒,迈向技术价值最大化与职业发展的更高峰🚀!

**My Coding Family** 1222

【机器学习300问】139、Post-LN 和 Pre-LN 的区别?

Post-LN与Pre-LN的核心区别在于LayerNorm的位置:Post-LN在残差连接后,导致梯度需经LayerNorm变换,深层易出现梯度衰减或震荡;Pre-LN先做归一化,使输入稳定,残差路径梯度可无损回传,显著提升深层训练稳定性。尽管Pre-LN支持更深层次模型(如LLaMA、Qwen),但存在“深度诅咒”——深层贡献不足。相比之下,Post-LN浅层表现尚可,深层数易发散。因此,现代大模型普遍采用Pre-LN以保障训练可靠性。

qq_39780701的博客 395

Trae中配置和使用MCP 服务保姆级教程

您好,我是程序员夏叶,深度AI编程使用者,专注于分享AI编程方面的使用技巧和经验,有兴趣的可以关注我的公众号,一起学习,共同进步。从21号开始,Trae开始陆陆续续的灰度推送了一次新版本,有的用户是21号收到的更新,有的用户是22号收到的更新,本次更新我愿称之为王炸级更新,具体更新内容可以去看我的上一篇文章。本次更新其中的一个内容就是支持了MCP 服务,那么什么是MCP呢,它的全称是。

cpp加油站的专栏 8202

机器学习基础|监督学习、标签、回归

网约车预估等待时长依赖监督学习中的回归任务。平台利用历史订单数据,以司机实际到达耗时为标签,通过上车点、时间、运力、路况等特征训练模型。模型不断优化预测值与真实耗时的误差,最终对新订单输出连续的预估等待时间,实现精准预测。

weixin_43971465的博客 237

YOLOv11涨点改进 | Conv篇/小目标改进 | YOLOv11引入SPDConv卷积特征无损下采样模块,增加YOLOv11小目标P2检测层(助力小目标任务高效涨点)

本文提出了一种创新的SPDConv模块来优化YOLOv11模型,通过空间到深度(SPD)层和非步幅卷积层实现特征无损下采样。该方法有效解决了传统CNN中因跨步卷积和池化层导致的细粒度信息丢失问题,特别提升了小目标检测性能。实验表明,SPDConv在目标检测和图像分类任务中显著优于现有SOTA模型。文章详细介绍了模块原理、核心代码实现,并提供了YOLOv11集成SPDConv的具体方法,包括配置文件修改和P2层增强等优化技巧。该技术为计算机视觉任务提供了一种高效的特征保留方案。

Ai缝合怪、助力小伙伴高效发论文 586

【乐企文件生成工程】关于乐企文件生成工程的详细介绍

发票文件生成方式有两种思路:1、根据已有的OFD模板,动态替换ofd模板内容;之后将ofd转pdf(局限:单行问题不大)详情可以在此处了解2、根据html模板动态占位:该工程就是这种方式 ,目前效果良好,可看下图。拿去即用的源码!无任何保留,当然也并不是所有票种都支持(时间有限、精力有限、已经连着转了,要冒烟了…)

九七的博客 2031

Hugging Face:成为机器学习界的“Github”

以下文章来源于OneFlow,作者OneFlow社区五年前,AI领域的知名研究者Andrej Karpathy发文称,传统人工编程属于“软件1.0”,“软件2

2601_96798011的博客 125

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

这7个小众Python库,才是机器学习工程化的降效神器

别再只盯着TensorFlow了:这7个小众Python库,才是机器学习工程化的降效神器在很多人的印象里,机器学习似乎就是高深莫测的数学公式、成千上万的GPU集群

2601_96797912的博客 158

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

机器学习——混淆矩阵(待更新)

二元: true表示真实==预测,positive表示预测值=1.

m0_61175448的博客 132

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

为什么生成对抗网络训练常不稳定,模式崩溃与判别器过强之间是什么关系?

当支持集不重叠时(即 $D$ 能完美区分真假),JS 散度为常数 $\log 2$,其梯度为 0。这意味着一旦 $D$ 训练得稍好,$G$ 就失去了学习方向,导致训练停滞。生成对抗网络(GAN)的训练本质上是生成器($G$)与判别器($D$)之间的非合作零和博弈。以下代码展示了如何通过梯度惩罚(Gradient Penalty)来约束判别器,避免其过强导致生成器梯度失效。判别器过强是导致模式崩溃的直接诱因之一,二者之间存在明确的**“梯度误导”**因果关系。

2402_84593233的博客 204

AI 是怎样从数据中学习的?训练、验证、测试与推理

泛化能力(Generalization)指模型面对训练过程中没有见过的新数据时,仍然能够做出合理预测的能力。这是判断模型是否具有实际应用价值的重要标准。例如:一个用户流失预测模型,在历史数据上表现很好,但面对新上线的用户群体时,预测准确率明显下降。这可能说明模型学到的规律无法适应新的用户群体。泛化能力不仅取决于模型本身,也与训练数据是否具有代表性有关。训练数据只包含老用户,没有新用户。训练数据主要来自某个地区,实际业务却覆盖不同地区。过去的用户行为与当前用户行为已经发生变化。

dshizixu的博客 312

Spark06_MLlib机器学习

本文是《PySpark 从入门到实战》系列收官篇,带你用 Spark MLlib 走通机器学习全流程:从三要素与 7 步标准流程讲起,剖析 KNN、朴素贝叶斯、决策树三大算法原理,再以 KNN 手写、垃圾短信分类、决策树分类、逻辑回归鸢尾花(准确率 96.67%)、K-Means 聚类(轮廓系数 0.7345)五个案例落地,最后详解 TF-IDF 文本特征与余弦相似度。全文代码可直接运行,适合有 RDD 与 Spark SQL 基础的开发者快速上手。

2301_80420058的博客 447

机器学习教程,从入门到精通,高斯混合模型(GMM)——写给机器学习小白的保姆级教程(10)

高斯混合模型(Gaussian Mixture Model,简称 GMM):假设你手里的数据是由"好几堆正态分布的数据混在一起"形成的,GMM 的任务就是——把这几堆分开,并且描述清楚每一堆的样子。

qq_45746668的博客 119

机器学习01,KNN使用与简单数学原理

个人笔记

qq_59247073的博客 264

AI小白入门|无监督学习到底是什么?

很多新手看完无监督学习的定义只会死记硬背。本文避开复杂公式,从真实业务场景切入,对比监督学习,讲清楚无监督学习的核心价值、适用场景、底层逻辑和容易踩坑的认知误区,帮你理解它在机器学习链路里的定位。

weixin_43971465的博客 180

机器学习01,了解与KNN

个人笔记

qq_59247073的博客 360
上一篇: 趋势突破策略与期权——以Dual Thrust为例
下一篇: 高频量价因子在股票和期货中的表现 - 动量类因子
Quant_
博客等级 码龄11年 393粉丝 94原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值