- 博客(4)
- 收藏
- 关注
原创 量化交易多因子策略的构建与实践:从因子挖掘到回测验证
框架介绍:回测框架 backtest 通过输入策略规则(如因子信号、调仓逻辑)与历史市场数据,模拟策略在过去时间段内的交易行为,自动计算年化收益、夏普比率等关键绩效指标,并生成回测报告的工具,是验证量化策略有效性与风险特征的核心载体。的股票近5年走势(2020.1~2025.6),具体结果如下,红色线表示因子波动(对应右轴),越高表示越应该买入,越低表示越应该卖出,交易量因子和反转因子没什么参考价值,其他因子共同指向的强烈买入点分别为。获取股票的收盘价、交易量等数据后,需进行清洗(如缺失值处理)与标准化。
2025-08-28 12:09:01
5113
原创 深圳海钓新手救星!快用FishSeekAI
摘要:本文介绍了一个基于深圳海域海钓数据的渔获预测模型。通过收集200名船长的朋友圈信息(300GB数据),利用计算机视觉和自然语言处理技术,构建了包含文本分类、目标检测、视频追踪和时序预测的多模型系统。关键技术包括:使用LabelMe标注工具处理数据,对比YOLO和Transformer架构的检测模型,测试多种目标追踪算法,并尝试ReID技术解决鱼类重复统计问题。最终模型可预测渔获季节规律、船长经验排行和未来一周渔获概率。实验在4块3090显卡上运行,优化后推理时间从2周缩短至5天,当前准确率约0.7。未
2025-08-28 12:03:01
1558
原创 LLM-Agent自动诊断BUG以及输出修复方案
背景:采购流程往往很长,一个订单需经历十几个功能模块,横跨几个部门的系统才能完成,问题定位困难,从BUG发现到修复往往需要半天甚至更久,我们尝试结合当下热门的大模型(LLM)以及司内平台和行业的测试解决方案,将整个链路时间最优情况从半天缩短到几分钟因为采购业务子模块有几十个,在排查问题时即便是有微服务链路日志系统,仍需投入很多人工分析成本因此希望借助LLM的分析能力,结合业务代码,让LLM给出诊断结果以及修复方案,Agent设计如下:基于Langchain写的Agent,使用ReAct思维链模式,这里主要提
2025-08-28 11:47:14
504
原创 采购系统测试用例AI召回实践
摘要:本文针对采购ERP系统测试中业务场景不熟悉导致的漏测问题,提出基于tRAG平台构建历史测试用例召回方案。方案采用bge-large-zh算法进行文本嵌入,通过两级标签定位解决模块间语义相似问题,并提炼关键信息优化知识库质量。在线召回采用多路召回+rerank预处理方式,结合编号输出减少LLM调用成本,最终将召回用例自动回填至需求单。该方案有效提升了测试用例的召回精准度和测试效率。
2025-08-28 11:14:33
733
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅