暂无搜索历史
量化交易之所以要用云服务器而不是本地电脑,根本原因在于量化系统(尤其是实盘)需要 7×24 小时不间断、稳定地运行,而本地电脑天然做不到这一点。本地电脑面临不能...
让回测结果更接近实盘,核心是让回测尽可能还原真实交易环境,关键做法包括:真实地计入交易成本(滑点、手续费)、考虑成交的可行性(不是想成交就能成交)、避免未来函数...
回测中有几个"隐形杀手",会让回测结果看起来很美、实盘却一塌糊涂,最常见的四大陷阱是:未来函数(用了当时拿不到的未来信息)、幸存者偏差(只用了如今still存在...
App 出海团队要给产品加上本地语言 OCR 能力,选型时真正拉开差距的不是"认识多少种语言"这一个数字,而是五个维度:语种覆盖、混排处理、密集小字、拍摄矫正、...
跨境卡牌交易和桌游本地化场景里,卡面信息的多语种识别有一条现成路径:腾讯云多语种文字识别基于通用文字识别(高精度版)接口,调用时传入 ConfigID=MulO...
摘要: 免费额度用完后,腾讯云 OCR 只剩预付费资源包与后付费按量两条路。本文按刊例价实算三种月调用量下两种方案的一年支出,并给出规格选型、共享配包与活动折扣...
检验一个因子是否有效,主要通过四种方法综合判断:IC 分析(衡量因子值与未来收益的相关性)、分层回测(把股票按因子分组看收益是否单调)、多空组合收益(做多高分组...
量化策略的参数调优,是一件"既要做、又容易做过头"的事。正确的参数调优姿势应遵循几个原则:以逻辑为先(参数要有合理解释,而非纯粹碰运气)、追求参数稳健性(在一个...
量化策略失效,主要有两种情况:一是"从未真正有效",即过拟合——策略只是过度贴合了历史数据,实盘从一开始就不行;二是"曾经有效但逐渐失灵",即策略衰减——随着市...
评估一个量化策略的好坏,绝不能只看收益率,而要从五个维度综合判断:收益类指标(累计收益、年化收益)、风险类指标(最大回撤、波动率)、风险调整后收益(夏普比率、卡...
摘要: 本文聚焦腾讯云 OCR 计费中容易被忽视的计费细节,逐一讲清资源包 1 年有效期、超量后付费需手动开通、错误码也计费等关键规则,并说明共享额度的抵扣口径...
量化交易策略按核心逻辑可以分为几大类:趋势跟踪类(追随价格趋势)、均值回归类(押注价格向均值回归)、套利类(捕捉价差)、多因子选股类(用多个因子筛选标的)、以及...
量化交易中的数据清洗与预处理,是决定策略成败的隐形关键环节,核心工作包括六步:处理缺失值、去除重复数据、修正异常值、统一时间序列对齐、处理复权问题、以及规范数据...
用 Python 实现一个完整的均线策略并做回测,需要走完六个环节:加载并清洗数据、计算均线与生成信号、构建带持仓逻辑的回测流程、计入滑点和手续费等真实成本、计...
搭建 Python 量化交易环境主要分五步:安装 Python(推荐通过 Anaconda 一步到位)、创建独立的虚拟环境(隔离项目依赖)、安装量化常用库(pa...
自学量化交易最容易踩的坑集中在四个方面:认知坑(把量化当稳赚提款机)、学习坑(资料囤积、跳级、追求精通才动手)、策略坑(过拟合、迷信回测曲线、忽略滑点成本)、心...
摘要: 电商平台海量商品图片中暗藏虚假宣传、违禁词等违规文字,纯人工审核难以全覆盖。本文拆解 OCR 如何提取图片里的文字并结合审核规则完成自动拦截,讲清图片审...
摘要: AI 换脸与 PS 篡改结合的双重造假手段正在威胁证件核验安全。本文介绍腾讯云文本图像鉴伪的卡证鉴伪大模型版能力,如何识别新型伪造攻击,帮助金融、政务等...
一份可落地的量化交易 3 个月入门时间表,可以这样安排:第 1 个月打基础(Python 基础语法 + 数据获取处理 + 基础金融概念),第 2 个月学核心(经...
摘要 腾讯云文字识别 OCR 提供预付费资源包与后付费(按量计费)两种模式。本文用刊例价与阶梯单价把两种计费方式一次算明白,讲清扣费顺序与适用场景,帮你选对更划...
暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市