1含义主动型基金是指由基金经理或管理团队根据市场行情、个股研究等主观因素进行投资决策的基金，其资产配置和投资组合均由基金经理通过主动选股、择时等方式加以调整。被动型基金则是指根据某个指数进行投资的基金，其资产配置和投资组合均是模拟指数所投资的资产，不经常进行主动调整。两种类型的基金采用的投资理念和方式有根本性的区别，主要表现在以下方面：投资策略：主动型基金采用主动管理策略，快速调整仓位以获取更高的收益，而被动型基金则采用被动管理策略，模拟指数投资，不追求超额收益率。投资效果：主动型基金在管理费和交易费用上成本较高，随着市场波动，也容易出现负收益，而被动型基金的管理费用较低，投资效果趋于稳定，投

原理：wind会在python的第三方库中安装一个属于wind的库文章目录步骤1:确定python的路径步骤2:配置wind的接口步骤3:检查配置步骤4:使用python提取任意的wind数据步骤1:确定python的路径如果是默认安装，一般路径是：C:\Users\用户名\Anaconda如果有其他python的安装路径，只需要定位到那个位置即可，在这个目录下会有【python.exe】的文件，如下图所示步骤2:配置wind的接口打开wind资讯，点击【我的】-【插件修复】-【修复python接口】打开的窗口中一般会自动运行，运行完成后，点击【配置详情】就可以看到添加了wind支持的pyth

在量化市场上，有很多交易系统就是通过执行量化策略来进行盈利，比如像通达信下单接口系统，其中就包括开仓、买入、止盈、止损方法与策略执行主函数等，那么执行这些策略呢？想要了解清楚这个问题也很简单，通过通达信下单接口系统的开发文档来进行研究，如下：（1）通达信接口API功能概述名称功能基本函数InitAPI初始化DeinitAPI反初始化Logon登录交易账户Logoff登出交易账户QueryData查询各类交易数据QueryHistoryData查询各类历史数据SendOrder委托下单CancelOrder委托撤单GetQuote获取五档报价Repay融资融券账户直接还款GetExpireDat

作者| 刘新翠整理| 徐杰承本文整理自快狗打车技术总监刘新翠在WOT2023大会上的主题分享，更多精彩内容及现场PPT，请关注51CTO技术栈公众号，发消息【WOT2023PPT】即可直接领取。本次分享主要围绕研发管理中的量化指标展开，介绍如何应用恰当的管理方式调整、释放团队成员的个性及团队活力。分享如何通过更先进的管理方式，改造团队，使团队能够为组织提供更多价值。1、研发管理的新变革技术是服务于业务的，商业环境变化会导致业务产生新的变化，在商业环境供小于求时，只需要控制产量，整个商业环境是可控的，研发管理的方向也是以规划组织、执行为主。当商业环境到了可预测阶段，则需要通过现有数据预测未来商业

结果对比了两种INT8量化,熵校准的量化有更高的速度，但是吧…1.TensorRT下的INT8量化:最小最大值校准(Min-MaxCalibration)最大最小值校准是一种INT8校准算法。在最大最小值校准中，需要使用一组代表性的校准数据来生成量化参数，首先将推理中的数据进行统计，计算数据的最小值和最大值，然后根据这些值来计算量化参数。具体步骤如下：准备一组代表性的校准数据集合，大小通常在500-1000之间。这些数据应该是真实推理数据的一个子集，并且要包含来自所有分类或数据分布的数据点。执行推理操作，对于每个输入张量中的每个元素，记录最大值和最小值。图像的最大最小值就是输入图像像素的最大最

目录一、说明二、程序代码和出错描述三、合理化建议 3.1读入数据时指定索引3.2读入数据后，使用数据前指定日期（时间戳）索引 一、说明        我打算从比特币数据中获取烛台图。这是我在加载csv文件后选择我想要的数据框的代码。然而，用mplfinance显示的时候，总不能通过，解决后总结出，这个问题是，如何指定pandas的dataFrame的时间戳为索引的问题。解决后记录备忘。        显示如下提示：         Expectdata.indexasDatetimeIndex？二、程序代码和出错描述        读入数据代码：df['Date']=pd.to_datetim

MetaAI在本周二发布了最新一代开源大模型Llama2。对比于今年2月发布的Llama1，训练所用的token翻了一倍，已经达到了2万亿，对于使用大模型最重要的上下文长度限制，Llama2也翻了一倍。在本文，我们将紧跟趋势介绍如何在本地CPU推理上运行量化版本的开源Llama2。量化快速入门我们首先简单介绍一下量化的概念：量化是一种减少用于表示数字或值的比特数的技术。由于量化减少了模型大小，因此它有利于在cpu或嵌入式系统等资源受限的设备上部署模型。一种常用的方法是将模型权重从原始的16位浮点值量化为精度较低的8位整数值。llm已经展示了出色的能力，但是它需要大量的CPU和内存，所以我们可以

背景组内有很多项目都涉及复杂的任务流场景：集群创建、删除等生命周期管理k8s资源申请销毁....这些场景都有几个共同的特点：流程耗时且步骤复杂，需要几十步操作，其中包含云资源申请、脚本执行、接口调用等，且相互存在依赖关系。任务量随着业务增长而快速迭代，比如每个集群每天都会自动备份等任务需要调度执行。运维难度大，需要标准的框架约束业务实现，并基于此框架提供建设标准的运维体系，尽最大可能支持SLA方案调研在go体系内的各种方案硬编码结合定时TimerWorker实现虽然工作量较小，但是只能满足某个场景下的特定工作流，没有可复用性，暂不具备扩展性，无法建立标准。argo基于k8s,api-serve

Doris向量化执行引擎原理一、向量化执行引擎的概述向量化执行引擎是一种高效的数据处理方式，它将数据分为多个向量进行处理，能够充分利用CPU的SIMD指令集，提高数据处理的效率。在Doris中，向量化执行引擎被广泛应用于查询优化、数据压缩、聚合计算等方面，能够显著提高Doris的查询性能和数据处理能力。二、向量化执行引擎的实现原理数据结构向量化执行引擎中的数据结构主要包括列式存储、行式存储、位图存储等。其中，列式存储是最常用的存储方式，它将同一列的数据存储在一起，能够提高数据压缩和查询性能。行式存储则是将一行数据存储在一起，适用于写入操作。位图存储则是将数据按照二进制位进行存储，能够高效地处理

量化交易（也称自动化交易）是一种应用数学模型帮助投资者进行判断，并且根据计算机程序发送的指令进行交易的投资方式，它极大地减少了投资者情绪波动的影响。量化交易的主要优势如下：快速检测客观、理性自动化量化交易的核心是筛选策略，策略也是依靠数学或物理模型来创造，把数学语言变成计算机语言。量化交易的流程是从数据的获取到数据的分析、处理。数据获取数据分析工作的第一步就是获取数据，也就是数据采集。获取数据的方式有很多，一般来讲，数据来源主要分为两大类：外部来源（外部购买、网络爬取、免费开源数据等）和内部来源（自己企业销售数据、财务数据等）。因为我们不生产数据，所以只能从外部获取数据。其获取途径是第三方开源