期权的基础知识期权与期货的区别（1）买卖双方的权利义务期货交易中，买卖双方具有合约规定的对等的权利和义务。期权交易中，买方有以合约规定的价格是否买入或卖出期货合约的权利，而卖方则有被动履约的义务。一旦买方提出执行，卖方则必须以履约的方式了结其期权部位。（2）买卖双方的盈亏结构期货交易中，随着期货价格的变化，买卖双方都面临着无限的盈与亏。期权交易中，买方潜在盈利是不确定的，但亏损却是有限的，最大风险是确定的；相反，卖方的收益是有限的，潜在的亏损却是不确定的。（3）保证金与权利金期货交易中，买卖双方均要交纳交易保证金，但买卖双方都不必向对方支付费用。期权交易中，买方支付权利金，但不交纳保证金。卖方
Black-Scholes-Merton模型前言Black-Scholes-Merton（三人几乎在同一年同一时间提出该模型）模型又被称为BS模型（事实上，这个叫法更为广泛和流行）。本章内容会对BS模型进行一个简要的介绍，并且基于python进行量化。此外，本章还将介绍期权的时间价值、期权的内在价值等概念。一、BS模型1.模型简介期权定价理论最早的提出者是法国的经济学家Bachelier，其在1900年的一篇文章中首次提出关于期权定价的问题,随后，Boness将其理论进行补充。在1973年，美国的数学家、经济学家Black和Scholes提出了一个较为完整的期权定价模型，称为Balck-cho
我刚刚在http://regexcrossword.com/做了有趣的正则表达式填字游戏-发现我不明白量化组的含义，例如(.)+或(.)*让我试试http://ole.michelsen.dk/tools/regex.html，它提供了JavaScript和PHP正则表达式引擎:要匹配的字符串是“Trololo!”(不带引号)。(如果打开“全局匹配”改变了什么，它被添加为primed版本，即JS'，因为它在PHP模式下没有改变任何东西。)JS,(.)+=>0:Trololo!1:!JS',(.)+=>0:Trololo!PHP,(.)+=>0:Trololo!0:!JS,(.)*=>0
我正在研究在Java中计算昂贵的vector运算的方法，例如大矩阵之间的点积或乘法。这里有一些关于这个主题的好话题，比如this和this.似乎没有可靠的方法让JIT编译代码使用CPUvector指令(SSE2、AVX、MMX...)。此外，高性能线性代数库(ND4J、jblas等)实际上确实会为核心例程对BLAS/LAPACK库进行JNI调用。我知道BLAS/LAPACK包是本地线性代数计算的事实上标准选择。另一方面，其他人(JAMA，...)在没有native调用的情况下用纯Java实现算法。我的问题是:此处的最佳做法是什么？对BLAS/LAPACK进行native调用实际上是推荐
欢迎大家关注公众号「JAVA前线」查看更多精彩分享文章，主要包括源码分析、实际应用、架构思维、职场分享、产品思考等等，同时欢迎大家加我微信「java_front」一起交流学习1一个公式1.1基本内容一个公司有7200名员工，每天上班打卡时间是早上8点到8点30分，每次打卡时间系统执行时长5秒，那么RT、QPS、并发量分别是多少？RT表示响应时间，问题已经包含答案：RT=5秒QPS表示每秒访问量，假设签到行为平均分布：QPS=7200/(30x60)=4并发量表示系统同时接受请求数：并发量=QPSxRT=4x5=20根据上述实例引出公式：并发量=QPSxRT1.2如何理解看到上述公式不禁产生疑问
继去年上半年一鼓作气研究了几种不同的模版匹配算法后，这个方面的工作基本停滞了有七八个月没有去碰了，因为感觉已经遇到了瓶颈，无论是速度还是效率方面，以当时的理解感觉都到了顶了。年初，公司业务惨淡，也无心向佛，总要找点事情做一做，充实下自己，这里选择了前期一直想继续研究的基于离散夹角余弦相似度指标的形状匹配优化。 在前序的一些列文章里，我们也描述了我从linemod模型里抽取的一种相似度指标用于形状匹配，个人取名为离散夹角余弦，其核心是将传统的基于梯度点积相似度的的指标进行了离散化： 传统的梯度点积计算公式如下： 对于任意的两个点，通过各自的梯度方向，按照上述公式可计算出他们的
一、沪深300股指期权报价盘口怎么看？图：沪深300股指期权仿真交易的报价页面沪深300股指期权报价表上的C最新价、C买价、C卖价、执行价、P最新价、P买价、P卖价等名词，这些都是什么意思呢？（Call、Put）C最新价：看涨期权最新报价 C买价：看涨期权买一价 C卖价：看涨期权卖一价 P最新价：看跌期权最新报价 P买价：看跌期权买一价 P卖价：看跌期权卖一价 执行价：沪深300股指期权的执行价格。二、买一手沪深300股指期权需要多少权利金？期权买方是支付权利金获取权利，期权卖方是获取权利金，买方行权时，有义务按照执行价格买入或者卖出标的，但卖出期权时需要占用一定的保证金，保证金是作
用GGUF和Llama.cpp量化Llama模型什么是GGML如何用GGML量化llm使用GGML进行量化NF4vs.GGMLvs.GPTQ结论由于大型语言模型（LLMS）的庞大规模，量化已成为有效运行它们的必要技术。通过降低其权重的精度，您可以节省内存并加快推理，同时保留大部分模型性能。最近，8-bit和4-bit量化解锁了在消费者硬件上运行LLM的可能性。加上Llama模型和参数有效技术以微调它们（Lora，Qlora）的释放，这创建了一个丰富的本地LLM生态系统，该生态系统现在正在与OpenAI的GPT-3.5和GPT-4竞争。目前，主要有三种量化技术：NF4、GPTQ和GGML。NF4
对中文微调的模型参数进行了量化，方便以更少的计算资源运行。目前已经在HuggingFace上传了13B中文微调模型FlagAlpha/Llama2-Chinese-13b-Chat的4bit压缩版本FlagAlpha/Llama2-Chinese-13b-Chat-4bit，具体调用方式如下：环境准备：pipinstallgit+https://github.com/PanQiWei/AutoGPTQ.gitfromtransformersimportAutoTokenizerfromauto_gptqimportAutoGPTQForCausalLMmodel=AutoGPTQForCaus
沪深300股指期权是以沪深300指数为标的资产的期权。股指期权的买方向卖方支付一定费用（称为权利金），以此获得在约定的期限（到期日）内按照约定的价格（行权价格）买入或者卖出指数的权利。这一点与上证50股指期权类似，只是标的物不同。沪深300ETF期权是以沪深300ETF基金为标的资产的期权，上交所和深交所都分别上市了沪深300ETF期权，所以沪深300ETF期权在期权市场上是有两个品种，在投资时注意区分。而沪深300ETF期权则是在支付一定额度的权利金后，获得了在未来特定时间以某个特定价格买入或卖出沪深300ETF指数基金的权利的合约。到期后，持有者可以选择行使该权利以获取差价收益，或者合约到
