本文是在阅读我的发小永健发表《周易解密》一书之后，开始研究《周易》的一些心得体会。最近他的《周易你读懂了吗？》已经出版，在京东出售，这让我想起曾跟他交流讨论的一些话题，就写一下发出来请大家观赏评论。在这里我主要以西方学者对《易经》的评价，从科学的角度，和现代计算机学科中的量化应用，来探讨和研究一些源自《易经》的科学体系。——他乡石《易经》作为华夏文明的精华，早在三千年前已经成为一个体系，一个集自然科学和人文科学为一体的量化体系。自伏羲作八卦，周文王演三百八十四爻而天下治。这句经典不仅概括了《易经》上古时期几千年华夏文明的科学体系的起源和发展历史，也还说明它的完善都离不开从八卦到三百八十四爻这样

1.代码说明本文章中的期货ctp代码来自分布式高频量化交易系统联系作者，获取源码：高频量化交易系统的学习交流群-简书(jianshu.com)2.期货ctp介绍，2.1期货账户要连接期货交易所交易，需要开设自己的账户，实现期货交易、银期转账、保证金等功能，由于小白一般不会用实盘资金交易，所以此处推荐用上期所提供的simnow虚拟交易平台申请一个虚拟账户。simnow地址：www.simnow.com.cn2.2账户信息1.BrokerID简称期商编码，是指该期货公司在CTP系统上的编码，为四位数。例如海通期货是8000。2.TradeFront,MarketFrontTradeFront是指C

滑膜观测器原理这是一篇关于滑膜观测器原理的学习笔记文章目录滑膜观测器原理前言一、估计转子位置的基本逻辑，α,β\alpha,\betaα,β坐标系二、从α,β\alpha,\betaα,β电压方程到状态方程三、滑膜观测器四、关于观测方程中的角速度的疑问五、估计角度和角速度总结前言当无刷电机使用FOC控制时，需要获得转子位置和角速度信息，当没有传感器的时候，已经有大量的算法用于解决这一问题，有一类处理办法是使用观测器来估计转子的位置，在众多解决方案中滑膜观测器有着广泛的应用。下面将我一个小白从无到有的学习过程分享一下。这里学习到的滑膜观测器的知识来源于《彻底吃透滑模观测器（PMSM无感算法）（理

量化投资需要相当多的开发人员，不夸张的说，我们去调研过的量化公司核心办公区，竟然有一半都是developer！developer在量化交易过程中承担了相当重要的角色，没有成熟完善的系统架构、交易路径、策略思想的编码实现，就无从谈量化交易。1.基本的知识素养！量化开发日常的工作主要是支持交易员的日常交易的需求，实现交易的策略和算法，开发QuantTrader使用的交易工具等等，因此作为一名developer，需要了解更多和编程相关的内容，也需要学习很多软件开发的工具，比如数据库SQL，Linux操作系统等等。如果是从事算法交易开发还需要扎实的数学基础知识。量化开发是两条腿走路，一边配合量化研究员

文章目录前言一、解决ppt复制到Word的图片导出PDF后出现黑线问题1.图片另存为再插入2.打印PDF二、解决word转PDF图片不清晰的问题1.图片到word2.word到PDF3.visio作图三、ppt转矢量图总结前言最近在做毕业论文收尾工作，遇到一些图片插入和清晰度问题，做一下记录~一、解决ppt复制到Word的图片导出PDF后出现黑线问题如果从ppt复制的是多内容图片，比如一张其它软件制作的图和ppt自带文本框的组合，以图片形式复制到word中时，图片极易出现黑框。**解决办法：**推荐第一种1.图片另存为再插入把ppt上的图另存为bmp格式，然后再插入word。这种方法能最大程度

AKShare是基于Python的财经数据接口库，目的是实现对股票、期货、期权、基金、外汇、债券、指数、加密货币等金融产品的基本面数据、实时和历史行情数据、衍生数据从数据采集、数据清洗到数据落地的一套工具，主要用于学术研究目的。AKShare的特点是获取的是相对权威的财经数据网站公布的原始数据，通过利用原始数据进行各数据源之间的交叉验证，进而再加工，从而得出科学的结论。一、环境要求及安装1.环境要求：（1）目前仅支持64位版本的操作系统安装和使用。（2）目前仅支持Python3.7(64位)及以上版本。2.安装安装命令如下：pipinstallakshare--upgrade二、基本接口介绍1

1、jupyternotebook显示矢量图jupyter显示矢量图需要加入如下两行代码：%matplotlibinline%configInlineBackend.figure_format='svg'设置之后，jupyternotebook中得到的图片将显示为svg形式，这时复制功能不可用，即无法进行复制和粘贴。这时就需要利用savefig函数实现保存svg矢量图的功能。代码示例：importmatplotlib.pyplotasplt#随意绘制一个样图plt.plot([1,2,3,4,3,2,3])#保存图为svg格式，即矢量图格式plt.savefig("test.svg",dpi=

  当谈到目标检测领域时，YOLOv7（YouOnlyLookOncev7）是一种非常流行的深度学习网络模型。虽然YOLOv7已经在精度和速度方面取得了显著的改进，但我们仍然可以从轻量化角度来进一步优化该模型。以下是8条关于如何从轻量化角度改进YOLOv7网络的建议： 1.模型压缩：使用轻量化的模型压缩技术，如剪枝（pruning）和量化（quantization），来减小YOLOv7的模型大小。通过剪枝可以去除冗余的权重参数和不必要的神经元，从而减小模型的尺寸。量化可以将浮点数权重参数转换为更小的整数，从而减少存储和计算开销。2.网络结构简化：简化YOLOv7的网络结构，去除不必要的层和模块

使用akshare获取股票数据，利用月度数据计算每只上证50成分股的股票历史期望收益率（年化）、收益率标准差（年化）、夏普比率、以及股票之间月收益率的相关系数，并以夏普比率、相关系数为条件筛选股票。挑选5只股票组成篮子，篮子股票必须满足下列三个条件：A）过去3年的夏普比率大于0.2；B）过去1年的夏普比率大于0.1；C）这5只股票彼此之间的相关系数之和最小。 目录1获取数据2根据CAPM计算股票的历史期望收益率获取三年间每个月的无风险利率rf,选取当月末十年期国债收益率为准，若非交易日则另选一天：获取市场平均月收益率： 计算成分股的β（beta_list）：计算期望收益率E(ri​)=rf+β

（人脸，图像）真实的事物---》数学对象（矢量）---》矢量间的关系（数学算法或者性质，矩阵，加减法）---》另外一些矢量（特征比较明确）---》真实事物（图像，人脸）矢量：既有长度又有方向的量矢量相等：即两个矢量平移后可以重叠矩阵是矢量排列：横向排列和纵向排列广播：不同维度的矩阵相加向量长度：（范数：非负数，可比较，与坐标无关）基底：被选做向量u基准的一组向量坐标：对应各个基向量的系数描述几何空间中的坐标点。几何空间维度由向量的成分个数决定.描述几何空间从原点到该向量坐标点的有向线段。值的正负性代表与坐标轴的方向是一致还是相反；向量相加表示多个向量首尾相连，两端的起止点相连的有向线段；向量的