1. 课程导入

在金融工程与量化交易的实际生产环境中，模型精度与推理性能几乎永远是一对需要主动管理的矛盾。一个在离线回测中表现优异的深度学习选股模型，若单次推理耗时超过行情快照的更新间隔，就无法进入实盘；一个把延迟压到微秒级的轻量模型，若对尾部风险的刻画严重失真，同样会在极端行情中造成不可接受的损失。本课程要解决的，正是这种“既要准、又要快”的工程化权衡问题。

一、学习目标：从“会调参”到“会权衡”

本课程不满足于让学员记住几个量化工具的命令，而是希望建立一套可复用的决策框架。完成学习后，学员应能达成以下目标：

• 概念层：准确区分量化、剪枝、蒸馏、低秩分解、算子融合等技术的适用边界，理解它们分别作用于模型的哪一层结构。
• 度量层：能够为不同金融任务定义合理的精度指标（如IC、RankIC、AUC、回测夏普）与性能指标（如P99延迟、吞吐量、显存占用、功耗）。
• 方法层：掌握“基线测量—瓶颈定位—方案选择—精度补偿—回归验证”的完整流程，并能用脚本固化每一步。
• 决策层：在给定硬件、时延预算和合规约束下，判断应该牺牲多少精度、换取多少性能，并给出可解释的取舍依据。

二、核心概念：精度、性能与权衡空间

要讨论权衡，先要统一语言。精度在金融模型中通常表现为预测质量，性能则表现为资源消耗与响应速度。二者之间并非简单的线性替代关系，而是存在一个由模型结构、数值表示和硬件特性共同决定的权衡空间。

量化（Quantization）是把高精度浮点权重和激活映射到低位宽表示的过程，常见有INT8、FP16、甚至INT4。它直接改变数值表示，因而对精度的影响最直接，但收益也最显著。剪枝（Pruning）移除冗余连接或通道，蒸馏（Distillation）用大模型指导小模型，低秩分解则用矩阵分解压缩参数。这些技术可以叠加，但叠加后误差会累积，必须逐层验证。

# 典型量化配置片段（示意）
quant:
  weight_bits: 8
  activation_bits: 8
  calibration: moving_average
  per_channel: true
  exclude_layers:
    - risk_head
    - volatility_branch

注意上面配置中排除了风险头和波动率分支。这不是随意选择，而是因为这两个模块对数值扰动最敏感，属于“精度不可让步区”。识别这些区域，是权衡工作的第一步。

三、整体框架：四层结构与一条主线

本课程将全部内容组织为四层结构：业务约束层（时延预算、合规要求、成本上限）、模型结构层（网络拓扑、算子类型、敏感模块）、数值表示层（浮点格式、量化粒度、校准策略）、硬件执行层（GPU/CPU/NPU、算子库、批处理）。四层之间自上而下传递约束，自下而上反馈可行性。

贯穿四层的是一条工程主线：先建立可复现的基线，再定位真正的性能瓶颈，然后选择量化或压缩方案，接着做精度补偿，最后用回归测试确认没有引入新的风险。跳过任何一步，权衡都会变成猜测。

四、实战路线图与常见误区

课程后续将按“测量—压缩—补偿—验证—上线”推进。每个阶段都有明确的交付物：基线报告、瓶颈清单、候选方案对比表、精度回归报告、灰度上线记录。学员应把每个交付物当作可审计的工程文档，而不是一次性笔记。

初学者最常见的误区有三个。第一，只看平均精度，忽略条件精度，结果在极端行情中失效。第二，先压缩后测量，没有基线就动手，无法判断损失来自量化还是来自模型本身。第三，把量化当成一次性操作，实际上校准集选择、per-channel策略、敏感层排除都需要迭代。

下面是一个简化的基线测量命令示例，用于记录未量化模型的延迟与精度，作为后续对比的锚点：

python benchmark.py \
  --model risk_alpha_v3 \
  --data valid_2023Q4 \
  --metrics ic,rank_ic,auc,p99_latency \
  --batch-size 64 \
  --warmup 200 \
  --repeat 1000 \
  --output baseline_report.json