首页
›
AI智能与边缘计算工程
›
007-llama.cpp与GGUF本地部署工程
›
《K-quant量化等级调优实战技巧》
VIP8
本课程属于:007-llama.cpp与GGUF本地部署工程
AI智能与边缘计算工程 · 共 8 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
K-quant量化等级调优实战技巧
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
K-quant量化概述
什么是K-quant量化 · 等级调优的核心价值
K-quant
量化概述
02
开发环境搭建
Python 3.11+ · Jupyter Notebook · pandas/numpy/matpl…
开发环境搭建
Python
03
K线数据获取
通过币安API获取历史1小时 · 4小时K线数据
K线数据获取
API
04
数据清洗与预处理
缺失值填充 · 时间戳对齐 · 多周期数据重采样
数据清洗
预处理
05
常见技术指标计算
SMA · EMA · MACD
常见技术指标计算
SMA
06
自定义指标开发
编写“成交量加权移动平均”等个性化指…
自定义指标开发
编写“成交量加权…
07
信号生成逻辑
基于指标交叉 · 阈值触发生成买卖信号
信号生成逻辑
基于指标交叉
08
初版回测框架
用pandas实现循环式回测 · 记录盈亏
初版回测框架
pandas
09
回测性能评估
年化收益率 · 夏普比率 · 最大回撤计算
回测性能评估
年化收益率
10
参数优化基础
为什么需要调优?过拟合风险初识
参数优化基础
为什么需要调优?…
11
网格搜索优化
遍历参数组合 · 绘制热力图选最优
网格搜索优化
遍历参数组合
12
随机搜索优化
对比网格搜索 · 在300次随机采样中找优解
随机搜索优化
对比网格搜索
13
贝叶斯优化
基于高斯过程高效调参 · 减少迭代次数
贝叶斯优化
基于高斯过程高效…
14
遗传算法优化
模拟生物进化 · 搜索复杂参数空间
遗传算法优化
模拟生物进化
15
过拟合防控
样本内/样本外划分 · K折交叉验证
过拟合防控
样本内
16
多时间框架融合
15min + 1h + 4h 信号…
多时间框架融合
min
17
资金管理
凯利公式 · 固定比例仓位 · 风险平价的实现
资金管理
凯利公式
18
止损止盈优化
追踪止损 · 移动止盈 · ATR动态止损
止损止盈优化
追踪止损
19
多策略组合
不同信号源加权 · 使用网格搜索优化权重
多策略组合
不同信号源加权
20
风险因子分析
卡尔玛比率 · 索提诺比率 · 优化稳健性
风险因子分析
卡尔玛比率
21
蒙特卡洛模拟
1000次随机路径检验策略稳定性
蒙特卡洛模拟
1000次随机路…
22
压力测试
模拟2020年3月黑色星期四行情下的…
压力测试
模拟2020年3…
23
实盘API对接
使用ccxt连接币安 · 下单/撤单函数封装
API
实盘
24
回测与实盘差异
滑点 · 手续费 · 市场冲击的补偿算法
回测
实盘差异
25
执行优化
智能路由 · 限价单 vs 市价单选择策略
执行优化
智能路由
26
实时监控系统
通过WebSocket推送行情 · 记录日志
实时监控系统
WebSocket
27
故障恢复
断线重连 · 订单状态检查 · 防止重复下单
故障恢复
断线重连
28
参数自适应
在线学习机制 · 根据最新市场数据微调参数
参数自适应
线学习机制
29
机器学习辅助
用随机森林预测参数优劣 · 加速调优
机器学习辅助
用随机森林预测参…
30
总结与进阶
社区资源推荐 · 持续迭代的最佳实践
进阶
社区资源推荐
所属VIP或分类
同VIP:K-quant量化原理与参数调优
同VIP:K-quant量化等级选择与效果对比
同VIP:llama-cpp多GPU并行推理实践