009. 量化概念记录

1. 基础科普:

  • FP32可表示的数值范围为 -3.4 * 10^38 ~ 3.4 * 10^38。
  • INT8可表示的数值范围为 -128 ~ 127。(即8bit)
  • INT4可表示的数值范围为 -8 ~ 7。(即4bit)

2. 量化方法分类:

  • 精度分:8bit量化,4bit量化, 16bit量化。
  • 根据缩放系数能否覆盖网络数据和参数范围分:饱和量化(需要),非饱和量化。
  • 根据零点是否为0分:对称量化,非对称量化。
  • 按是否需要数据集和训练分:动态离线量化,静态离线量化,量化感知训练。(1)动态离线量化:无需样本数据,对模型的参数在推理前进行量化。该方法依赖最少,量化的效果一般,量化的加速效果弱一些。(2)静态离线量化:在预测前使用量化校准集进行模型激活值分布的统计,确定激活层的量化参数。(3)量化感知训练:在训练的过程中网络模拟量化的效果进行参数更新和优化,量化的效果最好,部署预测无速度损失,训练过程需要进行改变。

 

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
量化交易策略回测验证是通过使用历史数据来模拟交易过程,计算并统计出交易策略在历史数据上的表现,以验证交易策略的可行性。回测的过程包括以下几个步骤:\[1\] 1. 确定回测的时间范围和历史数据:选择一段历史数据作为回测的时间范围,并获取相应的市场数据。 2. 设定交易策略:根据自己的交易理念和策略,设定具体的交易规则和参数。 3. 执行交易策略:根据设定的交易规则和参数,在历史数据上进行模拟交易,记录每次交易的买入和卖出时机。 4. 计算交易绩效指标:根据模拟交易记录,计算交易策略在历史数据上的绩效指标,如收益率、夏普比率、最大回撤等。 通过回测验证,我们可以评估交易策略的有效性和可行性。然而,需要注意的是,回测结果并不一定能完全预测实际交易中的表现。因为回测过程中无法考虑到市场的微观结构和心理因素,实盘交易中可能会出现更大的回撤和回撤周期。因此,在实盘交易中,需要有足够的坚持和心理准备来应对类似的回撤情况,继续执行自己的交易策略。\[2\]\[3\] #### 引用[.reference_title] - *1* [Python量化交易数据回测框架及概念解析](https://blog.csdn.net/qq_33885122/article/details/131040251)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [量化交易:回测需要注意哪些事项](https://blog.csdn.net/weixin_42219751/article/details/93757675)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值