Video yükleniyor...

Video Yüklenemedi

Bu video yüklenirken bir sorun oluştu. Bu geçici bir ağ sorunundan kaynaklanıyor olabilir veya video kullanılamıyor olabilir.

Ana Sayfaya Dön

清华团队开源的金融K线基础模型火了，主打让AI看懂K线它叫 Kronos，专门为金融K线打造的基础模型核心思路是把K线当成一种"语言"来处理把开盘、最高、最低、收盘和成交量转换成类似文字的 Token，然后用大模型的方式来学习市场规律。学了全球45家交易所超过120亿条K线数据，相当于把市场历史全读了一遍可用于价格预测、波动率预测，以及生成模拟市场数据论文显示价格预测 RankIC 比主流时间序列模型高出 93%

阿西_出海

25,562 subscribers

22,157 görüntüleme • 6 gün önce •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

🚨 卧槽！A 股、美股、港股、加密、量化研究的人有福了清华大学重磅开源：全球首款 K 线金融大模型 Kronos 来了！现在 GitHub 已经 32K+ stars，它把 K 线当成一种市场语言不是只看收盘价，而是把 open、high、low、close、volume、amount 这些信息，转换成模型能理解的 token，然后像语言模型学习文字一样，去学习金融市场里的价格波动、成交量变化和跨资产节奏，核心亮点： > 45 个全球交易所数据 > 120 亿+ K 线记录预训练 > 支持价格序列预测 > 支持波动率预测 > 支持合成 K 线生成 > Zero-shot 场景表现不错 > 提供 Kronos-mini / small / base 等模型 > 适合量化研究、策略验证、市场结构分析金融市场噪音很大，K 线也不是水晶球。真正用起来，还是要结合基本面、资金面、宏观、成交结构和风控。但对于做 A 股、美股、港股、加密、量化策略的人来说，Kronos 这个方向强烈建议收藏

🚨 卧槽！A 股、美股、港股、加密、量化研究的人有福了清华大学重磅开源：全球首款 K 线金融大模型 Kronos 来了！现在 GitHub 已经 32K+ stars，它把 K 线当成一种市场语言不是只看收盘价，而是把 open、high、low、close、volume、amount 这些信息，转换成模型能理解的 token，然后像语言模型学习文字一样，去学习金融市场里的价格波动、成交量变化和跨资产节奏，核心亮点： > 45 个全球交易所数据 > 120 亿+ K 线记录预训练 > 支持价格序列预测 > 支持波动率预测 > 支持合成 K 线生成 > Zero-shot 场景表现不错 > 提供 Kronos-mini / small / base 等模型 > 适合量化研究、策略验证、市场结构分析金融市场噪音很大，K 线也不是水晶球。真正用起来，还是要结合基本面、资金面、宏观、成交结构和风控。但对于做 A 股、美股、港股、加密、量化策略的人来说，Kronos 这个方向强烈建议收藏

爱吃折耳根的Ace

39,571 görüntüleme • 2 ay önce

微软开源了一款金融市场预测模型：MarS 它基于订单级别的真实历史金融市场数据训练，能够实现逼真的金融市场模拟在市场趋势预测中，MarS的模拟显著优于传统的直接预测模型，体现了其对市场动态的深刻理解。用户可以通过注入特定的订单或描述目标场景，控制模拟过程，以分析特定条件下的市场行为。还提供一个交互式环境，用户可以在其中测试不同的交易策略，观察其市场影响。

微软开源了一款金融市场预测模型：MarS 它基于订单级别的真实历史金融市场数据训练，能够实现逼真的金融市场模拟在市场趋势预测中，MarS的模拟显著优于传统的直接预测模型，体现了其对市场动态的深刻理解。用户可以通过注入特定的订单或描述目标场景，控制模拟过程，以分析特定条件下的市场行为。还提供一个交互式环境，用户可以在其中测试不同的交易策略，观察其市场影响。

小互

85,751 görüntüleme • 1 yıl önce

接下来是见证奇迹的时刻🪄 我使用 OKX OnchainOS 的K线数据/代币信息/交易活动等全方位数据，结合均值回归/量价分析/Wyckoff/艾略特波了等经典理论，革新了K线走势的预测算法，完整演示请看 VCR： OnchainOS K线预测平台自带完整 Web UI AI 模型使用 Vercel AI SDK 接入，支持所有主流模型自带 SKILL 可供包含 openclaw 在内的所有 Agent 调用提示词请见评论区，由于预测成本过高暂不开放公网预览，赛后我会公开源码和朋友们一起交流学习

接下来是见证奇迹的时刻🪄 我使用 OKX OnchainOS 的K线数据/代币信息/交易活动等全方位数据，结合均值回归/量价分析/Wyckoff/艾略特波了等经典理论，革新了K线走势的预测算法，完整演示请看 VCR： OnchainOS K线预测平台自带完整 Web UI AI 模型使用 Vercel AI SDK 接入，支持所有主流模型自带 SKILL 可供包含 openclaw 在内的所有 Agent 调用提示词请见评论区，由于预测成本过高暂不开放公网预览，赛后我会公开源码和朋友们一起交流学习

大梦想家迪士尼

14,303 görüntüleme • 5 ay önce

大家好，从今天开始，我会为大家系统介绍一些 K线的基础理论知识。 😍 本教程主要针对币圈，但同样适用于股市、期货、外汇等各种金融投资市场。今天的内容相对基础，非常适合没有任何投机经验的小白学习。一、认识单根K线 K线，也叫蜡烛线，最早起源于日本，后来逐渐被全球各国的技术分析者采用。从分类上看，K线可以分为三种基本类别：阳线、阴线和十字星。绿色K线代表阳线红色K线代表阴线十字交叉线则代表十字星每一根K线有四个基本要素：开盘价、收盘价、最高价和最低价，这些会在后面详细讲解。从图形结构上来说，每根K线包括实体部分和上下影线。对于十字星来说，它的实体基本上是一条横线。二、阳线介绍什么是阳线？阳线是指**开盘价小于收开盘价小于收盘价，说明当天价格上涨，是大家最喜欢看到的情况。K线的下沿代表开盘价，上沿代表收盘价。上影线的最高点是最高价，下影线的最低点是最低价。举个例子：一天开始时产生了一个开盘价，随后价格逐渐上涨，达到一个最高点（图示位置H），随后价格回落到一个最低点，最后在一天结束时价格再次上升，形成了收盘价。由于收盘价高于开盘价，这天形成了一根阳线。不管一天中的波动如何，只要收盘价高于开盘价，就形成了阳线。举个例子，可能开盘后价格先跌再涨，最终收盘在一个较高的位置，这样也能形成阳线。具体走势有很多种可能性，这涉及到更详细的分时图分析，后面会讲。三、阴线介绍什么是阴线？阴线是指开盘价大于收盘价，说明当天价格下跌。阴线的开盘价在实体的上边缘，收盘价在实体的下边缘。最高价和最低价的定义与阳线相同。举个例子：开盘时价格可能先上涨，达到一个最高点后开始下跌，跌到一个最低点，然后价格有所回升，但收盘价仍低于开盘价。这种情况下，这天就形成了一根阴线。需要注意的是，在国内的股票和期货市场中，通常是红色代表阳线，绿色代表阴线；而在币圈和国外市场中，绿色代表阳线，红色代表阴线。四、十字星介绍什么是十字星？十字星的最显著特点是开盘价和收盘价相等，这是最标准的十字星。当然，有时候也会出现一些小实体的K线，我们也称之为十字星，比如带有短影线或长影线的小实体K线。通常情况下，只要与前后K线形成明显对比，也可以看作十字星。举个例子：开盘后价格先上涨，达到最高点后回落至最低点，最后再次回升，收盘价与开盘价相同，形成了一根十字星。总结今天我们简单介绍了 K线的三种基本形态：阳线、阴线和十字星。 K线图作为技术分析的基础工具，可以帮助投资者了解市场情绪和趋势变化。接下来，我们会继续深入讲解K线的更多应用和分析技巧，大家敬请期待！

大家好，从今天开始，我会为大家系统介绍一些 K线的基础理论知识。 😍 本教程主要针对币圈，但同样适用于股市、期货、外汇等各种金融投资市场。今天的内容相对基础，非常适合没有任何投机经验的小白学习。一、认识单根K线 K线，也叫蜡烛线，最早起源于日本，后来逐渐被全球各国的技术分析者采用。从分类上看，K线可以分为三种基本类别：阳线、阴线和十字星。绿色K线代表阳线红色K线代表阴线十字交叉线则代表十字星每一根K线有四个基本要素：开盘价、收盘价、最高价和最低价，这些会在后面详细讲解。从图形结构上来说，每根K线包括实体部分和上下影线。对于十字星来说，它的实体基本上是一条横线。二、阳线介绍什么是阳线？阳线是指**开盘价小于收开盘价小于收盘价，说明当天价格上涨，是大家最喜欢看到的情况。K线的下沿代表开盘价，上沿代表收盘价。上影线的最高点是最高价，下影线的最低点是最低价。举个例子：一天开始时产生了一个开盘价，随后价格逐渐上涨，达到一个最高点（图示位置H），随后价格回落到一个最低点，最后在一天结束时价格再次上升，形成了收盘价。由于收盘价高于开盘价，这天形成了一根阳线。不管一天中的波动如何，只要收盘价高于开盘价，就形成了阳线。举个例子，可能开盘后价格先跌再涨，最终收盘在一个较高的位置，这样也能形成阳线。具体走势有很多种可能性，这涉及到更详细的分时图分析，后面会讲。三、阴线介绍什么是阴线？阴线是指开盘价大于收盘价，说明当天价格下跌。阴线的开盘价在实体的上边缘，收盘价在实体的下边缘。最高价和最低价的定义与阳线相同。举个例子：开盘时价格可能先上涨，达到一个最高点后开始下跌，跌到一个最低点，然后价格有所回升，但收盘价仍低于开盘价。这种情况下，这天就形成了一根阴线。需要注意的是，在国内的股票和期货市场中，通常是红色代表阳线，绿色代表阴线；而在币圈和国外市场中，绿色代表阳线，红色代表阴线。四、十字星介绍什么是十字星？十字星的最显著特点是开盘价和收盘价相等，这是最标准的十字星。当然，有时候也会出现一些小实体的K线，我们也称之为十字星，比如带有短影线或长影线的小实体K线。通常情况下，只要与前后K线形成明显对比，也可以看作十字星。举个例子：开盘后价格先上涨，达到最高点后回落至最低点，最后再次回升，收盘价与开盘价相同，形成了一根十字星。总结今天我们简单介绍了 K线的三种基本形态：阳线、阴线和十字星。 K线图作为技术分析的基础工具，可以帮助投资者了解市场情绪和趋势变化。接下来，我们会继续深入讲解K线的更多应用和分析技巧，大家敬请期待！

另一面

24,152 görüntüleme • 1 yıl önce

清华大学重磅开源：全球首款 K 线金融大模型 Kronos 来了！以前的炒股软件预测股价就像猜数字，而 Kronos 的思路是：直接把 K 线的涨跌当成文字来读！像 GPT 预测下一个词一样，去预测未来的股价走势。哪怕你不懂量化，这 4 点也足够震撼： 1️⃣ 它最强的地方在于：哪怕是只有 4.1M 超小体积的版本，预测精度也直逼大版本，直接把体积缩减了 25 倍，普通电脑也能跑得飞起！ 2️⃣ 普通的预测只给你一根死板的线，它支持概率采样。不仅告诉你明天大概涨还是跌，还能生成好几条预测路径，明明白白告诉你它对这次预测“有多大把握”。 3️⃣ 在全世界 45 个交易所的数据上训练过，不管你玩 A 股、美股还是加密货币，它全部看得懂。 4️⃣ 它把从数据准备到策略回测的整套微调工具全放出来了。你可以直接用自己关心的股票数据，给它开小灶、深度定制。在股价预测测试中，它的表现直接把谷歌开源的 TimesFM 时序模型拉开 93% 的差距。地址：仅供研究、学习和辅助决策使用，非投资建议，dyor

清华大学重磅开源：全球首款 K 线金融大模型 Kronos 来了！以前的炒股软件预测股价就像猜数字，而 Kronos 的思路是：直接把 K 线的涨跌当成文字来读！像 GPT 预测下一个词一样，去预测未来的股价走势。哪怕你不懂量化，这 4 点也足够震撼： 1️⃣ 它最强的地方在于：哪怕是只有 4.1M 超小体积的版本，预测精度也直逼大版本，直接把体积缩减了 25 倍，普通电脑也能跑得飞起！ 2️⃣ 普通的预测只给你一根死板的线，它支持概率采样。不仅告诉你明天大概涨还是跌，还能生成好几条预测路径，明明白白告诉你它对这次预测“有多大把握”。 3️⃣ 在全世界 45 个交易所的数据上训练过，不管你玩 A 股、美股还是加密货币，它全部看得懂。 4️⃣ 它把从数据准备到策略回测的整套微调工具全放出来了。你可以直接用自己关心的股票数据，给它开小灶、深度定制。在股价预测测试中，它的表现直接把谷歌开源的 TimesFM 时序模型拉开 93% 的差距。地址：仅供研究、学习和辅助决策使用，非投资建议，dyor

爱丽丝呀！

145,918 görüntüleme • 2 ay önce

Google的教学视频《Introduction to Large Language Models | 大语言模型介绍》（中英双语字幕）这个视频介绍了大型语言模型（Large Language Models，LLMs）的概念、使用场景、提示调整以及Google的Gen AI开发工具。大型语言模型是深度学习的一个子集，可以预训练并进行特定目的的微调。这些模型经过训练，可以解决诸如文本分类、问题回答、文档摘要、跨行业的文本生成等常见语言问题。然后，可以利用相对较小的领域数据集对这些模型进行定制，以解决零售、金融、娱乐等不同领域的特定问题。大型语言模型的三个主要特征是：大型、通用性和预训练微调。"大型"既指训练数据集的巨大规模，也指参数的数量。"通用性"意味着这些模型足够解决常见问题。"预训练和微调"是指用大型数据集对大型语言模型进行一般性的预训练，然后用较小的数据集对其进行特定目的的微调。使用大型语言模型的好处包括：一种模型可用于不同的任务；微调大型语言模型需要的领域训练数据较少；随着数据和参数的增加，大型语言模型的性能也在持续增长。此外，视频还解释了传统编程、神经网络和生成模型的不同，以及预训练模型的LLM开发与传统的ML开发的区别。在自然语言处理中，提示设计和提示工程是两个密切相关的概念，这两者都涉及创建清晰、简洁、富有信息的提示。视频中还提到了三种类型的大型语言模型：通用语言模型、指令调整模型和对话调整模型。每种模型都需要以不同的方式进行提示。原始视频链接：

Google的教学视频《Introduction to Large Language Models | 大语言模型介绍》（中英双语字幕）这个视频介绍了大型语言模型（Large Language Models，LLMs）的概念、使用场景、提示调整以及Google的Gen AI开发工具。大型语言模型是深度学习的一个子集，可以预训练并进行特定目的的微调。这些模型经过训练，可以解决诸如文本分类、问题回答、文档摘要、跨行业的文本生成等常见语言问题。然后，可以利用相对较小的领域数据集对这些模型进行定制，以解决零售、金融、娱乐等不同领域的特定问题。大型语言模型的三个主要特征是：大型、通用性和预训练微调。"大型"既指训练数据集的巨大规模，也指参数的数量。"通用性"意味着这些模型足够解决常见问题。"预训练和微调"是指用大型数据集对大型语言模型进行一般性的预训练，然后用较小的数据集对其进行特定目的的微调。使用大型语言模型的好处包括：一种模型可用于不同的任务；微调大型语言模型需要的领域训练数据较少；随着数据和参数的增加，大型语言模型的性能也在持续增长。此外，视频还解释了传统编程、神经网络和生成模型的不同，以及预训练模型的LLM开发与传统的ML开发的区别。在自然语言处理中，提示设计和提示工程是两个密切相关的概念，这两者都涉及创建清晰、简洁、富有信息的提示。视频中还提到了三种类型的大型语言模型：通用语言模型、指令调整模型和对话调整模型。每种模型都需要以不同的方式进行提示。原始视频链接：

宝玉

114,706 görüntüleme • 3 yıl önce

预测真实世界下一秒北京智源研究院推出全新的多模态世界模型：Emu3.5 很多传统图像生成模型的主要问题是：它们“不懂世界”运行的规律，无法理解真实世界的物理规则和因果关系。 Emu3.5在传统图像生成的基础上，进一步让AI具备：理解真实世界的空间关系推理物体随时间变化的规律预测“世界下一秒”会是什么样不同于以往为图像、文字、视频分开设计模型，Emu3.5 将它们全部“统一”在一个系统中：首先把多模态信息包括图文视频都统一成了token；模型通过“预测下一个 token”来学习不同模态间的关系；任务统一为 NSP：预测下一个世界状态（包括视觉和语言）。 Emu3.5 不再只关注“文本之间的逻辑”，而是让模型学习“世界是如何变化的”。意思就是它不再区分：这是一张图这是一句话这是视频的一帧在它眼里，它们都是同一套“世界积木”。然后模型只做一件事：预测下一块积木是什么如果下一块积木是一行字 → 它补全文字如果是下一帧画面 → 它补全动作如果是下一步结果 → 它推演世界变化所以：预测下一 Token = 预测“世界下一秒”会是什么样

预测真实世界下一秒北京智源研究院推出全新的多模态世界模型：Emu3.5 很多传统图像生成模型的主要问题是：它们“不懂世界”运行的规律，无法理解真实世界的物理规则和因果关系。 Emu3.5在传统图像生成的基础上，进一步让AI具备：理解真实世界的空间关系推理物体随时间变化的规律预测“世界下一秒”会是什么样不同于以往为图像、文字、视频分开设计模型，Emu3.5 将它们全部“统一”在一个系统中：首先把多模态信息包括图文视频都统一成了token；模型通过“预测下一个 token”来学习不同模态间的关系；任务统一为 NSP：预测下一个世界状态（包括视觉和语言）。 Emu3.5 不再只关注“文本之间的逻辑”，而是让模型学习“世界是如何变化的”。意思就是它不再区分：这是一张图这是一句话这是视频的一帧在它眼里，它们都是同一套“世界积木”。然后模型只做一件事：预测下一块积木是什么如果下一块积木是一行字 → 它补全文字如果是下一帧画面 → 它补全动作如果是下一步结果 → 它推演世界变化所以：预测下一 Token = 预测“世界下一秒”会是什么样

小互

14,792 görüntüleme • 9 ay önce

CAD大模型来啦！还记得 cursor 创业的时候说自己其实是搞 CAD 大模型的嘛？但是他们遇到的问题是全网 CAD 数据太少了，炼不出来好的模型。今天这个模型作者遇到了同样的问题，他使用了 OpenSCAD 数据集，但是质量太差，于是花了150刀使用AI辅助生成/修复数据，然后觉得太贵了，又用 Gemma3-12b 洗了2天，最后使用 Gemma3-1B 进行微调，得到了这个 CAD 大模型——k-1b 这个模型你只需输入想要什么，它就能生成 stl 格式的 3D模型，然后作者还写了个工具能转换为 OBJ 模型以及在 terminal 预览模型生成的怎么样模型地址：引擎地址：/github.com/ThomasVuNguyen/MakeMe

CAD大模型来啦！还记得 cursor 创业的时候说自己其实是搞 CAD 大模型的嘛？但是他们遇到的问题是全网 CAD 数据太少了，炼不出来好的模型。今天这个模型作者遇到了同样的问题，他使用了 OpenSCAD 数据集，但是质量太差，于是花了150刀使用AI辅助生成/修复数据，然后觉得太贵了，又用 Gemma3-12b 洗了2天，最后使用 Gemma3-1B 进行微调，得到了这个 CAD 大模型——k-1b 这个模型你只需输入想要什么，它就能生成 stl 格式的 3D模型，然后作者还写了个工具能转换为 OBJ 模型以及在 terminal 预览模型生成的怎么样模型地址：引擎地址：/github.com/ThomasVuNguyen/MakeMe

karminski-牙医

28,604 görüntüleme • 10 ay önce

Fin-R1：基于Qwen2.5-7B 并通过强化学习训练金融推理模型在多项金融基准测试中SOTA 水平 Fin-R1（强化后），以仅 7B 参数，超越大多数同规模乃至数十倍规模模型，部分关键任务甚至拿下第一。在FinQA（金融表格推理）、ConvFinQA（对话式金融 QA）中取得最高分 Fin-R1 设计用于金融核心业务场景中的推理与分析任务，包括： ✅ 金融代码编写与生成（如定价模型、风险评估脚本） ✅ 金融计算与建模（量化分析、报表计算等） ✅ 英文金融建模与报告撰写 ✅ 金融安全合规分析 ✅ 智能风控（交易反欺诈、违约预测） ✅ ESG 可持续性分析（环境、社会、治理）

Fin-R1：基于Qwen2.5-7B 并通过强化学习训练金融推理模型在多项金融基准测试中SOTA 水平 Fin-R1（强化后），以仅 7B 参数，超越大多数同规模乃至数十倍规模模型，部分关键任务甚至拿下第一。在FinQA（金融表格推理）、ConvFinQA（对话式金融 QA）中取得最高分 Fin-R1 设计用于金融核心业务场景中的推理与分析任务，包括： ✅ 金融代码编写与生成（如定价模型、风险评估脚本） ✅ 金融计算与建模（量化分析、报表计算等） ✅ 英文金融建模与报告撰写 ✅ 金融安全合规分析 ✅ 智能风控（交易反欺诈、违约预测） ✅ ESG 可持续性分析（环境、社会、治理）

小互

40,141 görüntüleme • 1 yıl önce

🚨 卧槽！不到两千行代码跑完一整套 AI 选股，入门 ML 量化看它就够了！ AIAlpha，1.9K stars，把《Advances in Financial Machine Learning》这本书的核心思路用 Python 完整实现了。核心能力： > 把 Tick 数据转换成不同类型的 Bar（Tick Bar、Volume Bar、Dollar Bar） > 进行特征工程和降维（使用了 Stacked Autoencoder） > 用 LSTM 做回归预测回报率 > 用 Random Forest 做分类预测涨跌方向 > 包含在线学习（Online Learning）的实现从 Tick 数据合成 K 线 → 特征工程 → Stacked Autoencoder 降维 → LSTM 回归预测收益 + Random Forest 分类预测涨跌，全流程代码少到离谱，读完你就懂 ML 选股是怎么回事了。

🚨 卧槽！不到两千行代码跑完一整套 AI 选股，入门 ML 量化看它就够了！ AIAlpha，1.9K stars，把《Advances in Financial Machine Learning》这本书的核心思路用 Python 完整实现了。核心能力： > 把 Tick 数据转换成不同类型的 Bar（Tick Bar、Volume Bar、Dollar Bar） > 进行特征工程和降维（使用了 Stacked Autoencoder） > 用 LSTM 做回归预测回报率 > 用 Random Forest 做分类预测涨跌方向 > 包含在线学习（Online Learning）的实现从 Tick 数据合成 K 线 → 特征工程 → Stacked Autoencoder 降维 → LSTM 回归预测收益 + Random Forest 分类预测涨跌，全流程代码少到离谱，读完你就懂 ML 选股是怎么回事了。

爱吃折耳根的Ace

10,406 görüntüleme • 2 ay önce

大模型终于能一口气生成5分钟视频了? 来自复旦, 南京大学等几所大学的研究员发布了新的多模态可控超长视频世界模型 LongVie 2, 这个模型最大的特点是可以生成长达5分钟的视频. 该模型基于 Wan 2.1 魔改, 实现了一个个三阶段流水线, 包括多模态引导,针对输入帧的退化感知训练和历史上下文引导从而达到了输出3至5分钟的连贯视频.其核心是优先保证因果一致性，而非简单的帧预测.

大模型终于能一口气生成5分钟视频了? 来自复旦, 南京大学等几所大学的研究员发布了新的多模态可控超长视频世界模型 LongVie 2, 这个模型最大的特点是可以生成长达5分钟的视频. 该模型基于 Wan 2.1 魔改, 实现了一个个三阶段流水线, 包括多模态引导,针对输入帧的退化感知训练和历史上下文引导从而达到了输出3至5分钟的连贯视频.其核心是优先保证因果一致性，而非简单的帧预测.

karminski-牙医

24,831 görüntüleme • 8 ay önce

遇到一场由顶级量化基金 Two Sigma 举办的高阶研讨会，主题是《金融数据的机器学习模型》。主讲人 Justin Sirignano 同时来自 Two Sigma 和牛津大学，讲的不是普通技术指标，而是直接深入高频交易和限价订单簿。我问他，顶级对冲基金现在到底在用机器学习研究什么？视频给出了三个前沿方向： > 用 RNN / LSTM 分析高维订单流，预测下一次价格变化 > 用数百只股票训练通用模型，效果优于单只股票独立建模 > 用强化学习优化订单执行，降低滑点和市场冲击最有意思的是，通用模型在较长时间的样本外测试中，依然保持不错的准确率。不过这不是零基础教程。整场几乎没有代码演示，默认观众已经理解订单簿、RNN / LSTM 和强化学习。更适合有一定量化基础，或准备申请 Two Sigma、Citadel、Jane Street 等 Quant 岗位的人观看。虽然你可能是量化小白，但是在以后的时候绝对会用到的

遇到一场由顶级量化基金 Two Sigma 举办的高阶研讨会，主题是《金融数据的机器学习模型》。主讲人 Justin Sirignano 同时来自 Two Sigma 和牛津大学，讲的不是普通技术指标，而是直接深入高频交易和限价订单簿。我问他，顶级对冲基金现在到底在用机器学习研究什么？视频给出了三个前沿方向： > 用 RNN / LSTM 分析高维订单流，预测下一次价格变化 > 用数百只股票训练通用模型，效果优于单只股票独立建模 > 用强化学习优化订单执行，降低滑点和市场冲击最有意思的是，通用模型在较长时间的样本外测试中，依然保持不错的准确率。不过这不是零基础教程。整场几乎没有代码演示，默认观众已经理解订单簿、RNN / LSTM 和强化学习。更适合有一定量化基础，或准备申请 Two Sigma、Citadel、Jane Street 等 Quant 岗位的人观看。虽然你可能是量化小白，但是在以后的时候绝对会用到的

爱吃折耳根的Ace

15,460 görüntüleme • 1 ay önce

最强SVG生成大模型出现了！OmniSVG！这个大模型基于Qwen2.5-VL,并集成了 SVG 标记化器。该模型将文本和图像输入都标记为前缀标记，同时 SVG 标记化器将矢量图形命令编码到一个统一的空间表示。带来了超级震撼的SVG生成效果。不说了大家直接看视频。目前这个模型的论文和数据集已经放出，模型暂时还没有放到HuggingFace上。等发布了之后我将第一时间为大家带来测试！地址：

最强SVG生成大模型出现了！OmniSVG！这个大模型基于Qwen2.5-VL,并集成了 SVG 标记化器。该模型将文本和图像输入都标记为前缀标记，同时 SVG 标记化器将矢量图形命令编码到一个统一的空间表示。带来了超级震撼的SVG生成效果。不说了大家直接看视频。目前这个模型的论文和数据集已经放出，模型暂时还没有放到HuggingFace上。等发布了之后我将第一时间为大家带来测试！地址：

karminski-牙医

52,975 görüntüleme • 1 yıl önce

50秒的视频--用CodeX尝试入门量化交易/AI交易以前量化交易门槛很高，普通人基本接触不到——不懂复杂的数学模型、不会写代码，很难上手现在有了Codex，你可以完全不懂代码了。配合微软开源的明星AI 量化平台--Qlib（GitHub 43k+星），从数据处理、因子挖掘到信号生成全流程都开源了这是我目前正在测试的玩法： ➤ Qlib —— 微软开源的 AI 量化全流程平台，能基于比特币历史数据自动挖掘因子、训练模型，输出多空预测信号 ➤ Moss MOSS —— 100%模拟 Hyperliquid 实盘环境。支持一句话生成 Agent实时测试，完全免费。还能每周自动进化策略，最近新增了更多币种，是验证自己交易策略最好的地方我现在只用 Codex ，结合 Qlib + Moss，完全接管我交易 Agent，所有策略制定、开仓平仓、仓位、杠杆、风控，全部基于 Qlib 生成的信号自主决策，并且实时跑在MOSS MOSS 中文的模拟盘上测试，真正 24/7 全自动运行 moss直达：具体提示词在下一条推文👇

50秒的视频--用CodeX尝试入门量化交易/AI交易以前量化交易门槛很高，普通人基本接触不到——不懂复杂的数学模型、不会写代码，很难上手现在有了Codex，你可以完全不懂代码了。配合微软开源的明星AI 量化平台--Qlib（GitHub 43k+星），从数据处理、因子挖掘到信号生成全流程都开源了这是我目前正在测试的玩法： ➤ Qlib —— 微软开源的 AI 量化全流程平台，能基于比特币历史数据自动挖掘因子、训练模型，输出多空预测信号 ➤ Moss MOSS —— 100%模拟 Hyperliquid 实盘环境。支持一句话生成 Agent实时测试，完全免费。还能每周自动进化策略，最近新增了更多币种，是验证自己交易策略最好的地方我现在只用 Codex ，结合 Qlib + Moss，完全接管我交易 Agent，所有策略制定、开仓平仓、仓位、杠杆、风控，全部基于 Qlib 生成的信号自主决策，并且实时跑在MOSS MOSS 中文的模拟盘上测试，真正 24/7 全自动运行 moss直达：具体提示词在下一条推文👇

梭哈.AI

26,607 görüntüleme • 3 ay önce

大二学生，一台笔记本，一个周末——然后在 Polymarket 上赚了 74,000 美元。他没用内幕消息，没靠运气，只是用 Claude 搭了一个读懂微观结构的机器人。策略很清晰： - 盯 5 分钟 BTC/ETH 市场，记录开盘价 - 跟踪动量、波动率、剩余时间 - 算出自己模型里的公允概率 - 只在市场价格低于模型判断时进场 - 方向不对就反向补仓，形成部分对冲 - 剩下的方向性敞口，就是他的 edge 结果：正的期望值，持续增长的曲线。

大二学生，一台笔记本，一个周末——然后在 Polymarket 上赚了 74,000 美元。他没用内幕消息，没靠运气，只是用 Claude 搭了一个读懂微观结构的机器人。策略很清晰： - 盯 5 分钟 BTC/ETH 市场，记录开盘价 - 跟踪动量、波动率、剩余时间 - 算出自己模型里的公允概率 - 只在市场价格低于模型判断时进场 - 方向不对就反向补仓，形成部分对冲 - 剩下的方向性敞口，就是他的 edge 结果：正的期望值，持续增长的曲线。

OxPINK

10,784 görüntüleme • 2 ay önce

最近有条消息在圈子里传疯了——一个清华的学生，用AI在Polymarket上把1000美元干到了150万美元。钱包地址：k9Q2m 数据在这儿：初始1430美元（可能后来加了点），最后变155万。交易了44364笔，胜率接近100%你敢信？单笔最高赚23600美元。个人主页：想跟单的可以看这个机器人：这哥们是清华的，在北京读书。说实话，钱多钱少先放一边，真正牛的是他背后那个机器人用的数学。一般人炒预测市场全靠感觉，但这机器人不一样，它每秒钟跑六个量化公式，等六个信号全对齐了才出手。等于是装了六个筛子，只捡最稳的机会。这六个公式是啥？我给大伙儿掰扯掰扯。 1. LMSR定价预测市场的价格不是乱走的，它遵循一个对数曲线。这模型专门盯着曲线看，一旦发现市场情绪把价格推偏了，比如BTC五分钟应该值31美分，但市场只给了20美分，它就提前进去埋伏，等价格自己修复。 2. 凯利准则这玩意儿是量化基金吃饭的家伙。它能算出每一笔下多少注最合适——既能保证利润滚起来，又不会一把梭哈爆仓。小优势 + 正确仓位 = 复利奇迹。 3. EV缺口检测系统一直在扫市场，找那些概率对不上的地方。比如市场价30美分，但模型算出来的真实概率是55%，那就是正向预期价值，它直接进场。 4. KL散度短期BTC市场之间有联动关系。比如5分钟和15分钟的市场本来走势应该差不多，如果突然偏差很大，模型就检测到这个“散度”，进去赌它回归。 5. 贝叶斯更新只要有新信号进来——比如成交量突然放大、价格异动、链上确认一个新块——模型立马重新算一遍概率。实时调整，不滞后。 6. Stoikov执行什么时候出手也很关键。这模型会先算一个最优保留价，不到那个价位绝不追高。只做精确打击，不做无脑冲锋。实际跑起来是这样的：每隔几秒，这六个公式一起跑一遍。只有当六个都给出“可以进”的信号，它才下单。六个过滤器，一个交易。这时候它已经不像个普通机器人了，更像一个专攻预测市场的量化基金策略。数学其实都是公开的，优势明摆着。只是大多数人懒得动手把这套系统搭出来而已。

最近有条消息在圈子里传疯了——一个清华的学生，用AI在Polymarket上把1000美元干到了150万美元。钱包地址：k9Q2m 数据在这儿：初始1430美元（可能后来加了点），最后变155万。交易了44364笔，胜率接近100%你敢信？单笔最高赚23600美元。个人主页：想跟单的可以看这个机器人：这哥们是清华的，在北京读书。说实话，钱多钱少先放一边，真正牛的是他背后那个机器人用的数学。一般人炒预测市场全靠感觉，但这机器人不一样，它每秒钟跑六个量化公式，等六个信号全对齐了才出手。等于是装了六个筛子，只捡最稳的机会。这六个公式是啥？我给大伙儿掰扯掰扯。 1. LMSR定价预测市场的价格不是乱走的，它遵循一个对数曲线。这模型专门盯着曲线看，一旦发现市场情绪把价格推偏了，比如BTC五分钟应该值31美分，但市场只给了20美分，它就提前进去埋伏，等价格自己修复。 2. 凯利准则这玩意儿是量化基金吃饭的家伙。它能算出每一笔下多少注最合适——既能保证利润滚起来，又不会一把梭哈爆仓。小优势 + 正确仓位 = 复利奇迹。 3. EV缺口检测系统一直在扫市场，找那些概率对不上的地方。比如市场价30美分，但模型算出来的真实概率是55%，那就是正向预期价值，它直接进场。 4. KL散度短期BTC市场之间有联动关系。比如5分钟和15分钟的市场本来走势应该差不多，如果突然偏差很大，模型就检测到这个“散度”，进去赌它回归。 5. 贝叶斯更新只要有新信号进来——比如成交量突然放大、价格异动、链上确认一个新块——模型立马重新算一遍概率。实时调整，不滞后。 6. Stoikov执行什么时候出手也很关键。这模型会先算一个最优保留价，不到那个价位绝不追高。只做精确打击，不做无脑冲锋。实际跑起来是这样的：每隔几秒，这六个公式一起跑一遍。只有当六个都给出“可以进”的信号，它才下单。六个过滤器，一个交易。这时候它已经不像个普通机器人了，更像一个专攻预测市场的量化基金策略。数学其实都是公开的，优势明摆着。只是大多数人懒得动手把这套系统搭出来而已。

区块链行情研究

183,670 görüntüleme • 5 ay önce

最适合做AI视频的API平台终于被我找到了！! 成本比预期低很多！爽用Seedance 2.0的感觉也太夯了！！赶紧用Codex把很早就想做的“个人视觉创意工作台”安排上了！我相信很多人都想找一个好用又便宜的生成式模型API平台，说实话，真的很不好找！！大大小小的AI平台用了不少，要么贵的要死，要么可用模型少的可怜，要么就是个黑盒子，花钱用的啥模型都不知道！今天看到Pika Pika上线了Pika API Club，我就知道这事稳了！！果不其然，Pika还是太懂AI视频创作者了！基本上能用到的模型都包圆了，定价也特别香，应该都是从厂商拿的“集采价”，而且还让利给了用户！ Pika API定价比Runway、Fal等等都要便宜不少， Seedance 2.0的价格相对Runway，最高能便宜87%，相当于打1.3折！！关键是，每月才10美金，可以用70多个生成式模型，不光是视频，主流模型都有，1个API能接住所有的模型需求！！所以搞了一个创意工作台，把原创的一些提示词做成预设，一键套用成片，效率直接拉满！！

最适合做AI视频的API平台终于被我找到了！! 成本比预期低很多！爽用Seedance 2.0的感觉也太夯了！！赶紧用Codex把很早就想做的“个人视觉创意工作台”安排上了！我相信很多人都想找一个好用又便宜的生成式模型API平台，说实话，真的很不好找！！大大小小的AI平台用了不少，要么贵的要死，要么可用模型少的可怜，要么就是个黑盒子，花钱用的啥模型都不知道！今天看到Pika Pika上线了Pika API Club，我就知道这事稳了！！果不其然，Pika还是太懂AI视频创作者了！基本上能用到的模型都包圆了，定价也特别香，应该都是从厂商拿的“集采价”，而且还让利给了用户！ Pika API定价比Runway、Fal等等都要便宜不少， Seedance 2.0的价格相对Runway，最高能便宜87%，相当于打1.3折！！关键是，每月才10美金，可以用70多个生成式模型，不光是视频，主流模型都有，1个API能接住所有的模型需求！！所以搞了一个创意工作台，把原创的一些提示词做成预设，一键套用成片，效率直接拉满！！

沐阳

25,508 görüntüleme • 1 ay önce

股票的K线到底是怎么来的？99%的散户都不知道🔥 为什么股票走势非要画成红绿柱一样的K线？为什么叫K线？那个K到底是什么意思？看完这条视频，你才真正读懂K线的底层逻辑！ ✅ 起源：日本江户时代米商，为记录米价波动，把开盘、收盘、最高、最低四价浓缩成一根线。 ✅ 演变：从简单的线条改进为带实体的蜡烛状，借鉴太极阴阳，红涨绿跌（内地）。 ✅ 命名：源自日本地名“Kabuki”及格子线概念，并非神秘代码。 ✅ 用法：锤头线、十字星、乌云盖顶……这些图形本质是，买卖双方的博弈记录。重点来了！ K线只是市场情绪的“快照”，可以参考，但绝对不能迷信。如果光看图形就能赚钱，程序员用AI早就把市场赢光了！它教会我们的是如何判断多空力量的博弈，而非精准预言。

股票的K线到底是怎么来的？99%的散户都不知道🔥 为什么股票走势非要画成红绿柱一样的K线？为什么叫K线？那个K到底是什么意思？看完这条视频，你才真正读懂K线的底层逻辑！ ✅ 起源：日本江户时代米商，为记录米价波动，把开盘、收盘、最高、最低四价浓缩成一根线。 ✅ 演变：从简单的线条改进为带实体的蜡烛状，借鉴太极阴阳，红涨绿跌（内地）。 ✅ 命名：源自日本地名“Kabuki”及格子线概念，并非神秘代码。 ✅ 用法：锤头线、十字星、乌云盖顶……这些图形本质是，买卖双方的博弈记录。重点来了！ K线只是市场情绪的“快照”，可以参考，但绝对不能迷信。如果光看图形就能赚钱，程序员用AI早就把市场赢光了！它教会我们的是如何判断多空力量的博弈，而非精准预言。

0x鸣人

50,239 görüntüleme • 5 ay önce

别再用单体 AI 跑股票量化交易了！大模型做股票交易最大的弱点：不是幻觉，就是无法应对高频变盘的单向思维风暴。分享一个真正懂金融行为学的硬核 GitHub 开源项目 —— TradingAgents-CN 它专为股票分析设计，核心逻辑极其优雅：用多智能体社会学模拟，把单 LLM 的交易偏见彻底干碎！核心杀手锏：多角色盘前模拟辩论：框架内由宏观分析师、技术交易员、风控官等多个 Agent 角色组成。在系统内展开多轮激烈辩论，通过交叉验证寻找更稳妥的决策点。全链路金融行为学模拟：从宏观新闻感知、盘前技术面交叉对齐，到模拟盘中的动态仓位控制，完美还原专业投资机构的决策工作流。中文本地化与回测支持：无缝对接 A股、港股、美股等核心市场的数据与交易逻辑，而且完美适配 Claude、ChatGPT (OpenAI) 以及国内主流大模型底层。一站式回测支持：内置高频交易环境模拟与标准量化指标评估，直接输出带思维链（CoT）的决策报告。感兴趣的可以看看～dyor～地址：

别再用单体 AI 跑股票量化交易了！大模型做股票交易最大的弱点：不是幻觉，就是无法应对高频变盘的单向思维风暴。分享一个真正懂金融行为学的硬核 GitHub 开源项目 —— TradingAgents-CN 它专为股票分析设计，核心逻辑极其优雅：用多智能体社会学模拟，把单 LLM 的交易偏见彻底干碎！核心杀手锏：多角色盘前模拟辩论：框架内由宏观分析师、技术交易员、风控官等多个 Agent 角色组成。在系统内展开多轮激烈辩论，通过交叉验证寻找更稳妥的决策点。全链路金融行为学模拟：从宏观新闻感知、盘前技术面交叉对齐，到模拟盘中的动态仓位控制，完美还原专业投资机构的决策工作流。中文本地化与回测支持：无缝对接 A股、港股、美股等核心市场的数据与交易逻辑，而且完美适配 Claude、ChatGPT (OpenAI) 以及国内主流大模型底层。一站式回测支持：内置高频交易环境模拟与标准量化指标评估，直接输出带思维链（CoT）的决策报告。感兴趣的可以看看～dyor～地址：

爱丽丝呀！

32,866 görüntüleme • 2 ay önce