deepseekv4可以做量化吗
我是红红学电话，最近 deepsea 的 v 四那个预览版出来了，然后我们可以看看他，这一刻我们接入了自己的项目里面，然后我们让他来分析一下股票 一个买卖情况这一块的话，他会有一个推理过程，我会把他那个让他调取我本地的方法，包括微信，嗯，检测信息，然后趋势信息等都可以给拿到，拿到之后根据我的一个提示语去进行 推理过程可能会相对慢一点，让你等一下，大家可以看到他现在是在输出我的一些判断， 当然它的判断是基于你给的提示值去进行判断的，包括这种达芬呀也是，嗯，这种我也是 ai 给的哈。我不不不，作为投资建议，我只是说我们可以把 deepsea 微视及我们的系统进行一个 ai， 一个股票分析，嗯，它怎么分析的？大家可以看一看，然后对比一下，明天可以来对比一下是否正确，嗯，其实它也不一定正确，因为我们作为通过历史数据回测的话， 他也他很多时候也会是有问题的。比如说我之前做的这一块，让他照嗯，我的提速神是初升放量，数量盘整，然后放量突破的，然后他一直都没有选出来。可是我们在二十三号之后， 呃，也是用的是 v v 十的 pro 哈，你们可以看到其实他后续的一个胜率是百分之百，并且收益率也是百分之八点几，所以这块的话也不尽可信，还是主要是自己的一个，嗯， 自己的一个提示语很有很很重要，嗯，就来实现了一些其他的功能。然后我们可以看一下我们最近这个，呃也是不谷状态 a 呃系统，它是具备哪些功能？只是作为呆萌使用哈。嗯，这块的话依然是找到， 找到 macd 拨股的票，然后去进行一些过滤，然后黑名单退市，这些是基本过滤，然后进行现金财务过滤、现金流过滤、推线过滤，然后 ai 的 二次筛选，然后在最终在弹动的时候对即可或者 bar 进行一个嗯 判断。那我前期已经对这个策略进行了一个测试，这个是非 ai 的 情况下进行的测试，大概，嗯，年化的话是百分之一百的样子，但率不是特别高哈。嗯，现在 ai 的 话我们还在跑，但是那个结果不重要，因为也不你，大家也不会用于实盘，那我们只讲 我自己在在最最近学到了些，然后做了些什么吧。然后我最近的话我加了一个，嗯，对那个没有选中的股票去进行一个看，你说我们会有一些原因去删掉一些股票，我们可以把删掉的原因进行一个 嗯分析吧，就盘后分析，嗯，比如说这种样本归归音法，嗯，某一个票在 看他的错杀率，比如说这个我的百分之二到百分之八这一块，因为我有一个测有个要求是在百分之八，那你看错杀率就是在百分之百分之百，而且最近后面三十日的转化达到了百四十几，这一块就错到一，那我们后面的一个归音 都有，都都是百分之百，那后面我可能就需要对对这一块这个方法进行修改就不太好， 主要是讲这个。然后 ai 的 话，之前我在前前面视频有说过，那 deepsea 和 v 四的话，它有一点点的不一样。你这块的话，嗯，也很简单，你去跟这个官网这边做一做，或者说你去咨询一下其他的 ai 的 接入就好了，这块很简单，我就没必要讲。 嗯，其他的看大家有什么想了解的，或者想想学 ai 的。 我现在只是做的非常简单的持续加持续 ai。 那 后面的话我可能会去学一下很前面怎么做啊那些毕竟还是学数学吧，路还很长呢。 嗯，大家关注我后续的课程怎么样？大家就多跟我互动一下，今天就这样吧。嗯。
粉丝968获赞1584
相关视频
06:22查看AI文稿AI文稿我用国产的 web 控定工具，然后配合大模型 dipic 微四，然后做了一个量化交易的工具。嗯，然后呢，现在我们正在调试我们的策略和啊我们的啊选股。 嗯，现在呢，我们可以把我们的策略进行实盘啊，实盘实盘进行模拟啊，进行模拟账户啊，然后现在呢我们要 嗯详细的去调整我们的策略啊，如果大家有什么好的啊，日常就是在实战中啊，能够稳定盈利的策略，可以交流一下，然后把这些策略呢，把它变成一个啊，可以在啊量化系统里面进行啊进行，嗯，在量化系统里面进行自动交易的啊，自动止损的一个， 嗯，自动交易的一个策略，这样可以规避掉我们日常操作中啊，嗯，就是人为的这种判断。那我们今天呢就想简单一下，举一下例子啊，我过去啊比较常用的啊，一个办法就是啊叫涨停后的空中加油，他成功率会比较高一点，然后波动，嗯，就是 大的啊，好的股票就比较容易发现。嗯，吃到比较大的涨幅，但是同时呢他也会啊，吃到这种，就是遇到这种啊， 遇到这种跌幅比较高的，那连续上涨的时候，连续上涨以后，如果你介入的话，就会比较吃亏。那我们怎么用量化去啊，去利用好它的优点，但是又要规避掉它的缺点呢？那过去的时候我们可能更多的是根据我们的盘感和经验。那现在用量化以后呢，我们就可以去啊去，嗯 嗯，直接在指标里面去啊，进行进行调整啊，让系统自动去执行就可以了。股票突然跳涨，然后他经过很多天的调整以后，突然突然又加速开始开始上涨，那这种股票的话呢？嗯，他其实是一个空中一个加油的形态，他虽然经过了漫长的调整洗盘，小 k 线的洗盘，但是他没有跌破这一天上涨的这根这根 k 线上的一个， 那这种形态在这种形态下的话，后期有可能啊，会有比较好的行情。那过去传统的方式，让我们看一下效果的话，我们从四月份到现在，那有一些涨幅比较好的股票啊，他们都会符合这种形态啊，这个非常多 非常多，但但是呢，我们没有对这种形态进行一个嗯，就是精细化的去调整，为什么呢？因为啊，这这种呢就很有可能会存在的过你和的问题，所以我的话我们会放宽这个条件，过去的时候我们可能都是以经验为准啊，一个上涨拉升调整可能以经验为主， 那也会遇到这种啊，遇到这种比较亏损比较严重的，那我们在这一天进去以后，第二天啊，第三天出现了大幅的下跌，那我们在在这时候应该去怎么去处理呢？也有这种亏损呢 啊，经常会买到头部的，但是这种的话对于量化交易来说，它其实并不是最主要的威胁啊，但对于我们实盘的时候就会出现很大的误判啊。就是啊，我买到买到在顶部了，我在顶部买到以后，这个股票没有符合的预期啊，在传，用传统的啊，用传统的这种方式去交易的话， 那我可能在这里第二天就就被套套住了，然后不舍得走，在上下震荡中不舍得走啊，然后啊出现利润大幅下跌，然后反弹，那这种这种股票就非常难操作，就会出现大幅的亏损， 大幅的亏损，如果你仓位没控制好的话啊，没控制好的话，你就会出现，但是呢他也有好处，就是可以抓到一些大幅上涨的一些股票，那这种股票在传统交易的，就过去我们交易的方式的时候，那我们可以在啊头天选选入之前股，或者当天的时候 出现，那我们在量化交易里面去怎么去解决这个问题呢？这个就是我在前两天说的，就是对我们这个交易的一个模式进行量化啊，什么时候出场，什么时候入场啊，去定好，定好规则，定好规则去这样去弄。那我们在在在我们这里面就会啊，对我们这个啊，把这个策略 啊进行啊，但这个是是 python 格式的啊，它设置入场点出场点出场的话啊，就比如说过去吧，我们经验中是啊，会 啊，比如说啊跌破均线啊，或者是我觉得形态走快了，可能会会去出来。那我们在量化的时候呢，可能有一些经典的量化的一些模式啊，去处理这个事情，那我们可能会啊，会，会采取那种 it 二的动态的调整，然后呢？嗯，如果如果你能在盘中忍受一些比较大的波动的话，我们也会采用啊判特纳 可能呢通道的方式啊，去啊，我直观的给大家显示一下啊，那比如说我们随便举个例子吧啊，那这个例子，这个例子的话，我们可以看出来，如果如果这几天小小圆线开始不断的往上攀升， 那小圆线往上攀升，突然突破，突破上轨以后，如果我们采用动态，动态调整的话，我们很有可能在实盘的时候被调整出去，如果是量化的话，那有可能在盘中啊这边是会出去，这种也是可以的，为什么呢？因为他 他即使是亏钱的，也也有可能在出现亏损的，这种方式就是在后面调整的时候，大幅波动的时候，你有可能会被洗出来啊，吃不到后面的上涨。但是我们呢也可以采取这种啊可能的通道的方式，就是 当他的通道走出来，当一个趋势走出来，通道走出来，他不跌破中轨，我们就不出来，你无论怎么正道，一旦跌破中轨我们就出来，那也有可能会出现亏损啊，但是他的亏损是很小的，因为一旦进入通道以后，那他的波动率波动的情况，就无论怎么上下波动，他其实整体的趋势我们都是看的比较清楚的。那 我们把这个啊数数据化，数据化在我们的这个啊系统里面啊进行，把它做到我们的出场条件，然后在模拟盘的时候啊，模拟盘的时候，系统我们就会设定好啊，设定好模拟盘，然后这个模拟盘的话啊他就会啊根据我们的这个信号来进行那个出场，或者是啊就 嗯可以去啊自动去执行这个自动化的交易去执行，那就不需要我们去在盘中的时候有可能就会被震荡出局啊，现在就啊如果在盘中震荡就会就会被震出来，那如果我们 数量化的去定好这个规则，我们就不会被震出来，那就有可能会吃到这些，但是呢如果还有一个呢，就是如果遇到这种情况会怎么样呢？那他可能就是，哎，突然就跌破了，那我们这一天可能就要就要去出局，就要出局，而且可能这一天的时候出局的话，我们也是亏钱的，但是这种亏损呢，是可以忍受的啊， 可以忍受了，为什么呢？第一它亏损的比例很小，第二我们一定要控制好仓位，我们在自动化交易里面去去定好，而且这股票最多仓位是多少，它不允许你再超过这个仓位，那你确定好以后就会啊，在释放交易的时候，即使你不断的买到这种跌停的股票，你可能也不会有太大的损失， 那这种的话可能就会就就要忍受这种损失啊，比较比较多的忍受损失，但是但是这种交易的话，我们通常是在买入的时候可能就就会非常谨慎了，对吧？啊？这种掉井线的话，这种，嗯，我们不去，不去去啊，连续涨停的，我们可能就在买入的时候就会确认啊，进行确认的时候就，嗯不去买入，嗯， 所以我我举这个例子是为了说明什么呢？就是我们在交易的时候一定要啊采取就是借用量化的交易思路去处理这些事情 啊，现在呢我们在慢慢的尝试把我们传统的这种啊交易方式啊，传统的这种交易的交易的形态啊，模式啊，然后把它进行量化啊，量化，然后布置自动化，现在正在做这个事情，但是非常这也是非常困难的一个事情 啊，我们要慢慢的耐心的去做，大家如果有好的啊交易的策略在日常交易的时候能够长期稳定的盈利的啊，可以在评论区去交流一下，我们看看能不能把它进行量化和自动化。
192老张AI做大a量化
05:52查看AI文稿AI文稿我用国产的 web 编辑工具配合国内的大模型 deepsea 微四开发了一款量化交易的工具，然后这款量化交易工具呢，整体已经可以呃全部跑通。嗯，最近一段时间呢，我们正在对整个工具进行深入的升级。 嗯，工具方面的话我跟大家说一下，我主要开发的是用 trend 开发的，然后最近 kolabili 也支持了这个，呃，以照上下文的，然后整体用起来感觉还可以。呃一些基础的业务可以交给他。 然后底层的加固呢，我们主要是用 color code 再进行检测和进行升级啊，对一些比较深入的加固性的复杂的问题，可能会让他去帮我们整体进行评估，然后交给圈或者是 color code 或者 code body 进行那个 修改。我们来这。嗯，今天呢我们来说一下就是，嗯，我们整体的想法呢，是把传统的选股公式啊，过去的我们做股票的方法把它因子化，然后呢采取多因子的方式，然后今天呢我们就，嗯把这个功能啊进入进行了生化啊，在这里呢我们引入了大模型啊， 大圆模型，然后，嗯，在这里我们可以把传统的啊，就是我们过去用什么，呃，用什么样的颧骨方法，然后把它炼化成一个一个的条件啊，这些条件呢，我们可以一条一条用自然语言把它说出来，自然语言说完以后， 嗯，然后我们用这个大圆模型把它翻译成我们这边的啊因子，然后这边的因子呢？嗯，会，嗯，会做成 python 的 语言和进行说明。然后我们啊我们的一个传统的选股策略呢，可能是有很多条件组成的，那这些条件的话可能是，嗯， 我们一句话的一条一条的条件啊，在这边都会变成一个一个的啊，一个一个的，就是啊量化的一个啊因子，然后这些因子的话我们把它进行组合，变成多因子组合，那这样的话，这样这个多因子组合就能够实现我们过去的啊，就是颧骨的一个思路。 然后在这种情况下呢，我们会对这些因子呢进行预处理啊，量化的预处理，进行啊因子的组啊，因子组合的这种啊评估啊，对他进行整体的分析， 来确定一下我们就是过去的选选股公式是否是可行的。然后呢我们把这个选股选股的就是多因子的这个选股公式呢，放到这个因子回测里面啊，因子回测里面呢，我们可以把这个我们做的这个 啊，就是这个组合，比如说我们做了一个这样的组合，那这个组合呢，就是其实是我们过去的一种选股方式吗？然后我们设置啊，我们嗯电话里面的一些 啊，数据化的处理啊，对他进行风控啊，对仓位啊进行整体的控制啊，市场啊或者说就是指标本身进行进行调整，调整完以后呢我们就对他进行回测，回测的数据呢就可以反映出来我们的啊 就是我们过去的交易思路啊，是否真的可行？他在各个数据方面表现的到底怎么样？嗯，然后嗯，我们对这些模型呢可以反复的进行不断的调整他参数进行推演。那 嗯前几天呢，我们一直在说一个事情，就是啊我们一定要嗯把我们的过去的选股的做股票的方法啊，进行量化，进行因子化，然后我们过去做股票呢，可能更多的是依赖于经验啊，我们可能是通过图形啊，量能啊，啊，通过一些指标啊，或者是啊 k 线啊，裸 k 啊这种结构啊， 那通过这种方式啊，来去，嗯，做股票，但是这样一种方式，他实际上你可以理解成他是一个黑箱， 但是股票的长期盈利呢，它实际上是是一个概率，那面对更多的复杂的情况的时候，那我们如何去应对呢？嗯， 我们一直说把量化的思路引入，那量化的思路呢？其实啊，我们可以看出来，就是啊，我们刚才把那个我们的传统的交易方式进行了因子化以后，我们对它进行对我们的交易方式进行回测，读出来我们的一些数据，那我们就知道我们的这个方式到底在啊，预期预期值啊，或者是 呃对未来的预测预测性啊，怎么样的这种都可以通过数据去去显示出来，那我们也可以看出来我们我们的方式和传统的交易方式他存在着很大的区别啊，你要考虑这个佣金的问题啊，考虑一些划点的问题，然后你要你要考虑这种大盘的环境啊， 啊对你仓位的一些影响，个股的风控呢，要严格的去执行系统，去严格的去能够严格的去执行啊，仓位控制也是要能够真正的去根据市场的情况，根据我们实际的情况进行啊， 这个仓位的去分配，那我们实际上在啊，在操作的时候其实是非常难难做到的啊，但是这种自动化交易的部分啊，去量化工具里面的自动化交易部分就可以帮我们去做到这一点。那我们也可以看出来 啊，我们的就是过去的交易方式跟量化交易的啊一些区别，当然我们这个量化的交量化的方式呢，可能还只是啊日限级别的这种啊， 然后我们把这个回测完以后呢，我们确定这个方式要进行反复的调整，确定可行的话，我们会把它放到我们的啊实盘，然后先进行模拟盘，然后我们啊好的， 就是多因子策略以后我们会进行盘后的这个啊数据的啊引入，然后在啊第二天实际交易的时候，系统去自动的去执行啊，我们也可以部署一些新的策略啊，一些新的因子的啊，多因子的一些组合我们，嗯， 我们自己手里面有些交易方式都可以进行组合，组合完以后我们来对它进行啊，啊，半手工或者是手工的啊，手工的去执行，我们也可以就是人为的去啊去执行，也可以全部由交易系统啊自动来执行，然后如果这个符合我们的啊策略生命周期的话，我们会把它转入实盘，对实盘进行交易 啊，实盘就是，嗯，手工交易或者是自动化去交易啊，那这里呢我们也做了很多的优化，深入的优化，这几天我们一直在啊，对我们的格式化啊，还有我们的数据员，嗯，整体的数据员进行那个优化， 所以呢还是大家可以看一下我前前面的视频，就是一定要把我们的交易思路转化，转化到去就是用量化的交易速度去做，而不是像过去一样。就是啊，一个黑箱式的一个操作的一个思路，凭经验、凭感觉，这个在量化面前是没有任何的优势的， 现在整个市场已经完全被量化影响了，所以必须要尽快的调整自己的教育策略。嗯，要把它列出来。
463老张AI做大a量化
03:24查看AI文稿AI文稿这是我用国产的啊， bug 定工具串配合 deepsea 的 v 四正在开发一款量化交易的工具 啊，目前这个工具呢，现在已经是啊， mvp 已经走通了，那么格式还有点难看啊，整体格式我们回头再进行调整啊，现在整体的功能呢，就是说我们主要是啊常规的就是一些经典的策略啊，还有 啊量化交易一些用的因子因子的一些啊，嗯，思路，然后像嗯他们两个进行配合嘛，然后啊生成一些比较可行的一些策略，然后我们对这些策略进行回测啊，对这个策略进行调试，然后测测一下他们，测一下他们的啊 在历史数据中的表现，然后测试完毕以后呢，然后我们对这些参数啊进行优化，进行进行一些啊， 啊，对一些下铺数据啊，或者是用计算算法对它进行一些优化，优化完毕以后呢，我们把它布置到我们的实盘里面去啊，我们可以啊，先是用这种模拟啊，先是用模拟模拟盘，模拟实盘的方式，模拟实盘的方式呢，我们可以啊， 刚才我们建立的一些策略啊，还有股票池，那我们对这些策略和股票池进行啊进行部署，部署完毕以后呢，然后啊可以启动这些策略，启动这些策略以后， 我们可以查看这些策略的执行的情况啊，一旦策略达到我们的要求啊，达到我们的要求以后，达到我们设定的预值以后，那这些策略就会自动的进入下一阶段啊，可以进行实盘，实盘方面的啊，真正的实盘的一些交易。那实盘运行的一些策略呢 啊，我们也可以重新的，也可以去布置一些比较经典的啊，常用的一些策略，去去去执行啊，然后所有执行的， 嗯，详情我们也都可以去去看，然后不断的去调试。然后策略呢，引入了这个全生命周期的管理啊，可以保证每个策略在稳妥的，比较稳妥的情况下啊，可以自行到我们的实盘里面去。 那整个这样的一个一个思路吧，那页面呢，非常的粗糙啊，用起来非常不好用，整个页面修改，我们回头再改吧，整个 mvp 现在走通的话，嗯，还要调里面的一些细节，嗯，这样的话，等所有的细节调整完毕以后，我们可能把所有的精力都要放在这个啊策略的研究上面去 那。嗯，量化策略啊，包括因子多因子管理的这种方式呢，嗯，可以帮我们规避掉我们交易中的一些 啊，缺，缺点就是我们啊。嗯，凭主观的这种交易的方式啊，量化交易现在已经彻底颠覆了我们这个市场了。嗯，所以必须要想办法去。但是呢量化工具啊，它不是一个 就是让你赚钱就保证你赚钱的。这个啊，不是这样一个东西啊，他仍然需需要你有一个，就是一个交易体系，一个完整的交易体系。但是呢，他引入的是另外一种思路， 跟我们传统的，嗯，基于链带关系的这种分析方式的思路是不一样的啊，但是呢，我们不是去考虑这种高频的交易，嗯，可能我自己更倾向于啊把传统的这种策略啊，有有有限的策略进行优化，然后配合啊量化交易的一些思路。 嗯，那去去交易，可能比如说一天买入几百只符合条件的股票，然后对他们进行那个仓位和风险控制啊，以博取一个比较明确的一个啊，一个比较明确的一些收益。 那现在，我们可能在未来，未来一段时间就会对一些经典的策略进行评估，对精选的策略进行回测完以后，那这些策略如果符合我们预期的话，我们就会布置到我们的这个实盘交易系统里面去啊，先进行模拟，模拟实战啊，整体是这样的。
102老张AI做大a量化
01:01查看AI文稿AI文稿接昨天的话题，我们来跑一下 deepsea vs flash。 首先在三零九零显卡上跑，把所有专家放到 cpu 上， 可以看到速度是十 to 肯 每秒，显存占用约十 gb， 再使用残血 m i 三零零跑，所有权重都放到 gpu 上， 可以看到速度只有二十四 token 每秒。这是因为 amd 生态对拉玛的支持不是很好，且这张显卡是被厂商阉割过的。欢迎留言你想要测试的模型。
105云层模型
01:31查看AI文稿AI文稿呃，非常吓人家，人们，昨天我用 deepsea 开发了一个量化策略网站，只花了三块钱人民币，便宜到荒诞，有感觉吗？给你们看一下网页和代码，这就是我做的量化平台，首页的话就是各股的股价，点进去呢，可以看到 k 线图，还可以放大哦， 还有它的主要功能就是这个策略实验室啊，可以进行一个回测的运算，我们随便输一个， 随便选一个，这些我都不懂，我随便选给他一百万吧， ok， 看到这边会展示他的收益，年化收益，最终的资产现在变成三百多万了，然后底下的话是资金取现，还有下面他做的交易的记录， 这些所有的内容都是他自己设计的，我一个字都没参与过。这个是他给我的一个产品文档，这是一个面向 ai 投资者的 a 股量化，然后这个就是代码前后端， 后端用的是 python， 前端用的是 vue。 当然其实用大模型做开发早也不是一个。呃，新鲜事了，就实话实说， deepsea 能写出这个网页来，我完全是很意内，但是真让我震惊的是，居然只花了三块钱， 那我想如果要我自己去做这个开发的话，怎么也得半个月到一个月啊，因为我都完全不懂量化嘛，有很多知识要自己去学习啊。但是 deepsea 的 话呢？哎，它只需要三个小时，三块钱。 最后看一下我 dp 的 消费记录，这一天我是写代码的，花了两块钱，昨天花了一块钱，今天花了二毛九。
9752不好惹人士
03:07查看AI文稿AI文稿vivo 四 pro 现在执行了一个四个多小时的长任务，从七点半开始，现在已经十一点半还在执行， 今天一下午都在测试用 try 使用这个 dipic 为四 pro 版本的，然后整体给我的感觉是，嗯，他在执行一些复杂任务，理解力可能会更好一点，然后任务考虑的也更加全面和，嗯，就是他对我的意图的理解非常的精准，然后他的答案和解决方案的话，也， 嗯，不光是符合我的预期啊，也补充了我自己就是在各方面的一些，就是我没有考虑到的地方，它也能够补充完毕，这个真的是非常好。我本来啊想用可酷的插件的，但是，嗯，因为插件本身它有限制嘛，它上下文确实比可酷的要小一点啊，要小很多， 嗯，所以用这个插件的话，其实现在意义也不大。大模型方面的话，如果这两个嗯 shift 跟 dipstick， 嗯， v 四能够，嗯，基本上符合我的，就是完全满足我的需求，我后面也进行了一些比较复杂的需求提出来，现在很快就会完成我们的这个， 嗯，我另外一个项目也在跑啊，啊，很快，这也是一个比较复杂的需求，那他也可以去啊，很快的去完成。然后我们再来介绍一下，就是这样的话，今天今天晚上可能我们这个整个量化交易系统的话就可以， 嗯，就可以完成啊，那我们把这个就是 mvp 先跑通吧。现在我整体的方案是啊，用多因子组合来解决选股啊选股的问题，然后选择股票时呢，然后我们用嗯，这个嗯单策略或者是多策略来进行啊回测，然后无论是就是啊 多策略啊，多策略在单一股上的表现，和啊单策略在啊同一只股票上面的长期的一个表现，我们来啊看看他整体的表现情况怎么样，如果啊整体符合我们的经验的话， 那我们就啊可以后期就采取啊，就是啊这种多符合符合形态的这种选股，然后让机器去执行，那他既啊保证了我们就是过去传统的经验的啊，经验的这个啊，又又解决了这个啊，就是我们操作中人性的那种缺点，弥补了这种缺点。 然后呢这种多因子的这种思路啊，不是说这个功能啊，因为机构他的多因子这个情况是很复杂的啊，他就一直生生命的周期，生命周期，还有这种啊，就是他是一个完整的一个工程，我觉得他可能更像一个更像一个量化的一个工厂。 那我们达不到这种水平的话，那我们怎么把这个量化用到我们实际里面去？嗯，那这目前是我的一个啊，就是一个一个一个想法整体的一个方向，然后等这个 mvp 走通以后，然后啊我来按照刚才我说的这两种思路往前去测，然后我们来整体看一下有什么嗯效果， 然后呢大家有什么就是，嗯，就是关于股票方面有什么过去，嗯，有盈利的这种交易方方式啊，交易方法，那我们后期就可以去去测测他这种方法是不是可行，让继续去自动去执行， 而不是去跟啊机构去应聘。这个啊，就是量，就是量化的，他去抓那个阿尔法因子的这种方式去去做短线的这种思路改造。我这个啊，量化交易系统，希望能有一个好的结果。
161老张AI做大a量化
02:55查看AI文稿AI文稿chip 现在也能用 deepsea v 四 pro 版了，还蛮开心的。先试一试它到底怎么样。 嗯，然后现在自己开发量化工具的话，嗯，要就是要反复的重复照轮子嘛，嗯，这里也是比较难受的地方。嗯，但是呢，也有个好处，就是可以把整个所有的流程全部都走一遍，嗯，流程后面的数据的，嗯，东西呢，都过一遍， 嗯，这这种过程呢，也是加深了自己对整个量化工具的理解，再结合自己股票的经验，嗯，会有不同的啊，就是一些感悟。 嗯，今天还是想说一下，因为啊，这几天看到评论更多的就是啊，普通的股民该如何使用量化教育工具，嗯，那，嗯，我们想的就是啊，无论是单策略还是还是这种量，嗯，这种音质组合的这种策略啊，单策略有单策略的好处，就是我们把过去的一些经验，嗯， 把它因子化啊，然后，嗯，量化以后做成量化工具去直接执行。那规避掉啊，股民本身的缺点，那一些经典的过去能够长期稳定盈利的啊，一些方法。 嗯，那在啊，运用这个量子化的这种方式，因子化的这种方式去啊去处理，会不会得到一个比较好的结果？那这是一个方向，另外一个方向呢就是因子组合，多因子组合的这种方式呢？那就是啊，现在这种量化的基础的一个思路， 那因子的这种挖掘啊，周期管理啊，这种东西的话，可能非常非常复杂啊，它涉及到这种数据，数据的问题啊，数据源的问题，嗯，可能不是完全适合我们。嗯，实战这种策略，策略的方式呢，可能更好一点，所以我在这里呢就是，嗯进行了一些区分， 然后是不是两个相互配合啊？能够比如说像因子选出来啊，用因子选出来，嗯，就是选股时，然后进行回测，然后得出来一些数据，然后在策略里面啊，用一些单向的策略啊，就是，嗯，去去实现这个股票的自动化的去操作，嗯， 暂时采用这样一个思路，我看看能不能把这个 mvp 给跑通了吧，但是这个过程非常的痛苦 啊，所以如果就是普通，就是我们股民如果想自己去做这个事情的话，嗯，其实就是如果不就是没有这个开发经验的话，我建议还是使用券商的这种啊，提供的像国金的 q m t 啊这种啊，直接去使用也行，有一定基础的话，就直接拿那个已经开源好的，或者是直接 用那个米筐啊，锯筐啊这些这些这些已经有的工具直接拿过来用也是可以的啊，只关注于策略就是单策略啊，不考虑这种音质组合的问题啊，可能更好一点啊，到底是怎么用的话，每个人都要结合自己的实际情况啊，但是结论还是要还是就是还是要参与到这个量化交易里面去， 传统的这种盈利的话，除非你啊有长期稳定的盈利的这种模式交易模式那是可行的啊，如果，如果没有的话，还是建议啊，使用现成的，不建议自己去开发这些东西。
02:34查看AI文稿AI文稿apu 实现 token 自由， amd ryzen ai max plus 三九五在一块不用独立显卡的 apu 上跑着，二八四 b 的 deep sec v 四 flash， 速度达到了每秒三十二个 token。 deep sec v 四 flash 是 今年四月发布的猫 e 模型，总参数量二八四 b， 但每次推理只激活十三 b 参数。它用了二百五十六个路由专家加一个共享专家上下文窗口，一百万 token 跑分能打三倍于它体量的模型。 lucbox 团队用自研的 r o c m f p x 量化把模型压到了一百零二点三 g b， 这不是一个固定的量化格式，而是一族路由专家门控用二点五 b 次专家当投影用三 b 次 敏感层保留更高精度混合精度做完加上十一点三 g b 的 草稿模型，刚好塞进 strx 黑洛的一百二十八 g b 统一内存。推理加速方面，纯自回归模式已经能跑到二十五点三一 talks 叠上 disco 预测解码一个小型草稿模型，先快速预测二八四 b 的 目标模型，再一次性验证四个位置，这个模式把解码推到了三十二点零。 tox 一次回归快了二十六点四。内核层面，权重只解码一次，一次性应用到所有验证列， topk 和 rgart 内核也加速了三点五到七倍。四块老显卡不如一块 a p u tiny computers 用四块英伟达、 tesla p 四零做了对比，合计四十八 t flops 算力，但连模型都加载不了。 p 四零的 passcode 架构不支持 f p 八原声计算，任何 f p 八运算都得软件模拟。而 strx halo 的 r dna 三点五架构原声支持 f p 八 cpu 和 gpu 共享 lp ddr 五 x 内存池没有 p c i e 这个中间商， lusbox 还搞了个更激进的不对称方案， 一块 reading ai pro r 九七零零搭配 strx halo， r 九七零零负责延迟敏感的密集计算和热门专家 strx halo 负责冷门专家的大容量存储， 两张卡并行工作，跑 deepsea v 四 flash 达到了五十五 tox 的 峰值，整机售价六千四百九十九美元不到。两台 d g x spark 的 价格速度却摸到了双 d g x spark 的 门槛。这件事的意义也不止于跑分 二八四 b 大 模型本地运行从科幻变成了一下午的调试工作，不管是单机的三十二 tox 方案，还是混搭的五十五 tox 方案，都在指向同一个方向。 本地大模型的硬件门槛儿正在被 amd 的 统一内存架构往下拉， rocm 配合 rdna 三点五的 fpe 八原声支持，让一块 apu 干掉了四块专业显卡。点赞关注一键三连，我们下期见，谢谢观看！
168鹏叔大玩家
01:16查看AI文稿AI文稿就在几个小时前，跳跳很久的 deepsea v 四预览版终于上线了。巧的是，几乎同一天， oppo ai 也推出了 g p t 五点五，两家流量最大的 ai 公司在同一天碰上了。 这次啊， v 四给了两个版本，一个叫 pro， 一个叫 fresh， 都支持百万托肯的超长上下文。 pro 个头很大，总参数一点六万亿， 不过实际激活的只有四百九十亿。 flash 更清亮，总参数两千八百四十亿，激活一百三十亿。参数大小固然夸张，但技术文档里有两个数字更值得看。百分之二十七和百分之十 什么意思呢？在百万 token 的 超长场景下， v 四 pro 每生成一个 token 需要的计算量只有上一代 v 三点二的百分之二十七，而 k v 缓存只有百分之十。简单来说就是它处理超长材料时，不光能装得下，还跑得更快更便宜。 过去半年，各家都在卷长上下文，但 deepsea 这次啊，把重心放在了长文本里最贵的部分计算和缓存。当然，遗憾也有， deepsea 目前没有原生多模态，看图截图表，这些事还做不了。 不过话说回来， deepsea 一 直在走的就是效率工程路线。在融资传闻满天飞，估值奔着两百亿美元去的节点上， deepsea 先稳住底座也是合情合理的选择。
2530小怡讲科技
07:02查看AI文稿AI文稿我用国产的 webcointing 工具配合国内的大模型 deepsea v 四开发了一款量化交易的工具。嗯，现在，嗯基础流程已经全部都跑通了。嗯，然后这两天我们正在对整个系统进行嗯比较深入的优化，嗯， 然后，嗯，可能整个优化的过程感觉也比较痛苦。嗯，然后现在呢我们整体的方向呢是把，我们，嗯第一个要实现的功能呢，就是把我们过去的传统的这个选股做股票的一个方式，或者选股公式，然后把它通过大圆模型，然后转化为因子，转化为因子以后呢，然后嗯， 这里这些因子呢，因为我们，嗯这边呢我们的这个呃策略的条件呢是一一整个完整的一个条件，然后在这里我们把它组合成一个，组合成一个多因子，组合成一个多因子以后呢， 然后这个我们会对这个因子进行回测啊，然后我们刚才保存的这个啊进行整体的回测，回测完毕以后呢，我们可以看出来我们整个的交易的系统啊，有什么问题啊，然后对他的数据啊，比如说他的，嗯， 他的那个啊，下苦比例啊，还有还有一个胜率赢亏比，然后包括期望值啊，我们整体的去了解一下这个这个策略到底是什么样子的。嗯，然后对拥有一些正期望的，就是在不同的啊，不同的这个就是板块啊，不同的市场里面或者不同的时段都能够表现稳定的。这些啊， 策略呢，我们会把它转入到我们的模拟实盘啊，然后在模拟实盘里面呢，我们引入的啊，这两天呢我们进行了一个比较深深度的一个优化，然后我们把嗯各种多因子呢进行了， 就是把它区分出来。嗯，哪些是针对中长期的，哪些是针对短期的啊？哪些是针对 t 加零的啊？针对我们不同的交易策略，不同的交易的思路和方法，然后对它进行啊区分，然后区分好以后呢？然后我们我们会，嗯把这些 这些多，嗯，就是多音指的组合，我们会把它部署到我们的自动化的交易系统里面去。嗯，部署完毕以后呢，或者是七加零交易啊，我们都会系统自动进行交易的这种，嗯，那我们针对不同的策略可以来进行交易，这是我们整体的一个思路。嗯 嗯，这两天呢就是给我发私信的朋友也比较多啊，就是可能很多人也想自己啊，就是可能有一定的开发的基础，也想自己做一个系统，嗯，是不是可以自己做一个可以自动化交易的系统？嗯， 我这里呢就是简单的说一下吧，就是我们前两天呢一直在强调的一个事情，就是我们一定要把这个嗯量化的交易系统，呃交易思路啊，引入到我们自己的嗯交易系统里面去啊，我们要有一个交易的一个完整的一个思路，否则的话你在量化交易比较， 嗯，比较就是影响我们市场非常大的情况下，你是你的交易系统，如果不完善的话，实际上你是没有任何胜算的。嗯， 量化交易工具呢？我觉得如果只是单纯的有开发能力的话，就是系统开发能力的话，可能还不足以做一个嗯系统工具出来，因为嗯，就我我整体的感觉就是， 嗯量化交易它是一个系统化的工程，它是，嗯，它是一个工程，它不是一个。简单的说啊，我，我有一个策略，然后我能智能化去执行就可以了。然后我这两天比较痛苦的原因是什么呢？因为几乎所有的模块 啊，你深入的去去挖掘和完善的时候，你就会发现里面涉及的东西非常多，它会导致你整个系统非常的不稳定。那我们用一个就在各方面不稳定的一个系统，嗯，我们去组成一个完整的能够稳定运行的，有正气旺值的一个啊，一个一个一个系统的话，它是非常困难的。 嗯，因为我们前几天也说就是啊股票的一个长期盈利，他其实是，嗯，他其实是一个数学问题，但他，但是他不是我们理解的那种啊，传统的数学就是啊，我有一个数学模型，然后我依据这个模型，这个模型我我测算出来以后他是盈利的，那我沿着这个模型直接去去嗯执行就可以了。如果只是这么单纯的这种， 嗯去考虑这个问题的话，我觉得，嗯嗯，或者说我就挖掘出来一个好的多因子啊因子，嗯， 那我去稳健的去盈利就可以了。如果这么考虑的话，其实是你既不能达到呃股票盈利的目的，也不能够呃去完善的，就是做一个能够嗯，实现你就是预期的，正向预期的这种，嗯， 这种，嗯量量化交易的一个工具。那我这两天我在做什么呢？我首先是我把这个风控啊统一了，因为我这里面有非常多的入口嘛，包括回测要跟实盘要能够尽量的去接近啊， 然后风控模块的话，嗯重新进行了调整，嗯，在不同的不同的策略，不同的嗯模块里面，然后嗯基精准进行了统一。嗯，然后然后第二个呢，就是啊对我们私盘交易的时候，整个策略嗯进行了一个大的划分，嗯， 然后这两个过程呢是比较，嗯，就是需要你对整个市场和整个交易体系有一个系统化的一个理解 啊。然后现在后面还有很多要做的事情。第一个比较困难的呢，就是关于数据源，数据数据必须要有一个干净好的数据，但市场是非常复杂的啊，所以这个数据源也要进行清洁啊，或者是直接用收费的整理好的数据源。然后呢另外一个呢就是 我们对策略的嗯，策略的开发，然后呢这个可能是我们，嗯最常理解的一个核心的一个功能，就是，嗯，你把你的交易系统啊交易的一个方法，比如说我用啊涨停派谁的方法呀？我，我有一个不断的站法呀，或者是我用隔夜持股的方法去做这个事情。那你要把你的啊， 选股的一个条件，选股的一个一个思路，全部一条一条的把它列的非常清楚。比如说，哎，我，我要，我要一个啊，开盘价在五日均线啊之下，但是收盘在之上的，那这是一个啊，可以量化的一个条件，然后我们把它转为一个 python 可以 执行的一个元，然后嗯，但这里面还涉及到非常多的 别的东西啊，我们就简单的去说一下，就是嗯把它转化为一个因子，那这个因子的话，我们要确定这个因子啊，它你要对它进行分析，看一下这个因子在各个市场各个时段它的整体的表现，它是不是能够啊超出那个精准的这种啊？收益啊，有一个超超预期的变成一个阿尔法的因子，嗯，而不是一个风险因子 啊。那我们把我们的整个交易体系里面的一些细节全部把它拆解，拆解成自然语言的，自然语言把它拆解出来以后，如果你有一套这样的， 呃，一个一个体系，然后你才能够去啊考虑下一步，那这也就是，嗯，我们说的就是如果你的交易体系不完整的话，是你没有办法清楚的描述你的啊，你的交易的模型到底是什么样的话，你几嗯是很难很难长期稳定盈利的，嗯， 然后即使在这种情况下的话，这种这种就是我们把它音质化转化的话啊，去稳健的实行，稳健的去去执行的话啊，他也后面也有很多的事情要做啊，所以，嗯，我们还在不断的去完善吧。啊。然后系统的话就是，嗯，我常用的就是如果有想开发的朋友就是劝的话啊，相对来说比较便宜一些，可口的的话， 嗯，可乐扣的稍微贵一些，然后我们对一些架构性的一些复杂的东西，我们可能会用它去去做具体执行的话，像 coco 八的呀，串呀，还有 open 扣的呀，这些里面有很多免费的模型，也可以给大家用，因为这个是非常消耗这个，嗯，透根的，嗯，如果完整开发的话也是比较贵的，所以那个那大家如果想尝试的话也可以多交流一下。
00:54查看AI文稿AI文稿最近骂量化的人排成队，可骂的再狠也挡不住时代车轮。当键盘侠不如学会用魔法打败魔法。普通人也能学量化吗？能，直接抄高手作业，走一遍成熟流程就懂了。 我跟着北大出版的 ai 量化之道实操了一遍，直接被降维打击了。这书一点也不废话，上来就带你量化的基础内容，包含 python 和常用量化工具的用法，接着一步步教你搭交易系统， 从数据处理、策略搭建到回测验证、风控一条龙闭环。书里还有五十多个硬核案例，连测试的数据集代码和 deepsea 提示词模板都直接给你现成的。以前啃几个月亮画书，先不说数学公式看不看得懂，连代码都跑不通，现在照猫画虎十分钟出结果，基本没什么代码 bug， 我 全程跟练，真的能跑通。 说句大实话，外面割韭菜的几千块课程核心也就讲这些。刚接触量化的新手，他能带你从零到一打稳基础。已经在学策略的朋友，他能帮你把 ai 和风控真正接近实操流程。如果你也想把量化做起来，这本 ai 量化之道值得带一本回去认真走一遍。
1土匪财经
01:06查看AI文稿AI文稿deepsea 微四正式版就要来了，目前已经有一批用户提前拿到了灰度测试权限，那怎么知道自己有没有获得测试资格呢？有用户发现了一个判断方法，看思维链的第一人称，如果模型的思维过程开口是 i am i will， 而不是老版本的 let me， 那 你大概率已经用上了微四正式版。 那正式版的实测体验怎么样呢？有开发者体验后总结，整体表现接近 oppo 四点八级别，编程能力值追 gpd 五点六， so ag 能力大幅增强。不过他也提到，完成同样任务时， v 四需要的迭代轮数比 facebook 要多。有用户实测了 v 四的游戏生成能力，分别生成了类似我的世界和类似 csgo 的 游戏，完成度挺高，而且成本很低， 生成类似 csgo 的 那个游戏只花了九毛钱。除了性能， v 四这次还首次引进了风谷计费，高峰时段价格翻倍，平时恢复原价。 pro 版输出平时每百万 tokyo 零点八七美元，高峰一点七四美元。 fresh 版输出平时零点二八美元，高峰零点五六美元。对比飞波五百万输出定价五十美元， v 四的价格优势依然是碾压级的。所以这次正式版的发布，也许又是一次 deep sea 时刻。
249深甜財經
01:02查看AI文稿AI文稿九毛钱生成一个三 d 游戏 deepseek v 四终于要来了，最快今天就能上线。这次两个版本同步发，分为 v 四 flash 和 v 四 pro， 目前已经有人拿到了辉度测试权限。从反馈来看， v 四综合接近 cloud opus， 四点八代码直追 gpt 五点六 so agent 能力大增， 三 d 和 svg 生成明显变好，唯一短板是任务迭代轮数比飞波五多一些，纯性能可能打不过 kimi k 三，但价格会便宜。大姐动手能力也有 demo 验证。三 d 射击游戏在完整 u i 在 生成的三千行代码上，总费用仅为零点一二美元。做了一款由于游戏 但最大的变化是定价。 deepsea 首次引入封谷计费，高峰时段九点到十二点，十四点到十八点，百万 tokens 为一点七四美元， 非高峰为零点八七美元。对比 fibo 五百万输出五十美元简直不要太划算。另外，七月二十四号旧版模型就要停用了，用接口的朋友记得提前迁移。所以你期待 deepsea 微四吗？评论区聊聊。
77最热科技
01:28查看AI文稿AI文稿deepsafe v 四可能这次真的不只是升级一个模型了，根据网友扒出的一个群聊截图显示， deepsafe 正在准备自己的首款代码 agent 的 一个产品 deepsafe harness， 而且有可能跟 deepsafe v 四正式版一起发布。 harness 是 干什么的？ 你可以理解成 deepsafe 自己的一个 cloud code， 它不只是说回答问题，而且可以直接读取项目文件，修改代码，调用工具，执行命令， 变成一个可持续完成的一个工程任务。这也意味着 deepsea 过去它主要是靠 cloud code， 我 们 cloud 等第三方工具承接，开发者现在要亲自下场争夺 agent 的 一个产品入口。 更关键的是， deepsea 此前传出 v 四正式版计划在七月中旬上线，并采用 封股定价，到现在已经七月二十号了，原定时间窗口已经过去，如果计划没有再次调整的话， v 四和哈尼斯可能要进入发布的一个倒计时。不过目前的哈尼斯同步发布的消息主要还来自于群聊截图，还有待官方的进一步确认。 所以真正值得关注的是，不只是说 v 四能不能超过现有的一个模型，而这 dbc 能不能从一个提供大模型变成提供一整套的一个开发工具？一旦哈尼兹真的发布， 可能一些像我们用的一些 cloud code， 还有一些爱马仕，然后可能，呃又会有一个比较强有力的一个竞争对手了。
207AI产品小丁
01:01查看AI文稿AI文稿未来的竞争，说白了就是比谁能把 ai 用明白，交易圈更是如此。 deepsea 横空出世， ai 量化交易正在悄悄改写整个游戏规则。说出来你可能不信， deepsea 背后站着的是换方量化，国内量化私募的四巨头之一，管理规模一度突破千亿。只是这些年闷声发财，刻意低调，很多人压根不知道他有多能打。 说实话，我很早就想搞量化交易，但一直卡在两道坎上，一是不会写量化代码，二是教程东一榔头西一棒子，看半天也拼不出完整逻辑。 直到翻到这本 ai 量化之道，我才发现，原来这事能这么简单。它从基础的 python 讲起，一步步带你搭策略，全程配案例，你复制粘贴，就能把整套流程跑通。 书里还把 nupi、 pandas 这些工具怎么用、数据怎么清洗、策略怎么回测，全都拆开揉碎讲清楚，纯小白也能稳稳跟上。更关键的是，它不只教你入门， 趋势跟踪、动量策略、海归交易这些经典打法全结合 deep six 做了优化，还用真实案例带你走一遍，连分类策略 l s t m 这种进阶玩法都讲到你能真正用起来。如果你也试过自己做交易，一会盯指标，一会追消息，却始终没搭起稳定体系，那这本书就是为你量身准备的。量化这件事，从来不是拼谁更努力，而是拼谁方法。对，想少走弯路，真的可以去翻翻。
8土匪财经
00:47查看AI文稿AI文稿deep 系特菲斯正式版今天正式上线了，同时旧版接口永久下线。这个新版本有多猛？综合能力对标全球最强闭源模型 cloud opus， 四点八，代码生成直追 gpt 五点六， so 数学推理接近满分， 更关键的是推理速度比上一代快了三十五倍，能耗降低百分之四十。而且它继续开源 m i t 协议，全球开发者免费用百万 t 上下文，一点六万亿参数价格还是白菜价， 这意味着什么？国产大模型已经不是跟跑，而是在某些领域开始领跑，你不需要花大价钱买 g p t 会员，用 dipstick 就 够了。关注 ai 速报局，每天带你看懂 ai 最新变化！
34AI速报局
00:53查看AI文稿AI文稿deepseek v 四正式版来了，全网等了三个月，对比三月预览版正式版，把定价性能 agent 一 次性补齐两个版本， flash 和 pro。 一 部分人已拿到灰度。如果模型的思考过程开口是 am 而不是老版本的 letme， 那 就被灰度到了。性能接近 opus 四点八，编码直追 g p t 五点六，骚 agent 增强打不过 kimi k 三，但价格可能更香。又是一次 deep sea 时刻，呆帽以外流三 d 射击游戏 我的世界割绳子一次跑通引入风骨计费 pro 输出零点八七，高峰翻倍 flash 零点二八，缓存零点零零二八。 七月二十四日，老街口 deepsafe chat 和 deepsafe reason 下线。 v 四 pro max 距 oppo 四点六 max 仅差百分之零点二，价格却只有七分之一。 deepsafe 打的从来不是性能牌，而是价格牌。
91李新新AI
