群晖性能调优指南
群晖DSM虽然在易用性方面非常不错，但是系统上的很多机制可以说是非常搓了，我的DS918+，自行添加内存到16G双通道，按理来说，NAS上跑的那点东西，16G内存是完全够用了，但就是这样，群晖也特别喜欢用虚拟内存，导致开机久了，我打开docker控制台，都要等7，8秒 原因就在于，群晖的配置都非常寒酸，那么高的价格只舍得配2G，4G的内存，DSM默认的vm.swappiness值设定为10，内存高的建议修改为1 所以，如果想要提高群晖系统的流畅度，首先就是要加大你的内存，之后修改DSM的vm.swappiness数值 ssh 进群晖，输入如下命令即可，不需要重启（对大部分Linux系统也适用） 目录 临时生效版 永久生效版 添加到群晖计划任务中 添加开机时刷新sysctl.conf 简单说一下vm.swappiness vm.swappiness 优化 相关文章推荐 临时生效版 之前的方法方法，虽说是永久生效，但是群晖并不会读取/etc/sysctl.conf，所以实际上，我们还是要重启后刷新一下sysctl.conf。不如直接开机时就执行修改swappiness的命令，这条命令...
用Matrix进行匿名加密的私聊
Matrix是一个强加密、去中心化的即时通信协议，Matrix也有多种开源客户端和服务器实现。Matrix协议，对标的是同为即时通信软件的Telegram，Discord。比起这两者，Matrix无需邮箱和手机号就可以注册，免除个人信息泄露之忧。本文介绍Matrix协议和它的一个客户端Element（原名Riot.im）。下文为了方便起见，统称为Matrix。 Element桌面和移动客户端截图 Element桌面和移动客户端截图 Matrix有很多优点，包括： 隐私：注册Matrix不需要邮箱和手机号，只需要用户名和密码。使用Matrix无需担心手机号和邮箱泄露的危险。 安全加密：Matrix私聊和群聊是端到端加密的，即使是服务器的所有者，也无法看到用户的聊天内容。 开源：Matrix客户端和服务器软件全部开源，任何人都可以审查代码，检查代码中的漏洞。有兴趣的人也可以用开源代码搭建自己的Matrix服务器。 去中心化：Matrix是联邦式协议，Matrix网络由分布在世界各地，由不同个人和组织运营的服务器组成，因此Matrix协议不容易被单个组织垄断。Matrix网络组成结构 ...
深度学习笔记之约束优化
有时候，在 x 的所有可能值下最大化或最小化一个函数 f(x) 不是我们所希望的。相反，我们可能希望在 x 的某些集合 S 中找 f(x) 的最大值或最小值。这被称为约束优化 (constrained optimization)。在约束优化术语中，集合 S 内的点 x 被称为可行 (feasible) 点。 我们常常希望找到在某种意义上小的解。针对这种情况下的常见方法是强加一个范数约束，如 ∥x∥ ≤ 1。约束优化的一个简单方法是将约束考虑在内后简单地对梯度下降进行修改。如 果我们使用一个小的恒定步长 ϵ，我们可以先取梯度下降的单步结果，然后将结果投影回 S。如果我们使用线搜索，我们只能在步长为 ϵ 范围内搜索可行的新 x 点，或者我们可以将线上的每个点投影到约束区域。如果可能的话，在梯度下降或线搜索前将梯度投影到可行域的切空间会更高效 (Rosen, 1960)。 一个更复杂的方法是设计一个不同的、无约束的优化问题，其解可以转化成原始约束优化问题的解。例如，我们要在 x ∈ R2 中最小化 f(x)，其中 x 约束为具有单位 L2 范数。我们可以关于 θ 最小化 g(θ) = ...
test
风险管理并不只是规避风险或者减少损失，它是为了提高回报的质量和持续性。阿尔法其实是一种敞口，因为这个敞口的存在，quant可以期望获得回报。但是我们也必须要接受这个敞口会有下降趋势的可能性。
与阿尔法回报相关的敞口类型很多，它们并不能让我们总是赚钱，而这样的敞口就是我们对风险的定义。
风险敞口通常不能带来回报，但是它每天都影响着策略的回报。而量化交易一个巨大的优势就是能度量各种不同的风险敞口，并有目的的选择风险敞口。一般来说，风险控制模型会削弱quant的盈利，但是这并不影响其作为一种权衡而被众多quant所接受。风险管理通过减少回报的波动带来更重要的效益，并且可以降低发生巨大损失的可能。
1、通过约束或者惩罚来限制头寸规模
限制头寸规模的方式主要有两种：严格的约束条件和惩罚。
约束条件是通过划线来控制，例如，无论信号多么强烈，也不能超过投资组合的x%。
惩罚机制运行是这样的，超过限制水平越远，增加额外的规模就变得越困难。
惩罚机制本质上是为了约束条件以外的情况设置的，毕竟过于严格的限制会有点武断。在如何决定限制水平和惩罚的具体过程中，通常是采用数据驱动型的方法来决定的，包括用机器学习技术来测试多种限制水平的组合，或者仅仅测试不同限制水平，一般用历史数据根据经验研究来决定最终的结果。
2、度量风险的大小
度量在市场环境中风险的大小，通常有两种可以接受的方法，一是纵向的，通过计算不同种类金融产品的回报随着时间推移的标准差，这种方法可以得到不确定的概念，这个概念被称作波动率，波动率越大，市场风险就越大。二是在给定的投资范围中，度量不同种类金融产品行为之间的相似性。通常是计算在给定的时间段内相关金融产品的横截面的标准差。标准差越大，基础性金融产品的波动行为就越多样。这也意味着市场风险比较小，因为投资组合可以由较大数量的多元化分散化投注构成。
3、限制可以应用在哪里？
这些限制头寸规模的模型可以用于管理许多种类型的敞口。我们可以限制单个头寸的大小或者一组头寸的大小，我们还可以限制不同类型风险的敞口规模。例如，在股票交易中，可以限制模型对市场因素的投注。
一般来说，受到水平限制约束或者惩罚的风险都是那些阿尔法模型不容易明确预测到的。如果一个阿尔法模型尝试预测个股，而没有对市场因素做为一个整体做任何预测，那么在市场因素上限制该投资组合能最终承担的投注规模就是谨慎的。
风险模型的另一个组成部分是管理投资组合整体的财务杠杆大小。
例如，我们可以这样操作，当机会不错的时候，高杠杆是可行的，机会恨少时，低杠杆才是可行的。还有许多quant为他们的投资者提供一种相对恒定水平的风险，用波动率和离散率作为风险的代理变量。
quant可以为了得到一种更稳定的风险水平而改变他们的杠杆水平，常用的是风险价值模型。这种模型通常考虑一个投资组合敞口的市值，根据当期的波动率来预测这种投资组合的期望回报或损失能否在一个给定的置信区间中。
风险管理并不只是规避风险或者减少损失，它是为了提高回报的质量和持续性。阿尔法其实是一种敞口，因为这个敞口的存在，quant可以期望获得回报。但是我们也必须要接受这个敞口会有下降趋势的可能性。
与阿尔法回报相关的敞口类型很多，它们并不能让我们总是赚钱，而这样的敞口就是我们对风险的定义。
风险敞口通常不能带来回报，但是它每天都影响着策略的回报。而量化交易一个巨大的优势就是能度量各种不同的风险敞口，并有目的的选择风险敞口。一般来说，风险控制模型会削弱quant的盈利，但是这并不影响其作为一种权衡而被众多quant所接受。风险管理通过减少回报的波动带来更重要的效益，并且可以降低发生巨大损失的可能。
1、通过约束或者惩罚来限制头寸规模
限制头寸规模的方式主要有两种：严格的约束条件和惩罚。
约束条件是通过划线来控制，例如，无论信号多么强烈，也不能超过投资组合的x%。
惩罚机制运行是这样的，超过限制水平越远，增加额外的规模就变得越困难。
惩罚机制本质上是为了约束条件以外的情况设置的，毕竟过于严格的限制会有点武断。在如何决定限制水平和惩罚的具体过程中，通常是采用数据驱动型的方法来决定的，包括用机器学习技术来测试多种限制水平的组合，或者仅仅测试不同限制水平，一般用历史数据根据经验研究来决定最终的结果。
2、度量风险的大小
度量在市场环境中风险的大小，通常有两种可以接受的方法，一是纵向的，通过计算不同种类金融产品的回报随着时间推移的标准差，这种方法可以得到不确定的概念，这个概念被称作波动率，波动率越大，市场风险就越大。二是在给定的投资范围中，度量不同种类金融产品行为之间的相似性。通常是计算在给定的时间段内相关金融产品的横截面的标准差。标准差越大，基础性金融产品的波动行为就越多样。这也意味着市场风险比较小，因为投资组合可以由较大数量的多元化分散化投注构成。
3、限制可以应用在哪里？
这些限制头寸规模的模型可以用于管理许多种类型的敞口。我们可以限制单个头寸的大小或者一组头寸的大小，我们还可以限制不同类型风险的敞口规模。例如，在股票交易中，可以限制模型对市场因素的投注。
一般来说，受到水平限制约束或者惩罚的风险都是那些阿尔法模型不容易明确预测到的。如果一个阿尔法模型尝试预测个股，而没有对市场因素做为一个整体做任何预测，那么在市场因素上限制该投资组合能最终承担的投注规模就是谨慎的。
风险模型的另一个组成部分是管理投资组合整体的财务杠杆大小。
例如，我们可以这样操作，当机会不错的时候，高杠杆是可行的，机会恨少时，低杠杆才是可行的。还有许多quant为他们的投资者提供一种相对恒定水平的风险，用波动率和离散率作为风险的代理变量。
quant可以为了得到一种更稳定的风险水平而改变他们的杠杆水平，常用的是风险价值模型。这种模型通常考虑一个投资组合敞口的市值，根据当期的波动率来预测这种投资组合的期望回报或损失能否在一个给定的置信区间中。
群晖性能调优指南
群晖DSM虽然在易用性方面非常不错，但是系统上的很多机制可以说是非常搓了，我的DS918+，自行添加内存到16G双通道，按理来说，NAS上跑的那点东西，16G内存是完全够用了，但就是这样，群晖也特别喜欢用虚拟内存，导致开机久了，我打开docker控制台，都要等7，8秒 原因就在于，群晖的配置都非常寒酸，那么高的价格只舍得配2G，4G的内存，DSM默认的vm.swappiness值设定为10，内存高的建议修改为1 所以，如果想要提高群晖系统的流畅度，首先就是要加大你的内存，之后修改DSM的vm.swappiness数值 ssh 进群晖，输入如下命令即可，不需要重启（对大部分Linux系统也适用） 目录 临时生效版 永久生效版 添加到群晖计划任务中 添加开机时刷新sysctl.conf 简单说一下vm.swappiness vm.swappiness 优化 相关文章推荐 临时生效版 之前的方法方法，虽说是永久生效，但是群晖并不会读取/etc/sysctl.conf，所以实际上，我们还是要重启后刷新一下sysctl.conf。不如直接开机时就执行修改swappiness的命令，这条命令...
用Matrix进行匿名加密的私聊
Matrix是一个强加密、去中心化的即时通信协议，Matrix也有多种开源客户端和服务器实现。Matrix协议，对标的是同为即时通信软件的Telegram，Discord。比起这两者，Matrix无需邮箱和手机号就可以注册，免除个人信息泄露之忧。本文介绍Matrix协议和它的一个客户端Element（原名Riot.im）。下文为了方便起见，统称为Matrix。 Element桌面和移动客户端截图 Element桌面和移动客户端截图 Matrix有很多优点，包括： 隐私：注册Matrix不需要邮箱和手机号，只需要用户名和密码。使用Matrix无需担心手机号和邮箱泄露的危险。 安全加密：Matrix私聊和群聊是端到端加密的，即使是服务器的所有者，也无法看到用户的聊天内容。 开源：Matrix客户端和服务器软件全部开源，任何人都可以审查代码，检查代码中的漏洞。有兴趣的人也可以用开源代码搭建自己的Matrix服务器。 去中心化：Matrix是联邦式协议，Matrix网络由分布在世界各地，由不同个人和组织运营的服务器组成，因此Matrix协议不容易被单个组织垄断。Matrix网络组成结构 ...
深度学习笔记之约束优化
有时候，在 x 的所有可能值下最大化或最小化一个函数 f(x) 不是我们所希望的。相反，我们可能希望在 x 的某些集合 S 中找 f(x) 的最大值或最小值。这被称为约束优化 (constrained optimization)。在约束优化术语中，集合 S 内的点 x 被称为可行 (feasible) 点。 我们常常希望找到在某种意义上小的解。针对这种情况下的常见方法是强加一个范数约束，如 ∥x∥ ≤ 1。约束优化的一个简单方法是将约束考虑在内后简单地对梯度下降进行修改。如 果我们使用一个小的恒定步长 ϵ，我们可以先取梯度下降的单步结果，然后将结果投影回 S。如果我们使用线搜索，我们只能在步长为 ϵ 范围内搜索可行的新 x 点，或者我们可以将线上的每个点投影到约束区域。如果可能的话，在梯度下降或线搜索前将梯度投影到可行域的切空间会更高效 (Rosen, 1960)。 一个更复杂的方法是设计一个不同的、无约束的优化问题，其解可以转化成原始约束优化问题的解。例如，我们要在 x ∈ R2 中最小化 f(x)，其中 x 约束为具有单位 L2 范数。我们可以关于 θ 最小化 g(θ) = ...
Share Dialog
Share Dialog
Subscribe to Test
Subscribe to Test
<100 subscribers
<100 subscribers
No activity yet