仙桃
-
大象无形
- 帖子： 65
- 注册时间： 2011-02-22 21:49
Re: 仙桃
现在的计算潮流由苹果公司和高通公司带领从x86处理器转化到了arm处理器了。是不是我们现在都需要考虑逐步往ARMj微架构处理器的计算技术转了。要是全面跟进的话，苹果公司的M系列处理器的MBP电脑可不便宜啊；关键是苹果电脑目前转向了图像处理领域，虽然他家的软件和硬件的配合度最成熟，但是目前应用还是在图像处理领域表现比Intel处理器技术略好，通用计算领域软件还是Intel处理器独占高性能计算集群技术。对于我而言，我经常要用的生产力软件还是邮件客户端、电子表格软件和统计软件，貌似这些应用在Ubuntu上都已经是很成熟的软件了。目前使用的采用高通公司的8cx计算平台的ThinkPad x13s至今都没有被Ubuntu完全支持的消息，我还在Windows11上使用的wsl ubuntu,坛子里有人消息灵通知道Ubuntu24.04LTS对于高通公司8cx计算平台的支持情况吗？如果还是支持度不够理想，对于我的应用情况，在ThinkPad x13s上我就继续用Windows11就好了？还是继续在ThinkPad x390使用Ubuntu22.04.04LTS跑我经常使用的计算软件，毕竟这一块已经非常成熟了，等到目前使用的计算软件对于我的研究不能继续支持的时候，在考虑升级硬件或者更换计算平台技术？
-
大象无形
- 帖子： 65
- 注册时间： 2011-02-22 21:49
Re: 仙桃
这个帖子，我自己可以回答了。Intel EMT64处理器配合Ubuntu的RevolutionR版本比单纯使用R标准版程序要运行速度快一些；由于我经常在不同客户的计算环境中提供数据分析的服务，于是，还是R和Python3配合C++做算法设计合适，而自己的量化交易程序还是继续使用C++编写会比较好一些。x86处理器仍然考虑Intel，目前，消费级市场的ARM处理器还是使用高通8cx;再目前使用的计算软件对于我的研究不能继续支持的时候，再来考虑升级硬件或者更换计算平台技术。大象无形 写了： ↑2024-01-10 14:48 现在的计算潮流由苹果公司和高通公司带领从x86处理器转化到了arm处理器了。是不是我们现在都需要考虑逐步往ARMj微架构处理器的计算技术转了。要是全面跟进的话，苹果公司的M系列处理器的MBP电脑可不便宜啊；关键是苹果电脑目前转向了图像处理领域，虽然他家的软件和硬件的配合度最成熟，但是目前应用还是在图像处理领域表现比Intel处理器技术略好，通用计算领域软件还是Intel处理器独占高性能计算集群技术。对于我而言，我经常要用的生产力软件还是邮件客户端、电子表格软件和统计软件，貌似这些应用在Ubuntu上都已经是很成熟的软件了。目前使用的采用高通公司的8cx计算平台的ThinkPad x13s至今都没有被Ubuntu完全支持的消息，我还在Windows11上使用的wsl ubuntu,坛子里有人消息灵通知道Ubuntu24.04LTS对于高通公司8cx计算平台的支持情况吗？如果还是支持度不够理想，对于我的应用情况，在ThinkPad x13s上我就继续用Windows11就好了？还是继续在ThinkPad x390使用Ubuntu22.04.04LTS跑我经常使用的计算软件，毕竟这一块已经非常成熟了，等到目前使用的计算软件对于我的研究不能继续支持的时候，在考虑升级硬件或者更换计算平台技术？
-
大象无形
- 帖子： 65
- 注册时间： 2011-02-22 21:49
Re: 仙桃
我经常被问到的一个问题是：用哪种计算机操作系统和计算软件进行量化交易的理论研究和代码实现？
我想把这个问题简化，从挑选的计算软件和计算库来反推最佳使用的计算机操作系统。简而言之，就是在本文撰写的时候而言，如果你想进行基于任何严肃的数学理论和金融量化交易研究理论，这里特指机器学习或者深度学习。并且需要在本地研究机器上使用桌面版本，在实时交易VPS或者同等设备上使用服务器版本的话。这种情况下，为了避免这种形式的研究所需的前沿计算库出现问题的最直接的方法是——Ubuntu LTS Linux。然而Ubuntu/Linux对于我们中的许多人来说可能并不熟悉，因为Windows仍然是家庭和现代办公环境中计算机操作系统的实际选择。
而且，考虑到个人研究的目标是花尽可能多的时间研究和开发量化交易策略，而不是阅读成堆的编程书籍，那么学习一个对个人来说全新的操作系统和相关的命令行界面(CLI)是否值得？就是一个仁者见仁智者见智的问题了。显然，这将取决于自己的情况。对于自己的交易风格，首选的交易研究方法，选择的编程语言和个人设计的交易模型的复杂性都是应该考虑的点。我想说的是，对于目前大多数人选择的基于Python的科学计算和量化研究来说，学习GNU\Linux和CLI将为个人的量化生涯带来巨大的回报。-----网络上的高手尽多，各位可以多方面了解情况，做出适合自己量化投资的道路选择。我把相关的答复发到Ubuntu中文论坛里便于有同样需要的人搜索查询。
我想把这个问题简化，从挑选的计算软件和计算库来反推最佳使用的计算机操作系统。简而言之，就是在本文撰写的时候而言，如果你想进行基于任何严肃的数学理论和金融量化交易研究理论，这里特指机器学习或者深度学习。并且需要在本地研究机器上使用桌面版本，在实时交易VPS或者同等设备上使用服务器版本的话。这种情况下，为了避免这种形式的研究所需的前沿计算库出现问题的最直接的方法是——Ubuntu LTS Linux。然而Ubuntu/Linux对于我们中的许多人来说可能并不熟悉，因为Windows仍然是家庭和现代办公环境中计算机操作系统的实际选择。
而且，考虑到个人研究的目标是花尽可能多的时间研究和开发量化交易策略，而不是阅读成堆的编程书籍，那么学习一个对个人来说全新的操作系统和相关的命令行界面(CLI)是否值得？就是一个仁者见仁智者见智的问题了。显然，这将取决于自己的情况。对于自己的交易风格，首选的交易研究方法，选择的编程语言和个人设计的交易模型的复杂性都是应该考虑的点。我想说的是，对于目前大多数人选择的基于Python的科学计算和量化研究来说，学习GNU\Linux和CLI将为个人的量化生涯带来巨大的回报。-----网络上的高手尽多，各位可以多方面了解情况，做出适合自己量化投资的道路选择。我把相关的答复发到Ubuntu中文论坛里便于有同样需要的人搜索查询。
-
大象无形
- 帖子： 65
- 注册时间： 2011-02-22 21:49
Re: 仙桃
有不少朋友询问我如何成为一名量化交易员，结合我的个人经历，要成为一名量化交易员，可以遵循以下步骤和要点：
**教育背景**：
- 优先考虑金融工程、计算金融、数学、统计学、物理学、计算机科学等相关领域的本科或以上学历。
- 这些学科为量化交易提供了必要的数学、统计和编程基础。
**知识和技能**：
- **数学和统计学**：掌握高等数学（如微积分、线性代数）、概率论与数理统计等基础知识，时间序列分析是预测市场动向和金融数据分析的关键工具。
- **编程技能**：能够编写程序来处理数据、实现算法和建立模型。常用的编程语言包括Python、R、C++、Java等，其中Python因其强大的数据分析库和机器学习库在量化分析中尤为流行。
- **金融知识**：了解金融市场的基本运作，包括股票、债券、期权、期货、外汇等不同金融工具的特性，以及宏观经济、公司财务分析等。
- **量化策略与模型**：熟悉不同的量化交易策略，如动量策略、对冲策略、算法交易、市场中性策略等，并掌握如何构建这些策略的数学模型。
- **机器学习与数据科学**：学习并应用机器学习算法、数据挖掘、自然语言处理等领域的知识来预测市场和决定交易策略。
- **风险管理**：理解金融产品和策略的风险特性，并能够采取适当的风险管理技术来控制损失。
**实践经验**：
- 尝试通过实习或参与研究项目来积累量化交易经验。这不仅可以让你将所学知识应用于实际场景，还可以帮助你建立人脉和拓展职业网络。
- 争取获得至少1年以上的高频量化交易经验，这将对你的职业发展非常有帮助。
**职业素养**：
- 具备良好的职业道德、风险意识和工作责任感，对市场有敏锐的洞察力，有强烈的好奇心并善于总结规律。
- 强大的批判性思维和沟通能力，擅长团队合作。
**资格认证**：
- 持有证券或基金从业资格等相关证书，这将增加你在就业市场上的竞争力。
**关注行业动态**：
- 量化交易是一个不断发展的领域，你需要持续关注行业动态、新技术和新策略，以保持竞争力。
**持续学习**：
- 量化交易涉及的知识和技能非常广泛，你需要保持持续学习的态度，不断提升自己的专业素养。
通过以上步骤和要点的努力，你将更有可能成为一名成功的量化交易员。同时，需要注意的是，量化交易虽然基于数学和统计模型，但市场行为往往受到多种复杂因素的影响，因此在实际操作中需要保持谨慎和理性。
**教育背景**：
- 优先考虑金融工程、计算金融、数学、统计学、物理学、计算机科学等相关领域的本科或以上学历。
- 这些学科为量化交易提供了必要的数学、统计和编程基础。
**知识和技能**：
- **数学和统计学**：掌握高等数学（如微积分、线性代数）、概率论与数理统计等基础知识，时间序列分析是预测市场动向和金融数据分析的关键工具。
- **编程技能**：能够编写程序来处理数据、实现算法和建立模型。常用的编程语言包括Python、R、C++、Java等，其中Python因其强大的数据分析库和机器学习库在量化分析中尤为流行。
- **金融知识**：了解金融市场的基本运作，包括股票、债券、期权、期货、外汇等不同金融工具的特性，以及宏观经济、公司财务分析等。
- **量化策略与模型**：熟悉不同的量化交易策略，如动量策略、对冲策略、算法交易、市场中性策略等，并掌握如何构建这些策略的数学模型。
- **机器学习与数据科学**：学习并应用机器学习算法、数据挖掘、自然语言处理等领域的知识来预测市场和决定交易策略。
- **风险管理**：理解金融产品和策略的风险特性，并能够采取适当的风险管理技术来控制损失。
**实践经验**：
- 尝试通过实习或参与研究项目来积累量化交易经验。这不仅可以让你将所学知识应用于实际场景，还可以帮助你建立人脉和拓展职业网络。
- 争取获得至少1年以上的高频量化交易经验，这将对你的职业发展非常有帮助。
**职业素养**：
- 具备良好的职业道德、风险意识和工作责任感，对市场有敏锐的洞察力，有强烈的好奇心并善于总结规律。
- 强大的批判性思维和沟通能力，擅长团队合作。
**资格认证**：
- 持有证券或基金从业资格等相关证书，这将增加你在就业市场上的竞争力。
**关注行业动态**：
- 量化交易是一个不断发展的领域，你需要持续关注行业动态、新技术和新策略，以保持竞争力。
**持续学习**：
- 量化交易涉及的知识和技能非常广泛，你需要保持持续学习的态度，不断提升自己的专业素养。
通过以上步骤和要点的努力，你将更有可能成为一名成功的量化交易员。同时，需要注意的是，量化交易虽然基于数学和统计模型，但市场行为往往受到多种复杂因素的影响，因此在实际操作中需要保持谨慎和理性。