【PyTorch 系列 第1讲】张量、自动求导与训练循环基础
本讲系统解构PyTorch作为量化建模底层引擎的三大核心支柱:张量(Tensor)的底层内存视图与设备协同机制、计算图(Autograd Graph)的动态构建逻辑与梯度传播边...
阅读全文本讲系统解构PyTorch作为量化建模底层引擎的三大核心支柱:张量(Tensor)的底层内存视图与设备协同机制、计算图(Autograd Graph)的动态构建逻辑与梯度传播边...
阅读全文本讲作为《PyPortfolioOpt资产配置完整学习计划》第1/9讲,系统拆解PyPortfolioOpt在均值方差优化中的核心落地路径。重点覆盖历史收益率计算的频率对齐陷阱...
阅读全文本讲作为《Optuna量化调参完整学习计划》开篇,系统解构Optuna在量化研究中的不可替代价值:突破网格/随机搜索的维度灾难与信息浪费,实现高维非凸策略空间的高效贝叶斯导向探...
阅读全文本讲系统对比LightGBM与XGBoost在量化因子建模场景下的底层算法差异、训练效率边界、过拟合响应特征及实盘泛化鲁棒性。通过沪深300成分股日频多因子数据集(2018–2...
阅读全文本文系统构建cvxpy在量化研究中的‘问题可解性判定框架’,严格界定凸优化适用边界:从目标函数曲率、约束集几何性质到数值可实现性三维度展开。详解线性/二次/指数锥等常见凸结构映...
阅读全文从量化表格任务的真实约束出发,说明 CatBoost 为什么适合作为混合特征样本的稳健基线模型,并讲清它适用的场景、优势和边界。
阅读全文