dapanji的思考

[雨落忘川]

002.png (734.96 KiB) 查看 1483 次

[雨落忘川]

最初 输入 pip install torch 提示说 要升级版本 23.2.1 -> 23.3.1； 版本升级之后，仍然进行不下去

又搜了一些相应的文章，我也没有看明白问题出在哪里？又该怎么解决？

[dapanji]

又出去玩了，没看贴

粗看了一下，有些挺难的，估计要在csdn找答案了

我待有时间再仔细研究

[dapanji]

最初 输入 pip install torch 提示说 要升级版本 23.2.1 -> 23.3.1； 版本升级之后，仍然进行不下去

又搜了一些相应的文章，我也没有看明白问题出在哪里？又该怎么解决？

我没用pycharm，用anaconda
pip install torch一下子就装上去了

[dapanji]

最初 输入 pip install torch 提示说 要升级版本 23.2.1 -> 23.3.1； 版本升级之后，仍然进行不下去

又搜了一些相应的文章，我也没有看明白问题出在哪里？又该怎么解决？

我看了一下你的图，是pip的版本升级了

我贴一下我这边的日志：
pip install torch
Collecting torch
Downloading torch-2.1.1-cp39-cp39-win_amd64.whl (192.2 MB)
|████████████████████████████████| 192.2 MB 35 kB/s
Requirement already satisfied: fsspec in d:\anaconda3\lib\site-packages (from torch) (2022.2.0)
Requirement already satisfied: filelock in d:\anaconda3\lib\site-packages (from torch) (3.6.0)
Requirement already satisfied: networkx in d:\anaconda3\lib\site-packages (from torch) (2.7.1)
Requirement already satisfied: sympy in d:\anaconda3\lib\site-packages (from torch) (1.10.1)
Requirement already satisfied: jinja2 in d:\anaconda3\lib\site-packages (from torch) (2.11.3)
Requirement already satisfied: typing-extensions in d:\anaconda3\lib\site-packages (from torch) (4.1.1)
Requirement already satisfied: MarkupSafe>=0.23 in d:\anaconda3\lib\site-packages (from jinja2->torch) (2.0.1)
Requirement already satisfied: mpmath>=0.19 in d:\anaconda3\lib\site-packages (from sympy->torch) (1.2.1)
Installing collected packages: torch
Successfully installed torch-2.1.1

[dapanji]

以前有个年轻的同事跟我说pycharm是好一点
但是我用anaconda更顺手，因为它的界面和功能比较像matlab

你换成anaconda之后，看能不能解决之前的问题？

[dapanji]

我看都是安装问题，试了一下都可以安装
建议先用anaconda，后面再过渡到pycharm

到国内清华镜像站下载吧

[dapanji]

看微博的时候，发现幻方也出了个大语言模型
https://chat.deepseek.com/coder

直觉认为他会比国内绝大部分的模型强，国外可能也就claude2和gpt4比他强

打算最近干点活

[dapanji]

这个月干这几样，完成一半就是胜利：

1、一个基于创业板股票的形态短线模型：孕线调整后买入
为什么基于创业板？
1）20%的涨跌停，赔率也许更大；
2）存在时间够长；
3）如果在主板（科创板、北交所）的回测也不错，会扩大选股范围

2、基于某个技术指标或形态（例如威廉指标、两阴夹一阳）做出一个中短线股票策略；

3、用python做些机器学习的研究。

4、优化已有的期货日内模型（扩大品种选择），看能不能用机器学习的方法精细化。

鉴于1和4以前做了一些工作，先从这两个开始吧。

另，以前忽略了一个点，处理数据时认为它们互相独立，但实际上它们有时序关系。
举个例子，北交所打新，随着收益提高，参与的人增多，收益会被稀释。周而复始。

[tmtmaya]

机器学习去拟合数据，就得滚动回测来减少过拟合。
如果a观察到了一个市场特征，赚了钱，不久之后，b和c也观测到了这个规律，参与了进来，
a的利润就被b和c平摊了，这个时候，a就需要去观测在b和c参与市场后，市场的新特征，迭代自己的系统，周而复始。
这个观点和鸡爷上面的观点一致。
越做交易，越觉得没啥是恒永的，均值回归才是永恒。