Hikyuu 2.6.1版本发布:量化交易框架的优化与改进
Hikyuu是一个开源的量化交易研究框架,专注于为量化投资者提供高效、灵活的工具集。该框架支持从数据获取、策略开发到回测分析的全流程,尤其擅长处理A股市场数据。本次发布的2.6.1版本在数据导入、指标计算、策略执行等多个方面进行了重要优化。
核心改进内容
数据导入与处理的增强
本次版本对TDX本地数据导入功能进行了显著改进,新增了对北交所股票的支持。通过集成pytdx库,现在能够更准确地处理股票代码、权息数据和财务数据。对于需要快速导入大量历史数据的用户,新增了--ignore-kdata命令行参数,允许跳过K线数据的导入,这在只需要基础信息进行研究的场景下可以大幅提高效率。
指标计算引擎优化
在指标计算方面,开发团队对CVAL创建机制进行了调整,防止其阻碍子节点的优化合并,这将提升复杂指标组合的计算效率。同时,对PRICELIST指标的使用进行了限制,现在它只能作为子节点存在,不再接收Indicator作为输入,这一改变消除了之前可能存在的语义混淆问题。
针对国内用户的使用习惯,四舍五入算法从国际通用的银行家算法调整为国内更常见的传统四舍五入法,这一细节调整虽然微小,但对于追求精确计算的量化策略来说却十分重要。
策略执行与组合管理
在策略执行层面,SimplePortfolio的调仓逻辑得到了优化,特别是对延迟买卖系统的处理更加稳健,有效防止了未来操作可能带来的问题。AF(Asset Following)策略也进行了调整,对于当日买入的股票会延迟到下一个交易日开盘时处理,避免了当天卖出的不合理操作。
MultiFactorBase新增了并行计算选项"parallel"参数,默认开启,这将显著提升多因子策略的回测速度。对于系统评价(SE)功能,增加了get_n参数,方便用户在组合运算后快速获取前N个选中系统的结果。
问题修复与稳定性提升
本次版本修复了多个关键问题,包括无数据股票因子计算异常、IF指标丢弃期逻辑错误以及LAST指标参数使用不当等。这些修复提高了框架的稳定性和计算准确性。
动态库加载机制的优化使得一些插件能够更顺利地加载,这对于依赖特定功能扩展的用户来说是一个重要改进。Strategy中的getKData函数也调整了处理未来时间的逻辑和参数默认值,使时间处理更加合理。
总结
Hikyuu 2.6.1版本通过一系列细致的优化和改进,进一步提升了框架的稳定性、计算效率和用户体验。从数据处理的底层优化到策略执行的高层调整,这些改进都体现了开发团队对量化交易实际需求的深入理解。对于正在使用或考虑使用Hikyuu进行量化研究的投资者来说,这个版本值得升级。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C037
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0114
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00