Hikyuu 2.5.6 版本发布:量化交易框架的优化与修复
Hikyuu 是一个开源的量化交易研究框架,它提供了完整的量化交易解决方案,包括数据获取、策略开发、回测和实盘交易等功能。作为一个专业的量化工具,Hikyuu 致力于为量化交易研究者和开发者提供高效、稳定的开发环境。
核心功能优化
本次发布的 2.5.6 版本主要针对框架的稳定性和功能性进行了多项优化和修复:
-
指标计算修复:解决了指标在动态参数情况下的计算错误问题,这对于依赖动态参数调整策略的用户尤为重要。
-
K线数据处理改进:修复了预加载参数大小写不一致导致的问题,确保数据加载的稳定性。
-
多因子模型增强:修复了使用 SE_MultiFactor(mf, topn) 形式创建的多因子模型无法正常运行的问题,提升了因子分析的可靠性。
-
数据导入优化:针对 TDX 本地数据导入进行了多项改进,包括 MySQL 扩展数据生成和 Linux 系统文件路径适配。
系统兼容性提升
-
跨平台支持:特别修复了 macOS 下的安装问题,并改为使用动态库,同时禁用序列化以提高兼容性。
-
环境变量增强:Environment _add_valid 方法新增了 value 参数,默认值为 1.0,为策略开发提供了更多灵活性。
底层架构改进
-
异常处理优化:改进了 IndicatorImp::calculate() 函数中的异常捕获逻辑,提高了系统的健壮性。
-
第三方库更新:升级了 fmt、nng 和 sqlite 等核心依赖库的版本,确保框架运行在最新的技术栈上。
-
日期处理增强:优化了 Datetime 的日期范围获取逻辑并添加了哈希支持,提升了时间相关操作的效率。
-
部件加载机制:改进了部件加载和缓存机制,提高了系统整体性能。
总结
Hikyuu 2.5.6 版本虽然没有引入重大新功能,但对现有功能的稳定性和兼容性进行了全面优化。这些改进使得框架在各种使用场景下更加可靠,特别是在跨平台支持和数据处理方面有了显著提升。对于量化交易开发者来说,这些底层优化将为策略开发和回测提供更加坚实的基础。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00