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。
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TSX0115
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