vn.py 4.0.0版本发布:量化交易框架的重大升级
vn.py是国内知名的开源量化交易框架,专注于为量化交易开发者提供高效、稳定的工具支持。该项目自2015年发布以来,已经成为国内量化交易领域最具影响力的开源项目之一。最新发布的4.0.0版本带来了多项重大改进和功能增强,标志着该框架进入了一个新的发展阶段。
机器学习多因子策略支持
4.0.0版本最引人注目的新增功能是vnpy.alpha模块的引入。这个模块专门为机器学习多因子策略设计,为量化开发者提供了构建和测试复杂因子模型的工具集。多因子模型是现代量化投资中的重要方法,通过分析多个影响资产价格的因素来构建投资组合。vnpy.alpha模块的加入,使得开发者能够更方便地在vn.py框架中实现这类策略,特别是结合机器学习算法进行因子分析和组合优化。
Python 3.13全面支持
随着Python生态系统的持续发展,vn.py 4.0.0版本将核心支持版本升级到了Python 3.13。这一升级不仅带来了性能上的提升,还确保了框架能够利用Python最新版本的语言特性和标准库改进。对于量化交易这种对性能要求较高的应用场景,新版本Python的优化将直接转化为策略执行效率的提升。
现代化开发工具链
4.0.0版本对项目的开发工具链进行了全面现代化改造:
-
pyproject.toml统一配置:取代传统的setup.py,使用更现代的pyproject.toml来管理项目配置,简化了依赖管理和构建过程。
-
loguru日志系统:用loguru替代了Python标准库的logging模块,提供了更友好、功能更丰富的日志记录体验,特别是在异步环境和多线程场景下表现更佳。
-
静态类型检查优化:通过mypy工具增强了代码的静态类型声明,提高了代码的可靠性和可维护性,同时也为开发者提供了更好的IDE支持。
-
代码质量工具升级:使用ruff替代了传统的flake8等工具,提供了更快的代码风格检查和更丰富的检查规则,确保代码质量的一致性。
-
开发环境管理:采用uv作为新的开发环境管理工具,相比传统的virtualenv等工具,uv提供了更快的环境创建速度和更简洁的使用方式。
扩展模块适配
为了确保生态系统的完整性,vn.py 4.0.0版本还对多个核心扩展模块进行了适配升级,包括:
- vnpy_ctp:国内期货CTP接口
- vnpy_ctastrategy:CTA策略引擎
- vnpy_sqlite:SQLite数据库支持
- vnpy_rqdata:Ricequant数据接口
这些模块的升级确保了用户在使用新版本vn.py核心时,能够无缝衔接原有的功能组件。
用户体验改进
除了上述技术升级外,4.0.0版本还修复了一些影响用户体验的问题,特别是PySide6中单元格排序可能出现的乱序问题。这类问题的修复虽然看似微小,但对于依赖GUI界面进行策略开发和监控的用户来说,却能显著提升日常工作的流畅度。
总结
vn.py 4.0.0版本的发布标志着这个成熟的量化交易框架进入了新的发展阶段。从机器学习多因子策略的支持,到现代化开发工具链的全面升级,再到核心扩展模块的适配,这一版本在功能丰富性和技术先进性方面都迈上了一个新台阶。对于量化交易开发者而言,升级到4.0.0版本将能够获得更强大的策略开发能力、更高效的执行性能以及更现代化的开发体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00