1. 线下回测方案
使用 Python + Pandas/NumPy/Backtrader 的方案:
- 环境准备
- 获取数据
- 编写回测策略
- 设置回测环境并运行
- 计算策略效果指标
- 绘图结果可视化
可以在 Colab 中实现。
使用 Python + Pandas/NumPy/Backtrader 的方案:
可以在 Colab 中实现。
公式:c = 1.5b + 0.5a
是一种简化形式,用于描述通胀 ((b)) 和 GDP 增长 ((a)) 对央行利率 ((c)) 的直接影响。这种形式比泰勒规则更简单,但在某些场景下仍然具有解释力。
注:中国 GDP5%,通胀率-1%,则当前合理的央行利率应该是0.5X5%-1.5X1%=1%
产品数:14
“人生成功的随机性实验”由亚历山德罗·普鲁基尼(Alessandro Pluchino)团队基于计算机模拟完成。以下是实验的具体内容及流程:
传统观念认为成功源于天赋、努力和能力,而随机性(机遇)被认为是次要因素。然而,普鲁基尼团队认为随机性在成功中可能起到至关重要的作用。
目标:通过模拟验证机遇(幸运)在成功中的重要性,并分析成功与天赋的关系。
目前几款先进的开源大模型及其背后公司(截至 2024 年)
公司:Meta(Facebook 母公司)
简介:LLaMA(Large Language Model Meta AI)是 Meta 发布的语言模型,定位于研究用途。LLaMA 3.1 是目前最新版本,提升了推理速度和上下文处理能力,支持更长的输入文本并改进了多语言能力。
特点:
在投资中,很多投资者对新兴趋势或机会的理解往往经历“看不见、看不起、看不懂、来不及”这四个阶段。以下是这些阶段与人性“贪嗔痴慢疑”的关系,以及在每个阶段的应对策略:
在“看不见”阶段,市场刚刚出现新趋势或新机会,信息还没有被广泛传播,只有极少数投资者能捕捉到。这时,许多人对新机会毫无察觉,可能因为缺乏关注或缺少对市场细微变化的敏感度。
确实,有些东西因为中国国内供应充足或生产能力强而不具备稀缺性,比如:
不会稀缺的物品(中国能大量生产的)
电子产品:如智能手机、电视、家电、电脑配件等。
日用品:纸巾、洗涤用品、衣服、鞋帽等基本生活必需品。
基础建材:水泥、玻璃、砖瓦等建筑材料。
农产品:大米、蔬菜等基础粮食和部分农产品。
消费级汽车:低至中端轿车和SUV等车型。
有年轻人坚持不婚,有老年人催婚催到魔怔。
回答这个问题,就得探索清楚婚姻的本质以及婚姻的价值。
简单的说,婚姻的本质是交易,而婚姻对大多数人的价值是对抗孤独,防止中老年阶段的抑郁症和自杀风险。
问题:考虑到消费降级趋势,而身体健康又是一个逐步被重视的问题,其中饮食健康尤为重要,所以是否基于国内物价找到一些健康又廉价的天热食品?逐步形成饮食习惯,同时降低生活开支。
prompt:通过大模型找到你认为的20 个最健康的天热食品,列出每个食物 100g 的营养物质含量以及这些食物在菜市场价格(模糊数据即可)
问题:每次对车内应该带什么、车内物品放置是否合理这些问题困扰,结合自己的车内物品,向 AI 请教车内物品的经验,逐步固化成出行习惯。
prompt:关于以下这些车内必配用品,哪些多余?需要增加哪些?放置合理吗?有什么建议?
适合存放轻便且经常需要使用的物品:
windows的cmd命令行,整理成可执…