对于遗留代码来说，基于编译制导的编译器（如OpenMP和OpenACC）会是一个比较安全的选择。编译制导方法基于原来的串行代码，加入指导向量化和并行的伪指令语句。在向量化或并行的过程中，整个代码还能够运行，允许软件开发人员逐步地向量化或并行现有代码，便于调试和验证正确性。
量化交易选股公式-2-24
代码 名称 涨幅% 现价
000637 茂化实华 -0.57
002559 亚威股份 -0.52
002651 利君股份 0.52
300018 中元股份 0.15
300043 星辉娱乐 -0.31
300071 福石控股 0.39
300076 GQY视讯 -0.19 5
300123 亚光科技 1.48
300209 有棵树 0.00 5
300221 银禧科技 0.18
300277 海联讯 0.39 7
今天行情不太好，本周清仓才赚了1000元。祝大家多赚。
用Chatgpt写量化交易的代码真的太牛了，真要变天了，你可以想象不久的未来，也许就是1年后，大妈大爷们也可以搞量化了[赞]
对于向量化或并行来说，最合适的设计方法应当是过程化的设计方法加上以数据为中心。面向对象方法习惯将数据隐藏在对象内部，而向量化或并行本质上是以数据为中心的，显式的数据传递对于向量化或并行来说更为适用。通过过程化的设计方法来设计程序流程，以数据为中心来向量化或并行已经是主流的设计方法。
在实践中，开发人员可以通过分析指导的方式来分析面向对象软件中的最耗时代码（也称为热点）。如果程序的热点很集中，那么只需要采用过程化的方法加上数据为中心的方式并行化热点即可；如果程序的热点很分散，那么可能需要重新设计软件。
幼虫运动的定量行为分析
在记录幼虫在低摩擦场地的运动后，新捕获的 mp4 格式视频通过 Apowersoft 软件转换为 avi (mjepg)，并再次通过软件 ImageJ 转换为 tiff 格式图像序列。为了量化幼虫的运动，如收缩、位移和速度，我们选择尾部的后气孔作为可区分的参考点来标记幼虫的位置。使用 ImageJ 逐帧将后气孔标记为感兴趣区域 (ROI) 后，我们测量了每个幼虫的位置（x / y坐标）。
在粗糙的表面上爬行，果蝇幼虫显示出由紧紧的尾巴夹紧推动的周期性向前跨步。然而，由于低摩擦表面，幼虫被限制在充满润滑剂的 FEP 管中，无法牢固地固定其腹部触手和尾巴，导致尾巴松动其收缩完成后为蠕动波。为了评估滑行行为的强度和运动模式的变化，我们在一次试验中引入了以下六个指标：位移、速度、持续时间、尾巴松弛长度、尾巴收缩、尾巴松弛指数。
尾部收缩的长度是通过试验开始时的初始位置和最后位置（ S 1 ）之间的距离来测量的, 收缩结束时的气孔。尾部松动度是通过在单个试验中尾部收缩后蠕动波传播期间尾部缩回的长度来计算的。尾部松散指数 (TLI, ( S 1 − S 2)/( S 1 − S 0 ), 计算为尾部松弛长度 与收单次试验中的位移 是通过试验开始时的初始位置 与最后位置 试验结束时的气孔。
幼虫适应低摩擦条件运动模式的改变
为了量化每次试验中滑动表型的程度和蠕动模式的改变，我们根据尾巴收缩、松弛和位移的长度和持续时间设计了六种行为指标（更多细节见第2节）。由于尾部松动是滑行行为的主要表型，我们使用尾部松动指数 (TLI) 来衡量滑行水平。野生型幼虫的 TLI 从 0.7028 ± 0.0428（第 1 次试验）不一致地下降到 0.3956 ± 0.0411（第 40 次试验）。然而，野生型幼虫的尾巴松弛长度在整个试验过程中通常没有改变 尾巴收缩的长度和单步幅波的持续时间是蠕动模式的关键指标。野生型幼虫的尾部收缩从 452.24 ± 73.34 µm（第 1 次试验）大幅延长至 785.79 ± 110.00 µm（第 40 次试验）。同时，它们的单波持续时间在 1.83 秒左右持续波动。单次试验中的位移和速度直接表明滑动表型的改善。我们观察到位移从 136.83 ± 34.66 µm（第一次试验）增加到 508.26 ± 100.75 µm（第 40 次试验），加速度从 73.63 ± 17.99 µm/s（第一次试验）增加到 246.90 ± 43.18 µm/s（第 40 次试验）
滑行水平与尾部收缩、位移和速度有很强的相关性
我们发现一些行为参数具有相似或相反的趋势，例如 TLI 与 LTC。为了量化它们的相关性，我们对尾松指数与其他 5 个参数进行了相关性分析。我们发现尾部松散指数与尾部收缩长度（r = - 0.7694，P < 0.0001；）、单次试验后尾部松散指数和位移（r = -0.9317，P <0.0001； ）之间存在很强的相关性D)、尾部松散指数和单次试验速度( r = −0.9148, P < 0.0001;). 我们还发现尾部松散指数与尾部松散度之间存在适度相关性（r = 0.4717，P = 0.0021；），以及尾部松散指数与单次试验持续时间（r = -0.3571，P = 0.0237 ).
受损的突触可塑性减弱了滑动适应，但运动模式基本不变
我们观察到幼虫在低摩擦条件下不断调整它们的姿势和收缩长度，这表明神经可塑性可能参与了滑动适应。为了检验这一假设，我们使用遗传了突变体芜菁甘蓝( rut ) 的幼虫，这是一种编码钙敏感依赖性腺苷酸环化酶的关键基因，用于检查滑动适应的损伤。我们发现在试验 11-15中，野生型幼虫的尾部松散指数最初显着下降，而在试验 31-35 中， rut突变体幼虫的初始下降延迟. 这些结果表明，神经可塑性的功能障碍可能会阻碍学习适应低摩擦表面的能力，从而导致长时间的滑动适应。
此外，我们发现在第 22、23、25、38 日，车辙突变体幼虫比野生型幼虫滑倒（尾巴松动指数）水平更高和第 40 次试验。然而，rut突变体幼虫通常在 40 次试验中保持其运动模式。然而，与野生型幼虫相比，车辙突变体幼虫在第 14、15 和 20 次试验中尾部松动程度略大，在第 40 次试验中位移减少。
#短线炒股到底能不能赚钱# 用事实说话，我们公开模拟的一个量化策略，平均持仓时间三到七天，三年零四个月收益是1200%以上，全自动的，三年多没有修改过代码。公开模拟，是实盘前的必要实验。我们是A股量化策略研发：全自动策略机器人。
最近幻方宣布自购自家量化基金3.5亿，作为国内最顶级的量化基金之一最近也陷入了到了舆论漩涡，净值回撤，量化策略被狙杀，被迫封盘等尴尬境地，到底是什么原因造成的呢
1.量化最开始是华尔街一批数学家根据市场历史数据通过规律找出共同点，利用程序代码代替人为主观盯盘的一种投资策略，并取得了不错效果，当然作为一个完全有效市场的美国股市量化的收益率最好也只有30%不到，更多的时候都跑不赢标普500的涨幅，所以美国做量化是非常苦逼的。
2.后来很多华尔街履历的中国玩家看到了A股这个半有效市场（经常看到业绩不行暴涨 业绩好暴跌），开始了量化工作，其中以九章 幻方这一批先行者为代表的，一批数学家和顶级程序员的量化基金做到了年化20%以上，且具备曲线平滑，回撤小的优点，以此迅速做大规模，截止目前量化基金规模突破万亿。
3.激进风格量化的出现对市场的波动加剧有很大影响，比如打涨停的量化策略，倒差价的量化，A股长时间保持万亿级别以上成交量很大一部分是量化基金贡献，一度达到30%以上甚至更高，然后这批量化策略他们说是没有方向这个说法的，今天买入冲击涨停明天跌停，很少拉连板，因为背后是机器人，所以出现了极为壮观的情况那就算量化基金居然出现大规模的翻倍基金，这和的公募牛市如出一辙，吸引越来越多的短平快策略量化进入市场，出现了量化人才抢人大战，市场传出某量化基金经理年终奖5000万的新闻就不足为奇了。
4.物极必反 因为量化体量越来越大，且来说逐步盯上了中盘股和大盘股，就已经动了公募乃至GJD奶酪，所以我们可以看到三一重工可以十分钟内出现无数的大单拉升，然后第二天出现无数大单卖掉，可能之前差价整体不到1%，但是流动性好啊，一天十亿资金随便进进出出，这让公募基金和国家队运作，收集筹码，都产生影响，毕竟大盘股锁仓这一块很重要，所以量化被狙杀就成了必然
5.时间线到了11月份我们发现市场经常出现盘中突然拉升到几个点后，然后瞬间被爆砸到绿的甚至跌停，短期形成破位，且第二天开盘无脑单爆砸到跌停附近，然后拉回红盘，然后再次爆砸，大家可以看9月28日，10月18日，10月27日周期股板块，特别是煤炭板块走势，这就是典型的对量化基金精准狙杀，因为你量化拉升想横盘第二天好走，不好意思你爆拉我就直接砸跌停，第二天量化会早盘无脑卖出（机器人没有情感）然后市场主力立马拉回来修复指标，这时候量化扫描到技术指标走好无脑买，市场再次爆砸，第二天量化无脑割肉，几次后大家发现量化基金成了最大韭菜，屡试不爽，大家如果有购买量化基金看净值就知道十月底开始净值就上不去了然后就是一路下跌再也没有起色了。
6.那么很多人会问量化基金这么蠢不知改策略，据我接触的量化基金公司策略，一般不会马上修改，因为历史中也有时候量化失效，而且新的量化策略需要大量的历史回撤和实盘测试，而且一旦踏入中盘股和大盘股就被狙杀可能性大增，小盘股流动性差不足以承接目前量化万亿级别的规模，现在量化开始加入人工操作，比如做差价，比如人为分为mom策略，就是加一部分人为主观策略来应对下跌的曲线，所以量化无脑平仓导致市场波动加剧是有道理的，但是这个锅不能量化来背。
量化是未来趋势，所以我们散户投资者不仅仅要面对庄家还要面对一堆没有情感的机器人，情绪化交易会把投资者的优缺点无限放大。
很多散户在炒股上吃了亏，却不停下来，不思考为什么！这就是散户的通病。只有勇敢地正视自己的问题，才能真正地解决问题！因为但凡一个人耐心学习认真思考，哪怕每次成长一点点，哪怕一个一个坑的踩雷，也终有踩完的一天。怕就怕不吸取教训，任由情绪左右自己，反复在一个错误上挣扎和吃亏！
这个股票怎么样？还能涨么？这是我最经常收到的问题！也是几乎所有散户最关注的问题。作为一个整天写代码程序化交易的量化分析师，我最经常被问到。对此我从不回答，哪怕别人说我菜，我也笑笑就算了。因为在我看来，如果一个散户连基本的问题都不了解，那么我说再多也是白搭。因为不管我如何回答，他们的关注点只有一个，这只股票还能涨么？
很多散户还没有意识到，自己才是交易系统中最薄弱的一个环节。当散户这样问的时候，就说明他没有明确的趋势判断依据，以及止盈止损的设置。否则他根本不用问我，直接按照交易体系执行就行了。
甚至有的散户连明确的交易体系都没有，随着情绪冲动就买或者卖了。毕竟一套交易体系是那样的“麻烦”，要等各种信号，看各种数据，要等待时机，要有明确的止盈止损位。还要人去执行。多累啊！正是讨厌这种繁琐，追求一种简洁的快感和盘感！让散户一次又一次的犯相同的错误，一次又一次的吃亏。还总报希望也许下一次会好运降临！
炒股不是靠得勤奋，不是你进市场时间久就能赚钱，比的是谁少犯错。比的是谁能持续，能笑到最后。这才是炒股的目的。
还有很多人问技术，想知道什么好用，什么不好用。交易这行不存在什么一招鲜吃遍天，面对不同的行情和趋势，要及时调整，或者你就只做好一个，只吃这一段也可以！
一、震荡区间
股票的大多数时间都处在这个状态，此时不会有较大的涨跌幅，量能也普遍萎缩。股价往往在一个箱体内规律的来回波动，碰到顶部就回调，碰到底部就反弹。在这种走势下，趋势判断往往是失灵的，比较合适的是箱体、KDJ、CCI等较为灵敏的系统，能够短期的快速反应K线图的变化和反转。
二、单边趋势
当处于单边行情中，股价往往在一边持续强劲地运行。此时较为灵敏的系统就会频繁变动，处于失效状态。其实只要趋势延续，任何的回调都是上车的好机会，这是比较适合的系统是龙系长线、MACD、BOLL、FSL等，可以更好地把握趋势判断！
三、短线起爆
有时，我们想要把握一些短线的机会，或者说一些短线可能的起爆点。来抓住一些趋势的起点或者短线的行情，此时可以使用CYE、SAR、KDJ等，关键在于不仅具有一定的趋势判断，短线比较敏锐！
四、做T
做T的关键是要有明确的支撑压力位和买卖点位，来帮助判断在哪个位置T入和T出，这一类比较适合的系统是BOLL线，麦克支撑压力位等。做T是较难的，因为不光要考虑支撑压力，还要判断承接力和阻力，需要对长线趋势也有一定的判断能力，这方面可以参考单边趋势系统，看长做短结合判断！
只有承认自己的错误找到问题，才能前进，才能开始形成体系，才能避免踩雷，从而实现人 生的目标。这是所有散户的必经之路！而且目前A股正在蓬勃发展，这也是难得碰到的时机。天时地利人和缺一不可。不要输在了情绪上，不要输在了自己身上！
炒股思路之——跟着量化交易做！
量化交易成了最近的一个“热词”频繁出现的各种各样的文章之中。有人统计说现在的A股交易百分之二十来自于量化交易。
量化交易就是给计算机一个程序，让计算机代替人工自动买卖股票。
量化交易应该是今后的趋势，就像汽车的发展方向是自动驾驶一样！
量化交易目前还是一个偏贬义的词——频繁交易，做波段，盈利就走......
做波段应该是量化交易的主流！我们就找一只股票，看看量化交易可以跟吗？
按照我设置的量化交易程序，这只股票的买入点平均在4.9元左右，卖出点平均在6.2元上方。没有一次是失败的交易！平均利润在25%以上，非常不错了！
今天没有遮挡股票的名称和代码，这里不是在荐股，而是在提供一种炒股思路。再说现在技术指标根本没有发出买卖信号。
ChatGPT会成为我们最好的学习帮手和老师，比如我今天问他知道量化交易吗？并让他写出一个简单的以MACD为指标的量化交易代码，不负众望，他给出了答案，对于初学者帮助很明显，我相信Chat会成为很多人以后生活学习的一部分，尽管很多人说chat各种诟病，但是这种诟病与他的强大功能相比不值一提，人尚且无完人，何况一个工具，要求别人完美的人，自己本身就是有缺憾的！工具是为人服务的，怎么用看使用者而不是工具本身，就像有人用电子计算器计算数字，有人用计算器弹奏音乐，你能说后者是不对的吗？不是他不对而是你不行！
