首页 文章 精选 留言 我的

精选列表

搜索[全栈管理]，共10000篇文章
优秀的个人博客,低调大师

量化研究 | PTrade函数大全：从入门到精通全解析

在做量化交易研究中，使用ptrade,我们会遇到写好的回测代码，在实盘无法运行，写的实盘代码在回测中无法运行，这个主要的问题在ptrade有的函数只能在回测运行，有的函数只能在实盘运行，有的函数实盘，回测都可以 比如只能回测的 ![](https://developer.qcloudimg.com/http-save/audit-12698924/e8f0adfed15fc4d2fa82e10114eddb86.webp) 只能实盘使用的 ![](https://developer.qcloudimg.com/http-save/audit-12698924/2a410e2c3fdb3ab834af79dc87b0aa67.png) 都可以使用的 ![](https://developer.qcloudimg.com/http-save/audit-12698924/691a7171aa6b5571969c68e6e14ff51b.webp) 安上面的3个分类，我整理了一些，参考学习研究  第一类：仅回测专用，核心定位：模拟真实交易环境的“参数配置器”，用于设置交易成本、流动性限制和初始状态 ![](https://developer.qcloudimg.com/http-save/audit-12698924/1a51e0e5b18e9e2a51398fa2342c9664.png) - ```javascript 函数名称 功能说明 核心场景 使用场景 set_commission 设置股票/ETF/LOF的佣金费率（如万2.5） 模拟交易成本 🔒 仅回测 set_fixed_slippage 设置固定滑点（如0.01元/股） 模拟交易成本 🔒 仅回测 set_slippage 设置比例滑点（如0.1%） 模拟交易成本 🔒 仅回测 set_volume_ratio 设置成交比例（如10%） 模拟流动性限制 🔒 仅回测 set_limit_mode 设置成交数量限制模式 控制单笔委托最大成交 🔒 仅回测 set_yesterday_position 设置初始持仓底仓 模拟持有某只股票 🔒 仅回测 convert_position_from_csv 从CSV文件批量导入初始持仓 批量设置底仓 🔒 仅回测 get_trades_file 获取回测对账数据文件 导出交易明细 🔒 仅回测 get_etf_list 获取回测环境中的ETF代码列表ETF策略配置 🔒 仅回测 set_future_commission 设置期货手续费（按手数或比例） 期货策略 🔒 仅回测 set_margin_rate 设置期货保证金比例 期货策略 🔒 仅回测 get_margin_rate 获取已设置的保证金比例 期货策略回测校验 🔒 仅回测 ``` 第二类：仅实盘专用，核心定位：量化策略落地的“API金钥匙”。这些函数直接接触券商柜台，掌握着新股申购、两融交易、实时快照行情、ETF篮子下单等核心实盘能力，是策略从理论走向实战的桥梁 ![](https://developer.qcloudimg.com/http-save/audit-12698924/601b57355c550240c0134e00f0bc1a76.png) 第三类：回测 + 实盘通用，核心定位：量化策略的“灵魂骨架”。这一大类包含了策略生命周期、行情数据获取、交易委托、技术指标计算、财务数据查询等核心功能。您80%以上的策略逻辑，都将基于这些函数构建。 ![](https://developer.qcloudimg.com/http-save/audit-12698924/25bcd45236a6aeebd9e59f8e2f2098d8.webp) 不懂的问我就可以，
2026-09-28
优秀的个人博客,低调大师

马化腾的AI阳谋，全藏在528亿资本开支里

![](https://developer.qcloudimg.com/http-save/6110124/4dc0becb0887c4f00d95ad7c0405e179.jpg) **All in AI三个月，腾讯单季营收破2000亿，马化腾赌对了吗？** 8月12日，腾讯控股公布2026年第二季度财报，单季营收超2000亿至2047.85亿，同比增长11%，经营利润为756.36亿，同比增长9%。 ![](https://developer.qcloudimg.com/http-save/6110124/a3917df1edded5d90fe729354cbd6cd8.jpg) 腾讯控股二季度财务摘要-来源：官方财报 这份财报之中的亮点，既在于稳健增长的数字之中，又在于腾讯人工智能成果展示之中。 之前马化腾提出“换船论”的口号，这到底是炒作还是真正的转型，这份财务报告给出了阶段性的答案。 **AI反哺主业，核心板块全面提速** 在该份财报之中能够观察到一个较为明显的趋势，借助人工智能的运行，腾讯的基本盘增长变得更为迅速。 **营销服务成增长主力，广告投放效率提升**。今年第二季度腾讯营销服务收入为436亿元，且同比增长22%，该增速较行业平均水平高出较多。 AI模型经过优化后的广告推广机制，以及“腾讯营销AIM+”智能投放矩阵的升级，成为了增长的核心动力。这便直接带动了微信生态里视频号、小游戏等的闭环营销收入，使得广告业务的变现效率也得到了提升。 ![](https://developer.qcloudimg.com/http-save/6110124/bec4fad9bc6b07ff7682e044492e3e1e.jpg) 腾讯二季度主营业务收入情况-来源：官方财报 **游戏业务加速快跑，AI重构研发逻辑**。同期腾讯增值服务板块总营收达984亿，其中本土游戏业务收入473亿还同比增长了17%，像《三角洲行动》《无畏契约》这类高流量的产品贡献较多。 我们更需留意人工智能应用将游戏研发链条重新构建，腾讯的游戏业务正从编程到美术、从策划到测试的“人力密集型”向“算力密集型”产业转变。 几个数字就能够说明情况：在策划阶段，CodeBuddy将方案验证从好几周压缩到仅几小时；在美术方面，有将近100个项目采用了VISVISE工具，制作效率最高能够提升8倍；建模的时候，混元3D将成本从几千块降低到几块钱，游戏产业的逻辑就这样完全改变了。 **云服务存在回暖的迹象，算力需求成为新增量**。二季度腾讯的金融科技与企业服务收入达603亿元，并且同比增长9%。虽说这增速并非特别亮眼，但结构正在向好发展。伴随混元大模型与智能体应用落地，关于算力、MaaS以及API调用的商业需求已经大幅猛增。 三大主业全面提速，由此可见腾讯AI的应用已经初见成效，这也成为其敢于继续押注AI的底气所在。 **528亿资本开支：主业撑起一片天** 腾讯在人工智能研发方面，目前仍然在进行着大规模的研发投入。 **研发与资本开支双增，投入超市场预期**。二季度腾讯研发花费为273亿元，并且同比增长35%，资本开支达到528亿元，并且同比大幅增加176%，大大超出投资市场的预期。 腾讯在财报表示，这笔钱主要投入在人工智能算力的基础设施，以及大模型研发工作。若计算上一季度数据，腾讯上半年的资本开支约为847亿元，已经超过了去年全年的792 亿元，投资力度之大可见一斑。 ![](https://developer.qcloudimg.com/http-save/6110124/f1d8bd9034b114850550f3e1e26f7815.jpg) 腾讯二季度资本开支-来源：官方财报 **现金流存在暂时性压力，并非是基本面变差**。二季度腾讯的经营现金流为527亿元，但是在扣除资本开支付款后，公司的自由现金流则变为-138亿元，从这样的情况来看，形势不太乐观。 腾讯在财报之中解释称，排除了算力采购相关预付款项之后，公司的实际自由现金流为376亿元，目前的现金流压力只是阶段性的。 笔者推测，这很有可能是由于半导体涨价，腾讯在花大价钱提前锁定算卡订单。从前文的描述也能够看出，腾讯的主业经营并无问题。 **主营业务持续输血，全力支撑AI研发**。从盈利能力方面来看，今年二季度腾讯在非国际财务报告准则下（Non-IFRS）的经营利润为756.36亿元，并且同比增长9%。 倘若排除混元、元宝、CodeBuddy、WorkBuddy这些新型的AI类业务，二季度腾讯的经营利润就会相应地提升到861亿元，同时同比增长19%。 腾讯的基本盘还在强势增长，其二季度的资本开支为528亿元，马化腾这才有底气喊出了 “换船论”的口号。 **马化腾的“换船论”：从漏水旧船到AI新舰** 马化腾心中所想的，是依靠大规模的资本投入这一方式，利用人工智能去“重新进行打造”出一个全新的腾讯公司。 **“换船论”的本质，战略级的认知纠偏**。三个月前的股东大会上，马化腾坦言：“原来一年前以为上了船，后来发现那个船漏水了，赶紧换一艘船，现在感觉站上去了。” 这段话并非是马化腾的自我否定，而是他在承认失误之后，在认知方面进行了一次升级。在前几年的腾讯当中，人工智能仅仅被当作辅助性的技术工具，并非是公司的核心战略方向，直至发表“换船论”之后，马化腾才下定决心全身心投入人工智能领域。 **三层架构落地，AI“造船”的全新思路**。马化腾在财报中表示腾讯正在从智能、应用以及基础设施三层架构去搭建具有AI赋能的全新腾讯，这一规划目前已经初具雏形。 智能层的混元Hy3正式版上线后一周内的调用量较上一代增长超过六十八倍，并且根据OpenRouter平台近期的统计，该模型的词元消耗量当前排在全球前三。 应用层面方面，WorkBuddy的任务解决率从72%上升到90%，微信的AI助手“小微”也已经开启灰度测试；基础设施层面方面，二季度的资本开支所购置的不仅是算力，还有从预训练到强化学习的整套核心技术。 **“以用促研”，业务与技术开始双向奔赴**。不同于众多将大模型放置于实验室进行打磨的公司，腾讯的混元Hy3大模型接入了WorkBuddy、元宝这类真实产品，并且在实际生产场景当中开展训练。 产品与其结合使用的次数越多，大模型的迭代便会越快，最终反过来使产品的效率得以提升。腾讯在这场人工智能竞赛当中，实现了研发与业务不脱节的正向循环，这是很值得同行学习的思路。 **从投入到兑现：AI叙事进入验证阶段** 马化腾勾勒出人工智能的蓝图之后，腾讯集团接下来需要解决如何从投入期过渡到规模化回报期的问题。 **企业级AI产品跑通，原生SaaS路径清晰**。腾讯的WorkBuddy、CodeBuddy这类人工智能产品，目前已经在办公、编程等生产力场景中得以成功运行。第三方市场调研机构“易观分析”的数据显示，今年6月腾讯WorkBuddy的月度访问量超过2000万。 腾讯借助自身“Agent工厂”能力，将AI深度融入企业服务的工作流程之中。这便让人想到全球人工智能办公领域龙头企业Workday的成长历程，腾讯也在企业级软件服务市场（SaaS）也有类似的可能性。 **微信生态AI化，打开万亿级潜在市场**。微信生态目前已经开启人工智能化进程，原生的人工智能助手“小微”开始进行灰度测试，成为了一个极具想象空间的新变量。 未来每一个微信用户，或许均能够拥有其自身的专属智能体助手。在用户完成授权之后，智能体彼此之间有可能自行开展信息交互、交易撮合此类事务。 要知道微信生态拥有13亿用户，若成功做好AI化重构，便对应着一个全新的万亿级市场，此乃腾讯在AI业务的独特优势。 **AI能力乘云出海，或将复现国内模式**。本季度腾讯云的海外业务的扩张较为迅速，公司帮助印尼的头部电信运营商XLSMART完成了公有云服务迁移，同时将WorkBuddy、CodeBuddy等AI能力融入迁移流程。 未来腾讯能够完全依托海外的腾讯云服务，将国内成功验证的人工智能产品以及商业模式进行输出，如此便可以开拓全新的增长空间。 **结语** 雅典人曾争论一个问题：当忒修斯之船的每一块木板都被更换，它还是原来的船吗？ 马化腾给出的回应较为直接，船可以换但航向不能偏。 腾讯当下所做的事情，并非是给旧船进行刷漆的表面操作，而是去更换引擎、骨架以及底层的增长逻辑。混元大模型、WorkBuddy、微信AI助手等产品，就是腾讯这艘船的新龙骨。 腾讯是否还是原先的那个模样，外界其实并不在意，大家更为关注的是——它否能够成功靠岸。
2026-08-14
优秀的个人博客,低调大师

AI搜索排名优化-GEO系统优化全流程拆解

当用户向DeepSeek、豆包或Kimi提问“附近哪家餐厅口碑好”或“哪个品牌的护肤品适合敏感肌”时，AI引擎给出的答案往往直接决定用户的选择，对于依赖本地流量或搜索推荐的B2C品牌（餐饮、教育、美妆、健身、旅游、电商等），在AI搜索结果中被优先提及，已成为新的流量入口。但多数中小商户并不清楚AI引擎如何筛选答案，更不知道如何系统性地提升自己的被推荐概率。 GEO优化系统（Generative Engine Optimization）正是解决这一问题的实操方法，其核心逻辑是：AI引擎在生成回答时，会从全网内容中提取信息，并优先引用那些结构清晰、数据详实、与问题高度匹配的文本。因此，企业或商家需要做的是——让自家品牌的信息在这些维度上达到AI引擎的引用标准。 具体操作可分为四个步骤： 第一步，品牌监控。先要知道当前AI引擎如何描述你的品牌。以GEO这类优化系统为例，模拟6个中文AI引擎（DeepSeek、豆包、Kimi、通义千问、文心一言、元宝）搜索品牌关键词，记录品牌是否被提及、提及时的上下文情感。例如，一家连锁健身品牌可能发现，在豆包的回答中品牌被提及，而在Kimi的回答中则未被收录，这一步能快速定位差距。 第二步，关键词拓展。AI引擎的问题往往以口语化长尾词为主，比如“适合学生党的平价护肤品”而非“护肤品推荐”，通过工具拓展出50-100个与业务相关的长尾问题，再逐一分析每个问题下当前排名前三的答案来源，能明确内容缺口。 第三步，AI内容生产与多平台改写。*根据第二步的缺口，生成符合AI引擎偏好的内容——通常需要包含具体数据，如“服务覆盖12个城市，平均响应时间3分钟”、清晰的逻辑结构：问题-方案-结果、以及客观的第三方视角陈述。生产后的内容需针对不同平台，包括知乎、小红书、企业官网、行业垂直媒体等进行改写，因为各平台的内容权重和AI引擎的抓取偏好不同。例如，知乎的长答案更易被DeepSeek引用，而小红书的图文笔记则对豆包影响更大。 第四步，GEO诊断与定时巡检。发布内容后，需要定期重新运行品牌监控，观察提及率是否上升、情感倾向是否有变化。IX GEO的定时巡检功能会自动生成结构化报告，标注哪些内容被AI引擎采纳、哪些页面权重不足，并给出修改建议。例如，某教育机构通过巡检发现，其官网FAQ页面的课程退费规则被Kimi引用，但师资介绍部分未被识别，原因是该部分缺乏结构化表格。 关键细节在于：AI引擎的算法持续迭代，今天有效的内容结构可能几天后就失效了，因此持续监控比一次性优化更重要。另外，GEO优化并非只适用于大品牌——中小商家反而更容易通过精准的长尾关键词获得高排名，因为大品牌在AI答案中往往被泛化提及，而中小商家可以通过回答“具体场景下的具体问题”建立差异化认知。 对于GEO优化系统到底值不值得用这类问题，我的看法是：它本质上是把原本需要人工完成的监控、诊断、内容生产流程自动化，但工具只能辅助决策，最终效果仍取决于品牌自身的内容质量和更新频率，如果能坚持每周产出2-3篇高质量回答，并配合监控数据调整策略，通常几天能看到明显变化。 需要说明的是，GEO优化存在边界——它无法改变品牌已有的负面事实，也无法在短时间内超越那些已被AI引擎长期信任的权威来源，如Z府网站、权威媒体。它的价值在于，当品牌本身具备竞争力时，帮助其被更多AI引擎发现。 【常见问题】 Q:主流GEO系统应该覆盖哪些AI搜索引擎？ A:优秀的GEO应该覆盖DeepSeek、豆包、Kimi、通义千问、文心一言、元宝6个主流AI引擎，用户可在同一后台查看各引擎对品牌关键词的提及情况与情感倾向。 Q:GEO诊断具体能发现什么问题？ A:GEO诊断会模拟6个AI引擎搜索品牌关键词，分析品牌是否被提及、提及时的上下文情感，并对比竞品的被提及频率。例如，可发现品牌在Kimi中未被收录，或在豆包中被关联到负面评论。 Q:GEO优化多久能看到效果？ A:效果取决于内容产出频率和优化力度，通常持续每周更新2-3篇高质量回答，并结合监控数据调整，短则几天便可见提及率的明显变化。 Q:GEO适合哪些行业？ A:主要适合依赖本地流量或搜索推荐的B2C品牌，如餐饮、教育、美妆、健身、旅游、电商等行业，尤其适合缺乏专职SEO团队的中小商家。
2026-08-12

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

时间: 2026-10-18 大小: 211.28KB 下载: 56次
腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

时间: 2026-08-21 大小: 1MB 下载: 10次
Spring

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

时间: 2026-08-21 大小: 5MB 下载: 2次
Rocky Linux

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

时间: 2026-08-21 大小: 1.42GB 下载: 6次
热门标签
DeepSeek Jdk25 OpenAi HarmonyOS6 Nacos3 SpringBoot4 SpringCloud Docker Kubernetes Service Mesh Redis Gemini3 Rocky

欢迎您来访！

登录后，您将获得更多功能！
热门文章
联系我们

有任何问题或合作意向欢迎联系我们

Email: 99873273@qq.com

QQ: 99873273

用户登录
用户注册