三、本策略思路 1.当股票突破上界（Buyline），则认为该股票今天有较大行情，买入该股票。 2.当股价两天内下跌6%，或者三天内下跌8%则卖出股票。 3.根据大盘止损，如果大盘下跌超过3%则空仓。 https://www.ricequant.com/community/topic/392/ 止损策略目录（股票） [鳄鱼原则] 该法则源于鳄鱼的吞噬方式：猎物越试图挣扎，鳄鱼的收获越多。假定一只鳄鱼咬住你的脚，如果你用手臂试图挣脱脚，则它的嘴巴便会同时咬你的脚与手 臂。你越挣扎，便陷得越深。所以，万一鳄鱼咬住你的脚，务必记住：你惟一的生存机会便是牺牲一只脚。 所以当在市场交易时发现与市场背离的情况，或者当亏损到一定地步，已经不可能扭转局势的时候，就应该立刻清仓，避免造成更大的损失。 回撤止损 这种方式主要是在初始化时设定回撤的阈值，通过计算出现在的回撤，并且与阈值对比； 如果现在的回撤>规定的阈值，则卖出该股票。 这种方法在股灾和熔断两种情况下都适用。 具体介绍：https://www.ricequant.com/community/topic/3822/ 阶梯止损（采用动态的止损价格） 这种止损方式的特点在于其止损价格是变动的 如果市价<止损价格，则卖出股票； 这种止损方式比较适用于熔断暴跌的时候。 具体介绍：https://www.ricequant.com/community/topic/3826/ 时间&收益率止损 这种止损方式同时考虑了时间和收益率两个因素 如果某股票的持有天数已经超过时间阈值并且回报还小于收益率阈值，则卖出该股票。 这种方式比较适用于股灾暴跌时期

【Python量化交易】——1、封装交易所API 在刚刚过去的一个星期里，博主一直在捣鼓 Python量化交易 的内容。在写这篇文章的时候已经用python实现网格法自动交易的功能，其次也成功将脚本部署到服务器自动运行，另外又用 flask模块 完成 WebAPI 的封装，实现了交易状况的 实时监控 。接下来的几篇文章里我将逐一介绍我是如何不断掉坑以及爬坑的艰辛历程， 感兴趣的小伙伴们不要错过~ 个人博客地址：ht/tps://www.asyu17.cn/ 传送门 【Python量化交易】——1、封装交易所API 【Python量化交易】——2、利用python实现网格法交易策略以及回测 【P

该练习将 -1 和 +1 之间的语音电平间隔划分为 2B 个均匀间隔（对于均匀量化器）和 2B 个伪对数间隔（对于 mu-law 量化器）。 每个量化间隔的确切位置取决于量化使用的是中间上升间隔还是中间踏步间隔，还取决于量化是使用舍入和饱和间隔，还是截断和饱和间隔。 文件“5.2 Quantizer.pdf”提供了本练习的用户指南。

程序详情 采样 读取语音文件 ，以正常频率（wavread，sound）播放声音。 确定样本总数、每个样本的位数和语音剪辑的采样频率。 采样语音序列替代值并以一半的频率播放（即保持播放时间相同）。 对语音序列每四个值进行并以四分之一的频率播放（即保持播放时间相同）。 对语音序列每八分之一进行并以四分之一的频率播放（即保持播放时间相同）。 对其他声音文件和重复第 1、2 和 3。 量化 读取语音文件 ，以正常频率（wavread，sound）播放声音。 使用均匀量化将语音样本量化为 64 级，并以正常频率播放声音。 使用 µ 律压扩器将语音样本量化为 64 个级别，其中 µ 的值也设置为量化级别的数量。 以正常频率播放量化的声波。 对声音文件和重复第 1、2 和 3。 使用 32 和 16 个级别重复第 1、2、3 和 4 部分。 写上去 评论语音和音频文件在不同采样率下播

提出了一种DCT域量化索引调制水印算法.水印嵌入在经过像素置换的相邻图像块DCT系数的差值上,根据二值水印的信息位对该差值进行正/负调制,从而实现水印的嵌入.为了平衡不可见性和鲁棒性的要求,根据人类视觉系统的掩蔽特性及图像局部特征对不同嵌入点的嵌入强度进行自适应调整,在确保视觉质量的前提下,得到良好的水印性能.实验结果显示该算法对各种常见图像处理具有良好的鲁棒性.

AlexNet上的两步量化 这是的演示。 用法： 将源文件复制到caffe的目录中，然后构建caffe。 下载。 ./build/tools/caffe test -model test_2_ternary.prototxt -weights caffe_2_ternary.caffemodel -iterations 1000 -gpu 0

Dual Thrust是一个趋势跟踪系统，由Michael Chalek在20世纪80年代开发，曾被Future Thruth杂志评为最赚钱的策略之一。本策略回测收益率24.14%，最大回撤20.65%，夏普比率1.99

“本书之所以成为永恒的经典，是因为它的每一次再版都不仅仅是更新补充，而是一次全面的修订，对这个激动人心且快速变化领域给出了最及时的信息和最独到的解读。再次阅读本书仍自觉学无止境,感佩于两位卓越大师的渊博学识和深厚功底。”现今计算机界处于变革之中：移动客户端和云计算正在成为驱动程序设计和硬件创新的主流范型。因此在这个最新版中，作者考虑到这个巨大的变化，重点关注了新的平台（个人移动设备和仓库级计算机）和新的体系结构（多核和GPU），不仅介绍了移动计算和云计算等新内容，还讨论了成本、性能、功耗、可靠性等设计要素。每章都有两个真实例子，一个来源于手机，另一个来源于数据中心，以反映计算机界正在发生的革命性变革。

图2．1 单通道幅度量化DRFM的结构原理 图2．1所示为简化了的单通道幅度量化DRFM的结构原理框图，它由下变 频部分、中频部分和上变频部分组成。根据粗测接收信号的频率调谐本振螂(叻， 使输入信号与本振信号混频后位于中频基带信号(腰)内，然后经过低通滤波器 (或带通滤波器)滤除混频产生的谐波信号；基带信号经A／D转换器量化和采 样转化为数字比特流，该数字信号存入存储器后，可对信号进行分析、变换；需 要复制并加以干扰调制输出时，从存储器中读出所存储的数据比特流对其进行必 要的幅相调制，然后经过D／A转换，再经过低通(或带通)滤波器滤除掉高次 分量后将其还原为中频基带信号；该中频信号与本振信号混频后，经过带通滤波 器输出。为了保证对原始信号复现的精确性，要求上变频和下变频使用同一本振。 对DRFM的各种工作方式的选择，可通过控制器产生相应的控制命令，以 完成各种不同的应用要求。为实现对宽带射频信号的数字存储，DRFM的采样速 率为纳秒级或更短。当DRFM中的存储器和外部(或内部)计算机连接时，还

stock 简易的股票量化交易系统