CraftDeadMRC

一般，以前说是大牛不少但后续退了很多。如果真的是投资而不是投机的话知乎、微信公众号应该更适合，一些机构会定期出些研报，虽然详细的细节不会公开，个人很难精确复刻，但是从中学习一部分思想没问题。如果能进一步接受更大信息量的话可以看 aastock 、macromicro ，联系国际市场比较好，因为现在量化过于兴盛以至于有点弱有效市场假说的情况了，单一视角看的话很难更上了，就比如今日火箭回收，下午开盘瞬间航天类个股大批量涨停，而结束时大批量抛盘，事件是发生在中午的，t+1 是套牢的，比不来速度和资格就乘着大趋势的风也行。

@qwei 可以这么说，毕竟面向的用户群体就不同，私募的合格投资者认证我记得以前说是 100 万，但是据说现在但凡稍微能赚点的产品起投都 300 万，所以可以说 300 万也没问题。然后就是最重要的是很多私募产品或者个别公募产品会选择封闭期，也即你投的钱几个月甚至一年里你不能赎回，因为用户随便赎回会导致他们的策略可能因为资金池变动出现异常，这对公募的影响很大，所以有不少公募尤其是 QDII 这些本身外汇会有大量换汇问题导致磨损，基民大多数会说“偷吃”（好吧，的确有这种可能，不过磨损也确实不少），而这种情况不止亏的是基民，同时基金自己也可能亏。

保命：我也不是行业相关人员，但是加过一个里面有从业人员的群，相对可信度高点。
自建的绝大多数是中低频，加密货币倒是可以高频，因为很多人自建的可能连台正经服务器都不是，就以我自己存的 3 秒 5 档切片为例一日 A 股 5000 多个股的数据在 300 万条左右（如果真想卷加密货币高频，我可以举个例子，okx btcusdt 一日订单簿毫秒级对齐的数据是 830 万条，虽然这个分时期），而现在高频越来越卷，不过似乎有很多分歧，有的看日内换手，有的就认为起码要用到秒频因子，我也不是行业人员不清楚是否有统一标准，但很显然自建是绝对够不到边的，因为光是开高速柜台就要几十万到一百来万。
现在量价这块已经被大公司和个别隐藏大佬挖透了，所以所谓价格行为学、各种花里胡哨的理论本质都是对过往特例进行人肉拟合，准确率不稳定，对于普通人其实看长期就行（ A 股不一定），要知道看广金还是哪个的研报里面好的 l2 因子的准确率也才到了 80%左右，他们已经算是业界比较顶的了，再往上的数据复杂程度人脑是跟不上的。
然后关于基金，分公募、私募，私募其实就是老外的对冲基金，只是国内对做空打的比较严所以就叫私募，用一个便于理解但不一定准确的例子就是对于这些高净值用户，很多时候他们的目的就是为了跟上市场，做到至少自己的资金不贬值，有一定超额则更好，所以你能买到的产品很多情况下都一般般，因为但凡回撤大一点，用户能找你拼命（
公募更坑爹的一点是他们有明确的政治任务，不允许空仓，还要抓风格飘移，在特殊局势下还要去救市或者帮国家队退潮，而私募因为交易不公开所以他们可以空仓（仅是可以，更多情况会用货币基金或者国债当空仓）。
公募量化里也有不少优秀的，国*以及我最近发现的银*（避免荐股嫌疑，虽然有一个字其实也就能搜到……）近一年也有 40%+，虽然个别美股量化有 90%，以及纯持仓通信或半导体都超过 100%，但已经不错了而且长期来看质量还行。
（当然还是比不过优秀的私募产品，就今年为止有个别期货类的甚至超过 100%，不过我看了似乎是主观的，也有些盈利不高的）

想不通买啥就找一些行业分布比较均匀的量化基金吧，指数里头部分股之间相关性太高了实际上并没有分摊风险。

很久前就有了，你去聚宽搜搅屎棍，还有很多延申。归因的话很简单，就是指数重仓的都是固定一批，要拉起来这一批得用更多钱，那些钱就要从别处吸导致这种情况，其实看沪深 300 有关 etf 的份额变化也有一定趋势，就是更长更久（今年略有点失效，因为众所周知的科技大抱团，以及严重基金风格飘移，有一点不听话所以最近开始查了……）

@goodryb qwen-image 是 20b 的，而且文生图的模型计算瓶颈较大，如果 offload 比较多很影响性能。z-image-turbo 相对低要求

50 系有个优势是 fp4 tensor 加速，也就是说 qwen-image 20b fp4 可以来到 10G 左右，z-image-turbo 还是略逊一点，当然在意精度的话就选后者高精度（ fp8 起，其实我还发现 fp8 对比 fp16 下降也挺惊人）。GGUF 都要反量化，速度不一定喜人，不过精度会高一点

正如前面的佬们提到的，回测的话很多指标都需要往前时间段的数据，GPU 效果没有 CPU 好
（我不是专业的，只是恰好最近爬了币安全部分钟数据库随便测测一些策略玩，如果不对那就当我没说）

5060 的显存太小了吧，MoE 的话应该也只能到 Qwen3-Next-80B-A3B 的样子，然后这样还会有消费级内存带宽。不过个人使用的话其实本地只用跑 embedded 模型和 reranker 模型对上下文检索就行，然后 api 接 gemini 或者别的模型，要不然长上下文会很蛋疼