1 上传 image 1.1 基本门槛： 条件 说明 Docker Hub 账号 免费注册：https://hub.docker.com 本地安装好 Docker 有 docker build、docker login、docker push 能力 镜像命名规范 必须以 username/image-name[:tag] 命名 镜像体积 < 10GB 单个镜像最大 10GB（一般不会这么大） 1.2 上传步骤 请保证能连接外网 12345678# 1. 登录 Docker Hub，此时会引导网页登录docker login# 2. 为镜像打上标签（必须带用户名）docker tag local-image-name username/image-name:tag# 3. 上传docker push username/image-name:tag 注意：不要把自己的密码打包到 docker image 中 ### 1.3 小技巧 取名时建议遵循小写、短横线分隔，比如：mycompany/my-awesome-api:latest lates ...

一个时代的缩影：十几年前，百万大军坐火车进疆摘棉；今天，一台“下蛋机”三小时就能完成十个人两个月的工作。这并不是什么遥远的历史，而是此刻仍在我们眼前发生的转变。 这二三十年中，我大概去过三四次新疆，都在秋天。从看到棉田里人们的忙碌劳作，到几十公里棉田里空无一人，过半天看见一个下蛋机都不知道这是啥，真的是一种沧海桑田变换的震撼。人在天地之间到底是一种怎样的存在？ 看完这些觉得，某天机器人给我送外卖，大街上跑的都是无人驾驶、无人机也一点都不新鲜。 前两天去阿勒泰，路过北疆大片的棉花地，第一次看到“下蛋机”。查了资料才知道，如今新疆采棉已高度机械化：2019年机采率已达40%，北疆更是达到90%，人工采摘只存在于特殊地块和小规模种植中。这不仅是劳动的替代，也是产业链的重构。 十几年前来新疆时，在火车上听人说：每到秋天，火车一车皮一车皮把中西部的农民送到新疆收棉花，当时每年要用上百万劳动力。也给低收入人群提供了短期高收入机会。那时在四川、河南种地一年收入也就几千块，而来新疆摘棉花不仅工资高，有的还包吃包住、报销路费。采棉并不轻松，按公斤计件，工人也分生手和熟手，效率和质量差距很大。单价从 ...

1 改变 swap 文件大小 12345678swapon --showsudo swapoff /swap.imgsudo rm /swap.imgsudo fallocate -l 4G /swap.imgsudo chmod 600 /swap.imgsudo mkswap /swap.imgsudo swapon /swap.imgswapon --show 2 清理磁盘 12sudo journalctl --vacuum-time=7dsudo snap list --all | awk '/disabled/{print $1, $2}' | while read snapname revision; do sudo snap remove "$snapname" --revision="$revision"; done

1234567英文名称：A Two‑Stage Framework for Stock Price Prediction: LLM‑Based Forecasting with Risk‑Aware PPO Adjustment 中文名称：两阶段框架的股票价格预测：基于大型语言模型及风险感知PPO调整 链接: https://www.scirp.org/journal/paperinformation?paperid=142270#T3作者: Chenzhao Qizhao 机构: 兵库县立大学（University of Hyogo，日本） 出处：Journal of Computer and Communications（第 13 卷第 4 期）日期：2025‑04 摘要 目标：提出一个结合 LLM 与风险感知 PPO 的框架，提升股票价格预测准确性并控制风险。 方法：第一阶段由 LLM 生成基于历史数据与新闻情绪的预测，第二阶段由强化学习 PPO 利用 VaR/CVaR 等风险指标调整预测输出。 结论：该 LLM‑PPO 框架在预测准确性与风险敏感性上均优于传统模型，为 ...

123456英文名称：Stock Price Trend Prediction using Emotion Analysis of Financial Headlines with Distilled LLM Model 中文名称：利用蒸馏大型语言模型对财务新闻标题情绪分析以预测股价趋势 链接: https://dl.acm.org/doi/pdf/10.1145/3652037.3652076作者: Rithesh H. Bhat, Bhanu Jain 机构: University of Texas at Arlington 日期：2024‑06‑26 摘要 目标：探讨仅通过财务新闻标题中的情绪分析是否能够在无财务数据情况下预测股票价格趋势。 方法：使用轻量蒸馏大型语言模型分析财务新闻标题的情绪，再结合多种机器学习分类算法预测次日股价方向。 结论：基于新闻标题情绪的特征预测准确性可与使用传统财务数据的模型相当，不依赖抓取公司财务数据亦可有效预测股价走势。 读后感 内容简洁明了，各种具体的实现方法不仅清晰而且易于执行。惊喜的是，这里提到可以从 Kaggle 上下载 2 ...

12345678英文名称：Dumb Money: Mutual Fund Flows and the Cross‑Section of Stock Returns 中文名称：愚蠢资金：共同基金资金流与股票横截面回报 链接: https://www.sciencedirect.com/science/article/abs/pii/S0304405X08000184作者: Andrea Frazzini, Owen A. Lamont 机构: Frazzini (AQR/NYU Stern), Lamont (Univ. of Chicago) 出处：Journal of Financial Economics日期：2008-05-01 引文数量：283 摘要 目标：研究散户通过共同基金的资金流行为是否能预测不同股票未来表现，从而检验“追涨资金是否是‘愚蠢钱’”。 方法：利用 1971–1999 年共同基金资金流数据，将股票按资金流入强度分组，实证分析净申购金额与未来回报的横截面关系。 结论：资金流入最多的股票未来回报显著偏低，说明散户因追随高申购业绩而集体买入热门股，反而降 ...

1 国外数据 股票_国外数据_API 2 国内数据 股票_国内数据_API 3 框架工具 股票框架_总览 4 大模型获取数据 股票_大模型获取数据 6 引子 做完一个基金交易量预测比赛，看了些相关论文，激发了我对“AI 如何辅助个人投资”的兴趣。我不打算开发完整系统，更关心如何用现有工具提升日常操作效率和判断力。想借此整理想法，把零散的技术灵感转为实际可用的思路，找出性价比高、对自己有帮助的做法。也当作一次练习：如何把新技术变成自己的能力。 7 我当前面临的问题是什么？ 7.1 问题 盯盘太耗时 关注的标的太多，有时候会错过异动，或者忘了设置止损，有时看价不看量 感觉信息太多但不知道该看哪一块（尤其是文字多时） 买入点通常还行，卖点识别困难，容易亏回去，需要具体的操作建议 一些判断其实挺主观的，受情绪干扰也比较大 知识无法沉淀和反馈，缺乏行为归因 工具多但零散，思考断点多 7.2 我想改善什么 节省时间（信息处理） 改善判断（认知增强） 降低情绪干扰（行为纠偏） 沉淀策略、经验和数据（能力提升） 它是我的扩展，而不是完全的第三方。 ## 8 当前工具提供的新能力？ 8.1 帮我 ...

1 源码分析 |400 标准版：https://github.com/TauricResearch/TradingAgents，18.2K star（2 个月前更新） 为简化内容，本文仅介绍标准版。 中文加强版：https://github.com/hsliuping/TradingAgents-CN，4.7K star（一周前更新） 针对 A 股信息源进行调整 加强了新闻功能的使用 加强了 Docker 部署部分 Streamlit 界面 基于国内模型优化 1.1 数据来源 用法见：金融_工具_总览 1.2 模型 实验中使用 o1-preview 和 gpt-4o 分别作为深度思考与快速思考的大语言模型。但测试时建议使用 o4-mini 和 gpt-4.1-mini 以节省成本，框架会发起大量 API 调用。 1.3 代码 概览：该项目由 Python 语言编写，代码 3500+ 行，分为三个主要部分： agent：定义了每个组和组内各成员的功能及实现，请参见具体 Prompt。 dataflow：实现各种工具功能，如新闻抓取、信息和数据采集，以及指标计算。 gr ...

读后感 最近在看行为心理学，很大的收获是：让想做的事变容易，让懒变成一种助力。 《福格行为模型》主要讲通过行为设计培养习惯。这本书对我最大的意义在于，我开始使用一些方法：把内容串联起来，比如创建索引和说明文档，以及整理信息。比如： 把能让我放松、调整状态的视频都放在一个文件夹内。 把看了一半的视频归类到一个文件夹内。 将录制和编辑视频的流程以及相关文档链接汇集到一个文档里，这样就不会每隔几个月重录时又从头开始寻找。 整理出常用的 prompt，并把它们放在一起。 这样不仅方便了许多，还能让一些细碎复杂且需要反复操作的事务节省大量脑力。原来我对这类事情的认知是：做得多了自然就会记住，不用刻意去记。但实际上，两次操作之间可能会间隔很长时间，过程和细节可能过于复杂，很容易漏掉，随便一记，想找的时候却找不到了。 之前我一直以为，目标感和意志力是最重要的，只要你想做，就没有什么做不成的。然而，在成年人的世界里，事情千头万绪，并不能将每件事都排在很高的优先级上。遇到稍微困难一点、不够迫切的任务，常常会选择往后放，最后就不了了之了。这本书最核心的观点是：找到方法，让行动变得“容易”。 另外，这里 ...

1 简介 比赛 AFAC2025挑战组-赛题一：基金产品的长周期申购和赎回预测 提供了自 2024-04-08 以来 20 支基金的申购和赎回数据，以及对应几个界面的曝光量，比赛的目标是预测未来七天的交易量。 比赛地址：https://tianchi.aliyun.com/competition/entrance/532352/ 官方数据下载地址：https://github.com/AFAC-2025/AFAC2025_train_data 本文将探讨面对未知领域数据的分析方法及对该领域的理解过程，力求结合常识与数据进行解读。 下面，先来看一下基金类型的分布情况，然后分析两个典型数据，一个偏股型基金和一个偏债型基金，为每支基金画个像。 （以下基金相关信息来源于大模型，可能不完全准确） 2 基金类型分布 比赛提供的数据虽然只有 20 支基金，但包含了 10 种不同类型，如下图所示。这些类型包括长债、短债、DQII、军工、科技、煤炭和新能源汽车等，每种类型的数据量并不多，时间跨度也较短，知识迁移可能受限。 从行业逻辑上来看，可以简单地分为偏股和偏债两种类型。偏债类型类似银行存款，波动 ...