金融资产定价模型 Asset Pricing Model (Firm Value, Share, Bond)
· 3 min read
企业价值 Firm Value
企业价值公式
- ：公司权益的市场价值
- ：公司债务的市场价值
- ：公司的总价值（权益 + 债务）
- ：权益成本（如 CAPM 计算得出的股权回报率）
- ：债务成本（借贷利率）
- ：企业所得税率
两个最近碰到棘手的技术问题
· One min read
问题一: Python 环境无法退出
碰到个很棘手的问题，vsc 里面，我创建了 python venv, 启动后，我把 venv 删掉了，导致无法正常退出 之前删除的 venv。
实践-利用 GitHub 生态系统进行开发-训练模型
· 8 min read
关键术语
- Codespaces- 由 GitHub 托管的基于云的一次性开发环境。提供可重现性和自定义功能。
- 可重复性--可靠地重新创建环境并获得相同结果的能力。代码空间通过容器确保了这一点。
- 容器映像（Container Image）- 一种轻量级、独立、可执行的软件包，允许代码跨环境快速、可靠地运行。
- GPU- 利用专用硬件加速机器学习模型构建/训练的图形处理单元。
- Copilot- GitHub 的人工智能配对程序员，可在开发人员输入代码时向其推荐代码和整个函数。
- 持续集成（Continuous Integration）- 通过自动构建和测试流程，频繁合并代码变更并验证每项变更的开发实践。
- 持续交付（Continuous Delivery）--软件方法论，团队可通过自动部署快速、可靠、可持续地向用户发布新变更。
云开发人员工作区
SSD: Solid State Drive
使用管道进行数据运维
· 3 min read
关键术语
- AWS Step Functions- 一种无服务器协调服务，可让您使用可视化工作流协调分布式应用程序和微服务的组件。
- AWS Batch- 一种托管计算服务，可在 AWS 上调度和运行任何规模的批量计算工作负载。自动提供资源。
- AWS Glue- 无服务器 ETL 和数据集成服务，可为分析和机器学习准备和转换数据。
- ETL 管道- 从数据源提取数据、处理/清理数据并将其加载到目标数据库或数据仓库的提取、转换和加载管道。
- 无服务器管道 - 使用 Lambda、Glue、Batch 和 Step Functions 等云服务来构建可自动管理基础设施的数据管道。
- DataOps- 协作数据管理实践，侧重于通过自动化基础设施提高数据交付的质量和速度。
风险管理（Risk Management）常用术语（中英对照）
· 5 min read
以下是金融风险管理领域的核心术语，涵盖市场风险、信用风险、操作风险、流动性风险等场景，按类别分类整理：
1. 市场风险（Market Risk）
| 英文 | 中文 | 说明 |
|---|---|---|
| Value at Risk (VaR) | 风险价值 | 在特定置信水平（如 95%）下的最大潜在损失。 |
| Expected Shortfall (ES/CVaR) | 预期短缺/条件风险价值 | 超过 VaR 阈值的平均损失（衡量极端风险）。 |
| Greeks (Delta, Gamma, Vega, etc.) | 希腊字母（Delta、Gamma、Vega 等） | 衡量衍生品价格对市场因素的敏感性（如 Delta=期权价格对标的资产价格的敏感度）。 |
| Stress Testing | 压力测试 | 模拟极端市场情景（如金融危机）对投资组合的影响。 |
| Backtesting | 回测 | 用历史数据验证风险模型（如 VaR）的准确性。 |
| Monte Carlo Simulation | 蒙特卡洛模拟 | 通过随机生成路径模拟未来市场情景（用于复杂衍生品定价和风险管理）。 |
| Historical Simulation | 历史模拟法 | 基于历史数据计算风险指标（如 VaR）。 |
| Volatility Clustering | 波动率聚集 | 金融时间序列中高波动率常伴随高波动率的现象（GARCH 模型捕捉此特性）。 |
Quantitative Finance（量化金融）核心术语（中英对照）
· 4 min read
以下是量化金融领域的关键术语，涵盖资产定价、算法交易、风险管理、衍生品模型等场景，按类别分类整理：
1. 资产定价（Asset Pricing）
| 英文 | 中文 | 说明 |
|---|---|---|
| Arbitrage Pricing Theory (APT) | 套利定价理论 | 基于多因子解释资产收益率的模型（比 CAPM 更灵活）。 |
| Capital Asset Pricing Model (CAPM) | 资本资产定价模型 | 描述资产预期收益率与市场风险（β）的关系：。 |
| Fama-French Three-Factor Model | 法玛-弗伦奇三因子模型 | 扩展 CAPM，加入市值（SMB）和价值（HML）因子。 |
| Carhart Four-Factor Model | 卡哈特四因子模型 | 在三因子基础上加入动量因子（MOM）。 |
| Risk-Neutral Pricing | 风险中性定价 | 衍生品定价中假设投资者风险中性，用无风险利率折现预期收益。 |
| Stochastic Discount Factor (SDF) | 随机贴现因子 | 将未来现金流折现到当前的一般化定价框架。 |
数据科学-优化、启发式和模拟
· 2 min read
- 启发式--一种实际解决问题的方法，不能保证最优，但足以达到直接目标。
- 贪婪算法（Greedy Algorithm）--一种遵循启发式的算法，在每个阶段做出局部最优选择，希望找到全局最优。
- 旅行推销员问题 (Traveling Salesman Problem, TSP)- 一个经典的计算机科学优化问题，涉及寻找访问列表中每个城市一次的最短路线。
- 仿真--用数学模型模仿现实世界中一段时间内的过程，以研究系统行为和性能。
- 大数法则- 概率模拟中样本量越大，越能揭示真实的基本统计分布的原理。
- 实验跟踪- MLOps 跟踪机器学习实验迭代中性能等关键指标的实践。
机器学习和人工智能实践
· 2 min read
关键术语
- 监督学习（Supervised Learning）--一种使用标注的历史数据来训练模型以预测未标注的未来数据的机器学习方法。
- 无监督学习（Unsupervised Learning）--一种在无标签数据中发现隐藏模式和关系的机器学习方法。
- 聚类- 一种无监督学习技术，根据相似性对数据点进行分组，并将其分配到聚类中。
- K-均值聚类 - 一种流行的聚类算法，通过计算分配给某个聚类的所有数据点的均值，将数据划分为 k 个聚类。
- 诊断- 肘部图、轮廓分析和距离图等可视化工具，用于评估和调整聚类模型的性能。
- 并行化- 在多个 CPU 内核上同时运行 k-means 等聚类计算，以提高性能。
监督学习和无监督学习
监督学习你需要知道数据的 label
- 股票问题: 通过过去确定性的交易价格数据来预测股票价格
- 房价计算问题
无监督学习则是你不知道数据的 label，尝试发现 label 来找到新事物得出新结论
- 分析事物之间的关系
- 聚类问题: 分析用户类型
微服务关键概念
· 3 min read
关键术语
- 微服务（Microservice）- 封装的、可重复使用的逻辑，可部署到生产环境中。
- 持续集成（CI）--经常将代码变更合并到共享存储库中，并自动构建和测试变更以尽早发现问题的做法。
- 持续交付（Continuous Delivery）--一种开发实践，可通过自动部署随时可靠地发布增量软件变更。
- 端到端 MLOps- 通过 Hugging Face Spaces 等平台，实现从模型开发到部署和托管的机器学习生命周期的完全自动化。
- AWS App Runner - 用于部署容器化网络服务和 API 的完全托管服务。
- Flask- 一种流行的轻量级 Python 网络应用程序框架。
- Makefile- 包含一组用于自动构建和管理项目的指令的文件。
- Requirements File - 包含应用程序使用的 Python 软件包依赖关系列表的文本文件。
运行微服务
实践-端对端 MLOps Huggingface spaces
· 2 min read
