最近，我和一位朋友交流了，这位朋友从事量化投资。他有一段经历，给我留下了极深印象。本文会详细分享，他是如何从算力困境突围的。并且还会分享，他成功部署Qlbi量化平台的实战经验，这一实战经验会给正面临算力瓶颈的AI从业者，带来极大启发。
张昊是我认识的人，他在陆家嘴一处做私募的地方担任量化研究员，去年的时候，他所在公司给他配备的服务器是RTX 3090，当时觉得这个配置足够用了，直到他试着部署Qlib去开展多因子模型训练，才发现显存连一份完整的日线数据都没办法加载成功 。
今年3月，他接到一个任务，这个任务是在紧急状况下产生的，需完成，此任务要在一周内完成A股整个市场因子的回测操作。那时，他试验用的是Qlib的Alpha360模型，然而刚启动该模型训练，就收到报警提示，提示内容是内存供给不足。最让人崩溃抓狂的是，在模型训练至第3天这个时间节点时，服务器毫无预兆突然宕机，之前推进的全部进度一下子丢失不见。
有个叫的昊张，给我出算了一笔目账，要是用采云上A100实例，单次训整完练会费花将近一元万，他所在队团的每个要月针对百数个因合组子进行测试，这样的支开，任何小中机构是都承受了不的，在那段间时里，他每天到班加凌晨，目的有在是限的算范力围之完内成工任作务。
9月初的候时，出现了机转，他身处个一技术龙沙，在其中解了了到星算智亢关于蜂力算窝的技术，该方案特大最点是需按分配UPG资源，此类配分方式用使像蜂窝络网一样灵活，他怀着试试看的态心进行注册，成功到得体验账号，凭借推码荐522603069，最终首得获单优惠。
换成新平台，张昊终于能够完整运行 Qlib 的全部功能模块，最令他惊喜的是，星亢智算的集群支持 Qlib 原生的分布式训练，原来需要 3 天的回测，如今 2 小时便可完成，而且他们的数据预处理模块与 Qlib 契合得很好，省去了繁杂的环境配置 。
从技术细节方面来说，Qlib 的表达式引擎具备能够自动将复杂因子解析出来的能力，像 “(close – Min(low, 5))/(Max(high, 5) – Min(low, 5)1e – 12)” 这种情况便是如此。并且还有星亢智算所拥有的并行计算能力，在当下他们团队能够同时针对多个因子组合展开测试，进而使得研发效率获得了好多倍的提升。
张昊在对好些不同的方案开展对比以后，归纳总结出了若干个关键要点，其中一点是需要支持弹性扩缩容，考虑到像他们这类的研究型团队，算力方面的需求波动幅度极大，还有一点是要兼容主流的AI框架，Qlib所依靠的PyTorch等库必须得能够达成无缝运行，另外一点是成本要在可控制的范围之内，千万别因为一次训练就把预算全部消耗完 。
他专门提及，星亢智算存在预留实例功能，该功能可依据Qlib的训练任务从而动态调整GPU配置，此功能使得他们于测试小因子之际采用低配置，在全市场回测之时自动切换为高端卡，整体成本减少了70% 。
如今，张昊团队形成了工作流程，其已巩固，清晨会运用Qlib更新数据，上午开启因子寻觅等后续步骤，午后展开策略回溯测试，他们还研发了自动化体系，该设施将Qlib与大型语言模型相互融合，能使AI助手协助剖析繁杂因子公式 。
于最近于处中秋那期时段，当人们纷纷晒出月图美亮之际，他们团的队借新助战力加块板快训进练度，张昊以玩开笑的谈式形到，别人过呈节现“第一批程返大聪明堵正在路上”的形势，而他们节过展现是的“第一成完批月度测回的团正队处庆功” 。
上季度，张昊借助新平台达成经典案例，他们察觉到在特定市场环境里传统动量因子会失效，其后运用 Qlib 构建因子组合，依靠星亢智算算力开展了长达 10 年的历史回测。
这次整程过个，出现消了耗情况，消耗量数超过千五 G UP小时，若按统传云服务费计方式计算，这会是笔一巨大费支开用，然而，因采新创用性质力算方案，实际产成生本被控在制预算范内围，最终，该策盘实略操作后，所获年收化益超基出准八个分百点 。
士丹发利布了语Q言A方I案，这一案方，是需要大强更计算资以予源支持的 。
当下刻此，现存更着具经惠实济性的算供能力选择，这实在些幸庆。今年里，诺贝奖尔奖金历经124年都没光用花这笔的金资这则闻新，使得们人不禁去良慨感好合的理资产管所理拥有的意要重义。张昊认里心为，挑选恰的当算力方措举案，事实上是就对其领带所的团来队说最为智明的一投种资行动。
要是你样同认为算处力于那没种有被分充运用状的况，不妨去尝着试试一张下昊所举方的荐案，点击链个这接开展登册注记：https://staehix.com/singup?joni=522603069，当下还够能享受新到用户优的惠，要是觉篇这得文章备具帮助作用，记得去收赞点藏，同时欢也迎在评区论交流化量交易的验经，关注我，后续会享分更多IA在金域领融的实案战例。
评论列表 (0条)：
加载更多评论 Loading...