每日选股信号的自动化：systemd timer + 企业微信推送
把研究成果变成每天早上手机上的几条消息：交易日历判断、幂等信号落库、systemd timer 调度、企业微信机器人推送、失败重试与心跳监控，一套可以长期无人值守的日频信号服务。
最新文章
远思码技术实验室：专注于Python量化交易策略、大模型（LLM）本地部署及 HomeLab 自动化建设的技术分享。远思为径，码动价值。
TFT 与 ST-GNN：深度时序模型在 A 股选股中的真实收益边界
把 LightGBM 换成深度模型值不值？实验室在 AMD ROCm 平台上实测 TFT（Temporal Fusion Transformer）与 ST-GNN（行业图 + GRU）做 A 股截面预测：数据张量构造、图结构设计、显存与训练调优，以及一个不太性感的结论。
LightGBM 截面选股：把因子流水线变成预测模型
从规则策略转到机器学习选股：用 LightGBM 做 A 股截面收益预测，讲清特征构造、标签设计、purged 时序切分与 embargo、IC 评价和过拟合诊断，重点放在最容易泄露未来信息的那几个环节。
双均线与动量轮动策略实战：参数稳健性比收益率更重要
用自研向量化引擎跑两个入门级但不平庸的策略：双均线择时与 ETF 动量轮动。重点不在收益率，而在参数稳健性、成本敏感性与分年度表现——如何判断一条漂亮的曲线是真的还是拟合出来的。
向量化回测引擎：从零实现一个可信的日频回测框架
不依赖任何框架，用不到 200 行 pandas 写出一个向量化日频回测引擎：权重漂移、换手成本、涨跌停与停牌约束、净值与绩效指标，并用单元测试把手算结果钉死。
TimescaleDB 量化行情库进阶：分区、压缩与连续聚合
接续 ClickHouse 与 DolphinDB 的选型讨论，落地实验室的 TimescaleDB 行情库：超表分区策略、按 symbol 分段压缩、连续聚合做月线、幂等增量写入与保留策略，附日线/分钟线量级的实测数字。
因子工程实战：从行情数据到可检验的 Alpha 因子
承接 Akshare 数据入库，把日行情加工成可检验的 Alpha 因子：去极值、标准化、行业中性化，以及 IC / RankIC / ICIR 与分层回测的完整流水线，最后落成一张可复用的因子表。
A 股量化交易实战路线图：从数据到实盘的七个环节
远思码实验室的量化系列总览：数据、因子、回测、策略、机器学习、深度模型、实盘自动化七个环节的顺序、技术选型清单与踩坑优先级，附本站每篇实战文章的入口。
DeepSeek Harness（dsh）安装教程：npx / 源码 / Python SDK
DeepSeek Harness（dsh）开发者预览版安装指南：Node.js 版本要求、npx 一键启动、全局安装、源码构建、Python SDK、首次配置 API Key 与工作区，以及常见踩坑。
在 Ubuntu 26.04 上编译与生产级部署 llama.cpp (支持 AMD ROCm 加速与 UMA 极致优化)
本文详细记录在 Ubuntu 26.04 LTS 环境下从源码编译 llama.cpp 的完整过程。重点探讨如何配置最新版 AMD ROCm 驱动、解决系统级动态链接库冲突、构建 Python AI 生态，以及如何利用大容量 UMA 共享显存进行 qwen3.6等大模型的 128K 超长上下文企业级极速推理部署。