σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academyخرائط الطريقالمسارات
Ctrl K
AO
+1.2k متعلّم
تسجيل الدخولانضم ↗
خرائط الطريقالمسارات
AO
+1.2k متعلّم
تسجيل الدخول
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
uantCraft Academy

تعلّم التطوير الكمّي بالممارسة: دروس قصيرة ومختبرات مُقيَّمة وبيئة تطوير حقيقية داخل متصفحك.

تعلّم
كل خرائط الطريقكل مسارات التعلممسار Pythonمسار C++قريبًامسار OxCamlقريبًامسار Market Structureمسار Calculusمسار Linear Algebraمسار Probabilityمسار Statisticsمسار Matrix Decompositionsمسار Optimization
الدعم
شاركنا ملاحظاتكاشترِ لنا قهوة
قانوني
سياسة الخصوصيةشروط الخدمة
© 2026 QuantCraft Solutions. جميع الحقوق محفوظة.
QuantCraft
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academyخرائط الطريقالمسارات
Ctrl K
AO
+1.2k متعلّم
تسجيل الدخولانضم ↗
خرائط الطريقالمسارات
AO
+1.2k متعلّم
تسجيل الدخول
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
المسارات›Optimization
O

Optimization المسار

متاحابدأ من هنا

تنتهي معظم النماذج الكمية بمسألة تحسين: معايرة تضبط المعاملات، وانحدار يضبط خطًا، ومحفظة تختار الأوزان. تُريك هذه المهارة ما تفعله المحلّات فعلًا، باختبارات قصيرة (أرقام تحسبها وخطوات ترتبها ومفاهيم تطابقها) وأمثلة مالية: لماذا تجعل الخطوة الكبيرة جدًا الانحدار التدريجي يتباعد، ولماذا Adam هو الخيار الافتراضي للأهداف المشوّشة، ولماذا للمسألة المحدبة جواب واحد، وماذا يسعّر مضروب KKT، وكيف تجعل عقوبة L1 بعض الأوزان صفرًا تمامًا، وكيف يوزّع برنامج خطي أمرًا كبيرًا على الزمن. المشروع الختامي مختبر برمجي تكتب فيه الإسقاط والمحلّ بنفسك وتختبر النتيجة على عوائد أسهم حقيقية.

5 وحدات12 مختبرًا مصححًا~11 ساعةمبتدئ → متقدم
ابدأ المسار

المنهج

12 موضوعًا · افتح أي موضوع بالترتيب الذي تريده
  1. 1دوال الهدف والتدرجات والنهايات الصغرىلم يبدأ40 دابدأ
  1. 2الانحدار التدريجيلم يبدأ50 دابدأ
  2. 3الانحدار التدريجي العشوائي والدفعات الصغيرةلم يبدأ55 دابدأ
  3. 4الزخم وRMSProp وAdamلم يبدأ55 دابدأ
  1. 5التحدب ولماذا هو مهملم يبدأ50 دابدأ
  2. 6طريقتا نيوتن وشبه نيوتنلم يبدأ55 دابدأ
  1. 7التحسين المقيّد وشروط KKTلم يبدأ1 سابدأ
  2. 8تحسين المتوسط والتباينلم يبدأيتطلب Python55 دابدأ
  3. 9التنظيم L1 وL2 بوصفه تحسينًالم يبدأ50 دابدأ
  4. 10البرمجة الخطية لجداول التنفيذلم يبدأ55 دابدأ
  1. 11مزالق اللاتحدب وإعادة التشغيللم يبدأ50 دابدأ
  2. 12المشروع الختامي: تحسين محفظة مقيّد بحدود للدوران والتكلفةلم يبدأ1 س 40 دابدأ

المتطلبات المسبقة

يُتوقع معرفة التفاضل (المشتقات والتدرجات وقاعدة السلسلة)، وتفيد مبادئ الجبر الخطي (المتجهات والمصفوفات والتعريف الموجب).

  • CCalculus
  • LLinear Algebra

ما الذي ستتعلمه

  • قراءة دالة الهدف عبر تدرجها وهسيانها وإيجاد النهايات الصغرى وتصنيفها
  • تشغيل الانحدار التدريجي ونسخه العشوائية والتكيفية (الدفعات الصغيرة والزخم وRMSProp وAdam) واختيار خطوات تتقارب
  • استخدام التحدب لمعرفة متى تكون النهاية الصغرى المحلية هي العامة، والتسريع بنيوتن وBFGS
  • حل المسائل المقيّدة بمضاريب لاغرانج وشروط KKT وقراءة المضروب على أنه سعر القيد
  • التعامل مع التنظيم L1 وL2 على أنه تحسين، وصياغة جداول التنفيذ برامج خطية
  • رصد مزالق المسائل غير المحدبة واستخدام إعادة التشغيل وبناء محسِّن محفظة مقيّد بحدود للدوران والتكلفة على عوائد حقيقية

الأدوات التي ستستخدمها

PythonNumPypandaspytest

الإكمال

انجح في 12 مختبرًا بدرجة 70 فأكثر لإكمال المسار والحصول على شارة التحسين في ملفك الشخصي.

0 / 120%
uantCraft Academy

تعلّم التطوير الكمّي بالممارسة: دروس قصيرة ومختبرات مُقيَّمة وبيئة تطوير حقيقية داخل متصفحك.

تعلّم
كل خرائط الطريقكل مسارات التعلممسار Pythonمسار C++قريبًامسار OxCamlقريبًامسار Market Structureمسار Calculusمسار Linear Algebraمسار Probabilityمسار Statisticsمسار Matrix Decompositionsمسار Optimization
الدعم
شاركنا ملاحظاتكاشترِ لنا قهوة
قانوني
سياسة الخصوصيةشروط الخدمة
© 2026 QuantCraft Solutions. جميع الحقوق محفوظة.
QuantCraft
تسجيل الدخولانضم ↗
تسجيل الدخول