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 Academyロードマップスキル
Ctrl K
AO
+1.2k 人の学習者
ログイン参加する ↗
ロードマップスキル
AO
+1.2k 人の学習者
ログイン
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
uantCraft Academy

実践で学ぶクオンツ開発。短いレッスン、採点付きラボ、本格的なIDEをブラウザで。

学ぶ
すべてのロードマップすべてのスキルPython スキルC++ スキル近日公開OxCaml スキル近日公開Market Structure スキルCalculus スキルLinear Algebra スキルProbability スキルStatistics スキルMatrix Decompositions スキルOptimization スキルTime Series スキルStochastic Calculus スキルBayesian Inference スキルHidden Markov Models スキルParticle filtering and non-stationary time series スキルscikit-learn スキルstatsmodels スキルSciPy スキルCache locality スキル
サポート
フィードバックを送るコーヒーをおごる
法務
プライバシーポリシー利用規約
© 2026 QuantCraft Solutions. All rights reserved.
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 Academyロードマップスキル
Ctrl K
AO
+1.2k 人の学習者
ログイン参加する ↗
ロードマップスキル
AO
+1.2k 人の学習者
ログイン
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
スキル›Cache locality
C

Cache locality スキル

公開中ここから開始

これはシミュレータ版のスキルです。各ラボでは自分で作ったキャッシュを動かし、実行時間ではなくヒットとミスの数を採点するので、答えは正確で再現できます。各講義は小さなコード例とその出力で1つの考え方を教え、続く採点付きラボが同じシミュレータを拡張します。実行する前にアクセスパターンのミスを予測し、ティック表のデータ配置を選び、変更でミスが減ったことを数字で示せるようになります。

3モジュール採点付きラボ13本~12 時間初級 → 上級
スキルを始める

前提知識

Pythonの関数、リスト、辞書に慣れていれば十分です。マシンは自分で書くシミュレータなので、CやC++は不要です。

  • Python

カリキュラム

13トピック · どのトピックも好きな順に開けます
  1. 1メモリ階層とレイテンシの数値未開始Pythonが必要40 分開始
  2. 2キャッシュラインと空間的局所性未開始Pythonが必要45 分開始
  3. 3連想度とコンフリクトミス未開始Pythonが必要55 分開始
  4. 4時間的局所性とワーキングセット未開始Pythonが必要45 分開始
  1. 5構造体の配列と配列の構造体未開始Pythonが必要55 分開始
  2. 6走査順序とループタイリング未開始Pythonが必要55 分開始
  1. 7プリフェッチ未開始Pythonが必要50 分開始
  2. 8TLBとヒュージページ未開始Pythonが必要50 分開始
  3. 9フォルスシェアリングとパディング未開始Pythonが必要55 分開始
  4. 10NUMAの影響未開始Pythonが必要1 時間開始
  5. 11アロケータとメモリプール未開始Pythonが必要1 時間開始
  6. 12分岐予測未開始Pythonが必要55 分開始
  7. 13総合課題:ティック表のレイアウトを見直しミス減少を証明する未開始Pythonが必要1 時間 30 分開始

修了条件

13本のラボすべてで70点以上を取るとスキルを修了し、プロフィールにキャッシュ局所性バッジが付きます。

0 / 130%

前提知識

Pythonの関数、リスト、辞書に慣れていれば十分です。マシンは自分で書くシミュレータなので、CやC++は不要です。

  • Python

使用するツール

PythonNumPypytest

学べること

  • アクセスパターンのヒットとミスを予測し、実機のレイテンシの数値で見積もる
  • ライン・セット・ウェイ・LRUを備えた設定可能なキャッシュを作り、コンフリクトミスが現れるのを見る
  • ティック表に構造体の配列と配列の構造体のどちらを使うか選び、行列ループをタイリングする
  • プリフェッチャ、TLB、コア間のフォルスシェアリング、NUMAをモデル化し、速いプログラムが遅くなる理由を知る
  • アロケータと分岐予測器を比べ、実際のティック表のミス数でレイアウト変更を証明する
uantCraft Academy

実践で学ぶクオンツ開発。短いレッスン、採点付きラボ、本格的なIDEをブラウザで。

学ぶ
すべてのロードマップすべてのスキルPython スキルC++ スキル近日公開OxCaml スキル近日公開Market Structure スキルCalculus スキルLinear Algebra スキルProbability スキルStatistics スキルMatrix Decompositions スキルOptimization スキルTime Series スキルStochastic Calculus スキルBayesian Inference スキルHidden Markov Models スキルParticle filtering and non-stationary time series スキルscikit-learn スキルstatsmodels スキルSciPy スキルCache locality スキル
サポート
フィードバックを送るコーヒーをおごる
法務
プライバシーポリシー利用規約
© 2026 QuantCraft Solutions. All rights reserved.
QuantCraft
ログイン参加する ↗
ログイン