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路线图学习路线
Ctrl K
AO
+1.2k 位学习者
登录加入 ↗
路线图学习路线
AO
+1.2k 位学习者
登录
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
uantCraft Academy

在实践中学习量化开发:短课程、评分实验和真实的 IDE,尽在浏览器中。

学习
全部路线图所有学习路线Python 学习路线C++ 学习路线即将推出OxCaml 学习路线即将推出Market Structure 学习路线Calculus 学习路线Linear Algebra 学习路线Probability 学习路线Statistics 学习路线Matrix Decompositions 学习路线Optimization 学习路线Time Series 学习路线Stochastic Calculus 学习路线Bayesian Inference 学习路线Hidden Markov Models 学习路线Particle filtering and non-stationary time series 学习路线scikit-learn 学习路线statsmodels 学习路线SciPy 学习路线Cache locality 学习路线Lock-free 学习路线
支持
给我们反馈请我们喝杯咖啡
法律
隐私政策服务条款
© 2026 QuantCraft Solutions. 保留所有权利。
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路线图学习路线
Ctrl K
AO
+1.2k 位学习者
登录加入 ↗
路线图学习路线
AO
+1.2k 位学习者
登录
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
学习路线›Lock-free
L

Lock-free 学习路线

已上线从这里开始

这是本技能的模拟器版:没有真正的线程,也不计时。线程是一小串步骤,调度说明下一步轮到谁,而你写的机器负责执行它们,于是并发缺陷变成一串可以打印、可以重放的线程编号。每讲用小例子和它的输出讲一个概念,随后带评分的实验在同一台机器上继续扩展。你将学会看清一次交错如何丢失一次更新,枚举一个小程序的所有调度,说明无锁队列保证什么,并在所有调度上证明行情分发的某个不变量。

4 个模块11 个评分实验~12小时中级 → 专家
开始学习路线

先修要求

熟悉 Python 的函数、列表和字典就够了;不需要 C 或 C++,因为这台机器是你自己写的模拟器。缓存局部性技能有助于理解伪共享和缓存行,但不是必需的。

  • Python
  • CCache locality

课程大纲

11 个主题 · 可按任意顺序打开任一主题
  1. 1竞态,以及为什么需要锁未开始需要 Python45分钟开始
  2. 2交错探索器:通过枚举调度来发现缺陷未开始需要 Python1小时开始
  1. 3原子操作与读-改-写未开始需要 Python55分钟开始
  2. 4内存模型:acquire 与 release未开始需要 Python1小时 15分钟开始
  3. 5进展保证:从 obstruction-free 到 wait-free未开始需要 Python45分钟开始
  1. 6单生产者单消费者环形缓冲区未开始需要 Python1小时 30分钟开始
  2. 7ABA 问题与带标签指针未开始需要 Python55分钟开始
  3. 8多生产者多消费者队列未开始需要 Python1小时 10分钟开始
  1. 9测试并发代码:竞态检测器与模型检验未开始需要 Python55分钟开始
  2. 10危险指针与纪元回收未开始需要 Python1小时 10分钟开始
  3. 11结业项目:无锁行情分发及其不变量的证明未开始需要 Python2小时开始

完成条件

以 70 分以上通过全部 11 个实验,即可完成学习路线,并在个人资料中获得 无锁 徽章。

0 / 110%

先修要求

熟悉 Python 的函数、列表和字典就够了;不需要 C 或 C++,因为这台机器是你自己写的模拟器。缓存局部性技能有助于理解伪共享和缓存行,但不是必需的。

  • Python
  • CCache locality

你将用到的工具

Pythonpytest

你将学到

  • 编写按调度运行线程程序的机器,并手工演示一次丢失更新
  • 枚举小程序的全部调度,找出让它出错的那些
  • 用原子读-改-写和 acquire/release 顺序修复竞态,并说明每种修复保证什么
  • 构建 SPSC 环形缓冲区、比较并交换队列和多生产者队列,并用调度逐个把它们弄坏
  • 检测竞态,安全回收内存,并在所有调度上证明行情分发的不变量
uantCraft Academy

在实践中学习量化开发:短课程、评分实验和真实的 IDE,尽在浏览器中。

学习
全部路线图所有学习路线Python 学习路线C++ 学习路线即将推出OxCaml 学习路线即将推出Market Structure 学习路线Calculus 学习路线Linear Algebra 学习路线Probability 学习路线Statistics 学习路线Matrix Decompositions 学习路线Optimization 学习路线Time Series 学习路线Stochastic Calculus 学习路线Bayesian Inference 学习路线Hidden Markov Models 学习路线Particle filtering and non-stationary time series 学习路线scikit-learn 学习路线statsmodels 学习路线SciPy 学习路线Cache locality 学习路线Lock-free 学习路线
支持
给我们反馈请我们喝杯咖啡
法律
隐私政策服务条款
© 2026 QuantCraft Solutions. 保留所有权利。
QuantCraft
登录加入 ↗
登录