工具CheatSheet · 如何利用洋垃圾玩转机器学习

作者：嘟嘟的投研CheatSheet，好投学堂专栏作家

题图：嘟嘟的投研CheatSheet微信公众号

这两年搞量化研究以来，因为公司几乎没对包括数据、硬件、三方平台在内的基础设施进行投入，都是个人掏钱在做资本开支，所以本着“精打细算”的性价比原则，要最大化利用每一个钢镚。

其次，不要追求“一步到位”。无论是我们的认知，还是财力，大部分时候都不允许直接一步到位买最好的数据源、买最好的服务器，所以一开始的时候不用纠结太多，够用就好，随着认知提升再逐步淘汰更换。

初级：从外部回测平台开始

大家知道我也是从万矿、聚宽这类第三方回测平台开始学量化的，比如早期的课程《Python投研第二课：聚宽API》，这类平台最大特点是费用低，免费的咬咬牙也能用，包括数据跟硬件都可以先从免费的用起，而像聚宽的VIP年费大概900元，研究环境的内存扩容+CPU扩容大概一年900元+1300元，不够的时候逐步扩容。

等这部分性能不能满足我们的使用要求，或者说我们开始追求策略的安全性时，再来考虑本地化部署的事宜，我们在《量化CheatSheet · 量化CTA开发指南（一）》提到了一些具体的软件方案。

关于本地化硬件，我主张从低性能逐步过渡到高性能，以下方案仅代表个人喜好，并非唯一。

中级：MacBook Air + 迷你主机 + 云服务

MacBook Air只承担最基本的远程连接功能，所有日常交易、下单以及其他开发工作，都是在迷你主机上执行。

那为什么选择MacBook Air，因为便宜而且续航超强。四五千的丐版M1满电状态下以远程方式进行工作基本上1天续航随便造。

迷你主机方面，基本上三四千的配置也完全够用了，投入更多的预算不值当，比如铭凡UM690WT，大体可以搭配AMD R9 6900HX + 1T SSD + 16G*2 DDR5。

为什么不直接选择五六千的笔记本？因为要满性能运行，这个配置的电池也奈不了多久，所以还是选择了高低配的搭配方式。

当然，这个配置就别指望跑机器学习了，学学可以，单单是跑个净值化雪球估计每次重算都要花一两分钟。如果有训练需求的话可以先考虑包括Google Colab跟Kaggle提供的云服务。

高级：组装服务器

股票量化往后跑做机器学习，不可避免要用到昂贵的显卡，之前国强老师给我推荐过一套组装的硬件，实在是囊中羞涩负担不起，但有条件的朋友们可以参考下。

CPU：AMD EPYC 9654 96核 * 2 ￥50000

服务器准系统：A+Server AS-2025HS-TNR ￥30000

内存：三星 DDR5 64G 2RX4 PC5-4800B ECC RDIMM * 24 ￥50000

显卡：英伟达A100 80G * 2 ￥320000

国强老师的推荐

还没算其他的，单单这四大件就45万了，如果再来两张A100，整机就奔着接近100万去了。在没有金主资助我之前，我还没这个能力自己掏腰包，取而代之的是以下这套洋垃圾。

CPU：Intel XEON E5-2680V3 12核 * 2（最高支持2133）￥360

主板：华南金牌X99-F8（支持三显卡） ￥700

显卡：英伟达2080Ti 22G魔改 * 3￥8400

内存：海力士 DDR4 2133 ECC 32G * 4 ￥1600

洋垃圾推荐配置

加上电源、硬盘等周边配件，大概一万五左右也搞定了。之所以叫洋垃圾，是因为用了很多二手的洋垃圾，比如CPU跟显卡，但讲究这么多干啥对吧，实用主义至上。

版权声明：文章版权归原作者所有，部分文章由作者授权本平台发布，若有其他不妥之处的可与小编联系。