同时要给予授予权限，这样另外的user 可以通过AMI来启动实例了。这样可以方便的把系统安装好，不会重复劳动了。在AWS上把已经安装好的环境共享给其他用户。现在登录其他user 账户来启动这个实例。这个是frequi单独安装。

成熟的分类器：SVM是一个强大且成熟的二元（或多元）分类算法。预测“涨”还是“跌”正好是一个典型的二元分类问题。非线性能力：通过使用核函数（如RBF核），SVM可以捕捉到输入特征之间复杂的非线性关系，这对于金融市场数据至关重要。特征驱动：模型的效果很大程度上取决于你喂给它的“特征”（Features）。现在计算的alpha因子就是一个很好的开始，我们可以构建更多这样的特征来提升预测能力。这次我最开

需要设置环境变量或在代码中使用。

缠论(Chanlun) 完整实现 — 从分型到买卖点 + 多级别联立 参考的最佳 GitHub 开源库 仓库Stars特点czsc (zengbin93)~5k+最全面、工业级、持续维护chan.py (Vespa314)~1k+代码清晰、学术严谨chanlun-pro—带 Web UI、专业级 以下代码综合了上述库的核心算法思路，重新整理为单文件、即插即用的实现。 完整源码：chanlun.py

摘要：camp_portfilo 是中国商品期货投资组合自动化流程，采用80万方向组合（40万必选品种+40万其他品种）和20万套利组合（含Y-P等4个标准套利对）。流程包括数据更新、组合生成和报告输出，使用CAMP/CAPM模型和风险平价策略，保证金数据来自fee.xlsx。最终组合保证金使用率约99.5%，需注意品种重复和实盘风险控制。

config文件,这个配置做期货为主，静态配置了交易对，同时端口和第一个bot要不一样，不然没有办法进行监控，甚至要冲突了。10S钟进行循环，不然可能导致访问过多而封IP；大部分的调试是放在docker 内部进行的，现在要放到docker 去运行，所有要把config文件和compose.yaml进行处理好。同时你的决策表放的位置也很关键，包括你的最后的winrate这些表格位置。启动策略起始位置

== AD_state_smooth 的值分布 ====== AD_state_smooth 的值分布 ====== delta_pattern 的值分布 ====== delta_pattern 的值分布 ====== states_code 的值分布 ====== states_code 的值分布 ====== vr_state 的值分布 ====== vr_state 的值分布 ======

== AD_state_smooth 的值分布 ====== AD_state_smooth 的值分布 ====== delta_pattern 的值分布 ====== delta_pattern 的值分布 ====== states_code 的值分布 ====== states_code 的值分布 ====== vr_state 的值分布 ====== vr_state 的值分布 ======

概念：一个取决于未知事件的变量，如在抛硬币之前我是不知道硬币结果是什么，但是我知道事件的概率。

== AD_state_smooth 的值分布 ====== AD_state_smooth 的值分布 ====== delta_pattern 的值分布 ====== delta_pattern 的值分布 ====== states_code 的值分布 ====== states_code 的值分布 ====== vr_state 的值分布 ====== vr_state 的值分布 ======