最新

LOBSIM — 限价单簿模拟器 我在使用L3数据进行高频交易深度强化学习研究时，需要一个确定性、准确、快速且完全可观察的模拟器（包括成交、事件、诊断）。仅使用Python的工作流程在规模化时太慢且难以正确实现，而其他开源工具则无法满足我对可检查性和人机工程学的需求。因此，我构建了LOBSIM：一个基于C++20的核心，配有Python绑定，支持逐事件重放、模拟交易（包括队列行为和部分成交），以及一个流接口，用于传输结构化数据——旨在处理数千万个事件，同时保持简单易懂。 LOBSIM附带多个示例和简明的文档（请查看README）。我特别推荐尝试三个Streamlit演示——它们是直接构建在引擎之上的小型应用，能够清晰展示灵活性。目标是展示如何轻松地在LOBSIM之上叠加真实的研究工具：重放探索、策略注入、实时指标和可观察性，所有这些都在一个干净的工作流程中实现。 如果您处理L3订单簿数据——微观结构研究、执行建模或RL/HFT原型开发——我希望您能尝试LOBSIM。如果您试用后能提供关于API人机工程学、在真实数据流中遇到的缺失边缘案例，以及任何能让研究工作流程更顺畅的建议，我将非常感激。即使是简单的“这让我困惑/这感觉很好/我期待X”也非常有价值。 演示视频 - [https://github.com/kpetridis24/lobsim/releases](https://github.com/kpetridis24/lobsim/releases) 如果您更愿意亲自尝试，README中提供了快速命令，可以在本地运行Streamlit演示。

大家好！ 我们正在研究“即时停机保护”，需要验证这是否是一个真实的问题，还是仅仅是我个人的感受。<p><i>有两个问题</i>： 1. 如果你们在销售B2B SaaS / API产品：当你的基础设施出现故障（或者你的上游服务提供商——AWS、GCP、Supabase、Stripe、Cloudflare等）时，你们是如何处理客户赔偿的？<p>客户真的会申请SLA信用吗？这是一个手动支持工单的过程吗？有没有人实现了自动化？<p>2. 如果你们在使用LLM API（如OpenAI、Anthropic等）：当模型出现故障或受到速率限制，导致你的产品无法正常工作时，客户会期待赔偿吗？你们目前是如何处理的？<p>背景：我们刚刚推出了针对航班延误的即时自动赔付（<8分钟到客户的UPI，无需索赔表格，与印度最大的航空公司合作）。我们正在探索同样的基础设施是否适用于云/SaaS停机。<p>我们的论点是：一个即时自动到账的$100信用，对客户的价值远高于一个需要客户主动申请并等待30天的$100信用。<p>我们会与所有填写此调查的人分享我们的发现。<p>如果你有2分钟的时间，非常希望你能在这里提供你的意见：https://tally.so/r/OD7Llg