动量效应(momentum effect)是指股票价格在短期内会持续上涨或下跌的一种投资行为模式。它基于人类的心理偏差,即投资者倾向于相信过去的获胜者会继续获胜,从而推动股价朝着相同方向继续移动。
动量效应主要体现在以下几个方面:
- 短期内,股票价格呈现持续上涨或持续下跌的态势。这是因为投资者对过去表现良好的股票持有乐观预期,推动股价不断上涨;对过去表现不佳的股票则持有悲观预期,导致股价不断下跌。
- 动量效应通常持续时间较短,最常见的是5-10个交易日。超出这个时间范围,动量效应的影响力就会逐渐减弱。
- 动量效应主要出现在小市值、高波动性的股票中,这些股票更容易受到投资者情绪的影响。相比之下,大市值、低波动性的蓝筹股通常不太受动量效应的影响。
- 动量效应可能会被其他因素所抑制,如宏观经济形势的恶化、公司业绩的大幅下滑等。这些负面因素会打击投资者的信心,从而阻碍动量效应的持续。
GRU：
在我们的项目中,GRU模型的输入是过去k天的股票数据,包括开盘价、最高价、最低价和收盘价等特征。模型的输出包括三种形式:
- 价格模型:直接预测下一个交易日的股价。
- 概率模型:预测下一个交易日股价上涨的概率。
- 贝叶斯模型:将股价预测建模为一个随机过程,输出价格分布的参数。
通过在训练集、验证集和测试集上的实验对比,我们发现贝叶斯模型的表现最为稳定,能更好地捕捉股价的波动特征。因此我们选择贝叶斯模型作为基础,设计了两种交易策略:简单策略仅根据上涨概率进行买卖,高级策略则同时考虑预测股价。这些策略在随后的回测实验中取得了不错的收益表现。
中断嵌套指的是一个中断服务例程（ISR）执行过程中，又发生了另一个优先级更高的中断。这带来以下挑战：
- 上下文保存和恢复的复杂性增加
- 可能导致栈溢出
- 影响系统实时性
- 增加中断延迟
为所有中断使用一个独立的栈，这样可以避免任务栈溢出的风险。
使用汇编优化中断处理的入口和出口代码，以最小化上下文切换开销。
跟踪中断嵌套的层数，以正确处理上下文恢复。
合理设置中断优先级，避免不必要的嵌套。
在关键代码段使用临界区保护，防止中断嵌套导致的数据不一致。
μCOS提供了一套完整的中断管理机制：
-
OSIntEnter() 和 OSIntExit() 函数
- 用于中断服务例程的入口和出口，管理中断嵌套计数
-
OS_ENTER_CRITICAL() 和 OS_EXIT_CRITICAL() 宏
- 用于临界区保护
-
中断延迟发布机制
- 在中断中不直接做上下文切换，而是设置一个标志，在中断退出时再检查是否需要切换
-
避免在中断中执行耗时操作
-
合理设置栈大小，防止栈溢出
-
使用CMSIS-RTOS API可以简化中断处理
-
考虑使用硬件特性，如Cortex-M的尾链（tail-chaining）来优化性能
通过正确实现这些机制，我们可以有效地处理中断嵌套问题，确保系统的实时性和可靠性
上下文切换是RTOS的核心功能，它直接影响系统的性能和可靠性。在移植过程中，它面临以下挑战：
- 硬件相关性强：需要深入了解目标处理器的架构
- 对时序要求高：必须在最短时间内完成切换
- 错误敏感：一旦出错可能导致整个系统崩溃
- 需要汇编实现：通常需要使用汇编语言来实现最高效率
需要保存的信息包括：
- 通用寄存器（R0-R12）
- 程序计数器（PC）
- 堆栈指针（SP）
- 程序状态寄存器（PSR）
需要恢复上述所有保存的信息。
在ARM Cortex-M系列处理器上，通常使用PendSV（可挂起的系统调用）中断来触发上下文切换。
上下文切换需要在最短时间内完成，以确保实时性能。
如果使用了浮点单元（FPU），需要额外保存和恢复浮点寄存器
需要正确处理嵌套中断和中断优先级，确保高优先级中断能够及时响应。
上下文切换的调试特别困难，因为：
- 发生在最底层
- 涉及到硬件寄存器的变化
- 传统的断点调试可能影响系统行为
- 使用逻辑分析仪监视关键信号
- 利用处理器的跟踪功能（如ARM的ETM）
- 在关键点设置标志位，通过LED或GPIO输出来指示执行流程
- 最小化保存和恢复的寄存器数量
- 利用处理器的特殊指令（如ARM的LDM/STM指令）
- 合理安排内存布局，提高缓存利用率
- 考虑使用硬件特性（如Cortex-M的尾链技术）