程序聚合 程序员 罗纳尔少
30天前活跃

罗纳尔少

• UID:16713
综合评分 35
方向: 后端-C++ 前端-Web前端
北京市
1200元/8h
1-3年经验
求职意愿:接单·(30天前更新)

个人简介

全栈工程师 金融向 web3领域开发

技能

核心技能: C++、Transformers、GCC、Ethereum Web3.js
其他技能: Swift、Python、Etherape、Web3.py、Rust for Substrate、Android SDK
交流语言: 普通话( 母语水平 ) 英语( 借助工具可书面交流 )
行业经验: 人工智能

项目案例

基于多专家LLM Agent的金融量化系统(加密货币)-太熵
项目技术亮点与创新: LLM驱动的决策引擎: 核心在于利用LLM强大的文本理解和逻辑推理能力,对市场信息、新闻事件、技术指标等进行综合分析,形成交易意图。 多专家系统架构: 构成: 交易者、决策者、谏官、数据收集者、数据分析师等多个独立专家模块。 类型: 包含推理向专家(专注于逻辑判断和策略生成)和Agent向专家(专注于执行和交互)。 协作机制: 各专家各司其职,又相互验证和补充,例如数据收集者提供实时市场数据,数据分析师进行深度解读,决策者根据分析制定策略,谏官进行风险评估和质疑,最终由交易者执行指令。这种机制极大地提升了决策的鲁棒性和可靠性,有效降低了单一模型可能出现的错误(幻觉)。 模拟人类交易习惯: 相较于传统基于固定规则或纯统计套利的模型,太熵通过LLM的灵活性,能够更好地适应市场情绪和非结构化信息,模拟专业交易员的经验和直觉。 全流程自动化交易: 实现了从数据采集、分析、决策到交易执行的完整自动化闭环。
金融 人工智能
使用机器学习预测下一根K线涨跌并进行二元期权交易后台系统
历史数据采集与清洗:自动从交易所API获取K线数据,存入数据库。 特征工程与模型训练:提取技术指标(MACD、RSI、布林带等)作为特征,训练二分类模型。 实时预测模块:接收最新行情,调用模型预测下一根K线涨跌。 自动化交易执行:根据预测结果与风控策略,调用交易所API下单。 风险管理:设置止盈止损、最大仓位限制、资金管理规则。 日志与监控:后台可视化预测结果与交易记录,便于回测与优化
金融 区块链

工作经历

悟机阁工作室
  
5人以下
开发
2023.08 - 2025.06
金融向业务,计算机软件开发,软件开发

教育经历

华中师范大学
2017.08 - 2025.08
情报学
博士
相似推荐
南京市
前端-Web前端、前端-小程序
技能:Vue、UniApp
玉林市
前端-Web前端、游戏开发-游戏开发其他
技能:Cocos2d-x、JavaScript、TypeScript、Node.js
成都市
前端-Web前端、前端-小程序
技能:TypeScript、React、Vue、Flutter
沈阳市
后端-Java、前端-Web前端
技能:Java、Vue
桂林市
后端-Java、前端-Web前端
技能:Java、Spring Boot、React、Vue、Keras、OpenCV
帮助文档   Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服