笔记列表-低调大师优秀个人博客

文章列表

共 221045 篇

2026-09-01

风控开发指南：Java集成车辆估值实现精准合规审查

在汽车金融信贷审批与二手车抵押贷款等核心业务场景中，对抵押资产（车辆）的真实残值进行精准、实时的合规确认是防范履约风险的重中之重。传统的车辆估值流程高度依赖线下评估师的主观经验或业务人员人工比对多方市场数据，不仅流程繁琐、效率极低，且在面对瞬息万变的市场行情时，难以实时防范信息偏差与资信评估失准的隐患。

阅读约15分钟

2026-09-01

风控开发指南：Go集成车辆估值实现精准合规审查

在二手车金融、汽车租赁以及车辆抵押贷款等大规模流转业务中，对车辆当前的残值进行客观、精准的评估是资产合规审查的核心环节。在分布式二手车金融评估微服务架构中，每天需要处理来自全国各地的海量车辆估价请求。传统模式下，业务员需线下收集行驶证信息、实地勘查车况并依赖人工经验定价。这种方式不仅流程繁琐、效率极低，而且容易因为主观判断偏差或信息不对称而引发资产贬值风险与...

阅读约14分钟

2026-09-01

风控开发指南：Python集成车辆估值实现精准合规审查

在二手车交易与汽车金融理赔场景中，车辆的残值评估一直是影响业务流转的核心环节。传统的线下勘验模式或者依赖人工核对市场行情的流程，往往效率低下且容易受到人为因素的主观影响，导致评估价值偏离真实市场行情。这种方式不仅拖慢了业务进度，更在无形中增加了企业的履约隐患与资信评估风险，无法满足高并发环境下的合规要求。

阅读约11分钟

2026-08-31

Python 审计意见类型判断决策树

审计意见分四种：标准无保留、带强调事项段的无保留、保留、否定、无法表示意见。意见类型取决于"是否存在重大错报"和"是否广泛（pervasive）"，以及范围受限程度和持续经营不确定性。实务里常把保留和否定、无法表示和否定搞混。用 Python 写成决策树函数，把判断逻辑固化。

阅读约4分钟

2026-08-31

Python 其他综合收益（OCI）构成与重分类

其他综合收益（OCI）是与所有者投入无关、但绕开当期损益直接进权益的未实现损益。哪些项目进 OCI、哪些后续要重分类进损益、哪些永不重分类，规则细且易混。用 Python 把常见 OCI 项目做成分类表，标注各自重分类属性，避免"该重分类没重分类"或"不该重的重了"。

阅读约3分钟

2026-08-31

Python 员工持股计划（ESOP）与库存股

员工持股计划涉及回购库存股、等待期摊销股份支付费用、行权结转。实务里常把库存股与普通股混账、等待期费用摊销错期、行权差额走错科目。用 Python 模拟一次"回购—等待期摊销—行权"全流程，把库存股成本、费用摊销、行权差额分开算。

阅读约4分钟

2026-08-31

Python 会计估计变更：与政策变更、差错更正的边界

会计政策变更、会计估计变更、前期差错更正三者处理完全不同（追溯调整 / 未来适用 / 追溯重述），实务里常把"估计变更"误当"政策变更"，或把"差错"包装成"估计"。用 Python 把三类变化做成结构化分类器，自动给出各自的处理路径，避免混用。

阅读约3分钟

2026-08-31

Python 反向购买（借壳上市）合并处理

反向购买中，法律上的母公司（壳公司）是会计上的被购买方，法律上的子公司（业务方）才是会计上的购买方。合并成本按壳公司原股东取得的"模拟增发股数 × 每股公允价值"计量，商誉也由此算出。实务里极易把买卖方向搞反。用 Python 算反向购买下的合并成本与商誉。

阅读约3分钟

2026-08-31

Python 持有待售资产与终止经营

资产或处置组划分为持有待售时，要按账面价值与公允价值减处置费用孰低计量，差额计提减值，且不再计提折旧摊销；若该组成部分代表独立主要业务或地区，还要作为终止经营单独列报。实务常漏判终止经营、或持有待售后仍提折旧。用 Python 做划分时的减值测试，并标记是否构成终止经营。

阅读约4分钟

2026-08-31

Python 可转债分拆：负债成分与权益成分

发行可转换公司债券，要分拆为负债成分（未来本息按市场利率折现）和权益成分（转换权公允价值），负债成分按实际利率法摊销。实务里常不分拆直接按面值入账，或市场利率取错导致负债/权益比例失真。用 Python 用市场利率把未来现金流折现，一次算出负债成分、权益成分与每期利息费用。

阅读约4分钟

2026-08-31

Python 长期股权投资核算方法转换

长期股权投资随持股比例变动在成本法、权益法、金融资产之间切换：增持跨越重大影响、减持丧失控制或重大影响，都要重算账务。实务里常把处置损益和剩余股权追溯调整混在一起，或漏算权益法下原计入其他综合收益/资本公积的部分。用 Python 模拟一次"成本法减资转权益法"，把处置损益和剩余股权追溯调整分开算。

阅读约4分钟

2026-08-31

Python 合并范围判断：控制三要素与结构化主体

合并范围的核心是"控制"，控制要同时满足三要素：权力（主导被投资方相关活动的现时能力）、可变回报、运用权力影响回报的能力。实务里常凭持股比例拍脑袋，漏掉通过合同安排控制、或把合营企业误并表。用 Python 把三要素做成结构化判断，并单独处理结构化主体（无股权但实质控制）。

阅读约3分钟

2026-08-31

Python 审计自动化：从脚本到可复用模块（收官篇）

前面 92 篇把银行流水、账龄、函证、合并、减值、抽样等场景都写了独立脚本，但每篇都是"一次性计算"。真到项目里，这些逻辑要反复用、跨项目用、还要让别人也能跑。把零散脚本沉淀成一个可复用模块包（auditlib），用配置驱动、统一入口，才算把工具箱真正落地。

阅读约4分钟

2026-08-31

回测赚钱、实盘却跑偏：真正让我警醒的是“数据时间”而不是策略

我曾经花很多时间研究回测收益和实盘收益为什么不一致，最后发现一个经常被忽视的根因：回测使用的数据通常是完整的，而实盘只能看到当时已经发生的数据。本文用 Python 演示如何分别获取历史日线、分钟线和实时行情，并从数据时间、信号生成时间和成交时间三个层面建立更加接近真实交易的数据流程。

阅读约18分钟

2026-08-31

回测收益为什么会被“复权”悄悄改变？我用一次数据排查搞清楚了

我曾经排查过一个看起来像策略问题、实际上却是复权问题的回测异常：同一只股票，在不同数据处理流程下计算出来的历史收益率明显不同。本文从比例复权、差值复权和不复权三个口径入手，用 Python 实际检查历史 K 线和除权因子，并说明我为什么最终把复权逻辑从策略代码里独立出来。

阅读约16分钟

2026-08-31

为什么回测赚钱、实盘却可能完全不同？我踩过的第一个坑，其实不是策略

我曾经遇到过一个非常典型的量化问题：回测结果看起来非常漂亮，策略上线以后却明显偏离预期。后来我发现，很多所谓的“策略失效”，根本原因并不在因子，而在于回测和实盘使用的行情数据并不是同一套口径。本文从数据时间、复权方式、标的代码和实时行情四个方面，拆解我在量化数据工程中如何定位并解决这类问题。

阅读约15分钟

2026-08-31

复权数据为什么会让量化回测失真？我用一个真实排坑过程搞懂了

我以前排查过一次非常典型的回测异常：策略没有修改，因子公式没有修改，但重新计算出来的历史信号却发生了变化。最后我发现，真正的问题不是策略，而是价格序列的复权口径没有统一。本文从我处理除权除息数据时遇到的坑出发，讲清楚前复权、后复权、不复权和差值复权分别适合什么场景，以及如何在 Python 量化回测中建立稳定的复权数据处理流程。

阅读约14分钟

2026-08-31

：备份一体机策略设计，从全量增量差量到RPO/RTO落地

中科热备：备份一体机策略设计，从全量增量差量到RPO/RTO落地备份策略这东西，看着简单，实际上一线运维踩坑最多的就是它。策略定得太密，备份窗口爆炸，生产存储被拖垮；定得太松，故障时发现能恢复的数据是三天前的，业务方当场翻脸。备份一体机把计算、存储、备份软件揉在一台设备里，策略设计反而更考验人，因为资源池是固定的，你得在有限算力里把活儿排明白。先说清楚三...

阅读约10分钟

2026-08-31

回测和实盘数据不一致怎么办？我最后发现问题往往不在策略

我曾经遇到过一种非常让人抓狂的情况：同一套策略、同一套参数，回测结果非常漂亮，但进入实盘以后表现完全不同。后来我发现，很多所谓的“策略失效”，其实来自历史数据与实时数据在时间、字段、复权和查询边界上的口径不一致。本文从工程角度拆解回测与实盘数据不一致的原因，并给出一套我实际采用的数据校验方法。

阅读约14分钟

2026-08-31

为什么个人量化者总在做数据工程：我踩过的三个坑

我做量化以后最大的一个感受是：策略代码可能只有几百行，但真正让我花时间最多的，往往是数据清洗、接口维护、字段统一和异常排查。本文从我实际做策略研究时遇到的数据源失效、市场代码不统一和批量数据维护问题出发，拆解个人量化者为什么很容易把大量时间浪费在数据工程上，并分享我后来采用的统一数据访问方式。

阅读约14分钟

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。

文章列表

风控开发指南：Java集成车辆估值实现精准合规审查

风控开发指南：Go集成车辆估值实现精准合规审查

风控开发指南：Python集成车辆估值实现精准合规审查

Python 审计意见类型判断决策树

Python 其他综合收益（OCI）构成与重分类

Python 员工持股计划（ESOP）与库存股

Python 会计估计变更：与政策变更、差错更正的边界

Python 反向购买（借壳上市）合并处理

Python 持有待售资产与终止经营

Python 可转债分拆：负债成分与权益成分

Python 长期股权投资核算方法转换

Python 合并范围判断：控制三要素与结构化主体

Python 审计自动化：从脚本到可复用模块（收官篇）

回测赚钱、实盘却跑偏：真正让我警醒的是“数据时间”而不是策略

回测收益为什么会被“复权”悄悄改变？我用一次数据排查搞清楚了

为什么回测赚钱、实盘却可能完全不同？我踩过的第一个坑，其实不是策略

复权数据为什么会让量化回测失真？我用一个真实排坑过程搞懂了

：备份一体机策略设计，从全量增量差量到RPO/RTO落地

回测和实盘数据不一致怎么办？我最后发现问题往往不在策略

为什么个人量化者总在做数据工程：我踩过的三个坑

资源下载

腾讯云软件源

Spring

Sublime Text

WebStorm

欢迎您来访！