搜索[量化交易]结果-低调大师优秀个人博客

精选列表

搜索[量化交易]，共10000篇文章

如何对齐 A 股/美股/港股的交易日历做跨市场分析？

正确做法是用 AlphaFeed 分别取各市场 K 线、从数据本身推导真实交易日历，再按交易日交集对齐后计算——几行 pandas 就能做对。

2026-09-08

加油机集线器实现成品油交易即开票实施方案

为落实成品油零售领域“交易即开票”推广政策，解决传统加油站开票流程繁琐、人工录入误差大、数据溯源难、合规风险高等行业痛点，本方案依托加油机智能集线器轻量化硬件设备，搭建成品油交易全流程自动化开票体系。

2026-09-02

通信 SIM 卡作为电信语音钓鱼犯罪的基础资源，非法买卖实名 SIM 卡已经成为网络黑灰产重点运作环节。本文以韩国首尔江北警方破获的高利贷裹挟受害人办理预付费 SIM 卡，批量转售语音钓鱼团伙的真实案件作为样本，还原犯罪组织完整运作链条，剖析非法高利贷、通信资源倒卖、语音钓鱼攻击、稳定币洗钱多重犯罪交织的现实模式。该犯罪团伙以小额高息贷款作为诱饵，诱导资金困难群体办理 SIM 卡，完成卡源供给之后分层销售给语音钓鱼组织，利用 Telegram、远程设备、匿名虚拟货币完成资金洗白，形成上下游闭环犯罪网络。反网络钓鱼技术专家芦笛指出，经济困境群体已经成为通信黑产重点围猎对象，经济胁迫获取实名通信资源，正在成为电信诈骗上游资源获取的新型路径。本文从犯罪组织分工、犯罪生成动因、技术反侦查手段、法律治理短板等维度展开分析，梳理该复合型犯罪带来的多重社会与网络安全风险，从通信风控、金融监管、黑产全链条打击、社会帮扶、公众风险教育层面提出可落地治理路径。研究表明，单纯打击末端诈骗团伙不足以根除语音钓鱼危害，上游通信资源供给环节的治理缺位，会持续为下游网络钓鱼犯罪输送作案工具，多领域协同治理是破解此类复合型犯罪的核心前提。

2026-08-20

覆盖全场景成品油交易即开票两种原创落地模式

成品油零售“交易即开票”：加油站完成成品油零售交易后，系统自动抓取加油机原始计量数据，通过税务总局乐企平台实时、全额、无感开具数电票，实现加油即交易、交易即支付、支付即开票，无需人工干预、无需客户主动申请

2026-08-12

用 pandas 自动检测银行流水中的异常交易（附完整代码）

本文用 pandas 按几条常见风控规则自动标出可疑交易：单笔大额、整数凑整、非工作时间/节假日交易、对手方高度集中。

2026-08-02

谷歌 320 亿美元收购 Wiz 交易通过美国司法部反垄断审查

网络安全公司 Wiz 的首席执行官于周二表示，谷歌母公司 Alphabet 收购 Wiz 的交易已通过美国司法部（DOJ）的反垄断审查。

2025-11-05

区块链遇上 NebulaGraph 图数据库：Sui 区块链交易关联分析系统

每一笔交易都被永久记录在公共账本上，任何人都可以查看。然而，随着交易量的激增，链上数据正在爆炸式增长，并且原始区块链数据通常是分散且非结构化的，理解这些交易之间复杂的关系网络变得极具挑战性。

2025-07-04

Godzilla.Dev 与 BitCourier 达成战略合作协议，共建全球算法交易社区

这次合作将扩大对英国加密货币生态系统中开放高频交易（HFT）社区的认知。

2025-04-06

拓数派荣获上海数据交易所“数据治理服务商”认证

近期，杭州拓数派科技发展有限公司（以下简称“拓数派”）荣获上海数据交易所“数据治理服务商”认证，标志着拓数派正式加入上海数据交易所数商生态，成为上海数据交易所官方认证的数据治理服务商。

2024-09-26

同城双活：交易链路的稳定性与可靠性探索

，得物的交易主链路出现长时间不可用的情况，团队决定提前预防，启动同城双活项目。

2024-03-27

Batrix企业能力库之物流交易域能力建设实践 | 京东物流技术团队

在四层架构(接入层、交易层、履约层、执行层)的背景下，交易平台组承接交易层的业务逻辑，负责交易场景下的可复用能力开发。

2023-11-29

每日一博 | 交易日均千万订单的存储架构设计与实践

服务业务线：快递、快运、中小件、大件、冷链、国际、B2B合同物流、CLPS、京喜、三入三出（采购入、退货入、调拨入、销售出、退供出、调拨出）等 1.2 订单中心价值 1、解耦（提升系统稳定性）原系统：交易与生产耦合在一起

2023-09-26

库存预占架构升级方案设计-交易库存中心 | 京东物流技术团队

背景介绍伴随物流行业的迅猛发展，一体化供应链模式的落地，对系统吞吐、系统稳定发出巨大挑战，库存作为供应链的重中之重表现更为明显。近三年数据可以看出：接入商家同比增长37.64%、货品种类同比增长53.66% 货品数量同比增长46.43%、仓库数量同比增长18.87% 通过分析过往大促流量，分钟级流量增长率为75%，大促仓内反馈三方订单下传不及时，库存预占吞吐量和性能是导致订单积压因素之一。目前库存使用mysql数据库作为接单预占的扛量手段，随着一体化供应链建设以及重点KA商家不断接入，现有库存架构在业务支撑上存在风险和缺陷。此外未来3到5年业务增长、流量增长预计增长5-10倍。为避免系统性能和技术架构缺陷导致业务损失，轻量级库存架构势在必行。 // 名词解释：库存预占：是指消费者拍下商品订单后，库存先为该订单短暂预留，预留的库存即为预占库存。架构原则架构：是⾯向问题，解决问题的手段。库存系统的问题: 非功能性：1.高并发 2.系统稳定性(容灾) 3.数据一致性功能性: 1.业务复杂 2.数据一致性系统设计设计思路当前库存系统瓶颈在哪里？：抗写流量，数据库成为瓶颈点。如何解决系统瓶颈？：由高并发组件Redis替代数据库。利用Redis需要解决哪些问题？：防超卖，异步写数据库保证最终一致性。总体设计扛量部分：库存性能瓶颈在预占，传统架构主要依靠数据库事务保持数据一致以及数据读写；新版架构设计将数据扛量部分移植到Redis，利用Redis高性能吞吐解决高并发场景下数据读写。数据回写：Redis进行扛量削峰，后续数据仅用于记账，最终牺牲数据的短暂一致性达到削峰的目的。差异部分：老版本库存预占设计仅依靠数据进行数据处理，新版设计依靠切量配置建数据切换到Redis，利用Redis高读写进行削峰操作。详细设计主流程：库存初始化：竞态条件利用Redis watch命令来实现锁等待，解决并发场景数据不一致问题。 LUA执行器：将原子操作指令/复用指令封装到LUA脚本中以减少网络开销。补偿机制：i> 执行流程中所有业务异常发生时会同步发起反向操作请求；ii> 反向操作执行异常后会提交异步反向操作任务；**iii>**异步任务执行异常后，依赖监q控系统扫描异常单据或异常库存并修改异常库存量回溯回写：任务落库后发出mq组装参数调用数据回写服务，数据回写服务操作库存数量；同时回写redis数据，释放预占量库存数据；更新任务库数据状态数据结构库存记录索引：{deptNo|goodsNo|warehouseNo}|stockStatus|stockType|goodsLevel hashTag：{deptNo|goodsNo|warehouseNo}|stockStatus|stockType|goodsLevel 可售库存数量：usableKey：{库存记录索引} 扣减库存量：usableSubtractKey：{库存记录索引} ，记录Redis到DB执行期间减库存量预占防重key：operateKey：{库存记录索引：单号} 防重key防并发重复请求回滚防重：rollbackOperateKey：{库存记录索引} 缺量预占库存量：ullageOperateKey：{库存记录索引} 扣减库存单据记录：hSetrecord: {库存记录索引} key 预占缺量预占回滚回写可售库存数量 - - + 不变扣减库存量 + + - - 预占防重key + + - 不变回滚防重不变不变 + 不变缺量预占库存量不变 + 反向不变扣减库存单据记录 + + - - Redis&DB 首先进行redis&从库数据比对，若存在差异则对主库进行校验比对过程中，DB中sku明细行进行锁定(for update)，比对逻辑为DB可用库存量==(Redis可用库存量+Redis预占量) 有差异，报警且触发SDK可用量过期，同时矫正预占量容灾方案 // 对系统容错/降级、监控机制(空间换稳定性，两份redis，故障3次丢数)，流量分布材料，618流量大、峰值数据切量。数据不一致，多个商家，不能超过5分。预占任务持久化：mysql需要将核心属性字段数据持久化：事业部，商品编码，仓编码，等级，库存类型，库存状态，预占库存量，任务状态;调度执行完成后需要更新stockTask状态为完成初始化： (1) lock db (2) sum stockTask (3)使用DB可用库存初始化Redis可用库存，stockTask预占量初始化Redis预占量 (4)Redis库存回滚，如果预占量key不存在，该key不需要回滚性能结果 23年618大促切量细则切量细则冷热数据 OMS库存冷热装置预占架构升级切量重点key监控库存预占架构升级切量商家架构升级切量商家明细2 已切量商家反向切量原有设计中存在以下名单禁止切量商家：优先级较高，一旦在名单中，禁止切量批次库存商家：批次库存管理商家，目前该部分能力尚未建设动态质押商家：物流金融业务，目前该部分能力尚未建设切量名单商家：该部分为切量商家原有切量流程：！禁止切量->！批次库存->！动态质押->切量名单中，通过以上校验为切量商家。原有流程在增量商家中需要手动将商家配置到切量名单中才可进行切量操作，对于新增商家场景操作不变，且原有流程中逻辑库存名单为痛点：逻辑库存的启用配置在事业部主数据中，不在库存侧。新版切量流程中对切量名单进行优化，将原来切量名单商家拆分成非逻辑库存名单、逻辑库存两个名单，其中：非逻辑库存名单：包含可切量商家逻辑库存名单：逻辑库存商家，该部分不可切量原流程新流程对切量商家名单进行优化，拆分成非逻辑库存名单、逻辑库存两个名单构建模型(批次库存&内存模型待续) Redis存储数据结构 MD生成规则工具集 ◦逻辑库存MD5工具 StringBuffer md5Key = new StringBuffer(); md5Key.append(logicWarehouseStock.getGoodsNo()+"_"+logicWarehouseStock.getWarehouseNo()+"_"+logicWarehouseStock.getOwnerNo()+ "_"+logicWarehouseStock.getDeptNo()+"_"+logicWarehouseStock.getStockType()+"_"+logicWarehouseStock.getGoodsLevel()); if(StringUtils.isBlank(logicWarehouseStock.getFactor1())){ md5Key.append("_0"); }else { md5Key.append("_"+logicWarehouseStock.getFactor1()); } if(StringUtils.isBlank(logicWarehouseStock.getFactor2())){ md5Key.append("_0"); }else { md5Key.append("_"+logicWarehouseStock.getFactor2()); } if(StringUtils.isBlank(logicWarehouseStock.getFactor3())){ md5Key.append("_0"); }else { md5Key.append("_"+logicWarehouseStock.getFactor3()); } if(StringUtils.isBlank(logicWarehouseStock.getFactor4())){ md5Key.append("_0"); }else { md5Key.append("_"+logicWarehouseStock.getFactor4()); } if(logicWarehouseStock.getYn()== null){ md5Key.append("_1"); }else { md5Key.append("_"+logicWarehouseStock.getYn()); } md5Key.toString().hashCode() 批次库存MD5工具 public void fillMd5Value(){ StringBuffer md5Key = new StringBuffer(); md5Key.append(warehouseNo); md5Key.append("_"); md5Key.append(goodsNo); md5Key.append("_"); md5Key.append(goodsLevel); md5Key.append("_"); md5Key.append(stockType); //遍历类字段不遍历map是为了控制MD5的组成顺序 Class clazz = BatchAttrStock.class; Field[] fields = clazz.getDeclaredFields(); try { int batchFieldCount = 0 ; for (Field field : fields){ BatchAttrEnum attrEnum = BatchAttrEnum.batchFieldEnumMap.get(field.getName()); //不是批属性的字段不进入MD5的组成 if (attrEnum == null){ continue; } batchFieldCount ++; field.setAccessible(true); Object value = field.get(this); if (value == null ){ md5Key.append("0"); continue; } if(field.getType().toString().contains("String")){ md5Key.append(value); continue; } if(field.getType().toString().contains("Date")){ Date timeField = (Date) value; md5Key.append(timeField.getTime()); continue; } throw new RuntimeException(attrEnum.getField()+"填充MD5异常"); } //默认50个批属性长度,长度不够0补齐 int remainLength = 50 - batchFieldCount; String str = String.format("%0"+remainLength+"d", 0); md5Key.append(str); }catch (Exception e){ throw new RuntimeException("填充MD5异常."); } md5Key.append(yn); String md5Value = MD5Util.md5(md5Key.toString()); setMd5Value(md5Value); } MD&ID&属性保存工具本文篇幅有限，余下二期进行分享。作者：京东物流金鹏来源：京东云开发者社区自猿其说Tech 转载请注明来源

2023-08-23

智能运维实战：银行业务流程及单笔交易追踪

解决方案业务流程与单笔交易可视化追踪方案面向不同交易所经历的不同业务系统，通过日志数据采集器分别对相应业务应用日志数据进行实时采集、传输至Kafka消息队列，由专业运维数据库统一消费Kafka数据，进行数据解析和数据处理

2022-07-01

TiDB 在连锁快餐企业丨海量交易与实时分析的应用探索

面向海量用户的多渠道交易当然，与任何高级经营模式一样，DTC 战略同样有着不低的实施门槛。

2022-04-13

数据库交易回测系列三：多因子Alpha策略最佳因子权重

在本系列二（多因子Alpha策略回测）中，我们对美股市场的4个量化因子进行了回测。

2020-12-24

“疫”无反顾，2020年十大网络安全并购交易

2019年的十大网络安全并购案交易总额超过300亿美元，而2020年迄今前十大交易总额不到130亿美元。2020年最大的一笔交易不到2019年最大笔交易的一半。

2020-09-14

菜鸟的系统架构师如何应对交易系统激增的系统流量

交易和物流两者间密不可分的技术脐带逐步变成了缠绕在菜鸟脚上的链条。

2020-06-26

欺诈性交易激增，Chrome 扩展程序发布更新暂时中止

由于从事欺诈性交易的付费扩展数量激增，Google 安全团队已无限期中止官方 Chrome Web Store 上任何商业 Chrome 扩展的发布或更新。谷歌表示，欺诈交易的浪潮始于本月初。

2020-01-27

spring-boot整合hazelcast实现高频交易撮合引擎缓存部分入门级

无论是复杂的电子商务交易还是机器学习驱动的客户自助服务门户，速度都是一切。

2019-06-18

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

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。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

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。