源码

原文策略源码如下： #低估值+TRIX+RSI 低回撤策略 import jqdata 导入talib库命名为tl import talib as tl 导入numpy库命名为tl import numpy as np 导入 technical_analysis 库 from jqlib.technical_analysis import * ‘’’ 总体回测前 ‘’’ 配置参数 最多持有几只股票 MAX_OWN_NUM = 2 配置参数 买入单只股票,最大使用可用资金的几分之1 CASH_SP_COUNT = 2 配置参数 每天开仓买入,最大使用多少可用资金额 CASH_MAX_USE = 20000 配置参数 每只股票买入最大使用多少资金额 CASH_MAX_USE_PERSTOCK = 10000 初始化函数，设定基准等等 def initialize(context): # 开启动态复权模式(真实价格) set_option(‘use_real_price’, True) # 输出内容到日志 log.info() log.info(‘初始函数开始运行且全局只运行一次’) log.set_level(‘order’, ‘error’) g.HighAfterEntry = {} #存放 持仓股票 买入后所创最高价 g.holdday = {}#存放 持仓股票 买入后持仓天数

基于资源共享，促进共同发展理念，贡献出学生时代学习Python的一些学习资源 下面是资源截图，想要资源的话加微信13104990877并备注本博客标题，这里就不发出来了， 史上最全Python资源集合，共280多G 有视频教程，电子书，项目源码，算法，爬虫，人工智能，有基础篇和高阶篇 Python微信开发神器，_python分布式爬虫打造搜索引擎，_Python运维系统开发，人工智能+Python基础班 python全栈工程师，Django框架 来源： https://www.cnblogs.com/fzqm-lwz/p/12026900.html

HashMap 简介 HashMap 主要用来存放键值对，它基于哈希表的Map接口实现，是常用的Java集合之一。 JDK1.8 之前 HashMap 由 数组+链表 组成的，数组是 HashMap 的主体，链表则是主要为了解决哈希冲突而存在的（“拉链法”解决冲突）.JDK1.8 以后在解决哈希冲突时有了较大的变化，当链表长度大于阈值（默认为 8）时，将链表转化为红黑树（将链表转换成红黑树前会判断，如果当前数组的长度小于 64，那么会选择先进行数组扩容，而不是转换为红黑树），以减少搜索时间，具体可以参考 treeifyBin 方法。 底层数据结构分析 JDK1.8之前 JDK1.8 之前 HashMap 底层是 数组和链表 结合在一起使用也就是 链表散列 。 HashMap 通过 key 的 hashCode 经过扰动函数处理过后得到 hash 值，然后通过 (n - 1) & hash 判断当前元素存放的位置（这里的 n 指的是数组的长度），如果当前位置存在元素的话，就判断该元素与要存入的元素的 hash 值以及 key 是否相同，如果相同的话，直接覆盖，不相同就通过拉链法解决冲突。 所谓扰动函数指的就是 HashMap 的 hash 方法。使用 hash 方法也就是扰动函数是为了防止一些实现比较差的 hashCode() 方法 换句话说使用扰动函数之后可以减少碰撞 JDK 1

Introspector作用及影响 在分析IntrospectorCleanupListener之前，先了解一下Introspector。Introspector是JDK中java.beans包下的类，它为目标JavaBean提供了一种了解原类方法、属性和事件的标准方法。通俗的说，就是可以通过Introspector构建一个BeanInfo对象，而这个BeanInfo对象中包含了目标类中的属性、方法和事件的描述信息，然后可以使用这个BeanInfo对象对目标对象进行相关操作。 下面看一个简单的示例会很容易明白。为了简单，Student类中只有一个name属性。 结果输出：Student{name=‘张三’} 通过查看Introspector.getBeanInfo方法的源码会发现，Introspector在构建一个BeanInfo对象的时候，会将构建的BeanInfo对象和原类缓存到一个Map中，源码如下。 通过上的代码可以得出，Introspector间接持有了BeanInfo的强引用。如果使用Introspector操作了很多类，那么Introspector将间接持有这些BeanInfo的强引用。在发生垃圾收集的时候，检测到这些BeanInfo存在引用链，则这些类和对应的类加载器将不会被垃圾收集器回收，进而导致内存泄漏。所以，为了解决这个问题

原文策略源码如下： #无模型评估的多因子模型 import pandas as pd import numpy as np import math from sklearn.svm import SVR from sklearn.model_selection import GridSearchCV from sklearn.model_selection import learning_curve from sklearn.linear_model import LinearRegression from sklearn.ensemble import RandomForestRegressor import jqdata #初始化函数 def initialize(context): set_params() set_backtest() run_daily(trade, ‘every_bar’) #设置参数函数，调仓 def set_params(): g.days = 0 g.refresh_rate = 10 g.stocknum = 10 #测试函数 def set_backtest(): set_benchmark(‘000001.XSHG’)#基准指数 set_option(‘use_real_price’, True) log.set_level(‘order’,

原文策略源码如下： #追三板策略 from operator import itemgetter, attrgetter import pandas as pd import numpy as np import talib as tl 初始化函数，设定要操作的股票、基准等等 def initialize(context): # 设定沪深300作为基准 set_benchmark(‘000016.XSHG’) # True为开启动态复权模式，使用真实价格交易 set_option(‘use_real_price’, True) # 设定成交量比例 set_option(‘order_volume_ratio’, 1) # 股票类交易手续费是：买入时佣金万分之三，卖出时佣金万分之三加千之一印花税, 每笔交易佣金最低扣5块钱 set_order_cost(OrderCost(open_tax=0, close_tax=0.001, open_commission=0.0003, close_commission=0.0003, close_today_commission=0, min_commission=5), type=‘stock’) g.buylist=[] # 持仓数量 g.stocknum =10 # 持仓天数 g.holdDays=[] for days in

原文策略源码如下： #价值投资策略 from kuanke.wizard import * from jqdata import * import numpy as np import pandas as pd import talib import datetime 初始化函数，设定要操作的股票、基准等等 def initialize(context): # 设定基准 set_benchmark(‘000300.XSHG’) # 设定滑点 set_slippage(FixedSlippage(0.02)) # True为开启动态复权模式，使用真实价格交易 set_option(‘use_real_price’, True) # 设定成交量比例 set_option(‘order_volume_ratio’, 1) # 股票类交易手续费是：买入时佣金万分之三，卖出时佣金万分之三加千分之一印花税, 每笔交易佣金最低扣5块钱 set_order_cost(OrderCost(open_tax=0, close_tax=0.001, open_commission=0.00015, close_commission=0.00015, min_commission=5), type=‘stock’) # 个股最大持仓比重 g.security_max_proportion = 1 #

java 后台相关面试题 1、java基础 源码链接： https://github.com/MaximAbramchuck/awesome-interview-questions#java 2、设计模式 源码链接： https://github.com/MaximAbramchuck/awesome-interview-questions#design-patterns 3、数据库语言SQL 源码链接： https://github.com/MaximAbramchuck/awesome-interview-questions#sql 4、数据结构 源码链接： https://github.com/MaximAbramchuck/awesome-interview-questions#data-structures 5、redis相关 源码链接： https://github.com/MaximAbramchuck/awesome-interview-questions#redis 来源： CSDN 作者： 梅川酷紫 链接： https://blog.csdn.net/chenjun9205/article/details/103489348

目录 finishBeanFactoryInitialization 1、ConversionService 2、freezeConfiguration（冻结BeanDifinition） 3、preInstantiateSingletons（将所有非懒加载的单利Bean进行初始化） finishBeanFactoryInitialization 1、ConversionService 2、freezeConfiguration（冻结BeanDifinition） 3、preInstantiateSingletons（将所有非懒加载的单利Bean进行初始化） 来源： CSDN 作者： it_lihongmin 链接： https://blog.csdn.net/it_lihongmin/article/details/103497331

一、为什么选 volley ? 说起 volley 还真是有点年头了，在 okHttp 未出之前 volley 其实也是个很火的框架，不过随着移动端日新月异的发展速度，使用的人越来越少却是不争的事实，当然本篇博客也不是要说这些，优秀的源码总是学习的最佳案例尤其是 Google 出品的 volley ,短小精悍的体积相比一些动辄十几个包成千上百个类的框架源码，无疑是非常适合用来阅读学习的。技术的发展以及需求的多变使得各种各样的框架层出不穷，但变得其实只是外面，里子的思想是支持外在变化的根本，对于编程人员来说这更是通往高层次的必经之路。 二、Volley 介绍 Volley 是 Google 在 2013 年在 Google I/O 大会上推出的一款轻量级网络请求框架，Volley 的设计目标是针对那些数据量不大却通信频繁的请求比如新闻类 App 、社交类App、Volley 在这方面的性能非常高效而且简单易用，抛却了 HttpUrlConnection 那繁琐的用法，但Volley不适合大型下载或流式传输操作，因为Volley在解析期间会将所有响应都保存在内存中，所以如果用 Volley 来进行下载文件的话那么表现可能就很糟糕了。 三、Volley 的工作流程 上图是 Google 官方给出的 Volley 工作流程图，从图中可以很清楚的看到 Volley 从 request 到