相关推荐
第46篇 · Vol.5:行业落地案例--金融风控/医疗辅助诊断/电商客服/数据分析 Agent
业务指标(如"DAU""GMV")的精确口径(防口径不一致,这是数据工程最容易出问题的地方)。
印度软件水平为什么世界第一_第1部分:为什么现实世界中的软件需求很难
印度软件水平为什么世界第一 这是我 过去几年 与 Healthforge 团队一起在医疗保健领域开发软件的经验系列文章中的第一 篇 。 在大多数时间里,我们一直与欧洲,北美和澳大利亚的主要中心以及全球生命科学公司的医生和患者一起从事眼保健工作,致力于改善医疗服务和患者成果的项目。 在途中,我学到了一些我想分享的东西。 通过所有这些线程将是必需的。 TL; DR 为什么要求很重要? 由...
happy-coder.apk
日期: 2026-05-16版本:1.7.0一个连接手机与电脑端 Claude Code的工具,让你随时随地都能掌控 AI 编程助手的工作状态。
印度行——印度软件公司的印象
最近为了给一家印度软件公司做CMMI评估前准备,去了一趟印度。本篇文章阐述了这次到印度的一些所见所闻。
中国与印度软件开发之比较[转贴自新浪]
中国与印度软件开发之比较[转贴自新浪] 我在工作中,接触到印度软件公司开发出来的软件: 整个体系架构非常清晰,按照我们的要求实现了全部功能,而且相当稳定。但是打开具体的代码一看,拖沓冗长,水平不咋样。我们自己的一些程序员就有怪话了,说他们水平真低。但是! 印度人能够把软件整体把握得很好,能够完成软件,并得到相当好的设计文档。而中国人在那里琢磨数据结构、算法,界面人员就还没编码就想着是Outl
aoc显示器驱动有什么用_品牌手记 | AOC冠捷:为竞技而生
全世界10台电脑显示器,有4.5台出自冠捷科技。玩过电子竞技的人,大概没有不知道AOC冠捷。在众多电竞产品中,大家普遍对电竞显示器的关注度超高,大概是因为有一个好的显示器,对电竞玩家来说是件如虎添翼的事。作为当今电竞显示器的十大品牌之一,电竞圈里最A的配置,AOC冠捷专业电竞显示器已圈粉了世界各地一大批电竞玩家。然而,AOC冠捷可不止有显示器。这个品牌的历史,值得娓娓道来。 AOC冠捷,是享誉全球...
用国内 ALM 平台落地 IT4IT 3.0:以 Visual ALM 为例打通金融IT全生命周期的实践思路
IT4IT 3.0 为企业提供了数字化 IT 的顶层设计,但真正让价值流动起来的,是底层工具链的工程化能力。像北京维普时代的Visual ALM 作为国内 ALM 平台的一个代表,在本土化、统一数据模型和集成能力方面有其自身特点,可以在一定程度上匹配国内 IT 组织在数字化转型中的实际需求。当然,任何工具都不是银弹。不同团队应根据自身规模、技术栈、流程成熟度来选择适合自己的方案。
【应用】基于 Next.js 16 + Python mplfinance的金融K线图与技术指标可视化平台(一)
架构:前端展示层(Next.js App Router)、API 桥接层(Node.js Route Handler)、渲染引擎层(Python mplfinance)。KLine Studio 是一个全栈金融图表应用,核心能力是将用户在前端配置的图表参数(图表类型、主题、技术指标组合等)实时传递给 Python 端的 mplfinance 渲染引擎,生成专业级 K 线图 PNG 图片后回传前端展示。通过 Slider 控制(30 ~ maxBars),并提供 60/120/250 三个快捷预设按钮。
【应用】基于 Next.js 16 + Python mplfinance的金融K线图与技术指标可视化平台(四)
只有健康检查通过后才继续启动 Mini-Services,避免子服务启动时因依赖的主服务未就绪而失败。每个 Mini-Service 是一个独立的 Node.js/TypeScript 服务,通过 Caddy 的。这种两级关闭策略(先 TERM 再 KILL)给子进程留出清理资源的时间,避免 Caddy 在 Next.js 还没释放端口时就退出导致的连接泄漏。是部署的核心,负责将源码编译、打包为可独立运行的 tar.gz 产物。终止启动,而不是启动到空数据库——这避免了"服务起来了但数据全丢"的隐蔽故障。
金融政务终端如何实现算力全覆盖?
XC3568H、XC3576H、XC3588H三款AI工控主板完成银河麒麟桌面操作系统V10深度适配认证,构建“国产硬件 + 国产操作系统”一体化解决方案,为数字政务、智慧金融项目提供可落地的硬件支撑。
个人量化者选金融数据 API,真正应该比较什么?
很多个人量化者选择金融数据 API 时,会先问三个问题:多少钱?有没有实时行情?有没有历史 K 线?但真正运行策略之后,问题往往会变成另一套东西:为什么回测结果和预期不同?为什么某些股票缺数据?为什么不同市场的代码无法统一?为什么换了复权方式之后收益曲线发生变化?这些问题说明,金融数据 API 实际上属于量化系统的数据基础设施。本文从个人量化者的实际使用场景出发,讨论应该如何评价一个金融数据 API,并分析 QuantDash 在多市场行情、K 线、复权、Python SDK 等方面能够提供哪些公开能力。
【数据工程(1)业务与数据产品】从计算公式到数据产品:金融特征工程的治理方法
【数据工程(1)业务与数据产品】从计算公式到数据产品:金融特征工程的治理方法
金融合同管理系统技术选型:合规、安全、效率的架构级源码开发拆解
金融行业的合同管理系统选型,本质是一次架构权衡:在强监管约束下,如何把"合规、安全、效率"翻译成可落地的技术决策。本文将 GitHub 上 8 个开源合同管理项目(wraft、draft-legal、aakd、signcraft、01amine/CLM、Contract-IQ 等)放到架构层面横评,给出一张技术选型地图。
从 Meme 到金融资产:BONK 的金融化路径正在如何形成?
BONK 的 financialization(金融化)究竟是如何发生的?它距离真正意义上的机构采用,还有多远?
Python 量化开发为什么适合使用金融数据 SDK?从数据获取到策略研究的工程化实践
量化策略最终依赖的是数据,而不是代码本身。一个策略即使逻辑完全正确,如果输入的 K 线存在缺失、复权口径不一致、标的代码混乱或实时行情异常,最终得到的回测和实盘结果仍然可能出现偏差。对于 Python 量化开发者而言,直接调用金融数据 API 可以解决数据获取问题,但随着系统复杂度增加,SDK 在参数封装、DataFrame 输出、批量查询、统一标的格式等方面的价值会越来越明显。本文从数据错误如何影响策略出发,分析为什么金融数据 SDK 适合 Python 量化开发,并结合 QuantDash
RWA解决供应链金融中的痛点:从应收账款数字化到链上资产融资
<think>我们只需要根据要求生成摘要,≤150字。原文内容较长,需概括供应链金融痛点、RWA价值、解决什么问题。用中文,简洁。</think>供应链金融中,中小企业缺资金而信用难传导,传统模式存在资产验证难、确权慢、重复融资等问题。RWA将现实资产、法律权利、业务数据与可编程规则结合,使融资从依赖“企业信用+纸面材料”,转向“可验证资产权利+实时数据+自动执行”,提升透明度、流转效率并降低风控成本。
凡泰极客亮相CIFS金融峰会,加速金融超级App建设,推动AI进入业务层
在金融场景中,研报摘要、投研辅助、客户经营、材料预审、运营分析等工作不仅要求答案准确,还需要明确数据范围、工具权限、人工确认节点和审计记录。FinClaw支持企业把岗位规范、业务流程和专家经验沉淀为可审核、可分发、可迭代的Skill,在保留人工判断与合规边界的前提下,让Agent承担更多重复性、流程化工作。平台将模型、企业数据、业务工具和流程连接起来,通过统一身份、权限继承、多租户隔离、执行策略、技能审核与日志审计,使AI调用工具和执行任务的过程可管理、可追踪。
关于AI技术在金融投研领域应用的工具观察
从公开的实践案例和用户反馈来看,AI在金融投研领域的价值主要体现在信息处理与效率提升方面,包括快速阅读研报与公告、持续监控行情异动、生成财务模型与报告、辅助减少情绪化交易等。平台提供股票监控功能,覆盖委比、涨跌幅、快速拉升或跳水、分钟放量等多个维度,支持定时任务和行情预警推送。内置持仓诊断、个股分析、K线图解析、投资复盘等功能,可输出Word、Excel、PPT格式的投研报告,并支持财务模型及现金流预测模型的自动生成。一、若需要覆盖盯盘、研报解读、建模、报告生成等辅助功能,可了解库库AI。
【 Python 量化交易】第4章:获取金融数据
<think>我们根据要求生成摘要:根据内容生成≤150字的文章摘要。内容是关于Python量化分析中获取金融数据的章节,主要介绍yfinance库、代码规则、参数等。摘要需概括核心。</think>摘要:本章聚焦Python量化分析中的数据获取,强调数据质量决定策略上限。以yfinance库为主线,介绍其安装、核心函数yf.download的参数用法,并对比股票代码规则(A股需加.SS/.SZ后缀)。同时讲解Ticker类如何获取个股基本面等全方位信息,为后续分析奠定数据基础。
33




被折叠的 条评论
为什么被折叠?



