HelloWorld 开发者社区
科技资讯
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
qData 1.6.7 发布:修复增量读取与 ETL 字段传递问题
Apple HomeView 在部分地区开售,整合家庭控制与视频通话
Cloudflare 推出 Spend Management Beta,为 Workers 增加支出限制
Cloudflare 开源 Kitesurf:面向 AI 智能体的轻量浏览器引擎
JeecgBoot 与敲敲云介绍分层方案,连接低代码开发与业务搭建
开源项目
全部项目推荐好文
Smartbi:大数据是如何改变金融业的面孔的?
如今的金融行业市场正发生着翻天覆地的变化。银行之间的竞争也日益激烈,利率市场化已经成为了趋势。面对着“金融脱媒”的压力,同时也为了能够在市场中继续立足,商业银行也只有利用强化营销、控制日增的风险,才可保证利润的增长和可持续发展。通过实施数据仓库系统,商业银行可以实现账户、客户和交易数据的集中和统一、
流量经济新观察之银行篇:数字化转型四十载
<blockquote麦肯锡报告指出,数字化时代用户消费行为和业务形态不断变迁,如果银行不积极应对的话,到2025年,五大零售业务(消费金融、按揭贷款、中小企业贷款、零售支付、财富管理)中10%40%的收入将面临威胁,20%60%的利润将消失。</blockquote!世界上最古
代码回现 | 如何实现交易反欺诈?
一、背景概述交易反欺诈是VoltDB适用场景之一,是典型的事件驱动的业务,核心是摄取高频的交易数据,并逐条对交易进行一系列复杂的反欺诈规则校验,最终生成评判交易可疑度的分值,发送给下游业务系统,触发交易拦截动作。反欺诈规则中涉及大量的通过分析历史交易生成的指标项,在VoltDB中进行流式
量化交易干货丨如何使用DolphinDB计算K线
DolphinDB提供了功能强大的内存计算引擎,内置时间序列函数,分布式计算以及流数据处理引擎,在众多场景下均可高效的计算K线。本教程将介绍DolphinDB如何通过批量处理和流式处理计算K线。历史数据批量计算K线其中可以指定K线窗口的起始时间;一天中可以存在多个交易时段,包括隔夜时段
如何使用Orca开发量化策略?
本文讲述关于动量策略的一个实例。动量策略是最著名的定量长短期股票策略之一。自从Jegadeesh和Titman(1993)首次提出这个概念以来,它已广泛出现在学术研究和销售方面的著作中。投资者在动量策略中相信,个股中,过去的赢家将超越过去的输家。最常用的动量因素是股票除去最近一个月在过去12个月
华为云FusionInsight MRS在金融行业存算分离的实践
<blockquote<strong摘要:</strong华为云FusionInsightMRS的大数据存算分离解决方案,实现资源价值最大化,存储与计算资源全面云化、灵活配置、弹性伸缩,降本增效。</blockquote在大数据、云计算、5G、AI等技术日新月异,数字经济加速发展的背景
干货丨如何使用DolphinDB回放加密货币盘口与逐笔交易数据
对加密货币盘口与逐笔交易数据的回放展示,可帮助量化研究人员检验量化策略,也有助于交易员复盘,加深对市场的洞察。DolphinDB可实现盘口和逐笔交易数据的高速回放,以及对回放结果逐点查询。DolphinDBdatabase支持将多个分布式表同步回放并发布到流数据表,例如对盘口和交易这两个表进行
干货丨DolphinDB高频数据处理技巧:数据透视的应用
行列转换(pivot)是一个常见的整理数据的需求,又称为转置或者透视。高频数据通常以下图的格式保存:每一行为一个股票在某个时刻的信息。!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/e43e9879d742749cdb
干货丨DolphinDB高频数据处理技巧:非等间隔的时间序列处理
高频时间序列的处理中,经常会用到滑动,偏移,聚合,转置,关联等操作。譬如说我想对一个某指标列用过去一个小时的数据的均值来做平滑处理,又或者想找到每一个时刻,该指标一个小时前的相应的指标值。如果序列中每个指标的间隔是相等的而且中间没有缺失数据,譬如说0.5s,3s,那么我们可以把时间窗口转化成固定记录
干货丨DolphinDB高频数据处理技巧:非等间隔的时间序列处理
高频时间序列的处理中,经常会用到滑动,偏移,聚合,转置,关联等操作。譬如说我想对一个某指标列用过去一个小时的数据的均值来做平滑处理,又或者想找到每一个时刻,该指标一个小时前的相应的指标值。如果序列中每个指标的间隔是相等的而且中间没有缺失数据,譬如说0.5s,3s,那么我们可以把时间窗口转化成固定记录
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。