原创 輸入輸出流 (文件讀寫)

期末考查:肯定是最基本的 1)how to 讀;how to 寫; 2)文本文件;二進制文件 ps:生成二進制文件來讀寫,往一個二進制文件裏讀寫東西。 1. 基本知識 1.1 I/O類庫中常用流類 iostream:通用輸入

原创 單因子 & 多因子策略(基於JoinQuant)

一份樸實的聲明。。。1. 基於joinquant,大部分代碼是原作者所寫,俺只是改寫、補充。。。2. 源碼見:https://www.joinquant.com/post/7753. 基於因子打分,不是因子迴歸(思路:單因子打分,分值賦權

原创 【SQL】運營數據計算(DAU、留存)

運營數據計算(DAU、留存)1 計算DAU日活2 計算留存率:次日留存 1 計算DAU日活 創建訂單表 create table SC (id varchar(10),uid varchar(10),dt datetime(1

原创 Hello, VBA!

大名 Visual Basic For Application 本性 Excel的二次開發平臺 應用 1) 強化:解決自己的工作問題 2) 開發:開發商業插件(大量應用在其他軟件中,如機械設計軟件AutoCAD、辦公排版軟件Wo

原创 【市場分析2】FinTech之信貸業務

FinTech之信貸業務1. 市場1.1 用戶定位1.2 市場規模1.3 市場集中程度1.4 政策背景2. 商業模式3. 信貸產品4. 應用到的技術4.1 大數據風控4.2 區塊鏈用於轉賬,生成智能合約5. 解決問題5.1 融資難

原创 基於對象的程序設計(OOP)

一、類的基本知識 1. 層次:類>對象>類體:成員(成員變量、成員函數) ps:其中,類體可以是public,也可以是private,public則可以被外界調用,而private則不能被外界調用 2. 定義成員函數 法一:函數體

原创 《投資中最簡單的事》讀後感

格林布拉特認爲,選股有兩個最好的指標,一個是資本回報率,另一個是EV/EBIT 很多價值投資者愛用的自由現金流指標(巴菲特的“所有者盈餘”的概念也與此接近),我在美國使用多年一直得心應手,但是後來在研究韓國、香港和A股等亞洲股票時

原创 【市場分析1】FinTech之香港虛擬銀行VB

FinTech之香港虛擬銀行VB1 定義2 市場分析2.1 興起背景2.2 市場規模、增速2.3 Main Player & 市場格局2.4 香港相關政策3 商業模式3.1 收入結構3.2 香港虛擬銀行的定位:4 案例分析4.1

原创 【機器學習2】決策樹 Decision Tree

I 決策樹定義(Decision Tree) 應用:可以解決多分類問題~ 舉一個栗子🌰,闊以直觀感受一下什麼是決策樹 組成:根節點(x屬性變量)、內部根節點(x屬性變量)、葉子節點(y分類變量) 實質:一系列if-then規則組

原创 【獨角獸️】FinTech之螞蟻金服 • 支付 + 理財

FinTech之螞蟻金服 • 支付 + 理財1 定義、價值觀2 用戶定位3 市場地位4 起源、背景(why 螞蟻金服 born?)5 發展歷程Timeline6 業務板塊7 業務板塊:理財——螞蟻財富7.1 誕生背景7.2 發展歷

原创 【商業分析】FinTech之支付寶 • 數字生活開放平臺

FinTech之支付寶 • 數字生活開放平臺1 市場1.1 B端市場規模1.2 市場集中度1.3 市場發展階段2 戰略目標2.1 目標2.2 措施3 商業模式盈利模式3.1 人:流量入口3.2 貨3.3 場景4 阿里現狀4.1

原创 【SQL】概率統計功能

概率統計功能1 累加1.1 基礎累加1.2 分組累加1.3 累計概率2 環比同比3 計算日活、留存率 複習: MySQL語言執行順序 from on join where group by (包含sum()等聚合函數) havi

原创 【深度學習1】神經網絡NN原理介紹

前言 爲什麼我們要使用NN?因爲任何函數都可以用NN來無限逼近,小到最基礎的邏輯函數,可以通過調整權重,用一層NN實現,大到複雜的函數,可以通過多層NN,每層多個cells的深度神經網絡來實現 概念介紹 1、常見的激活函數

原创 【SQL】窗口函數及其他進階用法

一個支持SQL online的在線編譯器😄 https://www.jdoodle.com/execute-sql-online/ 定義 窗口函數:SQL語句中OVER子句,OVER()括號裏的內容就是窗口函數的作用域,窗口函數

原创 【機器學習4】隨機森林 Random Forest

1. 介紹 定義:Random Forest可以視爲若干棵Decision Tree的Ensemble集成。 好處:隨機森林比一般的決策樹,具有更小的方差和variance,是目前應用最廣法、且分類效果最好的一種機器學習算法。