墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
100+累计阅读
191平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
周四，在不到一小时内，华尔街道琼斯指数暴跌了9%（约1000点），原因是一位股票交易员把百万（million）的“M”敲成了十亿（billion）的“B”。
《华尔街日报》称，消息人士透露，一名交易员将1,600万美元的e-minis卖单错误地下成了160亿美元，该期货合约和股指挂钩。错误的巨额交易触发了整个市场的止损指令（为了防止亏损扩大，由交易员在交易程序中设定的一个成交触发价位），导致金融市场发生混乱，宝洁公司的股价一度从60美元跌到了39.37美元，Shares Russell 1000 Value指数基金从近60美元跌至了7.5美分。纳斯达克和纽约证交所高增长市场交易部表示他们将取消下午2:40至3点之间交易。
IEEE Transactions模板中参考文献作者缩写、期刊名缩写
本文章记录如何在IEEE Transactions的模板中，解决参考文献的作者缩写、期刊名字缩写的问题。
1.3 控制幻觉：调试工具在钱面前失灵
《工程师炒股困境：当高智商遇上随机性惩罚》摘要 本文揭示了工程师在股票投资中面临的独特认知陷阱。通过2010年"闪电崩盘"事件，指出程序化交易时代人类决策的滞后性。作者分析了工程师在投资中遭遇的三大困境：1）丧失Debug权限，无法在随机波动的市场中找到确定性错误；2）遭受"随机性惩罚"，正确的逻辑可能带来错误的结果；3）大脑形成自激振荡，将噪声放大成亏损。文章指出，工程师擅长的因果推理在充满随机性的金融市场反而成为负担，导致过度优化和频繁交易。最终强调，在短期操作中，人脑就像没有保护机制的裸奔单片机，任何
Windows 11 + AMD 780M 运行 ComfyUI 完整指南：DirectML 实战方案
ComfyUI 是基于 PyTorch 的 Stable Diffusion 可视化工作流工具，其性能高度依赖 GPU 后端支持。在 Windows 平台，传统 CUDA 方案仅适配 NVIDIA 显卡，而 AMD 核显用户长期面临 ROCm 兼容性差、驱动链路断裂等系统级障碍。DirectML 作为微软原生机器学习 API，绕过 ROCm 生态断层，直接对接 DirectX 12 硬件抽象层，成为 RDNA 3 架构（如 Radeon 780M）在 Windows 11 上运行 AI 绘画的最优解。它提供
股票价格可预测吗？从市场三层结构看实操级可预测性判断框架
股票价格预测并非简单的‘有无模式’哲学问题，而是涉及市场微观、中观、宏观三层嵌套反馈机制的工程实践。其本质取决于信号在特定时间尺度下的可观测性、执行系统的物理约束以及风险吸收能力。真正影响实盘效果的，往往不是模型复杂度，而是数据真实性、对手盘行为变迁与监管环境演化等可度量变量。本文基于37个实盘策略经验，提炼出滚动样本外检验（ROSE）、经济意义检验与七维压力测试三把标尺，帮助量化从业者穿透统计幻觉，识别具备稳定收益风险比的可交易信号。关键词涵盖滚动样本外检验、经济意义检验。
LTspice仿真实战：共模电感差模/共模插入损耗测试全流程（附WE 744821201参数）
本文以Würth Elektronik 744821201型号共模电感为例，详细介绍了在LTspice中搭建差模与共模插入损耗测试电路的全流程。通过从规格书提取关键参数、构建SPICE模型，到执行仿真并与官方数据对比，旨在帮助硬件工程师在PCB设计前期精准预测EMC性能，弥合器件选型与系统设计之间的鸿沟。
VulnHub靶机渗透实战(详细思路讲解)
使用kali中的namp工具扫描开放端口，这时kali会用一个端口号向目标主机的65535个端口发送TCP连接建立请求，回应了ack=1，syn=q的端口就是开放端口号，这里可以看到21，22，80，3306号端口是开放的。可以看到这里得到了很多哈希，带*号的是禁用的或者是空密码，将三个不带星号的密码复制下来，创建一个shell.txt文档，将三个密码复制进去。这里看到我们是没有成功进入这个网页的，应该是目录的问题，我们将目录修改一下，但是没有显示出来，可能是编码问题，再回到我们找到的源码。
零信任架构实战：基于海宇全能个人大数据报告构建自动化持牌消费金融全天候秒级在线极速审批与大促峰值高并发多维大数据风控网关
破解消费金融极速审批痛点：从单维信贷审查到全能大数据秒级多维穿透 在数字普惠金融与居民消费信贷蓬勃发展的大背景下，持牌消费金融公司、商业银行零售信用卡中心以及头部电商消费分期平台构成了拉动内需消费与服务实体经济的重要纽带。依据中国人民银行、国家金融监督管理总局关于加强商业银行互联网贷款业务管理及健全征信合规治理的相关规定，消费金融机构在开展全天候在线无抵押循
保姆级教程：手把手带你复现APFNet论文的RGBT目标跟踪模型（附完整代码与数据集配置）
本文提供了一份详细的APFNet论文复现指南，涵盖从环境搭建到模型测试的全流程。通过解析多模态融合模块和渐进式训练流程，帮助读者高效完成RGBT目标跟踪模型的复现工作，特别针对训练和测试中的常见问题提供实用解决方案。
量子计算参与金融预测：准确率只高 0.77 个百分点，回测毛损益却高出 112%
研究人员将模型预测的涨跌方向与资产实际收益幅度结合，计算每日损益，再将 43 种资产的损益等权平均，累加 600 个测试日期的结果。此次实验比较的是包含基础模型、量子处理器和经典预测模块在内的完整系统，官方报告没有公布拆分各个环节贡献的消融实验结果，因此目前无法判断量子储层、基础模型、硬件适配和特征稳定化分别带来了多少性能提升。这项实验展示了一套由真实量子处理器参与的金融预测系统：量子硬件生成预测特征，经典模型完成收益判断，整套系统在此次历史测试中取得了高于被测经典模型的累计毛损益。
机器人学习-matlab四足机器人控制仿真
《机器人学，机器视觉与控制》学习笔记 使用工具箱版本9.10 题目与解决思路： 【1】. 通过减少复位期间的抬腿高度来缩短复位的轨迹 Z轴向下，为了减小复位器件的抬腿高度，应当缩小△Z，故可以将示例程序中zu值调大。 【2】. 增加腿的步幅 腿的步幅可由改变x方向上腿前进和后退运动的极限来达到，令xf = 7; xb = -xf;即可。 ...
CS 188 Project3(RL) Q10:Approximate Q-Learning
实现一个近似的Q-learning学习代理，它学习状态特征的权重，其中许多状态可能共享相同的特征。在qlearningAgents.py中的ApproximateQAgent类中编写实现，它是PacmanQAgent的子类。 注：近似Q-learning学习假设在状态和动作对上存在一个特征函数f（s，a），它产生一个向量f1(s,a) .. fi(s,a) .. fn(s,a)特征值。我们在fe...
金融工程专业零基础能报哪些证书？
*为什么适合本专业：**相较于侧重会计制度或单项软件操作的考试，CDA数据分析师更适合承担跨越财务与经营分析的学习任务。**报考条件与学习重点：**四、六级考试面向符合条件的在校学生，由学校组织报名；**为什么适合本专业：**财务岗位不只是计算应纳税额，还要理解发票、合同、收入确认与纳税义务之间的联系。**学习重点：**CDA数据分析师的备考应围绕相应级别的考试大纲展开，并将数据整理、统计分析和业务问题理解结合起来。**建议时间与就业方向：**学校允许报名后尽早安排，避免与毕业实习、升学考试集中冲突。
Python实现稳态传热传质的偏微分方程求解
通过这种方法，我们可以求解更复杂的传热传质问题，并对系统的温度和浓度分布进行分析和优化。稳态传热传质是一个重要的工程问题，涉及到物质在空间中的分布以及热量和质量的传递。每次迭代中，我们使用上一次迭代的温度值来计算下一次迭代的温度值。该图显示了平板内部各点的温度分布，其中中心温度为T1，边界温度为T2。接下来，我们创建一个N x N的温度矩阵，并将边界条件初始化为边界温度T2。假设我们有一个矩形平板，其中心温度为T1，四个边界温度为T2。假设平板的长度为L，宽度为W，中心温度为T1，边界温度为T2。
11月3日AI真正的大事：KYA 从 PPT 走进金融系统
今天别只记“LongCat-2.5、Gemini 离线、蚂蚁智能体工厂、TenPay 接万事达”。更该记的是同一天里：香港金管局把 SAGE 和中央登记册摆上台，港大把 KYA 写成全球首份报告，发改委说 AI 立法要覆盖全生命周期，安全圈在算“16 天密钥暴露”和“一天 10 万美金账单”的账。AI 从“我问问它”走到“我让它去管钱”已经发生了。能干活、能付款的 Agent 不稀奇，稀奇的是监管、银行、支付网络同时认可——它领了工牌、交了授权、信任分够高、干错能追到签字人。
VC中sqlite的使用
在VC中对sqlite的使用，实现数据库大批数据的快速插入，读取数据库中的数据在ListCtrl中显示
SIMATIC S7-1200, S7-1500 PID 控制[手册]
SIMATIC S7-1200, S7-1500 PID 控制[手册]
数智筑基·算启未来 ——2026 AI+金融基础设施前沿创新对话 共探金融智能化发展新路径
10月23日，「数智筑基・算启未来」AI+金融基础设施创新对话在浦东举行，逾400位政产学研代表共探AI赋能金融发展新路径。活动聚焦数据智能、算力协同与信创底座建设，DolphinDB发布金融信创生态共建倡议，揭牌上海公司，并分享多资产数据底座与AI应用实践。四场分论坛深入资产管理、权益投资、FICC与风险管理场景，推动AI从技术底层向业务闭环渗透，共绘金融智能化发展蓝图。
Probability and Statistics - 4th edition
Probability and Statistics - 4th edition
汽车金融 OCR 系统架构设计：从多证件识别到关联校验的技术方案
楚识科技的汽车金融 OCR 方案，有几个特点：一是证件类型覆盖全 —— 汽车金融涉及的十几种证件全部支持；二是汽车专项证件准确率高 —— 行驶证、登记证书、车辆合格证的识别准确率比通用 OCR 高很多；三是内置多证件关联校验引擎 —— 识别完自动比对，有问题自动标记；四是和主流风控系统无缝对接 —— 开箱即用，不用二次开发。
计算机控制技术及应用
《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术，以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索，主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式，计算机控制系统的数学描述与基本分析方法，以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。
收购企业接入支付即开票，服务商怎么选？开灵科技、通联支付与建设银行按金融通道、开票回写和五流证据管理对比
该方案以统一业务单对接外部通道，企业变更付款银行或新增开票渠道时，现场建档、货物记录、合同或订单、结算版本仍留在原链路。对集团有多个收购主体的企业，还要区分每个主体的账户、票种、税务关系和授权，不能把“集团接通一条通道”理解成所有下属企业都能直接开票。真正上线时，业务人员还要回答：谁卖的、交了什么货、以什么价格成交、款到了哪张卡、票又对应哪笔收购。到货后记录品类、数量、过磅或称重、验收、扣杂及定价。银行参与“支付即开票”的范围，需进一步确认当地项目、乐企联用资质、反向开票票种、对接方式和开票回写责任。
净利润高增与AI多点落地，宇信科技三季报的金融IT转型信号
2026年Q3季报显示，宇信科技前三季度实现净利润3.74亿元，同比增长32.80%；归母净利润3.79亿元，同比增长35.93%；营业收入19.42亿元。
金融知识资产化与智能标注：从“文档堆积“到“可调用资产“的范式迁移
金融知识资产化（Financial Knowledge Assetization）——将金融机构内部非结构化或半结构化的知识（监管制度、产品说明书、风险案例、审计底稿、客服对话、运维手册等），经过治理、结构化与版本化管理，沉淀为可复用、可度量、可溯源的企业资产。它回答的是"知识在哪里、归谁管、怎么用、效果如何"。智能标注（Intelligent Annotation）——在资产化管线上，利用大模型对知识单元做自动预分类、实体抽取、关系链接与问答对生成，再由领域专家做终审与修正的半自动过程。
算力网金融支持信号：AI基础设施进入政策加持周期
2026年世界互联网大会乌镇峰会闭幕，138国约1800名嘉宾参会，主题“开源开放 共建共享”。三大技术信号值得关注：一是DeepSeek开源推理框架DeepInfer，推动成本竞争下沉至基础设施层；二是腾讯发布混元Hy4等开源大模型，能力与价格持续收敛，多模型按需路由成趋势；三是具身智能落地产线、康养等真实场景，工程细节可观察。建议从模型、连接、应用三层归档开源资源，关注政策与产业对技术路线的影响。
在 SQL 中掌握金融时间序列：不用存储过程的会话化、缺失与连续区间
回头看三个例子，做的是同一件事：把原本需要分阶段完成的过程，从一条终态 SQL 或一段存储过程中取出，变成若干条按顺序排列的步骤。比如会话号、分组标记、区间号这些中间状态，在传统写法中是藏在子查询和临时表里的临时值，在这里是结果表中实际存在的列。其代价也需要说明。这套写法对简单过滤和简单 CRUD 并不划算，一条 SELECT 即可完成的事情没必要拆成步骤。它面向的是足够复杂的分析逻辑。写存储过程也并非错误，只是中间状态被锁在过程里，他人无法单步验证，接手者只能推测。
中国 DevSecOps 领导者：Gitee 在金融级研发平台中的实践与定位
在 DevSecOps 语境下，领导者通常指在代码托管、持续集成、安全测试左移与研发流程治理四个环节中，能提供一体化平台能力并在关键行业形成规模化落地的服务商。据 Gitee 内部产品资料，Gitee 将 DevSecOps 敏捷安全列为技术应用场景之一，并配套 AST 全流程安全测试与开源风险治理能力。评估这类平台时，技术决策者应重点关注五个维度：私有化部署能力、信创兼容性、金融级客户案例、历史数据迁移路径、以及与现有身份认证体系的集成深度。
企业数据接口能做什么：4个接口与金融风控/拓客实战
地图API解决"在哪里"，企业数据解决"是谁"——企业名称是什么？实际经营地址在哪？注册地址是真是假？企业活跃度如何？丰图企业数据提供4个核心接口：**企业实际经营地址查询**、**企业注册地址验真**、**企业活跃度**、**企业注经地址一致性判断**。本文逐一拆解4个接口的能力和返回字段，并给出金融风控（贷前审核+贷后管理）和楼宇拓客两个实战场景的接入方案。
「AI+金融前沿对话」主论坛回顾 |DolphinDB CEO 周小华博士：AI 加持下，多资产管理系统如何建设？
2026年10月，陆家嘴金融沙龙与智臾科技联合举办“数智筑基·算启未来”峰会，DolphinDB创始人周小华博士分享《AI加持下的多资产管理系统建设》。他提出，金融机构应从定制化系统转向构建统一数据计算底座、沉淀可复用的金融中间件，并借助AI Agent实现能力组合与灵活应用。通过面向金融资产的对象模型、实时计算平台Orca及金融本体FinOntology，DolphinDB推动数据、计算与专业知识的高效复用，助力AI深度融入投研、风控等核心业务，打造开放、可信的智能金融基础设施。
【AI实战】Kronos中文版使用教程：把金融K线基础模型跑起来，先看清这几个坑
Kronos 这个项目我关注有一阵子了。它是 shiyu-coder/Kronos 的中文翻译版，原项目在 GitHub 上已经积累了 47035 个 star，主语言 Python，MIT 许可证。原版 README 是全英文的，对不少做量化或者想试金融时序模型的同学来说，光是读文档就要花掉不少时间。现在有人把它翻译成了中文，仓库地址是 https://github.com/yangshun2005/Kronos-cn ，翻译日期标注为 2026-11-07。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
1万+
扫一扫
