holal的博客

我用 AI 把审计制度做成了“知识图谱“，检索效率提升了 50 倍

holal — Tue, 25 Aug 2026 14:53:48 +0800

用 AI 和知识图谱技术，把散落在各处的审计制度文件"串起来"，实现智能检索和问答，让审计人员从 3 小时的手工整理缩短到 30 秒的自动查询。

AI“审计数字员工“平台：一岗一数字员工，一人一数字团队

holal — Mon, 17 Aug 2026 10:34:20 +0800

把标准化审计程序拆解为可编排、可执行、可追溯的数字化流程，让 AI 数字员工 7×24 小时帮你干活。一岗一数字员工，一人一数字团队。

A 股交易避坑指南：用「双盲训练工具」提前规避 90% 的实战风险

holal — Mon, 29 Sep 2025 16:55:41 +0800

本文介绍了一款"A股交易双盲训练软件"，旨在帮助投资者通过虚拟交易提升实战能力。该软件采用双盲设计（隐藏时间与标的），模拟真实交易环境，避免新手常见错误。主要功能包括：1）沉浸式沙盘训练，可自定义周期和随机股票；2）技术指标分析工具，支持多种主流指标；3）交易记录与绩效分析，可复盘每笔操作。软件适用于不同水平的投资者，通过模拟训练培养交易纪律。案例显示，用户经过4周训练后实盘收益率显著提升。文章还提供了部分Python实现代码，展示了数据加载、交易模拟等核心功能模块。

大模型金融企业场景落地应用

holal — Mon, 24 Mar 2025 09:22:31 +0800

面对海量的保险理赔案件和复杂的保险条款，平安保险希望借助AI技术，提升理赔效率和客户体验，降低运营成本和纠纷率。面对复杂多变的市场环境和日益严格的监管要求，中信建投证券希望借助AI技术，提升风险管理和交易效率。面对数字化营销和品牌建设的新趋势，海安农商银行希望借助AI技术，提升品牌宣传和投资者教育的内容生产效率和质量。：诺安基金是中国特色鲜明的公募基金管理公司，以“主题投资”见长，积极探索人工智能技术在投资者教育和市场资讯领域的应用。汇添富基金希望借助AI技术，提升量化投资策略的收益和稳定性。

GaussDB高斯数据库（SQL语法分类）

holal — Wed, 26 Oct 2022 09:58:49 +0800

日常查询中，最常用的是通过FROM子句实现的查询。语法格式：使用方法： SELECT [ , ... ] FROM table_reference [ , ... ]SELECT关键字之后和FROM子句之前出现的表达式称为SELECT项。SELECT项用于指定要查询的列，FROM指定要从哪个表中查询。如果要查询所有列，可以在SELECT后面使用*号，如果只查询特定的列，可以直接在SELECT后面指定列名，列名之间用逗号隔开。

GaussDB高斯数据库（SQL语法入门）

holal — Mon, 24 Oct 2022 16:52:43 +0800

DDL数据定于语言：用于定义或修改数据库中的对象，如：表，索引，视图，数据库，序列，用户，角色，表空间，会话等。DDL不支持物化视图，存储过程，触发器，自定义函数，自定义类型。DML数据操作语言：用于对数据库表中的数据进行操作，如插入，更新和删除。DCL数据控制语言：用来设置或更改数据库事务、授权操作（用户或角色授权，权限收回，创建角色，删除角色等）、锁表（支持SHARE和EXCLUSIVE两种锁表模式）、停机等。

GaussDB高斯数据库（数据库基础知识）

holal — Wed, 19 Oct 2022 17:29:50 +0800

基本数据类型：数值类型，字符类型，二进制类型，日期/时间类型，布尔类型，枚举类型等。约束：常见的约束类型：唯一性和主键约束，外键约束，检查约束，非空约束，默认约束。恢复点目标（RPO）：灾难发生后，系统和数据必须恢复到的时间点要求。表的存储方式，按照数据的存储方式，表分为两种：行存储表和列存储表。行村适合的场景：点查询。核心目标：稳定性，安全性，数据一致性，系统的高性能。模式的概念：模式解决的是同名的问题，是对象的集合。事务特征：原子性，一致性，隔离性，持久性。临时表分为：会话级临时表和事务级临时表。

GaussDB高斯数据库（数据库介绍）

holal — Thu, 13 Oct 2022 09:57:39 +0800

关系型数据库ACID特性：原子性；OLTP：联机事务处理。OLAP：联机分析处理。

lstm和gru的原理

holal — Tue, 25 May 2021 15:22:27 +0800

1.LSTM lstm是由输入门，遗忘门，输出们和一个cell组成。第一步是决定从cell状态中丢弃什么信息，然后再决定有多少新的信息进入到cell状态中，最终基于目前的cell状态据欸的那个输出什么样的信息。 2.GRU gru是由重置门和更新门组成的，其输入为前一时刻隐藏层的输出和当前的输入，输出为下一时刻隐藏层的信息。重置门用来计算候选隐藏层的输出，起作用是控制保留多少前一时刻的隐藏层。更新门的作用是控制加入多少候选隐藏层的输出信息，从而得到当前隐藏层的输出。 ...

.ipynb文件转化成.py文件

holal — Wed, 14 Oct 2020 09:51:13 +0800

首先需要安装好jupyter notebook 之后在需要转换的文件的文件夹内打开命令终端 jupyter nbconvert --to script xxx.ipynb

Python（pyemd）

holal — Mon, 05 Oct 2020 16:15:40 +0800

用于Python的EMD PyEMD是Ofir Pele和Michael Werman实现的Python包装器，它允许与NumPy一起使用。 Installation pip install -i https://pypi.doubanio.com/simple/ --trusted-host pypi.doubanio.com pyemd Usage >>> from pyemd import emd >>> import numpy as np

量化策略系列——【海龟法则】理解与实现（二）

holal — Thu, 23 Jul 2020 18:18:08 +0800

同样是海龟法则主要是实现的方法不一样。该方法是利用掘金量化做的，代码如下。 # coding=utf-8 from __future__ import print_function, absolute_import, unicode_literals from gm.api import * ''' 本策略通过获取SHSE.000300沪深300的成份股数据并统计其30天内开盘价大于前收盘价的天数,并在该天数大于阈值10的时候加入股票池随后对不在股票池的股票平仓并等权配置股票池的标的,每次交易间隔

量化策略系列——【海龟法则】理解与实现（一）

holal — Thu, 23 Jul 2020 17:55:51 +0800

海龟法则本质上是一种趋势性研究，主要依赖于唐奇安通道，利用唐奇安通道的突破点作为买卖信号指导交易。唐奇安通道主要是一个突破型趋势跟踪指标，可以提供两种不同的突破信号。唐奇安通道指标计算：唐奇安上阻力线 = 过去N天的当日最高价的最大值。唐奇安下支撑线 =过去N天的当日最低价的最小值。中心线 =（上线 + 下线）/ 2 唐奇安通道所提供的两种突破信号分别为：上阻力线或下支撑线，突破信号是中心线交叉。中心线有几个用途。首先，它可以用作突破信号以进入新的位置。当价格越过中心线向上时，可以买入..

Tushare金融大数据开放社区（注册及调用api）

holal — Fri, 10 Jul 2020 10:04:47 +0800

一. 注册 Tushare金融大数据开放社区，免费提供各类金融数据和区块链数据 , 助力智能投资与创新型投资。拥有丰富的数据内容，如股票、基金、期货、数字货币等行情数据，公司财务、基金经理等基本面数据，后续开通债券、外汇、行业、大数据、区块链。 1. 您可以通过https://tushare.pro/register?reg=378082或https://tushare.pro/访问网站进行注册 2. 点击右上角的注册按钮，按要求输入信息即可完成注册二. 调用api 1. 注册完成后，登

python3 查找一段文字内指定字符串具体位置

holal — Thu, 09 Jul 2020 15:48:45 +0800

查找一段文字内指定字符串具体位置。 class TrieNode(object): __slots__ = ['value', 'next', 'fail', 'emit'] def __init__(self, value): self.value = value self.next = dict() self.fail = None self.emit = None class AhoCorasic(object)

python去除括号及括号内内容

holal — Wed, 08 Jul 2020 15:42:17 +0800

去除括号及括号内内容的本质是正则 import re s = "我是中国人(住在北京)666[真的]bbbb{确定}" a = re.sub(u"\\(.*?\\)|\\{.*?\\}|\\[.*?\\]|\\<.*?\\>", "", s) print(a) 我是中国人666bbbb

NumPy入门学习（四）函数

holal — Mon, 06 Jul 2020 16:33:11 +0800

一、创建数组的函数创建不同元素值的多维数组 array() 根据输入数据创建多维数组 ones() 创建元素全为1的多维数组 zeros() 创建元素全为0的多维数组 full() 创建元素全为指定值的多维数组创建指定元素值的二维数组 eye() 创建对角矩阵形式的二维数组创建指定元素值得一维数组 linspace() 创建等差数列的一维数组，指定开始值、终值和步长 arange() 创建等差数列的一维数组，指...

NumPy入门学习（三）效率比较

holal — Mon, 06 Jul 2020 16:01:27 +0800

NumPy对比for-in有着很高的效率 1. 生成大规模数组的效果 @timeit_test(number=1, repeat=1) def list_test(): my_list = list(range(1000000)) @timeit_test(number=1, repeat=1) def ndarray_test(): my_arr = np.arange(1000000) list_test() ndarray_test() Time of 0 us

NumPy入门学习（二）矢量运算和广播运算

holal — Mon, 06 Jul 2020 15:14:27 +0800

N维数组对象nadarray核心的两个对象：矢量运算和广播运算。一、矢量运算将两个形状完全一样的数组与元素之间逐个相加，有两种方法：1、for-in循环实现；2、NumPy的运算表达式实现。 1. for-in循环实现数组运算 list_4x3_a = [[1,1,1],[2,2,2],[3,3,3],[4,4,4]] list_4x3_b = [[5,5,5],[5,5,5],[5,5,5],[5,5,5]] list_4x3_c = [[0,0,0],[0,0,0],[0,0,0],[0,

NumPy入门学习（一）创建对象

holal — Mon, 06 Jul 2020 14:27:06 +0800

NumPy的核心是N维数组对象，其不仅具有适量算数运算和广播的能力，并且在处理多维的大规模数组时快速且节省空间。创建ndarray数组最直接的方法是调用np.array()函数，该函数接受列表、元组类写的嵌套序列对象，然后生成一个ndarray数组。ndarray数组是存储同类匀速的多维的数组容器。 1. 单一列表创建一维对象 import numpy as np array_1x7 = np.array([1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0], dtype=np.