当前位置: 首页 > news >正文

十二月券商金工精选

研报目录

简述

按发布时间排序

华宝证券

主动暴露的得与失—从Barra框架到私募指增因子分析方法

发布日期:2022-12-01   

关键词:股票、Barra、风险暴露、指数增强

主要内容:本文针对私募指数增强产品的策略流程,设计了一套相应的风险因子暴露分析方法,以风险暴露的角度构造因子对私募指数增强产品进行分析。在业绩统计筛选方法中加入风险轮动因子可以显著提升沪深300指数增强产品筛选组合的收益表现,其中加入风格轮动因子后组合年化超额收益从15.6%提升到了23.5%,超额最大回撤从6.2%下降到了5.5%。

方正证券

专题报告:如何跑赢股票型基金指数?

发布日期:2022-12-02   

关键词:股票、基金、多因子模型

主要内容:文章于每个季度补全基金的全部模拟持仓,并分析模拟持仓组合的风格暴露偏向中小市值、高流动性、高波动、高估值的个股。从估值、动量、盈利、成长、分析师预期、技术特征等多维度来构建选股因子,复合选股因子的RankIC 均值为6.71%,年化RankICIR 为3.26,RankIC 的胜率为83.33%,多空年化收益为30.71%。

东北证券

成长分类定价和未被分析师覆盖股票的预测数据填充

发布日期:2022-12-02   

关键词:股票、成长股、分析师

主要内容:文章对中信一级行业分为“稳定增长型”、“快速增长型”和“周期行业”三类,并分别对各类型的股票使用“PE/(G-2YCAGR)”、“PE/(G-YOY)”和“PB/(Sa;es-Growth-2YCAGR)”作为成长定价指标,进行组合与回溯;其他对尚未被分析师覆盖或无预测指标的股票进行数据预估,再重新进行成长分类定价的回溯。模型的多头年化收益21.89%,相对万得全A年化超额13.61%。

开源证券

市场微观结构研究系列(17):日内极端收益前后的反转特性与因子构建

发布日期:2022-12-04   关键词:股票、日内极端收益

主要内容:本篇报告试图从分钟数据出发,探寻日内极端收益的alpha信息。对于极端收益的定义,我们使用S=|χ-median(χ)|为衡量标准。经过一系列研究后构建了ERR因子,其RankIC均值-7.08%,RankICIR-3.18,10分组多空对冲年化收益率19.58%,信息比率3.01,胜率81.90%,最大回撤5.71%。

东方证券

《量化策略研究之六》:行业动量的刻画

发布日期:2022-12-05   关键词:行业、行业动量

主要内容:文章根据行业rank动量、成分股动量、换手率等信息构建复合行业动量因子,因子多头超额8.32%,信息比率0.88,超额收益最大回撤17%。

东北证券

行业轮动五:如何更好的描述行业趋势

发布日期:2022-12-06   关键词:股票、行业、趋势

主要内容:本报告中,通过行业价格指数运行的趋势中的极大值极小值时序上的关系,日内上下影线结构,成分股运行的一致性等多个视角,构建了不同的动量因子,来对简单的时间区间内涨跌幅因子进行替代。模型组合年化收益17.22%,年化波动率21.58%,最大回撤32.08%。

东方证券

《因子选股系列研究之八十六》:研报文本情感倾向因子

发布日期:2022-12-07   关键词:股票、文本情感

主要内容:分析师研报数据是相对独立的信息源,本报告基于朝阳永续的研报标题和摘要文本、盈利预测,用多种NLP模型提取文本特征,判断研报的情感倾向。合成因子RPST,全样本rankIC3.8%,ICIR1.4,年化收益20%。

中金公司

国债期货订单流交易策略初探——固收量化探索系列

发布日期:2022-12  关键词:期货、国债、订单流

主要内容:文章基于“供需的平衡状态影响短期价格的变化”这个原理,通过订单簿信号的趋势信息与不同订单估算方法构建策略,取得正收益和较为平滑的收益曲线。

安信证券

基于一致预期的价值分析模型简介及应用

发布日期:2022-12-11   

关键词:股票、一致预期、估值模型

主要内容:文章根据一致预期数据构建了价值分析模型,包括自动定量计算估值结果、基于业绩基准系数、最新年报的EPS、T年、T+1年和T+2年的一致预期EPS构建的四条价值带,并展示了部分重要标的的价值分析结果。

开源证券

开源量化评论(68):从龙头股领涨到行业动量:绝对与相对的统一框架

发布日期:2022-12-12   关键词:股票、行业、龙头股

主要内容:文章基于《A股行业动量的精细结构》中提出的“行业动量的龙头股模型”进一步优化,改进龙头股模型因子ND:RankIC均值为5.37%,RankICIR为0.84,三分组下月度多空胜率可达58.4%,盈亏比为1.50。

国金证券

Beta猎手系列:基于动态宏观事件因子的股债轮动策略

发布日期:2022-12-13   关键词:股票、债券、宏观事件

主要内容:文章构建了动态事件驱动策略框架,将事件因子的评价环节包含在每期事件因子的选择当中,动态选择与资产走势更相关的事件因子;并使用择时策略中获得的股票仓位信息搭配风险预算模型来构建不同风险偏好的股债轮动策略,千一手续费下年化收益21.92%,夏普比率1.33。

华安证券

行业轮动逻辑的标签化应用:重构轮动框架

发布日期:2022-12  关键词:股票、行业轮动、标签

主要内容:文章构建板块-概念-风格三维一体式的行业标签体系,并挑选宏观指标,定义8种事件模式,基于事件驱动的研究思路和严格的筛选标准,考察宏观事件和概念指数之间的关系。文章构建的复合因子RankIC均值为15.1%,年化ICIR为2.49,IC月胜率为78.8%。

方正证券

多因子选股系列研究之八:显著效应、极端收益扭曲决策权重和“草木皆兵”因子

发布日期:2022-12-13   

关键词:股票、显著效应、反转因子

主要内容:显著理论认为那些收益率过分高于市场收益率的股票,会吸引投资者的注意力并引起投资者的过度买入,进而股价会在未来发生回落。文章将显著理论和反转因子相互结合构建了“草木皆兵”因子,Rank IC达-8.90%,Rank ICIR为-4.54,多空组合年化收益率达32.50%,信息比3.92。

光大证券

量化策略研究系列报告之三:细“颗粒度”下北向资金的配置能力

发布日期:2022-12-13   关键词:股票、北向资金

主要内容:从市场覆盖度、影响力和交易行为特征出发,对北向资金托管机构进行细分,将北向资金拆解为“激流勇进”的交易盘和“细水长流”的配置盘,定期调整机构划分结果,以便更有效地捕捉机构特征的变化。

浙商证券

金融工程深度:金股数据库及金股组合增强策略(二)

发布日期:2022-12-13   关键词:股票、金股、IC动量

主要内容:文章基于前期构建的金股数据库1.0版本,迭代了金股数据库2.0版本,并尝试IC动量挖掘、OLS回归、遗传规划和神经网络模型,用以提取数据库字段中包含的有效信息,并合成分析师推荐因子。经实证,IC动量挖掘策略获取收益的能力相较原始策略有所提升。

 

国信证券

战胜机构投资者—再论主动股基业绩增强策略

发布日期:2022-12-13   关键词:股票、基金、业绩增强

主要内容:文章以战胜主动股基中位数为目标构建股票投资策略,先对基金进行收益类因子中性化处理,再进一步优选基金,并补全持仓构建优选基金持仓组合。文章构建的优秀基金持仓精选组合年化收益28.87%,年化超额17.81%,2012年以来均能排在主动股基前30%以内。

太平洋证券

基于市场拐点的行业轮动策略

发布日期:2022-12-13   关键词:行业、行业轮动、拐点

主要内容:文章对常用基于技术面拐点的方法进行研究:通过搜索指数行情的拐点,从而判断市场处于“上涨市”还是“下跌市”,观察行业指数在不同市场状态下的排名情况,以寻找稳定的行业动量特征。策略平均年化超额收益为10%,年度胜率100%。

东方证券

基于量价信息的利率择时探讨 —— 宏观固收量化研究系列之(八)

发布日期:2022-12-14   

关键词:期货、利率择时、多因子

主要内容:本文探讨了通过挖掘利率市场量价信息来进行择时的可能性,尝试筛选出较好的量价因子,构建因子池,并最终将各因子的信号通过等权法或回归法合成最终信号,其中对于长短久期国开债指数的轮动组合,全样本费后年化收益达到6.36%,收益风险比达3.1。

东北证券

机器学习系列之二:基于cVAE的数据增强对下行风险预测的提升

发布日期:2022-12-15   

关键词:指数、下行风险、cVAE

主要内容:本文介绍了用条件变分自编码器模型cVAE进行数据增强的方法,利用cVAE在不同下行风险等级下学习多维期权相关指标的分布,并尝试将其应用在依靠期权风险指标对未来下行风险预测评估的任务中,较大程度地提升了预测效果,也使得基于风险预测的策略表现更为优异。

 

国元证券

哈雷之约:基于指数成分股调整的选股策略

发布日期:2022-12-15   关键词:股票、指数成分股

主要内容:文章定义指数成分调整冲击因子=被动资金流/日均成交金额,以表征指数调整对个股的价格冲击;并构建选股策略,因子单次(半月)RankIC均值为19.8%,年化ICIR达到7.32;多头每次开仓获得5.1%的收益率,年化收益率为10.26%,夏普比率1.03,最大回撤3%。

浙商证券

以Lucky Fund为目标的ETF组合构建策略-长期绩优组合构造

发布日期:2022-12-15   关键词:基金、Lucky Fund

主要内容:本文探讨了锚定Lucky Fund(简称:LF)净值曲线获取绩优组合收益的可行性。首先测算了LF的模拟持仓结构,其次刻画LF的风格切换和行业轮动特征,并设计了多种方案对模拟持仓做出定期修正。策略使用场内ETF和行业指数模拟组合对LF进行跟踪,对于40%以上收益水平的LF坚持跟随策略可以获取显著的市场超额回报。

中金公司

基本面量化系列(8):四象限风格内应如何选股?

发布日期:2022-12-15   关键词:股票、风格、选股策略

主要内容:本篇报告将大盘/小盘风格与成长/价值风格结合,可实现风格的更精确的定义,聚焦于分析各类风格内的主要特征,挖掘特定风格内有效性较高的选股策略。

 

中金公司

基本面量化系列(9):机构调研行为是否存在alpha?

发布日期:2022-12-17   关键词:股票、机构调研

主要内容:本文关注调研数据,并聚焦调研事件的变化与影响构建调研选股因子,捕捉调研活动中的增量信息。其中调研变化率因子在全市场的ICIR为0.48,IC均值为1.49%。

开源证券

市场微观结构研究系列(18):大小单资金流alpha探究2.0:变量精筛与高频测算

发布日期:2022-12-20   

关键词:股票、资金流、残差、羊群效应

主要内容:文章基于前期系列研究,对大小单残差因子和散户羊群效应做进一步改进,并构建复合因子:大小单综合资金流因子,RankIC均值7.89%,RankICIR3.99,10分组多空对冲年化收益率35.36%,信息比率4.82,胜率89.19%,最大回撤2.09%。

华泰证券

析精剖微:机构拆解看北向资金

发布日期:2022-12-20   

关键词:股票、北向资金、机构

主要内容:本文从托管机构拆解角度出发,对北向资金进行全方位剖析。全面画像下各类北向机构特征迥异。围绕各类北向资金流事件,构建北向资金日频情绪指数,基于该指数的择时策略样本外年化超额约15%。构建行业配置因子,选取有效因子复合形成行业配置策略,年化超额约15%。

华西证券

机器学习研究系列之五:机器学习策略的可解释性分析

发布日期:2022-12-20   

关键词:股票、机器学习、SHAP

主要内容:本文介绍了当前已有的解释性框架及原理,并尝试使用SHAP框架对择时策略进行可解释性分析。通过特征的Shapley值进行分析可以判断在一次或多次预测过程中输入特征的重要程度,从而得到因子对于资产收益率的非线性相关性关系。

东证期货

国债期货量化系列三:择时模型仓位管理优化方法探究

发布日期:2022-12-21   关键词:期货、择时、仓位管理

主要内容:文章基于前期系列研究,进一步丰富完善逻辑指标池;并进一步探讨仓位优化建模,将自定义损失函数用于LSTM模型;最后,构建基于国债期货的多策略多品种组合模型,取得年化收益6.6%,年化波动率2.1%,最大回撤0.7%,夏普率3.09的测试集表现。

天风证券

主动量化系列(一):景气度边际变化在行业配置和选股上的应用

发布日期:2022-12-23   关键词:股票、景气度

主要内容:本文基于分析师对个股的业绩预测数据,合成行业预期ROE增速因子,以此作为景气度量化指标,并根据景气度的季度环比变化,构建高景气的行业和个股组合。构建“全市场景气TOP10”股票组合年化收益35.98%,组合年化超额收益25.45%,夏普比率达1.24,Calmar达0.90。

中信期货

期货多因子专题(五):不同频率视角下的选期因子

发布日期:2022-12-23   关键词:期货、多因子

主要内容:文章利用高、低频交易数据构建了“量价相关性”因子、“趋势强度”因子以及“振幅”因子,其中振幅因子在 J=63 时因子表现非常稳定,平均年化收益在 9.4%左右,夏普率1.3 左右,Calmar 比率在 0.97 左右。

华宝证券

量化视点2022年第15期:可以利用行业主题型基金复制基准指数吗?

发布日期:2022-12-23   关键词:基金、行业主题

主要内容:本文站在构建FOF组合中有对于如何构建底仓进行了新的尝试,首先通过将行业分类缩小到六大类,然后利用其对应的行业指数构建组合能够比较好的复制基准指数;最后在这六个行业大类内分别选取贴合各行业指数的主题型基金,并构建组合,最终回测得到的净值不仅与基准指数有很高的相关性,同时也能稳定的获得超额收益,年化收益相较基准高出了5.46个百分点。

中信建投期货

CTA系列七十:策略指数构建和分析

发布日期:2022-12-23   关键词:期货、CTA、策略指数

主要内容:本文的目的在于构建CTA策略指数,用于绩效归因和跟踪观察的目的。重点在于跟踪长中短周期趋势的策略指数净值,另外包含一个反转类策略的指数净值。本文还从板块、品种对于策略指数的贡献进行了分解,作为一个绩效归因的案例。

国盛证券

宏观经济量化系列之二:宏观预期差量化与超预期策略

发布日期:2022-12-23   关键词:固收、宏观预期差

主要内容:本文从国内投资者关注较少的宏观一致预期的数据切入,补充解决了宏观量化中的力度判断问题:如何刻画经济数据、货币政策预期差等问题,并构建了固收+预期差增强型策略,年化收益达6.4%,年化波动为2.6%,最大回撤为2.7%。

开源证券

市场微观结构研究系列(19):日内分钟收益率的时序特征:逻辑讨论与因子增强

发布日期:2022-12-25   关键词:股票、时间重心偏离

主要内容:文章认为,涨、跌幅时间重心的相对位置是一个有效的Alpha因子,经过一系列分析后构建了时间重心偏离(TGD)因子多空信息比率达到4.5以上,RankICIR为4.93。

国盛证券

量化专题报告:政府补助信息中的alpha

发布日期:2022-12-27   关键词:股票、政府补助

主要内容:基于非经常性政府补助、其他收益和递延收益三个与政府补助相关的财务报表科目,我们综合构建政府补助因子govt。在中小市值股票域中,我们基于补助因子等权持有100只股票构建多头组合,2014年以来年化收益26.6%,同期中证1000指数年化收益3.8%,超额收益22.8%,信息比达2.80,超额收益显著。

开源证券

开源量化评论(69):机构行为alpha的细分结构:龙虎榜、机构调研、大宗交易

发布日期:2022-12-28   

关键词:股票、机构行为、龙虎榜、机构调研、大宗交易

主要内容:文章针对机构行为进行了一系列的研究,包括龙虎榜、机构调研和大宗交易,并从多头维度出发,构建机构行为事件组合。全时间区间内,组合年化收益率为30.9%,收益表现优于同期沪深300指数(15.2%)和中证500指数(20.3%)。

 

国泰君安证券

行业趋势的量化建模

发布日期:2022-12-28   

关键词:行业、基金、行业趋势

主要内容:本篇报告刻画了一种事件性投资机会:当偏股型基金创新高比例上升超过10%时,创新高基金重仓行业中,未形成市场共识的行业存在持续6个月左右投资机会。2012年以来共筛选出18次不同时间或行业的投资机会,在事件后6个月的平均累计收益为21.94%,胜率72.22%。

东证期货

基于信息论的商品CTA中长周期趋势策略初探

发布日期:2022-12-28   关键词:期货、CTA、信息论

主要内容:文章先尝试从行为经济学和期权理论出发对趋势策略进行详尽地解读,并整理了市面上应用广泛的趋势指标计算方式,基于多因子的理念进行检验,最后通过互信息特征进行筛选。

国海证券

资产配置系列报告(七):宏观流动性对A股的传导和定价

发布日期:2022-12-30   关键词:股票、宏观流动性

主要内容:文章以宏观流动性的视角探讨A股市场,发现剩余流动性环比、环比加速度对未来10 天的中证全指涨跌有较强的指示意义,同时流动性驱动对于市场结构也有较强的指示意义。用环比信号对未来中证全指10 个交易日做择时,能够获取22.53%的超额收益,且整体胜率较高。

中信期货

期货多因子专题报告(六):基于深度学习的期货组合优化

发布日期:2022-12-30   

关键词:期货、深度学期、组合优化

主要内容:本文以期货市场及其量价多因子为基础,将以“组合优化”为目标的凸优化与神经网络结合起来,构建了完整的期货组合量化投资框架。在合理的参数配置中,模型均能获得较好的收益表现。如每日调仓时,年化收益率约为18%、年化波动率约为5%、夏普率3.49。

湘财证券

估值与成长因子(行业轮动专题一):基于财报数据的行业轮动策略

发布日期:2022-12-30   

关键词:行业、行业轮动、估值、成长

主要内容:文章分别从24个估值因子与80个成长因子中筛选出优秀的因子,并基于回归法构建估值成长行业轮动模型,从2014年3月至2022年11月底,模型年化超额收益率为 10%。

海通证券

高频策略交易成本的分析和预测

发布日期:2022-12-30   关键词:股票、交易成本

主要内容:随着量化策略交易频率的逐步升高,以及单个标的交易金额随整体管理规模的上升而增大,交易成本对投资收益的影响变得愈发不可忽视。传统的简单滑点方式估计交易成本,已越来越难适应高频换仓与大金额下单的场景。文章从价格走势、价格波动、买卖价差、盘口流动性和现加单成交概率分别对纯市价单和限价单优先策略进行测算。

- End -

声明:本内容由掘金量化整理,仅供学习、交流、演示之用,不构成任何投资建议!如需转载请联系掘金小Q授权,否则作侵权处理!

相关文章:

十二月券商金工精选

✦研报目录✦ ✦简述✦ 按发布时间排序 华宝证券 主动暴露的得与失—从Barra框架到私募指增因子分析方法 发布日期:2022-12-01 关键词:股票、Barra、风险暴露、指数增强 主要内容:本文针对私募指数增强产品的策略流程,设计…...

JUnit

Junit 简介 JUnit是一个开源的java单元测试框架,它是XUnit测试体系架架构的一种体现 是Java语言事实上的标准单元测试库真正的优势来自于JUnit所采作用的思想和技术,而不是框架本身。推动了单元测试、测试先行的编程和测试驱动的开发JUnit衍生了许多xUn…...

MySQL学习笔记4-乐观锁和悲观锁

1.定义 乐观锁和倍灌水是并发控制采用的技术手段,确保当多个数位同时对数据中同一数据存取时,不会破坏事物的隔离性、统一性和数据库统一性 乐观锁 假定不会发生并发冲突,只在提交操作时检测是否违反数据完整性 实现方式: 记录…...

踩大坑:json格式存储wav二进制内容

需求描述: 需要将wav音频文件以二进制的形式读出,存放到 json 中,发送post请求到服务,服务解析json,得到二进制内容后放进ASR模型得出转录结果。 记一次坑: # 将wav以二进制形式读出存放到json中 f ope…...

加入CSDN的一年,我收获了这些……

加入CSDN的一年,我收获了这些……加入CSDN的一年,我收获了这些……加入CSDN的一年,我收获了这些…… 🚀🚀时光如白驹过隙般,飞逝而过。一转眼,我就已经是一名大二的学生了,也已经在…...

【Python学习笔记】44.Python3 MongoDB和urllib

前言 本章介绍Python的MongoDB和urllib。 Python MongoDB MongoDB 是目前最流行的 NoSQL 数据库之一,使用的数据类型 BSON(类似 JSON)。 PyMongo Python 要连接 MongoDB 需要 MongoDB 驱动,这里我们使用 PyMongo 驱动来连接。…...

LVS中的keepalived高可用

文章目录前言一、Keepalived简介二、keepalived工作原理三、配置文件四、实验1.某台Real Server down2.LVS本身down实验过程:五、代码详细演示整体过程调度器安装软件、设置测试keepalived对后端RS的健康检测backup服务主机设置前言 一、Keepalived简介 Keepalived是…...

【Vue3】组件数据懒加载

组件数据懒加载-基本使用 目标:通过useIntersectionObserver优化新鲜好物和人气推荐模块 电商类网站,尤其是首页,内容有好几屏,而如果一上来就加载所有屏的数据,并渲染所有屏的内容会导致首页加载很慢。 数据懒加载&a…...

基于 SmartX 分布式存储的 iSCSI 与两种 NVMe-oF 技术与性能对比

作者:深耕行业的 SmartX 金融团队本文重点SmartX 分布式块存储 ZBS 提供 2 种存算分离架构下的数据接入协议,分别是 iSCSI 和 NVMe-oF。其中,iSCSI 虽然具有很多优势,但不适合支持高性能的工作负载,这也是 SmartX 选择…...

Anaconda 安装 Pytorch

下载Anaconda,最新版本的即可,默认安装,最好不要安装在C盘,否则后面C盘容量会很大。 安装Pytorch 打开 Anaconda Prompt ,先切换镜像源为国内清华镜像源,这样安装包的时候下载速度会快一些,也容易成功一些。 在 Anaconda Prompt 命令行依次输入以下四条命令切换到清华镜…...

从零开始使用MMSegmentation训练Segformer

从零开始使用MMSegmentation训练Segformer 写在前面:最新想要用最新的分割算法如:Segformer or SegNeXt 在自己的数据集上进行训练,但是有不是搞语义分割出身的,而且也没有系统的学过MMCV以及MMSegmentation。所以就折腾了很久&am…...

会利用信息差赚钱的人才是聪明人

毕业后找不到工作,穷到只剩下时间,大小做了20多份副业兼职,终于找到了可靠的渠道, 我是专科生,学历不好,专业拉胯。毕业后,我找了两三份工作。要么工资太低,只能交房租,…...

【机器学习】Adaboost

1.什么是Adaboost AdaBoost(adapt boost),自适应推进算法,属于Boosting方法的学习机制。是一种通过改变训练样本权重来学习多个弱分类器并进行线性结合的过程。它的自适应在于:被前一个基本分类器误分类的样本的权值会…...

深度学习神经网络基础知识(二)权重衰减、暂退法(Dropout)

专栏:神经网络复现目录 深度学习神经网络基础知识(二) 本文讲述神经网络基础知识,具体细节讲述前向传播,反向传播和计算图,同时讲解神经网络优化方法:权重衰减,Dropout等方法,最后进行Kaggle实…...

[面试直通版]网络协议面试核心之HTTP,HTTPS,DNS-DNS安全

点击->计算机网络复习的文章集<-点击 目录 典型问题&#xff1a; 部分现象 DNS劫持 DNS欺骗 DDoS攻击 典型问题&#xff1a; 什么是DNS劫持&#xff0c;DNS欺骗&#xff0c;是什么原理如何防范DNS攻击&#xff1f; 部分现象 错误域名解析到纠错导航页面错误域名解析…...

【OJ】A+B=X

&#x1f4da;Description: 数列S中有n个整数&#xff0c;判断S中是否存在两个数A、B&#xff0c;使之和等于X。 ⏳Input: 第一行为T&#xff0c;输入包括T组测试数据。 每组数据第一行包括两个数字n和X&#xff0c;第二行有n个整数&#xff0c;表示数列S&#xff0c;(1&l…...

Python实现性能自动化测试,还可以如此简单

Python实现性能自动化测试&#xff0c;还可以如此简单 目录&#xff1a;导读 一、思考❓❔ 二、基础操作&#x1f528;&#x1f528; 三、综合案例演练&#x1f528;&#x1f528; 四、总结&#x1f4a1;&#x1f4a1; 写在最后 一、思考❓❔ 1.什么是性能自动化测试? 性…...

Leetcode力扣秋招刷题路-0080

从0开始的秋招刷题路&#xff0c;记录下所刷每道题的题解&#xff0c;帮助自己回顾总结 80. 删除有序数组中的重复项 II 给你一个有序数组 nums &#xff0c;请你 原地 删除重复出现的元素&#xff0c;使得出现次数超过两次的元素只出现两次 &#xff0c;返回删除后数组的新长…...

Java实现JDBC工具类DbUtils的抽取及程序实现数据库的增删改操作

封装DbUtils 工具类 不知道我们发现没有&#xff0c;不管是对数据库进行查询&#xff0c;还是标准的JDBC 步骤&#xff0c;其开端都是先实现JDBC 的加载注册&#xff0c;接着是获取数据库的连接&#xff0c;最后都是实现关闭连接&#xff0c;释放资源的操作。那我们何不直接把…...

【docker】拉取镜像环境报错解决#ERROR: Get https://registry-1.docker.io/v2/

&#x1f341;博主简介   &#x1f3c5;云计算领域优质创作者   &#x1f3c5;华为云开发者社区专家博主   &#x1f3c5;阿里云开发者社区专家博主 &#x1f48a;交流社区&#xff1a;运维交流社区 欢迎大家的加入&#xff01; 文章目录问题报错原因解决方法问题 ERROR…...

java中NumberFormat 、DecimalFormat的介绍及使用,java数字格式化,BigDecimal数字格式化

文章目录前言一、NumberFormat1、概述2、实例化方法3、货币格式化4、百分比格式化5、NumberFormat的坑5.1、不同的格式化对象处理相同数值返回结果不同问题源码分析&#xff1a;二、DecimalFormat1、概述2、常用方法3、字符及含义0与#的区别分组分隔符的使用“%” 将数字乘以10…...

2023什么是分销商城系统?营销,核心功能

大家好&#xff0c;我是你们熟悉而又陌生的好朋友梦龙&#xff0c;一个创业期的年轻人 分销商城是指由网络营销运营商提供的&#xff0c;用于协助供给商搭建、管理及运作其网络销售渠道&#xff0c;协助分销商获取货源渠道的平台。简单来说&#xff0c;就是企业应用无线裂变分…...

天翼数字生活C++客户端实习

面试C客户端实习的岗位&#xff0c;相对不难 面试官&#xff1a;实习主要做的是国产操作系统下的应用&#xff0c;主要做的是视频监控、安防相关的工具&#xff0c;具体就是一个叫做 天翼云眼的软件&#xff0c;目前在windows下和电视下都有对应的应用&#xff0c;就是现在想在…...

Java 接口

文章目录1、接口的概念2、接口的定义3、接口的使用4、接口和抽象类1、接口的概念 类是一种具体的实现体&#xff0c;而接口定义了一种规范&#xff08;抽象方法&#xff09;&#xff0c;接口定义了某一批类所需要遵循的规范&#xff0c;接口不关心类内部的属性和方法的具体实现…...

【React】react-router 路由详解

&#x1f6a9;&#x1f6a9;&#x1f6a9; &#x1f48e;个人主页: 阿选不出来 &#x1f4a8;&#x1f4a8;&#x1f4a8; &#x1f48e;个人简介: 一名大二在校生,学习方向前端,不定时更新自己学习道路上的一些笔记. &#x1f4a8;&#x1f4a8;&#x1f4a8; &#x1f48e;目…...

DaVinci 偏好设置:系统 - 内存和 GPU

偏好设置 - 系统/内存和 GPUPreferences - System/Memory and GPU内存和 GPU Memory and GPU 选项卡提供了内存配置以及 GPU 配置的相关设置。内存配置Memory Configuration系统内存System Memory列出了所用电脑的总的可用内存。限制 Resolve 内存使用到Limit Resolve memory u…...

视频知识点(22)- 教你认清楚YUV420P和YUV420SP的真正差异在哪里

*《音视频开发》系列-总览* 前言 在视频技术领域,存在着非常多的颜色空间模型,YUV颜色空间就是其中之一。我们没有必要把所有的颜色空间都搞明白,只需要关注自己所从事的领域的常用颜色空间模型即可,同样,YUV颜色空间模型也有非常多的子类型,我们也没有必要都搞得清清楚楚…...

企业电子招标采购系统源码Spring Cloud + Spring Boot + MybatisPlus + Redis + Layui

项目说明 随着公司的快速发展&#xff0c;企业人员和经营规模不断壮大&#xff0c;公司对内部招采管理的提升提出了更高的要求。在企业里建立一个公平、公开、公正的采购环境&#xff0c;最大限度控制采购成本至关重要。符合国家电子招投标法律法规及相关规范&#xff0c;以及…...

面试常问-Alpha测试和Beta测试

Alpha测试 Alpha测试是一种验收测试&#xff0c;在识别典型用户可能执行的任务并对其进行测试之前&#xff0c;执行该测试是为了识别所有可能的问题和错误。 尽可能简单地说&#xff0c;这种测试之所以被称为alpha&#xff0c;只是因为它是在软件开发的早期、接近开发结束时和…...

html理论基础

组织&#xff1a;中国互动出版网&#xff08;http://www.china-pub.com/&#xff09;RFC文档中文翻译计划&#xff08;http://www.china-pub.com/compters/emook/aboutemook.htm&#xff09;E-mail&#xff1a;ouyangchina-pub.com译者&#xff1a;黄俊&#xff08;hujiao hj_c…...

wordpress 魔板/武汉软件测试培训机构排名

DOM总结&#xff1a;DOM&#xff1a;文档对象模型document object modelDOM三层模型&#xff1a;DOM1&#xff1a;将HTML文档封装成对象DOM2&#xff1a;将XML文档封装成对象DOM3&#xff1a;将XML文档封装成对象DOM树&#xff1a;将HTML中的标签按照层级关系封装成节点对象DOM…...

东山县建设银行网站/品牌运营管理有限公司

版权声明&#xff1a;本文首发 http://asing1elife.com &#xff0c;转载请注明出处。 https://blog.csdn.net/asing1elife/article/details/82848367 i18n是internationalization首字母i和末尾字母n以及中间18个字母的简称&#xff0c;意于国际化 更多精彩 更多技术博客&#…...

wordpress图片下载主题/北京口碑最好的教育机构

2019独角兽企业重金招聘Python工程师标准>>> 相信作为一个开发人员应该对XML与JSON 非常熟悉。关于两者的介绍与区别网上已经有很多资料&#xff0c;java对于XML的解析也有很多工具包&#xff0c;主要解析的方式有三种&#xff1a; 1.DOM解析方式&#xff1a;适用于…...

自己做网站需要哪些流程/精准推广

git 和githubGit什么是Git?Git安装初始化Git仓储/(仓库)自报家门把大象放到冰箱要几步把代码存储到.git仓储中可以一次性把我们修改的代码放到房间里(版本库)查看当前的状态git中的忽略文件查看日志回退到指定的版本分支创建分支切换分支合并分支GitHub提交代码到github(当作g…...

cn域名做网站/seo优化的常用手法

这里,httpResponse.sendRedirect("login.jsp");您是向目标页面发送新的HTTP请求,而不是使用当前请求.如果将新的HTTP请求映射到过于通用的URL模式(例如/ *),则该请求当然会再次击中过滤器.并且将执行相同的检查,并将其再次重定向.等等.这是一个永无止境的故事.当当前…...

域名备案以后怎么建设网站/ip软件点击百度竞价推广

XML数据文件灵活而强大,在C#中,操作起来也十分方便.我们常用XML文件保存少量的数据,如系统配置信息,用户个性数据...,而对这些数据的操作最常用的就是读取,写入和删除相关的结点.本人的实际的应用过程中,逐步形成了以下XML配置文件的操作类.下面的这个类为大家提供了一系列更加…...