Estom的博客

1 基本的投资策略什么是策略投资策略主要关注以下三点内容： 选择一个好的时间（入场退场时机）和空间（横向对比所有板块） 资产价值 希望获取市场整体收益的投资者更适合买入规模指数。看好个别行业、主题的投资者可以选择买入相应的行业或者主题指数。选择标的指数的投资价值。 指数的编制方案。 了解指数特征和行业分布 资产的估值！估值较低 入场时机 选择波动中的低点入场。 选择PE、PB较低的位置入场 退场时机 收益目标止盈：持仓的收益率达到目标 市场估值止盈：标的资产的市场估值达到目标。股债收益差也可以用来作为估值止盈策略。 行业景气度。 简单的投资策略指数型基金的选择策略，是用来选择同类型基金中优势的基金来购买。投资策略是需要看哪个被投资对象、什么时间适合来买。 基本面+消息面。基本面稳定向上的行业主题板块，消息面下跌时补仓。 补仓法，跌就买，涨就卖。 定投法。长期投资储蓄。 稳健型基金投资。在市场行情比较差的时候，对于市场处于不确定的阶段，应该选择稳健的偏债和货币的基金投资方式。 板块主题型投资。看好某一领域的发展，并且有一个最佳入场时机。 3 基金的投资方案——定投是...

1. 指数的概念股票指数股票指数：股票指数通过计算成分股股票的权重，将股票按照一定的权重进行组合，得到一个指数。能够反映一揽子股票价格的变化。 宽基指数（或者规模指数）：标准权威。指数公司制定，在交易所由特定代码的指数。 板块指数：板块包括行业板块和主题板块，是各种基金工具中自己总结的一种归类基金的方案。板块用于锚定某一个行业或者某一类投资对象，并非标准的、官方的给出的投资方案。在支付宝中通常以 CNS等单词结尾，其6位代码在其他平台并不能搜索到。 指数基金优势 吐故纳新。指数一般会追踪当前社会发展的趋势，即市值最高的头部公司的股票。 分散风险。指数基金一般会购买指数下的多个股票，规避股票黑天鹅事件。 费率低廉。大多数指数基金每年的管理费用较低，不超过0.5% 规则透明，持仓清晰。 工具化属性清晰 如何购买指数基金场外指数基金，包括一般指数基金和ETF联接基金。场内指数基金（ETF）,能够直接在交易所上市交易。二者的不同是购买方式，指数基金的选择策略没有本质区别。 2. 分类方式分类方式——股票型指数细分 宽基规模指数。按照市值选取成分股，并且以市值加权的指数。例如上证5...

无论是总的持仓还是对于某个特定资产的持仓，你需要关注的就是以下地几点内容。 持有资产持有收益交易记录持仓分析

1 为什么性能测试概述软件性能测试是一种非功能性测试，其中应用程序的性能在预期或更高负载下进行评估。进行性能测试以测量系统的不同性能属性，如响应时间(速度)，可靠性，资源使用，可扩展性，各种负载条件下的稳定性等。 基本功能JMeter也称为“Apache JMeter”，它是一个开源的，100%基于Java的应用程序，带有图形界面。 它旨在分析和衡量Web应用程序和各种服务的性能和负载功能行为。 JMeter主要用于测试Web应用程序或FTP应用程序，但目前，它适用于功能测试，JDBC数据库连接，Web服务，通用TCP连接和OS本机进程。 您可以执行各种测试活动，如性能，负载，压力，回归和功能测试，以便针对您的Web服务器获得准确的性能指标。 Web Services - SOAP / XML-RPC Web - HTTP, HTTPS sites ‘web 1.0’ web 2.0 (ajax, flex 和 flex-ws-amf) 通过JDBC驱动程序的数据库 目录 - LDAP 通过JMS面向消息传递的服务 服务 - POP3, IMAP, SMTP 2 使...

Java生产者-消费者问题的多种实现方案以下是5种典型实现方式，涵盖从基础同步到高阶工具的使用： 1. wait()/notify() 基础同步（JDK1.0+）核心逻辑：通过synchronized和对象锁协调线程。 123456789101112131415161718192021// 共享缓冲区类class Buffer { private final LinkedList<Object> list = new LinkedList<>(); private final int MAX_SIZE = 10; public synchronized void produce() throws InterruptedException { while (list.size() >= MAX_SIZE) { wait(); // 缓冲区满时等待²⁷ &#...

读写锁问题读的时候共享、写的时候独占。 方案一：ReentrantReadWriteLock（推荐方案）核心特性： 读锁共享：允许多线程并发读取写锁独占：写操作时完全互斥135锁降级：写线程可降级为读锁，保证数据一致性 12345678910111213141516171819202122232425import java.util.concurrent.locks.*;public class ReadWriteResource { private int value; private final ReentrantReadWriteLock rwLock = new ReentrantReadWriteLock(); private final Lock readLock = rwLock.readLock(); private final Lock writeLock = rwLock.writeLock(); // 读操作（共享） public int readValue() { readLock.lo...

多阶段构建Docker多阶段构建的好处使用Docker多阶段构建有以下几个好处： 减小镜像大小：每个构建阶段只包含必要的依赖项和文件，从而减小了生成的镜像大小。这可以减少镜像的存储空间和传输时间。 提高构建速度：每个构建阶段可以并行执行，因此可以提高构建速度。而且，每个构建阶段只构建所需的内容，从而减少了构建时间。 简化Dockerfile：使用多个构建阶段可以将Dockerfile分解为更小的部分，从而使Dockerfile更加易于管理和维护。每个构建阶段都可以专注于特定的任务，而不必关注整个构建过程。 提高安全性：使用多个构建阶段可以限制敏感信息的泄露。例如，在第一个构建阶段中，可以包含敏感信息，例如私有密钥或密码。而在第二个构建阶段中，可以只包含必要的文件和依赖项。 单独执行rm并不会精简镜像体积尽管在 Dockerfile 中使用 RUN rm -rf /tmp/* 删除了大量文件，但你可能会发现最终生成的 Docker 镜像的大小并没有显著变化。这是因为每个 Dockerfile 指令都会创建一个新的镜像层，而删除文件的操作并不会减少已有层的大小...

如果你的 Dockerfile 中有如下定义： 12ENTRYPOINT ["python"]CMD ["app.py"] 你可以在启动容器时使用 –entrypoint 选项来覆盖 ENTRYPOINT，并且提供新的命令来覆盖 CMD： 1docker run --entrypoint /bin/sh <image> 或者同时覆盖 ENTRYPOINT 和 CMD： 1docker run --entrypoint /bin/sh <image> -c "ls -la"

说明参数高效微调（PEFT）方法在微调过程中冻结预训练模型的参数，并在其顶部添加少量可训练参数（adapters）。adapters被训练以学习特定任务的信息。这种方法已被证明非常节省内存，同时具有较低的计算使用量，同时产生与完全微调模型相当的结果。 使用安装12pip install peft 加载adapter要从huggingface的Transformers库中加载并使用PEFTadapter模型，请确保Hub仓库或本地目录包含一个adapter_config.json文件和adapter权重，如上例所示。然后，您可以使用AutoModelFor类加载PEFT adapter模型。例如，要为因果语言建模加载一个PEFT adapter模型： 指定PEFT模型id将其传递给AutoModelForCausalLM类 1234from transformers import AutoModelForCausalLM, AutoTokenizerpeft_model_id = "ybelkada/opt-350m-lora"model = AutoModel...

transofrmers最简单的说明 参考文档https://transformers.run/c2/2021-12-08-transformers-note-1/https://fancyerii.github.io/2021/05/11/huggingface-transformers-1/#%E7%AE%80%E4%BB%8B官方文档https://huggingface.co/docs/transformers/v4.36.1/zh/index 是什么目前各种Pretraining的Transformer模型层出不穷，虽然这些模型都有开源代码，但是它们的实现各不相同，我们在对比不同模型时也会很麻烦。Huggingface Transformer能够帮我们跟踪流行的新模型，并且提供统一的代码风格来使用BERT、XLNet和GPT等等各种不同的模型。 基本原则huggingface的transfomers工具库，只有configuration，models和tokenizer三个主要类。所有的模型都可以通过统一的from_pretrained()函数来实现加载，transf...