春天交易管理.jar

GoldenGate在处理长交易时会将其缓存至内存和硬盘，若进程停止则会丢失，重启时可通过检查点重新读取。为查看和处理长交易，GoldenGate提供了多种命令，如Ggsci> send extract，showtrans [thread n] [count n]。其中，'send extract'为进程名如exta/dpea/repa，'thread n'可选，表示仅查看一个节点上的未提交交易（适用于RAC），'count n'也是可选项，表示显示记录数。例如，要查看extsz进程节点1上最长的10个交易，可用命令：Ggsci> send extract exta [, showtrans

天下淘网络购物系统基于JSP开发，包含购物车、用户管理、管理员管理和商品信息分类功能，系统通过数据库连接实现功能。

介绍高频交易的完整指南。

上海证券交易所的逐笔交易数据中的qty与深圳证券交易所的逐笔交易数据qty有所不同。通过实际测试详细解释了这一差异。

Tradesim 是一款交易模拟器，用于策略回测。它可以帮助你分析股票并进行数据挖掘。需要以下先决条件：Python 2.7、NumPy、SciPy、Pandas、mpl_finance。运行 download_historical_data.sh 下载历史股票数据。然后运行 tradesim.py。

金融交易项目的策略设计指南，挺实用的一个文档。用的是 Yahoo Finance 上的历史数据，讲清楚了怎么构建、评估一个靠谱的交易策略。对时间区间、收益要求这些细节说得蛮清楚，尤其是样本内外都有要求，还得能稳定跑赢市场，听着是不是就有点挑战？推荐的移动平均线+止损点组合也比较容易上手，适合做扩展实验。 交易策略的构建过程，还考虑了不少实际问题。比如交易成本、滑点、组合规模，这些常被忽略的地方它都有说。这个项目不是纸上谈兵，是真能落地的。对了，数据使用的是长期的历史数据，样本内至少 10 年，样本外也覆盖到 2024 年，有说服力。 如果你现在在做量化投资或者金融方向的课程项目，或者你对股票策

融合Mahout与Python，探索量化交易策略 本书深入探讨Mahout在大数据领域的应用，并结合Python编程语言，引导读者构建量化交易策略。内容涵盖： Mahout核心算法解析：推荐系统、聚类分析、分类算法等 Python数据分析工具：NumPy、Pandas、Matplotlib等 量化交易策略设计：技术指标分析、回测框架搭建 实战案例分析：股票市场、数字货币市场等 通过学习本书，读者将掌握运用Mahout和Python进行数据分析和量化交易的技能，为投资决策提供有力支持。

JIQIREN EA 智能交易系统，是一款专为外汇市场打造的自动交易工具。它可以帮助交易者自动化交易策略，减少交易过程中的情绪影响。

量化交易里的 Pandas 函数，说实话，用得最多的还是那些经典操作，比如groupby、resample、rolling这种，数据预的时候真的离不开它们。这份示例文件，正好把这些函数串了一遍，案例不复杂，但蛮实用的，改一改就能直接用在自己的策略上。 Pandas 的 DataFrame 操作是重点，像df.loc和df.iloc的区别，在里面有清楚的用法示例，省得你翻文档。还有不少人经常混淆apply和map，这个文件里也顺手举了例子，挺贴心的。 文件风格比较清爽，结构也利索。一般从读取 CSV 开始，是各种切片、过滤、重采样，配合一些金融指标的计算，流程蛮像实际写策略那一套。顺手一看，立马