Python

Python是一门诞生于1991年的高级、解释型编程语言，由吉多·范罗苏姆创造。其核心设计哲学强调代码的极简性和可读性，尤其依赖清晰的缩进来定义代码结构，这使得它语法接近英语，非常易于学习和使用。作为动态类型语言，它为快速开发和原型设计提供了极大的灵活性，并支持面向对象、命令式、函数式等多种编程范式。Python的巨大优势在于其拥有一个由庞大活跃社区支撑的丰富第三方库生态系统（PyPI），覆盖了几乎所有应用领域：无论是Web开发（Django, Flask）、数据科学（Pandas, NumPy, Matplotlib）、人工智能（TensorFlow, PyTorch）还是自动化脚本和系统运维，都能找到成熟高效的工具库。这种“开箱即用”的特性使其成为解决各类实际问题的“瑞士军刀”，兼具强大的功能与简单的语法。

1.下载股票数据（开盘价，收盘价，是否停牌，换手率等等）2.画加权移动平均线3.用移动平均线和股票数据进行金叉死叉交易法回测，并详细记录每一笔交易4.输出最终收益，并计算出夏普比率、索提诺比率、相对收益率等其他重要参数，衡量该策略的收益与风险比重5.用调整参数的方式，对策略智能调优6.使用matpl

1.用户注册与身份认证支持多种注册方式（邮箱、手机号、Web3钱包登录）。实施KYC/AML身份认证流程，确保合规性。用户信息加密存储，符合GDPR等隐私法规。2.房产资产展示与筛选精美的房产详情页面，包含位置、照片、投资回报率、风险评级、历史收益等关键指标。支持多维度筛选（地区、投资金额、预期年化

1、预约挂号：当日挂号、预约挂号，节省排队时间，可获取数千位专家名医号源2、智能支付：医保+自费混合支付、多处方合并支付、多种支付方式，自动核算医保报销金额，一键完成支付，支持为家人代付3、候诊与导引：实时候诊叫号、就医引导，手机实时查看排队进度，合理安排时间，避免过号4、报告查询：检查检验报告推送

项目已经开源在GitHub中https://github.com/BoliboliWJY/trendline-trading，可具体查看内容可以计算，过滤试试行情数据

全市场投管人收益表数据获取方案简介 1. 方案目标与解决问题 本方案主要面向**保险股份有限公司，旨在解决其在获取外部网站数据时遇到的效率低下和数据处理困难等问题 。具体来说，该方案自动化了从多个外部网站获取“年金基金投资管理”相关数据并将其写入指定Excel表格“全市场投管人收益表”的过程 。这大大减少了人工操作的耗时，将原本可能需要人工耗时数月的工作，通过技术方案将时间控制在可管理的范围内。 2. 方案特点与优势 相比于市场上的常规方案，本方案的独特之处在于其采用RPA+Python的混合技术方案，并兼顾了效率、成本和技术可行性。 RPA+Python混合方案：传统的RPA方案（方案1）在识别合并单元格时会出现数据错乱的问题，而纯Python方案（方案3）则需要熟悉复杂的数据分析和网页获取技术，且未用到RPA和IDP 。本方案将RPA（机器人流程自动化）和Python语言相结合，利用RPA处理网页访问、标题链接打开等操作，然后由Python读取RPA处理后的数据进行复杂的表格数据获取和联表查询，最后再将Python代码作为插件导入RPA中进行整体流程的调试和测试 。 高效性与高投入产出比：该混合方案避免了纯RPA方案中因处理页面元素耗时过长导致效率低下的问题，也规避了纯Python方案的技术难度 。例如，在获取80个网站数据的情况下，纯RPA方案预计需要240天左右，而本方案在确保数据准确性的同时，预计总用时仅为110天，大幅提高了效率 。 自动化录屏：流程运行后，方案能够自动生成录屏文件，便于客户直观地了解和验证流程运行情况，并能将生成的数据文件直接发送给客户 。 3. 方案技术组成 该方案主要由以下技术组件构成： RPA：用于自动化网页操作，例如访问指定网站、打开符合规则的标题链接等. Python：用于处理复杂的数据操作，包括读取RPA处理的数据、访问链接、获取表格数据、联表查询，以及将处理后的数据写入Excel文件. 配置文件：用于存放需要打开的网站标题、链接和规则等信息，以便于管理和维护.

区块链期权套利系统 - 搭建高并发底层数据架构，接入交易所API采集数据并整理入库。 - 搭建 风险管理系统，构建 不同情况下的 Greeks 推演、Cash PnL 归因分析、VRP时序计算等。 - 设计 BS modol、PM 矩阵、Monte Carlo 三者相结合生成风险路径，并计算其依赖程度。 - 搭建 Outgoing robot 做风险预警，Grafana 做风险推演后的可视化报表。 - 构建 stochastic volatility 套利策略，以 SABR 模型为基础，搭配 LM 算法约束后拟合短期限的 3D 隐波曲面，识别其中潜 在的凸性套利机会进行交易。 - 构建 vrp 波动率套利策略，使用 静态对冲 做 厚尾增强 处理，并辅以 auto ddh 控制敞口。

以银行需求为主导、金融科技为基石的系统搭建。通过充分利用内部数据资源和经验，结合先进的风险预警、控制和管理技术，成功构建了适用于银行内部需求的全渠道自主账户风险管理系统。 核心能力和业务实践： 1. 系统架构与设计：领导团队设计系统架构，根据业务需求设计了高效的大数据框架和ETL模式，并编写了详尽的设计文档。 2. 风险数据管理：建立了账户风险数据底座，整合并优化了行内账户数据资源和风险事件库，以支撑全周期的风险监控和管理。 3. 灵活预警规则与模型构建：搭建了配置灵活的风险预警规则引擎，针对不同业务场景灵活配置规则，并基于机器学习和大数据分析构建了账户风险模型，不断提高预警准确性。 4. 系统展示与数据分析：设计了全行、全渠道和全业务场景的账户风险大盘展示系统，支持多维度的数据分析，为高效风险监控和策略调整提供数据支持。 业绩: 带领团队设计架构，分析业务需求，设计大数据框架，设计ETL模式，编写相关设计文档，数据查询优化，及时预警等系统架构，最终成功交付。

1.本方案是针对银行的大量业务数据留档使用，是针对数据库（DB2）中的DPF分区数据库以及分区表，为基础架构，根据业务的情况对物理层和逻辑层的架构设计。主要是为了快速的数据响应。 2.DB2数据库主要的就是数据的安全性以及稳定性。相比其他类型的数据库而言，可能没有快速的响应，但是在架构的优化调整之后，与其他的数据库软件的性能可以比肩，同时还具有更高的安全性和稳定性，为此在金融行业来讲，只要针对当前的业务情况进行针对性的优化之后。作为核心数据库的保留存储库要优于其他数据库软件。

1.面向投资者的一款小程序，推荐热门板块和盈利希望的股票 2.大量数据训练模型，包含股票市场历史数据和新闻情绪数据。准确预测周频月频股票，实现盈利。根据当前实时股票数据和市场，智能分析选择的股票的情况，帮助客户选择。

1、需求：采集给定网站的实时外币汇率，并制作成Excel表，当有交易客户需要优惠时，使用者通过查询实时外币汇率，然后根据优惠公式计算结果，最后拍照Excel表格得出的优惠价格给客户。 2、开发任务：使用python爬虫采集数据，最终达到的效果是给到使用者一个exe可执行文件，使用者每执行一次程序就采集一次当前的实时外币汇率，然后生成Excel表格。 3、难点：没什么难点，主要是要思考如何触发查询，既能减轻网站服务器压力，又能满足客户需求，而且需要让客户友好地使用，所以解决方法就是客户点击一次程序就触发一次采集而不是轮询地去采集，并且采集时尽可能友好地提示客户要操作的内容，比如何时输入存储Excel文件的地址，采集结束时给一个友好的提示。

项目描述： 该系统主要是进行股票的量化交易，使用springboot+jquery+layui架构，主要分为股票开仓，策略配置，自动下单等相关业务模块儿。 个人职责： 该项目前后端均由本人一人完成并自测交付。

1. 朋友的公司做股票期权的高频自动化交易，委托我开发一套对接柜台接口的、能够高速处理订单的系统。主要对接了恒生股票期权的极速API，以及对接了上海期货的新一代交易所系统。能够支撑上层交易策略，都够高速、低延迟、批量的处理交易指令，和交易结果反馈。 2. 我负责此高速订单处理系统的开发，使用 C++/Redis/CMake技术栈，支持Windows和Linux环境下编译和运行。同时要封装为Python API，方便交易策略算法调用。 3. 开发中遇到的难题是没找到合适的C++版本的JSON解析库，只好自己实现了一套JSON解析库。另外需要编译和使用Redis的C语言链接库。

整个系统100%由我负责完成，包含以下功能： 1. 定时多进程连接实盘交易系统账号； 2. 按照交易模型，进行实盘数据监控，并实时根据模型进行开仓、加仓、平仓等交易，并以邮件实时推送交易情况 3. 记录所有交易数据，并实现数据图形化分析

由于工作大概10年了，参与项目比较多，这里就简单随便写写和金融类相关的部分: 1. 账务系统的设计与开发; 2. 资金渠道的对接; 3. 清结算(汇率转换)功能的开发; 4. 订单系统的设计与开发;

1. 查看股票K线 功能描述：允许用户查看特定股票的历史价格走势，包括开盘价、收盘价、最高价和最低价。 关键特性： 时间范围选择：用户可以选择不同的时间范围查看K线图，如日K、周K、月K等。 图表类型：支持多种图表类型，如蜡烛图、线图等。 技术指标叠加：用户可以选择不同的技术指标叠加在K线图上，如MACD、RSI等。 2. 主力线 功能描述：展示股票的主力资金动向，帮助用户判断市场趋势。 关键特性： 资金流向：显示资金流入和流出的情况。 主力持仓：展示主力的持仓变化。 3. 大盘 功能描述：提供大盘指数的实时数据和走势图。 关键特性： 指数实时更新：实时显示大盘指数的变化。 板块分析：可以查看不同板块的表现。 4. 管理自选股 功能描述：允许用户添加、删除和查看自己的自选股列表。 关键特性： 自选股列表：用户可以创建和管理自己的自选股列表。 编辑功能：可以对自选股进行编辑，如重命名、分组等。 5. 对比分析自选股 功能描述：用户可以对比自选股列表中的股票表现。 关键特性： 多股对比：可以选择多只股票进行对比分析。 对比指标：可以对比不同的指标，如价格、成交量、涨跌幅等。 6. 分析公式指标 功能描述：提供多种股票分析公式和指标，供用户选择使用。 关键特性： 指标库：包含常用的技术分析指标。 自定义指标：允许用户创建和保存自己的分析指标。

1、全市场可转债日K数据获取入库 2、每日根据一定条件判断低风险可转债清单 3、对清单中的可转债实时监控，满足一定条件则根据仓位要求和一定规则分批建仓买入，并持续监测持仓损益 4、根据止盈、止损线或交易时间限制，模拟清仓，并展示当日损益情况 5、以上通知信息可通过钉钉群消息、邮件等形式发送

高频因子开发。使用的主要语言是DolphinDB，DolphinDB为高性能分布式时间序列数据库，计算性能优越，且擅长实盘流式计算。

高频量化交易，使用主要技术为： 1)Python：Pandas, Numpy 等 2)DolphinDB: 高性能分布式时间序列数据库，流式计算 3)SQL: Oracle, MySQL, hive, DDB, 在wind时负责部门SQL培训 4)开发工具：linux, xshell, xftp, git, pycharm, vscode, anaconda, navicat, notepad++, wiki, jira, typora, beyond compare, ultra edit, office, xmind, visio

作品为量化金融分析师认证考试试卷，编程题满分，包含3个题目如下，试卷见附件。 1.数据获取数据处理 2.金融数据分析 3.期货套利策略

1.功能目标： 用于为满足客户业务需要，需要对网商数据进行定期报送，故提出网商数据报送处理需求。结合客户已提出的需求，确定数据报送的处理方式，整合并梳理网商数据报送工具需求方案，保证数据报送完整性，准确性及安全性 2.功能需求： 网商数据报送工具，实际应包含功能为对脚本抽取后的数据进行统一整合，数据格式调整处理，自动生成报送文件，文件加密，以及上传文件至指定服务器等功能。实际包含：数据库直连功能、数据处理功能、文件写入功能、文件加密功能、文件上传功能 3.负责内容： 项目需求文档及设计文档编写，整体架构设计搭建，功能开发