《BackTrader量化交易图解》第9章：回测结果分析

news2024/11/17 17:37:52

文章目录

  • 9. 回测结果分析
    • 9.1 常用量化分析指标
    • 9.2 Analyzer 分析类
    • 9.3 Analyzer 分析模块架构图
    • 9.4 SQN 指数
    • 9.5 案例：回测数据基本分析
    • 9.6 案例：回测数据扩展指标分析

9. 回测结果分析

9.1 常用量化分析指标

使用BackTrader等量化软件做交易会生成大量的测试数据， 策略的好坏及稳定性等都要通过回测结果的分析来进行判定。
常用的量化分析指标一般分为三类：

  1. Return， 收益指标。
  2. Risk， 风险指标。
  3. Factor， 多因子分析指标。

下面进行具体分析。

  1. Return收益指标。

    • Returns收益率， 通常为百分比形式的、 非累积的年/月/日等周期收益率， 即每个周期相对于上一个交易周期的收益比率。
    • annual_return， 年化回报率， 使用策略投资一年的收益率。
    • ROI， 投资回报率。
    • cum_returns， 累计收益。
    • VWR， 动态加权回报率。
    • omega_ratio， 欧米伽比率， 用来分析收益分布， 指标数值越高越好， 它是对偏度和峰值的一个调整。
    • benchmark_returns， 参考/基准（年化） 收益率， 标准指数（如SPY标普指数、 上证指数） 投资一年的收益率。

    就量化策略而言， 最重要的就是投资回报率这个指标， 其主要用于评估策略模型的稳定性。 而好的量化策略的关键就是具有稳定性， 能够获取稳定的投资回报率。 判断策略稳定的标准是： 在多种产品组合和多个时间周期的情况下都能够稳定盈利。

    对于初学者而言， 重点关注投资回报率指标就可以了。 其他指标通常在投资回报率差不多的情况下， 对策略做一些辅助优化即可。

  2. Risk风险指标。包含：

    • Alpha， 阿尔法指数， 非系统性风险投资指数。
    • Beta， 贝塔指数， 系统性风险投资指数， 反映了策略对大盘变化的敏感性。
    • Volatility， 波动率， 用来衡量策略的风险性， 波动率越大代表策略风险越高。
    • annual_volatility， 年化波动率。
    • information_ratio， 信息比率， 数值越高， 业绩表现持续优于大盘的程度越高。 该指标主要用来衡量投资组合所带来的超额收益。
    • calmar_ratio， 卡尔马比率， 是年化收益率与历史最大回撤之间的比率。 数值越大， 表示业绩越好； 数值越小， 表示业绩越差。
    • sharpe_ratio， 夏普指数/夏普比率， 是投资回报与风险的比例， 数值越大， 投资组合越佳。
    • sortino_ratio， 索提诺比率， 是夏普指数的修正版， 是用于评价投资资产、 组合或者策略收益的指标。
    • downside_risk， 下行风险， 指未来价格走势有低于投资者预期目标价位的风险。
    • tail_ratio， 尾比， 其含义是赚取的回报率比亏钱的比率大多少倍。
    • MaxDown， 最大回撤数据， 用于衡量策略可能出现的最糟糕情况。
    • SQN指数： 策略评级指数， 用于评估策略优劣。

  3. Factor多因子指标。

    • Factor Autocorrelation， 因子的自回归程度。
    • Profitable Count， 盈利的交易次数。
    • Unprofitable Count， 亏损的交易次数。
    • mean_return_by_quantile， 因子平均收益率数据。
    • mean_return_difference， 收益率差值， 即最好因子收益率减去最差因子收益率。
    • Return Ratio， 收益回撤比。
    • N-day Variance Ratio， n日方差比率。
    • Hurst， 赫斯特指数， 可衡量一个时间序列统计的相关性。
    • cumulative_returns_by_quantile， 多因子累计收益率。
    • Cash-netural Investment， 投资收益现金净值。

    专业因子指标如下。

    • 规模类因子： 总市值、 流通市值、 自由流通市值。
    • 估值类因子： 市盈率（ TTM） 、 市净率、 市销率、 市现率、 企业价值倍数。
    • 成长类因子： 营业收入同比增长率、 营业利润同比增长率、 母公司利润同比增长率、 现金流金额同比增长率。
    • 盈利类因子： 净资产收益率（ ROE） 、 总资产报酬率（ ROA） 、销售毛利率、 销售净利率。
    • 动量反转因子： 前1～6个月涨跌幅。
    • 交投因子： 前一个月的日均换手率。
    • 波动因子： 前一个月的波动率、 前一个月的振幅。
    • 股东因子： 户均/机构持股比例、 户均/机构持股比例变化。
    • 分析师因子： 预测当年净利润增长率、 主营业务收入增长率， 以及最近一个月的净利润上调幅度、 主营业务收入上调幅度、 上调评级占比。

就目前国内量化交易的实际情况而言， 初学者只需重点掌握 BackTrader软件的常用功能， 能够灵活使用即可， 不需要对多因子进行深入分析。

9.2 Analyzer 分析类

内置Analyzer分析类的主要指标如下：
● AnnualReturn， 年化回报率。
● Calmar， 卡曼指数。
● DrawDown， 最大回撤数据。
● TimeDrawDown， 不同周期的最大回撤数据。
● PositionsValue， 仓位变化数据。
● PyFolio， 专业Folio量化图表分析。
● LogReturnsRolling， 对数化回报率分析。
● PeriodStats， 周期分析。
● Returns， 回报率。
● SharpeRatio， 夏普指数。
● SharpeRatio_A， 修正版夏普指数。
● SQN， 策略评估指数。
● TimeReturn， 周期回报率。
● TradeAnalyzer， 交易分析。
● Transactions， 逐笔订单分析。
● VWR， 动态加权回报率。
比较专业的Analyzer分析类指标， 只在进行一些特殊分析的时候才需要使用， 本节讲解比较简单的量化回测分析案例， 介绍量化分析的基本操作， 仅使用到一些常用的量化分析指标， 如Sharp、 MaxDown等。

在Analyzer分析模块中， 最重要的子模块是analyzer.Analyzer子模块。
在analyzer.Analyzer子模块内部分布图中， 以“_”开头的函数是类内部函数， 其他主要函数如下。
● 常规量化操作函数： next、 prenext、 nextstart、 start、 stop。
● 数据获取函数： get_analysis。

● 数据传递函数： notify_cashvalue、 notify_trade、 notify_order、notify_fund。
● 其他类函数： Create_analysis、 print、 pprint。

此外还有两个重要的函数： csv、 rets。

9.3 Analyzer 分析模块架构图

下图所示是 Analyzer 分析模块的核心部分，改图中最左边的圆形中的内容，是整个模块的入口：

btr_anz001

从上图可以看到 ，Analyzer 分析模块的核心是 Analyzer 分析类及其类函数。Analyzer 分析类及其类函数又分为两个子类：

  • TimeFrameAnalyzer，时间周期分析子类；
  • MetaAnalyzer，元数据分析子类。

注意， MetaTimeFrameAnalyzer（元数据分析的时间周期分析） 子类源自TimeFrameAnalyzer子类， 而不是由MetaAnalyzer子类派生出的。

在BackTrader量化软件中， 把Analyzer分析模块中的TimeFrameAnalyzer子类作为核心子类， 而在其他量化软件中， 通常把时间周期分析也作为一个量化分析指标。

MetaAnalyzer子类的设计非常巧妙， 其中的Meta元数据可以导入各种专业量化指标， 从而衍生出各种专业的量化分析指标， 如SQN指数、Sharp指数、 MaxDown等常用量化分析指标。

这种巧妙的设计架构， 非常方便用户扩展各种量化分析指标和各种自定义分析指标， 大大简化了用户的编程工作。

下面再看一看 analyzer.Analyzer 子模块架构图， 如下图所示。由图可以看出， analyzer.Analyzer子模块是所有分析模块的基础， 定义了量化分析主要的类函数。 其中以“_”开头的函数是类内部函数， 其他主要函数有以下几类。
● 常规量化操作函数： next、 prenext、 nextstart、 stop、 start。
● 数据获取函数： get_analysis。
● 数据传递函数： notify_trade、 notify_order、 notify_fund。
● 其他类函数： create_analysis、 print、 pprint。

btr_anz002

9.4 SQN 指数

SQN 指数全称为 System Quality Number，即系统质量指数，用来评估量化策略的优劣。SQN 的计算公式为：

SQN=root(n)×expectancy/stdev(R)
（SQN=交易次数n的平方根×交易系统的期望值/期望值的标准差）

其中，
root（n） ： 一年交易次数n的平方根。
expectancy： 交易系统的期望值， 以倍数（风险回报比） 表示。
stdev（R） ： 期望值的标准差。

评测的交易总次数最多不能超过100， 当然， 交易次数也有下限，即不能少于30。 当交易数量≥30时， SQN指数通常被认为是可靠的。
SQN指数具有如下意义：
● 交易次数越多， 获利机会越大。
● 风险回报比越大越好。
● 风险回报比的标准差越小， 交易结果越具有规律性， 回撤越小。

SQN指数公式很简单， 要优化SQN指数也很简单：
● 使交易次数和平均风险回报比的乘积尽可能大。
● 使公式中的期望值标准差尽可能小。

9.5 案例：回测数据基本分析

本实例代码 Analyzer1.py 。

本节案例增加了一些回测分析函数指标，重点是 addanalyzer 分析指标添加函数：

print("\n\t#2-5,设置每手交易数目为：10，不再使用默认值：1手")
cerebro.addsizer(bt.sizers.FixedSize, stake=10)

print("\n\t#2-6,设置addanalyzer分析参数")
cerebro.addanalyzer(SQN)
#
cerebro.addanalyzer(bt.analyzers.SharpeRatio, _name="SharpeRatio", legacyannual=True)
cerebro.addanalyzer(bt.analyzers.AnnualReturn, _name="AnnualReturn")
#
cerebro.addanalyzer(bt.analyzers.TradeAnalyzer, _name="TradeAnalyzer")
cerebro.addanalyzer(bt.analyzers.DrawDown, _name="DW")

以上代码为量化程序添加 SQN 指数、Sharp 指数、MaxDown 常用量化分析指标。

addanalyzer 策略添加函数中改的 name 参数变量，主要用于分析结果和图标绘制。这些指标名称可以通过name 参数设置，一般使用默认模式，即指标函数名称。下图是该函数关系属性示意图：

btr_add_anz

量化分析编程主要有两个环节：

  1. 在主程序源码中的数据设置部分，设置各种常用的分析指标，并使用 addanalyzer 添加各种指标。
  2. 当量化程序运行完成时，在量化回测结果数据中提取各种分析数据。

在量化回测结果数据中提取各种分析数据，需要从量化回测的返回值中获取分析数据：

print("\n#3，调用BT回测入口程序，开始执行run量化回测运算")
results = cerebro.run()

通过如下代码，把相关的回测结果数据提取出来，保存到 anzs 变量中：

# ---------
print("\n#5,analyzer分析BT量化回测数据")
strat = results[0]
anzs = strat.analyzers
#
dsharp = anzs.SharpeRatio.get_analysis()["sharperatio"]
trade_info = anzs.TradeAnalyzer.get_analysis()
#
dw = anzs.DW.get_analysis()
max_drowdown_len = dw["max"]["len"]
max_drowdown = dw["max"]["drawdown"]
max_drowdown_money = dw["max"]["moneydown"]
#
print("\t夏普指数SharpeRatio : ", dsharp)
print("\t最大回撤周期 max_drowdown_len : ", max_drowdown_len)
print("\t最大回撤 max_drowdown : ", max_drowdown)
print("\t最大回撤(资金)max_drowdown_money : ", max_drowdown_money)

anzs 变量用于保存回测分析数据，该变量本身是复合字典格式，提取的各组分析数据都是标准的 dict 字典格式，各组分析数据的返回值也都是 dict 字典格式，可方便大家提取使用。各组回测结果都保存在 Analyzer 分析类的 rets 属性中，可以通过 get_analysis 函数读取。

下图是 get_analysis 函数关系属性图：

btr_add_sta

由图可以看出，相关的分析结果不仅可以通过 rets 变量导出，也可以通过内置的 print、pprint 两个输出函数直接输出，而且输出的数据格式均进行过分组处理。

本案例生成图片如下：

Analyzer1

本案例各分析指标输出内容为：

#5,analyzer分析BT量化回测数据
        夏普指数SharpeRatio :  -66.94067728496657
        最大回撤周期 max_drowdown_len :  269
        最大回撤 max_drowdown :  0.03984537510517593
        最大回撤(资金)max_drowdown_money :  39.85270000001765

9.6 案例：回测数据扩展指标分析

本实例代码： Analyzer2.py 。

上个案例已经添加了一些分析指标，本案例继续添加如下分析指标：

  • TimeReturn， 周期回报率
  • VWR， 动态加权回报率。

添加分析指标的代码如下：

# 周期回报率，不同时间周期
cerebro.addanalyzer(
    bt.analyzers.TimeReturn, timeframe=bt.TimeFrame.Years, _name="timReturns"
)
# cerebro.addanalyzer(bt.analyzers.TimeReturn, timeframe=bt.TimeFrame.Months,_name='timReturns')
#
# 动态加权回报率 Variability-Weighted Return: Better SharpeRatio with Log Returns
cerebro.addanalyzer(bt.analyzers.VWR, _name="VWR")

添加输出代码如下：

#
print("\t#5-2,常用量化分析数据")
print("\tSQN指数、AnnualReturn年化收益率，Trade交易分析报告")
print("\t可以通过修改参数，改为其他时间周期：周、月、季度等")
for alyzer in strat.analyzers:
    alyzer.print()

本案例生成图片如下：

Analyzer2

输入内容如下：

#5,analyzer分析BT量化回测数据
        5-1夏普指数SharpeRatio :  -66.94067728496657
        最大回撤周期 max_drowdown_len :  269
        最大回撤 max_drowdown :  0.03984537510517593
        最大回撤(资金)max_drowdown_money :  39.85270000001765
        #5-2,常用量化分析数据
        SQN指数、AnnualReturn年化收益率，Trade交易分析报告
        可以通过修改参数，改为其他时间周期：周、月、季度等
===============================================================================
SQN:
  - sqn: 1.0152350590677315
  - trades: 32
===============================================================================
SharpeRatio:
  - sharperatio: -66.94067728496657
===============================================================================
AnnualReturn:
  - 2020: 8.860000000066037e-05
  - 2021: 0.00038036629954540935
===============================================================================
TradeAnalyzer:
  -----------------------------------------------------------------------------
  - total:
    - total: 32
    - open: 0
    - closed: 32
  -----------------------------------------------------------------------------
  - streak:
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - won:
      - current: 1
      - longest: 9
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - lost:
      - current: 0
      - longest: 2
  -----------------------------------------------------------------------------
  - pnl:
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - gross:
      - total: 53.19999999999992
      - average: 1.6624999999999974
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - net:
      - total: 46.89999999999994
      - average: 1.4656249999999982
  -----------------------------------------------------------------------------
  - won:
    - total: 22
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - pnl:
      - total: 122.12029999999996
      - average: 5.5509227272727255
      - max: 23.0399
  -----------------------------------------------------------------------------
  - lost:
    - total: 10
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - pnl:
      - total: -75.22030000000002
      - average: -7.522030000000003
      - max: -15.918399999999988
  -----------------------------------------------------------------------------
  - long:
    - total: 32
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - pnl:
      - total: 46.89999999999994
      - average: 1.4656249999999982
      *************************************************************************
      - won:
        - total: 122.12029999999996
        - average: 5.5509227272727255
        - max: 23.0399
      *************************************************************************
      - lost:
        - total: -75.22030000000002
        - average: -7.522030000000003
        - max: -15.918399999999988
    - won: 22
    - lost: 10
  -----------------------------------------------------------------------------
  - short:
    - total: 0
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - pnl:
      - total: 0.0
      - average: 0.0
      *************************************************************************
      - won:
        - total: 0.0
        - average: 0.0
        - max: 0.0
      *************************************************************************
      - lost:
        - total: 0.0
        - average: 0.0
        - max: 0.0
    - won: 0
    - lost: 0
  -----------------------------------------------------------------------------
  - len:
    - total: 242
    - average: 7.5625
    - max: 26
    - min: 1
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - won:
      - total: 98
      - average: 4.454545454545454
      - max: 15
      - min: 1
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - lost:
      - total: 144
      - average: 14.4
      - max: 26
      - min: 1
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - long:
      - total: 242
      - average: 7.5625
      - max: 26
      - min: 1
      *************************************************************************
      - won:
        - total: 98
        - average: 4.454545454545454
        - max: 15
        - min: 1
      *************************************************************************
      - lost:
        - total: 144
        - average: 14.4
        - max: 26
        - min: 1
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - short:
      - total: 0
      - average: 0.0
      - max: 0
      - min: 9223372036854775807
      *************************************************************************
      - won:
        - total: 0
        - average: 0.0
        - max: 0
        - min: 9223372036854775807
      *************************************************************************
      - lost:
        - total: 0
        - average: 0.0
        - max: 0
        - min: 9223372036854775807
===============================================================================
DrawDown:
  - len: 31
  - drawdown: 0.016181390901583496
  - moneydown: 16.191600000005565
  -----------------------------------------------------------------------------
  - max:
    - len: 269
    - drawdown: 0.03984537510517593
    - moneydown: 39.85270000001765
===============================================================================
TimeReturn:
  - 2020-12-31: 8.860000000066037e-05
  - 2021-12-31: 0.00038036629954540935
===============================================================================
VWR:
  - vwr: 0.02078841499279231

输出信息中的TimeReturn时间周期回报率， 使用的周期也是year（年度） ， 所以最终数据和使用annual_return年化回报率完全相同。

代码仓库链接：CPythoner/BackTraderDemo at develop (github.com)

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1376305.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

js(JavaScript)数据结构之字典

js(JavaScript)数据结构之字典

什么是数据结构？ 下面是维基百科的解释： 数据结构是计算机存储、组织数据的方式。数据结构意味着接口或封装：一个数据结构可被视为两个函数之间的接口，或者是由数据类型联合组成的存储内容的访问方法封装。 我们每天的编码中都会…
阅读更多...
审稿变慢？还疯狂拒稿？这本毕业神刊如今争议不断，还值得一投吗？

审稿变慢？还疯狂拒稿？这本毕业神刊如今争议不断，还值得一投吗？

【SciencePub学术】 IEEE ACCESS 期刊评说 网友辣评 评说1：麻了，11月17收到外审，现在意见还没回来啊，神刊肿么了？ 评说2：两个审稿人评审的，一个拒绝（最终意见大修）&…
阅读更多...
代码随想录 Leetcode707. 设计链表

代码随想录 Leetcode707. 设计链表

题目： 代码(首刷看解析 2024年1月11日）： class MyLinkedList { private:struct ListNode{int val;ListNode* next;ListNode(int val):val(val),next(nullptr){}};int size;ListNode* dummyHead; public:MyLinkedList() {dummyHead new List…
阅读更多...
序章 初始篇—转生到vue世界！

序章 初始篇—转生到vue世界！

Vue.js 是什么？ Vue (读音 /vjuː/，类似于 view) 是一套用于构建用户界面的渐进式框架。与其它大型框架不同的是，Vue 被设计为可以自底向上逐层应用。Vue 的核心库只关注视图层，不仅易于上手，还便于与第三方库或既有项…
阅读更多...
四、C++运算符（4）比较运算符

四、C++运算符（4）比较运算符

作用&#xff1a;用于表达式的比较&#xff0c;并返回一个真值或者假值 #define _CRT_SECURE_NO_WARNINGS #include<iostream> #include<string> using namespace std; int main() {//int a 10;int b 20; //变量a重新赋值为100//cout << (ab) << end…
阅读更多...
【Redis】Redis 进阶

【Redis】Redis 进阶

文章目录 1. BigKey1.1 MoreKey1.2 BigKey 2. 缓存双写一致性更新策略2.1 读缓存数据2.2 数据库和缓存一致性的更新策略2.3 canal 实现双写一致性 3. 进阶应用3.1 统计应用3.2 hyperloglog3.3 GEO3.4 bitmap 4. 布隆过滤器5. Redis 经典问题5.1 缓存预热5.2 缓存穿透5.3 缓存击…
阅读更多...
order by 与 分页 的冲突

order by 与 分页 的冲突

order by 与 分页 的冲突 问题背景 Oracle拼接SQL&#xff0c;JAVA使用SQLQueryExecutor执行拼接的SQL&#xff0c;SQL如下&#xff1a; SELECT col_key, col_other_info FROM tb_tableName WHERE col_where_info 一些筛选条件 order by col_updatetime desc 该表中的数…
阅读更多...
一行代码给Button添加一个光标焦点动画：得着焦点按钮放大，失去焦点按钮恢复

一行代码给Button添加一个光标焦点动画：得着焦点按钮放大，失去焦点按钮恢复

当光标进入Button的时候&#xff0c;也就是Button得着焦点时&#xff0c;Button出现放大效果&#xff0c;失去焦点的时候&#xff0c;恢复原来的尺寸。 本例仅供学习交流之用 一、效果 按钮得着焦点&#xff0c;放大 按钮失去焦点&#xff0c;恢复 二、给按钮添加动效 得着…
阅读更多...
k8s中的基础概念

k8s中的基础概念

k8s可以从硬件和软件两方面来理解&#xff1a; 硬件&#xff1a; 1、节点&#xff08;Node&#xff09;&#xff1a;类似于手机、平板、电脑 2、集群&#xff08;Cluster&#xff09;&#xff1a;多个节点组合到一起 3、持久卷&#xff08;Persistent Volumes&#xff09;&…
阅读更多...
微信小程序开发WebSocket通讯

微信小程序开发WebSocket通讯

官方文档说明&#xff1a;入口 WebSocket连接的链接只支持wss加密方式&#xff0c;且只能用域名的方式 该域名还要在微信公众平台的小程序中登记才能使用&#xff0c;开发->开发管理->服务器域名->修改 该域名要和https使用的一致 以域名地址&#xff1a;dtu.aab…
阅读更多...
质量好洗地机有哪些？洗地机口碑榜

质量好洗地机有哪些？洗地机口碑榜

在很多人眼中&#xff0c;洗地机可能被简单地视为一种高价的拖把&#xff0c;但作为一个经验丰富的洗地机测评博主&#xff0c;我要强调洗地机在家务工作中的巨大价值。它不仅仅是一种清洁工具&#xff0c;更是集扫地、拖地、洗地以及擦干地板等多项功能于一身的强大设备。通过…
阅读更多...
【软件测试】学习笔记-设计GUI自动化测试策略

【软件测试】学习笔记-设计GUI自动化测试策略

这篇文章从“实战”这个角度展开&#xff0c;探讨实际的大型全球化电商网站的GUI自动化测试如何开展。这场实战&#xff0c;从以下两个方面展开&#xff1a; 测试策略如何设计&#xff1f;这一点&#xff0c;我会根据亲身经历的实际项目&#xff0c;和你探讨GUI测试的分层测试…
阅读更多...
R730服务器做了raid的硬盘，插在R720上面可以用吗？

R730服务器做了raid的硬盘，插在R720上面可以用吗？

环境 戴尔R720 戴尔R730 问题描述 R730服务器做了raid的硬盘&#xff0c;插在R720上面可以用吗&#xff1f; 解决方案 1.直接在 R730服务器做了raid的硬盘&#xff0c;卸下来在插在r720上面使用 &#xff0c;读不到硬盘 2.前往R730服务器上面&#xff0c;去清除RAID配置的…
阅读更多...
采集小红书笔记详情页的方法，大部分人都想得复杂了

采集小红书笔记详情页的方法，大部分人都想得复杂了

一般来说&#xff0c;社交媒体都有列表页和详情页、个人主页三大页面&#xff0c;列表页一般包含搜索结果页、话题聚合页等等&#xff0c;详情页就是点开某一条笔记或者动态的具体页面&#xff1b; 小红书当然也不例外&#xff0c;比如下面这个话题聚合页&#xff1a; https:/…
阅读更多...
csv文件查找工具（一）

csv文件查找工具（一）

自己写的小工具&#xff0c;查询csv文件前三列的数据互查&#xff0c; 主要目的是 组sql 需要这三个数据互查&#xff0c; 当然从数据库查的更快&#xff0c; 但数据库的连接需要验证权限&#xff0c;能自己搞&#xff0c;先自己搞 速度待优化&#xff0c;没时间搞了&#xff0…
阅读更多...
【办公技巧】Word功能区灰色显示不能编辑,怎么破?

【办公技巧】Word功能区灰色显示不能编辑,怎么破?

Word文档可以设置加密来保护文件禁止修改&#xff0c;但是在word文档中设置限制编辑功能时对它的作用是否有详细的了解呢&#xff1f;今天为大家介绍word限制编辑功能的作用以及忘记了限制编辑密码该如何解决。 设置限制大家应该都清楚&#xff0c;就是点击工具栏中的审阅 – …
阅读更多...
微信小程序开发学习笔记《7》全局配置以及小程序窗口

微信小程序开发学习笔记《7》全局配置以及小程序窗口

微信小程序开发学习笔记《7》全局配置以及小程序窗口 博主正在学习微信小程序开发&#xff0c;希望记录自己学习过程同时与广大网友共同学习讨论。全局配置官方文档 一、全局配置文件及常用的配置项 小程序根目录下的app.json 文件是小程序的全局配置文件。 常用的配置项如…
阅读更多...
Java基础项目---飞机大战的简易实现

Java基础项目---飞机大战的简易实现

推荐阅读 智能化校园&#xff1a;深入探讨云端管理系统设计与实现&#xff08;一&#xff09; 智能化校园&#xff1a;深入探讨云端管理系统设计与实现&#xff08;二&#xff09; 文章目录 推荐阅读前言一、系统分析问题描述总体设计功能流程图 二、程序和算法的介绍FlyingOb…
阅读更多...
DDNS-GO配置使用教程

DDNS-GO配置使用教程

环境&#xff1a;openwrt 下载地址&#xff1a;Releases jeessy2/ddns-go GitHub 下载 ssh至openwrt根目录&#xff0c;根据你的处理器选择要下载的版本&#xff0c;我是路由器&#xff0c;选择的是 ddns-go_5.7.1_linux_arm64.tar.gz wget github链接 安装 tar -zxvf…
阅读更多...
Java面试题之JVM

Java面试题之JVM

Java面试题之JVM 1. JVM的组成部分及其作用&#xff1f;2. JVM的堆和栈的区别&#xff1f;3. 简述一下垃圾回收机制&#xff1f;(垃圾回收的原理&#xff1f;)4. 垃圾回收器都有什么&#xff1f;该怎么选择&#xff1f;5. 如何判断垃圾可以回收了&#xff1f;6. 垃圾回收算法有…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023