观阅文化

我的交易理念和你一模一样。
其实就是周期和操作关联。
我用日线判断方向
用小时级别做移动止损，
但是用15分钟做保本。
同时我还考虑加减仓的问题
也是用15分钟的波动性突破做加减仓信号
每个级别对应的单笔成本不一样。

说白了，交易就是拿时间换空间。
短频快的交易系统，就是聚沙成塔，靠成功率
趋势跟踪的交易系统就是，三年不开张，开张吃三年，靠的时盈亏比。

交易思路详解：如何面对70%的震荡？

做了2年以上的都有体会，开始都靠盘感做，但亏疼了后发现灵感远不如系统来的稳定，盘感会无限放大人的弱点，而人性是我们无法抵触的，只有用系统来规则。如果新手的你还在靠灵感在交易的...

人人都是交易员

1017 1 1

观阅文化

对了，我自己 insert了一条 （‘09’，‘02’，‘66‘）的记录进去测试，所以上面有的地方我用了09，换成01也一样的

50道SQL练习题及答案与详细分析

网上流传较广的50道SQL训练，奋斗了不知道多久终于写完了。前18道题的难度依次递增，从19题开始的后半部分算是循环练习和额外function的附加练习，难度恢复到普通状态。...

Kaidi_G

474182 312 452 3

观阅文化

这个我用pandas在python里写了一下，非常有趣：
check_courses = sc_df[sc_df['SId']=='09']['CId'].values
tmp =sc_df.groupby('SId').apply(lambda x: x['CId'].isin(check_courses).any())
student_df.merge(pd.DataFrame(tmp[tmp],columns=['check']),on='SId')
-----------------------------
check_courses = sc_df[sc_df['SId']=='01']['CId']
tmp =sc_df.groupby('SId').apply(lambda x:check_courses.isin(x['CId']).all())
#注意上面的isin顺序和第八题相反
student_df.merge(pd.DataFrame(tmp[tmp],columns=['check']),on='SId')

50道SQL练习题及答案与详细分析

网上流传较广的50道SQL训练，奋斗了不知道多久终于写完了。前18道题的难度依次递增，从19题开始的后半部分算是循环练习和额外function的附加练习，难度恢复到普通状态。...

Kaidi_G

474182 312 452 3

观阅文化

第八题第九题两个一样的啊，条件换一下而已。
第八题：
select student.* from student join(
select sc.SId, sum(find_in_set(sc.CId,chk.target)) rslt
from sc,
(select group_concat(sc.CId) target from sc where sc.SId = '09')chk
group by sc.SId)lbl
on student.SId = lbl.SId
where lbl.rslt > 0

所以第九题：
select student.* from student join(
select sc.SId, group_concat(sc.CId) rslt,chk.target trgt
from sc,
(select group_concat(sc.CId) target from sc where sc.SId = '01')chk
group by sc.SId)lbl
on student.SId = lbl.SId
where rslt = trgt

50道SQL练习题及答案与详细分析

网上流传较广的50道SQL训练，奋斗了不知道多久终于写完了。前18道题的难度依次递增，从19题开始的后半部分算是循环练习和额外function的附加练习，难度恢复到普通状态。...

Kaidi_G

474182 312 452 3

观阅文化

第一章: 我们不要执着文字，名相。 要常无为:回到一切最开始的状态。 要常留心:观察从无到有的规律。 这样我们就打开了所有世间奥妙的玄关了。 第二章: 天下的一切现象都是矛盾...