liyanshuang 4 weeks ago
parent
commit
9b3c01aed1
  1. 2
      .idea/workspace.xml
  2. BIN
      zhangbo/感想.docx
  3. 4
      zhangbo/第四天技术学习笔记.txt
  4. 63
      zhangbo/第四天股票知识学习笔记.txt
  5. 2
      孙维宁学习笔记/10.27孙维宁git学习笔记.txt
  6. 2
      孙维宁学习笔记/10.28孙维宁git学习笔记.txt
  7. BIN
      孙维宁学习笔记/10.29孙维宁学习笔记.docx
  8. BIN
      孙维宁学习笔记/10.30孙维宁学习笔记.docx
  9. BIN
      尹顺宇10.30作业/尹顺宇10.30夺宝奇兵之AI预测大模型学习.docx
  10. BIN
      尹顺宇10.30作业/尹顺宇10.30学习总结.docx
  11. 110
      尹顺宇10.30作业/尹顺宇10.30学习笔记.md

2
.idea/workspace.xml

@ -32,7 +32,7 @@
"ModuleVcsDetector.initialDetectionPerformed": "true", "ModuleVcsDetector.initialDetectionPerformed": "true",
"RunOnceActivity.ShowReadmeOnStart": "true", "RunOnceActivity.ShowReadmeOnStart": "true",
"RunOnceActivity.git.unshallow": "true", "RunOnceActivity.git.unshallow": "true",
"git-widget-placeholder": "yinshunyu",
"git-widget-placeholder": "dev",
"kotlin-language-version-configured": "true", "kotlin-language-version-configured": "true",
"last_opened_file_path": "D:/ysy/projectTest/Dbqb_Study", "last_opened_file_path": "D:/ysy/projectTest/Dbqb_Study",
"node.js.detected.package.eslint": "true", "node.js.detected.package.eslint": "true",

BIN
zhangbo/感想.docx

4
zhangbo/第四天技术学习笔记.txt

@ -0,0 +1,4 @@
今天主要学习了spring boot相关知识
什么是spring boot,spring的优势,怎么创建spring项目,通过idea直接创建,以及spring的一些核心特性
自动配置,依赖,对spring boot的一些核心注解进行了学习
了解了nacos和seata以及dubbo等。还有aop面向切面编程

63
zhangbo/第四天股票知识学习笔记.txt

@ -0,0 +1,63 @@
夺宝奇兵超级云脑学习总结
10月29日,结合股票基础术语与实操场景,系统学习了夺宝奇兵超级云脑的“云脑探秘”与“机构动向”两大核心模块。本次学习核心目标为掌握AI辅助投资工具的底层逻辑、模块功能及全流程应用方法,现将学习成果按“核心定位-模块解析-实操指南-学习心得”框架总结如下:
一、核心定位:散户专属的智能投资辅助体系
超级云脑以“AI+大数据”为核心驱动力,专为散户破解投资分析门槛高、决策盲目性大等痛点,构建了“价值判断-风险评估-趋势捕捉-资金跟踪-操作决策”的全流程辅助体系。其核心优势在于将复杂的基本面、技术面分析及资金数据,转化为可视化、易理解的直观结论,实现“无需深研术语,即可精准决策”。
1. 双模块核心分工
云脑探秘:智慧决策的“可视化核心窗口”,聚焦股票自身价值与趋势的深度解析,涵盖股票估值、安全级别、压力支撑、趋势研判、庄家成本、情绪价值六大维度,为个股质地判断提供全面依据。
机构动向:资金博弈的“实时跟踪仪表盘”,聚焦市场资金流向与主力行为,通过当日资金、主力资金、主力吸筹、庄散对决四大维度,呈现资金层面的博弈状态,为时机选择提供核心支撑。
2. 底层设计逻辑
全维度数据支撑:整合交易所实时行情、上市公司财报、主力资金流向、市场情绪舆情等多源数据,确保分析依据的全面性与精准性,类似专业机构的量化分析数据基础。
术语通俗转化:将市盈率(PE)、支撑线、筹码集中等专业术语,转化为“值不值买”“安全不安全”“主力在吸筹还是出货”等散户易懂的结论,降低认知门槛。
全流程决策覆盖:从选股(价值判断)、买入(时机捕捉)、持有(趋势跟踪)到卖出(止盈止损),形成闭环辅助,解决散户“碎片化决策”痛点。
二、核心模块深度解析:术语+功能+实操价值
(一)云脑探秘:六大维度解析个股核心价值
1. 股票估值:破解“值不值买”的核心标尺
核心功能:AI基于基本面分析逻辑,自动计算市盈率(PE)、市净率(PB)、每股收益(EPS)等核心指标,对比行业均值与历史数据,直接输出“高估/合理/低估”结论。
术语拆解:PE(股价÷每股盈利)、PB(股价÷每股净资产)是基本面分析的核心指标——PE反映“盈利性价比”,PB反映“资产性价比”。例如垃圾股因题材炒作导致PE远超行业均值,即存在“高估值陷阱”;而盈利稳定的蓝筹股PE处于历史低位,则为“低估性价比标的”。
实操价值:无需散户手动计算财务数据,直接规避“追高泡沫股”风险,精准锁定价值投资标的(如低估行业龙头、绩优成长股)。
2. 安全级别+压力支撑:划定“安全边界”与“买卖点位”
核心功能:安全级别通过“六色罗盘”划分五级风险(极高-较高-中等-较为安全-高安全);压力支撑基于技术面逻辑,计算关键支撑位(下跌止跌点)与压力位(上涨受阻点),并标注强度。
术语拆解:极高风险对应ST股、垃圾股等“非系统风险标的”,高安全对应蓝筹股等“基本面稳定标的”;支撑位即技术面“支撑线”(如前期低点、均线位),压力位即“压力线”(如前期高点、密集成交区),突破压力位需“放量上涨”才更稳。
实操价值:解决“不敢买、不会卖”痛点——高安全+强支撑标的可优先买入;接近强压力位时提示止盈,跌破强支撑位时提示止损。
3. 趋势研判:跳出日内波动,锚定核心方向
核心功能:AI整合K线、移动平均线(MA5/MA10/MA20)、成交量等指标,区分“中长期趋势”(一年以上,道氏理论“基本运动”)与“短期趋势”(数天至数月,“次级/日常运动”),标注“上升/下跌/横盘”及强弱状态。
术语拆解:“均线多头排列”对应中长期上升趋势,“均线空头排列”对应中长期下跌趋势,契合“趋势交易”理念,规避“逆势操作”(如熊市抄底、牛市割肉)。
实操价值:为不同风格散户提供依据——价值投资者看中长期趋势,技术派结合短期趋势捕捉时机。
4. 庄家成本:揭秘主力行为,掌握成本优势
核心功能:通过筹码模型挖掘龙虎榜、资金流向数据,测算庄家长短期“筹码成本”,标注筹码集中程度,判断主力处于吸筹、洗盘、拉升还是出货阶段。
术语拆解:筹码成本即主力吸筹的平均价,“筹码集中”说明主力吸筹充分,后续拉升概率大;“筹码分散”可能是主力出货后状态,风险高。
实操价值:散户可对比自身成本与主力成本——成本低于主力且筹码集中可坚定持有,成本高于主力且接近压力位需止盈。
5. 情绪价值:克服人性弱点,理性决策
核心功能:AI情绪模型捕捉成交量、股价波动、投资者言论等数据,判断“情绪过热(超买)、低迷(超卖)、稳定、拐点”四种状态。
术语拆解:情绪过热伴随“天量”(高点接盘风险),情绪低迷伴随“地量”(割在地板风险),情绪拐点对应“多空转换”信号。
实操价值:规避情绪化操作——过热时减仓,低迷时不盲目割肉,拐点时顺势布局(逆向投资)。
(二)机构动向:四大维度跟踪资金博弈
作为“资金跟踪核心”,实时展示资金流向趋势,聚焦四大维度,为决策提供资金层面支撑,与“云脑探秘”形成互补。
当日资金:展示多空资金流向,对应“买盘强劲”(多头净流入,上涨概率大)或“卖压沉重”(空头净流入,下跌概率大)。
主力资金:反映机构大户买卖态度,是短期股价核心驱动力——持续净流入则短期上涨动能充足。
主力吸筹:对应“建仓”,提示“集中吸筹”时伴随成交量温和放大、股价横盘,预示后续拉升。
庄散对决:展示持仓比例变化——主力持仓占比高且增加,说明主力控盘,股价更稳定;散户占比高则波动加剧。
实操价值:信号组合判断——“估值低估+主力净流入+吸筹”为三重利好;“趋势下跌+主力净流出+散户增仓”为明确风险。
三、全流程实操指南:从选股到卖出的模块组合应用
基础认知:成交量红色柱代表收阳时成交量,绿色柱代表收阴时成交量,是判断趋势、突破有效性的关键辅助。
1. 选股环节:选价值、避风险(三大模块+机构佐证)
1. 第一步:用“股票估值”筛除高估值泡沫股,锁定PE/PB处于合理或低估区间的标的;
2. 第二步:用“安全级别”划定范围,优先选择“较为安全”及以上等级标的,规避ST股等极高风险品种;
3. 第三步:用“庄家成本”判断主力态度,选择筹码集中、散户成本低于主力成本的标的;
4. 第四步:用“机构动向”佐证,优先选择主力资金净流入、有吸筹信号的标的。
2. 买入环节:不追高、买支撑(两大模块组合)
1. 第一步:用“压力支撑”找安全买点,在强支撑位附近布局,避免在压力位下方盲目买入;
2. 第二步:用“情绪价值”避高点,在情绪“稳定”或“低迷企稳”时买入,规避“过热”时追涨。
3. 持有环节:顺趋势、跟主力(两大模块+机构联动)
1. 第一步:用“趋势研判”锚定长期方向,中长期上升趋势可坚定持有,下跌趋势则减少持仓;
2. 第二步:用“机构动向”跟踪短期动能,主力资金持续净流入、持仓占比提升可继续持有,反之则减仓;
3. 第三步:结合“庄家成本”监测筹码状态,筹码分散时警惕主力出货。
4. 卖出环节:不贪多、不扛跌(两大模块+实操示例)
1. 第一步:用“压力支撑”定止盈点——接近强压力位且成交量未放大时止盈;放量突破则持有至下一压力位。
示例:某股票压力位3920.37,当前价3918,压力强度“一般”,若成交量未放大,可在3920附近止盈;若放量突破则持有。
2. 第二步:用“情绪价值”定止损点——情绪从“稳定”转“恐慌”且跌破强支撑位时,立即止损,避免深套。
四、学习心得:工具辅助+理性判断的投资逻辑
超级云脑的核心价值在于“将复杂投资分析简单化、可视化”,通过AI技术解决散户“分析能力不足、信息不对称、人性弱点”三大痛点。但需明确:工具是辅助而非替代,实操中需注意两大原则:
1. 模块组合优于单一依赖:需结合“估值+趋势+资金”多维度判断,如“低估+上升趋势+主力净流入”的标的可靠性更高;
2. 工具结论结合自身风险承受:高安全等级标的适合保守型投资者,趋势强势但风险中等的标的适合激进型投资者。
后续需通过实盘演练深化模块应用,重点熟悉“压力支撑+情绪价值”的买卖点判断,及“机构动向”与个股估值的联动分析,提升投资决策的科学性。

2
10.27孙维宁git学习笔记.txt → 孙维宁学习笔记/10.27孙维宁git学习笔记.txt

@ -40,6 +40,6 @@ git reset:回滚代码 用于撤销各种 commit 操作,回滚代码
git status 查看当前仓库状态 git status 查看当前仓库状态
git log 查看提交记录 如果加上--online 就是简洁的 git log 查看提交记录 如果加上--online 就是简洁的
echo "这是第一个文件" >file1.txt 现场创建文件成功 echo "这是第一个文件" >file1.txt 现场创建文件成功
222211111
2222111111
问题:目前我们的git账号还没有开,无法提交git到远程仓库,应该要等明天楼上的老师上班才能上传git学习笔记 问题:目前我们的git账号还没有开,无法提交git到远程仓库,应该要等明天楼上的老师上班才能上传git学习笔记

2
10.28孙维宁git学习笔记.txt → 孙维宁学习笔记/10.28孙维宁git学习笔记.txt

@ -118,7 +118,7 @@ Rebase:不会新增额外的提交记录,改变了branch out中的节点。避
七、工作流模型 七、工作流模型
就是一些比较好的规范和流程,可以让我们的工作更高效,更有条理 就是一些比较好的规范和流程,可以让我们的工作更高效,更有条理
比如GitFlow工作流:包含了多个分支 主线:main 线上bug:hotfix 等等 比如GitFlow工作流:包含了多个分支 主线:main 线上bug:hotfix 等等
222211111
2222111111

BIN
10.29孙维宁学习笔记.docx → 孙维宁学习笔记/10.29孙维宁学习笔记.docx

BIN
孙维宁学习笔记/10.30孙维宁学习笔记.docx

BIN
尹顺宇10.30作业/尹顺宇10.30夺宝奇兵之AI预测大模型学习.docx

BIN
尹顺宇10.30作业/尹顺宇10.30学习总结.docx

110
尹顺宇10.30作业/尹顺宇10.30学习笔记.md

@ -0,0 +1,110 @@
# 10.30Redis学习笔记
## 1.Nosql概述
大数据时代--一般的数据库无法处理
### 1.1 发展
#### 1.1.1.单机MySQL时代
#### 1.1.2.缓存+MySQL+垂直拆分(读写分离)
发展过程:
优化数据结构和索引-->文件缓存(IO)-->Memcached(当时最热门)
![1761790196878](C:\Users\Administrator\Desktop\1761790196878.png)
#### 1.1.3.分库分表+水平拆分+MySQL集群
本质:数据库(读写)
早些年:MyISAM :表锁,十分影响效率,高并发下出现严重锁问题
后来Innodb: 行锁
然后开始使用分库分表解决写压力,MySQL推出过表分区,但使用不多
之后MySQL集群出现,满足了当时的需求
![1761790721155](C:\Users\Administrator\Desktop\1761790721155.png)
#### 1.1.4.当今
数据量大变化快
MYSQL关系型数据库开始不够用
目前一个基本互联网项目的结构:
![1761791781386](C:\Users\Administrator\Desktop\1761791781386.png)
### 1.2什么是NoSQL
泛指非关系型数据库 Not Only SQL
关系型数据库的存储是一个表格有行和列
很多数据像用户个人信息地理位置等等,不需要一个固定的格式,可以使用键值对控制,比如Map<StringObject>
### 1.3NoSQL特点
**解耦**
1.方便扩展(数据之间没有关系)
2.大数据高性能(官方数据:Redis一秒可以写8万次,读取11万次,NoSQL的缓存记录级是一种细粒度的缓存,性能比较高 )
3.数据类型是多样性的,不需要事先设计数据库,随取随用
4.传统关系型数据库和NoSQL
传统关系型数据库是结构化组织,数据和关系都存在单独的表中,有严格的一致性
NoSQL不仅仅是数据,没有固定的查询语言,有很多存储方式,比如键值对存储,列存储,文档存储,图形存储,最终一致性,CAP和BASE(异地多活),高性能,高可用,高可扩
## 2.NoSQL四大分类
KV键值对
新浪:Redis
美团:Redis+Tair
阿里、百度:Redis+memecache
文档型数据库
mongoDB :是一个介于关系型数据库和非关系型数据库之间的产品
列存储数据库:
HBase
分布式文件系统
图形关系数据库:不是放图的是放关系的
Neo4j,InfoGrid等
## Redis入门
Loading…
Cancel
Save