主頁 >  其他 > 自己做量化交易軟體(35)小白量化實戰8--事件型回測程式

自己做量化交易軟體(35)小白量化實戰8--事件型回測程式

2021-01-27 11:37:36 其他

自己做量化交易軟體(35)小白量化實戰8–事件型回測程式
小白量化第二代程式也提供了一個簡單的事件型回測程式，我們前面的博客文章有介紹這方面的知識，當時用MT5 做的回測演示，見文章：自己做量化交易軟體(26)小白量化事件回測之MetaTrader5自動回測，
這篇文章我簡單的介紹通達信港股行情的回測和A股回測程式，
事件回測程式使用HP_quant模塊，這個模塊定義Context，Data，GlobalVars，
其中GlobalVars存放全域變數，Data存放當前bar或tick的行情資訊，Context存放與賬戶和交易相關資訊，

import HP_quant as hqu   #小白量化事件回測

G=hqu.GlobalVars()   #用戶全域變數
context = hqu.Context()  #創建回測句柄
data = hqu.Data()  #創建交易資料

我們利用小白量化HP_tdxex模塊來獲取港股或期貨行情，下面給出港股回測的程式，如果有疑問，可在<零基礎搭建量化投資系統――以Python為工具>讀者群中咨詢，

# encoding:utf-8
'''
##  小白量化事件回測程式--港股回測
#
#購買<零基礎搭建量化投資系統>正版書,送小白量化軟體源代碼，
# https://item.jd.com/61567375505.html
#獨狼荷蒲qq:2775205
#通通python量化群:524949939
#電話微信:18578755056
#微信公眾號：獨狼股票分析
#最后修改日期:2021年01月25日
'''
import datetime
import matplotlib.pyplot as plt
import pandas as pd
from pandas.plotting import register_matplotlib_converters
register_matplotlib_converters()
import HP_global as g 
import HP_tdxex as htdxex  #小白量化通達信擴展行情
import HP_quant as hqu   #小白量化事件回測
import HP_plt as hplt   #小白量化指標繪圖模塊
from HP_formula import *   #小白公式函式模塊
pd.set_option('display.max_columns', 50) # number of columns to be displayed
pd.set_option('display.width', 1500)      # max table width to display

global CLOSE,LOW,HIGH,OPEN,VOL
global C,L,H,O,V

#白底色
g.ubg='w'
g.ufg='b'
g.utg='b'
g.uvg='#1E90FF'

#小白換檔買賣線
def XBHDMMX(N=24,M=2,X=25):
    MID =MA(CLOSE,N)
    UPPER=MID + 2*STD(CLOSE,N)
    LOWER= MID - 2*STD(CLOSE,N)
    M1=(UPPER-MID)/2+MID
    M2=(MID-LOWER)/2+LOWER
    MM1=EMA((OPEN+CLOSE*2+LOW+HIGH)/5,M);
    MM2=EMA(IF(MM1>=MID,MM1*(1+X/1000),MM1*(1-X/1000)),3)
    MM=MM2
    return MID,UPPER,LOWER,M1,M2,MM

G=hqu.GlobalVars()   #用戶全域變數
context = hqu.Context()  #創建回測句柄
data = hqu.Data()  #創建交易資料
code='03690'   #回測品種
data.code=code   #回測品種
data.price=0.0  #成本價

def initialize(context,df):
    print('回測初始化')
    context.f1=0.001   #買入傭金
    context.f2=0.001   #賣出傭金
    context.f3=0.001   #買入印花稅
    context.f4=0.00   #賣出印花稅
    context.f5=0.00005   #交易費（香港）
    context.f6=0.000027   #交易征費（香港）
    context.f7=0.00002   #交收費（香港）
    context.lot=100   #每手股數
    
    # 定義一個全域變數, 保存要操作的證券                                                                                           
    context.stocks = ['03690']   #股票池
    context.cash=1000000.00    #初始現金
    context.cash2=context.cash    #初始現金
    context.i=0        #i是起始位置
    context.start=0        #i是起始位置
    context.end=1500        #i是結束位置
    df['date']=[ x for x in df.datetime.astype(str)]
    df['time']=[ x[11:16] for x in df.date.astype(str)]
    df['mode']=0  #買賣狀態
    df['yl']=0   #盈利
    df['jz']=context.cash  #凈值
    print(df)
    
    df2=df[df.minute==0]
    df3=df2[df2.hour>=1]
    df3=df3.reset_index(level=None, drop=True ,col_level=0, col_fill='') 
    day=df3.at[len(df3)-1,'day']
    context.mydf=df    #df資料
    context.day= day   #當前日期
    context.yingli=5.0   #基準盈利
    context.kuisun=-10.0  #基準虧損
    context.volume=0.00   #持倉量
    context.mode=0   #買單狀態0:空倉,1:多單,2:空單
    context.end=len(context.mydf)  #結束位置
    context.start=0        #i是起始位置
    context.dc=0.5   #點差
    context.price=0.0   #成本價
    context.s1=0   #買多次數
    context.s2=0   #買空次數
    context.s3=0   #平倉次數
    context.s4=0   #止損次數

#買
def buy(context, data,volume=0.1):
    cash=context.cash
    lot=int(cash/(data.close*(1+context.f1+context.f3+context.f5+context.f6+context.f7))/context.lot)
    context.volume=lot
    context.cash=cash-lot*context.lot*data.close*(1+context.f1+context.f3+context.f5+context.f6+context.f7)
    data.price=data.close*(1+context.f1+context.f3+context.f5+context.f6+context.f7)
    context.mode=1
    context.price=data.price
    context.s1=context.s1+1
    print('買入',lot,data.price)
#賣    
def sell(context, data,volume=0.1):
    cash=data.close*(1-context.f1-context.f3-context.f5-context.f6-context.f7)*context.lot*context.volume
    context.cash=context.cash+cash
    data.price=data.close*(1-context.f2-context.f4-context.f5-context.f6-context.f7)
    lot=context.volume
    context.price=data.price
    context.mode=0
    context.volume=0.0
    context.s2=context.s2+1
    print('賣出',lot,data.price)

#------------------------------------------------------
#開始時間
startTime=datetime.datetime.now()

# 連接行情
global tdxapiex
tdxapiex=htdxex.TdxexInit()

#獲取查詢k線資料
#K線種類
# K 線種類
# 0 -   5 分鐘K 線
# 1 -   15 分鐘K 線
# 2 -   30 分鐘K 線
# 3 -   1 小時K 線
# 4 -   日K 線
# 5 -   周K 線
# 6 -   月K 線
# 7 -   1 分鐘
# 8 -   1 分鐘K 線
# 9 -   日K 線
# 10 -  季K 線
# 11 -  年K 線

KLINE_TYPE_5MIN = 0
KLINE_TYPE_15MIN = 1
KLINE_TYPE_30MIN = 2
KLINE_TYPE_1HOUR = 3
KLINE_TYPE_DAILY = 4
KLINE_TYPE_WEEKLY = 5
KLINE_TYPE_MONTHLY = 6
KLINE_TYPE_EXHQ_1MIN = 7
KLINE_TYPE_1MIN = 8
KLINE_TYPE_RI_K = 9
KLINE_TYPE_3MONTH = 10
KLINE_TYPE_YEARLY = 11
dd2=tdxapiex.get_instrument_bars(KLINE_TYPE_DAILY, 31, "03690", 0, 500)
df2=tdxapiex.to_df(dd2)

#重新建立順序索引
df3=df2.reset_index(level=None, drop=True ,col_level=0, col_fill='')  

#對資料做小白量化格式轉換
mydf=df3.copy()

CLOSE=mydf['close']
LOW=mydf['low']
HIGH=mydf['high']
OPEN=mydf['open']
C=mydf['close']
L=mydf['low']
H=mydf['high']
O=mydf['open']

#呼叫自定義指標
MID,UPPER,LOWER,M1,M2,MM=XBHDMMX()

#把指標值添加到mydf資料表中
mydf['MID']=MID
mydf['UPPER']=UPPER
mydf['LOWER']=LOWER
mydf['M1']=M1
mydf['M2']=M2
mydf['MM']=MM

#計算買賣信號
mydf['b1']=CROSS(mydf['MM'],mydf['LOWER'])
mydf['b2']=CROSS(mydf['MM'],mydf['M2'])
mydf['b3']=CROSS(mydf['MM'],mydf['MID'])
mydf['b4']=mydf['b1']+mydf['b2']+mydf['b3']
mydf['B']=IF(mydf['b4']>0,1,0)   #買入信號

mydf['s1']=CROSS(mydf['UPPER'],mydf['MM'],)
mydf['s2']=CROSS(mydf['M1'],mydf['MM'],)
mydf['s3']=CROSS(mydf['MID'],mydf['MM'],)
mydf['s4']=mydf['s1']+mydf['s2']+mydf['s3']
mydf['S']=IF(mydf['s4']>0,1,0)  #賣出信號

mydf['HL']=0.00  #獲利比例

#策略初始化
initialize(context,mydf)
context.end=len(mydf)

#用戶策略
def handle_data(context,data):
    i=context.i

    #獲取每個資料的值
    df3=context.mydf
    day=df3.at[i,'day']
    data.day=df3.at[i,'day']
    data.high=df3.at[i,'high']
    data.low=df3.at[i,'low']
    data.open=df3.at[i,'open']
    data.time=df3.at[i,'time']
    data.close=df3.at[i,'close']
    B=df3.at[i,'B']
    S=df3.at[i,'S']
    
    #計算買賣
    if context.mode==0 and B==1:  #買多
        buy(context, data)
    elif context.mode==1 and S==1:  #買空
        sell(context, data)
    
    #計算獲利率
    context.mydf.at[i,'HL']=(context.cash+context.volume*context.lot*data.close-context.cash2)/context.cash2*100

    context.i=i+1   #繼續下一個周期


#開始回測
m=context.end-context.start
#回圈回測
for i in range(context.start,context.end):
    context.i=i
    handle_data(context,data)
    print('當前進度:',(i*100/m),data.day,data.time,'資金: ',context.cash)

print('買多:',context.s1,'買空:',context.s2,'止損:',context.s4,'資金:',context.cash)    
print('持倉:', context.volume*context.lot,'現價:',data.close)
print('初始資產:',context.cash2)
print('當前資產:',round(context.cash+context.volume*context.lot*data.close,2))

######下面是繪圖
mydf=context.mydf
#資料裁減
m=1
mydf=mydf.tail(150*m).head(150).copy()

#繪制圖形
plt.figure(1,figsize=(16,12), dpi=80)

#繪制主圖指標
ax1=plt.subplot(311)
hplt.ax_K(ax1,mydf,t=data.code,n=0)
mydf['MID'].plot.line(legend=True)
mydf['UPPER'].plot.line(legend=True,linewidth=3)
mydf['LOWER'].plot.line(legend=True,linewidth=3)
mydf['M1'].plot.line(legend=True)
mydf['M2'].plot.line(legend=True)
mydf['MM'].plot.line(legend=True,linewidth=4)

#繪制副圖指標
ax2=plt.subplot(312)
mydf['MID'].plot.line(legend=True)
mydf['UPPER'].plot.line(legend=True,linewidth=3)
mydf['LOWER'].plot.line(legend=True,linewidth=3)
mydf['M1'].plot.line(legend=True)
mydf['M2'].plot.line(legend=True)
mydf['MM'].plot.line(legend=True,linewidth=4)

ax3=plt.subplot(313)
plt.sca(ax3)
mydf.HL.plot(color='orange', grid='on',legend=True)
mydf.B.plot(color='blue',legend=True)
mydf.S.plot(color='green',legend=True)
#添加標題
plt.title(code+'  獲利')
plt.show()

程式運行結果：

買多: 10 買空: 10 止損: 0 資金: 2342387.8199072722
持倉: 0.0 現價: 399.8000183105469
初始資產: 1000000.0
當前資產: 2342387.82

在這里插入圖片描述
下面看看A股的回測程式：

# -*- coding: utf-8 -*-
"""
##  小白量化事件回測程式--A股回測

#購買<零基礎搭建量化投資系統>正版書,送小白量化軟體源代碼，
# https://item.jd.com/61567375505.html
#獨狼荷蒲qq:2775205
#通通python量化群:524949939
#電話微信:18578755056
#微信公眾號：獨狼股票分析
#最后修改日期:2021年01月25日
"""
from HP_view import * #選單欄對應的各個子頁面 
import pandas as pd  
import numpy  as np
import datetime as dt
import time
import matplotlib.pyplot as plt
from matplotlib import dates as mdates
from matplotlib import ticker as mticker
#from matplotlib.finance import candlestick_ohlc
from mpl_finance import candlestick_ohlc
from matplotlib.dates import DateFormatter, WeekdayLocator, DayLocator, MONDAY,YEARLY
from matplotlib.dates import MonthLocator,MONTHLY
import matplotlib
from numpy import arange, sin, pi
#from matplotlib.backends.backend_tkagg import FigureCanvasTk,NavigationToolbar2Tk  #matplotlib 2.0.2 
from matplotlib.backends.backend_tkagg import (
    FigureCanvasTkAgg, NavigationToolbar2Tk)    ##matplotlib 3.0.2 
from matplotlib.backend_bases import key_press_handler
from matplotlib.figure import Figure
import math
import HP_tdx as htdx
import HP_lib as mylib
from HP_sys import *
import tkinter as tk
import HP_global as g 
import HP_data as hp
from HP_formula import *#小白量化仿通達信庫模塊
import HP_tdx as htdx #小白量化通達信莫開
import HP_plt as hplt   #小白量化指標繪圖模塊
import HP_quant as hqu   #小白量化事件回測


global CLOSE,LOW,HIGH,OPEN,VOL
global C,L,H,O,V

#小白換檔買賣線
def XBHDMMX(N=24,M=2,X=25):
    MID =MA(CLOSE,N)
    UPPER=MID + 2*STD(CLOSE,N)
    LOWER= MID - 2*STD(CLOSE,N)
    M1=(UPPER-MID)/2+MID
    M2=(MID-LOWER)/2+LOWER
    MM1=EMA((OPEN+CLOSE*2+LOW+HIGH)/5,M);
    MM2=EMA(IF(MM1>=MID,MM1*(1+X/1000),MM1*(1-X/1000)),3)
    MM=MM2
    return MID,UPPER,LOWER,M1,M2,MM

htdx.TdxInit(ip='183.60.224.178',port=7709)

#獲取股票行情資料
code='603260'
df2 = htdx. get_security_bars(nCategory=4,nMarket = 0,code=code)
df3=df2

##資料規格化 
df3.dropna(inplace=True)
#對資料做小白量化格式轉換
mydf=df3.copy()
CLOSE=mydf['close']
LOW=mydf['low']
HIGH=mydf['high']
OPEN=mydf['open']
VOL=mydf['volume']
C=mydf['close']
L=mydf['low']
H=mydf['high']
O=mydf['open']
V=mydf['volume']

#呼叫自定義指標
MID,UPPER,LOWER,M1,M2,MM=XBHDMMX(34,4,32)

#把指標值添加到mydf資料表中
mydf['MID']=MID
mydf['UPPER']=UPPER
mydf['LOWER']=LOWER
mydf['M1']=M1
mydf['M2']=M2
mydf['MM']=MM

#成交量過濾條件,成交量持續大于113均量線
MAV113=MA(V,113);
T1=IF(REF(V,1)>REF(MAV113,1),1,0);
T2=IF(REF(V,2)>REF(MAV113,2),1,0);
T3=IF(V>MAV113,1,0);
T=IF((T1+T2+T3)>=2,1,0);
mydf['T']=T

mydf['b1']=CROSS(mydf['MM'],mydf['LOWER'])
mydf['b2']=CROSS(mydf['MM'],mydf['M2'])
mydf['b3']=CROSS(mydf['MM'],mydf['MID'])
mydf['b4']=mydf['b1']+mydf['b2']+mydf['b3']
mydf['B']=IF(mydf['b4']>0,1,0)   #買入信號

mydf['s1']=CROSS(mydf['UPPER'],mydf['MM'],)
mydf['s2']=CROSS(mydf['M1'],mydf['MM'],)
mydf['s3']=CROSS(mydf['MID'],mydf['MM'],)
mydf['s4']=mydf['s1']+mydf['s2']+mydf['s3']
mydf['S']=IF(mydf['s4']>0,1,0)  #賣出信號

G=hqu.GlobalVars()   #用戶全域變數
context = hqu.Context()  #創建回測句柄
data = hqu.Data()  #創建交易資料

data.code=code   #回測品種
data.price=0.0  #成本價

def initialize(context,df):
    print('回測初始化')
    context.f1=0.001   #買入傭金
    context.f2=0.001   #賣出傭金
    context.f3=0.001   #買入印花稅
    context.f4=0.00   #賣出印花稅
    context.f5=0.00005   #交易費（香港）
    context.f6=0.000027   #交易征費（香港）
    context.f7=0.00002   #交收費（香港）
    context.lot=100   #每手股數
    
    # 定義一個全域變數, 保存要操作的證券                                                                                           
    context.stocks = []   #股票池
    context.cash=1000000.00    #初始現金
    context.cash2=context.cash    #初始現金
    context.i=0        #i是起始位置
    context.start=0        #i是起始位置
    context.end=1500        #i是結束位置

    df['mode']=0  #買賣狀態
    df['yl']=0   #盈利
    df['jz']=context.cash  #凈值

    context.mydf=df    #df資料
    context.yingli=5.0   #基準盈利
    context.kuisun=-10.0  #基準虧損
    context.volume=0.00   #持倉量
    context.mode=0   #買單狀態0:空倉,1:多單,2:空單
    context.end=len(context.mydf)  #結束位置
    context.start=0        #i是起始位置
    context.dc=0.5   #點差
    context.price=0.0   #成本價
    context.s1=0   #買多次數
    context.s2=0   #買空次數
    context.s3=0   #平倉次數
    context.s4=0   #止損次數

#買
def buy(context, data,volume=0.1):
    cash=context.cash
    lot=int(cash/(data.close*(1+context.f1+context.f3))/context.lot)
    context.volume=lot
    context.cash=cash-lot*context.lot*data.close*(1+context.f1+context.f3+context.f5+context.f6+context.f7)
    data.price=data.close*(1+context.f1+context.f3)
    context.mode=1
    context.price=data.price
    context.s1=context.s1+1
    print('買入',lot,data.price)

#賣    
def sell(context, data,volume=0.1):
    cash=data.close*(1-context.f2-context.f4)*context.lot*context.volume
    context.cash=context.cash+cash
    data.price=data.close*(1-context.f2-context.f4)
    lot=context.volume
    context.price=data.price
    context.mode=0
    context.volume=0.0
    context.s2=context.s2+1
    print('賣出',lot,data.price)

mydf['HL']=0.00  #獲利比例

#策略初始化
initialize(context,mydf)
context.end=len(mydf)
print(mydf)

#用戶策略
def handle_data(context,data):
    i=context.i

    #獲取每個資料的值
    df3=context.mydf
    data.high=df3.at[i,'high']
    data.low=df3.at[i,'low']
    data.open=df3.at[i,'open']
    data.close=df3.at[i,'close']
    B=df3.at[i,'B']
    S=df3.at[i,'S']
    
    #計算買賣
    if context.mode==0 and B==1:  #買多
        buy(context, data)
    elif context.mode==1 and S==1:  #買空
        sell(context, data)
    
    #計算獲利率
    context.mydf.at[i,'HL']=(context.cash+context.volume*context.lot*data.close-context.cash2)/context.cash2*100
    context.i=i+1   #繼續下一個周期

#開始回測
m=context.end-context.start
#回圈回測
for i in range(context.start,context.end):
    context.i=i
    handle_data(context,data)
    print('當前進度:',(i*100/m),'資金: ',context.cash)

print('買多:',context.s1,'買空:',context.s2,'止損:',context.s4,'資金:',context.cash)    
print('持倉:', context.volume*context.lot,'現價:',data.close)
print('初始資產:',context.cash2)
print('當前資產:',round(context.cash+context.volume*context.lot*data.close,2))

######下面是繪圖
mydf=context.mydf

#資料裁減
m=1
mydf=mydf.tail(150*m).head(150).copy()

#繪制圖形
plt.figure(1,figsize=(16,12), dpi=80)

#繪制主圖指標
ax1=plt.subplot(311)
plt.title(code+'  日線圖')
hplt.ax_K(ax1,mydf,t=data.code,n=0)
mydf['MID'].plot.line(legend=True)
mydf['UPPER'].plot.line(legend=True,linewidth=3)
mydf['LOWER'].plot.line(legend=True,linewidth=3)
mydf['M1'].plot.line(legend=True)
mydf['M2'].plot.line(legend=True)
mydf['MM'].plot.line(legend=True,linewidth=4)

#繪制副圖指標
ax2=plt.subplot(312)
mydf['MID'].plot.line(legend=True)
mydf['UPPER'].plot.line(legend=True,linewidth=3)
mydf['LOWER'].plot.line(legend=True,linewidth=3)
mydf['M1'].plot.line(legend=True)
mydf['M2'].plot.line(legend=True)
mydf['MM'].plot.line(legend=True,linewidth=4)

ax3=plt.subplot(313)
plt.sca(ax3)
mydf.HL.plot(color='orange', grid='on',legend=True)
mydf.B.plot(color='blue',legend=True)
mydf.S.plot(color='green',legend=True)
#添加標題
plt.title(code+'  獲利')
plt.show()

程式運行結果：

買多: 6 買空: 5 止損: 0 資金: 2788.6329580013407
持倉: 27500 現價: 46.81
初始資產: 1000000.0
當前資產: 1290063.63

顯示圖形如下：
在這里插入圖片描述
購買《零基礎搭建量化投資系統――以Python為工具》（https://item.jd.com/61567375505.html）一書，就能得到小白量化第二代全部源代碼，

請持續關注我的博客，我的進步，就是你的進步！

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/253043.html

標籤：AI

上一篇：Opencv影像操作——影像遍歷、影像ROI選取、影像混合

下一篇：VS Code搭建C/C++開發環境超詳細教程

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C＃(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • 網閘典型架構簡述

    網閘架構一般分為兩種：三主機的三系統架構網閘和雙主機的2+1架構網閘。 三主機架構分別為內端機、外端機和仲裁機。三機無論從軟體和硬體上均各自獨立。首先從硬體上來看，三機都用各自獨立的主板、記憶體及存盤設備。從軟體上來看，三機有各自獨立的作業系統。這樣能達到完全的三機獨立。對于“2+1”系統，“2”分為 ......

    uj5u.com 2020-09-10 02:00:44 more
  • 如何從xshell上傳檔案到centos linux虛擬機里

    如何從xshell上傳檔案到centos linux虛擬機里及：虛擬機CentOs下執行 yum -y install lrzsz命令，出現錯誤：鏡像無法找到軟體包 前言 一、安裝lrzsz步驟 二、上傳檔案 三、遇到的問題及解決方案 總結 前言 提示：其實很簡單，往虛擬機上安裝一個上傳檔案的工具 ......

    uj5u.com 2020-09-10 02:00:47 more
  • 一、SQLMAP入門

    一、SQLMAP入門 1、判斷是否存在注入 sqlmap.py -u 網址/id=1 id=1不可缺少。當注入點后面的引數大于兩個時。需要加雙引號， sqlmap.py -u "網址/id=1&uid=1" 2、判斷文本中的請求是否存在注入 從文本中加載http請求，SQLMAP可以從一個文本檔案中 ......

    uj5u.com 2020-09-10 02:00:50 more
  • Metasploit 簡單使用教程

    metasploit 簡單使用教程 浩先生， 2020-08-28 16:18:25 分類專欄： kail 網路安全 linux 文章標簽： linux資訊安全 編輯 著作權 metasploit 使用教程 前言 一、Metasploit是什么？ 二、準備作業 三、具體步驟 前言 Msfconsole ......

    uj5u.com 2020-09-10 02:00:53 more
  • 游戲逆向之驅動層與用戶層通訊

    驅動層代碼： #pragma once #include <ntifs.h> #define add_code CTL_CODE(FILE_DEVICE_UNKNOWN,0x800,METHOD_BUFFERED,FILE_ANY_ACCESS) /* 更多游戲逆向視頻www.yxfzedu.com ......

    uj5u.com 2020-09-10 02:00:56 more
  • 北斗電力時鐘（北斗授時服務器）讓網路資料更精準

    北斗電力時鐘（北斗授時服務器）讓網路資料更精準 北斗電力時鐘（北斗授時服務器）讓網路資料更精準 京準電子科技官微——ahjzsz 近幾年，資訊技術的得了快速發展，互聯網在逐漸普及，其在人們生活和生產中都得到了廣泛應用，并且取得了不錯的應用效果。計算機網路資訊在電力系統中的應用，一方面使電力系統的運行 ......

    uj5u.com 2020-09-10 02:01:03 more
  • 【CTF】CTFHub 技能樹 彩蛋 writeup

    ?碎碎念 CTFHub：https://www.ctfhub.com/ 筆者入門CTF時時剛開始刷的是bugku的舊平臺，后來才有了CTFHub。 感覺不論是網頁UI設計，還是題目質量，賽事跟蹤，工具軟體都做得很不錯。 而且因為獨到的金幣制度的確讓人有一種想去刷題賺金幣的感覺。 個人還是非常喜歡這個 ......

    uj5u.com 2020-09-10 02:04:05 more
  • 02windows基礎操作

    我學到了一下幾點 Windows系統目錄結構與滲透的作用 常見Windows的服務詳解 Windows埠詳解 常用的Windows注冊表詳解 hacker DOS命令詳解（net user / type /md /rd/ dir /cd /net use copy、批處理 等） 利用dos命令制作 ......

    uj5u.com 2020-09-10 02:04:18 more
  • 03.Linux基礎操作

    我學到了以下幾點 01Linux系統介紹02系統安裝，密碼啊破解03Linux常用命令04LAMP 01LINUX windows： win03 8 12 16 19 配置不繁瑣 Linux：redhat,centos(紅帽社區版)，Ubuntu server,suse unix:金融機構，證券，銀 ......

    uj5u.com 2020-09-10 02:04:30 more
  • 05HTML

    01HTML介紹 02頭部標簽講解03基礎標簽講解04表單標簽講解 HTML前段語言 js1.了解代碼2.根據代碼 懂得挖掘漏洞 （POST注入/XSS漏洞上傳）3.黑帽seo 白帽seo 客戶網站被黑帽植入劫持代碼如何處理4.熟悉html表單 <html><head><title>TDK標題，描述 ......

    uj5u.com 2020-09-10 02:04:36 more
最新发布
  • 2023年最新微信小程式抓包教程

    01 開門見山 隔一個月發一篇文章，不過分。 首先回顧一下《微信系結手機號資料庫被脫庫事件》，我也是第一時間得知了這個訊息，然后跟蹤了整件事情的經過。下面是這起事件的相關截圖以及近日流出的一萬條資料樣本： 個人認為這件事也沒什么，還不如關注一下之前45億快遞資料查詢渠道疑似在近日復活的訊息。 訊息是 ......

    uj5u.com 2023-04-20 08:48:24 more
  • web3 產品介紹：metamask 錢包 使用最多的瀏覽器插件錢包

    Metamask錢包是一種基于區塊鏈技術的數字貨幣錢包，它允許用戶在安全、便捷的環境下管理自己的加密資產。Metamask錢包是以太坊生態系統中最流行的錢包之一，它具有易于使用、安全性高和功能強大等優點。 本文將詳細介紹Metamask錢包的功能和使用方法。 一、 Metamask錢包的功能 數字資 ......

    uj5u.com 2023-04-20 08:47:46 more
  • vulnhub_Earth

    前言 靶機地址->>>vulnhub_Earth 攻擊機ip：192.168.20.121 靶機ip：192.168.20.122 參考文章 https://www.cnblogs.com/Jing-X/archive/2022/04/03/16097695.html https://www.cnb ......

    uj5u.com 2023-04-20 07:46:20 more
  • 從4k到42k，軟體測驗工程師的漲薪史，給我看哭了

    清明節一過，盲猜大家已經無心上班，在數著日子準備過五一，但一想到銀行卡里的余額……瞬間心情就不美麗了。最近，2023年高校畢業生就業調查顯示，本科畢業月平均起薪為5825元。調查一出，便有很多同學表示自己又被平均了。看著這一資料，不免讓人想到前不久中國青年報的一項調查：近六成大學生認為畢業10年內會 ......

    uj5u.com 2023-04-20 07:44:00 more
  • 最新版本 Stable Diffusion 開源 AI 繪畫工具之中文自動提詞篇

    🎈 標簽生成器 由于輸入正向提示詞 prompt 和反向提示詞 negative prompt 都是使用英文，所以對學習母語的我們非常不友好 使用網址：https://tinygeeker.github.io/p/ai-prompt-generator 這個網址是為了讓大家在使用 AI 繪畫的時候 ......

    uj5u.com 2023-04-20 07:43:36 more
  • 漫談前端自動化測驗演進之路及測驗工具分析

    隨著前端技術的不斷發展和應用程式的日益復雜，前端自動化測驗也在不斷演進。隨著 Web 應用程式變得越來越復雜，自動化測驗的需求也越來越高。如今，自動化測驗已經成為 Web 應用程式開發程序中不可或缺的一部分，它們可以幫助開發人員更快地發現和修復錯誤，提高應用程式的性能和可靠性。 ......

    uj5u.com 2023-04-20 07:43:16 more
  • CANN開發實踐：4個DVPP記憶體問題的典型案例解讀

    摘要：由于DVPP媒體資料處理功能對存放輸入、輸出資料的記憶體有更高的要求（例如，記憶體首地址128位元組對齊），因此需呼叫專用的記憶體申請介面，那么本期就分享幾個關于DVPP記憶體問題的典型案例，并給出原因分析及解決方法。 本文分享自華為云社區《FAQ_DVPP記憶體問題案例》，作者：昇騰CANN。 DVPP ......

    uj5u.com 2023-04-20 07:43:03 more
  • msf學習

    msf學習 以kali自帶的msf為例 一、msf核心模塊與功能 msf模塊都放在/usr/share/metasploit-framework/modules目錄下 1、auxiliary 輔助模塊，輔助滲透（埠掃描、登錄密碼爆破、漏洞驗證等） 2、encoders 編碼器模塊，主要包含各種編碼 ......

    uj5u.com 2023-04-20 07:42:59 more
  • Halcon軟體安裝與界面簡介

    1. 下載Halcon17版本到到本地 2. 雙擊安裝包后 3. 步驟如下 1.2 Halcon軟體安裝 界面分為四大塊 1. Halcon的五個助手 1) 影像采集助手：與相機連接，設定相機引數，采集影像 2) 標定助手：九點標定或是其它的標定，生成標定檔案及內參外參，可以將像素單位轉換為長度單位 ......

    uj5u.com 2023-04-20 07:42:17 more
  • 在MacOS下使用Unity3D開發游戲

    第一次發博客，先發一下我的游戲開發環境吧。 去年2月份買了一臺MacBookPro2021 M1pro(以下簡稱mbp)，這一年來一直在用mbp開發游戲。我大致分享一下我的開發工具以及使用體驗。 1、Unity 官網鏈接： https://unity.cn/releases 我一般使用的Apple ......

    uj5u.com 2023-04-20 07:40:19 more

Copyright © 2010-2020 有解無憂