金融行业相关指标整理(超全面,欢迎交流~)
应收账款 AR:
当期应收账款account receivable。
逾期天数 PDP:
逾期天数(days past due, DPD)代表已逾合同书约定的还款日的延滞天数,放款类型产品自还款日后第一天起计算。
逾期期数 bucket:
逾期期数bucket(直译:桶子),在风险管理的专有名词中代表逾期期数,也有人将bucket解释为逾期月数。逾期1期成称M1,2期称为M2...以此类推。信用卡还款截止日与第一关账日之间虽然不计算逾期天数,但是bucket称为M0,即对本公司业务情况,借款日到第一个还款日之前,称为M0。
因为每个月天数不一定相同,所以各期长短也会不同,如2月逾期的用户,诺未及时还款,择28天之后bucket就会增加1期。
在衡量逾期时间的指标中,bucket是使用最为普遍的,主要原因是他简单易懂,但由于各期长度不尽相同,所以无法与PDP直接对应,所以在精准计算逾期长度的使用,应使用PDP而非bucket。
逾期阶段:
逾期阶段(stage)依bucket区别为前期(front end),中期(middle range),后期(hot core),转呆账(write-off)。Stage的划分方式并无硬性规定,可依个公司的催收策略、呆账坏账策略和产品特性决定。一般情况下,M1为前期,M2~M3为中期,M4以上为后期等。
逾期天数,逾期期数,逾期阶段三个逾期指标可灵活使用。
即期指标 coincidental:
即期指标为计算延滞率时常用的两种方法之一,即以当期各bucket延滞金额除以当期应收款,其概念为分析当期应收帐款的质量结构。
由于不需要回溯历史数据,计算方式简便易懂,故使用普遍,一般公开信息所显示的延滞率,若无特别注明,皆是以coincidental概念计算的。
不过因期分母为当期应收账款(自然月),所以起伏较大,对于资产质量的评量容易失真,尤其在应收款快速上升或者萎缩之时,对coincidental延滞率的解读要特别注意,避免被误导而做出错误决策。
|
18/01 |
18/02 |
18/03 |
18/04 |
18/05 |
18/06 |
18/07 |
18/08 |
AR |
A00 |
B00 |
C00 |
D00 |
E00 |
F00 |
G00 |
H00 |
M1 |
A01 |
B01 |
C01 |
D01 |
E01 |
F01 |
G01 |
H01 |
M2 |
A02 |
B02 |
C02 |
D02 |
E02 |
F02 |
G02 |
H02 |
M3 |
A03 |
B03 |
C03 |
D03 |
E03 |
F03 |
G03 |
H03 |
M4 |
A04 |
B04 |
C04 |
D04 |
E04 |
F04 |
G04 |
H04 |
M5 |
A05 |
B05 |
C05 |
D05 |
E05 |
F05 |
G05 |
H05 |
M6 |
A06 |
B06 |
C06 |
D06 |
E06 |
F06 |
G06 |
H06 |
WO |
A07 |
B07 |
C07 |
D07 |
E07 |
F07 |
G07 |
H07 |
·用途:了解当月资产质量结构
·优点:使用即时资料,计算简单
·缺点:易受AR起伏而影响风险评估
递延指标 lagged:
递延指标(lagged)是计算延滞率时常用的另一种方法。前面提到的即期指标的主要目的是解析当期资产结构,其分母一律定为当期应收账款,不过其分子实际上由之前的应收款所产生,为了回溯逾期起源,分母必须改为之前月份的应收款,如此比较合理。
比如说本月的M1金额,期源头为一个月之前的应收后账款,所以计算延滞率时,分子为本期M1金额,而分母应为一个月之前的应收帐款。这种递延的计算方式就是递延指标的概念。
一般而言,银行的风险管理单位较常使用lagged指针,期有点是可回溯逾期起源,不收业务起伏影响,叫能合理反映逾期状态。缺点就是需要历史数据,而使计算麻烦。
即期指标Coincidental与递延指标lagged这两种计算方式各有其优缺点,使用时机与解读方式也有不同,容易混淆。这里做一些说明。
上图中,分别有平稳期,扩充期和萎缩期。
- 平稳期:coincidental%与lagged%相差不大。
- 扩充期:由于应收款(AR)上升,分子(逾放)尚未反应,coincidental%易低估风险。
- 萎缩器:由于应收款(AR)下降,分子(逾放)尚未反应,coincidental%高低估风险。
在业务平稳期,各期应收账款起伏小,因此coincidental与lagged两种延滞率相差不大。但是如果业务开始激素扩充,此时应收款快速增加,而这些星座应收款的逾期不会立即体现,也就是说分母快速扩大而份子尚未反应,单子扩充期coincidental延滞率会被低估。如果因此认为延滞率下降而进一步放宽审核的话,就是非常危险的。
凡子,假设项目结束,产品进入萎缩器,此时由于应收款不断下降,而先前房贷客户的后续逾期任然发生,即分母缩小分子上升(或不变),造成coincidental延滞率被高估。
所以若单纯想了解各月资产质量结构,可使用coincidental的概念计算延滞率,若想精准追溯源头的话,择应该使用lagged概念。通俗一点就是说,资产使用coincidental,风控使用lagged。
月底结算:
分析报表依结算日,可分为月底结算(month end)以及期末结束(cycle end)两种,month end报表主要在表达各月月底结算数据,适用于消防金融所有产品,尤其在跨产品列分析(多个产品包),为实现资料切点一致,所以一般采用month end数据。
期末结算:
Cycle end表示期末结算,为信用卡特有的结算方式,因为信用卡客群庞大,作业出息相当耗时,许多银行会将其客户划分之不同账务周期(cycle),因此信用卡产品下通常有多个关账日。
银行必须就各个cycle客户分别管理,尤其是账务及催收单位皆以cycle作为作业周期。IT单位必须留存各cycle关账后的所有数据,贷最后一个cycle结束后再将所有数据进行汇整,以利MIS进行当月cycle end相关分析。
重要风险指标
延滞率:
延滞率(delinquent%)的计算可分为coincidental及lagged两种方式,除了各bucket延滞率外,尚会观察特定bucket以上的延滞率,如“M2 + lagged%”、“M3+lagged%”等。
以“M2 + lagged%”为例,分母为两个月前应收账款,分子为本月M2(含)以上尚未转呆账的逾期金额。
在消费金融风险管理上,M2以M4为两个重要的观测点,原因是客户可能因为一时忙碌或疏忽造成逾期,但诺经理M1催收仍继续落入M2以上,几乎可确认为物理缴款或者蓄意拖欠,另外依据经验,客户一旦落入M4,时候转呆账几率极高,因此“M3+lagged%”也是另一种观测重点。当然可根据产品实际情况,特性与经济背景做出相应调整。
不良率:
不良率(bad%)的应用除了一般的风险分析外,信用评分模型的建置也需要实现确定bad定义。所谓“bad account”可解释为“非目标客群”,与逾期客户(delinquent account)相较,其涵盖范围更广。一般bad的定义除了逾期户外,可能还包含格式债务协议以及高风险控制管户等。
Delinquent%纯粹以账务逾期天数为计算基础,而bad%择跳脱于此,很多时候比delinquent%更能反映客户的风险本质。因此在双卡风暴后,bad%的应用越来越普遍。
转呆账率:
转呆账率(WO%)为write-off的简写,假设某一产品的转呆账是点为M6转入M7,其WO lagged%的计算方式为当月转呆账金额除以7个月前的应收账款
通常WO%会进一步做年化(annualized)账处理,其原因有二:一是单月数据较易收到各种因素影响(如单笔大额转呆账),起伏较大,而年华有移动平均效果,可减缓单月特色因素干扰所带来的起伏。另一原因为经过年化之后,月转呆账率转化为年损率,方便与产品年利率进行比较参考。
- 用途:换算年呆账率可与年利率对应
- 优点:移动平均,不收偶发波动影响
- 缺点:需要历史数据支撑且运算复杂
净损失率:
净损失率(NCL)为net credit loss的缩写,其定义为当期转呆账金额减去当期呆账回收,亦即为净损概念。就整体风险管理绩效观点来看,呆账后回收亦为以重要一环,所以NCL%与WO%常常一并显示。
NCL%的计算方式与WO%一样,只不过分子的部分由write-off金额改为NCL。而NCL%的观察也是年华形态的为主,即annualized NCL lagged%为主,虽然计算繁复名但是更具有参考价值。
累计WO%:
累计WO%多用于贷放型产品,主要目的为观察期满客户的累计损失率,计算样本为已届满总期数后的N期客户。其计算公式:
其中:K表示总期数,N表示转呆账所需期数。最后一期应缴金额若延滞,经过N个月后才会转列呆账。
累计WO%计算完成后必须经过年化转换才较易解读,其优点为可精确计算改产品整个生命周期借宿后的市级损失率。而期缺点为采用样本为届满总期数再加转呆账所需期数后的客户,等待时间过久,无法借以实时修正风险管理方向。所以此指针在中长期贷放产品中较少使用。
审核金额/件数:
审核金额/件数的功能主要在监视审核人员的作业绩效以及工作压力。与此二指标相关性很高的为进件金额/件数。进件量为业务方便关心的重点,而风险管理单位择比较关心审核量,若案件过多,应尽快调整人力支援。
核准金额/件数:
核准案件量为监视授信以及审核尺度的重要观测值之一,常配合核准率,拨贷率与延滞率等指标一起进行中和判断。若核准量持续增加,应注意审核质量。反之,若核准案件减少时,亦应监视授信政策或审核人员是否有过度紧缩的状况。
拨贷金额/件数:
拨贷量的多少直接影响收账款水平,当拨贷速度成长时,风险管理人员除必密切监控新增资产质量并随时调整政策,也须考虑贷后管理的各项预算。
金额核准率/件数核准率:
常见核准率的计算方式有两种。
1:分母为当月进件量,分子为当月核准率,目的为观察进件之后的核准状况,业务单位较偏爱此方式,期缺点在于若进件日期接近月底,或为了等候客户补足文件而递延至次月,则会发生少许偏差。
比如说某笔订单在3月月底录入,四月初审核且通过,那么他会出现在3月份的分母中,和4月的分子中,从而导致3,4月数据与实际数据会有误差,另外关于取消申请,复活申请等特殊操作,也会对其造成误差,所以应该在4月底计算3月的数据。但若业务量大也可事实监控,因为这并非一个重要风控指标。
2:另一种计算方式,分母为当月核准件+拒绝件(即其他原因取消的订单不计算在内),分子为单月核准量,目的为观察核审案件的准驳状况,风险管理单位偏爱此方式,不管案件进件日期,完全以审核日为准,焦点集中于审核的结果。
这两种计算方式出发点不同,使用目的及解读方式也不同,所以统计的时候需要注明以免混淆。
若以计算使用的变量来看,贷放型产品的核准率也可以分为金额核准率与件数核准率。审核人员基于风险考虑,实际核准额度可能低于客户申请额度,因此通常金额核准率会略低于件数核准率。当两者差距过大时,应了解是风险管理人员的尺度过紧还是业务人员未与客户沟通好,是的客户对于核贷额度有过高的期望。
另外,贷放型产品设计利率,期数以及额度等多项因素,所以常会往下细分。
违例核准率:
违例核准率(deviation%)的计算方式为 违例核准案件/核准+拒绝案件。为保持授信政策弹性,银行可允许部分案件以加注为例理由码(deviation code)的方式特例核准,一般限定在总审核量的10%~20%。
Deviation%主要用来观察第一线征审人员的审核标准与授信政策之间是否存在差异。若deviation%较低,表示审核与授信政策看法一致,反之,若deviation%逼近限定值,则表示双卡看法出现分歧。至于哪一方正确,或双方皆需修正,则必须做进一步追踪分析。
偶尔会有业务单位人员将违例核准误认为是给予业务人员的一种“福利”,进而希望征审单位尽量将deviation%提高至限定值。风险管理人员应对业务人员传达违例核准的原因与正确的使用观念,以减少误会发生。
拨贷率:
拨贷率的计算方式为 拨款金额/核准金额。贷放暗箭经核准后,必须拨贷动作完成,申请人放为银行正式用户,在此之前客户仍可能因为银行给予的利率,期数或额度等条件不满意而取消申请。因此,从拨贷率可推车核拨条件与客户期望的落差。
核拨率:
核拨率的定义为核准率*拨款率,其用意为观察案件由进件审查到正式核拨通过的比率。若核拨率偏低,表示进件客户群与风险管理政策有悖离现象,及有了客户最后成功拨款的几率却不高,此时业务及风险管理单位应共同研究客群定位或授信条件是否合适,入发现问题,应尽快进行调整。
各类占率:
此处所指的占率泛指各种唯独下的户数、进件、拨款、余额等占有率。其主要的功能为结构分析,常与核准率及延滞率搭配使用。观察重点为资产结构是否在逐步改善中,若发现其反向发展,则应修正前段营销及授信方向。
负载比:
负债比(debit burden ratio,DBR)是测量客户还款压力的常用指标,目前对于DBR的规范为:金融机构对于负债人再全体金融机构的无担保债务归户后的总余额(包括信用卡、陷阱卡及信用卡贷款)除以平均月收入,不宜超过22倍。为避免贷放浮滥,银行对于月收入应谨慎认定。
月负比:
月负比为另一种衡量还款压力的指标,其计算方式为:
与DBR最大的不同在于分子改用每月基本支出,但由于分子各项变量皆是估推而来,因此本指标值适合用于辅助参考。
贷后N个月delinquent%:
由于传统的vintage报表较为庞大,不易与其他指针于同一报表中搭配展示,因此有时会将其中几个重要观察点的数字取出(如贷后6个月及12个月delinquent%)置于综合分析报表中。
在delinqent%的选择上可依产品特性而定,为了稳定性考虑,一般建议采用M2+lagged%,但若遇贷后延滞反应较慢的产品,则定为“M1+lagged%”。
平均额度:
平均额度常搭配不同维度加以分析,主要在观察不同产品及族群间额度的差异,若发觉与原先设想不同,则须进一步衍生性分析,以了解背后起因,必要时研拟风险政策的修正计划。
风险等级%:
风险等级(risk grade)早期多以主观设定条件的方式拟定(rule base),近年由于评分模型普及,越来越多的银行采用信用评分来规划客户风险等级(score base)。本指标是定制授信政策的重要依据,无论是进件审核,贷后管理还是催收作业都是其应用的范围。
恶意延滞率:
恶意延滞率(non-starter%)的原始定义为“贷后从未缴款客户”,主要目的为找出恶性欺诈的案件。为了辨识潜伏期较长的欺诈案件,银行多会各自订定广义的non-Starter,例如贷放6个月出现连续三期未缴。
比较特别的是。Non-Starter%不论高低,由于事涉欺诈,主要有发生,风险管理人员必须逐笔调查,而MIS部门亦需协助由数据库中进行基本数据及交易记录等的交叉比对,找出可能与改案件有关联的线索。
授权核准率:
授权(authorization)为信用卡特有的业务,基本上信用卡交易皆通过授权系统或授权人员的检核才能成立,否则遇无授权请款,发卡银行可对正义账款执行扣款程序。
信用卡的每一笔授权皆可视为一笔小型房贷,不同的是再核卡之初已预先给予客户额度,交易经系统或授权人员检视,若未发现重大异常状况,额度内交易应予核准,为维护交易顺畅,授权核准率不宜过低。
命中率:
命中率(hit%)常被适用于信用卡的中途授信及早期预警报表中,在贷后管理中若发现客户出现异常状况,风险管理人员将依严重程度对信用卡进行各种暂时性管理,待情况理清之后再回恢复。
所谓命中率意指控管后一定期间内客户发生延滞的几率。命中率过低可能表示控管过于浮滥或风险判断方向有误,反之,若提高命中率而缩减控管量,则会有许多漏网之鱼。过与不及皆不恰当,相关部门应向命中率明显偏高或偏低的风险管理人员了解案件。
可用余额:
可用余额(open to buy,OTB)常与命中率指标一同出现,皆为中途授信及早期预警的绩效指标。其计算方式为先早出正式控管命中的客户,再汇整这些客户遭管控时信用卡的可用余额,此数字可视为银行因控管而减少损失。也就是说OTB越高,表示阻止了越多逾期金额的发生。
欺诈损失率:
欺诈损失率的计算方式为 欺诈损失金额/签账金额,期功能为观察信用卡签账金额中,发生欺诈状况并造成损失的比率,可作为欺诈防制人员的绩效指标。在各项欺诈风险中,调查较为困难的是伪卡(counterfeit)交易,原因是此类欺诈多为集团式犯罪,且作案地点不限于台湾省,追查不易。所幸芯片卡普及之后,此类防醉率已经很少了。
递延率:
递延率(flow through%)为催收单位最常使用绩效指标,其目的为观察前期逾期金额经过催理之后,仍未缴款而于次期继续落入下一bucket的几率。
在实务上flow through%有多种分类,最基本的计算概念如下图:
- 用途:了解各bucket未回收的比率
- 优点:简单易懂,便于掌握催收绩效
- 缺点:易受账务回冲及逆选择影响
传统flow through%的计算简单易懂,不过较让人诟病的确定为未考虑回冲问题,由于客户交款后,剩余账款将回冲至前端bucket,造成flow through%失真。为实现更精密的绩效评量,flow through%衍生出多种计算方式。如下图:
前面提到flow through%除了有回冲问题,另外会产生催理排序的逆向选择(见下图)。由于各bucket的催收人员只需要将其负责的区域的金额催回,剩余账款可全书回冲至前一bucket,为了追求flow through绩效,催收人员会优先处理易收回的小额案件,大额逾期案件的优先级反而被拍到的后面,此状况将使风险较高的案件一路向下跌落。
假设有一M2催收员负责A,B,C 3位客户,3人的总欠款金额各位10万元,处于M2阶段的金额分别2500,5000及8000,由于客户C的逾期情况最为严重,期风险比另外两个人高,理论上应优先催收。
在flow through%的制度设计下,若要得到20w的绩效,对A客户催回5000即可,对B客户催回10000,而C客户需要催回150000。以催收人员的立场自然选择A客户开始优先处理,导致C客户被排到最后,从而出现了崔理排序的逆向选择。
- 累积递延率:
Flow through%为量测单一bucket的递延率,若要了解某一逾期区间的整体催收绩效的话,则可采用累积递延率(accumulate flow through%),其计算方式为特定区间各bucket的flow through%相乘。也就是说flow through%为单一bucket的绩效衡量指标,而accumulate flow through%则是多个bucket阶段的组合绩效指针。通常情况下两种指标可以一起显示。accumulate flow through%计算方式如下:
- M1->M3 accumulate flow through% = f1 x f2
- M1->M4 accumulate flow through% = f1 x f2 x f3
实收金额:
实收金额是指催收人员实际回收的金额,由于一味追求flow through绩效,将造成催收人员优先处理金额较小的案件,导致实收金额减少,因此常以实收金额搭配flow through%,双指标并行。
一般而言,前段逾期客户延迟缴款的原因有很多,的确可考虑从较容易的案件优先处理,到了后端逾期,催收的重要任务为阻止逾期款转入呆账,因此越到后端的催收越重视实收金额的绩效。
呆账回收率:
转列呆账后回收的工作可分别由银行内部及委外催收人员分别管理,依计算的时间范围,呆账回收率又可分别为一下几个类别:
- 本期呆账回收率 = 本期呆账回收 / 本期转呆账金额
- 本期总呆账回收率 = 本期呆账回收 / 前期呆账总余额
- 本年呆账回收率 = 本年度呆账总回收金额 / 本年度平均呆账余额
- 近12期呆账回收率= 近12期呆账回收总金额 / 近12期平均呆账余额
- 转呆账后12期回收率 = 转呆账后12期总回收金额 / 转呆账后12期平均呆账余额
单一指标分析:
单一指标分析的使用实际是以多位变量围绕单一指针值的讨论,例如欲分析各种族群的资产质量时,可能采用年龄,性别,学历,地区等维度,而选择以“M2 + lagged%”或“M4 + lagged%”为衡量指标,其优点为在多种维度分群下,使用单一指标较易阅读及聚焦。如下:
综合指标分析:
许多时候,单一指标可能无法展现问题的全貌,可以将相关指标一起列出以避免信息不全面而导致错误判断。例如核准率经常与延滞率搭配使用,近件数与占件率搭配使用。综合指针分析可以提供较全面的信息,其缺点为分析维度增多,报表变得复杂而不容易阅读。
账龄分析:
账龄分析(aging analysis)的目的在于,显示各bucket至观察点为止的延滞率。其主要特色为结算终点一致,也就是说,样本客户的核贷日期也许分散于各月份,但皆于同一时点合并计算逾期比率。
举例来说,有一信贷产品上线已经12个月,期客户往来期间,一律加入计算,此方式计算简易反映了但是账面的预期比率,不过因其仅切齐尾端,样本中包括各个时期核准的案件,未必能完全显示真实风险。
由于距离现今过久的案件的背景可能已经改变,而近期新增贷放逾期小樱尚未发酵,为修正上述缺点,可设定样本进件起迄时间,如今6~24个月进件者方纳入计算。如典型的aging analysis。
Vintage analysis:
Vintage analysis的目的是以账龄(month on book,MOB)为主轴,分析核拨后各往来期间的逾期状况,也就是说用来观察贷后N个月的逾期比率,由于核贷后逾放尚需一段时间后才会吕旭出现,因此N多从6开始计算。
Vintage analysis的主要特色为以往来月数取代绩效月份,探讨的重点为案件逾放反应时间的恶化程度。以MOB=6的M1 lagged%为例,其分母为所有客户MOB=5SH时的贷后余额,而份子为这些用户MOB=6的金额。亦即计算所有客户贷后6期的平均M1 lagged%。如下表:
为了对不同期数的产品进行比较,有时会将横轴的账龄改为贷放进程,所谓的贷放进程为 已进行期数总期数,借以将不同期数的产品标准化,如下表:
除了上诉使用方法外,vintage analysis尚可用于分析各时期的进件后续质量,观察进件质量是否收到季节性或其他因素音响。如下表:
金融行业相关指标整理(超全面,欢迎交流~)相关推荐
- 文本生成视频相关指标整理
视频生成相关指标整理 FID ↓\downarrow↓ FVD ↓\downarrow↓ CLIPSIM ↑\uparrow↑ Acc ↑\uparrow↑ GFLOPs Params Runtime ...
- Python数据处理相关语法整理
Python数据处理相关语法整理 简介 Python自身特性总结 编程Tips 拿到新电脑配环境时做的事: 一些加速python代码的技巧 Python项目代码结构 量化策略指标计算 绝对收益率 最大 ...
- inodesusedpercent_Linux系统中常用的监控指标整理
今天小编要跟大家分享的文章是关于Linux系统中常用的监控指标整理.正在从事Linux相关工作的小伙伴们来和小编一起看一看吧,希望能够对大家有所帮助! 1. Linux运维基础采集项 做运维,不怕出问 ...
- 计算机视觉相关综述整理
计算机视觉相关综述整理 计算机视觉与图像识别综述:这是一篇偏科普的通俗型综述,了解相关历史和发展进程,对一些技术有初步的认识. 卷积神经网络综述:作者回顾了从1998年开始,近18年来深度神经网络的架 ...
- 全国地级市1999—2020年污染物排放和环境治理相关指标(废水\废气\粉尘等)
工业废水.工业粉尘等污染物是影响居住环境的重要因素,也是在各项研究中常用的数据!之前我们基于历年的<中国城市统计年鉴>整理了1999-2020年的人口相关数据和用地相关数据(可查看之前推送 ...
- 股票应用开发——相关指标的含义(二)
上一篇博客主要是网络数据的获取以及解析,本篇博客将要讲述的是股票开发过程中相关指标的计算以及含义!在这里声明一点就是,不在贴出指标的计算代码,出于相关考虑敬请谅解!如有需要可以留言咱们 ...
- 图神经网络相关论文整理
图形学相关 Learning to Simulate Complex Physics with Graph Networks(ICML 2020) 图网络模拟器 在这里,我们提供了一个学习模拟的通用框 ...
- epoll相关资料整理
http://www.cppblog.com/converse/archive/2008/10/13/63928.html epoll相关资料整理 学习epoll有一段时间了,最近终于有一个服务器采用 ...
- Python GUI编程-了解相关技术[整理]
Python GUI编程-了解相关技术[整理] 我们可以看到,其实python进行GUI开发并没有自身的相关库,而是借用第三方库进行开发.tkinter是tcl/tk相关,pyGTK是Gtk相关,wx ...
- 专家:未来互联网金融行业人才缺口将超百万
专家:未来互联网金融行业人才缺口将超百万 2015年09月17日 07:31 经济参考报 2 分享 添加喜爱 打印 增大字体 减小字体 在日前由中关村(7.98, 0.05, 0.63%)互联网 ...
最新文章
- java调用PageOffice生成word
- python学习之第二课时--运行程序和字符编码
- 堆叠与M-LAG,为什么要从堆叠切换为M-LAG?
- Java多线程闲聊(四):阻塞队列与线程池原理
- Docker 常见问题
- C++之const修饰得到是谁
- linux基础篇-系统中进程相关概念
- 我的博客园第一个博客.
- 为应用“瘦身”!给 Android 应用开发者的十个建议(转)
- CodeCraft-21 and Codeforces Round #711 (Div. 2) D. Bananas in a Microwave 优化暴力
- 在Ubuntu下安装jdk解压出现问题:./jdk-6u30-linux-i586.bin: 113: ./install.sfx.3631: not found
- Linux 技巧: Bash 参数和参数扩展 (Shell)
- Linux删除乱码文件
- CCF 201612-2 工资计算 java 解题
- go 查找模块位置_如何使用Go语言插件功能?
- 【转载】ASP.NET MVC中Controller与View之间的数据传递总结
- 华为智能体发布,智能联接火了
- 告别巴蒂和你的年少时代--当Batigol成为永恒
- globeimposter 解密工具_WinRAR加密和压缩伪装成GlobeImposter勒索软件,易于安全专家解密...
- 【项目总结】汽车之家