笔趣看 > 绝对掌控 > 第十章 股神1.0

第十章 股神1.0

推荐阅读:宇宙职业选手斗罗大陆V重生唐三万相之王星门剑道第一仙雪中悍刀行剑来一剑独尊牧龙师临渊行

一秒记住【笔趣看 www.biqukan.cc】,精彩小说无弹窗免费阅读!

    天才壹秒記住『愛♂去÷小?說→網』,為您提供精彩小說閱讀。

    奉上今天的更新,顺便给『起点』515粉丝节拉一下票,每个人都有8张票,投票还送起点币,跪求大家支持赞赏!

    虽然比特币的挖掘并不成功,不过也不是完全没有收获,至少通过这次比特币挖掘可以知道,笔记本的计算力是远超预期的。

    按照比特币挖掘的模式,比特币获取量等于计算力占比,这个占比是某台计算机在整个国际互联网范围内,所有挖矿计算机的计算力总和里的占比。

    从这个角度讲,既然莫回这里呼呼的冒比特币,十分钟能挖二十多个,那么换句话说,这台笔记本的计算力占比至少高达90%。这只是莫回的大致估算,并且很可能更高。

    90%什么概念,大概意味着,这一台小小的笔记本,它的计算力至少相当于其他所有挖矿计算机计算力总和的九倍!

    一端是一台个人用的笔记本电脑,另一端是数百万乃至数千万台挖矿计算机

    换个角度讲,这一台笔记本的计算力至少相当于近千万台计算机计算力的总和

    千万台计算机

    莫回被这个数据吓了一跳,这太吓人了,现有的一切超级计算机放到它面前全部是渣渣。

    不过这也给了莫回灵感,既然它计算力这么牛叉,那最适合他的赚钱方式应该就是大规模计算方面了。

    莫回突然笑了,这还真是踏破铁鞋无觅处。

    莫回是个码农,并且还是玩大数据的码农,这还真是专业对口,只要他把大数据的程序编写好,让这台超级笔记本来计算,那么可做的事情就很多了。

    首先进入莫回脑海里的就是金融大数据,只要莫回能够开发出一款大数据软件,让它自动搜集网络上的相关信息,然后进行深度的数据分析,那么很容易能够将一个公司的实际经营状况分析出来。

    这些数据只要利用好了,完全可以利用在股市上嘛,只要有无穷计算力做保证,那么分析结果将会无限趋近于真实情况,甚至会那个企业的董事长还要准确的把握住企业未来发展状态。

    莫回通盘考虑了一下,感觉这个想法应该有足够的可行性,程序自己编写就足够了,网上的公共渠道也可以提供足够的信息,只要数据分析算法设计好,最终输出的结果将会有极大参考价值。

    不过这事对于软件开发来说是一个大项目,恐怕很难一个人在短期内完成,不过这也不用太过担心,莫回的想法是拼接。在网上寻找各类开源软件,然后将这些软件拼接起来,先做成第一版的大数据金融分析软件。【愛↑去△小↓說△網w  qu 】

    等第一版软件出来,实际运行测试,开始帮助他炒股挣钱之后,他就可以用这些钱来雇人帮忙开发软件了。

    到时他可以将整个软件分成很多个模块,每个模块发一个包,无论是包给个人也好,还是包给其他软件公司也好,这样分解开发,最终再在他这里组装在一起。到时他就是一个项目经理的角色,只要控制好整体的开发进度,完全可以遥控很大的一个团队帮助他进行开发。

    这款软件的名字莫回已经想好了,就叫股神,他准备先开发股神0版。

    开发周期莫回暂时无法预期,不过可以想见的是,即使做一个拼接组装的活,中间也会有大量的接口开发工作,将这些软件拼接在一起的粘合剂和组装平台就需要他自己动手了。

    具体工作量无法预估,只能先干着再说,如果开源软件刚好都能找到合用的,这个周期自然会短不少,如果很不巧,没有合用的软件,估计他就得自己开发,这所耗用的时间就没头了。

    莫回给自己列了一个工作进度表,按照这个进度表开始逐条逐项的完成和推进。

    如果想要“攒”一个股神0,那么有几个必须的关键功能模块,比如股神0的大脑,这将是一个大数据分析模块,它负责将所有搜集来的信息进行整理加工,并且从中提取具备指导意义的分析结论。

    这个数据分析模块,它必须同时具备显性因果分析能力,和隐性因果分析能力。

    比如生猪存栏数据下跌,必然导致随后的猪肉价格上涨。生猪存栏数量与猪肉价格存在某种必然的因果关系,而数据分析模块,必须具备识别这种明显由因就可以导致果的因果关系的能力。

    比如东南海峡输油管道发生破裂,必然导致帝国东南大区油品价格上涨,这也存在某种必然的因果关系。只不过与生猪存栏数据不同的是,生猪存栏数据属于常态化数据,它每天都有,每天都有浮动,而油管破裂属于偶发事件。

    虽然油管破裂属于偶发事件,但是数据分析模块必须具备识别这种偶发事件,进而给出随后由其导致的必然后果的能力。

    类似的因果关联事件或者数据很多,数据分析模块必须具备识别这种显性因果联系的能力。

    与这些显性因果相对应的,就是隐性因果联系。

    那个著名的啤酒和尿布的案例其实就是隐性因果联系,这些隐性因果之间,不一定具备必然性,但是因和果之间,往往存在或然性联系。

    就单个事例来说,这种因果联系未必成立,但是将其置于一个足够大的基数上时,这种因果联系就凸显出来,这是一种概率学意义上的因果关系。

    另外有一个案例,就是基于这种概率学因果关系的。一个搜索公司,它想研究今年冬天流感爆发的可能性,但是它研究的角度非常有意思,他不是从医学角度来研究,而是程序和算法角度来研究。

    它通过分析5000万条最频繁检索的词汇,将之和疾病中心在5年间季节性流感传播时期的数据进行比较,并建立一个特定的数学模型,从中寻找关联性,寻找那些隐藏起来或然联系,最终它成功预测了流感的爆发,甚至可以精确到特定的地区和城市。

    如果说显性因果只需要事先标注和设定,那么隐性因果明显就需要挖掘和寻找了,而如何找到这些隐性因果,就是数据分析模块的主要功能,同时也是这个模块是否设计成功的一个标志性指标。

    【马上就要515了,希望继续能冲击515红包榜,到5月15日当天红包雨能回馈读者外加宣传作品。一块也是爱,肯定好好更!】