ps.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预期的🅰。???????笔趣阁?ｗ?ｗ?ｗ?．ｂ?ｉ?ｑ?ｕ?ｇ?ｅ．ｃｎ

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9o%⬆。这只是莫回的大致估算🐵，并且很可能更高🐞。

9o%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⛎，让这台级笔记本来计算❔，那么可做的事情就很多了🃏。

先进入莫回脑海里的就是金融大数据🍂，只要莫回能够开出一款大数据软件🍝，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👅。

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软件了☝。

到时他可以将整个软件分成很多个模块🎻，每个模块一个包🏫，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👘，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进度🎸，完全可以遥控很大的一个团队帮助他进行开✋。

这款软件的名字莫回已经想好了⛪，就叫股神🆚，他准备先开股神1.o版🐝。

开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🎓，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1.o🎙，那么有几个必须的关键功能模块🎺，比如股神1.o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🎂，而油管破裂属于偶事件🈁。

虽然油管破裂属于偶事件👀，但是数据分析模块必须具备识别这种偶事件🌃，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5ooo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🍋，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🍽！】

本章未完，点击下一页继续阅读