絕對掌控 011

股神1.0(shukeba.com)

ps. 奉上今天的更新，順便給起點515粉絲節拉一下票，每個人都有8張票，投票還送起點幣，跪求大家支援讚賞！

雖然位元幣的挖掘並不成功，不過也不是完全冇有收穫，至少通過這次位元幣挖掘可以知道，筆記本的計算力是遠超預期的。

按照位元幣挖掘的模式，位元幣獲取量等於計算力占比，這個占比是某台計算機在整個國際互聯網範圍內，所有挖礦計算機的計算力總和裡的占比。

從這個角度講，既然莫回這裡呼呼的冒位元幣，十分鐘能挖二十多個，那麼換句話說，這檯筆記本的計算力占比至少高達90%。這隻是莫回的大致估算，並且很可能更高。

90%什麼概念，大概意味著，這一台小小的筆記本，它的計算力至少相當於其他所有挖礦計算機計算力總和的九倍！

一端是一台個人用的筆記本電腦，另一端是數百萬乃至數千萬台挖礦計算機......

換個角度講，這一檯筆記本的計算力至少相當於近千萬台計算機計算力的總和......

千萬台計算機......

莫回被這個數據嚇了一跳，這太嚇人了，現有的一切超級計算機放到它麵前全部是渣渣。

不過這也給了莫回靈感，既然它計算力這麼牛叉，那最適合他的賺錢方式應該就是大規模計算方麵了。

莫回突然笑了，這還真是踏破鐵鞋無覓處。

莫回是個碼農，並且還是玩大數據的碼農，這還真是專業對口，隻要他把大數據的程式編寫好，讓這台超級筆記本來計算，那麼可做的事情就很多了。

首先進入莫回腦海裡的就是金融大數據，隻要莫回能夠開發出一款大數據軟件，讓它自動蒐集網絡上的相關資訊，然後進行深度的數據分析，那麼很容易能夠將一個公司的實際經營狀況分析出來。

這些數據隻要利用好了，完全可以利用在股市上嘛，隻要有無窮計算力做保證，那麼分析結果將會無限趨近於真實情況，甚至會那個企業的董事長還要準確的把握住企業未來發展狀態。

莫回通盤考慮了一下，感覺這個想法應該有足夠的可行性，程式自己編寫就足夠了，網上的公共渠道也可以提供足夠的資訊，隻要數據分析演算法設計好，最終輸出的結果將會有極大參考價值。

不過這事對於軟件開發來說是一個大項目，恐怕很難一個人在短期內完成，不過這也不用太過擔心，莫回的想法是拚接。在網上尋找各類開源軟件，然後將這些軟件拚接起來，先做成第一版的大數據金融分析軟件。

等第一版軟件出來，實際運行測試，開始幫助他炒股掙錢之後，他就可以用這些錢來雇人幫忙開發軟件了。

到時他可以將整個軟件分成很多個模塊，每個模塊發一個包，無論是包給個人也好，還是包給其他軟件公司也好，這樣分解開發，最終再在他這裡組裝在一起。到時他就是一個項目經理的角色，隻要控製好整體的開發進度，完全可以遙控很大的一個團隊幫助他進行開發。

這款軟件的名字莫回已經想好了，就叫股神，他準備先開發股神1.0版。

開發週期莫回暫時無法預期，不過可以想見的是，即使做一個拚接組裝的活，中間也會有大量的介麵開發工作，將這些軟件拚接在一起的粘合劑和組裝平台就需要他自己動手了。

具體工作量無法預估，隻能先乾著再說，如果開源軟件剛好都能找到合用的，這個週期自然會短不少，如果很不巧，冇有合用的軟件，估計他就得自己開發，這所耗用的時間就冇頭了。

莫回給自己列了一個工作進度表，按照這個進度表開始逐條逐項的完成和推進。

如果想要“攢”一個股神1.0，那麼有幾個必須的關鍵功能模塊，比如股神1.0的大腦，這將是一個大數據分析模塊，它負責將所有蒐集來的資訊進行整理加工，並且從中提取具備指導意義的分析結論。

這個數據分析模塊，它必須同時具備顯性因果分析能力，和隱性因果分析能力。

比如生豬存欄數據下跌，必然導致隨後的豬肉價格上漲。生豬存欄數量與豬肉價格存在某種必然的因果關係，而數據分析模塊，必須具備識彆這種明顯由因就可以導致果的因果關係的能力。

比如東南海峽輸油管道發生破裂，必然導致帝國東南大區油品價格上漲，這也存在某種必然的因果關係。隻不過與生豬存欄數據不同的是，生豬存欄數據屬於常態化數據，它每天都有，每天都有浮動，而油管破裂屬於偶發事件。

雖然油管破裂屬於偶發事件，但是數據分析模塊必須具備識彆這種偶發事件，進而給出隨後由其導致的必然後果的能力。

類似的因果關聯事件或者數據很多，數據分析模塊必須具備識彆這種顯性因果聯絡的能力。

與這些顯性因果相對應的，就是隱性因果聯絡。

那個著名的啤酒和尿布的案例其實就是隱性因果聯絡，這些隱性因果之間，不一定具備必然性，但是因和果之間，往往存在或然性聯絡。

就單個事例來說，這種因果聯絡未必成立，但是將其置於一個足夠大的基數上時，這種因果聯絡就凸顯出來，這是一種概率學意義上的因果關係。

另外有一個案例，就是基於這種概率學因果關係的。一個搜尋公司，它想研究今年冬天流感爆發的可能性，但是它研究的角度非常有意思，他不是從醫學角度來研究，而是程式和演算法角度來研究。

它通過分析5000萬條最頻繁檢索的詞彙，將之和疾病中心在5年間季節性流感傳播時期的數據進行比較，並建立一個特定的數學模型，從中尋找關聯性，尋找那些隱藏起來或然聯絡，最終它成功預測了流感的爆發，甚至可以精確到特定的地區和城市。

如果說顯性因果隻需要事先標註和設定，那麼隱性因果明顯就需要挖掘和尋找了，而如何找到這些隱性因果，就是數據分析模塊的主要功能，同時也是這個模塊是否設計成功的一個標誌性指標。