泡泡妹妹提示您：看后求收藏（詩鼎小說網網m.gzstf.cn），接著再看更方便。

開發周期莫回暫時無法預期，不過可以想見的是，即使做一個拼接組裝的活，中間也會有大量的接口開發工作，將這些軟件拼接在一起的粘合劑和組裝平臺就需要他自己動手了。

具體工作量無法預估，只能先干著再說，如果開源軟件剛好都能找到合用的，這個周期自然會短不少，如果很不巧，沒有合用的軟件，估計他就得自己開發，這所耗用的時間就沒頭了。

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，那么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，它負責將所有搜集來的信息進行整理加工，并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，必然導致隨后的豬肉價格上漲。生豬存欄數量與豬肉價格存在某種必然的因果關系，而數據分析模塊，必須具備識別這種明顯由因就可以導致果的因果關系的能力。

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系。只不過與生豬存欄數據不同的是，生豬存欄數據屬于常態化數據，它每天都有，每天都有浮動，而油管破裂屬于偶發事件。

雖然油管破裂屬于偶發事件，但是數據分析模塊必須具備識別這種偶發事件，進而給出隨后由其導致的必然后果的能力。

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別這種顯性因果聯系的能力。

與這些顯性因果相對應的，就是隱性因果聯系。

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

就單個事例來說，這種因果聯系未必成立，但是將其置于一個足夠大的基數上時，這種因果聯系就凸顯出來，這是一種概率學意義上的因果關系。

另外有一個案例，就是基于這種概率學因果關系的。一個搜索公司，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，而是程序和算法角度來研究。

它通過分析5000萬條最頻繁檢索的詞匯，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，并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系，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。

如果說顯性因果只需要事先標注和設定，那么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志性指標。

【馬上就要515了，希望繼續能沖擊515紅包榜，到5月15日當天紅包雨能回饋讀者外加宣傳作品。一塊也是愛，肯定好好更！】

;