第十章 股神1.0(第2/2 頁)

據分析模組，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。

這個資料分析模組，它必須同時具備顯性因果分析能力，和隱性因果分析能力。

比如生豬存欄資料下跌，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，而資料分析模組，必須具備識別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。只不過與生豬存欄資料不同的是，生豬存欄資料屬於常態化資料，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，但是資料分析模組必須具備識別這種偶發事件，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資料很多，資料分析模組必須具備識別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，這是一種機率學意義上的因果關係。

另外有一個案例，就是基於這種機率學因果關係的。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。

它透過分析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資料進行比較，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。

如果說顯性因果只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，就是資料分析模組的主要功能，同時也是這個模組是否設計成功的一個標誌性指標。

【馬上就要515了，希望繼續能衝擊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！】