...继续阅读 (28)

...继续阅读 (28)

...继续阅读 (28)

...继续阅读 (29)

...继续阅读 (28)

终于有个问题是关于我的专业了， 并不是问我如何搭配，鉴定真假，什么价位这类似的问题。有好问题就应该有好的答案，让我慢慢写，慢慢说。以下的图故意不放Y线，因为区域不一样，升幅不一样，就是个大概吧。然后我的脑就是我的来源，就这样。第一类 最正常你们看到的球鞋，普通商品鞋，也包括一些签名版。发售日就是官方售价，三个月后（或一个季）如果有库存就下调价钱，再有库存就再下调，或者转换去折扣店，到一年，就稳定在一个低点了。这是很正常的球鞋走势，我们都是这么对待商品的，当然，我知道你们想知道更多......第二类 一发售就卖完的鞋子，可是存在着不稳定性。以上的图是要排队才可以买到的球鞋，我只能预测到六个月，后面有很多不稳定性。不过可以确定的是，5年后，不管鞋子，价钱一定会掉去低点，因为，大多数都不能够穿了。有例外，后面会说......1. 最好的状况，就是那一款鞋的后续，只是还可以接受的情况，结果就让人钟情于之前发售的特点这一款，价钱就自然的慢慢回升。最好的例子，adidas NMD OG colorway, 刚出时价钱提升，可是后续，因为很多人后知后觉，才会”欣赏“这个鞋子，所以价钱就慢慢升高，甚至高过之前的高度。2.还可以的状况，就是那一款鞋的后续，还可以维持，虽然没有了发售时的热度，但是如果卖的话，还是可以卖到一个很好的价钱。这归功于品牌对鞋子的市场价值维持到很好，没有过度抛售到时市场疲劳。 ...继续阅读 (30)

...继续阅读 (31)

...继续阅读 (30)

...继续阅读 (29)

...继续阅读 (31)

...继续阅读 (29)

...继续阅读 (31)

...继续阅读 (30)

作者：欧阳辰链接：彪悍开源的分析数据库-ClickHouse - 互联居 - 知乎专栏来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。花俄罗斯的‘百度’叫做Yandex，覆盖了俄语搜索超过68%的市场，有俄语的地方就有Yandex；有中文的地方，就有百度么？好像不一定 :) 。Yandex在2016年6月15日开源了一个数据分析的数据库，名字叫做ClickHouse，这对保守俄罗斯人来说是个特大事。更让人惊讶的是，这个列式存储数据库的跑分要超过很多流行的商业MPP数据库软件，例如Vertica。如果你没有听过Vertica，那你一定听过 Michael Stonebraker，2014年图灵奖的获得者，PostgreSQL和Ingres发明者（Sybase和SQL Server都是继承 Ingres而来的）, Paradigm4和SciDB的创办者。Michael Stonebraker于2005年创办Vertica公司，后来该公司被HP收购，HP Vertica成为MPP列式存储商业数据库的高性能代表，Facebook就购买了Vertica数据用于用户行为分析。简单的说，ClickHouse作为分析型数据库，有三大特点：一是跑分快， 二是功能多 ，三是文艺范1. 跑分快： ClickHouse跑分是Vertica的5倍快：ClickHouse性能超过 ...继续阅读 (30)

...继续阅读 (29)

里约奥运会闭幕上，东京 8 分钟惊艳世界。除了安倍「变身」马里奥外，舆论的另一个焦点在于长达 27 秒的 AR 炫技。看这 33 个发光的动态立体小人从天而降，我们不禁要问：这段 AR 秀究竟是如何实现的？现场观众能否看到这一场景？为此，我们也通过各种渠道，询问了 4 位在里约现场观看闭幕式的观众，得到的结果是——「好像是看到了，你再问问别人。」「好像是没有，你再多问问几个人。」「完全没看到，我确定没看到。」「看到了，我记得有。」喂，你们看的是同一场闭幕式吗？不过，这四位朋友均不是 AR/VR 技术的爱好者，甚至对 AR/VR 完全不了解。作为不明情况的吃瓜观众，在闭幕式现场盛大的投影 & LED 秀中，谁会在意空中飞舞的是小人还是马里奥......鉴于此，我们对东京 8 分钟的 AR 秀提出了五大猜想。猜想一：现场完全看不到，这只是个大型 CG在电视转播版本中，镜头对现场进行了 360°水平环绕拍摄，全方位展现 33 个动态模型。视频中，有几个镜头显示的是赛场模型图，显然，这只有在电视转播中才能看到，现场是不可能看到建模的工程图的。这段视频很有可能只是一个大型 CG，直接通过电视信号播放出来。此外，视频中解说员人解释道：「这一场景借助了 AR 增强现实技术才得以实现，在 2020 年的电视转播当中，最新科技将会为观众带来更加新鲜的观赛感受，这就是日本人所说的，改变世界看奥 ...继续阅读 (31)

...继续阅读 (28)

...继续阅读 (28)

...继续阅读 (27)

...继续阅读 (96)

...继续阅读 (27)

大致分为两类：（1）基于统计学的方法。比如最简单的ARMA，VAR等时间序列模型。这类方法里面最核心的问题是如何选择一个最优的预测模型，通常的办法有基于AIC,BIC等information criteria的模型选择。最近比较新且热门的方法有 model averaging，factor based index model, machine learing 中的 LASSO, regression trees (forest) 等等等。这类方法的主要问题是，他们有很好的 internal validity （内部合理性，抱歉不知道该怎么翻译。。），但是有不太好的 external validity。也就是说，in sample 的拟合都很好，但是预测的结果不一定好，尤其是在出现经济政策变动，突发事件的情况下。（2）基于结构模型的预测。经济学家，尤其是央行的经济学家，最关心的问题是当新的政策发布时，未来的经济走势会怎样。而当新的政策发布的时候，原来拟合得很好的模型可能就不适用于预测未来的走势了（Lucas critique）。在这种情况下，我们通过结构模型 （structural models）需要估计一些模型的基本参数（structural parameters）--- 一些不会随着政策变动而变动的参数，然后利用这些模型预测新政策的效果。现在很多国家的央行已经有了或者正在开始构建 ...继续阅读 (30)

...继续阅读 (28)

...继续阅读 (91)

...继续阅读 (26)

...继续阅读 (28)

...继续阅读 (28)

...继续阅读 (28)

想到了以前的一些有趣的事儿。从有记忆开始（我的记忆开始的很晚， 大概6岁以前几乎没什么，12岁以前的我也忘的差不多了），比较一下不同时期的记忆，总感叹小时候的成长是一件很快乐的事情。每年每月都有着不同的故事，而青春期的各种尝试、无论成功与失败，都是人生蛮有意思的记忆。那个时候，有幸可以和一些好朋友一直保持着若有若无的联系。若有若无的定义大概就是，一年聊天个一两次吧，但每次都是各种有深度的长聊。那个时候最喜欢想的问题就是成长是怎么一回事儿，然后最经典的对话就是彼此提醒对方若干年前的样子和现在的样子。事情已经变了很多不是么？记得一句经典的评论就是，“每次回头看看那年的自己，都觉得很幼稚”。能有此感概，怕是一种成长的阅历了。有的时候觉得可笑，在这个信息交换无比畅通的年代，我却真的可能跟旧时的好友失去联系。其实很简单，总有人不去注册校内，总有人不愿翻墙查facebook，总有人不去用qq，总有人不去上微博，总有人不堪微信的烦扰。这样一步一步筛选完之后，突然间发现，在每个新的工具上面结识的都是一群新的人，然后重新经历一遍初识的热火朝天、了解之后的心有灵犀、若有若无却依旧可以为某个隐晦的段子相视一笑。好像每次都是打开一本书，其实看到2/3就不用再往下去看什么结局了。结局是有一定的仪式感和强迫症，但是其实最惊心动魄的初识和高潮已经过去了。我不知道那些年少时候的朋友们会不会看到此篇。我只想说，能在 ...继续阅读 (131)

...继续阅读 (30)