资源和资金将重新分配给汽车和物联网等领域，因为这是高通持续增长的业务。 截至今年上半年，智能手机市场依然没有出现预期的反弹。...根据Canalys的数据显示，截至今年二季度，全球智能手机市场出货量连续第五个季度下滑。其中，2023年一季度同比下滑12%；2023年二季度出货量同比下滑11%。...基于此，高通表示，鉴于宏观经济和需求环境的持续不确定性，公司预计将进一步采取调整措施，以实现对重要增长机遇和业务多元化的持续投资。...如果加上先前已有约百人离职，今年以来台湾高通已裁员约300人，也使得台湾高通总员工数由年初的1,700人降至1,400人，留下来的员工虽然保住饭碗，但也会面临减少分红、不调薪的状况。...鉴于宏观经济和需求环境的持续不确定性，公司预计将进一步采取调整措施，以实现对重要增长机遇和业务多元化的持续投资。
宏观指标以时间序列型居多，而宏观数据的变化往往反映经济走势，因而具有更为重要的意义。在转型期的中国，统计技术与资料的限制使得累计值和当月值在月度与季度数据中成为普遍使用的两个概念。寒来暑往，秋收冬藏。...我国统计中使用的累计值一般是“年初至今累计值”的简称（year to date, ytd），指的是宏观数据从每年年初至当年各月的累计数值。...由累计值转换至当月值，需要统计体系进行相应的改进。 在实际数据使用过程中，由于累计值是年初至当月的累加数，用累计值计算的增长率越到年末越接近全年平均增速。...季节性——分析宏观数据绕不过去的坎 宏观数据通常呈现季节性变化。寒来暑往，秋收冬藏，经济活动会随季节不同而发生周期性变化，相应的宏观数据时间序列也会随季节呈现出周期性的变动。...由于宏观经济时间序列普遍存在季节性因素，所以在分析和使用宏观经济数据时，必须对时间序列中的季节性因素进行消除，才能得到呈现经济指标变化趋势的有效信息。
作者寄语 本次更新宏观数据-工业品出厂价格指数。...PPI是反映全部工业产品出厂价格总水平的变动趋势和程度的相对数，是反映某一时期生产领域价格变动情况的重要经济指标，也是制定有关经济政策和国民经济核算的重要依据。...其中除包括工业企业售给商业、外贸、物资部门的产品外，还包括售给工业和其他部门的生产资料以及直接售给居民的生活消费品。通过工业生产价格指数能观察出厂价格变动对工业总产值的影响。...更新接口 "macro_china_ppi" # 宏观数据-工业品出厂价格指数 工业品出厂价格指数 接口: macro_china_ppi 目标地址: http://data.eastmoney.com.../cjsj/ppi.html 描述: 工业品出厂价格指数, 数据区间从 200601 至今, 月度数据 限量: 单次返回所有历史数据 输入参数 名称 类型 描述 - - - 输出参数 名称 类型 描述
如果裁员数字保持不变，则大约占亚马逊企业员工的 3%，确切的数字可能会随内部业务的优先事项出现相应变化。...知情人士透露，亚马逊此次裁员主要集中在生产语音助手 Alexa 和家庭安全摄像头的设备部门以及人力资源和零售部门。 至于裁员原因，知情人士归因于亚马逊及其他企业同样面临的不确定宏观经济环境。...自年初至今，亚马逊股价也接近「腰斩」，跌幅超过了 42%，当地时间周一下午收盘时报 98.49 美元。 加上今天曝出的亚马逊，美国科技企业这波裁员潮正在如火如荼地进行中。...twitter@debarghya_das 员工公开指出马斯克推文错误，马斯克：「He’s fired」 与动不动裁撤几千人不同，推特最新一次的人事变动似乎是针对个人的，马斯克刚刚解雇了在推特上公开指出他错误的员工...Frohnhoefer 再次反驳了马斯克的观点，并表示「从未真正计算过服务的总数，但生成主页时间线所需的数量大约是 200 ，而不是 1200 个。」
[ 导读 ]iCPI是一支基于互联网在线价格数据进行实时更新的居民消费价格指数，供宏观经济科研使用。...激动人心，iCPI正式在彭博上线 iCPI项目于2015年9月成立，由清华大学社会科学学院经济学研究所的刘涛雄教授、汤珂教授与清华大学计算机系的许斌教授联合指导。...iCPI是基于互联网在线数据统计的居民消费价格指数，供宏观经济研究使用。相比于国家统计局的定期发布，具有高频实时发布、计算机算法自动运行和价格来源广泛等优点。...iCPI的三大指数： 月指数——iCPI与CPI显著相关 iCPI包含与现行标准CPI同频率的月环比指数，我们将其与统计局公布的月环比指数进行对比，发现两者的变动方向基本一致，变动幅度接近，具体如下图所示...： 风雨历程——iCPI从想法到实现 iCPI项目从2015年9月份成立至今已经经历了近两年的时间，从最初的一个想法，到现在可实现8大类、46中类和262子类物价指数的无滞后实时更新。
量化投资没有确切的定义，它泛指通过数学分析、挖掘价格波动规律，或者通过对相关宏观经济、财务数据、量价关系、资金交易等数据进行建模，寻找数据之间的关系，以获得稳定利润为目标，持续计算生成定量化的投资信号...，并通过计算机严格执行。...贝塔表示投资的系统性风险，反映了策略对大盘变化的敏感性。具体计算方法为：策略每日收益与基准或市场每日收益协方差 /基准或市场每日收益方差。...它的值代表的是基准收益变动1%时策略收益变动的百分比，正常情况下，我们是希望我们的策略是低Beta的 Alpha是投资者获得与市场波动无关的回报。...Alpha的计算公式是: 图片 Information Ratio信息比率 信息比率简称IR，用于衡量单位超额风险(策略与基准每日收益差值的年化标准差)带来的超额收益（策略年化收益率与基准年化收益率之差
PMI含义 PMI是一个重要的宏观指标，全称 Purchasing Managers’Index，翻译成中文是采购经理人指数。...WIND中给出的官方PMI定义为：PMI是通过对企业采购经理的月度调查结果统计汇总、编制而成的指数，它涵盖了企业采购、生产、流通等各个环节，包括制造业和非制造业领域，是国际上通用的监测宏观经济走势的先行性指数之一...每个PMI分类指数都通过“扩散指数”的方法计算：正向回答的企业个数百分比加上回答不变百分比的一半，即 制造业PMI分类指数 = “增加”选项百分比*50%+“持平选项”*50% 最终PMI指数用各分类指数的加权和得到...非制造业PMI分类指数用类似的方法计算，非织造业没有用综合PMI，通常用商务活动指数代指非制造业PMI。...出厂价格指数 出厂价格指数与PPI环比变动同向，基本同步。 ? 19年2月份PMI数据一览 ? 从数据可以看出，生产方面，PMI生产指数十年来首次跌破枯荣线，反映出经济下行的压力。
划分层次的另一个目的是为了明确责任，不同层次计划的制订或实施由不同的管理层负责。 在五个层次中，经营规划和销售与运作规划带有宏观规划的性质。主生产计划是宏观向微观过渡的层次。...如果要提高成品库存资金周转次数，年末库存水准要低于年初，那么，生产规划的月产量就低于销售规划的预测值，不足部分用消耗库存量来弥补。...每种的需求量是用占产品系列总数的预计百分比来计算的。产品系列同具体产品的比例结构形式，类似一个产品结构图，通常称为计划物料单或计划BOM。...系统只对定单中有变动的部分进行局部修改，一般改动量比较小;如只变动部分产品结构、需求量、需求日期等。...运行时，只展开受变动影响的部分物料，修改量小，运算时间快，可以随时进行;一般用于计划变动较多但影响面不大的情况。
数据 问题的提出 近年来，国内农产品、国际市场石油、铁矿石等价格剧烈波动，特别是去年国内商品价格变动存在较大的不确定性。...经济理论分析 通货膨胀和就业率是经济宏观调控的两个重要指标。其中CPI是衡量通货膨胀最及时的指标，也与人们的生活关系最密切。...样本及变量说明 为使统计单位具有一致性，广义货币供应量M2、工资率及原材料能源价格因素以增长率作为计算数据。...由数据可以看出，90年代以来中国共发生过两次严重的通货膨胀，一次为1993~1996年，另一次为2007年至今。 2007年以来，我国CPI再次持续居于高位。...通过以上分析，我们可以看到90年代以来中国的几次通胀产生的原因都可以在建立的回归模型中找到相应的数字依据和经济路径，因而认为该模型对于解释CPI变动的原因，特别是通货膨胀的原因有一定作用。
相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度；着重研究线性的单相关系数。...该图统计了从2010年至今，时间框架为30日的25*24个相关系数矩阵的连续线图。在每个交易日上，程序计算了将近600数据点。 ?...反映在数据上，我们可以找到诸如铁矿石、焦煤、焦炭、螺纹钢的这一条正相关成本链。然而由宏观环境因素引起的大型趋势会加强这条链路的传导，使得大宗商品间形成极强的正相关。...随着宏观环境引起的趋势行情的结束，各品种先后错位的回落让相关系数在数值上变现为短暂的由正转负。因此在以30天为时间框架下的相关系数线图上，我们能找到印证这些规律的证据。...从去年国庆至今没有出现过一次宏观性的趋势行情，表现在相关性数据序列上，从去年10月份以来整体都处于无序杂乱的状态。对于趋势性系统来说，这段时间确实是较为困难的时段。
1）首日聚合特征 例如：注册首日投资总金额、注册首日页面访问时长、注册首日总点击次数等； 2）最近时间聚合特征 例如：最近N天APP登录天数、最近一个月的购买金额、最近购物至今天数等； 3）区间内的聚合特征...时间序列分析的主要目的是基于历史数据来预测未来信息。对于时间序列，我们关心的是长期的变动趋势、周期性的变动（如季节性变动）以及不规则的变动。...，多个时间序列的数据集构造特征时需要先进行分组再计算。...3.时间序列复合特征 1）趋势特征 趋势特征可以刻画时间序列的变化趋势。...3）自相关性特征 原时间序列与自身左移一个时间空格（没有重叠的部分被移除）的时间序列相关联。
将每个国家不同行业中不同等级的违约概率和转移概率相联系, 进而计算出风险价值( 迪迪埃、皮罗特, 2005) 。...因此, 本文分别从国家宏观经济、房地产行业状况、房地产企业状况三个方面选择出三个宏观经济因素指标, 运用 CPV 模型评估房地产信贷的信用风险。1....经济合作与发展组织 (OECD) 的综合领先指标(CompositeLeading Indicator, CLI) 被认为是预测全球经济变动趋势的良好指标, 它是指一系列引导经济由增长至衰退的循环的相关经济指标和经济变量的加权平均数...从图2可以看出, 模型的残差不存在序列自相关。...综上所述, 此模型检验达到预期要求, 较好地反映了宏观经济实际状况和各宏观经济变量之间的对应关系。
图 | 原始时间序列 时间序列分解模型 // 加法模型 加法模型的形式如下： ? 加法模型中的四种成分之间是相互独立的，某种成分的变动并不影响其他成分的变动。...图 | 拟合的季节变动 // 乘法模型-季节指数 乘法模型中的季节成分通过季节指数来反映。常用的方法称为移动平均趋势剔除法。步骤如下： 计算一动平均值 从序列中剔除移动平均值 ?...时间序列循环变动分析 时序长期来看会存在一个循环往复，通常通过剩余法来计算循环变动成分C： 如果有季节成分，计算季节指数，得到季节调整后的数据TCI 根据趋势方程从季节调整后的数据中消除长期趋势，得到序列...图 | 拟合的长期循环变动 时间序列不规则变动分析 除了以上三种变动信息，剩下的为不规律的时序变动信息。如有需要，可以进一步分解出不规则变动成分： ?...以上步骤如下动图所示： // 结合CNN+RNN+Attention，作用各不相同互相配合 主要设计思想： CNN捕捉短期局部依赖关系 RNN捕捉长期宏观依赖关系 Attention为重要时间段或变量加权
本文对商品价格的变动进行建模，将每个商品价格序列分解为： 所有商品价格变动的共同影响因子：全球因子 板块因子 特质因子 区分全球、特定市场和特质等因子有助于将不太普遍的因子与纯粹的共同因素区分开来，并基于以下假设...然而，在实际应用中经常出现的情况是，简单平均有一个很大的噪声成分，这是由特质因子引起的。 通过直接对比全球因子与相关宏观经济指标，我们可以更清楚的看出全球因子与经济活动的关系。...全球因子的变动与全球实体经济活动指标密切相关，在经济衰退后出现最大下降的时期内，紧跟国际商业周期的主要扩张和收缩阶段。...例如，全球因子很好地捕捉了世界经济的特征——从21世纪初开始的快速宏观经济扩张，特别是一些新兴市场经济体，以及与大衰退相关的世界经济活动的急剧收缩。...本文并没有对所有商品的收益了协方差进行建模，而是首先计算细分板块的价格指数，得到价格指数序列y。
尽管就裁员百分比而言，裁员幅度明显小于 Twitter 50% 的裁员幅度，但从绝对值来看，预计这将是当前期间科技行业中裁员人数最多的一次。...但这样的想法明显太过激进，自今年年初以来，担心 Meta 步子过大的投资者已经让该公司的股价暴跌超过 71%，目前其股价处于 2015 年以来的最低水平。...从根本上来说，我们做出所有这些改变基于两方面原因：我们的营收前景低于我们今年初的预期，以及我们希望确保应用家族和 Reality Labs 业务都能高效经营。 我们将如何前进？...我们的核心业务是有史以来最赚钱的业务之一，未来潜力巨大。此外，我们正处于领先地位，去开发技术，定义社交连接的未来和下一代计算平台。我们正在从事具有历史意义的工作。...但最主要的原因是，元宇宙能够为科技公司在构建支撑计算平台方面，提供更多创新性。 Meta 的衰败，因“打不过”TikTok？ Meta 和各家合作广告商也显然正在为经济衰退做好准备。
时间序列分析 顾名思义，时间序列就是按照时间顺利排列的一组数据序列。时间序列分析就是发现这组数据的变动规律并用于预测的统计技术。...文/黄成甲 移动平均法和指数平滑法的局限 移动平均法是一种简单平滑预测技术，它的基本思想是：根据时间序列资料逐项推移，依次计算包含一定项数的序时平均值，以反映长期趋势。...其中，原始时间序列值和长期趋势可用绝对数表示，季节变动、循环变动和不规则变动则用相对数（通常是变动百分比）表示。...通常情况，我们会考虑进行季节因素的分解，也就是将季节变动因素从原时间序列中去除，并生成由剩余的三种因素构成的序列来满足后续分析需求。...相关系数是用来量化变量之间的相关程度。自相关系数研究的是一个序列中不同时期的相关系数，也就是时间序列计算其当前期和不同滞后期的一系列相关系数。
文章期号：20190702 掌握预测，不能少的技能时间序列预测 1，什么是时间序列 时间序列（time series）是按时间顺序记录的一组数据。...2，影响时间序列变化的成分 时间序列的变化可能受到一种或多种因素的影响，导致在不同的时间上取值是有差异的，这些影响因素称为时间序列的组成要素，一个时间序列通常由4种要素组成：趋势，季节变动，循环波动和不规则波动...季节变动：以年为周期长度的固定变动 循环波动：非固定长度的周期性变动 不规则波动：它是时间序列种除去趋势，季节变动，循环波动之后剩余的波动，是由偶然因素引起的误差性波动。...3，时间序列的模型 趋势（T），季节变动（S），循环波动（C）和不规则波动（I）组合的时间序列表达式： 四种不同成分的时间序列 4，时间序列预测方法与评估 预测方法的选择 一种预测方法的好坏取决于预测误差的大小...，预测误差是预测值于实际值的差距，有平均误差，平均绝对误差，均方误差，平均百分比误差和平均绝对百分比误差等，其中较为常有的是均方误差（误差平方和的平均数：MSE）公式： R模拟几种常有的时间序列:
就在两天前，SAIL还推出了专用于介绍实验室最新的研究及相关思考的博客。 ? 而李飞飞方面，从斯坦福到谷歌再到斯坦福，以及此次卸任SAIL主任，这两年来于AI领域的变动，实在有些频繁。...2017年初，这对被称为“佳飞猫”的师生组合正式加入谷歌云团队，并负责人工智能和机器学习相关业务，联手为谷歌云打开了新的空间，如在2017年公布Google Cloud 基于神经网路技术新推出的一些 API...2018年年初，李飞飞祭出大招，宣布Cloud AutoML的诞生——一款定位在“无需精通机器学习，每个人都能用”的定制机器学习模型产品。...而随着Andrew Moore的接任，李飞飞于斯坦福也开启了她的另一段人生，再次任全职副教授和斯坦福人工智能实验室与视觉实验室主任。 从2012年开始至今，李飞飞被任命为SAIL主任已经有6年时间了。...回首这几个月时间其频繁的职位变动，再看现如今终于专注于“以人为本的AI计划”，所谓的“回首向来萧瑟处，归去也无风雨也无晴”，之于如今的李飞飞或许正是到了践行理想的时刻。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
云直播
