超五赛(主播现在每天收入几万到几十万)

1、超五赛，主播现在每天收入几万到几十万？

带货主播是可以的，一场直播赚几十万的确实不少，我的一个客户2个月赚了2000来万，现在和我说话声音都大了很多

2、北京怎么会突然增加这么多新冠肺炎？

目前9天时间北京确诊病例增加到205例，疫情扩散到5个省份。病例突然增加有内部原因，但更重要的是外部因素！

新发地市场是全亚洲最大的批发市场，供应了全北京70%的蔬菜和80%的水果供应量，每天的人流量达到了几万人。

所以目前来看，9天205例可以说是非常的幸运了，是因为我们管控的十分得力，将目前的这个病例仍然控制在13号以前的状态，后期因为防控得力，病例增长的非常少。

高福院士在16号的时候提到一个说法，他判断新发地市场的病毒已经潜伏了一个多月了。那么病毒在4、5月份的时候就已经进入中国，当时正是欧洲和美国疫情发展的高峰期。病毒的毒株检测也显示是跟欧洲的病毒基因相似，而在中国没有这样的一种病毒。

大家可能还记得，特朗普之前发过一个推特，只有五个字，也就是China，中国特朗普一直把中国作为假想敌，而据之前媒体报道，特朗普掩盖疫情源头的事实。

美军德特里克堡生物基地去年7月被美国疾控中心调查并关闭，时隔不久，附近地区暴发了莫名其妙的“电子烟疾病”。随后的流感季造成美国至少3200万人感染，其中1万8千人死于流感相关疾病，美国疾控中心主任雷德菲尔德曾公开承认，部分流感死亡病例实际上感染的是新冠肺炎。

美军德特里克堡生物基地才是新冠病毒的发源地，特朗普欲盖弥彰，转移视线，污蔑中国的武汉病毒研究所。从病毒的源头来看，欧洲和美国的毒株是一样的，而中国北京这次的毒株和欧洲的是一样。

一切都太巧合了，不能排除中间有美国的阴谋。

不过中国人民不怕困难，也不怕斗争，兵来将挡，我们一定会确定胜利！北京加油，中国加油！

3、能简单通俗的解释一下什么是大数据吗？

相信大家对于这次新冠肺炎疫情期间社区防控力度之严、强度之大深有体会。但在杭州滨江区，在疫情爆发之初，却面临着社区疫情防控人手不足的问题。对此，国家电网杭州分公司研发了全国首个“电力大数据+社区网格化”算法，实现了收集、研判电力数据功能，并对滨江157476户居民、超过1000万条电力数据，进行了收集和分析。为了精准判断细微的用电数据差别，该公司在算法中开发了居民短暂和长期外出、举家返回、隔离人员异动等3个场景6套算法模型。通过3轮150余万条次电力大数据巡航，精准判断出区域内人员日流动量和分布，还可以实时监测居家隔离人员、独居老人等特殊群体347户。这让社区人员得以根据电量波动判断业主状况，提高了登记和服务的效率，从而解决了人手不足的难题。

听完这个例子，不知道你有没有什么感触呢？看似“高大上”的大数据，实际上就是这么的“接地气”。今天呢，我主要是想纠正一些大家对于大数据的误解，对大数据有一个更清晰且正确的认识。

二、大数据是什么？

其中，第三范式和第四范式都是由计算机来进行计算的，二者之间有什么区别呢？

引用维克托·迈尔·舍恩伯格撰写的《大数据时代》中的话来说，就是：大数据时代最大的转变，就是放弃对因果关系的渴求，取而代之关注相关关系。第四范式相对于第三范式来说，更关注“是什么”，而不需要知道“为什么”，就像人类总是会思考事物之间的因果联系，电脑却更擅长相关性分析。这也是为什么有人提出第三范式是“人脑+电脑”，人脑是主角，而第四范式是“电脑+人脑”，电脑是主角。

也许会有同学提出疑问，这是不是与我们科学研究的理念相违背？毕竟，如果通篇只有对数据相关性的分析，而缺乏具体的因果解读，这样的文章一般被认为是数据堆砌，是不可能发表的。

这里我又想给大家举一个例子了，让大家更好的理解第四范式的意义所在。拿我们近年来特别关心的雾霾来说，我们想要研究雾霾的产生机制，从而进行针对性的预防。

按照第三范式的思路，我们需要先在一些具有“代表性”的地方建立气象站，收集与雾霾形成有关的参数，包括大气化学成分、地形、风向、温度、湿度等气象因素。需要注意的是，第三范式下，我们所收集的参数都是我们认为可能会影响到雾霾形成的因素，实际上已经人为地排除了某些不重要的参数。从研究的可行性角度出发无可厚非，但是从准确性上来说，已经是根源性的错误了。如果能够获取更全面的数据，即不加筛选地收集各类参数数据，进行更细致的数据分析，那么就能得出更科学的预测，这就是第四范式的出发点。

相信通过上面的解说，大家对大数据有了一个基本的认识，下面呢我来对大数据做一个简单的定义：大数据（big data），指的是在一定时间范围内不能以常规软件工具处理（存储和计算）的大而复杂的数据集。这些大数据集包括结构化、非结构化和半结构化数据，需要经过进一步的数据处理和分析才能形成有价值的信息。

第一、数据体量巨大

这点相不难理解，我们日常生活中使用的微信、支付宝、微博、抖音等软件每天都会产生数百亿条以上的数据，这仅仅是移动应用一天的数据量，此外其他各行各业也都会产生各式各样的数据，其总量绝对超出了你们的想象。举个具体的例子，据英特尔预测，全球数据总量在2020年将达到44ZB，而中国产生的数据量将为8000EB，8000EB是什么概念？整个地球上所有沙粒总数的10倍！

第二、数据类型繁多

正如我刚才所提到的，大数据包括结构化数据、半结构化数据和非结构化数据。结构化数据指数据的属性相同，可以用统一的结构进行表示；非结构化数据缺少固定的结构，通常整体存储，比如各种图片、look、音频等，非结构化数据越来越成为数据的主要形式，据IDC数据显示，企业中80%的数据都是非结构化数据；而半结构化数据则介于两者之间，比如HTML和XML文档，其内部用成对的标签记录对应的数据，但每个文档内部的标签又不是统一的，没有固定的规律。

第三、价值密度低

大数据的价值很高，但是单条记录却基本无意义，缺乏有效信息，这也对我们收集数据提出了要求，数据分析一定要建立在大量的数据集的基础上。举个例子，张三是某电商平台的忠实用户，我们作为后台，如果单看他的某一条购物记录，无非是知道了他买了什么东西，消费了多少钱，但是我们一旦利用大数据分析系统对张三所有的购物记录进行分析，那么我们就能得出他的一个消费画像，了解其购买偏好，从而对他进行精准的商品推荐。

第四、处理速度快

如今5G时代，数据产生的速度越来越快，这就要求数据后台能够快速处理掉无用信息，因为需要控制存储成本。同时更快速地处理信息，能够获取更多的有效价值，才能够在商业竞争中取得优势。两方面因素都刺激着数据处理技术的高速发展，目前采取流式数据处理技术可以达到毫秒级甚至微秒级的处理时间，满足实时监控分析用户行为，从而提供个性化服务的需求。

三、结语

最后，引马云的一句话作为结尾：未来的时代将不是IT时代，而是DT的时代。这里的DT就是data technology, 希望各位对大数据有了一个新的认识，也希望大家能够在这个万物互联的时代，把握时代机遇，掌握信息技能，做一朵勇往直前的“后浪”。

4、有人抓到过妖股吗？

妖股，我相信，大家只要做久了，总是会抓到的。不信的话随便问一些交易了几年甚至十年以上的老股民，都会告诉你自己抓到妖股的经历。

不过，大多数人，就算抓到妖股也未必能够拿得住，哪怕妖股中途没有回调，或者回调的时间很短，幅度很小，也未必能拿住。

为什么？

因为妖股的波动太大，而且走势往往会出人意料，所以，哪怕你买到了妖股，都未必能拿得住。

那么，如果我们买到了妖股，我们应该怎么操作呢，怎么才能够吃到妖股的主升段呢。

我用我今年抓到的两只小妖股来举例，如果碰到妖股，我们该怎么抓，怎么操作。

第一只是今年7月份的越秀金控

当时为什么会关注越秀金控

当时它放量突破创周线两年多的新高，之后缩量回调。回踩突破点。

后续的涨势，老实说，是超预期的。因为我预期价格是走正常的趋势行情，有涨有跌的，但没想到当时正好赶上券商行情，一波直接涨停拉升了。

这个时候，短时间内就出现了大量的利润，如果我们再守着趋势交易，按照均线来做，那均线是跟不上的。

所以，对于这种直线拉升行情，我们不追求拿到最高点，只拿趋势最强的一段。这样哪怕我们最终在趋势完结前就出场了，但我们花的时间很少，出来的资金，可以继续布局其他标的，这样的资金效率是很高的。

当时也是这个策略，所以，出场的时机就是图上的出场点。

为什么是这个点，因为这一波连续两个涨停后又接三个涨停，在那根大阴线，价格跌破了前一根涨停的最低点，一般这种妖股，如果足够强势都不会跌破前一根涨停的最低点。

事后来看，虽然没有拿到最高点，但也差不多是相对高点了，而且还规避了之后的盘整时间。

另外一只，是中国中免，中国中免涨停新高，就开始关注，之后走了一个小回调，当价格再次突破新高的时候，就是进场时机。

之后，也是拉了四个涨停，符合咱们的短时间内出大利，符合小妖特质。因此也不慢慢耗了。

直接价格跌破前一个低点的时候就出场。

所以，大家可以从以上两个例子中想想思路，妖股应该怎么抓，以及如果抓到了怎么来操作妖股。

先是怎么抓，

可以采用我之前讲过的涨停创新高，就开始关注，因为这种票走出妖股的概率比较大。

哪怕不是妖股，也是市场上的强势个股，同样值得关注。

而如果我们有幸抓到了一只妖股，怎么做

首先，我们要做就是不要被它盘中的回调走势给吓到，只要连续走出几个涨停之后，我们就可以把止损移到最近K线的最低点下方，这样，行情反转我们也拿到了不错的利润，如果真的走出像天山生物这种大妖，那我们就赚大了！

只要咱们在这个市场上做久了，抓到妖股，是常事，不过常事不代表天天都能抓到妖股，所以形态还是要放平。最后祝大家都能时不时抓到妖股，然后也能拿住妖股，赚个盆满钵满。

感谢阅读，打字不易，欢迎关注、点赞、转发，您的认可是对我回答最大的支持！

长风金融，一个有专业、有深度、有诚意的时势金融大号。在这里，穿透信息的迷雾，在这里，发现真实的市场。长风是资深金融从业者，历经多轮牛熊，在多个金融领域都有丰富的市场经验，擅长龙头机会的把握，关注长风，发现真正有价值的机会，别再错过后悔。

5、有哪些好听的纯音乐值得推荐？

先推荐一下我个人比较喜欢的十首电影背景音乐。

1.The Ludlows

电影《燃情岁月》插曲，1994年好莱坞最负盛名的配乐大师James Horner(詹姆斯.霍纳)为影片《燃情岁月》(Legends of the Fall)所作的配乐。

2.Forrest Gump

电影《阿甘正传》插曲‍。

3.For The Love Of A Princess

电影《勇敢的心》主题曲。同样由配乐大师James Horner所作。

4.Comtine D 'un Autre Ete: L 'apres Midi

这首曲子是电影《天使爱美丽》的原声碟《Amelie from Montmartre》中的一首，这张专辑的每首曲子都可以说是经典之作，层层叠叠的钢琴、小提琴、手风琴、鼓声、口琴…构成自成一格的异想世界，低吟时像打在湖面轻泛涟漪的细雨，轻盈时便化作跳动的水瓢，音符简洁短促，主旋律带出一次次变奏，旋律就这般悠然荡漾。而这首Comtine D 'un Autre Ete: L 'apres Midi在钢琴声中流淌出一种来自岁月的静谧，令人遐想无穷。

5.The Godfather

电影《教父》第一集的配乐是整个“教父三部曲”的音乐基础，它由“意大利音乐教父”尼诺·罗塔（Nino Rota）完成。这是一张具有浓郁古典风格的电影配乐，其中的多首曲目弥漫着意大利的西西里风情。

6.风のとおり道

日本著名导演宫崎骏执导的动画电影《龙猫》插曲，日本作曲家久石让创作。

7.Magic Waltz

电影《海上钢琴师》插曲，非常好听的爵士风格。

8.Hymn To The Sea

电影《泰坦尼克号》的一首插曲，曲声凄美婉转，直击人心。

9.Jungar Attack

电影《游牧战神》插曲。

10.Bag End

电影《指环王：魔戒再现》插曲。

古典音乐部分，首先推荐听一下我们中国本土的十大古曲，这是中国传统音乐的精髓。分别是《高山流水》（古琴曲）、《广陵散》（古琴曲）、《平沙落雁》（古琴曲）、《梅花三弄》（古琴曲）、《十面埋伏》（琵琶曲）、《夕阳箫鼓》（琵琶曲）、《渔樵问答》（琴箫曲）、《胡笳十八拍》（古琴曲）、《汉宫秋月》（二胡曲）、《阳春白雪》（琵琶曲）。

外国作品推荐俄国作曲家柴科夫斯基创作的三大芭蕾舞剧《天鹅湖》、《胡桃夹子》、《睡美人》；德国作曲家贝多芬的《月光奏鸣曲》、《献给爱丽丝》、《F大调浪漫曲》，德国作曲家舒曼的《童年情景》（舒曼作给妻子克拉拉的一封“情书”），奥地利作曲家舒伯特的《小夜曲》，波兰作曲家肖邦的《降E大调辉煌大圆舞曲》、《降E大调夜曲》，法国作曲家德彪西的《月光》等等。现当代的作品推荐理查德·克莱德曼钢琴曲《星空》，图森和塞内维尔所作《秋日的私语》，萨克斯曲《回家》，钢琴曲《水边的阿蒂丽娜》，钢琴曲《梦中的婚礼》，钢琴曲《爱的协奏曲》，钢琴曲《爱的纪念》。

顺便讲讲关于贝多芬创作的《献给爱丽丝》的一点有趣故事。

这首曲子可以说无人不晓了。关于这首曲子的故事也非常有意思，相信很多朋友都不知道。在18世纪初，年近40岁的贝多芬教了一个名叫特蕾泽·玛尔法蒂的女学生，并对她产生了好感，有一次在心情非常愉快舒畅的情况下写了一首《a小调巴加泰勒》的小曲赠给她，并在乐谱上题写了“献给特雷莎，1810年4月27日，为了纪念”的字样。之后，这份乐谱就一直留在特雷莎那里，贝多芬没有自留底稿，因此，他去世后在其作品目录里都没有这首曲子。直到19世纪60年代，德国音乐家诺尔为贝多芬写传记，在特雷莎·玛尔法蒂的遗物中才发现了这首乐曲的手稿。1867年，诺尔在德国西南部的城市斯图加特出版这首曲子的乐谱时，把原名《致特蕾莎》错写成《致爱丽丝》。从此，这首钢琴作品开始以《致爱丽丝》的名称在世界上广泛流传，而原名《致特蕾莎》却被人们忘记了。