還記得我在11月中的文章分析有拿2020當時的航海股來對比現在的記憶體嗎? 不記得的可以看這篇文章(20251111台股盤後 - 記憶體vs航運股)
一個半月過去了，讓我們看看現在這個對比成不成立，不囉嗦直接上圖
付費限定
【訂閱限定】記憶體 vs 航運股 - 股價走勢對比追蹤
更新 發佈閱讀 2 分鐘
投資理財內容聲明
以行動支持創作者！付費即可解鎖
本篇內容共 579 字、0
則留言，僅發佈於【訂閱限定】實戰交易室你目前無法檢視以下內容，可能因為尚未登入，或沒有該房間的查看權限。
留言
交易書生的研究室
162會員
273內容數
歡迎來到交易書生的研究室，我將在這分享盤勢觀點、交易技術與心法、並逐一解析歷史飆股，幫助你在未來的日子，能夠找到屬於你自己的飆股
你可能也想看
在 vocus 與你一起探索內容、發掘靈感的路上，我們又將啟動新的冒險——vocus App 正式推出！
現在起，你可以在 iOS App Store 下載全新上架的 vocus App。
無論是在通勤路上、日常空檔，或一天結束後的放鬆時刻，都能自在沈浸在內容宇宙中。
在 vocus 與你一起探索內容、發掘靈感的路上，我們又將啟動新的冒險——vocus App 正式推出！
現在起，你可以在 iOS App Store 下載全新上架的 vocus App。
無論是在通勤路上、日常空檔，或一天結束後的放鬆時刻，都能自在沈浸在內容宇宙中。
vocus 慶祝推出 App，舉辦 2026 全站慶。推出精選內容與數位商品折扣，訂單免費與紅包抽獎、新註冊會員專屬活動、Boba Boost 贊助抽紅包，以及全站徵文，並邀請你一起來回顧過去的一年， vocus 與創作者共同留下了哪些精彩創作。
vocus 慶祝推出 App，舉辦 2026 全站慶。推出精選內容與數位商品折扣，訂單免費與紅包抽獎、新註冊會員專屬活動、Boba Boost 贊助抽紅包，以及全站徵文，並邀請你一起來回顧過去的一年， vocus 與創作者共同留下了哪些精彩創作。
📈 趨勢發展：
18 日美股全面收高，背後主要是兩股力道疊加：一是通膨讀數比預期更溫和，使利率下調的想像升溫；二是 AI 相關需求帶動記憶體產業的景氣敘事再度轉強。從走勢來看，三大指數自約三週低點回彈，對利率敏感的小型股同步上行，代表資金不只回流大型權值，也開始擴散到更吃「融資成本」的族群。
📈 趨勢發展：
18 日美股全面收高，背後主要是兩股力道疊加：一是通膨讀數比預期更溫和，使利率下調的想像升溫；二是 AI 相關需求帶動記憶體產業的景氣敘事再度轉強。從走勢來看，三大指數自約三週低點回彈，對利率敏感的小型股同步上行，代表資金不只回流大型權值，也開始擴散到更吃「融資成本」的族群。
#經理人持倉指數
目前經理人持倉指數還在減少中，也就是還在減碼市場的商品換取現金。
而依照過去慣性我們以時間周期來看，不管是多頭還是空頭市場都是一樣的時間量化統計數據，平均的修正時間是4周。
11/5號已經開始有警訊，偶爾會出現的亞美蝶要出現了，通常發生的時間點，也都是台灣散戶投資人會
#經理人持倉指數
目前經理人持倉指數還在減少中，也就是還在減碼市場的商品換取現金。
而依照過去慣性我們以時間周期來看，不管是多頭還是空頭市場都是一樣的時間量化統計數據，平均的修正時間是4周。
11/5號已經開始有警訊，偶爾會出現的亞美蝶要出現了，通常發生的時間點，也都是台灣散戶投資人會
🧑💻訂閱每週【🔗投資週報】：即時行情分析不漏接
《別把你的錢留到死》提醒我們金錢不只是存起來，更要在有限人生中用對地方。 本集涵蓋五大重點：
1.如何打破傳統「存到老」的觀念
2.認識人生三大最重要的資源
3.學會經營「記憶股息」，把錢轉換成難忘體驗
4.思考如何傳承而非只留下財富
5.
🧑💻訂閱每週【🔗投資週報】：即時行情分析不漏接
《別把你的錢留到死》提醒我們金錢不只是存起來，更要在有限人生中用對地方。 本集涵蓋五大重點：
1.如何打破傳統「存到老」的觀念
2.認識人生三大最重要的資源
3.學會經營「記憶股息」，把錢轉換成難忘體驗
4.思考如何傳承而非只留下財富
5.
首先，4萬元的課程，裡面包涵我修正了好幾次版本的交易精華，已經達到75頁，以後有機會可以去出版，我還在累積回饋跟寫作能量。所以4萬元的教材可以提供自學選擇權與期貨，這個模式已經有第一任大徒弟，也就是賺到50萬的大學姊感受到我的威力跟實力。
如果支付我10萬元，給我三個月的時間，我會徹底改變你的交易
首先，4萬元的課程，裡面包涵我修正了好幾次版本的交易精華，已經達到75頁，以後有機會可以去出版，我還在累積回饋跟寫作能量。所以4萬元的教材可以提供自學選擇權與期貨，這個模式已經有第一任大徒弟，也就是賺到50萬的大學姊感受到我的威力跟實力。
如果支付我10萬元，給我三個月的時間，我會徹底改變你的交易
How to utilize batch input and multi-processing techniques to accelerate feature engineering?
問題
在進行特徵工程的過程中，我們通常需要處理各種各樣的數據，並轉換它們成有意義的特徵，以供後續的模型訓練
How to utilize batch input and multi-processing techniques to accelerate feature engineering?
問題
在進行特徵工程的過程中，我們通常需要處理各種各樣的數據，並轉換它們成有意義的特徵，以供後續的模型訓練
