昨日阅读1小时，累计阅读210小时

昨日阅读1小时，累计阅读295小时。

昨日阅读6个小时，累计阅读692小时

【学习笔记】InternationalFinance 国际金融论研究 学习笔记-28

https://bbs.pinggu.org/thread-7160586-1-1.html

Part I

Basics ofInternational Finance --28

Ch6 --4

International Parity Relationships

IRP& Exchange Rate Determination

【学习笔记】InternationalFinance 国际金融论研究 学习笔记-29

https://bbs.pinggu.org/thread-7160590-1-1.html

Part I

Basics ofInternational Finance --29

Ch6 --5

International Parity Relationships

Currency Carry Trade

1.     Currency carrytrade involves buying a currency that has a high rate of interest and fundingthe purchase by borrowing in a currency with low rates of interest, without anyhedging.

2.     The carry trade is profitable as long as the interestrate differential is greater than the appreciation of the funding currencyagainst the investment currency.

Currency Carry Trade (Example)

昨日阅读6个小时，累计阅读692小时

【学习笔记】英语词根词源挖掘学习-25

https://bbs.pinggu.org/forum.php?mod=viewthread&tid=7160622&extra=

【学习笔记】英语词根词源挖掘学习-25

英语词根词源挖掘学习-25

1，  英语词根词源挖掘学习法

2，  英语词根分解拆分记忆法学习

3，  英语词根拉丁语部分记忆学习

      1）我们知道查询是学习；

      2）我们知道搜索是学习；

      3）我们知道总结是学习；

      4）但是我们要知道日积月累是一种更重要的挖掘和学习！

两周记忆7000单词（考研必背），分享一起学习：

7000词- 最后一天

【学习笔记】英语词根词源挖掘学习-26

https://bbs.pinggu.org/forum.php?mod=viewthread&tid=7160623&extra=

【学习笔记】英语词根词源挖掘学习-26

英语词根词源挖掘学习-26

1，  英语词根词源挖掘学习法

2，  英语词根分解拆分记忆法学习

3，  英语词根拉丁语部分记忆学习

      1）我们知道查询是学习；

      2）我们知道搜索是学习；

      3）我们知道总结是学习；

      4）但是我们要知道日积月累是一种更重要的挖掘和学习！

两周记忆7000单词（考研必背），分享一起学习：

7000词- 最后一天 --2

昨日阅读2小时，累计阅读126小时。

努力学习多元化思维！！！！

昨日阅读0.5小时，总计阅读284.5小时。

昨日阅读2小时，累计503小时

示例二：可以绘制简单的形状
使用<line>   <rect><eclipse><polygon><polyline><text>等，这些标记绘制图形效果

复用内容
使用defs元素标记图形，然后使用use元素即可实现复用

    <svg viewbox="0 0 500 500" version="1.1">
         <defs>
             <circle id="s1" cx="100" cy="100" r="50" fill="red" stroke="blue" stoke-width="3" />
         </defs>
         <use x="0" y="0" xlink:href="#s1" />
         <use x="50" y="50" xlink:href="#s1" />
     </svg>

图形阴影：需要借助SVG的滤镜功能
<filter>元素设置id属性，用于确定滤镜的唯一名称。<rect>元素的filter属性将元素链接到f1滤镜
<feGaussianBlur>元素的stdDeviation属性用于设置模糊量
<feOffset>设置阴影的位移
<feColorMatrix>过滤器用来转换偏移的使之更接近黑色

    <svg xmlns="http://www.w3.org/2000/svg" version="1.1">
         <defs>
             <filter id="f1" x="0" y="0" width="200%" height="200%">
                 <feOffset result="offOut" in="SourceGraphic" dx="20" dy="20" />
                 <feColorMatrix result="matrixOut" in="offOut" type="matrix"
                 value="0.2 0 0 0 0 0 0.2 0 0 0 0 0 0.2 0 0 0 0 0 1 0" />
                 <feGaussianBlur result="blurOut" in="matrixOut" stdDeviation="10" />
                 <feBlend in="SourceGraphic" in2="blurOut" mode="normal" />
             </filter>
         </defs>
         <rect width="90" height="90" stroke="blue" stroke-width="5" fill="red" filter="url(#f1)" />
     </svg>

昨日阅读实践2小时，累计322.5小时

好东西谢谢。

昨天阅读8小时，累计阅读1836小时

6月13日
昨天阅读2小时，累计阅读1125小时

1.今天你阅读到的有价值的全文内容链接
推荐：《Applied Supervised Learning with Python》
Use scikit-learn to build predictive models from real-world datasets and prepare yourself for the future of machine learning
First Published: April 2019
pages 404
About the Book
Machine learning—the ability of a machine to give correct answers based on input data— has revolutionized the way we do business. Applied Supervised Learning with Python provides a rich understanding of how you can apply machine learning techniques to your data science projects using Python. You'll explore Jupyter notebooks, a technology that's widely used in academic and commercial circles with support for running inline code.
With the help of fun examples, you'll gain experience working on the Python machine learning toolkit—from performing basic data cleaning and processing to working with a range of regression and classification algorithms. Once you've grasped the basics, you'll learn how to build and train your own models using advanced techniques such as decision trees, ensemble modeling, validation, and error metrics. You'll also learn data visualization techniques using powerful Python libraries such as Matplotlib and Seaborn.
This book also covers ensemble modeling and random forest classifiers, along with other methods for combining results from multiple models, and concludes by delving into cross-validation to test your algorithm and check how well the model works onunseen data.
By the end of this book, you'll be equipped to not only work with machine learning
algorithms, but also be able to create some of your own!
https://bbs.pinggu.org/thread-7159577-1-1.html

单词挑战第6月第21天
Return on equity 股本回报; 净资产收益率 ; 净资产
return on common equity 收益率 ; 普通权益报酬率 ; 权益报酬率
OE return on equity 股本回报率
Return on equity returns 净资产收益回报率
return on total equity 资本总额利润率 ; 全部资产报酬率
Return on Equity Model 投资回报模式（赢利模式）
Reinyested Return on Equity 股权收益的再投资
return on shareholders equity 股东权益收益率
Global return on equity 全球股本回报
The paper expound an innovate method to confirm the prohibited shares' present value: the price is based on net assets per share, and adjusted by average return on equity and P/B level.

1.背单词1个 - O
2.飞鸟式36个 - O
3.CodePractices 0.5 hr - X
4.论坛收集资料30分钟*3 - O
5.CloudZhuang45minutes - O

昨天阅读5小时，累计阅读2585小时

昨日阅读2小时，累计阅读1002小时。

今天学习和阅读约5小时，累计阅读约2310小时。
学习和投资心得：
科创板注册制：
今日午后开盘，大盘跳水跌逾1%；随后迅速反弹，在券商股的领涨下沪指直线攀升翻红，中信建投直线拉升近10个点。五分钟后消息面显示：“黑龙江省军工企业新光光电明确备战科创板，已选中信建投担任上市辅导机构”，所以券商股上涨、沪指反弹的逻辑也就逐渐清晰。近期科创板已经开始轮番爆出各种利好，至于说券商股会不会有第二春？值得关注的是：3月12日，上交所向各保荐机构发布了《关于组织科创板股票发行上市审核系统集中测试演练的通知》，于3月13日下午一点进行科创板发行上市申请文件提交与受理环节的集中测试演练。直到3月15日系统测试结束之后，3月18日起，审核系统将正式进入生产状态，所有通过审核系统提交的文件，都将被视为正式的科创板股票发行上市申请文件。就是说下周一科创板将会开启“中国特色”注册制。国发行体制和之前讲到的上市标准一样，都在不断变得“宽松”（监管并未宽松）。从最早的行政审批制，股票发行由国务院根据经济发展和市场供求的情况，在宏观上制定一个当年股票发行总规模；到当前的核准制，保荐人推荐符合条件的公司公开发行证券和上市，证监会负责核准并决定是否发行；直至们当前热议的注册制，审核权下放上交所，之后于证监会完成注册，证监会不做实质性审核而只负责监督之职。注册制与其他制度最大的不同在于：实质性审核的机构在逐渐下放，从最早的国务院确定额度（总量控制、限报家数），到当前注册制中上交所及中介机构来负责实质性审核。还有此前提到的科创板的那五套市值标准及红筹股、同股不同权等方面的革新，可以看出对于上市公司的态度越来越友好。注册制：实质性审核由交易所和中介机构来承担的，证监会不做实质性审核而只负责监督之职。可以说这就是注册制与核准制最大的革新所在。但是对于监管将会更加严厉，一旦发现上市公司出现违规造假，立即停牌退市，且对其上市公司及中介机构予以严惩。细心的投资朋友会知道，注册制并非第一次推出，早在新三板及战略新兴板中已经有过提案，那这次的注册制有什么不同？们下次再重点分析，并不难发现：当前科创板其实就是当时“战略新兴板”及CDR的改良版。

昨日阅读时间1小时，总阅读时间202小时。

昨日阅读2小时，累计阅读522小时。

昨天阅读时间1小时，总阅读时间525小时。

昨日阅读1小时，累积阅读137小时。

昨日阅读3小时，累计阅读185小时

昨日阅读1小时，累计阅读99小时

昨日阅读1小时，累计阅读594

阅读2小时，累计阅读368小时

昨日阅读0.5小时，累计阅读418小时

昨天阅读1小时，累计阅读615小时。

昨天阅读1小时，累计阅读665小时。

昨天阅读时间3小时，累计阅读时间424小时

今日阅读1小时，累积阅读502小时

昨日阅读1小时，累计阅读850小时

昨日阅读2小时，累计阅读270小时。