程序员的金融笔记:经济学原理-宏观经济学-曼昆-第7版

曼昆 宏观经济学 笔记 241203备份 大多数生产函数具有边际产量递减的性质,在资本量不变的情况下,随着劳动量的增加,劳动的边际产量递减。在一个只有资本和劳动两种生产要素的经济中,两种要素价格是资本所有者所收取的租金和工人所赚到工资。劳动的边际产量:MPL,是在资本量不变的情况下,企业多雇佣一单位劳动所得到的额外产量。企业的目标是利润最大化,所以,利润最大化的目标决定了资本和劳动的需求量。由于本章中,假设要素供给不变,所以我们转向考虑,什么决定了要素需求。,Y是产出,K是资本量,L是劳动量,F是生产函数,取决于技术。............... 阅读详情

《经济学原理》曼昆 - 第7版 - 2015年5月
 
经济
人们生产、流通、分配、消费一切物质精神资料的总称
 
经济学
研究 如何 对 社会稀缺资源 进行 有效分配
 
微观经济学
研究单个经济单位(单个生产者、单个消费者、单个市场经济活动)
 
宏观经济学
使用国民收入、经济整体的投资和消费等总体性的统计概念 来分析经济运行规律


1、国内生产总值(GDP)

  • Gross Domestic Product
  • 按市场价格计算的一个国家(或地区)所有常住单位在一定时期内生产活动的最终成果

不包括家庭内的生产和消费
A支付 B对A的煮饭钱 计入GDP;
若B私下给A煮饭,则该费用难以被统计(隐蔽经济);
若AB结婚,B对A煮饭的价值就不计入GDP。

租房计入GDP,住自家不需要付租金,但也要计入GDP;
基于一个假设:所有者将房屋出租给自己,然后通过 租金价值 来估算 自有房产的GDP。

生产活动:
A将二手车卖给B时,二手车价值不计入GDP。

最终成果:
用纸生产贺卡时,纸为中间物品,贺卡为最终物品。

1.1、GDP组成

G D P = 消 费 + 投 资 + 政 府 购 买 + 净 出 口 GDP = 消费 + 投资 + 政府购买 + 净出口 GDP=消费+投资+政府购买+净出口

  • 消费(consumption):家庭除购买新住房之外用于物品与服务的支出
  • 投资(investment):对用于未来生产更多物品和服务的物品的购买,包括资本设备、存货和建筑物购买
  • 政府购买(government purchase):政府用于物品与服务的支出,包括政府员工的薪水和用于公务的支出
  • 净出口(net export): 净 出 口 = 出 口 − 进 口 净出口 = 出口 - 进口 净出口=出口−进口

新住房购买划入投资(建筑物购买)而非消费

1.2、GDP平减指数

  • GDP deflator
  • G D P 平 减 指 数 = 名 义 G D P 真 实 G D P × 100 GDP平减指数 = \frac{名义GDP}{真实GDP} \times 100 GDP平减指数=真实GDP名义GDP​×100
  • 名义GDP:按现期价格评价的物品与服务的生产
  • 真实GDP:按不变价格(首先要指定某年作为基年)评价的物品与服务的生产
  • 通货膨胀率:衡量 从上一时期到下一时期 某个物价水平 的 变动百分比

计算某国相邻两年的通货膨胀率,按第一年为基年,基年GDP平减指数为100:
通 货 膨 胀 率 第 二 年 = G D P 平 减 指 数 第 二 年 − G D P 平 减 指 数 第 一 年 G D P 平 减 指 数 第 一 年 × 100 % = 名 义 G D P 第 二 年 真 实 G D P 第 二 年 − 1 通货膨胀率_{第二年} = \frac{GDP平减指数_{第二年}-GDP平减指数_{第一年}}{GDP平减指数_{第一年}} \times 100\% = \frac{名义GDP_{第二年}}{真实GDP_{第二年}} - 1 通货膨胀率第二年​=GDP平减指数第一年​GDP平减指数第二年​−GDP平减指数第一年​​×100%=真实GDP第二年​名义GDP第二年​​−1

2、消费物价指数(CPI)

  • Consumer Price Index
  • 普通消费者 所购买的物品与服务的 总费用的 衡量指标

C P I = 一 篮 子 价 格 当 年 一 篮 子 价 格 基 年 × 100 CPI = \frac{一篮子价格_{当年}}{一篮子价格_{基年}} \times 100 CPI=一篮子价格基年​一篮子价格当年​​×100
通 货 膨 胀 率 第 二 年 = C P I 第 二 年 − C P I 第 一 年 C P I 第 一 年 × 100 % 通货膨胀率_{第二年}=\frac{CPI_{第二年} - CPI_{第一年}}{CPI_{第一年}} \times 100 \% 通货膨胀率第二年​=CPI第一年​CPI第二年​−CPI第一年​​×100%

年份菜价肉价固定篮子(2菜1肉)消费物价指数通货膨胀率
201812 1 × 2 + 2 × 1 = 4 1 \times 2+2 \times 1=4 1×2+2×1=4100
201923 2 × 2 + 3 × 1 = 7 2 \times 2+3 \times 1=7 2×2+3×1=7 ( 7 / 4 ) × 100 = 175 (7/4) \times 100=175 (7/4)×100=175 ( 175 − 100 ) / 100 × 100 % = 75 % (175-100)/100 \times 100\%=75\% (175−100)/100×100%=75%
202034 3 × 2 + 4 × 1 = 10 3 \times 2+4 \times 1=10 3×2+4×1=10 ( 10 / 4 ) × 100 = 250 (10/4) \times 100=250 (10/4)×100=250 ( 250 − 175 ) / 175 × 100 % = 43 % (250-175)/175 \times 100\%=43\% (250−175)/175×100%=43%

2.1、生产者价格指数(PPI)

  • Producer Price Index
  • 衡量 工业企业 产品出厂价格 变动趋势和变动程度 的指数
  • PPI可用于预测CPI

2.2、真实利率 & 名义利率

  • Real Interest Rate
  • 根据通货膨胀校正的利率
  • 真 实 利 率 = ( 1 + 名 义 利 率 ) / ( 1 + 通 货 膨 胀 率 ) − 1 ≈ 名 义 利 率 − 通 货 膨 胀 率 真实利率 = (1+名义利率)/(1+通货膨胀率)-1 \approx 名义利率 - 通货膨胀率 真实利率=(1+名义利率)/(1+通货膨胀率)−1≈名义利率−通货膨胀率

3、生产率

3.1、生产率的决定因素

  • 物质资本:用于 生产物品与服务的 设备和建筑物存量
  • 人力资本:工人 通过 教育、培训和经验 而获得的 知识与技能
  • 自然资源:由自然界提供的 用于生产物品与服务的 投入,如 土地、河流、矿藏…
  • 技术知识:社会对 生产物品与服务的 最好方法的了解

产 量 = 常 数 × f ( 劳 动 量 , 物 质 资 本 , 人 力 资 本 , 自 然 资 源 ) 产量 = 常数 \times f(劳动量,物质资本,人力资本,自然资源) 产量=常数×f(劳动量,物质资本,人力资本,自然资源)
技术知识 正向影响 常数

规模收益不变,劳动量=1时:
单 位 产 量 = 常 数 × f ( 1 , 人 均 物 质 资 本 , 人 均 人 力 资 本 , 人 均 自 然 资 源 ) 单位产量 = 常数 \times f(1,人均物质资本,人均人力资本,人均自然资源) 单位产量=常数×f(1,人均物质资本,人均人力资本,人均自然资源)

3.2、储蓄和投资

  • 因 资源稀缺, 在 生产资本 和 生产现期的物品与服务 之间,若 资本投入增加,则 消费减少,现期收入 被 储蓄起来,用于未来的投资
  • 传统生产中,资本受到收益递减的制约:随着资本存量的增加,由增加的一单位资本生产的额外产量减少
  • 追赶效应:开始时贫穷的国家倾向于比开始时富裕的国家增长更快的特征

4、金融

  • 金融:货币的发行、流通和回笼,贷款的发放和收回,存款的存入和提取,汇兑的往来等经济活动
  • 证券:用来证明券票持有人享有的某种特定权益的法律凭证
  • 债券:政府、企业、银行等债务人为筹集资金,按照法定程序发行并向债权人承诺于指定日期还本付息的有价证券
  • 股票:股份公司为筹集资金而发行给各个股东作为持股凭证并借以取得股息和红利的一种有价证券

4.1、金融市场

  • 金融市场:经营货币资金借款、外汇买卖、有价证券交易、债券和股票的发行、黄金等贵金属买卖场所的总称,直接金融市场与间接金融市场的结合共同构成金融市场整体。
    按融资期限可分为:短期金融市场(货币市场)和长期金融市场(资本市场)。
    按交易对象可分为:本币市场、外汇市场、黄金市场、证券市场…
  • 证券市场:证券(股票、债券、商品期货、股票期货、期权、利率期货…)发行和交易的场所。
  • 债券市场:发行和买卖债券的场所。
  • 股票市场:已经发行的股票转让、买卖和流通的场所,包括交易所市场和场外交易市场两大类别。

4.2、金融机构 & 金融中介机构

  • 金融中介机构:从 资金的盈余单位吸收资金 提供给 资金赤字单位以及提供各种金融服务 的经济体。
    主要功能:信用创造、清算支付、资源配置、信息提供、风险管理。
  • 金融机构(financial intermediation):从事金融业有关的金融中介机构
    包括:银行、证券公司、保险公司、信托投资公司、基金管理公司…

4.3、储蓄

  • 国民储蓄(national saving):国民可支配收入扣除用于最终消费支出后的部分

储 蓄 = G D P − 消 费 − 政 府 购 买 = ( G D P − 税 收 − 消 费 ) + ( 税 收 − 政 府 购 买 ) = 私 人 储 蓄 + 公 共 储 蓄 储蓄 \\= GDP - 消费 - 政府购买 \\ = (GDP - 税收 - 消费)+(税收 - 政府购买) \\= 私人储蓄 + 公共储蓄 储蓄=GDP−消费−政府购买=(GDP−税收−消费)+(税收−政府购买)=私人储蓄+公共储蓄

可贷资金市场
投资激励 增加了 可贷资金的需求

预算盈余: 税 收 > 政 府 购 买 税收 > 政府购买 税收>政府购买
预算赤字: 税 收 < 政 府 购 买 税收 < 政府购买 税收<政府购买
政府预算赤字 对利率的影响

4.4、现值 & 终值 & 基本面分析

  • 现值(present value):未来一定量的货币 现在的价值(按现行利率算)
  • 终值(future value):现在一定量的货币 未来的价值(按现行利率算)
  • 复利:在计算利息时,某一计息周期的利息是由本金加上先前周期所积累利息总额来计算的计息方式
  • 基本面分析:研究一家公司的 会计报表和未来前景,从而分析其价值。
  • 有效市场假说:在法律健全、功能良好、透明度高、竞争充分的股票市场,一切有价值的信息已经及时、准确、充分地反映在股价走势当中,其中包括企业当前和未来的价值,除非存在市场操纵,否则投资者不可能通过分析以往价格获得高于市场平均水平的超额利润。

5、货币制度

5.1、货币

  • currency;money;coin;monetary
  • 度量价格的工具、购买货物的媒介、保存财富的手段,是财产的所有者与市场关于交换权的契约,本质上是所有者之间的约定
  • 职能:价值尺度、流通手段、贮藏手段、支付手段、世界货币
货币简史
物物交换
贝壳
金属货币
可兑换纸币
不兑换纸币
电子货币

可兑换纸币,金本位制
不兑换纸币,金本位制奔溃,与“信用”挂钩
商品货币:以 有内在价值商品 为形式的货币
法定货币:没有内在价值、由政府法令确定作为通货的使用的货币

5.2、银行 & 美联储

  • 银行(bank):是依法成立的经营货币信贷业务的金融机构。
    是商品货币经济发展到一定阶段的产物。
  • 中央银行(Central Bank):国家中居主导地位的金融中心机构。
    负责制定并执行国家货币信用政策,独具货币发行权,实行金融监管。
  • 商业银行(Commercial Bank):以营利为目的,具有存款、贷款、汇兑、储蓄等业务,具有信用创造功能的金融机构
  • 联邦储备(Federal Reserve):美国的中央银行。简称美联储。

5.2.1、准备金 & 货币乘数 & 杠杆

准备金:银行得到 但没有贷款出去的 存款
准备金率:银行 作为准备金持有的存款比例

货币乘数:货币供给 与 基础货币 的 比率

杠杆:将借到的货币 追加到 用于投资的现有资金上

银行所有者权益50美元,总资产1000美元,杠杆倍数=1000/50=20;
当一些借钱人不能还钱给银行 导致银行总资产下降5%时,储户和债权人 比 银行所有者 优先获得950万补偿,此时银行就会破产。

5.2.2、美联储 控制 货币供给

发行国债
国民取出存款,购买国债,货币供给减少
法定准备金
法定准备金提高,货币供给减少
贴现率(美联储 向 银行 发放贷款 的 利率)
贴现率提高,银行借款减少,货币供给减少
联邦基金利率:银行互相贷款时收取的短期利率
联邦基金利率 和 贴现率 密切相关(哪种借钱方式便宜就用哪种)

6、通货膨胀

货币注入的影响

货币数量方程式
货 币 流 通 速 度 × 货 币 量 = 物 价 水 平 × 产 量 货币流通速度 \times 货币量 = 物价水平 \times 产量 货币流通速度×货币量=物价水平×产量
货币流通速度
货 币 流 通 速 度 = 名 义 G D P / 货 币 量 = ( 物 价 水 平 × 产 量 ) / 货 币 量 货币流通速度 = 名义GDP / 货币量 = (物价水平 \times 产量) / 货币量 货币流通速度=名义GDP/货币量=(物价水平×产量)/货币量

名义利率和通货膨胀率

真 实 利 率 = 名 义 利 率 − 通 货 膨 胀 率 真实利率 = 名义利率 - 通货膨胀率 真实利率=名义利率−通货膨胀率
费雪效应:根据 通货膨胀率 来调整 名义利率

7、开放经济

  • 开放经济:与世界上其他经济自由交易的经济
  • 封闭经济:不与世界上其他经济相互交易的经济
  • 出口:在国内生产而在国外销售的物品与服务
  • 进口:在国外生产而在国内销售的物品与服务
  • 净出口:出口值 减 进口值
  • 贸易赤字=贸易逆差=贸易入超:各国家或地区在一定时期内的进口额大于出口额的现象
  • 贸易盈余=贸易顺差=贸易出超:各国家或地区在一定时期内的出口额大于进口额的现象

在封闭经济中: 储 蓄 = 投 资 储蓄 = 投资 储蓄=投资
在开放经济中: 储 蓄 = 国 内 投 资 + 资 本 净 流 出 储蓄 = 国内投资 + 资本净流出 储蓄=国内投资+资本净流出

贸易赤字时:
净 出 口 < 0 净出口 < 0 净出口<0
G D P = 消 费 + 投 资 + 政 府 购 买 + 净 出 口 GDP = 消费 + 投资 + 政府购买 + 净出口 GDP=消费+投资+政府购买+净出口
G D P < 消 费 + 投 资 + 政 府 购 买 GDP < 消费 + 投资 + 政府购买 GDP<消费+投资+政府购买
净 出 口 = 资 本 净 流 出 净出口 = 资本净流出 净出口=资本净流出
资 本 净 流 出 < 0 资本净流出 < 0 资本净流出<0
储 蓄 = 国 内 投 资 + 资 本 净 流 出 储蓄 = 国内投资 + 资本净流出 储蓄=国内投资+资本净流出
储 蓄 < 国 内 投 资 储蓄 < 国内投资 储蓄<国内投资

7.1、汇率(外汇利率)

  • 汇率(exchange rate):两种货币之间兑换的比率
  • 名义汇率:未经物价指数调整计算的汇率
  • 真实汇率:一国的物品与劳务 交换 另一国的物品与劳务 的 比率
    真 实 汇 率 = 名 义 汇 率 × 国 内 价 格 国 外 价 格 真实汇率 = \frac{名义汇率 \times 国内价格}{国外价格} 真实汇率=国外价格名义汇率×国内价格​
  • 购买力平价:根据各国不同的价格水平计算出来的货币之间的等值系数

7.2、外汇市场

外汇市场:从事外汇买卖,调剂外汇供求的交易场所
国内真实利率越低,购买本国货币越少,购买外国货币越多,资本净流出越高

开放经济中的均衡

政府预算赤字的影响

8、短期经济波动

经济波动是随时间推移,经济变量围绕长期趋势的起伏运动

总需求曲线

总供给曲线
长期总供给曲线

短期总供给曲线

长期均衡

短期波动原因

9、失业

9.1、劳动力

  • 就业者:一定年龄(≥16周岁)的,从事一定社会劳动 并取得一定劳动报酬或经营收入的 人员
  • 失业者:短期(约1个月)内努力找工作但没找到的人
  • 劳动力:包括就业者和失业者的 工人总数
    劳 动 力 = 就 业 者 人 数 + 事 业 者 人 数 劳动力 = 就业者人数 + 事业者人数 劳动力=就业者人数+事业者人数
  • 非劳动力
    全日制学生、家务劳动者、退休人员…

9.2、失业率

失 业 率 = 失 业 者 人 数 劳 动 力 失业率 = \frac{失业者人数}{劳动力} 失业率=劳动力失业者人数​
劳 动 力 参 工 率 = 劳 动 力 成 年 人 口 劳动力参工率 = \frac{劳动力}{成年人口} 劳动力参工率=成年人口劳动力​

自然失业率:波动的正常失业率
周期失业率:失业率对自然失业率的背离

  • 摩擦性失业:例如换工作导致的短期失业
  • 结构性失业:经济产业变动 使 劳动力市场的结构特征与社会对劳动力需求不吻合,而导致的失业。

美国就业数据

9.3、最低工资

通常导致职业技能性低的劳工失业,尤其是青少年
部分劳动需求(技能要求低的)转为兼职形式

曼昆宏观经济学第8版笔记及课后答案 原地址附文件:http://zgw.100xuexi.com/SubItem/IndexInfoDetail.aspx?id=a92e05f7-3c4b-47da-b608-83ad36386d7d 第8篇 宏观经济学的数据 第23章 一国收入的衡量 23.1 复习笔记 1.经济的收入与支出 在一国的宏观经济中,收入必定等于支出。这是因为,在每一次交易中,卖者的收入必定等于买者的支出。国内生产总值... 阅读详情

相关推荐

Mankiw N.G. Principles of Economics (5th).pdf

N.Gregory Mankiw is professor of economics at Harvard University.As a stu-dent,he studied economics at Princeton University and MIT.As a teache he has taughtmacroeconomics,microeconomics,statistics,and principles of economics.

《曼昆—微观经济学》_重点总结

需求曲线的形状决定边际收益曲线的形状,边际收益曲线的形状又决定了垄断者的利润最大化产量。在竞争市场上,可以在不了解需求曲线的情况下分析供给决策,但在垄断市场上,这是不正确的。负外部性使市场生产的数量大于社会合意的数量,正外部性使市场生产的数量小于社会合意的数量。无论最初的权利如何分配,有关各方总可以达成一种协议,在这种协议中,每个人的状况都可以变好,而且,结果是有效率的。但是,由于同一条直线上弹性值不同,这就决定了在陡峭的曲线的上部,降价也能增加销售收入,反之,在平坦曲线的下部,降价则要减少销售收入。

qq_67692062的博客 2881

经济学原理第7版(曼昆)宏观经济学复习重点.pdf

经济学原理第7版(曼昆)宏观经济学复习重点.pdf

曼昆经济学原理_第五版[1].txt.doc

第一章经济学十大原理 在本章中你将—— 知道经济学研究稀缺性资源配置 考察人们面临的一些交替关系 知道机会成本的含义 懂得在作出决策时如何运用边际推理 讨论激励如何影响人们的行为 考虑为什么人们或国家之间的交易可以使各方面受益 -9 经济学原理第五版  讨论为什么市场是一种良好的、但并不是完善的资源配置方式 了解是什么因

西_北 2万+

中国宏观经济形势分析与预测年度报告(2018-2019)-上财-201812.pdf

中国宏观经济形势分析与预测年度报告(2018-2019)-上财-201812.pdf

从“氛围编程“到“智能体工程“:AI编程范式的认知跃迁与工程实践

摘要: 2026年,ClaudeCode负责人鲍里斯·切尔尼提出用“智能体工程”(Agent Engineering)替代流行的“氛围编程”(Vibe Coding),认为后者过于主观,无法体现AI编程的系统化与工程化本质。智能体工程强调记忆系统、工具编排、任务分解、可观测性等核心技术,将AI编程从“玄学辅助”升级为可度量、可规模化的工程学科。本文通过对比术语差异、构建知识体系,并结合代码实例(如带记忆系统的代码生成Agent和可观测性系统),展示了智能体工程的实际应用。行业案例(如ClaudeCode的并

yyq916的博客 1062

微观经济学(曼昆)笔记

市场经济(market economy):与许多企业和家庭在物品与服务市场上相互交易时,通过他们的分散决策配置资源的经济。市场势力(market power):单个经济活动者(或某个经济活动小群体)对市场价格有显著影响的能力。理性人做决策比较边际收益(marginal benefit)与边际成本(marginal cost)。市场失灵(market failure):市场本身不能有效配置资源的情况。外部性(externality):一个人的行为对旁观者的福利产生了影响。大多数通货膨胀的原因:货币量的增长。

m0_62994799的博客 953

Arduino IDE 2.3.2 配置 UNO R4 WIFI 开发环境避坑指南(附LED矩阵驱动测试)

本文详细介绍了如何在Arduino IDE 2.3.2中配置UNO R4 WIFI开发环境,并提供了LED矩阵驱动的实战指南。从开发环境搭建到硬件连接,再到LED矩阵的初始化和弹球动画实现,手把手教你避开常见配置陷阱,最终实现流畅的动画效果。特别适合刚接触UNO R4 WIFI的开发者快速上手。

weixin_28675839的博客 221

曼昆《经济学原理》第九版 宏观经济学 第二十一章生产与增长

增长是选择,更是系统工程核心逻辑生产率是经济增长的终极源泉,但需多要素协同;中国正从“要素驱动”转向“创新驱动”,需破解制度、环境、人口多重约束。金句“增长不是命中注定,而是明智政策与集体行动的结果。” —— 曼昆《经济学原理》(注:本章内容在曼昆原著中侧重理论模型,本讲解结合中国实践进行了扩展,完整理论框架请参阅教材第21章。

weixin_41380194的博客 889

金融数据自动化:从同花顺API到Excel的智能转换之旅

本文详细介绍了如何利用同花顺API实现金融数据自动化处理,并将其智能转换为Excel格式的全流程。通过Python编程和Excel高级技巧,读者可以掌握从数据获取、清洗到输出的完整解决方案,大幅提升金融数据分析的效率和准确性。文章特别强调了同花顺API的使用技巧和Excel自动化输出的最佳实践。

sql99的博客 462

电子技术设计——16×16点阵汉字显示设计

同时,设计还应注重提升显示品质,以保证汉字的稳定展示和观感舒适。本设计的目的是构建一个能够准确在LED点阵上展示汉字的系统,并允许用户通过输入设备来选择所需的汉字,我们将验证设计方案的实际操作性和效果,以确保其满足设计目标。在LED点阵显示和汉字信息处理技术的结合下,研究者们着手研究如何在LED点阵上有效地显示汉字,并提出了一系列显示算法和优化策略,旨在实现清晰且易于阅读的汉字显示效果。首先,你需要准备16×16的LED点阵面板,通常这些点阵是8×8点阵的两倍,因此可以由两个8×8的点阵组合而成。

weixin_68094467的博客 1533

程序员的金融笔记:经济学原理-微观经济学-曼昆-第7版

1、市场 1.1、供给 & 需求 & 弹性 1.2、价格上限 & 价格下限 2、税收 2.1、税收归宿 & 赋税的无谓损失 2.2、税制 3、消费者 & 生产者 & 市场效率 4、外部性 & 公共物品 & 公共资源 5、国际贸易 5.1、出口国 & 进口国 5.2、关税 6、生产成本 6.1、利润 6.2、生产函数 6.3、成本曲线 6.4、短期成本 & 长期成本 7、市场竞争 & 垄断 & 寡头 8、劳动市场 8.1、生产要素市场 8.2、收入与歧视 9、消费者选择理论 9.1、预算约束 9.2、消费者偏

ArYe 2175

virtuoso:layout如何做flat修drc

有些drc在virtuoso layout中修更节省时间,比如遇到一些via array需要做删改时,发现工具把via array做成了一个cell,如图。去改cell可能会影响很多via,所以最好的办法是做flat,去调整cut,比如删除。我正在「拾陆楼」和朋友们讨论有趣的话题,你⼀起来吧?

m0_61544122的博客 342

曼昆《宏观经济学》(第10版)笔记和课后习题答案

import csv def write_csv_file(rows = [], user_file_name = 'index'): with open(user_file_name + '.csv', 'w', newline='') as csv_file: writer = csv.writer(csv_file) writer.writerows(rows) print('Writing to ' + user_file_name + '.csv.

m0_48400495的博客 1万+

YOLOv5源码逐行超详细注释与解读(5)——配置文件yolov5s.yaml

全网最详细的YOLOv5源码解读之配置文件yaml。逐行注释,逐句讲解,一文带你了解yaml。小白必看!

路人贾的博客 1万+

【ComfyUI专栏】ComfyUI 常用工作流下载与分享网址

首先我们来分享第一个网站,Openart 网站,这个网站同时也能提供比较多的其他类型。但是如果希望下载工作流,我们可以访问到如下的这个站点。作为ComfyUI的学习用户来说,我们通常需要借助他山之石来帮助我们快速成长,因此我们需要找到能够分享和下载的网址。,当前网站是综合性网站,在网站中可以下载各种不同的类型,其中工作流只是可以下载的非常小的部分。这个网站也可以浏览不同的工作流,这个工作流的地址和访问如下的站点。

技术与管理的平衡木- 7834

(休息几天)读曼昆之微观经济学——税收归宿

当政府对某商品征税时,谁是税收的真正承担者?是买方还是卖方承担了税收?或者是买卖双方分摊了税收负担,如果是,决定税收分摊比例的因素是什么?政府规定税收在买卖双方中的分摊比例(比如本例中的镇长建议的)是否可行? 这些问题的回答需要使用到一个叫作税收归宿的术语。税收归宿(tax incidence)是指税收负担如何在组成经济中的各种人群中进行分配。 1假设对卖方征税 图表明冰淇淋的均衡价格从3 ...

No_Game_No_Life_的博客 1万+

LFM线性调频信号的MATLAB仿真

线性调频(LFM)是一种不需要伪随机编码序列的扩展频谱调制技术。由于线性调频信号占用的频带宽度远大于信息带宽,所以也可以获得很大的系统处理增益。线性调频信号又称鸟声(Chirp)信号,因为其频谱带宽落于可听范围,则听若鸟声,所以又称Chirp扩展频谱(CSS)技术。LFM技术在雷达、声纳技术中有广泛应用,如在雷达定位技术中,它可在增大射频脉冲宽度、提高平均发射功率、加大通信距离同时又保持足够的信号频谱宽度,不降低雷达的距离分辨率。线性调频(LFM)是一种不需要伪随机编码序列的扩展频谱调制技术。

平时工作较为繁忙,私信消息一般晚上回复,谢谢大家~~ 905

曼昆宏观经济学思维导图pdf_史上最全人大802经济学考研经验贴

本经验贴分为五个部分,涵盖了招经济学的院系及专业、参考书目、考试题型、专业课高分学长复习规划表、报录比及考情分析。众所周知,人大经济学实力强大,众多专业为全国理论经济学和应用经济学重点专业,吸引了众多考生报考。人大绝大部分经济类专业专业课考试科目为“802 经济学综合”。农业与农村发展学院部分经济类专业专业课考试科目为“834 经济学”(只考宏微观经济学,无政治经济学)一、802经济学的院系及专业...

weixin_29775951的博客 3124

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

曼昆经济学原理(微经部分)笔记整理

【这里是曼昆的经济学原理微观经济学部分的一些笔记整理。用的是第五版的教材。 这本书是本科低年级期间所学,因此有些内容不太熟悉了。最近在学习马克思的剩余价值理论学说史,为了参考,重新捡起这本书,并把之前的标注和笔记整理在这里。 整理的内容和相关材料的取舍不代表该书中内容的重要程度,仅和笔者自己的学习情况有关。对于自己不熟悉的内容就多记录一些,熟悉的内容就不再记录。】 本书...

weixin_30663391的博客 3361

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

曼昆:经济学十大原理

曼昆:经济学十大原理  原理一:人们面临权衡取舍People face trade offs当人们组成社会时,他们面临各种不同的权衡取舍。典型的是在“大炮与黄油”之间的选择。在现代社会里,同样重要的是清洁的环境和高收入水平之间的权衡取舍。认识到人们面临权衡取舍本身并没有告诉我们,人们将会或应该做出什么决策。然而,认识到生活中的权衡取舍是重要的,因为人们只有了解了他们面临

3830

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

展望:2021年程序员业界趋势与生存指南

前言 我们刚刚告别了2020年,2020年注定是一个不平凡的一年。伴随着疫情的防控和治疗,人们越来越关注远程办公领域,并且部分IT企业开始逐渐转向灵活用工。从宏观环境来说,中国通过自身的努力已经成为了世界上经济形势最稳定的国家。因此大量外资开始涌入国内,以期望获得稳定增长。而IT行业作为中国经济最强劲的引擎之一,也会随之发生一些变化,产生很多机遇与挑战。因此2021年编程业界如何进行生存并突破重围、获得新生,是一个值得探讨和研究的课题。 行业趋势 低代码开发盛行,但业务领域仍需大量手动编程..

杨若瑜的技术博客 5739

【清华大学课程】曼昆-经济学原理笔记(全集)

1. 交易成本是啥?不同的交易成本不同 2. 经济学基本原理10个: 十个原理分成了三类问题: (1) 人们怎么做决策(微观经济学) 人们面临得失交换(tradeoffs 权衡取舍) 得到什么就要付出成本 某物的机会成本就是为此放弃的东西(cost) 一定是起码两个之间的选择,经济学就是一个选择的过程 说A的时候想到B、C等其他考虑,选择的范围很大 机会成本就是所有放弃的选择里面成本最高的 理性的人思考边际量(margin 换成数学就是要看导数) 人们作最优决策时比较边际的成本和收益 通过最后一个单位来决

froot的博客 2143

《曼昆经济学原理》书中术语详解2

实物转移支付(in-kind transfers) 以物品和劳务而不是以现金形式给予穷人的转移支付。 转移支付(transfer payment) 又称无偿支出,它主要是指各级政府之间为解决财政失衡而通过一定的形式和途径转移财政资金的活动,是用以补充公共物品而提供的一种无偿支出,是政府财政资金的单方面的无偿转移,体现的是非市场性的分配关系。是二级分配的一种手段。转移支付是一种平衡经济发展水平和解

农发行小伟 1451

程序员的金融笔记:金融-基础知识

经济:人们生产、流通、分配、消费一切物质精神资料的总称 经济学:研究 如何 对 社会稀缺资源 进行 有效分配 金融:货币的发行、流通和回笼,贷款的发放和收回,存款的存入和提取,汇兑的往来等经济活动 金融市场&金融工具 利率&金融资产定价 金融机构&金融制度 商业银行经营与管理 投资银行&证券投资基金 信托&租赁 金融工程&金融风险 货币供求及其均衡 中央银行与金融监管 国际金融及其管理 汇率

ArYe 1799
上一篇: 程序员的金融笔记:经济学原理-微观经济学-曼昆-第7版
下一篇: 程序员的金融笔记:金融史
小基基o_O
博客等级 码龄9年 4414粉丝 467原创
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小基基o_O

您的鼓励是我创作的巨大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值