子風的知識庫

電路知識：MOSFET 特性簡介：特性與運用以下皆以 NMOS 進行討論， PMOS 可參考公式進行推導電流公式只限於 Saturation $\lambda$ 的量級約為小數點第二位甚至更小，取決於製程參數 $$ I_D=k(V_{GS}-V_{Th})^2(1+\lambda V_{DS})\\ $$ 此時 $$ V_{Th}>V_{GD}= V_{GS}-V_{DS} $$

程式語言：Python Package：pypiwin32 功能：利用 COM 控制 excel, word, ppt 等程式 Dynamic Dispatch Object 這表示程式只在使用時，才產生 COMOBJECT，缺點是並無對應的常數但若已跑過 makepy.py，那麼會自動轉換為 Static Dispatch objects import win32com.client obj = win32com.client.Dispatch ("Excel.Application") print(repr(obj)) # <COMObject Excel.Application> 以下程式碼仍是動態產生 import win32com.client obj = win32com.client.dynamic.Dispatch ("Excel.Application") print(repr(obj)) # <COMObject Excel.Application> Static Dispatch Objects 常數放在 win32com.client.constants 中可用 win32com.client.constants.__dict__ 查詢 from win32com.client import makepy # 選擇欲產生的 Type Library makepy.main() import sys from win32com.client import makepy # 指定 tlb, olb, ocx, dll 產生 sys.argv = ["makepy", r"c:\windows\msagent\agtctl15.tlb"] makepy.main() import win32com.client # 直接產生並連結 obj = win32com.client.gencache.EnsureDispatch("Excel.Application") print(repr(obj)) #<win32com.gen_py.Microsoft Excel 15....

[理財] Yahoo Adjusted Close 計算方式

理財知識：Yahoo Adjusted Close 計算方式官方說明簡介：Yahoo Adj. Close 的合理性計算規則分割乘數由分割比確定。例如：在2對1的分割中，將分割前的數據乘以0.5。在4對1的分割中，將分割前的數據乘以0.25。在1對5的反向拆分中，預拆分數據乘以5。股息乘數是根據股息佔價格的百分比計算的，主要是為了避免歷史價格為負。例如：如果在2月19日（除權日）分配了0.08美元的現金股利，而2月18日的收盤價為24.96美元則除息數據將乘以（1-0.08 / 24.96）= 0.9968。如果在5月12日（除權日）分配了2.40美元的現金股利，而5月11日的收盤價為16.51美元則除息數據將乘以（1-2.40 / 16.51）= 0.8546。如果在1月25日（除權）分配1.25美元的現金股利，而1月24日的收盤價為51.20美元則除息數據將乘以（1-1.25 / 51.20）= 0.9756。這是拆分和股息乘數的計算方法，用於確定調整後的收盤價。範例我們將使用的乘數來自拆分和除數：分割乘數= 0.5 股息乘數= 1 -（0.08 / 24.95）= 0.9968 使用這些拆分和股息乘數，可以計算拆分之前和股息除權之前的日期的調整後收盤價。 2/16 和 2/17 的收盤價針對 2/18 的分割和除息日 2/21 進行了調整。 2/18 至 2/20 的收盤價針對除息日 2/21 進行了調整。 2/18 到 2/20 的收盤價不需要調整在 2/18 收盤之前發生的分割。 2/21 和 2/22 的收盤價未調整，因為它們在分割和除息日期之後。日期平倉，股息或拆分調整後收盤價 2/16 收盤價= 46.99 0.5 * 0.9968 * 46.99 = 23.42 2/17 收盤價= 48.30 0.5 * 0.9968 * 48.30 = 24.07 2/18 拆分= 2：1 收盤價= 24.96 0.9968 ...

[Circuit] Orcad TCL 介紹

程式語言：Tcl Orcad 官方文件 GitHub 範例功能：可用 Tcl 語言控制 Orcad 執行方法 View->Toolbar->Command Window Menu

[Math] 矩陣微分

數學知識：矩陣微分線代啟示錄 Wiki Matrix calculus 簡介：矩陣微分定義與基本性質定義：scalar by vector 的導數假設 $f$ 為 function，且擁有 $p$ 個獨立變數 $x_1,x_2,\cdots,x_p$ 令 $\mathbf{x} = [x_1,x_2,\cdots,x_p]^{T} $ $\frac{\partial f}{\partial \mathbf{x}} = \left [\frac{\partial f}{\partial x_1},\frac{\partial f}{\partial x_2},\cdots,\frac{\partial f}{\partial x_p}\right ]^T$ 定理(1)：$\frac{\partial \mathbf{x}^T\mathbf{x}}{\partial \mathbf{x}}=2\mathbf{x}$ $Proof:$ $$ \begin{align*} \frac{\partial \mathbf{x}^T\mathbf{x}}{\partial \mathbf{x}}&=[\frac{\partial \mathbf{x}^T\mathbf{x}}{\partial x_1},\frac{\partial \mathbf{x}^T\mathbf{x}}{\partial x_1},\frac{\partial \mathbf{x}^T\mathbf{x}}{\partial x_p}]^T \\&=[\frac{\partial \sum_{i=1}^{n}x_i^2}{\partial x_1},\frac{\partial \sum_{i=1}^{n}x_i^2}{\partial x_2},\cdots,\frac{\partial \sum_{i=1}^{n}x_i^2}{\partial x_p}]^T \\ &=[2x_1,2x_2,\cdots,2x_p]^T \\ &=2[x_1,x_2,\cdots,x_p]^T \\ &=2\mathbf{x} \end{align*}$$

子風

瀏覽簡介

檢舉濫用情形

技術提供：Blogger