股票实时更新原理？
不请自来，这个问题我十年前遇到过。 那时刚接触股票，觉得这个实时更新数据非常神奇，于是上网搜索了一下，发现国内对此研究的人很多（毕竟这是国家的意志），但是公开的文献并不多（都保密）。 当时找到一篇北京大学的研究报告，题目记不住了，大概是《基于X的股票实时交易系统》。
这篇文献介绍了两种算法，一种是最多的也是大家最熟悉的，就是实时地计算出多笔最优成交价格；另一种是实时地计算出每笔最合适的成交量。 这两种算法都需要解决两个问题，一个是价格/成交量预测，另一个是资金调度分配。 价格/成交量预测需要先确定一个策略，然后按照策略的交易规则进行计算和验证（回测）。
以成交量为主： 假设某个交易日的上午十点钟，根据策略的计算，确定了当日的最大成交限额为10万，同时由于前几个交易日没有卖出，因此当日必须买入8万余股的股票才能满足需求。那么此时就实现了最小化损失最大化的目的。 当然，实际的情况比这要复杂的多——比如不能一次性全部买入或者卖出，需要分批实施，并且考虑滑点等问题。 但是基本的思想就是这样的，根据每一个交易时刻的策略执行情况（如持仓量、资金余额、盈亏等）以及资金市场状况（如费率、汇率等）来实时调整每一笔的成交数量。
如果采用了这种算法的交易系统，在实际的交易过程中会存在以下问题： 所以，为了减少这些问题带来的影响，除了设计合理的交易策略外，还需要对风险进行控制和管理。 以上仅仅解决了实时的问题，至于你提到的更新理论，我认为就是你所说的算法实现的问题，也就是如何根据历史数据（包括历史成本、市值、仓位等信息）估计出未来的状态。 这个问题的解决方案可以参考贝叶斯统计，当然其实也有很多改进的方案。 希望有帮助。