跳到主要內容

聊聊所謂的"投資"


 

BP  : 我最近想試著去瞭解一下投資
BP  : 有機會要好好請教妳了
don : 呵呵~投資這一門需要時間累積~我也要努力阿~我沒有很懂啦
don : 也算是只是個入門^_^
BP  : 安啦   萬事起頭難
BP  : 你已經跨過去了, 等你出師囉
don : 呵呵~賺錢的只有一個~其他都是賠錢的~所以跨過去還是沒辦法賺錢
BP  :  什麼意思
don : 恩~他們說股市是九一法則~市場上九個都賠錢~只有一個會賺錢
BP  : 喔!   那你就要當那一個呀^^
BP  : 我投資妳就好了

don : 哈~好笑
don : 那要好好存錢喔
don : 要投資前提是得先有一筆閒置資金才行
BP  : 哈
don : ^^
BP  : 那幾千元能幹嘛?
don : 恩恩~繼續儲蓄起來
don : 哈
BP  : 哈哈哈哈哈
BP  : 這就是甲級貧戶的悲哀嗎
don : 恩~不會阿~還年輕~可以先儲蓄
don : 還好吧~
BP  : 開玩笑的啦


BP  : 我最近想把每個月的薪水拿點出來買基金,你覺得如何
don : 呵呵~我個人不太喜歡基金~
don : 台灣的基金都是在騙錢的~哈~這是個人偏見
BP  : 怎麼說呢?
BP  : 不會 別說是偏見  這是妳的專業看法
don : 基本上作基金跟做股票的道理是一樣的
BP  : 嗯
don : 都得定期檢視
don : 如果要這樣的話~不如做股票還比較有直接效益
BP  : 那你意思是,如果資本不足的話,與其買基金不如儲蓄?
don : 除非你的基金是連結國外的標的啦~那妳對那連結標的的市場也是要做研究和瞭解才行
don : 恩~在儲蓄的過程可以先開始累積投資的資訊和知識及經驗
don : 不是拿錢丟下去才叫做投資~可以開始觀察哪裡有好的投資標的
BP  : 等等    我對儲蓄的定義跟你似乎有點不對稱
BP  : 你是指先把錢備著在儲蓄的同時一邊觀察好的投資目標嗎
don : 恩恩~是阿~把錢放在低風險或是幾近零風險的地方累積
don : 在這一段時間其實妳也可以開始接觸股市的資訊或是其他方面的投資行為知識
BP  : 所以就是一次玩大的!
don : 並不是~投資是要做長期穩健的行為
don : 投資的這一筆資金~他的條件是~他至少會是你這一兩年內都不會動到的閒錢~才適合拿來投資
BP  : 嗯,這是個很好的想法
don : 不要把生活上必須的花費拿去投資
don : 所以才必須有一段時間的累積投資資金
BP  : 嗯,那妳已經開始累積妳的閒錢了嗎?
don : 恩~哈~我現在還沒啥閒錢啦
don : 不過拿我媽的閒錢偶爾來操作一下
BP  : 哈哈哈   這才是高招呀


BP  : 那你覺得閒錢的累積要到多少才適合操作呢
don : 呵呵~其實積少成多啦~不過錢不是重點~而是尋找到好的投資標的才是個難題
don : 買要有理由~賣也要有說服自己的理由
don : 比如說至少存個兩萬也就可以有個開始了~不過這一筆錢最好是都不會動用到才能去投資
BP  : 嗯  你剛好講到我的狀況
BP  : 正好就是這樣  所以才想拿來試試
don : 哈~我覺得阿~很多人都會是覺得把錢丟進投資市場裡~才覺得自己有在投資~會關心
BP  : 你說的很對
don : 哈~這是現在的想法啦~也是經過摔跤的經驗阿
BP  : 嗯嗯,妳的話很值的省思呢
BP  : 妳的的確確是在針對"投資",這需要長時間觀察、需要仔細分析
        但很多人對投資的認知似乎僅是儲蓄的延伸,是理財,而不像妳認定的"投資"。
        我想這是值得我們思考的地方。

 

留言

這個網誌中的熱門文章

醫學健康跨領域合作的開始:資料工程

一直都很喜歡在會議上與跨領域的專家、醫師、學者分享我們在數據工程與分析應用上的發展經驗。 許多的專家學者,對於大數據應用的認知都仍侷限在一個超大型結構化資料集的子集合應用,在規劃好的條件設定下,針對特定的目標(疾病、行為)進行篩選,將數據narrow down到可以被個人電腦或是單一伺服器架構處理的小型資料集。 這樣的半手工處理方式,對於專一(Specific)領域主題的資料追蹤計算或許已經十分足夠,但當中倘若資料清理方式有改變、篩選條件增減,所有的數據都要從raw重新處理,不僅造成大量的時間與人力浪費,對於專案計畫進度的延宕更是麻煩。這些還不包含

Google 資料庫方案–Spreadsheet–(1)資料呈現

HEMiDEMi 的標籤: Google , Google SpreadSheet , 雲端 早在規劃『 教育,意義! 』project時, 便有打算將整個網站建立過程撰寫一篇教學,讓有興趣以google 服務為基礎進行開發的朋友參考。 沒想到這個想法擺著就拖了好幾個月, 好在學生提出了問題,就趁這機會寫一寫吧。 基本上『 教育,意義! 』網站的架構完全建立在Google提供的服務, 廣義來說也是個雲端的系統, 所有的資料是分散在不同的服務架構下,再用GAE, Javascrript將服務資訊串接起來, 由Blogspot 統一呈現。 省了租主機的費用,或架站的硬體、電費, 最好的地方在於不用管理主機維運的問題, 只要專心做我的創意、嘗鮮就好了!!   多棒! 若將『 教育,意義! 』網站依功能層次來分類,可以分為三層結構, 當中的層次與使用技術大致如下: UI 介面層 服務 : Blogspot (網站介面) , Picasa (相簿空間), Google Apps 技術 : Javascript , AJAX ( JQuery ) App應用層  服務 : Google App Engine (GAE) 技術 : Java, Java Server Page (JSP) 資料層 服務 : Google Docs (文件), Google Spreadsheet (試算表) 技術/函式庫 : Java, Google Data APIs 本篇文章將著重在介紹以Google Spreadsheet 做為雲端資料庫, 其他主題將會陸續推出。 若對Google API 與 Google App Engine 初步建置有興趣, 可以參考之前文章: 佛心來著的 Google Data API – for JAVA 雲端的開始:Netbeans 無痛 Google App Engine Java 服務開發 Google Spreadsheet 做為資料庫系統 對於小型的資料系統來說, 採用Google Spreadsheet做為應用程式資料庫(如問卷調查或線上系統) 也算堪用, 目前的儲存限制為 : 40 萬個儲存格 每張工作表最多...

當咒術成真 - 文字生成的虛擬世界

  2024/02  這幾天灌爆各大ai社群的,不外乎就是文字生成高清畫質影像的OpenAI Sora , 讓人驚艷的細膩表現,自動化的場景生成與運鏡效果,縱使這個概念並不是多創新的模式,但Open AI始終很懂得抓住大家眼球  (Sora的各種生成影片: https://openai.com/sora  ) 關於Sora 的技術與介紹,不妨看看chatGPT 對它的描述: OpenAI Sora文字-視訊生成模型 在視頻數據上進行大規模訓練生成模型,具體而言,OpenAI聯合訓練了文本條件擴散模型,處理不同持續時間、解析度和長寬比的視頻和圖像。利用了一種在視頻和圖像潛碼的時空塊上操作的轉換器架構。受到Srivastava等人(2015年)在使用LSTMs進行視頻表示學習的無監督學習的啟發,OpenAI的最大模型Sora擴展了這些概念,能夠生成一分鐘的高保真度視頻。此外,Chiappa等人(2017年)描述的循環環境模擬器方法與我們的方法論框架相一致,表明擴大視頻生成模型的規模是建立通用物理世界模擬器的一條有希望的道路。 一、技術創新 OpenAI 的 Sora 模型在技術創新上主要融合了 diffusion models 與 transformer models 的特點,這一結合代表著從文字描述到視覺內容生成的一大進步。根據 Goodfellow et al. (2014) 的研究,Generative Adversarial Nets (GANs) 開創了使用機器學習生成圖像的新方法,而 diffusion models 則透過逆向的擴散過程從隨機噪聲中逐步建構出有意義的圖像,提供了一種不同於傳統 GANs 的新途徑。另一方面,Vaswani et al. (2017) 提出的 transformer 模型,通過其自注意力機制有效處理長距離依賴關係,已廣泛應用於語言模型中。Sora 模型的創新之處在於將這兩種技術融合應用,實現了從簡單文本提示生成高質量視覺內容的能力,這不僅展示了機器學習技術的新高度,也為未來的影像生成、自然語言處理和人機交互開啟了新的可能性。 二、物理現象與現實世界的模擬 Sora 的另一大進步是在模擬現實世界物理現象方面的表現。雖然現有模型如 Raissi et al. (2019) 所提出的 Physi...