投资能力怎么衡量?赚钱的凭什么是你?

投资得提前看到风险,赚钱的凭什么是你?

前几天写了“不同投资品种,利益关系不同”,在不断思考投资能力的事。
为什么之前投资总是赚不了钱,为什么看好的项目投了之后总是出现各种各样的问题。
为什么偏偏是出问题的时候,自己进去了。
为什么一开始就很难赚钱的渠道,我也冒然进去了。

一句话,投资能力不行,经历太少,经验不足。

怎样看出能力不行?

第1阶段
   大学买股票买基金阶段。
   对投资本身认识就太有限,能力就无从谈起。
   
第2阶段
   股权众筹。
   太过于感性,简单的认为稳定工作+高风险股权投资,还能承受。
   实则不是。
   最基本的账没有算清楚,不同项目,失败的成本不计入总体成本。单个项目盈利,缴税20%,领投carry20%。盈利的情况下,36%左右的利润都不是自己的,亏损的全都是自己的。
   此外,股权众筹的项目大多是机构看不上的,创业成功本来概率就低,现在更低了。
   创业概率低+众筹项目质量差+项目退出难+成本不抵扣+盈利扣36%,这是一个赚钱极其难的领域。
   
第3阶段
   店铺投资。
   变革家的项目总体还行,但是外卖很坑。
   只想到外卖确实很赚钱,没想不到能不能持久。
   百度外卖会倒,这是自己看得出来的。
   饿了么终将是阿里的,这个也看得出来。
   美团外卖,美团很缺钱,自己仍然看得出来。
   可是为啥就看不出来,他们会停止补贴,提高佣金比例呢?为啥呢?
   
   归根结底,是对外卖店铺没有深入的研究,他们接了多少单,扣了多少成本,交了多少佣金。
   更多的是从消费者角度,看外卖是否好吃,而没有从商家平台去思考。
   
   更多地乐观看项目发展,没有悲观去想坏的情况。上限-下限思维,还是没能灵活应用。
   
   
   给自己一点心理安慰,每次都是一个新的领域,刚刚开始时,项目少人多,都抢着去送人头。有经验的投资人,才会想着控制投资金额。
   自己能做到的就是分散,外卖店铺最终只投了1个,还有的要么是没名额,要么是终止了合作,阴差阳错少亏几百万。
   
   
第4阶段
   股票。
   对市场、人性,不太理解。
   只从正面大道理思考,没从对手盘空方角度思考。
   熊市,大概率都得跌,跌多跌少的问题。
   越是下跌,卖的人越多。越是上涨,买的人越多。
   房市一个道理。
   本质还是人性。
   做投资、做事业,人类社会,懂人性是最基础最重要的一项能力。
   
   
   做投资赚钱,首要问题是搞明白,赚了谁的钱?是增量的钱,还是财富重新分配的钱。
   
   
   股票,增量的钱来自上市公司赚钱,分红或者提升了企业内在的价值。
   也可以来自股市这个赌场,有的低价买高价卖,有的高价买低价卖。赚别人的钱,这部分钱当然难赚。时赚时亏。
   
   股权,最主要的钱,应该来自创业公司发展比较好,公司价值上升了,估值提升了,从接盘侠手里成功套现。这是目前最主要的退出赚钱通道。
 IPO非常不现实,太少了。
 
   店铺,赚增量的钱。店铺经营好了,分红给所有的股东。
   
   P2P网贷,则是赚借款人的钱。借款人10%到30%的利率,平台赚个5%到10%左右,剩余的理财人再分。
   
   
   关于收益和风险
   理论上,收益越高,风险越大。
   但是风险越大,并不一定收益越高。
   股权众筹那样的,风险非常大,收益却很小。因为税收carry太多,政府啥也不干,你赚钱了他就数钱。你亏钱了,他啥也不说。政府才是人生赢家。收税权太厉害了。
   
   股票,市场信心下跌、公司业绩增速突然下降、财务造假,到处都是下跌的风险。
   
   要想赚到钱,必须得提前看到风险。
   外卖平台突然提高佣金比例,看不到这个风险的店,收不到突然打击,倒闭了一大堆。
   像我这样的财务投资人,也突然损失一大笔钱。
   
   还有一些P2P网贷平台,一开始就是骗钱的。如果你看不出来,把本金亏掉是迟早的事。
   
   保健品也是问题多多。
   保险,真到出事的时候,人家不理赔,因为条款对你很不利。
   
   最后,如果你收到一个收益很高风险却很小的投资理财产品,一定得小心了,都是小老百姓,人家凭啥把赚大钱的机会留给你,而不是他自己。
   
   冥冥之中,自有天意。
   
   
   小雷FansUnion
   北京-丰台 晴
   2019年1月26日
   
   

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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