拆读死胖子【普通人的第一桶金】

1、目标设定

 

他给自己定了一个目标,毕业10年内赚到100万。

训练营第一课的作业就是让大家制定三个小愿望,为什么要在第一课作业做这样的设置?

其实就跟死胖子当初的想法一样,迈出步子之前,需要知道自己要走向什么地方。

死胖子这里就是个很好的例子,如果不是大学时代就设定了这样一个毕业后10年内赚够100万的目标,可能他就会像大多数人一样混下去,浑浑噩噩,没心没肺。

在财务自由的道路上也是如此,看似遥远,但如果你连将目标指向哪里的勇气和决心都没有,那就更是无稽之谈。

看过小狗钱钱的一定知道,只有你想得到,才会拥有,但是没有一蹴而就的成功,只有一点一滴的靠近。

2、储蓄

 

著名的哈佛教条有一条,先把每月收入的30%存起来,剩余的再消费。

看一下死胖子,从他买电脑就可以看出来,他的省钱不是影响自己的生活品质,而是竭力追求性价比,储蓄并不是让大家成为葛朗台,而是追求性价比和实用。

也许你觉得100块没什么,但每个月100,一年就是1200,10年就是12000,再小的雪球,那也是雪球~也是可以滚的~!如果加上投资,钱其实会累计的更快!

每个月多花200和少花200,都是非常容易的事情,就像一个胖子和一个瘦子,可能也就是每天多吃了一口与少吃一口在日积月累下形成的差距。

两种思维:一种是先存钱,然后花剩下的。另一种是先花钱,然后把剩下的存起来。没做过的人看似没有区别,但真的那么做以后,区别真的很大。

第一种,能把钱存下来,第二种,经常会疑惑,我的钱都到哪里去了呢?

储蓄不仅仅只是表面的大钱小钱的问题,更深层次是人生的机会成本的问题。

什么叫机会成本呢?

机会成本是指为了得到某种东西而所要放弃另一些东西的最大价值

举个例子,比如你今天很想吃炸鸡+啤酒,但是又很想吃酸辣火锅,可是你的食量就这么大,吃了其中一个另一个就吃不下了。

如果你选择了吃麻辣火锅,那没有吃的炸鸡+啤酒就是你的机会成本,反之亦然。

人生中的机会成本那可就不是吃炸鸡还是吃酸辣火锅这么简单的了。

想象一下,如果有一天你考虑去留学或者换工作,但是你身上却羁绊着各种消费贷款,你会有底气去做这些事吗?

在面临这些人生选择的时候你只能被动退缩,很可能你以前的一个冲动消费就是你现在换工作的一个机会成本。

所以,那一点看似不多的储蓄带来的不只是表面的金钱数字,重要的是它还可能是一次摆脱现状的机会。

文章的最后死胖子和他的妻子双双辞职去追求他们的生活,他们积攒的机会成本发挥了价值。这些机会都是他慢慢堆砌出来的,一点点地延迟着自己的满足,寻找更高性价比的东西。

所以大家想想自己想要过哪种生活呢?全在于自己的每一次选择。机会只青睐有准备的人,这句话被说烂了,但却依旧是真理。

也许你觉得你现在没钱没办法投资,就不用学不用想,但与此同时你也只能在一次次的机遇面前,无奈地说,我不会。拖着拖着梦想没了,生活平淡了,也就甘于现状了,就真的成了路人甲,还是没钱的路人甲。

扯远了,我们回来哈。

3、对待消费的态度

作者举了买车的例子。

 

死胖子认为:买房、投资、创业或者读书在他看来都优先于买车。我当然不是反对大家买车哈,这里只是说这个消费分析方法!因为我也了解车对于工作、生活有时的确是必须,我们之前也讲过,车用的好,也可以是资产。

所以这又回到了之前我们强调的,区分必要、需要和想要。

如果车属于必要,那你买,如果仅仅是需要,那我建议你可以想想有没有更高性价比的交通方式可以替代。

而仅仅是想要的话,就是说这东西可有可无,仅仅是你觉得有了好开心,那建议你搁置这个东西,延迟欲望实现!

考虑一下这笔钱能否用在更有价值的地方!比如投资自己提升自己的技能,从而带来收入的增加,或者是进一步储蓄积累本金或是别的什么的。

无论是消费还是投资,都要记住,不要跟风!不要因为周围人有而你就要有,思考一下什么对你最有利,用孙子兵法的一句话讲就是:合于利而动,不合于利则止。

消费和储蓄也是一样的,人没钱的时候攒下的1万元存款,和有了100万时候的1万元存款,有着截然不同的作用。

人生的第一个1万,第一个10万,第一个100万,会打开不一样的机会之门,在没有这些储蓄的时候,很多事情是不会去想,也是不可能去做的。

1万在需要的时候能支撑一个人辞职1年,而这1年对这个人来说可能改变一生。可连1万储蓄都没有的人,很少会去想脱产不工作,甚至很少会去想换一个自己真正热爱的行业踏踏实实从底层重新开始这种事情,失业以后一定会焦急地寻找下一份工作,即便这份工作极有可能完全不适合自己。

越是接近0的资产,所产生的收益越大,效用越大。以前的农民遇到天灾后,最需要1万元去买第二年的种子和肥料。所以如果能用好年景富裕的一点钱,去换大灾年的这第一个1万有着最高的收益和效用。

所以就买车的事情来说,大家几乎没钱的时候花20万去贷款买的车,和有了一定储蓄后花20万买的车,虽然金额相同,但实际是根本不一样的成本。前者花的是自己“第一个馒头”,而对后者而言,只是可有可无的一个馒头。

 

4、对待保险的态度

死胖子这里也谈到了保险的重要性。

觉得买保险没有用、如果没出事儿就是白白浪费钱这种想法的小伙伴恐怕并不少吧。

家庭配置保险是非常必要而且重要的。这是一种非常重要的风险控制措施,是一旦发生意外用来救命的第一个馒头,在我国,配置保险尤为重要,因为高昂的医疗费用会消耗尽你的一切。

所以建议每个小伙伴都掌握保险知识,不仅为了不被保险公司忽悠,更是为了保护自己所爱的人,不要等到饿疯了,才想起来为什么当初不做好粮食储备,随意的消耗你的第一个馒头。

保险一交就是几十年,大几十万的,买到不适合的,就是白白浪费钱。只有经过学习,懂得保险知识,才不会被坑,为家人和自己做好保障,咱们留爱不留债。

5、对待股市的态度

 

不会想着把股市当成提款机,而是把股市当成了储蓄罐。这个思维方式真的非常重要。

大多数人在股市无法赚钱,就是因为他们把股市当成了短期投机的工具,他们短期的压力特别大,进而开始频繁操作,且不说是否能盈利,手续费都够他受的。

但是反过来把股市当成储蓄罐,则心态就完全不一样,你不会想着今天存了1000,明天要变成1500,而是会想着以后每个月都存1000,那五年以后就能有6万了。你的短期压力就很小了,对于股市的波动也会比较适应。

死胖子和作者的持股是相似的,但是因为有这种思想,所以他不怕下跌,可以从容不迫地坚定持股,坚持定投。

6、打折的思维

 

这个思维其实就是价值投资的思维,永远在寻找价格低于价值的公司。只是买入好公司不一定能赚钱,只要买入价格低于价值的好公司才能赚钱。低估是最好的进攻!

7、开源

 

在小狗钱钱中,也有讲到,开源节流,节流很重要,但开源更重要,利用自己的兴趣赚钱,是一件多么幸福的事啊。当然,如果你还没发觉自己的兴趣,那就先做好当下。

8、运气

 

不是因为运气好而成功,而是因为一直在做准备,每一步都早那么一点点,每一步又都踏在合适的节拍上。

好运气的光临也是需要你做好准备的。最典型的例子就是牛市来临的时候,你是否已经准备好了呢?

以死胖子的价值观投资观,即便上天没有给很好的运气,没有14年股市的大牛市,没有能在刚买完房后房价就暴涨,我相信他的生活依然会比绝大部分人好,而那份运气早晚也会到的。

以上内容,就是我看了四次“死胖子”的故事get到的8个点~小伙伴们现在get到了哪个呢~

艺海最后总结一下

1.目标设定

2.储蓄

3. 对待消费的态度

4. 对待保险的态度

5. 对待股市的态度

6. 打折的思维

7. 开源

8.运气

转载于:https://www.cnblogs.com/aisiqi-love/p/10262706.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
健身国际俱乐部系统是一种专为健身俱乐部设计的管理软件,它通过集成多种功能来提高俱乐部的运营效率和服务质量。这类系统通常包含以下几个核心模块: 1. **会员管理**:系统能够记录会员的基本信息、会籍状态、健身历史和偏好,以及会员卡的使用情况。通过会员管理,俱乐部可以更好地了解会员需求,提供个性化服务,并提高会员满意度和忠诚度。 2. **课程预约**:会员可以通过系统预约健身课程,系统会提供课程时间、教练、地点等详细信息,并允许会员根据个人时间表进行预约。这有助于俱乐部合理安排课程,避免资源浪费。 3. **教练管理**:系统可以管理教练的个人信息、课程安排、会员反馈等,帮助俱乐部评估教练表现,优化教练团队。 4. **财务管理**:包括会员卡销售、课程费用、私教费用等财务活动的记录和管理,确保俱乐部的财务透明度和准确性。 5. **库存管理**:对于俱乐部内的商品销售,如健身装备、营养补充品等,系统能够进行库存管理,包括进货、销售、库存盘点等。 6. **数据分析**:系统能够收集和分析会员活动数据,为俱乐部提供业务洞察,帮助俱乐部制定更有效的营销策略和业务决策。 7. **在线互动**:一些系统还提供在线平台,让会员可以查看课程、预约私教、参与社区讨论等,增强会员之间的互动和俱乐部的社区感。 8. **移动应用**:随着移动设备的普及,一些健身俱乐部系统还提供移动应用,方便会员随时随地管理自己的健身计划。 9. **安全性**:系统会确保所有会员信息的安全,采取适当的数据加密和安全措施,保护会员隐私。 10. **可扩展性**:随着俱乐部业务的扩展,系统应该能够轻松添加新的功能和服务,以适应不断变化的市场需求。 健身国际俱乐部系统的选择和实施,需要考虑俱乐部的具体需求、预算和技术能力,以确保系统能够有效地支持俱乐部的运营和发展。通过这些系统的实施,健身俱乐部能够提供更加专业和高效的服务,吸引和保留更多的会员,从而在竞争激烈的
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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