投资经历(一:入市须谨慎)

很多人都通过证券账号买过股票,支付宝买过基金,黄金ETF吧。

下面我来讲讲2015年~2019年的投资经历吧。

其实我在2015年股灾的时候才接触了股票,基金,黄金ETF,白银期货(被别人忽悠的),邮币卡(也是被忽悠的),其中股票,基金,黄金ETF,白银期货 都是血亏,那时候刚上班1年半就存了5w块钱,在这些市场我亏了2w5左右。都说不会买股票的人买的第一支股票都是赚钱离开的。我也不例外,我还清晰的记得我买的第一支股票(海通证券),尾盘买入,第二天开盘卖出迎来了开门红赚了11个点(荐股机构推荐我买的),第二次他们让我买的(猛狮科技)赚了1500块钱,这让我感觉到股票市场的魅力如此让人心动,但是恶魔也随之到来,他们开始要求我加大资金才带我炒股,要求我资金必须在10w以上才带我炒股,但是我当时只有5w块钱,怎么说他们也不同意带我炒股,后来好在我之前赚了钱都会给他们打一半利润,他们同意5w带我操作,噩梦就从此开始了,后来买的股票都是被套20~30%,然后让我割肉离场(也是股灾的到来),之前赚的都还回去了,告诉我A股市场不好赚钱了,带我去别的市场赚钱,我也相信他们了(那时候真傻),去开了户,开始炒白银,第一次的交易运气真好,赚了3500,为此我高兴了1整天,第二次的交易,我直接亏了8500,直接被止损平仓了,当时真的是对我蒙头一棒,我还清晰的记得那天我发工资,税后的工资,直接就相当于没发(T_T)(T_T)(T_T),当时我就明天了,不管我赚钱还是亏钱,对于他们荐股机构来说,他们都赚钱的,只要我交易他们都赚钱(以为手续费高昂),我直接把钱都转出来了,亏了也转出来,直接把推荐我交易的那个妹子微信给删了,后面我又买了基金,黄金ETF 都是自己看着买,亏的很多, 我当时统计了下,我在这些市场一共亏了2w5左右,毕业1年半的攒下来的积蓄一半都没有了,心在滴血啊。。。

后来我明天了一个道理,“投资有风险,入市须谨慎” ,对,还是这10个字,普普通通的10个字,我花了2w5买来的教训。在15年底的时候,市场又有一波行情,我QQ当时有人加我,问我最近投资挣钱了没,很关心我,把我拉进了一个群,里面的群主天天早盘和尾盘都推荐股票,当时我仔细观察了几天发现推荐的都很准后面的利润都很客观,后来里面的几个所谓的老师说要在新浪财经开股票知识讲解分享课,我就去试着听了听,尾盘也跟着他们操作过,也赚了不少,主要操作的是(康强电子002119),这只股票,我买入成本在19块,不停的跟他们一起做T,把成本做到了8块钱,当时对我这种股票小白来说,已经很牛逼了,后续他们开始主张千人操盘,当时操作的尾盘每次都有4~7个多点的尾盘拉升,不过大多数的情况,都是涨停收盘的(大家要读到这儿,觉得我吹牛,你们可以把通达信打开,看下康强电子,荣盛石化,上海三毛,易华录,美丽生态,15年12月份左右,有多少个涨停),当时我就开始很相信他们,觉得他们都是神人,但是后来慢慢的他们就开始带我们开始开户炒河北邮币卡了,说可以T+0交易,涨幅限制10%,跟股票一样, 我当时投资了7w左右,在里面赚了2w4,基本上就是我们集体买的邮票,每天开盘都是涨停, 当时很开心,觉得要是这样一直持续下来,我可以不上班了,,,但是这都是他们的计谋, 先让你尝尝甜头,(实际上一张普通的邮票~市场价也就1块多或5块钱,但是被他们炒到了600多)是不是很吓人,有一天早上,突然一只涨停的票,直接钓鱼线跌停,卖都卖不出去,接连好几天都是跌停,当时的利润从2w4直线下降到1w2,给我的第一感觉就是,完了,这次完蛋了,又被骗了,好在5次的跌停开板了,我直接出来了,我当时就觉得他们这帮人不对劲,后面的操作中,每次他们让买涨停了,我都直接卖掉,不停他们的了,落袋为安,直到15年年底要过年了,第二年那个群突然解散了,我就没完了,感觉情况不对劲了,直接把钱都转出来了,我不玩了,庆幸的是我在邮币卡市场把我前面亏的钱都转了回来,在后面的一段时间大概半年的时间,我在百度贴吧看到很多帖子里面说,河北邮币卡被定性为非法,里面所有的人的资金都取不出来了,我还问了一些之前群里面加好友的人,有的人投了20w,亏了7w, 有的投了50w,亏了20w, 里面的持仓钱都取不出来了,都被冻结了,后面怎么维权的我就没关注了, 真的很庆幸我在大家最疯狂的时候,我撤退了,我没有贪心,直接及时止盈出来了....

这种经历让我明白了一些道理,微信,QQ,任何你不认识的人,某天突然很关心你,对你嘘寒问暖的,让你跟他们炒股,炒基金,邮票,期货,那都是骗子,大家一定要当心,当把你拉进群,那里面有一半是拖儿,一定不要让利益冲昏了头脑,失去了理智。

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 1
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