04【通货膨胀和投资陷阱】 货币贬值

1. 去年100块能吃20个冰淇淋,今年只能吃15个?
   2018年的M2增长是恐惧,同比增长8.8%。
2. GDP为国内生产总值,是衡量一个国家经济增长的指标。
   M2为广义货币,包含流通中的现金,企业活期存款,准货币。说人话可以简单理解为,社会中货币的数量。
   从1990年到2018年,28年的时间,中国的GDP增长了40倍,而货币发行增长了102倍。这多出来的62倍就是反映在通货膨胀上了
    经济在发展。GDP在增长,大家的钱从贫困迈向小康,财富增加,但是钱增长速度大于GDP的增长速度。
3. 货币贬值,也就是通货膨胀了。统计发现,大概在10%左右,去年你银行卡里的10万块钱,自动贬值了1万块,一个工资到一万了嘛?
4. 中国股市七亏二平一赚。就真的无解了嘛?
   万物存在即合理,孟子也说,不以规矩,不成方圆。投资亦有规律可循。
   你的工资增幅达到每年10%了嘛?
   2018你的投资收益达到10%了嘛?
5. 中国2018年M2大约增长了14亿,如果印钞机是匀速的,在你思考的这4分钟里,有多印了1.06以....
 

通货膨胀和投资陷阱


第一部分:通货膨胀

流通的货币过多,超过经济运行的需求,导致钱不值钱钱的购买力下降了,相应地物价就上涨了。
同样的钱能买的东西越来越少了。
    -你5岁的时候存了10块钱,想着长大买100辣条一口气吃掉爽一把,没想到长大之后只能买10包了~还是木有过瘾!
   这就是时间的金钱的价值。
    -假设整个中国市场上只有100个西瓜,同时市场上流通着1000元人民币,每个西瓜价值10元。
    -第二年央行多印了1000元人民币,等于流通着2000元人民币,但是生产力提高地没有那么快,只生产了150个西瓜,每个西瓜就变成了13元一个。原来130能买13个西瓜,现在只能买10个~


 1)为什么发生通货膨胀呢?
    -最直接的原因就是钱印多了

     所有的经济体都希望看到一定程度的通胀,接近充分的就业,稳定的增长。这句话的意思就是通胀是经济发展的正常现象~所以说通胀是自然灾害~无法避免,只能预防。
许多经济学家也认为,温和良性的通货膨胀有利于经济的发展。

    以美国为例,从未发生过恶性通胀,但从1800年以来美元已经贬值了95%。

    我们要承认通货膨胀,这是我们没有办法去控制决定的,我们无法逃避,只能直面这个现实。(真的勇士,敢于直面不可抵抗的通胀!)

 2)通货膨胀的影响?

     财富的缩水,CPI每年上涨5%,相当于你的财富每年缩水5%。
    -举个例子,今年有1万,通胀率5%,到明年就变成了10000/(1+5%)=9524元,直接少了476元。钱还是1万,数额没有变化,但购买力已经只有9524元了。

    -现在一年期银行定存利率是1.75%。这里我就简单计算,把利息加上,9524+175=9699元。带利息还是少了300。

总结一下:通胀是不可避免的,我们要做的就是投资,进而抵抗通胀。

第二部分:投资陷阱


1.要投资,但不能乱投资
    -投资的第一步是什么呢?巴菲特说过两句话。第一,不要亏损,第二,永远记住第一点。
    -我们理财投资是养鹅下蛋,如果你已经有鹅了,第一件事就是不要让你的鹅变瘦甚至死去。
    -现代社会比较浮躁,反映在投资上,就是很多人希望一夜暴富!但事实的真相是,一夜暴富的概率可以忽略不计了,那些期望一夜暴富的人很容易都会遇到投资骗局,真是一夜回到解放前!
    -金融行业离钱最近,但是金融骗局也层出不穷。e租宝,善心汇,
    -MMM平台,以及被定性为非法集资的ICO。说起MMM平台,还真的是一个奇葩的存在。MMM的本质是一个典型的庞氏骗局,通过高额回报来吸引投资者,并用发展下线的方式来支付前面的投资者。
当没有新人加入,或者加入的新人不够支撑之前的人的利润时,这个游戏就玩不下去了,崩盘是迟早的事。

    -崩盘了怎么办呢?
它有一招很奇葩但很有效的模式——重启。重启就是这个系统玩不转了,我们宣布系统要重启,如果你还想要拿回你原来的钱,那你要再往里面投新的钱。
    -如果是你,你会不会再投钱进去?
一是侥幸心理。万一我能拿回来呢?要不试试。
二是无法舍弃沉没成本。我已经投了这么多钱了,如果不试试,那原来投入的钱都拿不回来了。
沉没成本是指已经发生且不可收回的支出,无论现在或未来做什么决策,都无法改变的成本。(注意:是无法改变的成本。)那些骗子就是利用这些人的心理反复地重启,反复地骗钱。

    -执着于沉没成本是投资决策中一个非常严重的干扰心理。
比如:很多人买了一只烂股,然后被套了,不甘心损失,就不断地补仓,结果越套越深。就比如乐视网。
不得不感慨一下,A股真是一个培养韭菜的好地方,韭菜割了一茬又一茬。在这样的市场做投资,有这样的对手真的是非常幸福,市场越无效,价值投资能获取的利润越大。

再比如:很多人发现买了错误的保险,也是这个心理,已经交了这么多钱,退保就要赔好多呢!可是不退,后面几十年还得继续交,更闹心。

2.如何防范投资骗局
第一、弄清楚每一个投资背后的原理,你赚的是谁的钱?
    -大家要去想一想,我投资的项目,到底靠什么赚钱的呢?一个产品,一个公司,不是靠优质的产品和周到的服务来赚取利润,而是通过不断发展下线来赚取利润,大家觉得靠谱吗?
    -你认为一个东西好,邀请你的亲朋好友都来,然后给你返钱,你的好友再邀人,再返钱
比如:我们分析一个西瓜的价值的时候,靠的是分析今年西瓜的产量,往年西瓜的销量,今年的天气等等客观因素去估值。那么西瓜公司赚钱靠的是自己的西瓜皮薄多汁,香甜可口。
但是有一个西瓜公司,它没有西瓜,只有西瓜皮!
他先是鼓吹他的西瓜皮特别好吃,然后只有会员才能吃,不仅能吃,还能卖,并且可以赚很多钱。
然后每找一个人来做会员,就能得到一笔钱,也就是俗称的拉下线。
但是实际上这个西瓜皮根本就一文不值。我说西瓜皮大家知道一文不值,但是换到生活中,就可能辨别不了了。
庞氏骗局更过分一点,就是连西瓜皮都没有,就是假装有一个西瓜皮,只要你来入会,就有了这个很赚钱的西瓜皮。

第二、我们要先学习再投资。
    -要知道投资并不是随随便便就可以赚钱的。
    -我们首先需要通过学习来弄清楚投资背后赚钱的逻辑。

    -大家想想啊,咱们学习游泳,有教练;开车上路,有驾校;职场技能,有蓝翔技校……那么到了股票上,到了投资这种复杂系统上,这种事关大量钱财的问题上,不是更应该学习吗?

    -我们要学习分析公司是如何盈利的,要学习如何才能找到那些好公司(或者投资标的),让它为我们赚钱。我们自己辛辛苦苦工作赚来的血汗钱,千万别丢给了通胀和骗子。

第三、你要知道投资的风险在哪里
    -2016年A股上市公司中净资产收益率(你可以理解为年收益率)超过15%的公司有852家,占全部上市公司的26%。上市公司基本上是整个社会中最能赚钱的群体了。

    -被尊为股神的巴菲特累计45年年化收益率为20.5%。20%的收益率好像不起眼,但是他凭着这不起眼的收益率干到了世界首富。

    -所以,大家一定要明白,过高的收益率是不可持续的。并且如果你不知道风险在哪里,那就一定要警惕,不知道的风险才是最大的风险。

总结一下:
第一、弄清楚每一个投资背后的原理,你赚的是谁的钱?

第二、我们要先学习再投资。

第三、你要知道投资的风险在哪里。

旁氏骗局


第一种,纯骗局。

    -骗子自己做APP投资平台,并且可以从软件商店中下载到。然后找一些人,告诉周围的人,你看我这个软件,放几千就赚几百,我赚了好多。身边的人就心动了。
    -刚投进去能看到很高的收益,注意,是只能看到。然后加大投入,接下来钱就再也取不出来了~所以,对于一些不了解的网站和平台,建议是:不投!
    -这类骗局现在已经升级了,就是说投资国外的公司,或者买了磨一块地,马上要干什么什么,然后分钱

第二种,就是P2P。

    -P2P分两种,一种是以前的,设立资金池的骗局。和3M差不多的模式。最终平台卷款跑路。第二种,不一定是跑路,就是经营不善倒闭了。

    -P2P的本质,其实就是个人对个人或者个人对小企业的借贷。
简单来说,就是借钱,我们在一个平台上把钱借给另一个人或者一个企业。P2P平台大家可以理解为中介,P2P做的其实是类似银行的生意,赚的是息差。

    -银行是低息揽储,高息放贷。
    -P2P是高息吸引投资,然后以更高的利息把钱贷出去。
    -银行,人家是低买高卖,赚得多。P2P是高买更高卖。

这有啥问题呢?借款人未必还得起,利息高。
在借贷生意中,银行是老大,生意对象都是企业,这是优质客户。

    -现在,各个互联网巨头也都进入了借贷这一块。 以上这些巨头把借贷市场的优质客户都抢光了。剩下的只能去P2P了顶着比18%还要高的利率去借P2P。为什么捏?信用不够好呗~


这是第一个风险。借款人还不起。
第二个风险,挤兑。银行不怕挤兑,P2P怕挤兑。
银行财大气粗,还有国家做靠山。P2P一旦有点风吹草动,大家就蜂拥而上了。

    -通过指数基金定投,年化收益10%+不是梦啊,股票也没有想象的那么恐怖~

微商:
第一种:就是那种名不见经传的一些东西啊,就是三无产品,打上一个什么代言,什么网红之后呢,就大肆推广了
    -推广的时候怎么去推广呢?不是说你卖一个货赚了多少钱,而是让你先去推荐会员,比如说推荐一个会员来了之后,先交2000块钱,要拿2000块钱的货。然后,这2000块钱,你可以有10%、20%的提成。
然后,你再去招下一个会员,与此同时,你也可以去卖他们的货,把这2000元的货抬高价格卖出去,赚零售的差价;这种微商呢,你可以赚两部分钱,一部分是推荐会员的钱,另一部分呢是赚了个差价。

    -那这种微商是做不得的,他就是另一种模式的传销,就是通过拉人头才能赚钱,就是一种骗局,而且大部分还分级。一级会员赚多少钱,二级会员赚多少钱,三级会员赚多少钱,比如,我找的A, A交的钱我提10%. A找的B, B交的钱我提5%, A提10%。。。。。。,只要不是通过产品来赚钱的,它基本上就是另一种骗局。

    -所以说到最后,如果说你没有推荐新会员的话,你这2000块钱的本钱根本就回不来,所以最后就成了亏损了。
    -第二个方面,你一出现,他就让你推荐会员,你就要加入会员,要加入2000块钱的会员,要买2000块钱的货
    -那第三个方面你要想去卖货,你根本就卖不动货,因为你的货根本就没有知名度

那么,哪一种微商是可以做呢,就是新型的真正的微商
这种形式的微商呢,实际上他就是把销售模式,以前是通过淘宝卖,或者通过实体店卖,或者通过商场卖。

只是现在呢,同样的产品,换了一个销售渠道,换成在朋友圈里去卖。
这种微商是可以做的,因为产品质量是靠得住,产品的价格也是很物美价廉、很实惠的价格。甚至通过微商来销售之后呢,因为没有成本,价格比以前的价格更便宜了,像这种微商是值得做的

你就卖一件产品,就赚一件产品的零售差价
这种呢,其实你可以长久做下去,只要你有长久的供货商,能够有稳定的价钱
只要你把质量打出去,把名气打出去,你的客户会越来越多的,然后从你这儿拿货的人也会越来越多的,你的赚钱速度也会越来越快的
但是前期可能你要铺人脉的时候呢,你要铺客户的时候呢,会辛苦一点

还有一种不正常的代理模式,他只是换了一个正常的词儿叫代理,但是实际上这种代理也不是根据销量来的,而是根据人拉人来的,这种就是非正常的
所以做生意这个东西啊,不是所有的生意都值得去做的,你得有分析这个生意是否可行的能力
就像不是所有的基金,股票都值得去买,是一样的道理,你自己在做生意之前,买基金股票之前,得有自己的一套分析方法,经过一系列的分析之后,得出来这门生意是否可以做,这个基金股票是否可以买,然后再去行动


 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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