好書推薦《#以少創多》人類終於學會用更少資源創造更多繁榮
我們總認為,隨著經濟成長和科技進步,人類會消耗越來越多的資源,總有一天地球上的所有資源會被消耗殆盡。然而,事實可能正好相反,人類已經在工業時代之後重新「已知用火」,找到了用更少資源創造更多產出的方法。
部落格圖文 https://readingoutpost.com/more-from-less/
Podcast 用聽的 https://readingoutpost.soci.vip/
.
【這本書在說什麼?】
《以少創多》的作者是麻省理工學院數位經濟研究中心共同主任安德魯‧麥克費(Andrew McAfee),我很喜歡他的前一本著作《機器,平台,群眾》書中對於數位科技將如何改變人類未來命運的精采論述。
在新的這本書中,他談到自從工業革命之後,人類習慣向地球「榨取更多的資源」來達到更高產出。這種陋習和傳統的思維,仍然縈繞著大眾的思緒。但是他觀察到了一個現象,顯示人類已經掌握了新的方法,開始學會「用更少資源創造更多產出」。
他也提出與人類處境、大自然狀態,以及這兩者之間的大量證據,並且將所有的科學事實,彙整成這一套理論。在這套理論的背後的事實,是美國人口與經濟成長的同時,使用的大自然資源開始逐年減少、空氣與水污染逐漸降低。
科學證據也顯示,我們在關心的事物「絕大多數」變得越來越好。當然,不是「所有」事物都變得越來越好,而這本書,就是試著指出哪些事情已經朝正確的方向持續發展中,又有哪些問題仍滯足不前、甚至退步,需要我們多一分的關注。
.
【樂觀四騎士在全世界馳騁】
為什麼人類開始懂得「用更少資源創造更多產出」?在經濟成長的同時,消耗更少的資源、降低對環境的污染?原因在於自工業時代之後,有四種關鍵因素同時存在,且彼此互相影響,作者稱它們是「樂觀四騎士」。
1. 資本主義:為了降低成本、追求利潤最大化,促使企業用更少的資源達成產出,並且尋找更多新的能源與研發替代方案。
2. 科技進步:促進企業對資源使用的效率,追求「去物質化」的手段,對資源採取減量、替代、優化、蒸發的方式處理。
3. 公眾意識:因為公民們意識到經濟和人口的成長,對環境帶來的負面影響,會想要採取對地球更好的措施。
4. 回應民意的政府:政府看到人們關注環境汙染,因而回應民意,制定有效的法規來限制和減少汙染。
資本主義促進競爭,鼓勵企業尋找用更少資源產出的方法,科技進步加速了這個進程。尋找到優良方法的企業,將獲得巨大報酬,因此這本身就是個正向循環。公眾意識和回應民意的政府,則透過民意和法規,限制與減少企業因為使用資源而造成的汙染。
作者鼓勵人們應該把這些進步「紀錄」下來,因為這會告訴我們非常重要的一件事:我們正在做的事情是有成效的。這本書也傳達一個觀念:「我們不需要把經濟和社會方向盤猛烈的轉往不同方向,我們只需要踩著油門,讓樂觀四騎士在全世界奔馳。」
.
【「去物質化」是什麼?】
讀這本書的時候,不斷看到「去物質化」(dematerialization)這個術語,它貫串全書,也是最令我最有啟發的關鍵字。在資本主義市場的運作之下,渴望賺錢的公司往往會尋求使用更少的資源。這股渴望,會讓它們採取更進步的技術,邁向以少創多的局面。
作者稱這個現象叫做「去物質化」,常見的有四種途徑:減量、替代、優化、蒸發。
1. 減量:使用更少的鋁來製作鋁罐、使用更少的農地、水、肥料達到相同糧食產出。用更少資源創造相同產出。
2. 替代:新的頁岩壓裂法降低天然氣成本,正在替代原本盛行的煤炭發電。提供核能運轉的鈾燃料是下一個機會。
3. 優化:隨著數位感測器和排程軟體的出現,鐵路車廂的利用率、航空客機的載客率都有非常大幅的提升。
4. 蒸發:物質被取代消失。一隻iPhone就取代了電話、攝影機、錄音機…等無數的裝置,堪稱去物質化的冠軍。
去物質化讓我感到啟發的點,在於輕量化、整合型的技術、數位化的科技,的確讓我們逐漸擺脫對「物質」的依賴度,轉而追求其他不需要消耗大量物質的事物。在未來的世界,「有形」的產品會越來越昂貴、稀少,但「無形」的產品反而會提供越來越多的價值。
.
【樂觀四騎士帶來了哪些改變?】
第一,它們讓人類和大自然的相處方式明顯進步。資本主義和技術進步加快了「去物質化」的腳步,法規約束了汙染的排放,全球的貧窮、糧食、公衛、教育、壽命都持續邁向正面的發展。仍要注意的是二氧化碳的排放,這部分目前尚無全球共識的規則,是非常迫切的問題之一。
第二,它們使經濟活動更加集中化:越來越多的產出來自越來越少數的國家、農場、與工廠,越來越多的報酬流向越來越少數的公司和個人。科技的進步讓利用資源的運用方式更具效率,但也造成更多贏家通吃的局面。
第三,它們導致人際關係越來越脫節,社會資本降低。四騎士推動世界繁榮的同時,加上集中化的推波助瀾「不均」的財富分配,許多人感覺有一種被四騎士拋下的「不公平」感受。
與大自然的進步是好消息,集中化則是好壞參半,脫節則是令人擔憂的趨勢。
書中對於集中化和脫節的解決方案,並無著墨太多。因此,我推薦有興趣的讀者可以讀《民主式經濟的誕生》這本書,書中提倡企業應該盡可能避免「榨取式經濟」的模式,轉往「民主式經濟」讓個人和企業共同繁榮,藉此解決不均和不公的問題。
.
【我們還需要注意什麼?】
作者認為普通的公民,並不用擔心「資本主義」和「技術進步」這兩個騎士,因為根本不需要別人插手,它們自己會找到最棒的「去物質化」方法,降低資源的使用,達到更多的產出。
我們可以關注和影響的領域,就是提高自己對證據和事實的認識,避免被黨派和意識團體的錯誤資訊操弄。用自己手上的選票,去支持在做正確事情的候選人,提高「公眾意識」和鼓勵「回應民意的政府」這兩個騎士。
例如,責罵企業的不當行為會讓責罵者感覺自己很有道德,實際上很少達到什麼效果。更好的方法是投票給認真看待對抗污染和保護瀕臨危機物種的候選人。作者舉出值得每個公民關注和支持的七個議題:
1. 減少污染:汙染不是資本主義關心的成本,但它需要被政府限制、規範,留意那些試圖「放寬」任何規範的候選人和遊說團體。
2. 減少溫室效應氣體的排放量:溫室效應氣體持續對地球環境造成傷害,但它在全球還沒受到有效的管制。支持那些對這個議題有正確洞見的候選人。
3. 提倡核能:科學證據顯示,核能仍是唯一不會排放溫室效應氣體、可以擴大規模、安全、可靠的動力來源。民意反對和建造成本是巨大的障礙。
4. 保護物種與生態環境:資本主義本身對於稀有的動物最感興趣,因為他們能賣最多錢。我們要持續支持那些保護土地、限制獵捕的政府法規。
5. 提倡基因改造生物:廣泛的科學和醫學證據已經證實它是安全的,有助於提高收成、減少農藥、改善營養。最大的障礙仍是牢不可破的民意反對。
6. 資助基礎研究:民營企業不容易砸大錢在研發上面,政府的政策與計畫扮演重要腳色,我們應該支持那些提倡基礎研究的候選人。
7. 提倡市場、競爭與創造工作機會:我們常忘了競爭和創新帶來的繁榮和機會,導致社會主義正在死灰復燃。應該聚焦在提供工作機會給與社會脫節的人們。
.
【我的讀後心得】
在讀的過程中我試著問自己,對於這些議題,我自己能做些什麼?在書的尾聲,作者的這席話讓我受到啟發:「我們能為地球做出最重要的一件事是:增廣自己的知識與見聞,使用可獲得的最佳資訊來指引我們的行動與決策。」
上一本讓我對世界的認識有「頓悟時刻」的書,是比爾蓋茲推薦過的暢銷書《真確》,已故作者羅斯林感嘆道:「過去20年,全球赤貧人口已經減半,但針對多數國家的調查中,知道這些事實的人不到10%」。
這些不知道事實的人包含我自己。
《真確》從人類心智偏誤的解析,加上事實證據的輔佐,導正了我對世界發展趨勢的錯誤認知。而這本《以少創多》則從資本主義、科技、汙染、環境的多種角度,帶給我許多的啟發和省思,也讓我對那些懸而未解的議題產生興趣,例如核能與基改。
如同作者所說:「我們相信的很多東西是因為我們周遭的人相信它們,或是所屬的政治陣營成員們相信它們。」人們害怕核子反應的巨大威力、害怕基因改造帶來的健康影響,害怕我們即將耗盡地球資源,這些感受究竟是人性本能的恐懼驅使?還是基於科學事實的判斷?
雖然我自己也還沒有明確的答案,但是我相信持續閱讀、對既有觀點提出疑問、不斷刷新自己的認知,就是走在增廣見聞的這條路上最好的燃料。
量化研究方法有哪些 在 燈火闌珊處 Facebook 的最佳貼文
一位超認真的朋友提供了3/29早餐會的筆記,有興趣的人可以參考。
=========================================
討論量化分析,很容易會侷限在看財務報表數據而去買股,那如果財務報表造假,就很容易買到地雷股。認為還是要搭配其法說會、了解其商業模式,整體去看,才能避開地雷股。
燈大剛開始投資很怕買到地雷股(財務造假公司),所以剛開始大量閱讀再講財務造假的書,例如《騙術與魔術:識破13種連財務專家都不易看穿的假報表》(美國案例,已絕版),現在比較有信心有能力可以避開財務造假的股。如今認為不是看這麼多財務造假的書或案例就可以避開(有稍微幫助),但還是要了解其公司的商業模式 如何去經營 策略是什麼,分析其商業賺錢的邏輯性(邏輯要合理,要長期去思考和訓練)。法說會比較吸引我的內容不是財務數據的報告,而是有關公司產業狀況 如何經營。
燈大一開始就清楚自己是走「從長期價值投資/商業模式去研究個股及價值」,但不是很容易做到。不過方向明確,就努力去學習相關知識:商業相關、商業傳記、會計相關、公司年報 法說會,持續去閱讀。
詢問燈大持股時間,看長期至少3~5年。燈大賣股的原因三種理由:當初買股的理由消失,二來有更好的投資標的,三來此股股價已經漲太多了。
有人問燈大為什麼不做某方程式:設定某種條件,達到就自動賣出。
燈大回覆,只要寫出這種條件的就是量化(有量化數據才能說達到什麼條件就會做什麼動作),但其實這樣與我的投資理念是相違背的,我不認同有所謂量化分析,我覺得一旦分析就是質化了。量化其實是對於你這質化分析的一種輔助,量化數據如毛利率提高,但其數據卻沒辦法說出這家公司產業模式或產業變化,那只是由一種結果講另一種結果。
有人提問現在有新興行業 AI Agent,聽說套上大數據幫投資人買進賣出,沒有感性問題只有理性,聽說這領域一直成長,燈大如何看待這方式。
燈大回覆,是否真的有效,有待時間驗證。另要判斷AI此方式投資可不可行,我由所獲得的AI相關知識個人判定為不可行、不太會成功,因為知道現在AI技術可以達到怎樣程度,投資以現今的AI技術還是無法做到。
首先要知道目前AI技術為深入學習,給他看大量資料/數據,然後AI會在這些大量數據幫你找到 也就是所謂的暗知識,以人臉辨識來談,他的模特就是你寫了演算法之後,給他大量/幾百萬張的人臉圖案,然後它會一直去看,就會訓練出人臉就是長這樣,但它是怎麼認出的,你不知道,後來研究萃取出它們大概是看哪些,我們認臉是看五官,它們是看兩眼間的距離或其他東西,但終究它怎麼從第一步到最後一步認出這個人就是你 我們是不知道的。其中有很多細節不細談,但想想你要給出怎樣的資料/數據去訓練AI挑出怎樣的股票未來是會漲的,宣傳AI選股的一定是用過去和股價相關的數據,不然怎麼預測這家公司的股票未來會漲,其實這和技術分析大同小異的方式,用目前AI投資會不會有效,或許某些時候/情況有其效果,但是長期都會是有效策略嗎?採懷疑態度。
與會者有人說李彔也提到:「現在講K線已經是比較『低級』的了,最新的理論講AI(人工智能)」(出自李錄:價值投資的知行合一 )
有人問燈大如何去挑產業,因為每家公司的企業文化與經營者理念都不同,燈大是一家一家去挑出自己認同的公司嗎?
燈大回覆,理論上是應該一家一家去看,無論是透過年報或是法說會,巴菲特一開始是這樣做,這樣確實是真正有效的方法,但我個性很懶,每天隨時去注意周遭生活朋友交流或新聞或法說,當有吸引我的點才會進一步去看。有些個股看其法說會才知道這家,其前幾分鐘才吸引到我,就去進一步研究。所以常常一年只找到一個好機會,做一筆交易(持股不算)
詢問燈大是分批買還是一次買
燈大回答大多是一次買進,因為當下決定買入時是覺得它已經很便宜被低估,就不會去期待更便宜了,如果還要等待它更低點,那就是賭了,覺得沒有意義。所以要對買下的判斷有把握一點,還是取決於你認為它現在的價格是否是被低估狀態的能力。雖然有時買進,它還會跌,但沒有關係,因為沒有人可以買在最低點,我只要買在相對低點,抱得夠久,都可以賺得到錢。但很多人怕買入會跌就分批,但因為分批有時買高有時買低,平均下來買進價格也差不多。但燈大不怕股市大下修,還是會抱持著。
有人問 如果股價離你想買入的目標價距離有段距離,燈大會怎麼做?
燈大回覆,既然對這家公司的未來看好,現在買入價格與你要賣出的目標價(覺得它真正的價值/價格)還很遠,那漲了10%又如何,雖然最初會想 「啊漲停耶 是不是跌回來再買」結果錯失了一個漲三倍的股票。所以會一直修正方式:現在會一次買足,即使要買當下漲了也還會買。因為之前的經驗,重點加上我對這家公司有充分了解與研究,也有一定信心的前提下,所以它漲停(我還是覺得便宜)我才會追高買進。不然不會隨便去追高。然而當下要承受,買進後可能股價還會下跌,一段時間的帳面虧損與套牢(坦然承受),認為所有策略都有其優缺點。
有人建議為什麼燈大不看該公司過去股價可能的低點而買入?燈大認為即便過去股價再怎麼樣的規律,你怎麼知道現在的股價是低點(過去不代表未來)。詢問者的前提邏輯是這家公司過去的股價趨勢,但燈大的邏輯是我現在看這家公司的股價 與 我對它未來預測的股價去做比較。我對它未來的預測與現在股價有大段距離 而且我研究透徹有信心,就不會考慮它股價之後還會不會回跌,我就會買入。(長期來看,我買在相對低點,雖然買後公司股價可能下跌15%,短期會覺得跌很多,但以長期來看,這上下15%的區間是差不多的)而依詢問者邏輯是有可能現在股價是過去股價趨勢的高點。看的角度不同,得到的結果不同。
有人問燈大怎麼決定自己持股比重——>自己最看好的會重壓,建議想清楚投資策略還有其優缺點,這之間是相關的,和適性而為。
有人問燈大會做短線投資嗎?例如 80%長期,20%短線。燈大回覆 現在不太會主動尋找這樣的機會 覺得很麻煩,短線做完又要換標地。
續問若是抱長期,看錯的話損失很大
燈大回覆 所以一定要符合自己的個性與投資策略,把這家公司研究深入與透徹,加增自己的信心水準。
無論是買價值股還是成長股,優先考慮都是下檔風險。
一般人認為下檔風險是指買進這檔股票後它還會下跌的機率多高或空間有多大,但燈大有不同見解,認爲下檔風險是指 該公司有其基本價值,簡單說明舉例,某公司市值的100億,手上現金有70億了,那我認為它下檔風險基本在70億左右(燈大自說可能是極端概念),你買在 60億或70億就會覺得它下檔風險很低,它股價之後有可能跌到50億.40億等,但燈大不在意它之後股價會不會這麼跌,在意的是它真實的基本價值在哪兒,是不是那真實現金70億沒負債,(會不會造假,當然要自己判斷),這樣買入即便它市值跌到 40.50億,也不擔心。相反沒有這些基本資金去支撐其價值,你判斷說他最低跌到 70億,若市值真跌到50億 還這麼有信心嗎?
基本上明確知道有基本價值在其中,買進價格不會超過價值太多。判斷如果我長期持有,如果下檔最差有個 15%虧損,這樣會比較有信心持有,如此也不會虧到太多錢。基本價值是從很多角度去判斷,基本資產、現金、客戶關係、商業模式、技術,以上總結主觀判定這些價值多少錢,假設這家公司要被私有化,你覺得這家公司至少值多少錢?當然要保守去算。大部分相類似或產業的私有公司如果被合併時,大概用可以賣多少錢?這樣公司市場大約是用 5~8倍去買,你就用4-5倍去估值,這是一種估值方法。估值方法很多,無法以一概全,還是得 case by case,這還是需要憑靠你去大量閱讀 看很多的資料才比較可以去判斷。或者倘若你對這家公司的產業和商業模式有一定的了解,你比較有信心知道這家公司最差業績是怎樣狀況 ,不會再差了,這也是一種基本判斷。
詢問如何學財報
學習投資第一天 就先買股票,財報學習不是拿教科書從頭看到尾,而是先看基本科普等級的財報書,大概了解什麼是營收 成本 費用 毛利率等,接下來真的去看個股財報 邊看邊學。這種東西急不來 持續學一定會進步,我大概花了兩三年才真的覺得看財報是沒有問題的。看得懂每一項數據的定義與背後意義,把會計學通了,不代表看得懂財報,真的看懂財報還是要去了解其商業模式,不然你只是看到數據,而不知道到底發生什麼事。但基本會計知識還是需要的。
問什麼叫商業模式?
燈大回覆 簡單而言就是這家公司怎麼賺錢,不是所謂製造產品賣出就是商業模式。簡單舉例,兩家同樣都是麵包店,彼此的商業模式不一定相同:銷售的策略不同,製造流程、鎖定的目標客群、販賣策略都不同。為了能在競爭中取得優勢,必須多想多做,它必須找到適合自己公司狀況的好的商業模式。
簡而言之,如何在競爭中勝出的你的賺錢方法,就是商業模式。
說仔細點有很多面向,你的目標客群是誰?你如何創造出價值?你創造什麼商品服務?如何把這價值傳遞出去?你的供應鏈或者製造部分,這些都是商業模式的一環。
透過大量閱讀,聯想到以前的經驗、閱讀或商業知識累積,就能多少看見這家公司的亮點。例如之前看過騰訊傳,從中累積的知識,看見個股未來發展的亮點。
討論到如果有公司減資,究竟是買進庫藏股減資,還是現金減資比較好?
燈大回覆 會以公司老闆角色去看 而且老闆對自家公司更為了解,會以自己/最大股東能夠獲得最大利益,目前公司前景很好,買進庫藏股並銷毀後的減資,未來股東權權益會更大。
其實要看公司狀況 究竟是現金減資好還是買回庫藏股減資比較好?若以老闆看好自家公司前提下,如果選擇減資拿回現金(不用繳稅),但手上持股還是會變少雖然比例沒有變,拿到的現金還是得回市場投資,但如果前提仍很看好自家公司,想再投資自家公司的話,就要再增資,這樣減資又增資不是很奇怪嗎?
現在買回庫藏股的策略,股東持股比例還是一樣多。因公司前景很好,買庫藏股方式更好,一來以長線來看,現在是很便宜的股價,可以用便宜價格買進庫藏股,二來買完又註銷後,股本縮小,未來前景好,以後每股盈餘更高,分配到我這個老闆/股東本身的利益會更大,當然還有其他考量。
計算方便舉例如 10億股本(1億股),想減資減到5億,一年後我賺10億稅後淨利,如果我沒減資,10億股本EPS為10元,但如果減資,5億股本eps則變成20元,獲利成長一倍,在其他條件不變的情況下,通常股價也會成長一倍,而且很有可能股價成長超過一倍,因為市場會看到這樣驚人獲利。其實這樣方式也是很保險的投資 聽起來是減資,但實際上是再投資,因為手上持股會更有價值。
量化研究方法有哪些 在 雷司紀的小道投資 Facebook 的精選貼文
「面對加密貨幣牛市,你可以透過哪些管道參與」
-
比特幣最近不斷上漲,目前價格穩定在 55000 美金以上。
許多機構都開始入場,連特斯拉也持有 15 億美金的比特幣。
除了機構外,身邊有越來越多朋友開始詢問這個問題:
「我想投資加密貨幣有哪些管道呀?」
但機構購買加密貨幣的管道安全、有嚴密的監管與擔保
而散戶如你我是很難接觸到這些管道,
那有什麼方式可以參與投資呢?
-
首先,你可以先了解什麼是「加密貨幣」,有哪些安全交易所
【新手加密貨幣教學:什麼是加密貨幣?如何預防假幣詐騙?值得信賴的大型交易所有哪些?】:
👉https://www.rayskyinvest.com/15271/what-is-cryptocurrency
我大致上將加密貨幣交易分為三種:現貨、被動型以及衍生品,
現貨我覺得可以使用幣安、被動型則是派網、衍生品是 FTX。
-
1. 幣安
如果是主動型,我推薦使用「幣安」,幣安屬於目前交易量極大的交易所,可以先了解幣安交易所背景:
【幣安 Binance 品牌故事:趙長鵬當年如何創立幣安?連結傳統金融與加密貨幣的橋樑,希望打造自由金融的未來世界】
👉https://www.rayskyinvest.com/12770/binance-cz-brand-story
如果看完後對幣安有興趣,可以參考幣安完整攻略
【幣安最高 20% 推薦碼】註冊開戶、出入金、驗證、安全性統整
👉https://www.rayskyinvest.com/20891/binance-discount-intro
-
2.派網 Pinoex
因為幣安屬於現貨以及一些需要花時間研究的交易,對於沒有太多時間的用戶可能會有些時間成本,如果你是打算靠加密貨幣獲取被動收入,我推薦可以使用派網。
【派網 Pionex 介紹:全球首間量化交易所,提供交易機器人讓客戶化身華爾街高階經理人】
👉https://www.rayskyinvest.com/21957/pionex-introduce
派網主要是做網格交易,可以讓一般人用更輕鬆的方式獲利,如果你對網格交易不了解,可以參考以下三篇文章:
【網格交易 | 華爾街買賣外匯的交易策略,在熊市中也能獲利】
👉https://www.rayskyinvest.com/22357/grid-trading-method
【無限網格觀念教學:克服價格區間限制,讓你的交易永不停歇】
👉https://www.rayskyinvest.com/23098/unlimited-grid-trading
【天地單教學:年化報酬率 15~50%,適合新手初次使用】
👉https://www.rayskyinvest.com/23924/tian-di-grid-trading
【期現套利:不怕加密貨幣風險波動,15~50%年化報酬率策略】
👉https://www.rayskyinvest.com/26433/spot-futures-arbitrage
#派網的另外一個好康
#是當你的朋友用你的連結交易時可以獲得額外的手續費回饋
#又是一筆被動收入
-
3. FTX
FTX 是專門做加密貨幣衍生品交易的交易所,如果你是想要用加密貨幣投資美股、期貨、以及其他的指數類產品,我也蠻推薦你使用他,他是以美金結算,對於新手來說也算方便。
【FTX 介紹:以創新崛起,並肩幣安的頂尖交易所】
👉https://www.rayskyinvest.com/23118/ftx-intro
FTX 中有提供股權通證等交易,讓你可以用最低 0.01單位 買美股,也可以運用現貨槓桿,創造獲益最大化。
【用加密貨幣投資美股的方法:FTX 股權通證及代幣化股票】
👉https://www.rayskyinvest.com/22935/ftx-tokenized-stock-intro
【FTX 現貨交易教學:錢包快速兌換和一般下單買賣】
👉https://www.rayskyinvest.com/24897/spot-trading-cryptocurrency-at-ftx
-
【加入Telegram 與 Line 群】
LINE:漫談美股群(美股、ETF交流)
💪 https://rayskyinvest.org.in/Line漫談美股群
LINE:漫談加密貨幣討論群
👉 https://rayskyinvest.org.in/漫談加密貨幣LINE群
TG:漫談美股吃鮪魚
👉 https://t.me/joinchat/L9lTJRvlVybefGlNDHDd3w
TG:雷司紀小道投資免費訂閱
👉 https://t.me/rayskyinvestment
量化研究方法有哪些 在 張偉豪-量化統計SPSS教學課程-突破35個常見任務 - Facebook 的推薦與評價
3天後的你,將明確針對 研究 的問題,做出精準的 方法 選擇與分析流程! ④ 突破報表解讀障礙 1. 那麼多分析報表,該報告 哪些 有用的表格,它們之間的關係是 ... ... <看更多>
量化研究方法有哪些 在 ymcui/Chinese-LLaMA-Alpaca: 中文LLaMA&Alpaca大语言 ... 的推薦與評價
... 方法和讨论见讨论区;transformers下支持4K+ context的代码请参考PR ... 暂时没有在线可互动的demo(注:用户仍然可以自行在本地部署). 引用. 如果您觉得本项目对您的研究有 ... ... <看更多>
量化研究方法有哪些 在 你有符合正態分布嗎? #量化研究#期刊投稿#統計分析 - YouTube 的推薦與評價
哪些 研究生比較容易畢業,你有符合正態分布嗎? # 量化研究 ... 指導教授要如何整學生, 方法 公開!留言告訴我們你還遇過 哪些 招# 量化研究 #期刊投稿#統計分析. ... <看更多>