近年接受的最長也是最細緻的採訪,人物雜誌記者像私家偵探一樣,從我和朋友的交談,從各種出乎我意料的文字視頻資料裡面,打開了我內心深處最真實的一面。有不少獨家的秘聞,歡迎點擊。
李開復:最大化戰爭的倖存者
本文來自《人物》雜誌
文|李斐然
編輯|朱柳笛
攝影|尹夕遠
……………………………………
坐在李開復對面是一種持續的挫敗和絕望。技術要比人性更根深蒂固地活在他身上,那種感覺很像是跟Siri聊天,全程剔除人類情緒。這讓人產生一種不太對勁的迷惑:如果他參加圖靈測試,能通過嗎?
這種最大化的氣質只在一種狀態是合理的,那就是科學家的實驗室。這原本可以成為一個最典型的科學家故事,一個天才,迷戀技術,與機器共存,活在實驗室裡。但顯然,李開復早在30多年前就放棄了這條路,這也是他的故事中最有意思的一部分——天才決定離開實驗室,投身複雜、渾沌、充滿局限又充滿活力的商業社會,活在人群中。
┃最大化戰爭
李開復的西裝褲口袋是一個精確測試後確定的尺寸,它和最新款iPhone的尺寸貼合,既不會淺到放不進去,又不會深到不容易取出來。在重要場合,他會戴寬度7釐米的細領帶,比市面上大部分領帶細1釐米,因為他經過實驗發現,這樣的搭配顯瘦。就連他的笑容,都像是一個受過專業訓練的職業偶像營業時的idol smile,這是他大部分照片裡的固定微笑的弧度。
坐在這樣的李開復對面是一場持續的心理危機。他的人生經歷被量化,像一個可查詢的資料庫,他的回答基本上全部出自他出版過的8本書,以及迄今為止發表過的公開演講、訪談和文字記錄。如果你讀過這些內容,就可以準確預測他每一次的答案。因為不管問題是什麼,他都會繞回到這些公開信息的範疇之內,邏輯落點始終是——“世界因你而不同”,每個人都要“做最好的自己”,而現在,我們應當關注“AI未來”。這些是他的自傳標題,也是他研究後發現最適宜大眾傳播的話題。
他的生活是一場最大化的戰爭,在有限條件裡,最大化時間,最大化效率,最大化確定性,不允許冗餘。偶爾助理給他在兩個時間段中安排了休息,會遭到他委婉的批評:時間沒有得到充分利用。
這場最大化戰爭貫穿了李開復30多年的職業生涯,他擁有一個商業偶像的完美履歷:畢業於學術頂尖的哥倫比亞大學和卡內基·梅隆大學,工作過技術最頂尖的科技公司,蘋果、SGI、微軟、Google,而後在2009年創辦創新工場,投身中國的創業熱潮。
在每一個階段,他都創造過最大化的奇跡:在蘋果,他曾將尚處於實驗室階段的前沿語音辨識系統,壓縮了1000倍後應用在當時的蘋果電腦裡;在微軟,他創建了微軟中國研究院,這成為後來世界知名的微軟亞洲研究院,走出來許多AI領軍人物,被《麻省理工學院技術評論》稱為“世界上最火的電腦實驗室”;Google中國也在他的推動下,從一個人到700人的團隊,實現了最具歷史意義的當地語系化。
過去10年中,他的最大化戰場是中國的互聯網創業。創新工場所投資的項目超過350個,已經誕生了17家估值超過10億美元的獨角獸,基金規模超過20億美元。“創業本身就是一場最大化。人們在創業環境中得到的成長,是在其他環境裡不會得到的。創業就是做出了有限性和無限性之間的連接,達到了人的最大化。”
技術造就的商業奇跡,是過去10年間中國互聯網的獨特景象。技術高度集中化了效率,放大了個人的力量,讓所有人親歷了一場肉眼可見的奇跡——一個創業者能改變所有人購物的方式,一個聊天工具能顛覆此前所有的通訊龍頭企業,一個網紅主播能直接決定一款口紅的生產……中國市場成為全世界資本最為矚目的新大陸,它吸引著一個又一個人投身這片土地的最大化戰爭,在這裡,任何一個人都有可能親手創造一場影響14億人的奇跡。
“看到時代的變遷,看到迎頭而來的機會,總在想怎麼去調整自己,才能捕捉到這些機會。如果你讓我每天做一樣的事情,我會枯燥到死。”李開復說,“每一年我說不出來我做了兩三件很驚人的事情,好像就白活了。”
不過,這場最大化戰爭也多少吞噬了人性。在家裡,他陪家人的時間是經過精密規劃的最大化策略,“既不會少到讓她們抱怨我不是好丈夫、好父親,又不會多到影響工作效率”。妻子謝先鈴有次跟他吵架,氣到離家出走,不接電話,不回短信。結果,李開復選擇用技術回應。他在Google搜了大概1000條道歉短信,從裡面挑了50條比較接近他的口吻的,自己又寫了50條,湊成了一個100條道歉信的資料庫,然後寫了一個程式,每隔45分鐘隨機發送短信,不間斷地一直發,連續發送到第三天的時候,妻子敗給了程式,認輸回家。
創業夥伴陶甯從微軟時代就認識了李開復,那時候,連跟他吃飯都是一場智力競賽,要一邊吃一邊玩難度極高的推理遊戲。她注意到,同樣使用語音輸入,李開復的語音轉化準確率要比周圍所有人都高。因為他常年訓練自己,用機器習慣的穩定狀態說話,“不要只train機器,還要train自己。”
與他結識近14年的黃蕙雯是創新工場現任CMO,起初她並不想接受這份工作,就跟李開復說,北京霧霾好重,我不要搬過去。結果過了一會兒,她在微信上收到了他的答覆,他依次發來中國氣象局的監測結果、社科院的研究報告,以及協力廠商機構的觀察統計。李開復糾正她,準確的事實是,北京的空氣品質已經有了大幅改善。這構成了李開復強悍的說服力,但也讓黃蕙雯不得不沖他吐槽:“你一定要每天都過得這麼用力嗎?”
所以,坐在他對面是一種持續的挫敗和絕望。技術要比人性更根深蒂固地活在他身上,那種感覺很像是跟Siri聊天,全程剔除人類情緒。這讓人產生一種不太對勁的迷惑:如果他參加圖靈測試,能通過嗎?
這種最大化的氣質只在一種狀態是合理的,那就是科學家的實驗室。這原本可以成為一個最典型的科學家故事,一個天才,迷戀技術,與機器共存,活在實驗室裡。但顯然,李開復早在30多年前就放棄了這條路,這也是他的故事中最有意思的一部分——天才決定離開實驗室,投身複雜、渾沌、充滿局限又充滿活力的商業社會,活在人群中。
┃與複雜共存
商業世界有一些暗號。特別是創業者見投資人時,他們一般不會直接說出自己的想法,你只能去捕捉一些訊號——聊天中他有沒有看手錶,中途接電話有沒有回來,如果聊了半小時他還在提問,要麼這次有戲,要麼他不懂這個賽道,想讓創業者幫他普及一下背景。最直接的失敗徵兆是,“我後面還有個會。”
但是,李開復會給出不太一樣的訊號。他愛談論技術,見他需要準備好充分的資料材料,以備他即時提問。他尤其鍾情于技術天才,有時甚至會打破自己縝密的時間規劃,跟他們多聊。可是,如果技術天才只講技術,他會直截了當地告訴對方,“你的想法太天真了。”
他的本質是一個電腦科學家。在成為投資人、創業者、職業經理人之前,他是足以躋身世界一流的人工智慧專家。電腦博士李開復設計過一款人工智慧博弈程式Bill,擊敗當時奧賽羅棋世界冠軍;他還使用一種叫做“隱瑪律可夫模型”(HMM)的方法,建造出世界上第一套非指定語者連續性大詞彙語音辨識系統Sphinx。學術界一種開玩笑的說法是,衡量一個人的研究高低,就去看他的論文能在多少年後還持續折磨著後輩入行必讀。而李開復的論文,直到今天還有程式師將其翻譯成中文,細細研讀,距離他發佈這些論文已經33年了。
走出實驗室後,他親歷過這個時代幾乎每一次最重要的技術變革,參與它們的落地。陶寧記得,即便在微軟、Google這樣的頂尖公司,想要讓技術進入產業也是一場惡戰,李開復要反反復複做演示,跟不同人群磨合,他們之中大部分人不懂技術,“99%不是你的技術同類”,但他們又有自己的立場和顧慮,李開復的工作就是需要彌合這種人群之中的認知差異。
商業是人構成的戰場,在這裡,贏的關鍵是學會與複雜共存。尤其在中國創業,是一場全世界最殘酷的戰爭。所有參與者將最大化推向極致,只有親自下場,你才能明白這種現實的顛覆性力量。天才的最大失利往往不是技術缺憾,而是誤讀了人,誤讀了人性,誤讀了人群之中的風向。
在微軟的時候,到美國總部開會,坐滿一屋子的天才工程師總提中國盜版,討論的主題都是怎麼抓、怎麼告、怎麼正版化、能賣多少錢。“我說你們根本不懂中國人的思維,我就帶他們來中關村,教微軟的人怎麼理解中國市場。”
李開復設計了一套小實驗,他讓來北京的美國高管們先去一趟當時的電腦大賣場海龍大廈,每人發同樣的錢,買一個電腦回來,去親眼看看在中國做生意是什麼樣子。結果在中關村購物一圈,連最理性的CTO都陷入了中國充滿感染力的消費亢奮之中,回來熱情地跟李開復說,什麼都有,什麼都有,什麼都有!那是一種誰也阻止不了的商業生命力。只有親歷才能明白,你沒法跟一顆破土而出的種子講道理,靠理智否定它的生長。它會不惜一切代價活下來,最優解是與它共生。
過往的經歷把他訓練成一個務實主義者。2006年,他參加香港科技大學前沿研究討論會,臺上坐著諾貝爾物理獎得主楊振寧,時任科大校長、物理學家朱經武,還有著名數學家、菲爾茲獎和阿貝爾獎得主邁克爾·阿蒂亞爵士。他們熱烈地討論“詩人科學家”這個議題,數學好美啊,數學充滿想像力,只有他不太同意。
李開復很客氣,這是他身上的另一個重要特質。他婉轉地提醒:“這個世界需要有像他們那樣偉大的科學家,留在高校研究院,來探索數學之美,但是也需要像我們這樣的工程師,來把它做成有價值的東西,解決人類的問題。這兩者缺一不可。”
他必須要學會在人群中生存。王詠剛是創新工場CTO,也曾在Google工作了10多年。他知道,跟形形色色的人談技術,是個苦差事,講深了大家聽不懂,講淺了大家覺得沒有用。碰上完全不懂技術的人,尤其是傳統產業的老闆,也得講得下去才行。他有一次聽到李開復不得不跟一個地方老闆解釋,“AI是一種新時代的Excel”,因為Excel對他們來說已經代表了複雜,他耐心地解釋,“像Excel那樣,你把資料填進去,結果就能算出來。”
“我就沒有開復那樣的好脾氣,講不明白我就不想說了。但是他還是很有熱情,能在不同場合,耐著性子,讓所有人聽懂。”王詠剛說。
“市場接受了,技術就得到了承認;市場不接受,再奇妙的技術也不名一文。”李開復曾這樣寫道,市場是一切技術的試金石,只有不適應市場的技術,沒有不適應技術的市場。就算是地球上最偉大的科技公司,技術不能落地,也在市場一文不值。
整個過程都要對抗人群中的懷疑、不解和誤會。智明星通的CEO唐彬森說,10年前覺得李開復不像個投資人,每天叮囑他關注技術趨勢,“老發一些沒什麼用的話”,“我們還在創業苦哈哈的,滿腦子想的還是人怎麼招啊,工資怎麼發啊,他老說要all in移動互聯網,老說比爾·蓋茨的名言,‘人們永遠會高估一兩年的發展,而低估了未來10年的發展。’我當時心想,手機螢幕就這麼點大,性能又特別差,能怎麼樣?”
如今,技術奇跡驗證了李開復的判斷。前不久,創新工場10周年紀念,他給李開復發了一條資訊,“偉大的時代需要有偉大的想像力。”
然而,人群之中,質疑總免不了。出現負面評論的時候,陶甯和李開復經常爭論。李開復希望能把事實解釋清楚,但陶寧告訴他,如果他相信,自己事業的目標是把技術落實進產業裡,就必須專注於技術的落地,“活在一種不理解中,學著與噪音、反對、誤解共存”,對這個世界說,那好吧。
“你說他沒有生氣過10分鐘、1小時,他肯定是不高興的,但是他得用理性的方式去處理。”陶寧說。“況且,創業中太多你想要做的事情,已經填滿你的時間了。像開復這樣從學界跳到工業界,面對客戶、投資人、產品、團隊,他已經生活在人群之中了,必須學會接受過程中的噪音。”
這大概就是時代留在他身上的一種複雜性。他的技術信仰分成兩半:前一半是個科學家,能寫最複雜的論文,調教機器理解人類;後一半是個商人,能洞悉客戶的需求,教會人類理解機器。自始至終,他都是流動在兩者之間的人。
┃吞噬與救贖
技術將李開復的最大化戰爭推向了頂峰,他不僅要最大化技術在商業上的效益,還要最大化自己的影響力。
微博最熱的時候,他給自己的微博寫了一個AI程式,讓機器自動抓取即時熱門的話題,以及與他有交集的主題,以影響力排序轉發,連發送時間都是精准實驗的結果,間隔10分鐘發會掉粉,間隔40分鐘發又不能實現每天發送量最大化,衡量過後得到最優解,間隔30分鐘發一條,每天發送25條,以實現每天穩定漲粉的目標。機器全程類比人類發送的隨機性,避開整點發佈,以免留下機器痕跡,機器甚至能代替他自動回復留言,為他增加粉絲互動頻率,維持熱度。
那段日子,向來平靜的李開復持續生活在一種強烈的情緒衝擊裡,憤怒、喜悅、興奮、焦躁,所有血流都沖向大腦。他每天都會檢查自己的粉絲數,如果沒有達到增長預期就會不高興。他變得對最大化數值有所偏執,“一場演講沒有1000個人我就不去,每天微博不新增1000個粉絲我就不開心,一個記者來採訪我,讀者不夠多我就拒絕。”
一切都是最大化的工具。曾經的創新工場合夥人王肇輝結婚,邀請李開復致辭,儀式結束後,他發現李開復寫了中文發言稿、英文發言稿,在微博、推特、臉書全平臺上都發佈了一遍。作為新聞發言人的他感到高興和感動。但是,李開復大女兒上大學收到的父親的信,也被父親同步發在了網上。雖然贏得了點擊率,女兒卻非常不高興。
今天回憶起這一切,最大化影響力的念頭“就像腫瘤一樣長在我身上,頑強、固執,並且快速擴張”,直到疾病的突然到來。
在經歷了常年的熬夜、高壓、疲勞作戰的生活後,李開復的體檢報告裡檢測出腹部存在26個腫瘤,醫生確診為淋巴癌四期。當整個中國互聯網在井噴似的蓬勃發展時,李開復花了17個月養病。最大化戰爭暫時休戰。
休假對於他來說,是一個非常陌生的概念。一開始,他還不能正確融入這種生活裡面。在動完手術的幾個小時後,他還試圖再度投入工作。他在家的臥室裡搭建了一個工作臺,用金屬臂把顯示器懸掛在枕頭上方,躺著回復郵件。
因為生病的緣故,他提前立下遺囑。寫遺囑的時候,他第一次認真注視自己手裡的筆,“那支筆曾在上萬冊書上簽名,暢銷的自傳,鼓勵中國年輕人努力工作、開拓事業的書,這些書每一本反響都很好,如今,同一支筆卻見證了我的失敗。”
寫完遺囑,他坐在母親旁邊,母親已患阿爾茲海默症多年,只能勉強認出他。直到那一刻他才意識到,自己最大化的影子還有另一面。自傳是一個朝氣蓬勃的故事,但對當時在美國陪讀的母親而言,那是寂寞的回憶。沒有親人,沒有朋友,兒子上課的時候,她只能在家對著電視,一台一台換。因為語言不通,她只看得懂一個猜價格的節目,節目很熱鬧,但她也只能猜測這種熱鬧。從天亮到天黑,只有捱到兒子回家,才有人跟她說話。
成功人生的所有細節都顯現了另一個模樣。在臺灣養病期間,他試著參與家裡的裝修,兩個女兒告訴他,過去他花了大工夫,把房間佈置成公主房,買小星星的貼紙,自己一顆一顆貼在天花板上,但其實,她們並沒有想要成為公主。
小女兒說,她更想要收到爸爸的信,因為爸爸過去經常寫信,寫給爺爺奶奶,寫給媽媽,寫給姐姐,但是他已經很久沒寫了,自己高中畢業的時候,還會收到爸爸的信嗎?
生病期間,李開復重讀了許多年前自己父親寫來的家書。原來早在他事業的最開端,父親就曾在信裡,反復叮嚀 ——
先鈴、開復:
先後接到你們來信,一則以喜,一則以慮(我未用“憂”字)。喜看開復的研究受到別人的注意、重視,但我要說一句話是,做學問的要有自尊心,但更要有謙遜心。學習是無止境的。
經過了這麼多年後,他終於開始理解,和自己渴望的最大化不同,父親治學的根基恰恰是渺小。父親70歲的時候選擇當教師,教了幾十個學生。學生寫給他的訃文裡反復提到這位老師謙遜的治學觀點,他相信研究任何歷史最忌諱的是“成見”,“歷史是沒有官方說法的”,自己的觀點也不是最終的答案,應該歡迎反駁,包容不同的意見。
“我才發現,他寫給我的每一封信裡都隱含著一些人生建議。他教我怎樣去做一個更好的人,不要為了一些沒有價值的事情讓自己太忙碌,做人要謙虛,千萬不能驕傲。父親通過這些信,以非常溫和的方法來傳遞他的愛,而我感知得太晚了。”
在臺灣養病期間,住在他家附近的鄰居楊柏林是一位畫家。他看了李開復的故事,送來一幅畫。這幅畫是很多種顏色一起在流動,黑色包裹著紅色,藍色流向了金色,畫面正中央是蔓延開來的白色,如同水一樣,不斷流動,這是他所理解的李開復。
楊柏林說,他在李開復身上看到了自己。這位畫家一直以來的創作理念就是“影子和自我”,而在李開復身上,他看到這個主題的又一次呈現——“真實的我是影子的救贖,而影子的另一面,是我更遼闊的世界。”
┃回到人群中
病癒回到工作中,李開復回到了他的平和狀態。他是一個始終很客氣的人,很少生氣,總是保持弧度穩定的微笑。最大化模式並沒有完全消退,連軸轉地飛行、演講、開會。妻子常常問李開復,“你到底要幾歲退休啦?”
他還不想退休,多久都不想。他還在享受流動在人群中。今年秋天,李開復去烏鎮的世界互聯網大會演講,飛回北京沒幾天,又到釣魚臺國賓館參加中國發展高層論壇。在會議間隙的大廳,遇到的幾乎每個參會者都會跟他打招呼,停下來聊一聊。他像水一樣流動在不同群體之間,對決策者解釋技術的苦處,得給民營企業一些幫助,然後鼓勵研究員多參與實踐。
只是,贏已經不重要了。“經歷的災難多了,人就學得會客觀了。人從挫折中學到的東西,遠比成功裡學到的多。碰到好多問題,上報紙了怎麼辦,大會不能開了怎麼辦,他們說,開復你怎麼還這麼鎮定?我說我都被微軟告過了,這算什麼?我都得過癌症了,還怕什麼?”李開復說,“這一生活得已經很值了,得到了超過我能想像的很多東西,我已經很感恩了。如果我失去一切,那也值了。”
在互聯網世界,這也許是一種不合時宜的平靜。他的辦公室位於中關村,就在樓下吸煙區,休息時間會有許多掛著工牌的人聚在一起抽煙,他們鎖著眉頭,抱怨美國貿易管制黑名單、競爭對手使過的黑招、擴大市場的壓力……互聯網,一種焦慮、廝殺、競爭的象徵,是全世界最殘酷的競爭市場。焦慮是他們被這個技術時代所塑造的一種底色。
經歷過技術時代屢次變革,現在的李開復覺得,在10年中國互聯網中誕生的最有價值的不是產品本身,而是產品背後精於執行的人。“我覺得中國創業者是很強大的一批人,整體來說他們不會是很恐懼的人,一方面有自信,相信自己一定能完成,萬一真的做不成,那就公司關了再創一家,做一家倒一家,倒一家就再開一家,真正厲害的創業者都是這樣起來的。”
一個重要的領悟是,人的最大化,不能做簡單的量化。一個不能透露姓名的創業者說,當時他有一個合夥人,很多投資人不看好,都不願意投。但李開復對他說,“我知道這個事你肯定會踩坑,但我也知道如果出了問題,你也可以收拾得了,所以我們冒一點風險,還是會投。大不了到時候麻煩一點,幫你解決問題。早期多犯點錯誤,總比後邊犯錯成本小得多。”事實證明,他的合夥人果然出了問題,但這名創業者也的確熬過了這個錯誤,帶著公司成長為市場的關鍵玩家。
最近,李開復開闢了一個新的最大化戰場——讓AI落地。
他在創新工場設立了一個人工智慧工程院,給學生做技術夏令營,找傳統產業談合作,還聯繫了大學,幫忙設計人工智慧的教材。作為人工智慧工程院的執行院長,王詠剛常常和他一起出差,去工場考察。他在一家工場車間呆了一天,生產線上1000多個人,王詠剛挨個去看每個人的工作,看看能不能用自動化取代。車間工人用很細的鑷子,貼一張小小的貼片。一個工人一整天困在自己的工位上,反復這個枯燥的動作,拿起來、貼上,再拿起來、再貼上。這是一個亟需得到解放的重複性勞動,但是,今天的AI只能在虛擬世界起效,做語音和人臉識別還可以,一旦進入真實世界,又粗糙又笨拙,遠遠不能取代細活兒。
“那天出來我就在想,未來AI是一個無論怎麼想像都不過分的發展。讓它發展取代工人,這不是一個效率問題,而是一個人道問題。人類是不應該被困在這種枯燥的重複性勞動裡的,應該做一些更自由的事情。今天的AI還在非常非常早期的起步階段,如果AI真正能落地達到90分的話,世界會變得非常不一樣。這是我或者開復,以及一些做AI科研的人所相信的AI。”王詠剛說。
這又將是一個漫長而複雜的過程,就像是他所親歷的每一次技術落地,又要跟決策者建言,又要面對陌生人的迷茫和質疑,想辦法讓人聽得懂,又要耐心勸服創業者相信,這背後是下一場技術奇跡。但李開復似乎很享受這件事,每天連軸轉地面談,演講,參加討論。
1983年,李開復在卡內基·梅隆大學電腦科學系攻讀博士學位,那裡是世界人工智慧尖端研究的前沿陣地。他的博士生研究計畫中這樣寫道:
“人工智慧是人類學習過程的闡明,人類思考過程的量化,人類行為的解釋,以及對智慧原理的瞭解。它是人類瞭解自身的最後一步,我希望投身這門新的、有前景的科學。”
今天重讀這番宣言,李開復似乎的確在用自己的時間,踐行著這場實驗,他把自己訓練成機器的思維模式,量化自己的行為,去教機器理解人類,更重要的是,通過對機器的理解,把它推向人類,實現“人類瞭解自身的最後一步”。
“我確實是用了20年的時間,才慢慢地瞭解他,他不是一個完美的人,也不是個最理性的人,他是一個像我們一樣的人,是一個領導,一個下屬,一個朋友,一個長輩,一個丈夫,一個父親,一個兒子,他是一個生活在人群之中的人。”陶寧說,“他的主線是忠於技術,圍繞著技術他做了所有事情,做了研究,做了產品,做了投資,收集了人才,也獲得了很多朋友。技術改變了他的人生,他也因為身處這樣的技術時代,改變了別人的一生。”
┃只屬於自己的房間
現在的李開復試著活在一場最大化的寬鬆裡面。他已經不怎麼再發微博了,自動定時發佈的程式已經終止了,他只會偶爾上去看看評論。過去看電影,他會按照IMDB排序,從9.2到6.5依次看,他在家裡裝了160T的伺服器,確保他準確擁有全部6.5分以上的電影。現在也沒關係了。他最近在重看《教父》,看了好多遍,他現在喜歡教父那樣的英雄,說不上是英雄,卻也並不是壞人,一生與人性的種種複雜面共存,是一個活在人群中的人。
李開復有一個秘密,那就是吃。他熱愛美食,也熱衷於研究美食。每年大董上新菜,他都會受大廚邀請試菜,跟大廚討論菜品。曾有一家出版社知道了他的美食喜好,想給他出一本美食書。但是,在李開復決定之前,王肇輝就直接拒絕了:“我說不行,只要我還在PR這個崗位上管事,就不可能有機會。我不希望開復的公眾形象變得不專注。我希望科技、投資是占他人生符號99%的東西。不能讓人感覺不務正業,跑去做美食了,這不合適。我不同意這樣的事情出現。”不過現在,這個秘密也不需要隱藏了。講述美食時候的李開復,有一種毫無掩飾的由衷快樂,他花了整整10分鐘時間,認真描述如何煮一顆最完美的雞蛋。這是他經過反復試驗、調試,推算出的完美雞蛋烹飪資料。
他選擇Google工作的其中一個條件是,參與Google中國餐廳的籌建。幾乎每個和他在Google共事過的人都記得,每天中午的試菜環節,會看到一個神采奕奕的李開復點評菜,面試大廚,提很多專業問題。
現在不需要爭奪最大化流量了,他開始允許自己說點真正想說的話,吃到好吃的東西,他會給它們拍特寫,傳上網。其實,如果沒有其他人反對,李開復還挺想寫美食的。但是,他是一個溫和的人,不喜歡跟人起衝突。他也尊重別人的專業,只要是他認定的資深人士的建議,他大多會接受。所以,這個出版計畫最終流產,李開復只說了一句話,“那好吧。”
病癒之後,為了讓更多人對AI感興趣,李開復願意去展露更多真實。他參加了奇葩大會。在去錄製的車上,他準備了一份詳盡的發言稿。助理提醒他,那兒鼓勵現場即興,你自由發揮就好啦。但這是李開復所不習慣的場景,他反問,“自由……怎麼自由?”
結果,奇葩大會收穫了嘉賓語音聲波最平穩的一期節目。錄製結束後,蔡康永跑來找他的助理:“開復在幹什麼啦,讓他來玩的,一上來就講課,也不跟我們打招呼,難道他是緊張嗎?”
習慣是不容易更改的,他還是喜歡活在精確的最大化裡。臨近採訪結束的時候,李開復展示了自己手機相冊,裡面有兩部評分7.9分的電影。“這是我最近發現的兩部電影,我還沒有看過。”他說回家後會把這兩部電影下載來看,所以此時此刻,寫稿還不能寫“李開復看過IMDB上所有6.5分以上的電影”,準確的說法是“所有6.5分以上的電影,減去兩部”。
生活也依然追求一種最大化,但如果沒做到,那也沒關係。李開復在家裡追求極簡,一切都要藏起來,相冊藏在抽屜裡面,電視藏在油畫後面,電腦藏在飄窗裡面,音響藏在房間隱蔽的壁龕後面。他試圖也把妻子的化妝品藏起來,為此設計了一個能夠裝400個瓶子的鏡櫃,完美容納妻子現有化妝品。然而,住了一段時間後,滿載的鏡櫃外面不知道為什麼又冒出來100瓶。於是,他從自己的護膚品裡拿了20瓶出來,也放在外面。李開復說,這是適應環境的新策略,既然要存在冗餘,就讓冗餘也搭配著來,在一種新的平衡裡,與冗餘共存。
他再一次開始寫信。小女兒畢業上大學那一年,他給她寫了一封不再公開發表的信。信的最後一段是:
我問媽媽想說點什麼,媽媽讓我告訴你,我們非常愛你。我問她,這句話是不是應該說,我們愛你,比昨天多一點,比明天少一點。她點點頭,眼睛裡閃爍著一點光,那就像是在你小時候第一次聽到這句話時,同樣的光芒。
後來不久,小女兒把回信文在自己的身上。一個是Stay Gold,它出自美國詩人弗羅斯特的詩,原意是,美好總是容易消逝(Nothing Gold Can Stay),但她改了一下,對她來說,美好也可以永不消失。另一個是一組數學符號,那是長大之後終於領悟的父親的關心,一個大於號,一個小於號。
今天的創業依然是一場最大化戰爭,但作為親歷者,他也得到了珍貴的經驗:“最大化會發揮人的潛力,但也會犯錯誤。我學到的就是不要去算計到這麼細,分清楚哪些是自私的最大化,哪些是真正對世界有意義的最大化。”
李開復的家裡現在有兩間書房。一間是給外人看的,是他完美一面的呈現,乾淨到空無一物的書桌,所有物件都可以完美收納,曾經的獎狀、獎盃和畢業證書,整齊地排列在櫃子裡,是展示給世界看的戰利品。
另一間書房非常狹小,裡面完全沒有裝飾,沒有吊頂,沒鋪地板,抬頭就是黑壓壓的暖氣管道,屋裡只有一把歪到有點散架的椅子,勉強可以坐下。這裡放著他在家裡佈置的伺服器,以及所有不想被外人看到的東西。
這裡藏著所有他生活的秘密回憶。曾經手寫給妻子的情書,父親寫的信,自己的病歷,過去工作用的舊名片,只對自己有意義的工作紀念物,亂糟糟地堆在一起。他跟自己約定,老了退休了,他就把這些回憶按順序整理好。但現在還不用,這樣就好。
只有在那個房間裡,他不用活在最大化裡。這是他精緻的家裡唯一一個亂糟糟的地方,沒有條理,沒有分類,不用小心翼翼。他時不時要去那兒維護伺服器,跑資料的十幾分鐘時間裡,讀一會兒信,發一會兒呆,想念父親和母親。所有情緒都允許得到短暫的表達,懷念,生氣,懊悔,沮喪,難過,也有希望。這是最大化戰爭的一條縫隙,只在這裡,活著一個真實的李開復。
同時也有3部Youtube影片,追蹤數超過3萬的網紅孫在陽,也在其Youtube影片中提到,趨勢預測分析未來數值結果 季節性、趨勢預測長度、信賴區間 面對日新月異的大數據工具,有時候很難跟上這節奏。Microsoft Power BI讓大家可以簡易的製作大數據分析。用 Excel Power BI 做大數據分析,課程大綱有認識大數據、大數據分析、視覺化呈現結果,提升管理品質,有效提升工作效...
機器學習預測數值 在 普通人的自由主義 Facebook 八卦
機器學習財務學
經濟學家,尤其是計量功夫不錯的,要學「機器學習」這現今人工智慧的顯學,困難度不算太高。所以一開始學,不少人都嗤之以鼻,這有什麼,明明是loss function, OLS, logit這些東西的變形,有什麼了不起。Sendhil Mullainathan這堂在年會開給財務經濟學家聽的課,一開始也是讓我這樣感覺,「又一個瞧不起機器學習的傢伙」。我自己也涉獵了一點點機器學習,所以我知道不是這樣的,人工智慧可深可廣,經濟學可以從中學到的東西可多了。
但Mullainathan很快進入正軌,沒有了嗤之以鼻,而指出了機器學習和經濟計量的最大不同,果然行家一出手,便知有沒有。他用的名詞是y hat和 beta的不一樣。讓我用一個簡單的例子說明。網路上有一些幫你算房價的服務,房價在預測模型裡,在等式的左邊,也就是y變數,等式的右邊就是一大堆x變數。x變數的前面有大小不等的係數,比如說房子大小,就是一個x變數,直觀來說,係數該為正,越大的房子,房價越高。
對經濟學家來說,模型好壞很重要,關乎到能不能解釋房價的差異,所以我們注重這些係數,我們上窮碧落追查係數的統計分佈,要知道這些係數有沒有統計上的意義,所以我們的問題是係數的問題,也就是beta的問題。我們擔心這些x變數彼此間的互動關係,會影響係數的準確度,所以我們不敢亂加x變數,但我們也擔心未知變數和x變數的關係太大,也影響準確,所以加與不加,都是一門學問。
但機器學習管你統計分佈去死。除了少數情況外,變數越多越好,數據越大越好,只要「預測」的工作做得好,模型再醜,再沒道理,都沒關係。如果你的服務只是提供客戶準確的房價預測,而不是決定房地產政策,你真的不用管統計分佈,不用管beta,只要管預測值y hat好不好就好。
Mullainathan說明beta問題和y hat問題的不同時,說得生動有趣。他說,經濟學家不但要知道係數有沒有統計意義,甚至還要找出因果關係,有點太貪心了,數據科學家根本不管這些。的確,我們在學院裡受訓練時,討論選題目的重要條件,其中一個要件就是這題目的政策意義是什麼。經濟學家關心的是建出來的模型對政策制定者的建議是什麼,關心的是跑出來的模型係數代表的意義。因果關係如果不是最重要的發現,至少也是追求的方向。但無人自動車仰賴的人工智慧,要的不是漂亮無比的模型,不是要了解環境對車子運行的影響,而是怎麼樣「預測」最好的路徑,不要撞到人車,而穩穩前進。兩種觀點有相關,但角度完全不同。
Mullainathan說,機器學習可以給經濟學家許多的新角度。比如說,機器學習的方法,可以帶來新的數據,real time即時的數據。建傳統的經濟模型,為求係數準確,變數值很少可以即時。但大數據的機器學習,不管係數準確,只管預測值好,所以什麼都用。如果什麼都用作變數,即時的預測,是可行的。而且,越多數據,預測越準。他講著講著,我就想到當年葛林斯潘講過的一個故事。葛林斯潘在福特總統的時候當CEA主席,遇到突如其來的景氣衰退,白宮不知道要採取什麼政策應對,很需要一套即時的景氣指標指導政策。當時還用GNP為主要數據,但GNP一季才統計一次,緩不濟時,葛林斯潘採了許多捷徑,硬弄出一套一週一次的GNP預估,而據以指出當時的景氣衰退只是庫存增加的短期衰退。如果有大數據支持的機器學習預測,憑著這許多即時的數據,其實經濟政策執行者,已經可以有很好的預測模型。這會是總體經濟學家很有用的工具。
又比如說,建造模型。經濟學家可以用機器學習的散彈槍打鳥方式,先求多不求準的塞入x變數,取得一個預測成果。再把經濟學家真正有興趣的變數拿走,再取得一個預測成果。比較下來,我們就可以猜測這x變數本身,是不是有價值,值得加入模型。史丹福的Susan Athey之前在EconTalk裡的一個訪談,也提到類似的模型選取方式,英雄所見略同。Athey也是個經濟學家涉足機器學習的例子。
Mullainathan整篇演講最有意思的一點就是,他說財務學之所以在經濟學的領域裡,堪稱發展最蓬勃的原因之一,就是我們一直都是在做「預測」有關的事。係數對我們來說很重要,但預測成果也很重要。資產鑑價的模型,最後都得拿到真實世界裡做樣本外的「預測」。沒錯,我們做財務的,本來就有許多沒有統計分佈的分析,像是「和random walk比賽」這樣的論文,比比皆是。而且許多財務學家,在找要素解釋資產回報異常的時候,也不一定是要了解係數和政策意涵,我們很多都是在找一個可以發財的要素而已!
從這演講衍生,我有兩個很重要的觀點。一是,社會科學常被詬病缺乏可複製性,不像自然科學,A實驗室做得出來,B實驗室做不出來,是不行的。社會科學多的是你做你的,我出我的論文,沒有可複製性,這樣怎麼推進科學呢? 問題出在那裡? 我覺得很大的一部份原因,就是社會科學家不管「預測」,只管「統計意義」。如果論文的結果,是以「預測」的成功度衡量,可複製性的問題,就去了一大半。
另外的一個觀點是,我相信華爾街的大quant避險基金如Renaissance, Two Sigma,一定早就用上了機器學習。人家早就用人工智慧在賺錢,小散戶還覺得自己有機會嗎?還不乖乖買大盤,抱長期嗎?但另外一個問題是,當主要投資者,都能準確預測未來時,未來還會是未來嗎?模型還會準嗎? Yogi Berra說,「預測是最難的了,尤是和未來有關的預測」,此話不假。
機器學習預測數值 在 龔成 Facebook 八卦
【龔成問答信箱】(Q13161-Q13180)
Q13161:
成哥,我係你舊生,請問你關於現金流折現率,謝謝
你筆記都教左(個概念,個模式,啲率點得黎,及簡單拎盈利來計數計該企業有幾多價值),條數可以係甘無限甘計。
1)但通常用幾多年(最少知該企業值幾多)10年,5年?
若計該企業5年后價值幾多,就計5年,計完條數就知5年后價值比現價高或低或知值幾錢,或可產生盈利幾多
2)若計完知左條數幾多(該企業值幾多)比如計完得5億,甘核心黎睇個5億係多定少,我知5年后有幾多,但唔知條數個意義化係咩,,因為個現金流折現率模式,可以無限甘計,所以好似好虛無甘。
3)就算甘計到條數值幾多(該公司價值),最多都係知該企業值幾錢,但唔知該企業的股價值幾多
4)計完知道該公司價值幾多,
假設值20億,甘個20億點反應或代表,令該企業股價可以升幾多或可以去到咩價位或咩區域(昂貴,合理)。。。姐係個現價,個價受唔受得起
請問成哥,會唔會用你教的市盈率計算方法,會容易知該企業股價合理定昂貴。成哥,唔該你,等候你解答
龔成老師:
1)如果計算企業,而佢的業務並無年期所限,我地會用「無限」。你可以利用筆記所講的公式,有教到假記現金流是無限時,最終如何計出估值。
2)你要明白個計法,就是將往後的現金流(可能假設無限),折現,然後相加,相加後就是企業的內在價值。
下一步你就是進行比較,比這個計出的價值,與現時的市值比較,如果市值遠低於企業價值,就是平宜。
3)你只要將計出的企業價值,除以發行股數,就會知這股的合理價是多少,下一步就是比較現價。
4)如果你計出企業價值值$20億,而現時市值為$10億,即是平,我地可以投資,我地唔會知股價升到幾多,但在「理論上」,長期股價會回歸合理價,即是股價會慢慢向$20億的方向向上升
現金流折現法,是比較深的方法,我建議你先用其他估值方法,打好左基礎先,市盈率估值法相對會較易。
------------------------------------------------
Q13162:
老師,你覺得儲蓄人壽計劃和購買收息股,那一種被動收入比較理想?
就宏X人壽計劃(三十萬元 月派2000元)我見到佢既promotion 係咁寫,同樣價錢,三十萬投資港燈(2638), 收息15873一年, 即月派千三元左右,這樣的話,人壽計劃是比較好?
龔成老師:
因為股票有潛在上升能力,而這類產品就無。
在理財上,這些產品都有其投資的價值,因為可以有持續的現金流,不過就無增長能力,而我地會稱這些為「產品」,而優質股則視為「資產」。
你都可以投資這些產品,但就不用佔組合過多,因為我地應該著重增值,特別是年輕人,以「先增值,後現金流」作策略。
------------------------------------------------
Q13163:
00688 29.15買入 其後不停跌 長遠黎講 內房股仍有佢既價值嗎?
龔成老師:
中國海外發展(0688)本質不錯的,近年的生意都平穩,但就唔算有好強的增長力。
你唔需要太著重中短期的股價走勢,這股有平穩增長的能力,但由於規模都唔細,加上企業不是進取的類別,因此之後相信會平穩增長,而較難有高速增長。整體質素不錯,你可以長線持有的,而你的買入價合理,不用擔心。
------------------------------------------------
Q13164:
成老師你好 我想買一雙$2以下 長期收息 之前心目中想1881 或123 你推介1881 你覺得現時還適合嗎?
還是你有其他更好的推介 本金大概180,000港元
龔成老師:
富豪產業信託(1881)是不錯的收息股,有投資價值,至於越秀地產(0123),同樣是不錯的收息股,同時在增長能力,因此都可以投資。
加上這兩股近期股價回落,提高了投資值博率。
但要留意,當中都與地產類有多少關係,如加多一隻收息股,能減少組合中集中系數的風險。例如可以考慮香港電訊(6823)。
------------------------------------------------
Q13165:
龔成,想問問對6033有咩睇法?覺得未來3 5 7年有咩展望?感謝
龔成老師:
電訊數碼控股(6033)業務算是不差,佢生意都算穩定,但有時都會出現生意下跌的情況,由於這股增長不強,因此不是潛力股。
但見佢過往派息穩定,作為收息股可以,但見佢最近的半年業績,生意額略有下跌,這都會有少少風險。但我相信不太大注就得,這股可以長期收息的。
長遠來說,暫時睇佢唔算有太大突破,除非有其他新搞作,否則,只能視這股為收息股。
------------------------------------------------
Q13166:
Hello 成哥
請問大快活基本因素有改變嗎
見到佢最近跌左好多 你認為值得買入買?
龔成老師:
大快活(0052)本質不差的,雖然快餐業務看似不起眼,但卻持續地賺錢,股本回報率處理想水平。
而佢9最近股價回落,正要受人工成本上升、股市氣氛轉弱、香港的社會運動影響,相信都是中短期的因素。不過人工因素的確會對佢賺錢能力略有影響。
現時股價處合理區,有長線投資價值,但就不能預這股高增長,只是平穩增長型。
------------------------------------------------
Q13167:
老師你好,見你啲post平時話月供2800連息平均每年10%回報。其實呢個回報係點計出嚟㗎?
龔成老師:
其實,這只是一個假設的回報率推算。
盈富(2800)是追蹤恆指,所以我用左過往50年恆指的回報作參考,我計出過往股價升幅連股息,平均為14%。
而近年中港經濟都無過往咁勁,所以我假設回報會下調,為8%-10%,這是一個假設的長期回報。
------------------------------------------------
Q13168:
龔老師,我是澳門的朋友~最近聽完你講澳門的月供股票手續費都比較貴之後,可行的方法是只供盈富然後留現金...那想請問我本身月供開4隻股票, 分別是港鐵$2000
比亞迪$2000,中銀香港$1000及盈富$2000. 如果把資金轉供盈富,應把那1隻股票的資金轉走? 那1隻可以keep住繼續供?
假如 轉走中銀香港的資金轉供盈富,咁先前已供中銀香港的股數可以點樣處理? 保番到回本然後賣出? 謝謝
龔成老師:
因為你要比好多手續費,所以我建議你集中供盈富(2800)。
首先,你停止其他月供股票,正於原有的貨,可以持有,因為你日後仍會以一手手的模式去買,同時這些股有質素,持有無問題。
另外,你可以持有供盈富的金額至$3000。
同時,希望你儲更多的現金,到你現金有一定的數量,就以一手手的模式去投資中銀(2388)、比亞迪(1211)。而每次投資時,都不能用盡現金,最好是投資後仍有一定的現金剩。
------------------------------------------------
Q13169:
成哥、一直都是你的忠心讀者。小弟想問你對香港股市還有信心嗎?眼見每目的社會抗爭。有可能需要投資其它地區的股票嗎?
龔成老師:
除非香港的社會運動,持續一年以上,否則,這仍只是中短期的問題,未會對優質企業有核心性的影響,當然,中短期的影響一定有,同時對股價中短期不利,但我地投資,都是長期性的,因此不用太擔心中短期問題。
記住,我地買股票是買企業,長線持有企業,只要企業是優質,你可以想想「這企業3年後的情況如何?」如果仍是正面的話,就可以放心投資。
至於投資其他地區,可以的,這是一個分散地區風險的策略,例如你可以投資ETF,如領航標普五百(3140),已是一個簡單的分散風險方法。
------------------------------------------------
Q13170:
成兄,想請問你,你覺得現時,香港的教育系統入面除左理財之外,仲有咩係缺乏而又係有需要的?
龔成老師:
解決問題的能力。
香港的教育制度,太多著重「標準答案」,但在現實的世界,往往無所謂的標準答案,最好的答案,往往是一些特別的方法。
同時,太過著重標準答案,只會成為機器,沒有解決問題的能力,而社會最需要就是這能力。
其實做生意,已經是一個好好的訓練「解決問題的能力」,所以你見我好建議年輕人試下做生意,除左這可能是一個好大的事業突破外,亦是一個很好的學習過程。
------------------------------------------------
Q13171:
師兄 你有條片曾經分享過一個人的收入是最常接觸5個人的平均數 如果回望過去或觀看現在 你認為一直以來你最常接觸的5個人是誰呢?(相信其中一個就是巴菲特,但也好奇其他)
可以分享一下嗎?謝謝你
龔成老師:
我最常接觸的,是家人,但在思維的層面,我最常接觸的,都是書籍。
因為我每年花最多時間,就是睇書及睇年報,我不斷受成功人士及有錢人的書,當中的思維影響,這對我來說已經好深入。
巴菲特、拿破崙希爾是其中的兩位,其實仲有好多,要講有排講。
------------------------------------------------
Q13172:
老師你好,我自從一年前睇左你既blog開始月供股票,但最近地鐵(66)因為社會問題要停站同修補受損關係同equipment,應該會受唔少影響
想請問老師會建議繼續月供地鐵嘛?
另外最近葯股 (e.g. 1177)上左好多,想問下老師點睇前景?謝謝您
龔成老師:
如果你掌握一間企業的損益表,你就好容易解答到上面的問題,港鐵(0066)每年憑車費、收租、賣地相關,得到的盈利都有成百億,就算近期的社會運動對佢收入略有影響,都只是有限數,同時只是中短期,而我地一定會以長線投資去分析的。
至於支出,一定會大左,但對比佢一年賺一百億來講,只是小數目,這對於企業價值的影響,有,但不多。
加上這企業的獨特性,即是獨特的運輸地位,以及地產方面的絕對優勢,這因素令佢企業的核心賺錢能力無變過,因此從企業的賺鐵能力分析,佢無變過。
至於中生製藥(1177),你預$10以上開始貴,這股是有質素的股,但股價波動大,你要注意注碼不能太過多。企業前景是正面的。
------------------------------------------------
Q13173:
你好龔成老師,我一直睇開你既書,女兒也上過股票初班,好多謝你無私既教導
但有小小野想請教老師你
本人同細妹擁有一間市值$1000萬樓,已供完,現收租,我細妹的一家想獨自擁有此物業,決定永遠不會賣。
佢自己估計物業值960萬,所以他只會給我約480萬現金及我需要放棄擁有權,但我相信是低過市價,而我應該點樣計算物業價值幾多?
龔成老師:
首先,你可以到不同的銀行去做物業估值,這是免費的,你找多幾間銀行去估,會有更好的答案。當然,銀行估值只是銀行對你物業的初步估值,不一定代表真正價,但都可以增加你的參考價值。
另外,你可以參考同類物業的近期成交價,如果你該大廈有類似的單位,在近期成交,就有一定的參考價值。如果是不同的呎數,可以先計算該單位的成交價每呎多少,每乘上你的單位呎數,就可以作出推算。
如果無一些近期的成交價,就可以利用最近期的成交價,然後睇翻近期大市(例如中原指數的變化),去推斷合理價是多少。
------------------------------------------------
Q13174:
成哥,睇你既書都建議大家買優質股,你又點睇E家大行話股災即將來臨,恆指跌穿2萬點,但宜家放股票其實都幾傷。。。。
應該忍痛賣哂佢再撈底還是等三五七年等佢升?
龔成老師:
我投資股票都有20年,中間見好多人在不同時期預測股災發生,基本上,有98%都錯。
反映,真正的股災,根本無人估到。
所以,我地根本唔應該信所謂「專家分析」,同時,我地唔需要用「預期股市點走」的模式去投資,反而我地只要集中「買優質股長線進行就得」。
如果你買入的是有質素的企業,點解要因為一個二手報價下跌,而要賣出?根本是不需要的。
你只要長期持有企業就得。
------------------------------------------------
Q13175:
請教一下老師,我現在月入三萬,只有現在10萬左右,如何在3-5年內累積至一百萬?
每個月大概只儲到一萬左右
龔成老師:
你$10萬不要動用,反而留作「等大跌市時投資」,會更好。
但你要加強儲蓄,否則好難完成到目標。你最好每月儲到$10000,我相信只要你肯定立目標「5年累積$100萬」,你是可以做到的。
然後,你只要集中投資平穩增值股,例如盈富(2800)、金沙(1928)、長建(1038)、中銀(2388)、港鐵(0066)、恆基(0012)、港交所(0388)。
再加上小注潛力股,已能有效地令你完成到目標。
你可以將每月的$10000,做月供股票,在上述股票中選股,保持月供就得。
------------------------------------------------
Q13176:
老師你好,本人34歲,月入27000, 俾家用 8000, 手持現金113000,股票約 1,100,000 分佈如下:
001 長江 共$180000
005 hsbc 共 $78000
772 閱文 共$36000
939 建行 共$360000
2628 中壽 共$20000
3333 恒大 共$170000
3968 招商共$170000
398 東方錶行 共$80000
想問下點可以滾大個資產(一
年至年半)增至160,000?
龔成老師:
當我地進行人生財富累積,會運用「先增值,後現金流」作方法,年輕人應投資較多增值類資產,而較年長的,則應投資較多保守類項目,因為年輕人的財富系統未成形,同時負擔較少,可承受的風險度較高,所以會著重增值為先。
例如初期投資較有潛力的股票,令財富較快增值,當增值到一定金額後,可開始將財富分配至平穩增值型股票,然後到年紀漸長或已累積了相當財富後,才漸漸轉成收息型股票。
以你的年齡,仍是財富增值的黃金時期,因此可以集中增值多少少。
長和(0001),有質素,是平穩增值股。匯豐(0005)、建行(0939),增長力不強。
閱文(0772),這類股不能大注。
中人壽(2628)的質素雖然仍在,但轉投資平安(2318)較好。
招商(3968)持有無問題。
恒大(3333)負債太多,風險高。
東方錶行(0398)本質中等,不過現價不貴,小注投資都可。
你唔好太心急一年內要財富大增,我地投資股票是買企業,企業成長需時,因此要耐心持有先有收成。
如果你想之後有更大的財富增長,可以投資更優質的股,同時受香港社運動影響股價較大,保長遠質素仍在的股。
------------------------------------------------
Q13177:
你好,老師,多本書中,次序上,我應睇邊本先呢...!求解答,謝謝
龔成老師:
《百萬富翁》系列相對較入門的,你可以睇先,《80後百萬富翁》。
之後可以再睇《股票勝經》,睇完後,再睇其他邊本無乜所謂。
------------------------------------------------
Q13178:
老師你好,之前睇你既80後百萬富翁,終於改變我既儲蓄方式,現有2份儲蓄,1份2020年供完,要放多5年先叫賺少少,我應該繼續擺到10年期完,還是供完後第6年取出以作投資本金?
最近剛睇你第3集百萬富翁,開始想月供股票,以及累積資金買入一些潛力股票。
可以參考龔老師邊本書作為學習投資既起步? 就快28歲女,之前0投資經驗,先多謝老師抽時間細讀訊息
龔成老師:
你已經養成了儲蓄的習慣,這是理財的重要第一步,然後你就要作出投資,唔能夠只停在儲現金的過程。
當我地進行人生財富累積,會運用「先增值,後現金流」作方法,年輕人應投資較多增值類資產,而較年長的,則應投資較多保守類項目,因為年輕人的財富系統未成形,同時負擔較少,可承受的風險度較高,所以會著重增值為先。
例如初期投資較有潛力的股票,令財富較快增值,當增值到一定金額後,可開始將財富分配至平穩增值型股票,然後到年紀漸長或已累積了相當財富後,才漸漸轉成收息型股票。
由於你無投資知識,我會建議你每月做月供股票,先集中供盈富(2800),同時在這段時間學知識,之後先投資潛力股。
你可以睇《80後百萬富翁》、《股票勝經》。
------------------------------------------------
Q13179:
你好呀,我27歲月入60000。
屋企人早幾年賣樓呢幾年都係租樓... 租左3年佢地唔想再租,有幾百萬比我做首期供一層樓比4個人一齊住... 你覺得好嗎?定係應該自己供一層納米樓比自己?
但係兩老同埋個無用家姐係無借貸能力。
龔成老師:
這個問題已超越了理財問題,因為涉及了多個家人,如果從自己的角度,供一層細單位比自己是最好的理財模式。
如果你買左買,你要全力供,但日後到你有自己家庭,事情一定會變得好複雜,除非預先傾得好清楚,否則這方案可能會有日後的麻煩。我一向都建議「先小人,後君子」。
------------------------------------------------
Q13180:
龔老師,點睇大陸未來既經濟
我大陸深圳有層樓
應唔應該放
龔成老師:
佢經濟在中短期會弱,這是受中美貿戰的延伸影響,不過,政府會利用谷內需,來帶動經濟,但整體上,經濟都會出現放緩。
我相信這是一個中短期的情況,未去到長期差落去,至於樓價,相信會有少少落,但不會太多,如果你只有一個大陸物業,其實持有都無問題。
----------------------------------------------
多謝各位提問,若然你有問題想向本人發問,可在龔成的fb專頁中(www.facebook.com/80shing)inbox龔成,但要注意如無特別聲明,有可能將問答放上網的,當然,會將發問者的身份,以及有關個人的部分刪去。
另外,由於提問人數眾多,見諒無法即日回覆,如果是普通的提問,預起碼要7天以上才能回覆,若然是較複雜的提問,起碼要10天才能回覆,希望各位能諒解。
機器學習預測數值 在 孫在陽 Youtube 的評價
趨勢預測分析未來數值結果 季節性、趨勢預測長度、信賴區間
面對日新月異的大數據工具,有時候很難跟上這節奏。Microsoft Power BI讓大家可以簡易的製作大數據分析。用 Excel Power BI 做大數據分析,課程大綱有認識大數據、大數據分析、視覺化呈現結果,提升管理品質,有效提升工作效率。另外;大數據分析還應該包含許多學習到的知識,回饋給資料,再重新計算,不是僅畫出視覺化圖後,就說做好了大數據分析。期待大家將了解應用這些工具使用,將大數據分析導入您的工作中。
孫在陽老師主講,[email protected]
範例、講義下載:https://goo.gl/ytzRxT

機器學習預測數值 在 孫在陽 Youtube 的評價
「孫在陽」直播-長榮大學-視覺化分析-1.資料清理的視覺化分析
大數據分析-統計分析從資料取得,資料清理到視覺化分析。如何做大數據分析?
孫在陽老師主講,[email protected]
範例、講義下載:https://goo.gl/ytzRxT
時間軸
00:00:00 視覺化分析課程簡介
00:05:15 數據科學
00:12:02 解壓縮範例檔案
00:18:50 Power BI是什麼?
00:24:20 開啟Power BI軟體
00:27:50 取得資料
00:37:35 資料清理
00:46:46 日期的資料清理
00:56:46 文字的資料清理-產品類別
01:41:26 數值的資料清理-銷售額
02:16:15 認識大數據分析
02:23:44 建立分類-高獲利、一般獲利、負獲利
02:35:40 儲存檔案

機器學習預測數值 在 孫在陽 Youtube 的評價
「孫在陽」直播-陽明交通大學-數據科學與雲端運算-Data cleaning
大數據分析中的數據清理,關乎於大數據分析成敗關鍵。轉置、樞紐、文字清理、數字清理、日期清理等,遺漏值、異常值、雜訊等數據清理。讓數據不是垃圾,就必需做好數據清理。
孫在陽老師主講,[email protected]
範例、講義下載:https://goo.gl/ytzRxT
時間軸
00:00 簡介數據清理
07:40 轉置:樞紐其他資料行(unpivot)
09:30 大數據分析與統計分析的差別
13:35 AI是什麼
36:25 關聯
37:56 匯出轉置後的資料表
48:16 FHIR標準的數據設定
53:36 載入錯誤資料的說明
55:56 資料型態
01:00:00 視覺化的數據清理
01:03:27 錯誤取代為負極值
01:11:54 文字的數據清理-性別
01:44:40 數值的數據清理-年齡
02:06:24 數據清理規則
02:07:15 譯碼簿包含LOINC
02:07:56 Release Note

機器學習預測數值 在 【機器學習懶人包】從數據分析到模型整合,各種好用的演算法 ... 的相關結果
分類問題預測數據所屬的類別,例子包括垃圾郵件檢測、客戶流失預測、情感分析、犬種檢測等;迴歸問題則根據先前觀察到的數據預測數值,例子包括房價預測、 ... ... <看更多>
機器學習預測數值 在 監督式學習:「分類」和「迴歸」的介紹與比較 - iKala Cloud 的相關結果
接下來我們會以生活化的情境說明傳統機器學習的方法。 ... 當你預測的目標為連續的數值,我們稱其為迴歸;若目標為離散的,稱其為分類。 ... <看更多>
機器學習預測數值 在 【Python機器學習】102:如何使用Scikit-Learn預測器完成 ... 的相關結果
【Python機器學習】102:如何使用Scikit-Learn預測器完成數值預測. Using Scikit-Learn predictor to complete numerical prediction. Photo by Jonathan ... ... <看更多>