广发基金何震:谈投资哲学

 

 
 
 

每个做投资的人都知道,恐惧与贪婪是投资的大敌,如果能够克服这两大缺点,做好投资就有了很大的保障。这两者中恐惧又比贪婪更难克服。

要克服投资中的恐惧心理,关键是要形成自己的投资哲学。投资哲学包括这样几个问题,一是投资的本质是什么,即市场如何运转,价格为什么变动;二是价值理论,包括如何评估价值以及盈利和亏损的原因;三是什么是真正的好投资。有一套核心哲学是投资成功的根本因素,没有核心哲学,你就无法在真正困难的时期坚守你的立场或者坚持你的交易计划。你必须彻底理解、坚决信奉并完全忠实于你的交易哲学,否则就很容易被市场情绪左右,变的不是过分贪婪,就是过分恐惧。

一般而言,投资哲学分为两大类,一类投资哲学相信市场总是对的,信奉这种投资哲学的人不相信企业价值,要么分散投资或者指数化投资,要么运用技术分析来进行投资。另一类投资哲学相信市场总是错的,这类投资者基本上都不相信有效市场假说,一般运用价值投资的方法来投资,他们相信企业是有价值,短期价格可能偏离价值,但长期看价格必然向价值回归。从统计结果来看,信奉第二类投资哲学的人更容易获得成功,比如巴菲特、林奇、索罗斯等投资大师,都坚信市场总是错的,并且都获得了巨大的成功。巴菲特曾说过:“如果市场总是有效的,我会变成一个拿着锡罐子的街头流浪汉。”而信奉第一类投资哲学的人好象没有什么成功的大家。巴菲特等人的投资方法说简单也简单,就是在坚持投资哲学的基础上,利用市场的无效性来赚钱。首先利用市场的失效,找到被低估的上市公司。失效就是企业的价值没有真实的传递。他假设大家暂时没有看到这家企业的价值,但是人是聪明的,还是会回归理性。其次,他看到后买了,买了还坚持,不论有什么波动都不为所动,因为他相信自己的眼光,他相信这个市场对于他看好的肯定有别人看好,紧接着会有更多的人看好,股价慢慢会回到高点,所以最后他是赢家。

有了投资哲学做保障,不仅在市场出现震荡之时,可以克服恐惧,不致于错杀股票,相反还可以利用市场的错误获得非常好的投资机会。1963年,巴菲特买了美国运通这只股票。这家公司的一个子公司被诈骗,面临6000万美元的损失,市场获得信息后,运通的股价大跌。巴菲特经过仔细分析,认为这只是一次性事件,不会影响运通的主要生意:运通卡和旅行支票。市场由于恐惧在错杀这只股票,巴菲特毫不犹豫地大量买入,结果获得丰厚的收益。被誉为“阿拉伯世界的沃伦-巴菲特”的沙特王子阿勒瓦利德也同样有的经历。1990年秋,花旗银行由于在房地产贷款中损失了钱,被美国联邦储备委员敦促增加资金储备,但它一时无法找到十多亿美元投资。由于人们害怕花旗破产,它的股票在股市上连日猛跌。这时,无人知晓的阿勒瓦利德以2.07亿美元(每股12.46美元)买下了花旗当时4.9%的普通股,这是按法律规定不用公布他的股份的上限。次年2月,他又以5.9亿美元买了花旗新的优先股,它们可以以每股16美元的价格换成普通股,这占了花旗股份的10%。两次购股,使阿勒瓦利德在花旗的股份上升到了14.9%。仅这一只股票,沙特王子就获得超百亿美元的利润。另外的一位投资大师,美国的戴维斯二世也发现了同样的机会,在1990年大量买入花旗银行,同样取得辉煌的成绩。

我们在仰慕投资大师的杰作之余,更应该看到他们在成功的投资活动背后所坚持的自己的投资哲学和投资理念。我认为,在这些投资过程中,并非他们的风险承受能力要高于别人,而是他们科学的投资哲学和理念使得他们在别人认为风险很大的时候,能够发觉其中隐藏的机会。在《巴菲特和索罗斯的投资习惯》一书中,把这种能力称作“无意识能力”,也就是一种类似于本能的东西,就像肚子饿了要吃饭,口渴了要喝水,别人认为很困难的东西,他们认为是理所当然的。要获得这种能力当然要经过长期训练。记得在我个人的投资实践中,曾经在周期性行业的最高点买过一个建材类的股票,结果遭受巨大的损失,但是我仔细的分析了买这只股票的理由,发现行业的低潮更有利于这家企业的扩张和发展,如果行业走出低谷,这家管理优良、成本领先的企业必定会率先反转,因此我坚持下来了,并且在股价跌到第一次买入股价的三分之一的时候继续加仓,结果最终还是获得丰厚的收益。

内容概要:本文提出了一种基于非合作博弈理论的居民负荷分层调度模型,并结合双层鲸鱼优化算法(Two-level Whale Optimization Algorithm)进行高效求解,模型与算法均通过Matlab代码实现。研究针对电力系统中居民侧用电负荷的复杂调度问题,引入非合作博弈机制刻画各用户之间的利益竞争关系,实现负荷的分层优化分配;同时设计双层优化架构,上层优化资源配置,下层模拟用户自主决策行为,提升了模型的实用性与合理性。通过智能优化算法求解多层级、非凸非线性的博弈模型,有效提高了调度方案的收敛性与全局寻优能力,适用于现代智能电网中的需求侧管理与能源优化场景。; 适合人群:具备电力系统基础理论知识和Matlab编程能力,从事智能电网、能源优化调度、需求侧管理、博弈论应用等方向的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①应用于居民区电力负荷的分层优化调度系统设计与仿真分析;②为非合作博弈在多主体能源系统建模中的应用提供方法论支持;③利用双层鲸鱼算法解决具有嵌套结构的复杂双层优化问题,提升求解效率与调度方案的可行性。; 阅读建议:建议读者结合提供的Matlab代码深入理解模型构建逻辑与算法实现流程,重点关注博弈模型的效用函数设计、纳什均衡求解思路以及双层优化结构的迭代机制,宜配合实际用电数据开展复现实验以验证模型有效性与鲁棒性。
内容概要:本文围绕基于自适应神经模糊推理系统(ANFIS)智能控制器的可再生能源微电网功率管理系统展开研究,结合Simulink仿真实现,深入探讨了微电网中功率的智能调控与经济机组组合调度问题。通过引入ANFIS控制器,有效应对风能、光伏等可再生能源出力的波动性与不确定性,提升系统运行的稳定性与电能质量。研究内容涵盖微电网多源协调控制策略、功率平衡管理、优化调度模型构建及仿真验证,实现了对分布式电源、储能系统和负荷的协同优化,兼顾经济性与可靠性目标,并通过仿真平台验证了所提方法的有效性与优越性。; 适合人群:具备电力系统、自动化或新能源相关专业背景,熟悉Matlab/Simulink仿真环境,从事微电网能量管理、智能控制、能源优化等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于高比例可再生能源接入场景下的微电网能量管理系统研发与教学实践;②为实现微电网功率稳定控制与经济高效运行提供先进的智能控制解决方案;③支撑高水平学术论文复现、科研课题攻关及实际工程项目的仿真验证与方案优化。; 阅读建议:建议结合提供的Simulink模型与相关代码进行动手实践,重点关注ANFIS控制器的设计流程、规则库构建与参数调优方法,并通过与传统PID或MPC控制策略的对比实验,深入理解其在动态响应与鲁棒性方面的优势。同时可进一步拓展文中提出的优化调度逻辑,应用于多目标、多约束的复杂实际应用场景中。
内容概要:本文档聚焦于“直流电机双闭环控制Matlab仿真”,系统阐述了基于Matlab/Simulink平台实现直流电机双闭环控制系统(主要包括速度环与电流环)的设计与仿真全过程。通过构建直流电机的数学模型,结合PI控制器进行调控,实现对电机转速和电枢电流的高精度动态控制,验证控制策略的稳定性与响应性能。文档详细介绍了仿真模型的搭建流程、关键参数的整定方法、系统动态波形的分析手段以及仿真结果的有效性验证,体现了经典自动控制理论在实际电机系统中的工程应用,是电机控制与电力电子技术相结合的典型研究案例。; 适合人群:具备自动控制原理、电机与拖动基础、电力电子技术和Matlab/Simulink仿真能力的电气工程、自动化、机电一体化等专业的本科生、研究生及从事电机驱动系统研发的工程技术人员。; 使用场景及目标:①作为高校课程设计或实验教学材料,帮助学生深入理解双闭环调速系统的工作机理与工程实现;②服务于科研项目,为新型电机控制算法(如滑模、模糊PID等)的开发与性能对比提供基础仿真验证平台;③作为工业界产品前期设计的仿真工具,用于评估不同控制策略在动态响应、抗干扰能力和稳态精度方面的可行性。; 阅读建议:建议读者在学习过程中紧密结合自动控制理论知识,亲手在Simulink环境中搭建完整的双闭环仿真模型,通过反复调整PI控制器的比例与积分参数,观察并分析转速、电流的阶跃响应曲线,从而深刻理解反馈控制的本质、系统稳定性条件以及参数整定对动态性能的影响,进而掌握电机控制系统的设计精髓。
内容概要:本文研究了基于Benders分解与输电网运营商(TSO)和配电网运营商(DSO)协调机制的不确定环境下输配电网双层优化模型,旨在提升高比例可再生能源接入背景下电网系统的协调性与鲁棒性。模型上层以系统整体经济性为目标进行优化调度,下层采用Benders分解实现TSO与DSO之间的信息交互与协同决策,通过引入割平面迭代机制保障求解的收敛性与全局最优性。研究充分考虑新能源出力与负荷需求的不确定性,构建了具有强适应性的双层优化框架,并基于Matlab完成了模型的编程实现与仿真验证,有效解决了多主体、多层级、多不确定性因素耦合下的电力系统优化调度难题。; 适合人群:具备电力系统分析、运筹学与优化理论基础,熟悉Matlab编程环境,从事智能电网、能源互联网、分布式能源集成、电力市场等方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究高渗透率可再生能源条件下输配电网协同优化调度策略;②掌握Benders分解在电力系统双层优化建模中的应用方法与实现技巧;③构建TSO-DSO多主体协调机制,实现跨层级电网资源的高效互动与决策解耦;④提升对不确定性建模、分解算法设计及大规模优化问题求解能力。; 阅读建议:建议读者结合Matlab代码逐模块剖析模型构建流程,重点理解Benders割的生成逻辑、主从问题的信息传递机制及收敛判据设定,推荐在标准IEEE测试系统上复现实验以深入掌握模型特性与算法性能。
内容概要:本文系统研究了基于灰狼优化算法(GWO)优化Elman神经网络的方法,并提供了完整的Matlab代码实现。研究重点在于利用灰狼优化算法强大的全局搜索能力,对Elman神经网络的关键参数进行智能优化,从而克服传统训练方法易陷入局部最优的缺陷,显著提升模型在时序预测与非线性系统建模任务中的精度与稳定性。文章详细阐述了Elman网络的动态反馈机制及其在处理时间序列数据方面的优势,构建了GWO与Elman相结合的混合预测框架,涵盖了从模型搭建、参数寻优、仿真测试到结果分析的全流程,特别适用于风电功率预测、电力负荷预测等具有强时变性和不确定性的工程应用场景。; 适合人群:具备一定Matlab编程能力和神经网络基础知识,从事智能优化算法、时间序列预测、电力系统分析或新能源出力预测等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握灰狼优化算法在神经网络超参数优化中的具体实施路径与技术细节;②深入理解Elman递归神经网络与群体智能优化算法融合的建模范式;③将其应用于风电、光伏等新能源发电功率预测及复杂动态系统的建模与仿真,提升预测性能。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,重点关注GWO算法与Elman网络的接口设计、适应度函数构建及参数优化迭代过程,可通过调整数据集或迁移至其他预测场景以深化理解和验证模型泛化能力。
源码直接下载地址: https://pan.quark.cn/s/a4b39357ea24 JMeter的录制方法及过滤策略、线程组构成要素是什么? JMeter能够借助第三方录制工具(如BadBoy)或其自带的录制功能来完成录制工作,JMeter的录制机制:是借助HTTP代理服务器来捕获用户在操作网站时产生的链接信息。JMeter允许在配置HTTP代理服务器时,排除掉非必要的CSS、GIF等资源,以此减轻不必要的负担。 线程组涵盖:线程组的名称标识、附加注释说明、线程组内的用户数量、线程组完成请求的时间分配、循环执行次数、时间调度机制 【JMeter性能测试详解】 JMeter是一款功能强大的性能测试软件,常用于模拟大规模用户同时访问Web应用,用以衡量系统的性能表现和稳定性。接下来将具体说明JMeter的操作方法、线程组的设置以及性能测试的重要环节。 **JMeter录制与过滤** JMeter可以通过BadBoy等外部工具或其自带的HTTP代理服务器来记录用户的行为。其录制原理是JMeter作为HTTP代理,拦截用户浏览器发出的所有网络请求。在配置代理服务器时,能够过滤掉不必要的CSS、GIF等静态资源,以减少无效的负载。 **线程组配置** 线程组是JMeter测试计划的核心部分,包含以下几个关键参数: 1. **线程组名**:用于区分测试计划中的不同测试区域。 2. **注释**:用于记录测试目标或注意事项。 3. **线程数**:用于模拟并发用户的数量。 4. **循环次数**:每个线程需要执行的循环次数,可以设置为无限循环。 5. **Ramp-up period**:规定所有线程启动的时间跨度,旨在平滑增加负载。 6. **定时器**:例如思考时间或...
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