|
1 LSGO软件技术团队 贡献人：LSGO船长 如果喜欢这里的内容，你能够给我最大的帮助是转发，告诉你的朋友，鼓励他们也一起学习。 经过6年多的发展，LSGO软件技术团队在地理信息系统、数据统计分析、计算机视觉领域积累了丰富的研发经验，也建立了人才培养的完备体系。 本团队希望能与其他科研团队进行交流与合作，并共同成长进步。 我很喜欢Coding，研究一些机器学习方面的算法。前些年有“挖矿（挖掘比特币）”想法的时候，关注到李笑来。后来，读了他写的《把时间当作朋友》，参与了他的两个众筹项目“人人都能用英语”和“马克新生学院”。前一阵关注到他在“得到APP”上写的专栏文章，其中有一期给出了一个海外二级市场的投资组合叫“GAFATA”。 G：Google A：Amazon F：Facebook A：Apple T：Tencent A：Alibaba 并给出投资“GAFATA”的逻辑如下： （1）Facebook在2016年6月底，月活用户数量达到16.5亿人——这几乎是全球人口总数的1/3以上，微信2016年6月底，月活用户达到了8.03亿人，这接近全中国人口的2/3。从而我们可以看出，“全球所有有消费能力的人基本都在网上了”。 （2）“GAFATA”提供数据、云计算、支付、交易、社交等互联网上商业运转的基础设施和服务，它们已然成了互联网的巨头，占据了“垄断性优势”，并在未来相当长的时间内赚钱能力都是非常强的。 （3）“GAFATA”也在大笔投资互联网上可能出现的有潜力的新技术和服务，以充当了VC的角色，很可能在未来相当长的时间内，成长性极强。 （4）“GAFATA”的股票都已在金融市场上公开交易。 （5）“GAFATA”的股票都是“大盘股”，流动性极强，可以随时变现。 基于以上的逻辑，李笑来在香港注册了一个基金，专门用来投资“GAFATA”，参与者投资份额最低10万美元，按照今日的汇率就是68.7万人民币/份。 我们再来看看这些公司2017年2月10日的股价： G：NASDAQ.GOOG 809.56美元/股 A：NASDAQ.AMZN 821.36美元/股 F：NASDAQ.FB Facebook 134.14美元/股 A：NASDAQ.AAPL 苹果 132.42美元/股 T：00700.HK 腾讯控股 202.6港元/股 A：NYSE.BABA 阿里巴巴 103.34美元/股 按照当前的汇率，配置这些股票最少需要22906.72元人民币（美股可以按照最低1股进行买入，腾讯股票按照最低100股进行买入），况且这些企业都在境外上市，购买这些公司的股票需要的手续也非常繁杂。有没有一个折中的方法，去间接持有这些公司的股票呢？ 这段时间，我正在践行通过ETF的“攒钱”策略，强制自己储蓄（见图文：替代银行“零存整取”的一种攒钱策略）。于是寻找并发现了以下跟踪境外指数的ETF： （1）标普500（513500）博时基金管理有限公司，查看持股明细：除了GOOG US、AMZN US、FB US、AAPL US，还包含GE US、MSFT US、T US等。 （2）纳指ETF（513100）国泰基金管理有限公司，查看持股明细：除了GOOG US、AMZN US 、FB US、AAPL US，还包含CSCO US、MSFT US等。 （3）纳指100（159941）广发基金管理有限公司，查看持股明细：除了GOOG US、AMZN US 、FB US、AAPL US，还包含CSCO US、MSFT US等。 （4）中概互联（513050）易方达基金管理有限公司，由于这只ETF，2017年1月18日才在上海证券交易所上市交易，查看持股明细没有还没有数据，但是该ETF追踪中国互联网50指数，我们可以去中证指数有限公司查看“中国互联网50”的指数成份股。 http://www./sseportal/csiportal/zs/jbxx/report.do?code=H30533&&subdir=1 发现其中包括：00700.HKG 腾讯控股、BABA.NYS 阿里巴巴，还有Baidu.NSQ 百度、JD.NSQ 京东商城、NTES.NSQ 网易等。 既然我们发现这些ETF指数基金包含李笑来所说的“GAFATA”，我们就可以采取通过“广义定投ETF的方式”（见图文：替代银行“零存整取”的一种攒钱策略）间接达到李笑来所说的“发现机会”。 注：再次强调哪个广义定投策略只适合攒钱，而非投资。因为初期资金量级太小，不用考虑买入策略、持仓比例、调仓策略、卖出策略这些问题。每月定期买入自己工资的一个百分比就好（最好不超过10%，这样不会影响自己的生活质量），把主要精力放在自己的业务上才是对自己最好的投资。 与个人投资策略有关的图文： 4.我们能否效仿李笑来的投资策略？ 5.自己的股票投资策略 6.自己的众筹投资策略 7.自己的并购投资策略 本微信公众平台长期系统化提供有关机器学习、软件研发、教育及学习方法、数学建模的知识，并将以上知识转化为实践。拒绝知识碎片化、耐心打磨技能、解决实际问题是我们的宗旨和追求。 |
|
|
