PTT職涯區 / Stock (股票)

Re: [標的] 美債怎麼了? 9月又預期不降息了嗎

看板Stock (股票)作者 (生活藝術大師 ￾ N)時間3月前 (2024/08/11 21:40), 3月前編輯推噓11(23推 12噓 89→)
留言124則, 32人參與, 3月前最新討論串17/19 (看更多)
※ 引述《breathair (拆了？簡單了)》之銘言： : ※ 引述《apple960164 (工具Ren)》之銘言： : : 標題: Re: [標的] 美債怎麼了? 9月又預期不降息了嗎 : : 時間: Sun Aug 11 18:51:55 2024 : : 過來人來分享，債券都是超大機構整天盯著世界局勢，全球經濟，乃至匯率，外匯儲備等超 : : 多項指標所構建出來目前的價格。 : : 除非市場真的有超超超大出乎意料的發展，不然所有該想的，該考慮的，機構早就都算的清 : : 清楚楚了，妳算的贏機構嗎？ : : 債券這東西可不是有什麼基本面可以長期穩定向上的產品，長期報酬率是跑不贏股票的 : : 如果你真的是為了利息，可以考慮買 : : 但想賺價差的我買入債券是否搞錯了什麼 : : 追求波動想幹一波刺激的也贏不了股票 : : 真的真的，以賺價差的想法買入債券的，真的收手吧，希望我的好意勸告可以讓我剛幹入的 : : 股票可以小賺 : : 以上，曾經不理性的債蛙轉00713高股息蛙的自白。 : 我也算半個債蛙 : 這次22年升息大跌，我大概丟5成美債，其餘美股加一部份現金 : 24年回頭一看，債平盤，幾乎沒賺。股狂噴 : 5成美債部位因為股大幅成長，自已縮成3成5... : 當然，如果可以預知未來，我再笨 : 我都會選擇All in NVDA，而不是選擇大部位ETF+美債 : 但正是因為未來的不可預測性 : 這35%的債券部位，在政策轉向前我是不會去動他的 : 為啥 : 即使軟著陸的機率變高了，利率政策演變成長期的高利率 : 長期的高利率要能夠不進入衰退，前題是要有長期的高經濟成長率 : 如果沒有 : 副作用就是，短時間看起來天下太平 : 但是會有很多靠每天借新還舊的企業在苦苦撐著 : 這些企業通常都會粉飾太平，因為人家一覺的你財務有問題 : 馬上就不借你錢了，這就是燈下黑，你跟本看不到 : 所以 : 我會很期待最好聯準會都不要降息 : 最好繼續higher for longer，繼續擠壓這些借錢的企業 : 擠擠擠擠擠 : 直到有一天，看是先降息還是先爆 : 先降息，我最多把這些長債當然成定存解掉，晚點投入股市罷了 : 不過我還是看好聯準會啦 : 畢竟降息是需要理由的，不進入衰退，怎麼會有理由降息 : 利率越高越好，最好都不要降息，繼續給市場壓力最好 : 這才是買債的目的 : 但如果後面真的AI帶來高經濟成長率 : 人手一台機器人之類的，那我至少也不會沒有參與到囉 配置隨人. 然後這牽扯到每個人的規畫都不一樣. 像我債蛙就是2026甚至有需要就到2027才要賣. 中間恩怨情仇愛恨鳩葛都不重要. 反正就是降息循環結束出清.. 而這種情況,你說八月降息九月降息明年降息 我是不是都沒差. 那.... 晚點降息,如果可以讓美國經濟衰退+有甚麼大企業突然炸掉(財報蓋牌看不到那種) 然後降息到降低於本來預估的2.5~2.8%. 那我不就賺更多...XD 當然啦,如果早點降息好處就是,我質押那邊還可以借更多錢出來轉投資. 反正我們隨時都有"穩賺"的投資機會...也許利潤不是多高,但是有閒錢就去多少賺一些. 然後再透過槓桿把它利潤放大. 那...美債早點漲,我就多借點錢出來再轉投資. 也不外乎是一種操作. 但是最爽的應該還是. 如果再2026之前美國經濟有個大震盪,一次巨幅降息+再度QE. 這就是抽到樂透.... 而最糟糕的就是. 美國一切安好,然後2025才降息,最後降到2.8%停止. 美國經濟,一切都是那麼的平穩安定.. 這樣就是我這隻債蛙最爛的收益狀況... 至於AI和自動化. 這兩個東西不一樣. 你現在也可以弄自動煮飯,自動掃地,自動蓋房子,自動工廠流水線機器手臂阿. 全都不用AI就可以了,一些自動控制系統而已. 你看自動駕駛到現在大家也都不是用AI再跑. 但是為啥你不用那麼多自動化? 阿因為你找工人來蓋房子,台灣等級的建築,一坪建築成本給你算15好了. 你用自動化機器來蓋房子,一坪成本可能飆破50....哈哈哈. 你以為台灣房子是那些大陸國家隨便弄一弄起來等級喔. 妳不要說颱風便綠野仙蹤,地震第一個垮...你光台灣的建照和使照就拿不到. 而你要蓋台灣標準的房子,你用自動化?成本比你找一個旅的工人來蓋還要高一大截. 人力那麼便宜你幹嘛要自動化? 2x年前我們念機械的就參觀過,一個工廠只有三個人的,機械手臂做機械手臂日商工廠. 很多事情,幾十年前我們就可以辦到. 而現在沒被廣泛運用,絕大多數的主因都是成本問題. 老闆很賊的,他如果自動化賣飲料可以丟在那邊賺錢. 他幹嘛還要請員工請店員..... 你不知道人是他媽最難搞的東西嗎?毛一堆問題一堆還會偷錢還會做假帳. 看客人不爽還在食物裡面吐口水,你他媽吐就算了還被抓到... 但是問題是,人便宜阿,你把它自動化,到時候投資一間50嵐報價要8000萬,你怎麼開? 而且飲料還是不可以更動品項的,你如果要可以更動品項的設備要一億五... 你不...他媽的我還是花個兩百萬請店員就好....XD 至於以上,都跟AI無關,直接自動控制系統就可以辦到了. AI是更進化的"解決問題"的軟件. 當然你也可以AI跟自動化結合. 例如自動駕駛好了. 我記得碩班隔壁影像處裡的研究室當年就在做類神經小老鼠走迷宮. 不過現在不用AI跑自動駕駛. 問題不是AI的問題,而是晶片不夠力...XD 他運算時間無法壓縮在足夠短的時間內.... (例如反應時間要押在0.3秒..例如拉....但目前可能是甚麼0.8秒,太慢了會車禍) 所以目前市場上的自動駕駛都還是單純的邏輯設定而已. 有待台積電繼續努力!!!! 同樣的,你掃地機器人也都是邏輯在跑而已. 你要AI的掃地機器人,也就是還會分析是食物殘渣,是橡皮擦,是地毯還是怎樣. 然後因應不同的情況作出策略然後用不同的打掃方式. 恩...也不是不行....但是...這也不是晶片夠不夠力的問題,畢竟沒有時間壓力. 但是...你自己想這樣成本要多少...XD 因此AI也不是不能跟自動化結合... 但是第一個,結合的目的是甚麼,第二個又回到,成本會是多少. 所以到頭來我深刻地發現. 很多人把自動化和AI傻傻分不清楚. 然後對於成本完全不關心. 另外一點就是. 到今天AI基本上都是類神經系統,極少部分是模糊系統或其他. 因此都是"封閉性"思維. 也就是你的參數給他訓練是煮菜,他就只會煮菜,他不會煮火鍋. 你可以再把火鍋給他擴充下去,但他就不會洗廚房. 因此很多人在幻想AI會變成駭客任務智能叛變...那就是想太多了. 那是發散思考的人工智慧.. 人類一百年來無法突破這個困局,完全找不到出路,完全無法建立出發散思考的數學模型. 你沒有數學模型就不可能誕生產品.... 而且有可能人類永遠都無法在0和1的世界裡面找到發散思考的數學模型. 未來突破我看,你用生化技術培養一顆大腦.再把大腦訊號連結出來.. 可能會比你用0和1去創造出發散思考的AI更容易達成目標. 你就沒有翅膀,無論你怎樣訓練你的雙腳,你就是不可能會飛!!! 而現在比較可能做到的,並且也有在做的就是. 你把"需求"丟到雲端. 然後AI先把你的需求分類,然後轉發包給專門負責這個問題的AI去跑. 之後再把結果傳回來給你. 也就是你有一套多軸機械手臂在廚房. 你今天去餐廳吃了一頓德國豬腳覺得超好吃.. 所以你就上雲端說你要讓你家的多軸機械手臂幫你做出一個那麼好吃的德國豬腳. 然後雲端就把你的問題和你家多軸機械手臂的資料,打包分類發包給煮飯的AI去跑. 跑了之後再把控制訊號傳給你廚房的機械手臂. 目前那幾個國際AI巨頭有再搞這個架構. 你無法讓AI發散思考. 所以就只能做出非常龐大的各種AI,之後再把它們全部整理起來. 但是這種做法依然永遠不可能讓AI發散思考,然後想要毀滅人類之類的. AI會想要毀滅人類,背後一錠是一個想要毀滅人類的軟體工程師寫的AI. 所以有時候分清楚一點AI的作用比較好. 不然真的有人幻想人類全部躺平所有事情都交給AI這種夢..XD 哀,AI只是取代了一些人的工作,然後又創造了另外一些工作機會. 就像電腦進入人類世界後,不是取代了大量的文書人力. (想當年一個辦公室塞滿滿滿的人的壯觀景象在199x年開始消失) 但是現在老闆還不是整天在喊缺工..XD AI大概也是這樣一回事. 所以放心,AI橫行後,你還是會有工作的....XD 另外,為啥AI講得很大聲,但是沒有進入我們各位的生活呢? 哀.. 阿就晶片不夠力拉...XD 所以台積電有待繼續努力... 也因此目前AI都還是企業,國家,和軍事上面大幅使用. 所以你看到AI的訂單一直再增加,但是你自己卻沒有用到AI. 另外我覺得,你第一個會"買"的AI. (使用的話,你打開ChatGPT,你就已經使用過AI了) 應該還是自動駕駛..... 這是兩管齊下. 一邊就是晶片更進化,所以她的運算速度更快. 另一邊就是AI策略的寫法繼續改變,可以讓AI的矩陣可以更縮小.參數更少. 也就是同時晶片更強和軟體結構更簡單來壓制自動駕駛需要的運算時間. 直到這個時間達標....就可以上市了. 馬斯克是不是嗆兩年後就要達成....那讓我們拭目以待!!! -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.35.187.97 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1723383638.A.10F.html
推
08/11 21:47, 3月前 , 1F
我差點以為我跑錯版 XDD
08/11 21:47, 1F
推
08/11 21:50, 3月前 , 2F
房版偉人駕到
08/11 21:50, 2F
噓
08/11 21:53, 3月前 , 3F
自控的在嘴AI欸….
08/11 21:53, 3F
→
08/11 21:54, 3月前 , 4F
不要寫了一堆不知所以然 自以為的推論
08/11 21:54, 4F
推
08/11 21:55, 3月前 , 5F
我猜未來更強的晶片 結果是塞更多的廣告 然後要付費
08/11 21:55, 5F
→
08/11 21:55, 3月前 , 6F
移除
08/11 21:55, 6F
推
08/11 21:55, 3月前 , 7F
美債之前就低點可抄底 只差在現在已經沒那麼低
08/11 21:55, 7F
推
08/11 21:56, 3月前 , 8F
不用 討論 一定降息
08/11 21:56, 8F
→
08/11 21:56, 3月前 , 9F
從未來要降息的長期來看其實都還算低檔
08/11 21:56, 9F
→
08/11 21:56, 3月前 , 10F
只要數學模型突破不過去 做市場的就會老梗一直重複
08/11 21:56, 10F
→
08/11 21:56, 3月前 , 11F
使用
08/11 21:56, 11F
推
08/11 21:57, 3月前 , 12F
Ai珍珠奶茶一杯多少
08/11 21:57, 12F
推
08/11 21:57, 3月前 , 13F
買債的這兩年看人家賺爛，只能在旁邊自我安慰
08/11 21:57, 13F
→
08/11 21:57, 3月前 , 14F
對求穩的人來說當然是王道 但對投機者來說多半不是
08/11 21:57, 14F
噓
08/11 21:57, 3月前 , 15F
廢話過多
08/11 21:57, 15F
今年二月. 那斯達克正二轉美債的...XD 不過最漂亮的切入點應該是4月. 但...誰知道. 那時候不是說三月要降息. 外加那時候感覺市場有點亂,所以乾脆先提早轉債好了. 果然後面就少賺了3x%(正二) 但是反正這不是我能力可以賺到的錢,本來就不屬於我的..XD ※ 編輯: ceca (114.35.187.97 臺灣), 08/11/2024 22:00:20
→
08/11 22:00, 3月前 , 16F
AI部分之前就說過運算能力跟演算法都能當突破點
08/11 22:00, 16F
→
08/11 22:00, 3月前 , 17F
比較穩定的方式當然是從硬體拼拼晶片記憶體之類
08/11 22:00, 17F
推
08/11 22:01, 3月前 , 18F
我以為我跑到房版了，剛進來一下看到內文，再看發文
08/11 22:01, 18F
→
08/11 22:01, 3月前 , 19F
者，再走出去後再進來確認無誤
08/11 22:01, 19F
→
08/11 22:01, 3月前 , 20F
不過未來應該還是要有演算法的突破才能普及
08/11 22:01, 20F
→
08/11 22:03, 3月前 , 21F
AI跟自控這樣的爭論比較沒意義 前者很廣範後者明確
08/11 22:03, 21F
→
08/11 22:03, 3月前 , 22F
ai背後也是需要大數據來支持，大數據背後也是需要人
08/11 22:03, 22F
→
08/11 22:03, 3月前 , 23F
幫忙.....所以人力還是省不了
08/11 22:03, 23F
推
08/11 22:04, 3月前 , 24F
嘴債的人都會幻想別人已經買債兩年都沒有買股
08/11 22:04, 24F
→
08/11 22:04, 3月前 , 25F
自動控制這是有學校課本標準教程的課
08/11 22:04, 25F
→
08/11 22:05, 3月前 , 26F
AI從開始到現在經歷很多想法與過程
08/11 22:05, 26F
→
08/11 22:06, 3月前 , 27F
可以把自動控制看成AI的入門級子議題
08/11 22:06, 27F
→
08/11 22:07, 3月前 , 28F
AI的各類演算法有非常多 現在主流的類神經只是一種
08/11 22:07, 28F
→
08/11 22:08, 3月前 , 29F
只是現階段類神經方法取得巨大的成果而且持續進步中
08/11 22:08, 29F
→
08/11 22:09, 3月前 , 30F
我的看法是類神經AI會持續衝到 類強AI真的出現
08/11 22:09, 30F
噓
08/11 22:10, 3月前 , 31F
只有特斯拉fsd v12版本適用端到端AI
08/11 22:10, 31F
→
08/11 22:10, 3月前 , 32F
之後才會真把AI研發的心力放在演算法發展
08/11 22:10, 32F
→
08/11 22:10, 3月前 , 33F
其他車廠才是用邏輯 所以特斯拉必漲30倍
08/11 22:10, 33F
→
08/11 22:12, 3月前 , 34F
目前應該會先用多樣性子AI集成主AI的方式實做
08/11 22:12, 34F
→
08/11 22:14, 3月前 , 35F
至於真正強AI我是覺得以目前的數學模型無法達到
08/11 22:14, 35F
→
08/11 22:15, 3月前 , 36F
總之 強AI議題還需要時間慢慢看就行
08/11 22:15, 36F
→
08/11 22:16, 3月前 , 37F
現階段AI人形機器人才是最值得關注的突破點
08/11 22:16, 37F
→
08/11 22:17, 3月前 , 38F
因為只要夠便宜這可以真正解決各行各業的缺工問題
08/11 22:17, 38F
還有 47 則推文
→
08/12 01:17, 3月前 , 86F
還有地區限制 馬斯克想做的是全世界通用+低成本自
08/12 01:17, 86F
→
08/12 01:18, 3月前 , 87F
動駕駛 多久達成真的不好說 但真的不是遠在天邊
08/12 01:18, 87F
→
08/12 01:18, 3月前 , 88F
的幻想
08/12 01:18, 88F
→
08/12 01:21, 3月前 , 89F
應該說只是要看他或是黃仁勳先成功 進步算蠻快的
08/12 01:21, 89F
→
08/12 01:25, 3月前 , 90F
現在就是很多邊緣情況要處理 像是12.5好像還是不會
08/12 01:25, 90F
→
08/12 01:25, 3月前 , 91F
看交管人員的指揮照樣跑自己的
08/12 01:25, 91F
AI本身軟體如果再晶片比較弱的時候要寫出跑的速度夠快的. 那軟體會很值錢. 但是隨著晶片越來越快,那對軟體的訴求就越來越低. 因此一開始一定最貴.軟體貴晶片貴. 但當晶片技術一直往上... 那價格就會大幅下降. 跟以前電腦時代一樣. 486 586 686...剛出都超貴,但是前面的CPU價格都會大幅下降. 而自動駕駛不會這樣無止盡的追逐最新. 所以它的價格應該會隨著晶片一代一代的往前走. 而快速地滑落. 所以馬斯克想要做便宜又范用的自動駕駛. 只要台積電夠努力,沒多久就可以達成了. 至於看交管幹嘛的. 特斯拉有心,他可以在不同國家不同環境中. 用同樣的架構.給予不同的訓練. 就可以造出適合當國環境的自駕AI. 這個他的AI架構都出來了,其他訓練什麼的是電腦自己慢慢跑的事情. 簡單啦...XD.... 對喔,AI再跑甚麼,你當然不會知道阿. 他就矩陣裡面一堆"神經元"在受訓練. 誰知道他被訓練成甚麼樣子...XD 你只要知道他訓練後可以解決未來遇到類似的各種問題就好了. 至於封地思考和發散思考就是. 類神經網路,你的矩陣裡面設定的可變參數...以及你給予他的訓練資料. 是你這個軟體工程師設定的. 而就算他有自我在訓練的能力,也只會在同樣類型的事情當中做盡化訓練. 他不像,你是在海邊出生的,所以你特別喜歡吃牛肉豬肉是因為你海鮮吃膩了. 董媽,發散思考就是沒有被限制的,你會亂想,並且亂引用,並且亂創造. 但封閉性思考,他就是有限制.. 他這個類神經網路,你給他矩陣訓練的是下棋,他就只會下棋. 玩牌你就要另外弄一個矩陣來訓練. 那就是"兩個類神經網路"而不是同一個. 但一個小屁還,會下棋你在教他玩麻將,他也會玩麻將,然後畫畫她把麻將和棋都畫上去. 那是因為,他使用的是同一個大腦....所以他學過的東西可以混再一起之外. 他還可能下旗下輸了不爽就把棋子往電視上砸過去(沒人教過),被罵還會哭(也沒人教過). 這些事情都不可能發生在封閉思維的類神經網路系統裡面. 不過無論怎樣. AI在今天,很多方面的運用. 早就被一堆論文寫爛了. 大家都在等的東西叫做. "晶片要跑得動"... 想當年資工系的跑類神經,訓練一次要兩三天. 一個停電一堆人在哀號. 但是AI運用,2x年前就夯到連資管的管理學院都在量產論文. 因此,台積電才在AI世界裡面扮演這麼重要的腳色之外. 大家要的是最新最強的晶片,而台積電壟斷了這一塊. 所以台積電才發大財...而不是聯電. ※ 編輯: ceca (114.35.187.97 臺灣), 08/12/2024 01:58:03
→
08/12 02:16, 3月前 , 92F
特斯拉現在的特點就是他不是用CODE BASE來做
08/12 02:16, 92F
→
08/12 02:17, 3月前 , 93F
而是用大量的行車紀錄器跟人類駕駛操作去餵AI讓它們
08/12 02:17, 93F
→
08/12 02:19, 3月前 , 94F
學會 而他們也才剛快要榨乾2019的HW3晶片性能而已
08/12 02:19, 94F
→
08/12 02:19, 3月前 , 95F
現行的HW4應該就夠跑自動駕駛了 而未來的HW5好像是
08/12 02:19, 95F
→
08/12 02:20, 3月前 , 96F
被三星超廉價搶單搶走.....
08/12 02:20, 96F
→
08/12 02:21, 3月前 , 97F
當然那是車用的部分 訓練端應該都還是靠GG
08/12 02:21, 97F
→
08/12 07:51, 3月前 , 98F
換句話說 等ai下棋會翻桌 人類的ai就快成功了
08/12 07:51, 98F
推
08/12 08:12, 3月前 , 99F
AI的論文很多是灌水的 像車牌辨識這年代都還有
08/12 08:12, 99F
→
08/12 08:14, 3月前 , 100F
真正有用的AI論文當然有 終究是少數
08/12 08:14, 100F
→
08/12 08:16, 3月前 , 101F
量產型AI論文的作者很多連AI模型都不會寫
08/12 08:16, 101F
→
08/12 08:16, 3月前 , 102F
是靠現成軟體調參數 只有資料算是新輸入的
08/12 08:16, 102F
→
08/12 08:18, 3月前 , 103F
再強調一次 AI的演算法才是突破關鍵
08/12 08:18, 103F
→
08/12 08:19, 3月前 , 104F
90年代的類神經網路因為演算法卡關 根本無法使用
08/12 08:19, 104F
→
08/12 08:21, 3月前 , 105F
後來進入AI冰河時期 等人類突破到所謂深度學習
08/12 08:21, 105F
→
08/12 08:21, 3月前 , 106F
改名深度學習是因為 類神經網路當時是票房毒藥
08/12 08:21, 106F
→
08/12 08:22, 3月前 , 107F
深度學習就是類神經網路的運算方法做突破
08/12 08:22, 107F
→
08/12 08:23, 3月前 , 108F
讓多層神經網路的運算真的有用 模型複雜度真正提高
08/12 08:23, 108F
→
08/12 08:24, 3月前 , 109F
就算如此圍棋AI也是等到黃士傑才真正完成
08/12 08:24, 109F
→
08/12 08:26, 3月前 , 110F
在AlphaGo之前圍棋AI也發展很久了
08/12 08:26, 110F
→
08/12 08:27, 3月前 , 111F
是有用的圍期AI模型讓電腦運算能力有真正發揮
08/12 08:27, 111F
推
08/12 08:30, 3月前 , 112F
原po根本不懂現在的AI，自駕那邊看推文後的回文就是
08/12 08:30, 112F
→
08/12 08:30, 3月前 , 113F
在打自己臉。你講的功能限制，請去查一下什麼是強AI
08/12 08:30, 113F
→
08/12 08:30, 3月前 , 114F
/AGI跟multi-model，GPT-4o就在嘗試突破單一功能限
08/12 08:30, 114F
→
08/12 08:30, 3月前 , 115F
制給你看了
08/12 08:30, 115F
推
08/12 08:32, 3月前 , 116F
封閉與發散這個在學術界的說法是要有泛化能力
08/12 08:32, 116F
→
08/12 08:32, 3月前 , 117F
AlphaGo到後來能用在其他棋類 不單只是圍棋
08/12 08:32, 117F
→
08/12 08:34, 3月前 , 118F
再之後的AI其實都有持續有注意泛化的狀況
08/12 08:34, 118F
推
08/12 08:41, 3月前 , 119F
現階段各大廠用的AI模型相差不遠 拼的是資料與微調
08/12 08:41, 119F
→
08/12 08:42, 3月前 , 120F
所以硬體運算能力影響就很大 台積電就變的很重要
08/12 08:42, 120F
→
08/12 08:50, 3月前 , 121F
也覺得原po沒搞懂這幾年AI發展的情況
08/12 08:50, 121F
噓
08/12 10:56, 3月前 , 122F
還是回房版取暖吧 笑笑
08/12 10:56, 122F
噓
08/12 12:19, 3月前 , 123F
老愛裝忙 卻廢話一堆
08/12 12:19, 123F
噓
08/12 12:51, 3月前 , 124F
聽君
08/12 12:51, 124F
‣ 更多 ceca 的文章
文章代碼(AID): #1ckBzM4F (Stock)
討論串 (同標題文章)
本文引述了以下文章的的內容：
完整討論串 (本文為第 17 之 19 篇)：
排序： 最舊先 | 最新先 | 留言數
在新視窗開啟完整討論串 (共19篇)
Stock 近期熱門文章
更多 近期熱門文章 >>
PTT職涯區 即時熱門文章
更多 即時熱門文章 >>
‣ 更多 ceca 的文章
文章代碼(AID): #1ckBzM4F (Stock)