#网红债基富荣中短债一天跌12%#昨天知名债券基金单日基金跌幅12.07%,亮瞎了我们的双眼,很多持有人也很难想象我就买个债券基金还要挨打!我买的股票型基金也没有这么大的波动!
大跌的原因应该是基金经理贱卖手里的持仓债券,比如别人买90,他卖85,就会多亏很多,为何他着急卖出呢主要也是由于持有人的赎回!
更多人关心后续还能不能涨回来呢?从他的历史持仓来看,涨回来的时间非常长,因为他这个债券每天的波动都比较小!你靠波动涨个12%那不得猴年马月去了!所以这种事情是不可逆的!#基金[超话]##股市##A股#
大跌的原因应该是基金经理贱卖手里的持仓债券,比如别人买90,他卖85,就会多亏很多,为何他着急卖出呢主要也是由于持有人的赎回!
更多人关心后续还能不能涨回来呢?从他的历史持仓来看,涨回来的时间非常长,因为他这个债券每天的波动都比较小!你靠波动涨个12%那不得猴年马月去了!所以这种事情是不可逆的!#基金[超话]##股市##A股#
【看透了历史会让我们绝望,因为我们的生命太短暂,往往活在幂定律中,活在历史的极端行情中,遇上历史的极端下跌,就是一辈子,几辈子】
乔尔·格林布拉特:在考虑投资组合时要牢记,极低概率事件会影响到你的大部分投资。
乔尔所说的概率极低的事件,就是幂律分布。
最常见的钟形分布被称为“正态”分布。但是,人们往往将钟形分布和正态分布混为一谈,其实二者是不一样的。前者是一种分布类型,而后者是具有明确统计特性的特殊的钟形分布。未能将两者正确地区分,无疑是造成近期信贷危机的重要原因。
正态分布假设的是尾部事件极少发生,而金融事件的分布(由具有情感驱动极端行为倾向的人所决定)或许应被理解为具有“胖”尾。
正态分布是一种宇宙规律,只要用本足够大,就是正态分布的,正态分布和熵增定律有关。正态分布是非常宏观的分布,当样本太小时,很可能是幂律分布。
举例子,三五个人在一起的时候,可能参差不齐,身高可能呈现幂律分布,但如果是100个人呢?就围绕平均身高呈现正态分布了。
如果比尔盖茨在一个100人的咖啡厅中,100人的财富主要都集中在盖茨一个人身上。但如果我们统计的是10亿人,100亿人,古往今来的所有人,你会发现,比尔·盖茨反而是一种特例,太穷的人也是特例。人们的财富围绕均值呈正态分布。
幂律分布,长尾理论等等,是正态分布小样本下的一种特例。但由于不管是在历史中,还是在金融交易中,我们个体的人非常渺小,反而是幂律分布决定了我们的命运。
幂律分布决定我们的命运,比如,如果你有杠杆,那312就决定了你的命运。假如一只蚂蚁的寿命只有一天,312那天,它会看到比特币是一个跌向归零的东西。
这一段很重要,在幂律分布中,极端的事情总是成群结队的出现。
2020年3月8日那天已经跌得很惨了,从9千多跌到了8千多。
可是,3月9号更惨,从8千多跌到了7千多,
这还不算惨烈呀,3月11号,从7千多,跌到了5千多,
可是,3月11日比3月12日,那更不算什么,
3月12日,从5千多直接干到了3800。
极端事件总是成群结队的出现。
更直观的例子是抛硬币,
上一次是正面,下一次应该是背面吧,不是,下下次应该是背面了吧?
可是,如果你抛过硬币,就知道经常一个面连续出现很多次。
正面和背面各站50%,
那是针对抛100次,抛1000次说的,
对抛十次来说,各站50%的概率是不成立的。
理解了这种在大数据面前是正态分布,在小样本面前是幂律分布的特征,
才能理解什么是极端,什么是风险。
理解了幂律分布,我们抄底的时候,就知道为什么不能带杠杆了。
想象312,再低的杠杆都能给你打爆。
实际上,312恰恰是那些低杠杆的人造成的,
312是从高杠杆到底杠杆的连环爆仓。
好了,讲了这么多,现在理解了乔尔·格林布拉特说的那句话了吗——
在考虑投资组合时要牢记,极低概率事件会影响到你的大部分投资。
(图一是正态分布的坐标图,图二是幂率分布的坐标图。)
(22年7月16号写于XQ中)
乔尔·格林布拉特:在考虑投资组合时要牢记,极低概率事件会影响到你的大部分投资。
乔尔所说的概率极低的事件,就是幂律分布。
最常见的钟形分布被称为“正态”分布。但是,人们往往将钟形分布和正态分布混为一谈,其实二者是不一样的。前者是一种分布类型,而后者是具有明确统计特性的特殊的钟形分布。未能将两者正确地区分,无疑是造成近期信贷危机的重要原因。
正态分布假设的是尾部事件极少发生,而金融事件的分布(由具有情感驱动极端行为倾向的人所决定)或许应被理解为具有“胖”尾。
正态分布是一种宇宙规律,只要用本足够大,就是正态分布的,正态分布和熵增定律有关。正态分布是非常宏观的分布,当样本太小时,很可能是幂律分布。
举例子,三五个人在一起的时候,可能参差不齐,身高可能呈现幂律分布,但如果是100个人呢?就围绕平均身高呈现正态分布了。
如果比尔盖茨在一个100人的咖啡厅中,100人的财富主要都集中在盖茨一个人身上。但如果我们统计的是10亿人,100亿人,古往今来的所有人,你会发现,比尔·盖茨反而是一种特例,太穷的人也是特例。人们的财富围绕均值呈正态分布。
幂律分布,长尾理论等等,是正态分布小样本下的一种特例。但由于不管是在历史中,还是在金融交易中,我们个体的人非常渺小,反而是幂律分布决定了我们的命运。
幂律分布决定我们的命运,比如,如果你有杠杆,那312就决定了你的命运。假如一只蚂蚁的寿命只有一天,312那天,它会看到比特币是一个跌向归零的东西。
这一段很重要,在幂律分布中,极端的事情总是成群结队的出现。
2020年3月8日那天已经跌得很惨了,从9千多跌到了8千多。
可是,3月9号更惨,从8千多跌到了7千多,
这还不算惨烈呀,3月11号,从7千多,跌到了5千多,
可是,3月11日比3月12日,那更不算什么,
3月12日,从5千多直接干到了3800。
极端事件总是成群结队的出现。
更直观的例子是抛硬币,
上一次是正面,下一次应该是背面吧,不是,下下次应该是背面了吧?
可是,如果你抛过硬币,就知道经常一个面连续出现很多次。
正面和背面各站50%,
那是针对抛100次,抛1000次说的,
对抛十次来说,各站50%的概率是不成立的。
理解了这种在大数据面前是正态分布,在小样本面前是幂律分布的特征,
才能理解什么是极端,什么是风险。
理解了幂律分布,我们抄底的时候,就知道为什么不能带杠杆了。
想象312,再低的杠杆都能给你打爆。
实际上,312恰恰是那些低杠杆的人造成的,
312是从高杠杆到底杠杆的连环爆仓。
好了,讲了这么多,现在理解了乔尔·格林布拉特说的那句话了吗——
在考虑投资组合时要牢记,极低概率事件会影响到你的大部分投资。
(图一是正态分布的坐标图,图二是幂率分布的坐标图。)
(22年7月16号写于XQ中)
央行救市16条释出,报复性反弹,买房该如何选择? #央行# #买房# 报复性反弹根本没可能了!
最近一年多来我们的楼市降温太明显也很深刻,让很多人对于买房保值增值的信心不足了,最近金融16条发布,确实算楼市的一记重磅消息,对于接下来楼市回暖多少能够起到一定的作用,但即便是作用体现出来,更多的还是表现在成交量方面的提升,而不是房价方面,这次降温,让很多人意识到,我们的房价确实已经很高了,一线城市几万元,二线城市一两万,三四线城市七八千元,基本上没有什么大面积的上涨空间了,因为现在购买规模和购买力并没有你想想的那么多,看看今年的商品房销售额,前10个月才10.8万亿,和去年18.1万亿差距很大,基本上现在投资性需求都没有了,现在楼市更多的是刚需买房,以后的楼市规模估计也会在10多万亿左右。
另外就是工资最近几年涨幅不明显,这个问题要解决也是比较复杂的,毕竟企业不可能在自身总收入不涨的前提下,给员工涨工资的,所以对于你这个后期房价报复性反弹,可能性真的很小!
总之,未来的楼市是居住需求为主,投资炒房是行不通的,没有什么商品价值是一直上涨的,房子也不过是普通的商品而已,并且房子也是有寿命的,你去看看那些二三十年房龄以上的房子,其实居住体验和新房比起来,差距很明显了!
最近一年多来我们的楼市降温太明显也很深刻,让很多人对于买房保值增值的信心不足了,最近金融16条发布,确实算楼市的一记重磅消息,对于接下来楼市回暖多少能够起到一定的作用,但即便是作用体现出来,更多的还是表现在成交量方面的提升,而不是房价方面,这次降温,让很多人意识到,我们的房价确实已经很高了,一线城市几万元,二线城市一两万,三四线城市七八千元,基本上没有什么大面积的上涨空间了,因为现在购买规模和购买力并没有你想想的那么多,看看今年的商品房销售额,前10个月才10.8万亿,和去年18.1万亿差距很大,基本上现在投资性需求都没有了,现在楼市更多的是刚需买房,以后的楼市规模估计也会在10多万亿左右。
另外就是工资最近几年涨幅不明显,这个问题要解决也是比较复杂的,毕竟企业不可能在自身总收入不涨的前提下,给员工涨工资的,所以对于你这个后期房价报复性反弹,可能性真的很小!
总之,未来的楼市是居住需求为主,投资炒房是行不通的,没有什么商品价值是一直上涨的,房子也不过是普通的商品而已,并且房子也是有寿命的,你去看看那些二三十年房龄以上的房子,其实居住体验和新房比起来,差距很明显了!
✋热门推荐