昨日阅读1小时，累计阅读408小时

咋天阅读3小时，累计阅读28小时。
阅读心得：
股票投资：
对于一个企业而言，如果这个企业的净资产收益率不变，那么你买入时的PE的倒数就是你的投资收益率。如果最后发现你的收益率上去了，那一定是净资产收益率上去了，反之亦然。对于一个指数而言，净资产收益率基本是恒定的，所以你买入时的PE就是你长期持有的收益率，市场波动傻子送钱另算。
1.来自利润留存再投资的企业未来内在增长率取决于未来的roe，过去roe数据可以参考，不能决定。
2.股票pe越低，分红再投的收益率越高，也间接影响企业收并购方式的增长率。
所以股票总收益和这两者未来的变动有关。这里都是数据的未来概念，和历史数据很可能无关。
4.投资者在一个时间里一部分时间持有股票，另一部分时间不持有，其总收益率还取决于不持有股票时其他投资渠道的收益率。所以你的想法不完全对。举例：过去10债券收益率5%到10%，平均7.5，5%利率的时候是否继续持有债券取决于那时是否能找到预期收益高于债券的投资。
同理，股票在10到20波动，20的时侯是否继续持有，取决于结果上有没有切换到更好的投资上。

昨天阅读2小时, 累计阅读436小时
阅读2小时-O Done.  完成
Reading Material: Experiencing diversity conflict and emotions in teams
University of Geneva Switzerland
The diversity in teams has been previously defined in term of the nominal categories into which team members fall. The core argument of this paper is that diversity is a subjective experience of social categories to which members feel they belong. These categories or social identities, may become more or less salient in different contexts and at different times. The authors propose a model of diversity in teams that explains under what conditions these social identities become salient and how these social identities may influence appraisals of issues and events. These appraisals, in turn, can influence conflict and emotion. This dynamic view of diversity provides us with a better understanding of the black box-the cognitive and affective processes that may help to explain behavior and subsequently team performance.

昨日阅读1小时，累计阅读476小时

昨天阅读1小时 总阅读517。25

今天读了3小时，累计690小时

昨日阅读0.5小时，累计阅读382小时

昨日阅读时间1小时，总阅读时间216小时

今天学习和阅读约5小时，累计阅读约1925小时。
学习和投资心得：
价值投资之黑天鹅排雷：
以为只有造假才是雷吗？巴菲特说投资不需要高等数学，只需要小学算术即可。近期很多个股都暴雷，让人感觉还是加上一定的财务知识才好。A股的造假成本对比美国还是很低，导致造假公司的泛滥也就很正常了。当然，即使不造假，有的公司通过资本运作、财务炫技，合理做账做得出神入化（比如贾会计的乐视网似乎还没被立案调查吧），对我们投资者来说也是不定时的炸弹。不管是基于财技或造假，都是对股价未来有极大的杀伤力，我们都必须做出必要的排雷方式。对于造假或财技的行为，其实都逃不过定量与定性结合的分析方式。简单的造假或财技基本能从定量上分析出来（比如现金流，应收，存货，长短借款等等），但高超的只能从蛛丝马迹当中被发现，需要翻看各张报表、其关联公司之间的交易，各数据间的联系等等，对于我们普通人很难做到专业的分析，不妨从定性的基本面去分析公司的具体价值如何。如果有的公司善于“画大饼”，你翻看财务上看没有看到一点数据逻辑可以支撑（比如利润短期没有不可怕，但营收或研发上体现不出来肯定有问题），那就排除。如果有的公司善于把财务数据处理得非常完美，你可以从定性上看他的基本面是否真的如事实中那样匹配。把定性与定量结合分析企业，也可以用于该企业的竞争友商，对比起相同与不同点的逻辑关系，如果有异常的地方，就需要进一步去观察理解清楚。其实，要排的雷不仅仅只有造假或“合理做账”，有的企业的商业模式注定是不成熟或不可持续的也要排除，比如PPP模式其实这种模式是不错的，可以讲民间资本与政府资源结合在一起，发挥高效的运作模式，可是很多企业玩得变味了，因为其主要收入主要是依赖ZF，而不是基于项目创造出可持续的现金流来支撑，结局很明显，东方园林，三聚环保等等都有目共睹，要逆转看的是商业模式的改善，而不是靠短期ZF又一波资金支撑着，让财报变得体面，这样是不可持续的。再比如海澜之家，从财报上看认为是造假，其实从定性看解释是合理的，但是这种商业模式的可持续性我觉得有所怀疑，如果衣服质量、款式没法让消费者认可，再高超的商业模式最后也能让自己瓦解。我们要排雷，关键要分清楚这是什么样的雷，在市场上，似乎听得最多的就是造假的雷，具体往投资标的仔细分析，其实这个雷的类型有多样的，可能你认为的雷不是你想的雷，下次还可能遇到你不知道的雷。

昨日阅读3小时，累积阅读401小时
Philip Kotler 的<br>
Principles of Marketing
跑步10公里

昨日阅读2小时，累计阅读643小时

昨日阅读1小时，累计阅读267小时。

昨日阅读2小时，累计阅读916小时      
挑战第三百八十一天   读25页书，完成当日任务

昨日阅读2小时，累计阅读844小时。

昨日阅读1小时，累计阅读477小时

学习6小时，累计150.5h

昨日阅读1，累计阅读76显示

昨日阅读2小时，累计151.5 h

2.4 噪声（noise）
噪声是数据中有害的异常。
噪声的存在，类的学习可能更加困难，且使用简单的假设可能做不到零误差。
噪声有以下几种解释：

• 记录输入属性可能不准确，这可能导致数据点在输入空间的移动。
• 标记数据点可能有错，可能将正例标记为负例，或相反。（称指导噪声：teacher noise）
• 可能存在我们没有考虑到的附加属性，会影响实例的标注。（附加属性可能是隐藏的（hidden)或潜在的(latent） ，因此是不可观测的。）这些被忽略的属性所造成的影响作为随机成分，是“噪声”的一部分。
  

当有噪声时，在正负实例之间不存在简单的边界，且为了将它们分开，需要对应于具有更大能力的假设类的复杂假设。
矩形可以用四个数定义，然，为了定义更复杂的形状，就需要具有大量参数的更复杂的模型。

利用复杂模型，可以更好地拟合数据，得到零误差。
另一个可行的方法是保持模型的简单性并允许一些误差的存在。

使用简单的矩形（除非其训练误差很大）更有意义，原因是：
1）矩形是一种容易使用的简单模型。（容易检查一个点是在矩形内还是在矩形外，对未来的数据实例，可以容易地检查它是正例还是负例）
2）矩形是一种容易训练的简单的模型，具有较少参数。简单模型具有更小的方差（variance），具有较大的偏倚（bias）。求解最优模型相当于最小化偏倚和方差。
3）矩形是容易解释的简单模型。
4）如果输入数据中确实存在错误标记的实例或噪声，且实际的类确实就是像矩形这样的简单模型，那么由于矩形具有较小的方差，且较少地被单个实例所影响，所以尽管可能导致训练集上较大误差，也是比曲线图像更好的分类器。
其泛化能力更好。
（Occam's razor）奥克姆剃刀规则：说较简单的解释看上去更可信，且任何不必要的复杂性都应该被摒弃。

咋天阅读1小时，累计阅读20.5小时

昨日阅读1小时，累计阅读1277小时。

最近两周每天阅读1-2个小时 积少成多

昨日阅读三小时，累计三小时

昨日阅读2小时，累计阅读2小时。