上市公司的信息来源​

• 公司信息
  • 公司官方网站: 产品信息
  • 订阅号: 公司官方消息
  • 公司报告
    • 季度报告: 一年四次，半年报和年报个更严格，1，3 季度报只需披露财务数据
    • 月度报告: 房地产阅读报告
    • 临时报告: 公司有什么大事发生，签了什么大项目
• 行业数据
  • 行业协会: 中国汽车工业协会
  • 国统局
• (线下)市场调研
  • 市场渠道
  • 消费者体验: 去 4s 店转一转，ToC 行业比较容易了解，ToB 比较麻烦，除非你是行业专家
• 专家咨询
  • 自身人脉: 问朋友打听一下，上市公司，相关行业(房地产中介之于房地产)
  • 猎头公司
  • 付费咨询(猎头公司副业)

只选择能接触到产品和服务的公司​

• 白酒: 茅台，五粮液，泸州老窖，汾酒
• 家电: 格力，美的，海尔，苏泊尔
• 房地产: 保利，招商，华润，中海
• 汽车相关: 比亚迪，小米，宁德时代，福耀玻璃
• 食品: 海天，金龙鱼，双汇
• 饮料: 伊利，东鹏，养元
• 电商: 阿里，京东，拼多多
• 游戏: 腾讯，网易，完美世界
• 交通: 京沪高铁，上海机场

如何看待财务造假​

• 财务造假是商业问题，不是股市问题。
• 优秀的公司造假动机非常小。
• 财务数据是用来做排除法的。

财务造假只能够适当的提取调节财务数据，掩盖不了多少问题的。

如何识别财务造假​

• 只看财务数据，无法识别财务造假
• 没有假数据，只有假业务！
• 公司业务和财务数据不符

个人的商业模式 vs 公司的商业模式​

为什么要学习财务知识​

• 业务评估
  • 解读财务语言
  • 评估经营效率
  • 分析商业模式
• 公司估值
  • 业绩趋势
  • 资产结构
  • 现金流折现

• 成长类指标
• 资产类指标
• 效率类指标

成长类指标​

• 营业收入
• 主营业务现金流
• 净利润

为什么要重视信息质量？​

如果你输入的都是垃圾，输出的也是垃圾。垃圾信息本身也没办法作为思考的原料。

一个残酷的现实是，现在百分之 99.99 的信息都是垃圾，并不是说现实中真的有百分之 99.99，而是我们因为被动的信息获取位置和获取习惯，习惯性的从别人那里接受信息，或者是网上的自媒体，机器的算法想让我们知道的信息，而这些信息并不是我们想要的，所以对我们来说是垃圾信息。

• 如果信息都是被动获取的，那垃圾信息的概率极高
• 如果你在垃圾堆里搜索，搜到垃圾的概率极高 (如百度、dy、微信、知乎等)
• 如果没有高质量的信息，则很难得到靠谱的结论

风险 —— 所有投资评估应该从衡量风险(尤其是信用的风险)开始。​

• 测算合适的安全边际。
• 避免和道德品质有问题的人交易。
• 坚持为预定的风险要求合适的补偿。
• 永远记住通货膨胀和利率的风险。
• 避免犯下大错；避免资本金持续亏损。

最近刚回国，辛辛苦苦应聘终于入职了新公司，中间有段跌宕起伏的过程，着实辛苦了点。

这几个月，应该是我最"佛系"的几个月份。很多东西还是处在混乱状态，很多资料的转移，很多行政工作需要处理，要不要租房，要不要更换个新手机，要不要买些工作用的衣服，朋友们开启一轮火热的约饭局等等。世界总是在我不忙的时候什么对我置之不理，在我忙起来的时候，却不看看我有多少的处理能力，实在不太"地道"。

总结下几个事情，也是我在浑浑噩噩中关注到的几个点：

• 国内外工作与行业对比
• 质量与数量的变化 (数据与数据类型)
• 同样的行为模式，不一样的影响 (人情与事故)
• 未来与"乱局"

国内与国外工作与生活对比​

要说在工作的内容是否有变化，我的感觉是其实没有很大的变化，我在国外是来解决问题的人，我在国内也是来解决问题的人，我其实需要做的事情是一样的，动用的能力大差不差的，只是行业有别。

这个过程中我发现，要想把事情做的更大更好，只在自己的摊子里面去做并不一定是好的选择。这个尤其是我在加入这个新团队，并且与多位 managers 交流沟通被给予的诸多"相同"的建议里面被反复强调的。

3 种主要数据类型和对应的预测任务:

• Tabular
• MultiModel
• Time Series

Tabular (表格数据)​

它是什么？​

数据以行和列的形式组织，就像一张 Excel 表格和 SQL 数据库表。

典型任务​

• 分类(Classification): 预测一个类别。
  • 二分类: 预测客户是否会流失(是/否)
  • 多分类: 预测一件商品的类别(电子产品/服装/食品)
• 回归(Regression): 预测一个数值
  • 例如: 预测房屋的售价、预测股票明日价格

股票投资的收入

• 价格波动
• 股息