註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 SG
SG 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 SG 的搜尋結果
@Sg_133155 @YesterdayBigcat 首先你有点搞笑你老在那提马克思共产主义,那在中国实行的是中国特色社会主义 就是外面的怎么样都行,但一到中国全部都要改
顯示更多
之前聊过 SGOV 和 BOXX,年化 4% 拿闲钱吃利息,稳是稳 但说白了,本质就是个货币基金,跑不赢通胀 那有没有又稳又能赚超额收益的基金? 有的兄弟,包有的,那就是 $QQQ —— 纳斯达克100指数 ETF 全称 Invesco QQQ Trust,追踪纳斯达克市值最大的100家非金融公司 买一份 QQQ,等于同时持有英伟达、苹果、微软、亚马逊、博通……全球最能赚钱的科技公司一网打尽 先甩几个历史数据: 1⃣ 过去 10 年年化约 20.7%,同期标普500 才 13% 2⃣ 过去 15 年年化约 18.6%,10 年前投 1 万美金,现在大约 5.5 万 SGOV 基本不波动,QQQ 跌起来 20%-30% 很正常,2022 年一年就跌了 33% 2022 年一年就跌了 33% 如果 22 年 12 月同时买入 QQQ 和 BOXX,QQQ 涨了 154%,年化 32%;BOXX 同期才 4.8% 拿不住的钱不要放进来,半夜睡不着觉真的会精神内耗 SGOV基本不波动,QQQ跌起来20%-30%很正常,2022年一年就跌了33%。拿不住的钱不要放进来 有兄弟问,涨了这么多,现在上车晚不晚? 按 PE 看其实并不算高 QQQ 当前 PE 约 22.4 倍,略低于 20 年均值的 23.6 倍 而历史上多次突破 38 倍以上(09、20、24 年都暴涨过) 所以现在的位置既不便宜,也谈不上贵,定投比一把梭更舒服 最后说一句:投资有风险,一定要根据自己情况来配置 关注一下博主,后续继续分享更多港媒股投资思路 🫡
顯示更多
0
25
18
0
轉發到社區
之前聊SGOV 大家很感兴趣,但很多人问有没有更省税的替代品? 有的兄弟,那就是 BOXX 主动ETF基金 同样追踪美国短期国债收益,年化也在4%左右,但玩法完全不同 先说SGOV的一个隐藏成本: 每月派息,券商通常会先预扣10%的税(填了W-8BEN的情况),虽然底层是国债利息、理论上可以退,但实际退税流程因券商而异,有的自动退,有的要等,有的甚至不退 $BOXX 直接绕开了这个问题 它用一种叫"Box Spread"的期权组合策略,复制国债收益,但不派息,收益直接体现在净值增长 持有期间没有分红,没有预扣税事件,券商不会扣你一分钱 卖出时的收益属于资本利得,大陆投资者作为非美国税务居民,美国端资本利得免税 也就是说:SGOV你要跟券商扯皮退税,BOXX从头到尾美国端零税 大陆投资者在BOXX在税务上明显更友好 同样需要美股券商账户,零佣金平台基本都能买到 对港美投资感兴趣的可以来一手关注,分享更多信息
顯示更多
很多人都知道美版余额宝年化4%,现在国内余额宝只有1.2%左右 差不多3倍的差距,怎么买? 其实很简单——SGOV,一个 ETF 货币基金,每月派息 底层逻辑是买入美国三个月短期国债,美国财政部每半年付一次利息,平台每天分给持有者 信用由美国财政部担保,跟美元同一个担保人,没有本金风险 门槛极低:最少 5 美元起买,约 35 块人民币 零佣金券商基本都能直接买,随时买随时卖,结算很快 跟国内定期存款比,年化都是4%左右,但自由度完全不在一个量级 定期锁死动不了,SGOV 随存随取,利息照算 对家庭闲置资金来说,这是个性价比很高的去处 不过买美股需要美国或香港券商账户,自己评估一下开户成本和资金跨境的便利性
顯示更多
0
19
108
12
轉發到社區
#BuildInPublic# 开源了一个 AI 模拟引擎 SGO (语义梯度优化引擎) 在 AI 世界迭代产品或者功能,目前最最缺少的就是现实世界现实用户的反馈;这些反馈意见序列实际上构成了产品的演化路径。 然而用户(真人)反馈周期较长,且不能覆盖所有的情景。当下,我们常常让 LLM "假装"某一类用户得到一个近似的反馈,但这种反馈都是一个一个的数据点,完全取决于事先规划好了的角色。 SGO 采用的思路是: 用和人口普查对齐的合成数据来模拟真人用户。NVIDIA 开源了多个主权数据集,比如对于美国,Nemotron-Personas-USA 数据集里有一百万个基于美国人口普查数据生成的合成人物。不是那种 LLM 随便编的"有着三十年经验的工程师",而是有完整背景的人——伊利诺伊郊区的建筑工人、德州农村的手工艺人、纽约的单亲妈妈等等。他们有各自的爱好、习惯、关注点。这些人的年龄、学历、职业、收入分布都跟真实人口一致。 SGO 的采样, 模拟和梯度计算框架可以让你直接从这些人里拿到反馈,周期大约 30 秒,LLM API 花费大约 $0.10。 使用方法也很简单:把要优化的东西贴进去,比如产品描述、融资 pitch、一则爆款文章等等(有一个用户甚至把他的约会 profile 放进去优化)。总之什么都行。 SGO 会很科学的帮你自动选择优化目标和目标受众。确定好以后,从这 100 万个有机数据人群中科学采样 (stratified sampling)、分类聚类、逐一询问反馈(contrafactual inquiry)、对照目标,逐一构建所谓的"语义梯度" (相当于目标对于各个变量的 Jacobian 矩阵), 以及最终的汇总反馈和迭代方向。 代码开源,目前部署在 HuggingFace Spaces 上可以直接试用。 你可以把 SGO 作为 Skill 单独使用,也可以把它放在一个内循环里,和 auto-research 联合使用。 HF Space: 希望 SGO 和 auto-resesarch 结合,帮助大家优化那些跨越数字世界和现实世界的许多场景。 PS: 现有的跑通的场景 * 简历优化 * 商业计划 * App UX 设计 * 广告牌设计 * LOGO * 网页的版式和颜色 * 约会档案 * 一个甜点屋的名字
顯示更多
0
8
103
20
轉發到社區