怎么理财每天挣300元？分享5种靠谱方法(思勰投资吴家麒：传统交易是在做演绎，而量化是在做归纳，不存在谁取代谁 ｜ 资管大家)

有网友求助：老师，您好，向您求助。我是刚毕业的大学生，去年年底辞职，原本想着过完年去找份工作，谁知道爆发疫情，只能被迫呆在家里。好不容易熬到三四月份出来找工作，投了了好多简历，都石沉大海。我在网上看到，好多中小企业，裁员大裁员，降薪的降薪。我在想，即便我找份工作，估计也很难满意。老师，我想请教您，有什么方式，可以日赚300元？ 氧惠（全网优惠上氧惠）——是与以往完全不同的抖客+淘客app！2022全新模式，我的直推也会放到你下面，送1:1超级补贴(邀请好友自购多少，你就推广得多少，非常厉害)，欢迎各位团队长体验！也期待你的加入。氧惠邀请码800000，注册就帮你推广，一起做到百万团队！ 很高兴为你解答这个问题。你的处境，现在我很理解。我有一朋友，也是半年多没上班了，这半年来，他一直在和别人合伙做字画生意，虽然赚的不多，但平均也能月入过万，满足自己在北京的基本生活，是完全没有问题的。 他说现在是完全不想上班，感觉上班也就拿着7000-8000的薪水，但却非常的不自由。而且觉得现在赚大钱不容易，赚点养活自己的生活费还是相当容易的。 我非常同意他的想法，的确在如今这个时代，想要月入几万不容易，但一天300，一个月赚个6000-10000还是不难的。 那么都有哪些方式呢？下面我们按照城市划分，根据不同的城市，采用不同的方式。 一二线城市上班族：能力为王 2018年公布的四大城市平均工资中，北京平均为6906、上海为6378、深圳5199、广州4811。 虽然深圳和广州略低，但如果一个人比较有想法，能在工作中培养出自己的核心竞争力，再过个1-2年，通过跳槽的方式，达到6000的薪水是完全没有什么问题的。 另外，一二线城市机会往往会比较多，可选择性也广，如果自己所在的行业或者职位很难达到理想的薪水，完全可以选择行业和职位上的转换。 三、四线城市上班族：兼职考虑下 相比于一、二线城市，三、四线城市的薪水会比较低，按照现在正常的水平大概在3000左右，还达不到一天300的要求。 但相比于一线大城市，三、四线城市相对节奏没有那么快，压力也没有那么大，如果想要收入更高，完全是可以抽出时间来做一些兼职的。 之前就有朋友，利于下班和周末时间去学了瑜伽教练，现在除了上班之外，就兼职代课。不仅锻炼自己的身体，同时也给自己带来了额外的收入，在三线城市买了房、车，生活的很幸福。 拥有一技之长，充分挖掘价值 如开头提到的朋友，算是做了个小生意，现在字画生意基本有了稳定的客流，收入还是比较稳定。 另外，作为一个自媒体人，我也不得不说，新媒体给更多的人带来了更多赚钱的机会。只要你有一技之长，不仅月收入过万不是梦，几万都是有可能的。 所以，在当今这个时代，赚钱并不难，只要你肯想，肯发现，去找到适合自己的赚钱路径，一天入300根本不是什么难事儿。 综上，题主可以结合自身情况，选择最有利于自己的方式，努力一把。 大家日赚300元，都有哪些方式呢？欢迎下方留言讨论。 本文作者：氧惠APP最大团队&联合创始人大九导师（注册后台可以联系我）16715369123 本期访谈人物： 上海思勰投资管理有限公司总经理 吴家麒 “一个画家和一个音乐家谁创造的价值更高？这其实没法回答；类比量化交易和基本面交易也没有办法去做比较。他们是不同的方法论，只要这套方法论是逻辑自洽的，那每种方法做的好都是挣钱的。 但这也并不是说，会方法就一定挣钱，就好像价值投资人人都知道，方法都写在书里的，但巴菲特只有一个。方法论最终只是工具，能不能赚到钱还是要看你是怎么用的。” ▍个人介绍 上海思勰投资管理有限公司总经理，拥有15年在中国从事量化投资管理经验。目前负责公司的市场开拓、管理运营等业务。 拥有复旦大学数学硕士学位，复旦大学数学学士学位。 多年积累了广泛的量化策略行业各方面经验，包括多种量化策略开发、金融数据的生产及应用以及量化产品结构设计。在创立思勰投资前，曾在券商研究所负责金融工程研究。在此之前，曾在多家私募基金及券商自营工作过，也在国内最大的金融数据公司负责过金融数据规划工作。 ▍第一标签 百亿量化私募的佼佼者 ▍公司简介 上海思勰投资管理有限公司是一家专注于投资二级市场高流动性资产（股票、期货）的量化对冲基金公司。公司创始合伙人均来自海内外知名对冲基金和投资银行，曾任职于量化策略研究和交易系统开发部门。团队人员将之前所学习到的先进理念与方法论投入实践，保障了公司投研策略与算法交易的稳健性。思勰投资成立至今，已经成立200只以上私募基金，管理规模超过100亿。投资客户均为各大银行、券商、期货、三方理财、信托、企业等机构，是各大资方在投资量化私募基金产品的首选配置之一。 根据火富牛公布数据显示，2022年思勰投资超额收益为34.73%，位列量化私募收益的第一名，年超额最大回撤仅有2.50%也属于前10名内相较优秀。除全年超额波动率达到了10%较大以外，基本没有弱项。管理规模也在近几年突破百亿。 回望过去，早在2016年，思勰还是一家规模不大的量化小私募，同时也可以算是国内较早从事量化期货交易的公司。在2017年、2020年等艰难大行情中，诸多私募都已黯然离场，而思勰仍稳步的一路发展至今。 近期，记者采访了思勰投资的创始人之一吴家麒先生，他分享了对公司管理、量化交易的丰富经验。 01 —————————— 从纷繁复杂的数据里找到重要信息才是关键 财联社：根据公司官网显示，主要的三位创始人是陈磐颖先生，和吴家麒先生以及李苏苏女士。能否介绍下三位在公司里分别是负责哪些业务的，具体的策略开发是他们一起配合完成的吗？ 吴家麒：我们三位合伙人从成立以来一直是比较稳定的。陈磐颖主要是负责策略方面的制定，策略开发肯定是私募最重要的；李苏苏是负责IT方向的维护，给策略部门做服务，IT配套的一些内容。那么剩下的一些事情，内部管理，客户维护，对外沟通就基本是我在处理了；我也是数学专业做策略出身，但是公司达到一定规模之后会有很多杂七杂八的事情，负责策略的核心人物需要专注，所以总要有人来做策略以外的事情的。 财联社：因为我自己也做期货交易，所以很想问您，开发策略的人是不是又要懂编程，又要有实操的交易经验？ 吴家麒：我觉得并不是的。首先，编程只是一个工具，除非高频策略，否则对于编程的要求不是很高，会一些普通基础的就够用了。如果有涉及比较深入的编程方面的内容，这块让IT去负责就可以了。 那关于交易方面，我觉得实操交易经验也并不是最重要的，而更多的是要求数理统计能力比较高，怎么从纷繁复杂的数据里找到异常的信号，让它能够转化成策略的有用信息。 所以一家量化公司，并不一定需要大家都有主观的手工交易经验，甚至是创始人可能也更注重的是数理统计的能力。 02 —————————— 未来无论什么方法都会有成功的人出现 财联社：我个人很喜欢索罗斯，也很佩服詹姆斯.西蒙斯。从现在社会来看，越来越多的量化私募开始成立，仅三年时间，规模都超百亿，您认为，这是否是一个趋势？未来纯主观基本面或技术面的私募或者个人交易者将毫无竞争力？ 吴家麒：我觉得这个不太可比，不同方法论走的是不同的道路，量化也好，主观也好，做到顶尖都是非常有竞争力的。 就好比我问你，一个画家和一个音乐家谁创造的价值更高？这其实没法回答；类比量化交易和基本面交易也没有办法去做比较。他们是不同的方法论，只要这套方法论是逻辑自洽的，那每种方法做的好都是挣钱的。 但这也并不是说，会方法就一定挣钱，就好像价值投资人人都知道，方法都写在书里的，但巴菲特只有一个。方法论最终只是工具，能不能赚到钱还是要看你是怎么用的。 所以回到这个问题，量化不可能打败所有的其他交易方法，纯主观基本面或技术面也不可能说没有竞争力，未来无论什么方法都会有成功的人出现。就像国外，美国很早就有量化私募了，但是到现在巴菲特也好，索罗斯也好，还是西蒙斯他们都还经营着不错的，没有说谁会取代谁。 财联社：那您觉得量化交易有没有什么缺点，或者说是天然的死角。 吴家麒：我是这样理解的，主观交易更多是在做演绎，比如基于研究框架和动态数据进行推演，判断事件的走向。而量化更多是在做归纳，通过对数据的归纳和总结建立模型去进行交易。 举例来说，当出现一件历史上或者数据里从来没有的事情发生，那量化就比较难把这件事情演绎出来，只有等到它发生完以后，有了数据，下一次发生时量化才能做出分析。而主观交易，尤其是很厉害很聪明的大咖，在没有先例的事情上，通过一些蛛丝马迹更容易推测出一个正确的情况。 所以，量化的缺点是没法处理一些从未发生过的事件，我们只能把它作为一个风险项来处理；但作为主观交易高手的话，会把它当作一个赚取高额利润的大机会。 财联社：有句话说没有哪一个策略是能长期有效的，您是否认同这个观点？如果是的话，那么该如何克服这个问题？同时您又是具体通过什么来判断策略失效的？ 吴家麒：这是个好问题，也是个非常难回答的问题。在我们看来，任何一个策略如果不做迭代，那它的有效性就会越来越弱；即使不考虑其他竞争对手的影响，策略本身针对市场就是有生命周期的，因为市场环境结构也一直在变。 策略迭代的原理，简单来说就是，“新策略”肯定比“老策略”要更有生命力，所以我们会给策略一个衰减度，通过这个衰减度就可以保持策略有一个比较强的生命力，也就是一直处于迭代中。 再具体到衰减度，它是一个比较偏固定的值，但对于高频还是低频会有不同。一般高频的话会衰减很快，而低频策略可能亏损好几月，都无法说它失效了。 所以还是要根据具体策略的情况去做一些调整的。 财联社：目前的话，您觉得思勰有遭遇过比较大的困难吗，因为参照国外发展的经验来看，大部分私募或者成功人物都有过很致命的失败经历。 吴家麒：目前来说，我认为是没有的，顶多是有一些挫折。因为国内二级市场成立的时间还比较短，像海外的有些市场上百年，而A股市场也就30多年，30多年可能还不足以让我们遇到特别大的那种危机。 例如2017年，很多个人交易者和私募都是亏损的，但思勰仍然盈利。所以说，也确实还没有遇到特别大的致命事件。 03 —————————— 无论是机构还是个人，能帮客户挣到钱是关键。 财联社：前面关于交易的聊的比较多，最后想从资管的角度来提一些问题。目前的话，思勰在管理的资金里客户群体占比是怎样的？其中的股票和CTA　　占比又是怎样的？谢谢。 吴家麒：思勰现在资管规模总共有100多亿，其中大类来看，CTA占20多亿；股票占60多亿，再细分为多一半是中性，少一半是指增；其余20亿是高频、选股及一些自营和储备策略。 客户群体的话，代销和机构客户大概各占一半。 财联社：这边通过公司主推的产品来看，思勰更像是配置型的公司，不像是绝对收益型的公司，那后续发展是不是更倾向于机构客户？ 吴家麒：首先我们认为无论是机构还是个人，能帮客户挣到钱是关键。 因为机构客户和个人客户对于投资收益的偏好和理解不同，所以我们会倾向于把偏绝对收益的产品，推荐给机构客户；把指增类的产品推荐给个人客户。 主要的原因是指增类产品好理解，对于个人客户来说，无论行情好坏，都会做横向比较，所以对我们来说，也更方便维护。 对话1000位行业领军人物：安安访谈录 保险机构： 材料金属： 宠物经济： 储能设备： 传媒创新： 电商平台： 动力电池： 港口码头： 高端装备： 公募基金： 工业软件： 光伏电力电子设备： 航空航天： 集成电路： 家族办公室： 景观设计： LED电子设备： 农业养殖： 券商机构： 评级机构： 权威专家、研究学者： 汽车零配件： 企业服务： 人工智能： 数字安全及测试测量： 数字经济： 碳中和： 体育运动： 投资机构： VR/AR/元宇宙： 文化旅游： 新能源： 新汽车： 信托机构： 新消费： 新一代信息技术： 医疗健康： 银行理财： 影视文化： 自动驾驶： 政府系统： （原标题：思必驰联合创始人兼首席科学家俞凯：ChatGPT是继Alpha Go之后最大的里程碑进步|财专访） 本期访谈人物： 思必驰联合创始人兼首席科学家 俞凯 “GPT是人工智能发展的一个集中式突破，包括对话智能技术、深度学习大模型技术、工程化能力以及大数据的整体突破。” ▍个人介绍 思必驰联合创始人兼首席科学家、上海交通大学教授。 清华大学本科、硕士，剑桥大学博士。 入选国家级重大人才工程，上海市“东方学者”特聘教授。 IEEE Speech and Language Processing Technical Committee 委员（2017-2019），中国计算机学会语音对话及听觉专委会副主任，中国人工智能产业发展联盟学术和知识产权组组长。世界顶尖科学家论坛（World Laureates Forum）青年科学家委员会委员，全国信标委用户界面分委会委员。 发表200余篇国际论文，获得多个国际研究挑战赛冠军，担任Inter Speech、ICMI等国际会议程序委员会主席和ACL、NAACL、EMNLP等国际会议对话交互领域主席。 曾获中国人工智能学会吴文俊人工智能科学进步奖、中国计算机学会青竹奖、2016年《科学中国人》年度人物。 ▍第一标签 引领人工智能领域发展的长期主义者 ▍公司简介 思必驰基于自主研发的全链路智能对话系统定制开发平台和人工智能语音芯片，围绕“云+芯”进行布局，提供软硬件结合的人工智能技术与产品服务，在智能家电、智能汽车、消费电子等物联网领域以及数字政企领域，提供智能人机交互软件产品、软硬一体化人工智能产品以及对话式人工智能技术服务。截至目前，思必驰拥有近100项全球独创技术，已授权知识产权近1400件，其中已授权专利近700项，软件著作权近400项，牵头/参与了近50项国家/团体标准。 2022年11月30日上线的人工智能聊天机器人模型ChatGPT近期火爆全球，仅仅2个月即实现月活破亿。伴随着ChatGPT的出圈，不仅海外科技巨头微软、谷歌打响AI搜索大战，国内包括百度、阿里、腾讯、华为、京东、网易有道等大厂在内的诸多科技公司均已披露相关方向的研发进展。 国内专业对话式人工智能平台型企业思必驰已掌握全链路语音及语言交互技术，涵盖语音信号处理、识别、合成、语言理解、问答聊天、知识图谱等人机信息交互闭环涉及的各个模块级技术，能够感知用户意图和情感，并基于用户画像实现拟人化的语言风格互动。 日前思必驰联合创始人兼首席科学家俞凯接受了记者专访，就思必驰在类ChatGPT对话机器人方面的研发进展、ChatGPT问世对于行业的意义、海内外玩家差距、生成式AI面临的挑战等话题进行分享。 Q：在类ChatGPT的对话机器人研发方面，公司目前有何进展？ 俞凯：在技术的迭代发展上，ChatGPT本质就是一个统计类的深度学习对话通用大模型。 思必驰应该算是国内最早一批去进行统计类对话模型的产业化研究的公司之一，并且在任务型对话上也取得了很多很好的研究成绩和应用成绩。思必驰已有的语音和语义的通用基础模型，已经达到亿级参数。 在通用基础模型技术方面，目前思必驰使用千块GPU卡量级的超算资源，正在整合扩展资源，在已有算法研究和数据积累的基础上，将亿级参数模型扩展到百亿以上量级。 Q：在类ChatGPT的对话机器人研发方面，公司未来有何计划？ 俞凯：现在的ChatGPT还是以文本机器人的形式来出现，我相信这只是一个开始，未来一定会往语音对话机器人去进阶，会逐渐强化对语音和文本的深度融合。在听觉感知技术方面，思必驰能够实现高精度的语音转文字和高质量的声音播报效果；能够解决在人机交互过程中面临的远距离、复杂声场的多噪音干扰、多说话人判断；满足用户对方言、外语的识别及合成的需求。 在聊天机器人方向，融合语音、文本、图像信号的多模态交互技术也有很大机会。以当前新起的虚拟数字人为例，多模态、智能化的完整解决方案可以更好地应对不同场景的复杂变化，多模态交互成为行业发展的必然趋势。在多模态及交互技术方向，思必驰公司在业界率先发布了全双工对话架构，形成了独特的闭环人机对话系统构建的底层综合技术优势，与国际主流先进技术相比，取得声纹验证、语音分离等指标的显著提升。 Q：您怎么看此次ChatGPT火出圈？可能存在哪些原因？ 俞凯：ChatGPT可以算是继Alpha Go之后最大的一个里程碑进步。Alpha Go解决的是确定规则情况下的搜索和处理，而GPT在无确定语法规则前提下，部分解决了自然语言交互的问题。我们并不能把GPT简单理解为某一个特定单点技术的突破，而是人工智能发展的一个集中式突破，包括其中的对话智能技术、深度学习大模型技术、工程化能力以及大数据的整体突破。 ChatGPT爆火还有个原因，即产业应用的需求对技术的召唤得到了回应。各种智能硬件发展到现在，功能上逐渐愈发同质化，体验上也很难做出自己的特色。ChatGPT的创作能力则满足了产业应用级的需求，打开了新的空间。 Q：据路透社记者统计，AI、生成式 AI、机器学习等词出现在美国科技巨头最新季财报会议中的频率是上一季度的2-6倍。巨头纷纷发力生成式 AI，您认为有哪些原因? 俞凯：本质上，是因为生成式AI在落地应用后，更能达成用户对“智能人机交互体验”需求的满足程度。生成式AI更强调学习、归纳后的创造、推理，生成式AI的创作能力则是以内容创作为主，用来辅助人类决策。用户对“辅助”的标准会低一些、宽容度会高一些、安全性和准确性的期望值也会低一些，更容易引起大家的关注和期待。 其次，生成式AI有“创作性”的天然属性：即没有绝对的正确错误之分，甚至有些仁者见仁、智者见智的意味。决策性AI的结果一旦错误，很容易被诟病；而内容创作的多样性结果，则会被欣然接受。比如，现在的ChatGPT，在对一些事实性内容的结果是不太准确的，但大家仍然能够宽容接受，因为它的对话是流畅的、回复是有效的。 Q：您预判未来随着生成式AI能力的提升，将在哪些行业快速渗透? 俞凯：短期来看，关于需要基于一定背景知识的创作型产业，以及一切刚需AIGC的场景、重视SOP（标准作业程序）的行业，能够快速突破。比如智能写作、文档管理、代码生成、流程管理、甚至游戏NPC等。 长远来看，搜索引擎和基于搜索的相关产业，有可能被颠覆。 Q：近期多家中国企业已经宣布了相关进展，在您看来中国科技公司与海外企业之间的差距如何？需要哪些方面的努力？ 俞凯：中美的差距，其实是在工程化能力、基础架构设置方面，另外还有人员经验的问题、长期信念决心的问题。 ChatGPT的核心是大模型技术和对话智能技术，大模型是指通用基础模型，当参数足够大的时候，比如当有千亿级以上的大模型的时候，不再需要额外的采取数据对各个领域进一步训练。大模型的算法是通用的，而数据量在超过千亿级之后，对比也就不再那么明显。 底层基础的算法是公开的，并且国内外一流的研究机构都有非常不错的研究成果，在算法的迭代创新方面并不存在明显差距。当数据量足够大，微不足道的数据差距影响也没那么明显。 简而言之，技术上并没有明显差距，但存在技术实现的时间差问题。 Q：您预判，中国何时能有产品对标ChatGPT? 俞凯：由于一些客观因素，ChatGPT在国内可能会水土不服，短时间测试没问题，但没办法长期稳定调用。我看到国内有巨头有在准备发布相关产品。这是很好的方向。类GPT的产品，确实是需要依赖巨头企业的投入和决心，但更令人期待的是，中国创业企业在基于该方向上的应用级创新。 由于各方面综合因素，从研发环境来看，国外更关注从0到1的基础创新，而国内更擅长从1到N的应用级创新。 新技术出现的本质，是为了投入应用，而不是停留在技术指标层面的对比。我很期待中国的创业公司能够基于用户需求、产品情况，去探索出更多的类GPT应用，不管是在AI辅助、智慧办公、智能客服，还是在更大层面的产业应用上。 Q：近期围绕着ChatGPT 成本、法律与伦理问题有诸多讨论，您认为生成式 AI 面临哪些主要挑战? 俞凯：大模型的训练的确是很昂贵，所以从成本来说，目前只有巨头能负担起高昂的投入，但当大规模应用起来，从长远看，大模型技术反而能够降低机器学习的成本、提高应用效率。 伴随人工智能技术发展的，便一直是“AI有所为、有所不为”的讨论。技术本身是中性的，关键是运用技术的人，应该向善、不作恶。 生成式AI面临的两大挑战，一是数据合规，包括数据来源合规、数据处理合规、数据生成合规；二是应用边际，包括需要从人员管理上、工程化实现、场景领域上去规范应用边界，如何更好地“协助人类”而不是“替代人类”，甚至是沦为deep fake的帮凶。 人工智能，说到底还是人的智能。ChatGPT可以基于上下文理解的基础上，根据对话聊天来不断完善自我学习和进化， 但是这种学习进化的机制，本质上也是由人类设计的。当然，为了保证AI的良序发展，我们的确需要去嵌入一些相应的限制手段和规则约束。 Q：近期Google对外指出了AI技术发展迅速而大公司行动缓慢的原因：需要将AI融入现有的产品与服务中，符合公司的业务战略才能展开，并不能如OpenAI这样只需要研发一款最佳模型就可以。对此您怎么看? 俞凯：基础AI技术创新，必须最终走入产业，结合场景应用才会变得有价值。 作为新基建一环的AI技术，不能单靠底层原始创新来推动发展，其落地应用需要结合行业认知和客户需求输出整体性、结果导向性的实用解决方案。当然， OpenAI这样的基础模型工具也具有巨大价值。基础研究和应用研究本身就属于不同范畴，商业公司更多的还是要为市场负责，要计算投产比，更倾向于投入应用型研究；但基础性研究却可以更纯粹地去看更底层的算法工具和更前瞻性的技术未来。 近几年，行业也在加强产学研一体化合作，技术型企业和高校之间展开紧密合作，以推动基础研究和应用研究的融合，例如讯飞和中科大，思必驰和上交大。毕竟人工智能发展是一个长期主义，为了将来更稳定、更强的突破，必须重视基础创新和原始创新能力，短期内看研发投入会很高，但长远看却能降低成本、提高整体效率，也有利于建立中国人自己的“AI矿场”，更好地赋能传统百业。 （记者：付静；编辑：曹婧晨） 对话1000位行业领军人物：安安访谈录 保险机构： 材料金属： 宠物经济： 储能设备： 传媒创新： 电商平台： 动力电池： 港口码头： 高端装备： 公募基金： 工业软件： 光伏电力电子设备： 国际贸易： 航空航天： 集成电路： 机器人： 家族办公室： 景观设计： LED电子设备： 旅行交通： 农业养殖： 券商机构： 评级机构： 权威专家、研究学者： 汽车零配件： 企业服务： 人工智能： 数字安全及测试测量： 数字经济： 碳中和： 体育运动： 投资机构： VR/AR/元宇宙： 文化旅游： 新能源： 新汽车： 信托机构： 新消费： 新一代信息技术： 医疗健康： 银行理财： 影视文化： 自动驾驶： 资管机构： 政府系统： 恒丰银行（前身为烟台住房储蓄银行）成立于1987年10月，并于2003年在烟台住房储蓄银行基础上经过整体股份制改造，改制变更为恒丰银行股份有限公司（简称恒丰银行），英文名称为EVERGROWING...