一劳永逸的财富观

面对每天为生计奔波操劳,动辄996、997,我想不少人曾梦想着不劳而获。希望在家躺着,工资照发,希望周游世界,工资照发。也曾幻想有一天老爸突然一通打电话过来,悄悄地告诉自己其实是个富二代,并以命令的口吻说“少爷回家接班”。然而面对残酷的现实,该996还是得996。

完完全全的不劳而获,其实就是踩狗屎运,如中彩票了,家里拆迁了,突然爆红了,公司要上市了等等,这种可遇不可求。我们普通人能够通过努力获得的不劳而获,其实叫做「一劳永逸」。不是不付出就获得收获,而是努力一次,从此均有收获。

我曾经听过最佳的「一劳永逸」获得财富的例子,就是考证。一级注册结构工程师证,挂靠价格大约13万一年,一级注册岩土工程师证,14万一年,等等。一次考证,终生受用。真正的一劳永逸,或者真正的不劳而获。前些年,证书挂靠不严格的时候,如果一身多证,每年能有大几十万的不需要任何付出的收入,也难怪那么多考证狂魔,我也心生羡慕。近些年,证书挂靠市场被整治,然而影响其实不大,咱们中国人不缺的就是投机取巧的办法。然而证书,不是想考就能考的。

其实「一劳永逸」的机会非常多,有些甚至就在我们身边,只是被大家有意或者无意的忽视了。比如上大学,只要大学毕业了,大学生的身份足以让你一辈子受用。比如曾经做过很复杂很成功的项目,导致你的能力上了台阶,那么走到哪里均会一直吃这次项目的红利,毕竟能力上去了就很难下来了。比如你的微博成了大V,那么无论你怎么折腾,粉丝都很难离你而去。比如你读了某本书,茅塞顿开,你的价值观从此得到改变,那这个价值观会一直影响你的人生。

「一劳永逸」讲的是缓慢积累的成长后的突破,讲的是不可逆的变化。这提示我们,在职业生涯中,如果有些坎一定要突破,那么要竭尽全力去加速突破,一旦突破了,获得的是一种新生,别磨磨蹭蹭,天天划水,让自己经常处于劳而无获的状态。

证券类投资领域的「一劳永逸」,我认为是找到一个优质标的,等着它高速成长,给自己带来显著的财富。而不是整天盯着做波段,追涨杀跌。如果把自己注意力,一直放在行情波动上,投入过多的精力,当然有可能有所得,但对于像我这样的普通人,更多的是劳而大亏,连劳而无获都做不到。

我是比特币死忠粉,我当前在比特币领域的投资策略是,定投+等待抄底。我认为最好买入策略是别人特别恐慌的时候抄底,如313,而非定投。但定投可以保证获得基本收益,而且可以让我保持关注度。现在我很少盯盘,很少操作,主要精力还是放在工作上,当前收益尚可,我想这就是所谓的一劳永逸吧!

都看到这里了,还不关注和转发一个!

要做短线投机之前,先做一个简单的数学题

假设任何一只新上市股票第一周,一半可能性上涨80%,一半可能性下跌60%。

现在我们搞个投资策略,每周一买一只新上市的股票,周五把它卖了。然后不断重复。

假设我们有1万本金,请问一年下来能赚多少钱?

一般会采用两种极端的策略,
a)均匀定投
把1万块等分52份,每周只用1份的钱买入新上市股票。
b)all in策略
每周均把所有的钱买入新上市股票。

你一般会采用哪种策略?All in策略看似极端,我想大部人看到上涨收益大于下跌损失,都会这么干。

我们来粗略算算,
1)对于均匀定投
期望收益: $1万\times 0.5\times (1+80\%)+1万\times 0.5\times (1-60\%)=1.1万$

2)对于all in
期望收益:每周期望收益率10%,一年下来利滚利,就是1.1的52次方,$1.1^{52}=142.0429$万。
然而你的实际回报,应该是:

52周下来,你还剩下1.95元,归零了。

这是怎么回事?

我也是看到上述非常反直觉的结果后,起了强烈的兴趣,进行了一番严谨的数学推导和研究后,方搞明白。我看到有网络文章分析说,这是遍历性的问题。这压根不是遍历性问题,这就是胜率问题。

后文有详细推导,但我想大部分人看到数学公式就眼晕,这里直接给出结论:
1)定投
对于定投,期望收益确实是1.1万,而且收益率大于0,也即最终剩下1万以上的概率是83.41%,这是相当高的胜率,也即基本不会亏钱。收益率大于期望收益率10%,也即最终剩下1.1万以上的概率是44.49%,也是相当高的。

定投的收益上限是每周都盈利,计算下来是1.8万。

2)all in
对于all in策略,你是不是怀疑期望收益计算错了?我一开始也是怀疑期望收益计算错误,然而经过严密的数学推导后发现,期望收益确实是$1.1^{52}=142.0429$万,这符合大家的直觉认知。

然而出问题的是,收益大于0,也即最终剩下1万以上的概率是6.32%,也就是亏钱概率93.68%,请问你还敢投吗?收益等于期望收益,也即最终剩下142万以上的概率是0.88%,也就是99.12%的概率你剩下的钱少于142万,请问你还敢投吗?

更进一步研究发现,亏损90%以上,也就是最终只剩下0.1万以下的概率是89.42%。亏损99%以上,也就是最终只剩下0.01万元以下的概率是75.58%,也就是说极大概率归零了。请问你还敢投吗?

为什么平均收益很高,却又大概率会归零?这是因为贫富差距过大,比如连续52次都是盈利的最终收益是$1.8^{52}=18.8$万亿倍。你我都是被平均了。这其实就是买彩票。

all in收益上限是18.8万万亿,你心动了吗?

————————————以下是详细公式推导———————————————-
————————————以下是详细公式推导———————————————-
————————————以下是详细公式推导———————————————-

如果用$x_{i}$记录第${i}$次投资,取值为1,表示盈利,取值为0,表示亏损,那么$52$次投资表示为:

一次投资如果盈利了,也即$x_{i}=1$,则收益为$(1+80\%)$,如果亏损了,也即$x_{i}=0$,则收益为$(1-60\%)$,可以统一成以下收益公式:

定投策略分析

1)期望收益

把资本按52均分,然后每一次只投入总本的1/52,这种策略俗称定投策略,这种策略的收益公式是:

那么,定投策略的最终收益期望:

也即总收益期望等于每一次投资收益期望的之和,我们计算单次投资收益期望:

那么定投策略的最终收益期望是:

2)胜率

假如52次投资中,记盈利的次数为$n$,则亏损的次数为$52-n$,那么定投策略的总收益$R(x_{1},x_{1},…,x_{52})$可以进一步简化为:

下面我们计算下对于目标收益$r_{0}$,需要盈利的次数n:

我们可以算出,当目标收益是正的,也即$r_{0}>=1.0$,那么可以算出盈利的次数至少是23。当目标收益大于期望收益$1.1$时,可以算出盈利的次数至少是27。

当知道了大于等于目标收益,所需要的盈利的次数时,我们可以计算对应的概率:

那么,如果目标收益是正的,则对应的概率:

如果想达到期望收益即1.1以上,则对应的概率:

all in策略分析

1)期望收益

每次都all in应该是挺多投资者实际采用,或者倾向于采用的投资策略,这种策略的收益公式是

那么,all in策略的最终收益期望:

也即总收益期望等于每一次投资收益期望的乘积,我们单独计算每一次投资收益期望:

那么all in策略的最终收益期望是:

可以看出all in策略的收益是指数级的,最终的平均收益是142.0429万,相当高啊。

2)胜率

假如52次投资中,记盈利的次数为$n$,则亏损的次数为$52-n$,那么all in策略的总收益$R(x_{1},x_{1},…,x_{52})$可以进一步简化为:

下面我们计算下对于目标收益$r_{0}$,需要盈利的次数n:

上式中的log可以是自然对数,也可以是以10为底的对数。

我们可以算出,当目标收益是正的,也即$r_{0}>=1.0$,那么可以算出盈利的次数至少是32。当目标收益大于期望收益$1.1^{52}=142.0429$时,可以算出盈利的次数至少是35。

当知道了大于等于目标收益,所需要的盈利的次数时,我们可以计算对应的概率:

那么,如果目标收益是正的,则对应的概率:

如果想达到期望收益即142.0429,则对应的概率:

可以进一步计算:

3)代码模拟

all in策略的平均收益过高,我一开始怀疑数学推导的可靠性,就写了python脚本做了验证。

import numpy as np
import math


def cal_profit(events, pos_earning=0.8, neg_earning=0.6):
    r = 1
    for i in events:
        r = r * ((1 + pos_earning) ** i) * ((1 - neg_earning) ** (1 - i))
    return r


def factorial(n):
    if n == 0 or n == 1:
        return 1
    else:
        return (n * factorial(n - 1))


def count_days_more_than(n, total=52):
    c = 0
    for i in range(n, total+1):
        c = c + factorial(total) / (factorial(total - i) * factorial(i))
    return c


def cal_winning_least_days(events_count=52, pos_earning=0.8, neg_earning=0.6, winning_ratio=1.0):
    winning_earning = 1 + pos_earning
    losing_earning = 1 - neg_earning
    r = (math.log(winning_ratio) - events_count *
         math.log(losing_earning)) / math.log(winning_earning / losing_earning)
    return math.ceil(r)


def cal_winning_prob(least_winning_days, events_count=52, pos_earning=0.8, neg_earning=0.6):
    return count_days_more_than(least_winning_days, total=events_count) / 2 ** events_count


if __name__ == "__main__":
    profits = []
    for _ in range(20):
        events = np.random.randint(2, size=52)
        profit = cal_profit(events)
        profits.append(profit)

    profits = np.array(profits)
    avg = profits.mean()
    var = profits - avg
    var = var * var
    var = math.sqrt(var.sum())
    print("mean: {:0.4f}, var: {:0.4f} theoretical: {:0.4f}".format(
        avg, var, 1.1**52))

    n = cal_winning_least_days(winning_ratio=0.1)
    p = cal_winning_prob(n)

    print(n, p)
    print(1.8**52)

如果把模拟次数设置成1亿次,会发现最终的均值就是数学上的理论期望收益。

下面是我们模拟20次的最终收益,可以看到大部分时候收益基本归零。

0.08007
0.08007
0.00000
0.00001
0.00004
7.29680
0.00020
0.00000
0.00020
0.00000
0.00395
0.00020
7.29680
0.36034
0.00004
0.00004
0.01779
0.00088
0.00000
0.00001

我也会在微信公众号「慢投ZI」分享个人的投资感悟,欢迎大家扫码关注。

投资是一种信仰

对于投资,无论何种流派,最终的目的都是高收益。

但选择不同的流派,其实等同于选择不同的生活状态和心理状态。

如果选择了技术流,实时盯盘基本就变成了生活的一部分,或者说生活的全部。痴迷或者紧要的时候,吃饭睡觉走路可能想的是K线走势。如果某一次上涨精准抓住了,那么这一天见到谁都会笑一笑,如果某一次下跌没精准撤出,一整天哭丧着脸是必然的。总体对一时涨跌很敏感。

如果选择了价值流,按照价值低估的时候买进,价值高估的时候沽出操作,那么平时的主要工作就是等待。见到暴跌,喜上眉梢,终于可以买进。见到暴涨,如果没到买入点,也无所谓。价值流对一时涨跌看的比较淡,看的是总体相对于价值的变化。

如果选择了定投派,那就更无所谓了,平时看都不看,到点定投即可。

细思之,投资流派的选择,非常类似信仰选择,对个人的影响是全方位的。如果不是自己性格实在做不到,技术流是非常不建议的,因为技术流不但耗费巨大的精力,往往最终还成了韭菜。而且价投或者定投的收益也是很可观的。

但可悲的是,价投和定投看似简单,却是最难的,一般人基本都做不到,而技术流是人的天然选择,所以上苍注定,大部人都是韭菜,如果你曾经大幅度亏损过,不要不服而下更大的赌注,接收自己是韭菜即可,然后好好调整自己的投资流派选择,或许那才是止损的最快方式。

我也会在微信公众号「慢投ZI」分享个人的投资感悟,欢迎大家扫码关注。

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×