【年化報酬26%、過去三年成長一倍的動態資產配置策略】
.
#要你入群的都是詐騙
.
有網友好奇問，之前講的動態資產配置實際績效如何?。
.
我過去所有投資分享都是個人實戰的心得，所以不囉嗦，直接公佈過去三年的績效佐證，順便跟一般資產配置的方式做比較。(2018/09/04~2021/09/03)
.
如果有在追蹤粉專的朋友就知道，這個帳戶過去每年都會公布，盈透證券（IB）是全球排名第一的券商，非常多專業機構跟投資人在用，除了功能強大之外，他還可以針對你的投資組合提供進階的分析報告，用客觀數據去量化你投資組合報酬與風險的表現，可說是評價投資人能力最有公信力的參考依據之一。
.
1.#布局全球
.
首先投資還是要布局全球，盡量分散風險，一般人會最先推薦的就是追蹤全球股票指數的ETF:VT，從下圖可看出，過去三年總報酬50%，年化報酬約14.6%，表現已經很優秀，估計有八成的主動投資人達不到這個水準。
.
但只配置股票的問題就是風險及波動較大，我們可以看到他過去碰到股災時，最大的跌幅是34.23%，然後要花110天才能收復失土，標準差1.35％也是最高，所以我們需要資產配置，用更多元的投資組合，分散及降低風險。
.
2.#資產配置
.
(1)
一般人最基本的就是股債配置，然後按個人需求調整比例並定期再平衡。比如有一檔懶人ETF:AOA，直接幫你配置8成股票及2成債券，然後定期再平衡。
.
至於效果如何?我們可以看到他的總報酬降為42%，年化報酬約12.4%，最大跌幅也降到28%，但跟VT一樣花了110天才收復失土。
.
這個組合跌幅及恢復的速度，其實跟VT差距有限，主要原因在於如果你有風險平價概念的話，就知道股票的波動遠比債券還來的大，只有2成比例的債券遠不足以對沖股票的風險。
.
(2)
那如果將債券比例拉高呢?比如另一檔懶人ETF:AOR，配置6成股票及4成債券，這時候可以看到最大跌幅已明顯降低至23%，然後只花97天就收復失土， 不過因為股票比重更低，所以總報酬也再降至35%，年化報酬約10.5%。
.
以上，就是屬於一般傳統資產配置的報酬跟風險的變化，當然還可以再做一些調整，比如可以把整體債券換成純公債，或者分散更多元的資產，及加入部分小型價值股等方式，但差異一樣相對有限。
.
因為主要決定表現的因素，還是在於你面對市場環境變化時，原始投資組合的風險與非風險資產的配置比重。
.
那麼，我們是否有機會再進一步提高回報，並且降低風險呢?
.
.
.
其實是有的
.
3.#動態資產配置
.
如果以最右邊我的動態資產配置組合為例，三年總報酬是101 %(年化報酬約26 %)，是VT同期的兩倍，回報更高。
.
但更重要的是風險最低，最大跌幅只有24.8%，比VT少跌約3成，然後只花了57天就填補虧損，僅需要VT一半的時間。
.
與其他投資組合相較，它為我帶來了最好的回報，然後只承擔了幾乎最低的風險(只有最大跌幅略高於AOR)，也因此在經過風險調整後的報酬，也是裡面最高的。(大家可以理解成投資的CP值，一般是用夏普比率或索提諾比率來衡量)
.
這就是動態資產配置的好處，它可以在市場環境變化時，透過動態調整，有機會進一步提高投資組合的報酬，及降低風險。
.
4.#未來表現會如何?
.
我知道一定會有人質疑三年時間不夠長，事實上，這個帳戶已經有大約連續五年的完整紀錄了，結論還是一樣，這個投資組合用比大盤更低的風險，帶來了更高的超額回報。

最近幾年開始看到臺灣有人在介紹IB，我相信有IB五年連續完整紀錄的實績應該不算太短。
.
至於更久的話，如果以同樣的法則與理論基礎去進行超長期回測，其間歷經各種股災(亞洲金融風暴、科技泡沫、金融海嘯….)，結論還是一樣，能用更低的風險，創造出更高的超額回報。
.
當然再多過去績效也無法保證未來表現，我也不認為這幾年股市高報酬是常態。沒人知道未來市場環境會如何怎麼變化，就像傳統資產配置的方法，也沒人可以跟你保證永遠有效一樣。
.
但可以確定的是，投資市場唯一不變的東西就是變，如果你的投資組合能隨著市場變化進行動態調整，我相信才更有機會能在未來多變的金融市場中勝出。
.
5.#結論
.
其實，這種資產配置絕對不會是我投資策略裡面報酬最高的，但考量到所花費的時間、精力，卻是我認為能兼顧降低風險、資產穩健增長及生活品質的最好方法，也是最適合一般人複製的長線投資策略。
.
所以如果你沒空看盤，或對於整天研究個股、總體經濟等指標感到厭倦，但卻希望投資組合能比一般資產配置有更低風險，或者更好回報的話，那麼不妨來瞭解一下，相信會為你帶來全新的投資視野。

#參加活動的連結放留言
#有興趣的歡迎留言及分享
#留言要你入群都是詐騙

為了讓 AI 不斷打怪升級，DeepMind 打造「宇宙」

作者 雷鋒網 | 發布日期 2021 年 07 月 30 日 8:15 |

DeepMind 又給我們小驚喜。我們都知道，強化學習苦於類化能力差，經常只能針對單個任務從頭學習。

DeepMind之前開發的AlphaZero，儘管可以玩圍棋、西洋棋和日本將棋，但每種棋牌遊戲都只能從頭訓練。類化能力差也是AI一直被詬病為人工智障的一大原因。人類智慧的厲害之處，就在藉鑑之前經驗迅速適應新環境。

但類化能力不是一蹴而就，就像玩遊戲，也是先做簡單任務，逐步升級到複雜任務。《空洞騎士》（Hollow Knight）一開始只需要隨意走動揮刀砍怪，但噩夢級難度的「苦痛之路」關，沒有前面累積的技巧，只能玩寂寞。

多任務宇宙

DeepMind此次採用「課程學習」，讓智慧體於不斷擴展升級的開放世界學習。也就是說，AI新任務（訓練資料）是基於舊任務不斷生成。智慧體可盡情鍛鍊自己，簡單的如「靠近紫色立方體」，複雜點的如「靠近紫色立方體或將黃色球體放在紅色地板」，甚至和其他智慧體玩耍，如捉迷藏──「找到對方，且不要被對方發現」。

每個小遊戲存在世界小角落，千千萬萬個小角落拼成龐大的物理模擬世界，如下圖的幾何「地球」。總體來說這個世界的任務由三個要素構成，即任務＝遊戲＋世界＋玩家，並根據三要素關係，決定任務的複雜度。

複雜度的判斷有四個維度：競爭性、平衡性、可選項、探索難度。

比如「搶方塊」遊戲，藍色智慧體需要把黃色方塊放到白色區域，紅色智慧體需要把黃色方塊放到藍色區域。這兩個目標矛盾，因此競爭性較強；同時雙方條件對等，平衡性比較高；因目標簡單，所以可選項少；DeepMind把探索難度評為中上，可能是因定位區域算較複雜的場景。

再如「球球喜歡和方塊一起玩」遊戲，藍色和紅色智慧體有共同目標，讓相同顏色的球體和方塊放在相近位置。

這時競爭性自然很低，平衡性毋庸置疑很高的；可選項比上面遊戲高很多；探索難度沒有定位區域，智慧體隨便把球體和方塊放哪都行，難度就變小了。

基於這四個維度，DeepMind打造超大規模「宇宙」任務空間，幾何「地球」也只是這宇宙的小角落，是四維任務空間的一點。DeepMind將「宇宙」命名為XLand，包含數十億個任務。

來看XLand的全貌，由一系列遊戲組成，每個遊戲在許多模擬世界進行，這些世界的拓樸和特徵平滑變化。

終生學習

數據有了，接下來得找到合適的算法。 DeepMind發現，目標注意代理（GOAT）可學習更通用的策略。

具體來說，智慧體輸入包括第一視角的RGB圖像、本體感覺以及目標。經過初步處理後，生成中間輸出，傳遞給GOAT模組，會根據智慧體目前目標處理中間輸出的特定部分，邏輯分析目標。

邏輯分析是指，每個遊戲可藉由一些方法，構建另一個遊戲，並限制策略的價值函數的最優值上限或下限。

DeepMind提出一個問題：對每個智慧體，什麼樣的任務是最好的？換句話說，打怪升級時，什麼樣的關卡設置才讓玩家順利升級為「真」高手，而不是一刀9999？

DeepMind的答案是，每個新任務都基於舊任務生成，「不會太難，也不會太容易」。其實恰好是讓人類學習時感覺「爽」的興奮點。

訓練開始時，太難或太容易的任務可能會鼓勵早期學習，但會導致訓練後期的學習飽和或停滯。不要求智慧體某任務非常優秀，而是鼓勵終身學習，即不斷適應新任務。所謂太難、太容易是較模糊的描述。需要量化方法，在新任務和舊任務之間彈性連接。

怎麼不讓智慧體做新任務時不適應而「暴死」？進化學習就提供很好的靈活性。總體來說，新任務和舊任務同時進行，且每個任務有多智慧體參與「競爭」。舊任務適應好的智慧體，會選拔到新任務繼續學習。

新任務中，舊任務的優秀智慧體權重、瞬間任務分佈、超參數都會複製，參與新一輪「競爭」。除了舊任務的優秀智慧體，還有很多新人參與，這就引進隨機性、創新性、靈活性，不用擔心「暴死」問題。

當然，因任務不斷生成、動態變化，一個任務可訓練不同長處的智慧體，並往不同方向演化（隨著智慧體相對性能和強健性進行）。最終每個智慧體都會形成擅長任務的集合，就像春秋戰國時期「百家爭鳴」。說打怪升級顯得格局小，簡直是模擬地球。

DeepMind表示，「這種組合學習系統的特性是，不最佳化有界性能指標，而是更新定義的通用能力範圍，這使智慧體開放式學習，僅受環境空間和智慧體的神經網路表達能力的限制。」

智慧初現

最終這複雜「宇宙」升級、進化、分流的智慧體長成了什麼優秀物種？DeepMind說，智慧體有很明顯的零樣本學習能力，比如使用工具、合圍、數數、合作＋競爭等。

來看具體例子。首先智慧體學會臨機應變。目標有三個：

黑色金字塔放到黃色球體旁邊
紫色球體放到黃色金字塔旁邊
黑色金字塔放到橙色地板

AI一開始找到一個黑色金字塔，想拿到橙色地板（目標3），但搬運過程瞄見黃色球體，瞬間改變主意，「我可以實現目標1啦」，將黑色金字塔放到黃色球體旁邊。

第二個例子是，不會跳高，怎麼拿到高台上的紫色金字塔？智慧體需要想辦法突破障礙，取得高台上的紫色金字塔，高台周邊並沒有類似階梯、斜坡的路。

因不會跳高，所以智慧體「掀桌子」，把周邊幾塊豎起來的板子弄倒。然後一塊黑色石板剛好倒在高台邊，「等等，這不就是我要的階梯嗎？」這過程是否體現了慧體的智慧，還無法肯定，可能只是一時幸運。關鍵還是，要看統計數據。

經過5代訓練，智慧體在XLand的4千個獨立世界玩了約70萬個獨立遊戲，涉及340萬個獨立任務，最後一代每個智慧體都經歷2千億次訓練步驟。智慧體已能順利參與幾乎每個評估任務，除了少數即使人類也無法完成的任務。

DeepMind的研究，或許一定程度體現「密集學習」重要性。也就是說，不僅資料量要大，任務量也要大。這也使得智慧體在類化能力有很好表現，如資料顯示，只需對一些新複雜任務進行30分鐘集中訓練，智慧體就可快速適應，而從頭開始用強化學習訓練的智慧體根本無法學習這些任務。

往後我們也期待這「宇宙」更複雜和生機勃勃，AI經過不斷演化，不斷給我們帶來驚喜（細思極恐）的體驗。

資料來源：https://technews.tw/2021/07/30/deepmind_xland/

【無法處理的核廢料，只能停機的核二一號機】
　　　　
原本預計在今年年底達到40年運轉期限而停機的核二廠1號機，由於存放用過燃料棒的冷卻池爆滿，無處可放新的核燃料棒，而必須在六月底提前停機。此時，許多主張續用核電的聲音紛紛批評「缺電還停機核二1號機」，進而主張「延役核二1號機」、「重啟核四」，不僅忽略了核二1號機原本就預計今年屆齡停機的事實，更刻意淡化了核二1號機之所以被迫得提前停機的關鍵原因就出在「核廢料難以處理」這一點。
　　　　　　
🔸 核廢料無處可去 只能暫存核二廠
　　　　　　　　　　　　　　　
台灣三座核電廠的冷卻池容量在一開始設計時，便輕忽了核廢料處理的困難度，只規劃二十年的存放容量，對此台電表示：當時預期用過燃料棒可送至具再處理技術之國家進行再處理，故冷卻池尺寸設計較小，然而後來美國取消再處理策略，且不支持其他國家進行再處理。在此情況下，台灣三座核電廠用過燃料棒無處可去，只好繼續就地存放於冷卻池中。與此同時，乾式貯存場也因為規劃缺陷以及地方溝通不良的原因而持續卡關。在「用過燃料棒無處可去，新燃料棒一直進來」的情況下，台電只得用「縮小間隔」的方式，冒著核安風險把冷卻池中的用過燃料棒排得更密，2017年時更是進行「護箱裝載池改裝計畫」來幫核二續命。然而即使經過多次密集化處理，核二1號機也依然難逃提前停機的命運，這正說明了核電是如何地不可靠。
　　　　　
🔸 核廢料至今無解 我們還需要更多核電廠嗎
　　　　　
簡而言之，核二1號機提前停機的原因無它，而正源於核電本身的致命傷：核廢料難以處理。用過燃料棒具有高衰變熱與高放射性，需要嚴格地與外界環境隔離至少十萬年以上的時間，不論是乾式貯存場或最終處置場的興建，都需花費巨大的時間與成本進行妥善的規劃與社會溝通。核二1號機因核廢料爆滿而提前停機，恰恰反映出台灣在面對核廢料時的「核廢料樂觀主義」，以及欠缺妥善規劃與處理核廢料能力的困境。面對國內約5000噸的用過燃料棒，「電廠提前停機」都還只是小問題，最根本也最困難的問題仍然是這些高階核廢料的後續處置。在此情況下，我們難道還要透過延役老舊核電或是續建核四的方式來創造更多燙手山芋嗎？
　　　　　
🔸 核電無法解決缺電危機
　　　　　
許多人關心核二1號機提前停機造成的供電缺口該如何填補、是否會讓517的限電事件再次重演、造成今夏的供電危機？我們首先必須強調，無論仍需十年才可能蓋好的核四，或者皆已超過延役申請期限且核廢無處去的核二、核三既有機組，從實務和法規上來看都無法成為可用的選項。
　　　　　　　
從供給端來說，517限電事件發生時正處於檢修狀態的林口三號機、大潭與興達燃氣機組皆已恢復供電行列，而核二1號機停機後減少的98萬瓩發電量，將由民營嘉惠電廠二期燃氣機組挹注50萬瓩供電能力，以及今年的太陽光電比去年同期增加的50萬瓩來遞補，再加上近期降雨豐沛使水情好轉，水力發電也將發揮夜晚的備援供電角色。
　　　　　　
🔸 強化電網管理及韌性，才是台灣供電穩定的解方
　　　　　　　　
而除了滿足供給端，需求端的管理其實更是夏日用電尖峰能否有效紓解的關鍵，包括透過有效的時間電價機制、調整需量競價費率等，將需量反應措施的參與量更加擴大，讓尖峰用電能轉移至離峰。同時，也必須擴大電池儲能系統的建置，促進更多再生能源業者、用電大戶等在儲能佈建的參與。
　　　　　
總體來說，強化電網管理能力、電網韌性，包括供需的分析、預測、調度等工作，其實才是核電接下來逐漸運轉期滿退役後，真正有助於台灣供電穩定的關鍵解方。若趁機主張延役老舊核電或續建核四來穩定供電，無疑是邏輯錯亂、提油救火，刻意逃避核電在台灣長期根本性的核廢難題下，無法成為可靠、可行供電選項的事實，擁核陣營甚至不斷渲染缺電恐懼、以錯誤過時的資訊將核電奉為唯一的救世解方，反而讓台灣陷入更大的危機之中。

【說好的觀光科技大縣？】

過去幾年以來，苗栗蓋了不少的觀光場館。

但依照觀光局及審計部的公開資料，苗栗縣內的旅遊人次至106年的統計資料，相較於101年竟然腰斬了超過一半以上！

--

⁉️審計部明確指出，苗栗縣擁有多元融合的民族特色、豐富的地理、人文、自然資源等觀光優勢，但是整體觀光發展策略未能有效推動苗栗縣觀光優勢，導致遊客人數下滑。

⁉️縣內文觀局在106年間的新聞中則表示：南庄、三義或國際慢城認證，將建立「慢城」品牌的觀光印象，吸引遊客造訪體驗。但以位在三義的三義木雕博物館為例，107年2月及108年2月的遊客人數，仍然連續兩年分別較前一年同期衰退24.38%及31.64%。。

⁉️針對縣內觀光的問題，文觀局的研究報告寫著，總體環境而言，近幾年景氣不佳，旅遊市場萎縮亦為原因之一。但文觀局長在質詢時搖著頭說不是的，應該要增加其他點來統計。

那究竟是指原本的文觀局的「研究報告寫得不對」，還是指「人數統計不正確」？對於縣內的旅遊問題，文觀局到底有無正確掌握與分析？

⁉️正好最近有一則新聞提到，因為「舊山線鐵道」及交通部的「擴大國旅暖冬遊」、「春遊補助」等方案，使得苗栗縣上半年觀光人次較去年同期成長22%。

但縣內其他各主要遊憩據點及場館的遊客人次，依交通部觀光局最新的統計資料，多數仍呈現負成長趨勢，其中負成長達「3成以上者」包含香格里拉樂園（-57.64%）、大湖草莓博物館（-46.19%）、客家大院（-43.33%）、雪見遊憩區（-38.90%）。

這樣的數據，除了呈現出縣內整體性的觀光問題和已興建場館的效益問題外。對於「舊山線鐵道」能否結合縣內或其他資源以維持觀光效益，恐怕也是文觀局必須要積極注意的！