李柏鋒x美股狙擊手 《24單元向大師與龍頭企業學美股投資》2021美股投資必修課程募資超早鳥66折優惠👉https://reurl.cc/R1DdAr

想學好台股，除了研究個股的財報、技術分析或籌碼動向，美股也應該是你關注的項目之一，為什麼呢？
美國股市通常被認為是領先台股發展的指標，透過前一天對美股趨勢的研讀，來判斷隔天相關台股或整體大盤的走勢。
李柏鋒老師將傳授他12年的投資經驗，教你如何正確研讀這些美股資訊，以及學習一套完整的研究方法！

24單元，3大核心重點：
1.了解12位美股大師的投資法則，從中建立自己的投資策略！
2.從12家知名美企的財報、股東報告書，學習美股研究方法！
3.學會使用超強大師選股工具，幫助你在投資研究上更有效率！

以實例分析作為課程主軸，免去實例和理論的銜接問題，趕快來看看更多介紹吧！https://reurl.cc/R1DdAr
—————————-
募資期間好禮大方送，總價值$12000！
🎁購課會員獨享：大師選股工具使用權限一年（原價$6800)
🎁購課會員獨享：大師持股解密分析影音3支
🎁募資期間達標100%：年底加碼「2021美股展望論壇」
🎁募資期間達標200%：贈送3萬字美國入門電子書

推薦大家看 邱國鷺的這本"投資中最簡單的事"，
講了很多蠻重要的觀念，對我很有幫助。
我來定期PO這本書的重點整理，
今天繼續PO第二章~
--------------------------
第二章 人棄我取，逆向投資的關鍵

#新興行業看需求，傳統行業看供給#
新興行業講的是需求快速成長的事，不必糾結於供給。
而傳統行業則只有控制供給，企業利 潤才能快速增長。
過去12個月裡表現好的傳統行業要麼是寡頭行業，要麼是淘汰落後產能的 行業，
二者的供給增長相對於需求而言都受到了有效控制。

#行業集中度#
很多人認為小股票的成長性普遍好於大股票。
如果這是事實的話，那麼大多數行業的集中度 就會越來越低。
但是只要關注一下工程機械、汽車、家電、啤酒、原料藥、互聯網等眾多行 業，
你就會發現這些行業的集中度在過去幾年都是持續提高的，
這說明還是有許多行業裡的 大企業增長快於小企業。
在這些行業裡，低估值、高成長的行業龍頭的投資價值就遠高於行 業內的小股票。

#未得到、已失去與正擁有#
以高估值買新興行業而落入成長陷阱的是沉迷於“未得到”，
以低估值買夕陽行業而落入價值陷阱的是沉迷於“已失去”。
投資中風險收益比最高的還是那些容易被低估的“正擁有”。

然而，不是所有人都適合做逆向投資，也不是所有急跌的股票都值得買入，
畢竟，“不接下跌的飛刀”這句話是無數人得到了血的教訓之後總結出來的。
一 只下跌的股票是否值得逆向投資的關鍵在於以下三點：

首先，看估值是否夠低、是否已經過度反映了可能的壞消息。
估值高的股票 本身估值下調的空間大，
加上這類股票的未來增長預期同樣存在巨大下調空間，
因此這種“戴維斯雙殺”導致的下跌一般持續時間長而且幅度大，
剛開始暴跌時 不宜逆向投資。
2011—2012年，
A股計算機行業的許多“大眾情人”在估值和預 期利潤雙雙腰斬的背景下持續下跌了70%就是例證。
2012年年底，這些股票從成長 股跌成了價值股，反而可以開始研究了。

其次，看遭遇的問題是否是短期問題、是否是可解決的問題。
例如，零售股 面臨的網購衝擊、新建城市綜合體導致舊有商圈優勢喪失、租金勞動力成本上漲 壓縮利潤空間等問題就不是短期能夠解決的，
因此其股價持續兩年的大幅調整也 是順理成章的。
不過，現在大家都把零售當作夕陽行業，反而有階段性反彈的可 能
——盡管大的趨勢仍然是長期向下的。

最後，看股價暴跌本身是否會導致公司的基本面進一步惡化，即是否有索羅 斯所說的反身性。
貝爾斯登和雷曼的股價下跌直接引發了債券評級的下降以及交 易對手追加保證金的要求，
這種負反饋帶來的連鎖反應就不適合逆向投資。
中國 的銀行業因為有政府的隱性擔保
（中央經濟工作會議指出“堅決守住不發生系統 性和區域性金融風險的底線”），
不存在這種反身性，因此可以逆向投資。

有些股票，你有持倉，但是下跌時你心裡一點也不慌，甚至希望它多跌 一點好讓你加倉，
這說明你對該股票已有足夠了解，對其內在價值和未來前 景有比市場更為精准的把握，
因此市場價格的波動已經不會影響到你的情緒 了。
對這些股票而言，下跌只是提供一個更好的買點罷了
——買之後的淡 定，源自買之前的分析。
還有些股票，漲的時候讓你豪情萬丈，跌的時候讓你肝腸寸斷，
這樣的 股票不碰也罷，因為還沒研究透。
買股票之前問問自己，下跌後敢加倉嗎？
如果不敢，最好一開始就別買，因為價格的波動是不可避免的。

不是每個行業都適合做逆向投資：
有色煤炭之類的最好是跟著趨勢走，
鋼鐵 這類夕陽行業有可能是價值陷阱，
計算機、通訊、電子等技術變化快的行業同樣 不適合越跌越買。
相較而言，食品飲料是個適合逆向投資的領域。
作為消費者， 我對食品安全事故深惡痛絕，
但是作為投資者，我們不應該把個人感情因素帶入 投資決策。
從歷史上看，食品安全事故往往是行業投資較好的買入點，
特別是那些沒有直接卷入安全事故或者牽涉程度較淺的行業龍頭企業，
更有可能是建倉良機。

還記得十幾年前，我剛入行沒多久，
公司的基金經理們（都是鐵杆的價值投 資者和逆向投資者）在瘋牛病的恐慌中買入了麥當勞的股票，
數年後麥當勞的股 價上漲了5倍，
那是我逆向投資的第一課。
再看看這幾年發生的瘦肉精事件、三聚 氰胺事件和毒膠囊事件，
它們對所涉及的行業都沒有產生持久或致命的打擊，
對 行業銷量的負面影響一般只持續兩三個月。
與行業狀況相反，
那些沒有直接卷入 安全事故或者牽涉程度較淺的行業龍頭的市場份額，
反而在事故發生後出現了進 一步擴大，
因為人們購買時更加看重“大牌子”了，
畢竟與小廠家相比，龍頭企 業更有資源和動力維護自己的品牌聲譽。

再看看在香港上市的台灣飲料和快消品龍頭統一食品，
2011年因直接卷入塑 化劑事件導致股價從6元跌至3.6元，
事件過去後，統一食品2012年股價最高漲到 10.4元，翻了3倍。
2012年的白酒股因為塑化劑事件大幅跳水，
在面對其他類似 食品安全事件的逆向投資機會時，
投資者可以思考這樣幾個問題：

• 有無替代品，
若有替代品（例如三株口服液之類的營養品就有眾多替代品），則謹 慎，若無替代品，則積極；

• 是個股問題還是行業問題，
如果主要是個股問題，則避開涉事個股，重點研究其競 爭對手，
即使是行業問題（例如毒奶粉），也可關注受影響相對較小的個股；

• 是主動添加違規成分還是“被動中槍”，前者宜謹慎，後者可積極；

• 該問題是否容易解決，若容易解決，則積極，若難以解決（例如三聚氰胺問題），
影響可能持續的時間長且有再次爆發的可能性，則謹慎；

• 涉事企業是否有扎實的根基，
悠久的歷史傳承和廣泛的品牌美譽度在危機時刻往往 有決定性的作用，
秦池、孔府的倒台就是由於根基不穩而盤子卻鋪得太大；

• 是否有突出的受害者個例，這決定了事件對消費者的影響是否持久。

事後看來，2013年白酒行業極其低迷，但是主要原因是八項規定等反腐措 施，
相比之下塑化劑的影響幾乎可以忽略不計。

日本發生核泄漏事故後，巴菲特稱自己對日本的看法與一周之前沒有變化。
這種泰山崩於前而色不變的境界自然不是吾等凡夫俗子可以達到的，
但我們應該明白，對於災難的發生，每個人都很難過，
但是投資決策不應該加入感情的因素。
在許多被媒體炒得沸沸揚揚的突發事件發生後的一兩個月，股市往往會有過度反應，
此時購買就容易獲得超額收益，
在“9·11”事件後買入航空股的人最後 都獲利頗豐，
“7·23”甬溫線特別重大鐵路交通事故後的一兩個月購買鐵路建設和鐵路設備的股票的投資者，
也大幅跑贏市場一年多。

最一致的時候就是最危險的時候

2012年各行各業都在開酒廠，2013年阿貓阿狗都要做手游。
大家都擠在 樹上摘葡萄時，也許就是該在地上撿蘋果的時候了。

逆向投資還要注意冷靜面對那些熱門板塊，
就像兩三年前被吹得天花亂墜的 新興行業，
現在回頭一看，風電、光伏、電動車、電子書、LED等幾個行業許下 的“承諾”一個也沒有兌現
——至少都不是由當初那些公司實現的。
其實，大多 數的高估值板塊都是“吹”起來的，未來從來不會有他們吹噓的那麼美好。
A股的 情緒波動容易走極端，因此“人多的地方不去”是至理名言。

其實，獨立思考、逆向而動效果往往更好。
基金公司作為一個整體的行業配 置，在一般情況下是對的
（畢竟專業人士相較於其他市場參與者還是有一定優勢 的），
但是在極端的情況下，基金公司也很可能是錯的。
2014年年初，在基金公司的行業配置中，
對TMT（Technology，Media，Telecom，科技、媒體和通信產 業）和醫藥的超配程度
以及對金融地產的低配程度都達到了十年之最。
上一次基金整體配置如此失衡是在2010年年底。

2010年11月我接受《中國證券報》采訪時，
提到的一個論題就是“銀行與醫 藥股票哪一個前景更好”，
當時我的一個基本結論就是醫藥比銀行貴3倍，但是增 長不可能比銀行快3倍。
在之後的兩年中，
2011年銀行股跌了5%，醫藥股跌了 30%，2012年銀行股漲了13%，醫藥股漲了6%，
兩年累計下來看，機構一致低配的 銀行股大幅跑贏了機構一致超配的醫藥股，
再一次驗證了“最一致的時候就是最 危險的時候”這句老話。
2013年各機構再次一致地憧憬著老齡化對醫藥的無限需求，
把醫藥股的估值推高到30倍市盈率。
比起5倍市盈率的銀行，
當時機構做出的 比較和得出的基本結論現在幾乎可以原封不動地重復一遍。

幾年來各機構對醫改的認識似乎沒有多少改變，
還是只看到了醫保覆蓋面的 擴大，沒看到醫改對藥價的打壓。
日本過去20年人口老齡化這麼嚴重，醫藥產業 規模的年度增長率還不到1%，
就是因為政府對藥價的不斷打壓。

機構對醫藥股的樂觀主要是因為他們太過依賴醫藥上市公司對醫改的解讀。
其實只要找個醫院院長或者衛生部官員調研一下，
就會發現醫保覆蓋面的增加主要體現在過去三年的一次性提升，
未來不會再有進一步的大幅提升。
而省級統一 招標、藥品零加成、總額控費、超支分擔、按病種付費等多項措施
正處於試點和 推廣的初期，核心只有一個：
進一步限制藥價和用量以達到“少花錢、多辦 事”的目標，
直接手段就是將醫藥從醫院的利潤中心調整為成本中心，
這種轉變 對醫藥行業整個利益鏈的衝擊是巨大的。
當然，醫藥作為一個差異化、有門檻的 行業，
不論板塊走勢如何，今後幾年在目前150只醫藥股中也會出幾只大牛股，
但是個股的光明前景並不能掩蓋對行業的整體高估。

坦率地說，我也不知道醫藥股的高估值還能持續多久，也許會從高估變成更高估。
不論錯誤定價的程度有多大，沒有人能夠事前預知拐點。
作為投資者，
我 們能分辨清楚的就是市場的錯誤定價在哪個板塊以及錯誤的程度有多大，
然後遠 離被高估的板塊，買入被低估的公司。
至於市場要等多久才會進行糾錯，糾錯前 會不會把這種錯誤定價進一步擴大，
就不是能夠預測的了。

以小股票和大股票的相對表現為例，
我在2010年12月13日《上海證券報》的 采訪中說，
“小股票與大股票的相對估值已是十年來的最高點，
上一次小股票相 對於大股票的估值溢價達到這樣的高點是在2001年，
之後小股票連續四年跑輸大 股票。
也許這次小股票還能再領漲幾個月甚至幾個季度，
但是其股價在目前的位 置已經沒有安全邊際，
這種最後一棒的風險收益比已經不符合投資的要求，
轉而 成為一種擊鼓傳花式的博傻游戲。”

事實證明，中小版指數在2011年下跌了37%，2012年再跌了4%，
大幅跑輸代 表大盤藍籌的滬深300指數。
但是，即使兩年前小股票與大股票的估值相差巨大，
又有誰事前知道小盤股相對大盤股的拐點會在哪裡呢？
又有誰事前敢說小股票不 會再“繼續領漲幾個月甚至幾個季度”呢？
作為投資者，在當時的那種環境之 下，
我們只能牢記管子所說的“不處不可久，不行不可復”，不去“擊鼓傳 花”，不接最後一棒，
把選股範圍基本限制在低估值的大盤藍籌裡，
以此躲過中小盤中的許多地雷。

逆向投資並非一味與市場作對，因為市場在大多數時候是對的。
但有的 時候市場也可以錯得很離譜，此時就不必在意市場的主流觀點了。
在大多數 時候，真理在大多數人手裡；在少數時候，真理在少數人手裡。
如何區別這 兩種情況呢？一般說來，趨勢的初期和末期，就是真理在少數人手裡的時 候。

逆向投資，未來超額收益的重要源泉

當然，任何投資方法都有缺陷，逆向投資的短板就是經常會買早了或者賣早 了。
買早了還得熬得住，這是逆向投資者的必備素質。
投資者必須明白一個道理，市場中沒有人能夠賣在最高點、買在最低點。
在2007年的牛市中，即使指數 後來漲到了6 100點，能夠在4 000點以上出貨也是幸運的；
在2008年的熊市中， 即使指數後來又跌到了1 664點，能夠在2 000點建倉也是幸運的。
頂部和底部只 是一個區域，該逆向時就不要猶豫，不要在乎短期最後一跌的得失，
只要能笑到 最後，短期難熬點又何妨？
只有熬得住的投資者才適合做逆向投資。
在A股這樣急 功近利的市場中，能熬、願熬的人少了，
因此逆向投資在未來仍將是超額收益的 重要來源。

我有個習慣；每年年初和年中時彙總所有基金公司的季報行業配置。
對 大家都追捧的熱門行業，我就謹慎一點；
對大家都嫌棄的冷門行業，我就試 著樂觀一點。
在沒有新增資金入市的過去兩三年裡，這個辦法多數時候還是 管用的，
因為當只有存量資金在場內不斷倒騰來倒騰去的時候，別去人多的 地方。
當然，有時難免賣早了，錯過了熱門行業最後的瘋狂；
有時又買早 了，多挨了冷門行業的最後一跌。
逆向投資不可能完全避免“領先兩步成先 烈”的風險，
不過只要判斷正確，還是能咬牙熬到“領先一步是先鋒”的正 果的。
躲在冷門行業的好處是永遠不用擔心被“踩踏事件”傷著。

To be continued...

推薦大家看 邱國鷺的這本"投資中最簡單的事"，
講了很多蠻重要的觀念，對我很有幫助。

我來定期PO這本書的重點整理，
今天就PO第一章吧~
----------------------------

自序

弄清這個行業裡決定競爭勝負的關鍵因素是什麼、
什麼樣的公司算“好公司”、什麼樣的價格是“便宜”。
舉例來說，對於餐飲業而言，回頭客多、翻台率高、坪效高的就是“好公司”；
對於連鎖零售業而言，同店增長高、開店速度快、應收賬款低的就是“好公司”；
對於制造業而言，規模大、成本低、存貨少的就是“好公司”。

第一，便宜才是硬道理。
即使是普通公司，只要足夠便宜，也會有豐厚的回報。
A股市場魚龍混雜，
發現“價格合理的偉大公司”的難度遠遠超過尋找“價格被低估的普通公司”。

第二，定價權是核心競爭力。
有核心競爭力的公司有兩個標准：
一是做的是自己可以不斷復制的事情，
比如麥當勞和星巴克可以不斷地跨區域開新店，在全世界成功復制；
二是做的是別人不可能復制的事情，
具備獨占資源、品牌美譽度、專利、技術、寡頭壟斷地位、牌照准入限制等特征，
最終體現為企業的定價權。

第三，勝而後求戰，不要戰而後求勝。
百舸爭流的行業，增長再快也很難找投資標的，
不妨等待行業“內戰”結束、贏家產生後再做投資。
許多人擔心在勝負已分的行業中買贏家會太遲，
其實騰訊、百度、格力、茅台等企業
在十年前就已經是各自行業裡的贏家了，但是十年來它們的漲幅依然驚人。

第四，人棄我取，逆向投資。
不論是巴菲特、索羅斯，還是鄧普頓、卡爾·伊坎，
投資領域的集大成者大多數都具有超強的逆向思維能力。
A股的情緒波動容易走極端，
任何概念和主題，無論真假，只要夠新夠炫，都能在短期內炒翻天，
但是爆炒之後常是暴跌，因此對於如我這般手腳不快的人來說，
“人多的地方不去”更是至理名言。

------------------------------

第一章 以做生意的眼光投資

#護城河#
每三四年就得重挖一次的護城河 其實不能算是護城河，
而沒有護城河就不斷會有前浪死在沙灘上。
在一個先發優勢不斷被顛覆、沒有永遠的贏家的行業裡，
只有勇於自我否定、因時而 變才能生存。

#成長vs門檻#
多數人喜歡成長，但我喜歡門檻。
成長是未來的，難預測；門檻是既成的，易把握。
高門檻 行業，新進入者難存活，因此行業供給受限，競爭有序，有利於企業盈利增長。
低門檻行 業，行業供給增長快，無序競爭，誰也賺不到錢。

#成長vs門檻：案例#
白色家電行業2000—2005年增長迅速，但利潤不佳，股價疲軟；
2006—2010年行業增速減 緩，但利潤大增，龍頭股價上漲十幾倍。
拐點是2005年行業大洗牌，小廠退出，
之後龍頭企業在規模、渠道、成本、品牌等方面優勢擴大，阻止了新進入者，
行業格局從野蠻生長的無序競爭 轉變為有門檻的有序競爭

這是不是一門好生意

即使你行大運做出了一款火爆的游戲，產品的生命周期一般也只有3~6個月，
之後你就得推出新產品。
而事實上，在數千家游戲開發商中，能夠連續推出兩款 火爆游戲的實在是鳳毛麟角。
目前絕大多數的手機游戲是單機游戲，
單機游戲的 特點就是產品生命短，這一點和網頁游戲很像。
事實表明，頁游行業的內容開發 方很難做大，只是市場選擇對此視而不見罷了。

手游不像端游那樣有較好的用戶黏度，
一款重度端游可以火個五年十年，
靠的是在游戲中建立起的一種深度互動的、牢固的社會關系。
但是，社交游戲也不 能保證自身的持續性，
就像Facebook上曾經一統江湖的Zynga，過去這一年多股 價暴跌80%。
幾年前，火得不能再火的偷瓜偷菜游戲也是熟人之間的社交游戲，
但 是火過一陣子也就銷聲匿跡了，
這樣的商業模式你怎麼能給出高估值呢？
他今年 賺的錢再多，你怎麼能夠知道三五年後這家公司是否還能像現在一樣紅火呢？
而 且，手機游戲內容開發商的議價權其實是很有限的，主要的錢都被平台商賺走了。

大家都想成為平台，但是，要成為一個平台又談何容易？
蘋果系統只有一個 平台，安卓平台最後成功的可能也只有兩三個，
再加上騰訊的微信平台，鐵定又 要分流走很多游戲玩家。
在這樣的形勢下，手機游戲開發商其實只能是“人為刀 俎，我為魚肉”，
讓平台把百分之七八十的收入分走。
人們只看到7億手機用戶這個巨大的市場，
卻忽視了這其實是個競爭無比激 烈、一將功成萬骨枯的行業。
人們只看到成功的“一將”，選擇性地忽視了“枯 了的萬骨”。
任何公司只要跟手游沾點邊就能夠被爆炒，
甚至連旅游公司推出個 手機自助游軟件也能夠受到市場的追捧。
市場的非理性可見一斑。

什麼行業易出長期牛股？行業集中度持續提高的行業。

因為這 樣的行業有門檻，有先發優勢，後浪沒法讓前浪死在沙灘上，易出大牛股。
相反，如果行業越來越分散，說明行業門檻不高，
既有的領先者沒有足夠深 的護城河來阻止追趕者搶奪其市場份額，
這種行業一般是城頭變幻大王旗， 各領風騷兩三年。

企業的商業模式和現金流狀況

用自己的錢做實業投資要考慮的第二個問題，
就是這門生意的現金流狀況如 何，
畢竟做生意的最終目的是賺取現金流。

2013年受市場熱捧的電影行業其實是個現金流狀況很差的行業。
中國每年會 拍七百多部電影，只有兩百多部能夠上映，
其中票房能夠超過五億的屈指可數。
即使賺了五億的票房“大獲成功”的電影，扣除分給院線的一半，再扣除發行費 宣傳費，
制片方能夠拿到手的大概只有2億多一點。
再扣除給編劇、導演、制片和 演員的薪酬以及拍攝中的各種成本，
最後剩下的淨利潤可能只有幾千萬。

更麻煩的是，從現金流的角度看，
拍電影得先寫劇本，然後請導演、搭班 子、雇演員，支出一大筆費用，
一年半載之後影片開始發行、宣傳，又是一大筆 費用，
而且電影公映之後要等好幾個月才能從票房中分到錢。
所以很多電影公司 不管利潤怎樣，現金流都是大幅為負，抗風險能力特別弱，
一有風吹草動就容易 元氣大傷。

不論是美國的百年老店米高梅，還是後起之秀夢工廠，
只要有一片大制作成 了票房毒藥，就逃脫不了破產和被收購的命運。
美國的電影業發展了上百年，居 然沒有一家獨立的電影公司，
全都只是大型的綜合傳媒集團的一部分，
這也體現 了電影作為一個獨立的商業模式的內在缺陷。

另外，電影的定價權掌握在導演和演員手裡，
觀眾買票到電影院是去看範冰 冰、徐崢和馮小剛的，不是去看電影公司的，
所以名導演和名演員的薪酬總能漲 到讓電影制片方不怎麼賺錢的水平。
就好比歐洲的足壇，雖然球星擁有天價收 入，俱樂部卻在虧損，原因很簡單：
定價權在球星手裡。
迪士尼能夠歷經百年屹 立不倒，
很重要的原因是米老鼠和唐老鴨不會要求漲片酬。

我們再來比較一下房地產公司的商業模式，
北上廣深隨便賣棟別墅都是幾千 萬利潤，頂得上一部好電影了。
拍電影不一定每部都能火，而別墅幾乎每棟都賣 得掉。
再從現金流的角度看，
地產公司只要出錢拍了地，挖個坑、做個沙盤就可以預售了，
客戶會排著隊把錢交上，他用你的錢蓋你的房子，
自己對現金流的要 求其實並不高（盲目高價拿地的除外）。

好公司的兩個標准

一是它做的事情別人做不了；
二是它做的事情自己可以重復做。
前者是門檻，決定利潤率的高低和趨勢；
後者是成長的可復制 性，決定銷售增速。
如果二者不可兼得，
寧要有門檻的低增長（可持續）， 也不要沒門檻的高增長（不可持續）。
門檻是現有的，好把握；
成長是將來 的，難預測。

行業的競爭格局和公司的比較優勢

用自己的錢做實業投資要考慮的第三個問題
就是行業的競爭格局以及公司是否具有比較優勢。

簡單說來，就是你作為一個後來者，想顛覆既有的龍頭老大的 地位，
就得看自己能夠為客戶提供哪些不可比擬的價值，
以及相對於競爭對手的 比較競爭優勢在哪裡。

互聯網金融也是2013年的市場熱點。
許多人認為，再過五年十年，
傳統銀行 作為一個行業即將消失，所有的一切都會被網絡銀行替代。
其實網絡銀行並不是 什麼新鮮事物。
14年前我研究生畢業後買的第一輛新車，就是用從美國的網絡銀 行中得到的貸款購買的。
當時，我只是在網絡上填一張表格，第二天早上，快遞 就把一張支票送到我手裡了。
然後我把那張支票拿去4S店買下了一輛新車，用戶 體驗可謂極佳。

2003年時人們都認為，十年後所有的傳統銀行都將被網絡銀行替代，我對此 也深信不疑。
然而十年過去了，美國的銀行業仍然是富國、JP摩根的天下，
而我 鐘愛的那家網絡銀行也在2007年破產了——甚至都沒熬到金融危機的到來。

2013年時，許多研究員向我推薦互聯網金融的股票，都說互聯網會取代傳統 銀行，
我當時問了他們一個問題：
為什麼網絡銀行在美國、韓國、日本、歐洲
這 些互聯網經濟比我們更為發達的國家和地區嘗試了十幾年都沒有取得成功？
沒有 人能夠回答這個問題。

有人說是因為品牌和信任的欠缺，但我們可以看看美國運通的例子。
它是金 融業中的老牌企業，巴菲特幾十年來的重倉股，
品牌號召力不可謂不強，客戶的信任度不可謂不高。
他們也設立過網絡銀行，我還曾經是他們的客戶，
它的銀行卡可以在任何銀行的ATM機取款，美國運通會替你出手續費。
網絡銀行付的存款利 息也比許多傳統銀行高，
你可以和其他銀行一樣開支票、在線支付，用戶體驗非 常好，
但最後也沒有做成功。

互聯網的本質是“人生人”，優勢在於能以極低成本服務無數客戶，
規模效 應體現在“人多”，二八現像不明顯，
是典型的散戶經濟，得散戶者得天下。

銀行業的本質是“錢生錢”，規模效應體現在“錢多”，
80%的業務來自20%的客 戶，二八現像顯著，得大戶者得天下，
而且那20%的大客戶是需要線下的高端服務 的，
這就是網絡銀行至今在歐美日韓都沒有很成功的案例的重要原因。

看一下日 本最成功的網絡銀行樂天銀行：
成立12年，擁有420萬客戶，才600億人民幣的存 款，人均存款1.5萬元。
再比較一下國內某股份制銀行的私人銀行部門：
擁有2萬 客戶，4 000億存款，人均2 000萬存款。
兩者高下立現。

互聯網“人生人”主要靠兩條：
一是網絡效應
（例如淘寶，買家多賣家就 多，賣家多買家更多；社交網站，美女多帥哥就多，帥哥多美女更多），
二靠人多提升用戶體驗
（用戶越多搜索結果越精確；用戶越多，對餐廳的點評越靠 譜）。

可惜的是，網絡銀行並不會因為用戶多而形成網絡效應或者提升用戶體 驗，因此優勢並不明顯。

中國電子商務增長速度比美國快得多，
於是許多人就認為中國互聯網對銀行業的顛覆也會比美國快得多。
其實，這種觀點忽略了中美兩國的產業格局的巨大 差異。

美國的線下零售業在互聯網出現時就已經很強大了，
湧現了沃爾瑪、家得 寶、塔吉特、百思買等一批世界級的零售巨頭，
因此美國互聯網很難徹底顛覆線 下零售，
目前美國的前10大電子商務網站大多是由傳統零售企業經營的。

中國的 線下零售業由於地方保護主義的影響，
並未形成沃爾瑪、家得寶那樣的全國性大 企業，
而且線下零售的物流成本、租金成本居高不下，
從出廠價到零售價鏈條過長、運營效率低下、加價倍率過高，
所以天貓、京東、唯品會等電商企業才能一 路以摧枯拉朽之勢攻城略地，
可以說，中國線下零售的分散和低效是中國線上電 商迅速崛起的重要原因。

相反，中國的線下銀行業比美國的線下銀行業要集中得多，
五大國有銀行和 上市股份制銀行的市場份額、資本實力、品牌認知、網點優勢都遠勝於美國同 行，
因此，互聯網銀行想要顛覆中國銀行業，難度遠大於顛覆零售行業，
原因很 簡單：線下對手要強大得多。
舉個簡單的例子，銀行是有資本充足率要求的，
上市股份制銀行的淨資本動輒兩三千億，
這是過去十幾年的行業利潤留存和資本市 場多次融資後形成的積累，
單這一項就不是新設立的互聯網銀行一朝一夕能夠趕 上和顛覆的。

相比之下，中國的基金行業比美國的基金行業要弱得多，
美國最大的資產管 理公司一家就管理了3萬多億美元的資產，
而中國的整個基金行業加起來才管理了 3萬多億元人民幣，差距巨大。
同時，基金行業沒有像銀行業那麼高的資本金門 檻，
國內的大型基金公司管理著數千億的資產，但是注冊資本金大多才一兩億， 淨資產也才二三十億。
因此，中國的互聯網金融首先從基金業取得突破也就順理 成章了。

在美國的互聯網金融發展過程中，
真正受衝擊的其實是傳統的券商經紀業 務，
迄今為止銀行業受的影響並不大。
那些認為互聯網應該能夠輕易地擊敗傳統 銀行的觀點，
嚴重地低估了中國銀行業的競爭力。
事實上，銀行在IT和科技上的 投入絲毫不比互聯網公司少，
互聯網金融崛起的結果更可能是科技進步幫助傳統 銀行業更好地服務於既有客戶，
而不是顛覆性地改變行業現有格局。

寡頭的力量

回顧過去5年，寡頭壟斷行業的利潤增長往往不斷超出預 期，
而市場集中度低的行業則常常陷於惡性競爭和價格戰的泥潭之中。
白色 家電（空調、冰箱和洗衣機）和黑色家電（電視）兩個行業的不同發展歷程 就是最好的明證。
所以，投資制造業時更應關注工程機械、核心汽配、白色 家電這樣的寡頭行業。
分析技術變化快的行業時不必看市場占有率，而要看 是否適應最新的殺手級應用的潮流。

大家都喜歡新東西，但是有沒有人想過，
為什麼幾年前聲勢浩大的風電、光 伏、LED、電子書、鋰電池等新興行業千般扶持卻總是爛泥扶不上牆？為什麼銀行 地產百般打壓卻總是賺得盆滿缽滿？
這是由內在的經濟規律、行業格局、供需關 系和商業模式決定的，不以人的意志為轉移。
做投資要研究的就是這些不以人的 意志為轉移的規律，而不是整天去猜測市場的情緒變化。
有時猜測別人的情緒變 化能給我們帶來收益，但那是不能夠持久的。
而經濟規律、行業特質、商業模式 是客觀存在的，
你只要研究透了，它在三五年內是不會有大的變化的，
能為理解 這些規律的投資人提供持續的競爭優勢。

本文寫於創業板創出歷史新高之日，多少有些不合時宜。但是，皇帝沒穿衣 服，卻必須有人指出，即使是在市場的一片火熱和喧囂中。誰也不知道這樣的火 熱和喧囂還能持續多久，然而即使在炒作和投機經常盛行的A股市場中，理性也只 會遲到，從來不會缺席。


市場經常對動態的、暫時的信息（政策打壓、 訂單超預期、10送10）過度反應，
卻對靜態的、本質的信息（公司的核心競 爭優勢、行業競爭格局）反應嚴重不足。
其實，寶石被人扔進泥裡再踩上幾 只腳也仍是寶石，磚頭被請進廟堂受人膜拜也仍是磚頭。
當其他行業的龍頭 公司想“移民”到某行業時，往往該行業股價已近階段性頂部。

To be continued...

Big Data資料加值應用研習班課程分享(105/2/16)

Big Data海量資料的分析概說：
Big Data資料加值應用與相關範例
如何取得Big Data的方式？
 開放資料範例
 內政部實價登錄、YAHOO股市資料
GOOGLE表單
 範例：GOOGLE試算表複選結果資料切割
如何處理與統計分析Big Data？
 EXCLE統計函數
 範例：黑名單篩選、樂透彩中獎機率
 樞紐分析表
 範例：銷貨系統分析
 開放資料加值應用實例
 範例：實價登錄、用EXCEL一鍵批次下載股市資料
 EXCLE VBA(與R語言比較)
 PowerPivot增益集
 海量資料的分析工具-PowerPivot實作演練
 視覺化數位儀表與報表–PowerView資料地圖實作

上課影音內容：
01_課程說明與參考書籍
02_問卷結果與檔案下載
03_大數據的定義與成功範例
04_範例_樂透彩機率統計函數說明
05_格式化前七名與VBA設定
06_前七名的VBA程式撰寫說明
07_樂透彩VBA程式說明
08_GOOGLE表單與複選結果切割
09_複選結果切割VBA程式說明
10_複選結果切割註解與按鈕相關
11_黑名單篩選查詢資料說明
12_黑名單篩選查詢VBA程式與進度列
13_台北市實價登錄範例VBA程式解說
14_批次下載股市資料程式說明與結尾

完整連結：
https://www.youtube.com/playlist?list=PLgzs-Q3byiYPsxtU9N_n81087ggNwggyK

與大數據課程的經驗
超過20年的程式設計與教學經驗(VBA、VB.NET、ASP.NET、JAVA、ANDROID、PHP等)
台北市公務人員訓練處:Big Data資料加值應用
新北市勞工大學：EXCEL VBA大數據自動化進階
東吳大學進修推廣部：EXCEL VBA 與資料庫雲端設計(初階與進階)
自強工業基金會：從Excel函數到VBA雲端巨量資料庫應用班
多年的實務與教學經驗所累積的課程範例，最短時間學會處理大數據，以提高效率，正確決策。

Big Data海量資料的分析概說：
根據維基百科：
大數據（英語：Big data或Megadata），或稱巨量資料、海量資料、大資料
指的是所涉及的資料量規模巨大到無法透過人工，在合理時間內達到擷取、管理、處理、並整理成為人類所能解讀的形式的資訊。
可用來察覺商業趨勢、判定研究品質、避免疾病擴散、打擊犯罪或測定即時交通路況等；這樣的用途正是大型資料集盛行的原因

維基百科定義
在一份2001年的研究與相關的演講中，麥塔集團（META Group，現為高德納）分析員道格·萊尼（Doug Laney）指出資料增長的挑戰和機遇有三個方向：
量（Volume，資料大小）
速（Velocity，資料輸入輸出的速度）
多變（Variety，多樣性），合稱「3V」或「3Vs」
另外，有機構在3V之外定義第4個V：真實性（Veracity）
大數據必須藉由計算機對資料進行統計、比對、解析方能得出客觀結果。
美國在2012年就開始著手大數據，歐巴馬更在同年投入2億美金在大數據的開發中，更強調大數據會是之後的未來石油。

巨量資料應用的成功案例
Google – 流感趨勢預測
Google發現，某些搜尋關鍵字有助於追蹤流感疫情發展，彙總搜尋資料，提供近乎即時的全球流感疫情趨勢預測
Google曾在美國的九個地區做了測試，發現此技術比聯邦疾病控制和預防中心提前7到14天準確預測了流感爆發
阿里巴巴將消費者數據轉化為企業獲利，小額貸款無需抵押和擔保，直接實現了網路數據的價值。截至2013年，阿里小貸累計獲貸客戶數64.2萬家，累計放款1,722億元人民幣
電視新聞與巨量資料結合，2014年春運(36億人次)，百度利用巨量分析觀察大陸過年時人類的遷移行為，並以易懂的視覺化呈現在人們眼前

吳老師 105/2/15

台北市公務人員訓練處,big data應用,big data定義,big data是什麼,大數據分析教學,excel數據分析,excel數據圖表,大數據應用實例,大數據應用案例,開放資料應用,open data應用

Big Data資料加值應用研習班課程分享(105/2/16)

Big Data海量資料的分析概說：
Big Data資料加值應用與相關範例
如何取得Big Data的方式？
 開放資料範例
 內政部實價登錄、YAHOO股市資料
GOOGLE表單
 範例：GOOGLE試算表複選結果資料切割
如何處理與統計分析Big Data？
 EXCLE統計函數
 範例：黑名單篩選、樂透彩中獎機率
 樞紐分析表
 範例：銷貨系統分析
 開放資料加值應用實例
 範例：實價登錄、用EXCEL一鍵批次下載股市資料
 EXCLE VBA(與R語言比較)
 PowerPivot增益集
 海量資料的分析工具-PowerPivot實作演練
 視覺化數位儀表與報表–PowerView資料地圖實作

上課影音內容：
01_課程說明與參考書籍
02_問卷結果與檔案下載
03_大數據的定義與成功範例
04_範例_樂透彩機率統計函數說明
05_格式化前七名與VBA設定
06_前七名的VBA程式撰寫說明
07_樂透彩VBA程式說明
08_GOOGLE表單與複選結果切割
09_複選結果切割VBA程式說明
10_複選結果切割註解與按鈕相關
11_黑名單篩選查詢資料說明
12_黑名單篩選查詢VBA程式與進度列
13_台北市實價登錄範例VBA程式解說
14_批次下載股市資料程式說明與結尾

完整連結：
https://www.youtube.com/playlist?list=PLgzs-Q3byiYPsxtU9N_n81087ggNwggyK

與大數據課程的經驗
超過20年的程式設計與教學經驗(VBA、VB.NET、ASP.NET、JAVA、ANDROID、PHP等)
台北市公務人員訓練處:Big Data資料加值應用
新北市勞工大學：EXCEL VBA大數據自動化進階
東吳大學進修推廣部：EXCEL VBA 與資料庫雲端設計(初階與進階)
自強工業基金會：從Excel函數到VBA雲端巨量資料庫應用班
多年的實務與教學經驗所累積的課程範例，最短時間學會處理大數據，以提高效率，正確決策。

Big Data海量資料的分析概說：
根據維基百科：
大數據（英語：Big data或Megadata），或稱巨量資料、海量資料、大資料
指的是所涉及的資料量規模巨大到無法透過人工，在合理時間內達到擷取、管理、處理、並整理成為人類所能解讀的形式的資訊。
可用來察覺商業趨勢、判定研究品質、避免疾病擴散、打擊犯罪或測定即時交通路況等；這樣的用途正是大型資料集盛行的原因

維基百科定義
在一份2001年的研究與相關的演講中，麥塔集團（META Group，現為高德納）分析員道格·萊尼（Doug Laney）指出資料增長的挑戰和機遇有三個方向：
量（Volume，資料大小）
速（Velocity，資料輸入輸出的速度）
多變（Variety，多樣性），合稱「3V」或「3Vs」
另外，有機構在3V之外定義第4個V：真實性（Veracity）
大數據必須藉由計算機對資料進行統計、比對、解析方能得出客觀結果。
美國在2012年就開始著手大數據，歐巴馬更在同年投入2億美金在大數據的開發中，更強調大數據會是之後的未來石油。

巨量資料應用的成功案例
Google – 流感趨勢預測
Google發現，某些搜尋關鍵字有助於追蹤流感疫情發展，彙總搜尋資料，提供近乎即時的全球流感疫情趨勢預測
Google曾在美國的九個地區做了測試，發現此技術比聯邦疾病控制和預防中心提前7到14天準確預測了流感爆發
阿里巴巴將消費者數據轉化為企業獲利，小額貸款無需抵押和擔保，直接實現了網路數據的價值。截至2013年，阿里小貸累計獲貸客戶數64.2萬家，累計放款1,722億元人民幣
電視新聞與巨量資料結合，2014年春運(36億人次)，百度利用巨量分析觀察大陸過年時人類的遷移行為，並以易懂的視覺化呈現在人們眼前

吳老師 105/2/15

台北市公務人員訓練處,big data應用,big data定義,big data是什麼,大數據分析教學,excel數據分析,excel數據圖表,大數據應用實例,大數據應用案例,開放資料應用,open data應用

Big Data資料加值應用研習班課程分享(105/2/16)

Big Data海量資料的分析概說：
Big Data資料加值應用與相關範例
如何取得Big Data的方式？
 開放資料範例
 內政部實價登錄、YAHOO股市資料
GOOGLE表單
 範例：GOOGLE試算表複選結果資料切割
如何處理與統計分析Big Data？
 EXCLE統計函數
 範例：黑名單篩選、樂透彩中獎機率
 樞紐分析表
 範例：銷貨系統分析
 開放資料加值應用實例
 範例：實價登錄、用EXCEL一鍵批次下載股市資料
 EXCLE VBA(與R語言比較)
 PowerPivot增益集
 海量資料的分析工具-PowerPivot實作演練
 視覺化數位儀表與報表–PowerView資料地圖實作

上課影音內容：
01_課程說明與參考書籍
02_問卷結果與檔案下載
03_大數據的定義與成功範例
04_範例_樂透彩機率統計函數說明
05_格式化前七名與VBA設定
06_前七名的VBA程式撰寫說明
07_樂透彩VBA程式說明
08_GOOGLE表單與複選結果切割
09_複選結果切割VBA程式說明
10_複選結果切割註解與按鈕相關
11_黑名單篩選查詢資料說明
12_黑名單篩選查詢VBA程式與進度列
13_台北市實價登錄範例VBA程式解說
14_批次下載股市資料程式說明與結尾

完整連結：
https://www.youtube.com/playlist?list=PLgzs-Q3byiYPsxtU9N_n81087ggNwggyK

與大數據課程的經驗
超過20年的程式設計與教學經驗(VBA、VB.NET、ASP.NET、JAVA、ANDROID、PHP等)
台北市公務人員訓練處:Big Data資料加值應用
新北市勞工大學：EXCEL VBA大數據自動化進階
東吳大學進修推廣部：EXCEL VBA 與資料庫雲端設計(初階與進階)
自強工業基金會：從Excel函數到VBA雲端巨量資料庫應用班
多年的實務與教學經驗所累積的課程範例，最短時間學會處理大數據，以提高效率，正確決策。

Big Data海量資料的分析概說：
根據維基百科：
大數據（英語：Big data或Megadata），或稱巨量資料、海量資料、大資料
指的是所涉及的資料量規模巨大到無法透過人工，在合理時間內達到擷取、管理、處理、並整理成為人類所能解讀的形式的資訊。
可用來察覺商業趨勢、判定研究品質、避免疾病擴散、打擊犯罪或測定即時交通路況等；這樣的用途正是大型資料集盛行的原因

維基百科定義
在一份2001年的研究與相關的演講中，麥塔集團（META Group，現為高德納）分析員道格·萊尼（Doug Laney）指出資料增長的挑戰和機遇有三個方向：
量（Volume，資料大小）
速（Velocity，資料輸入輸出的速度）
多變（Variety，多樣性），合稱「3V」或「3Vs」
另外，有機構在3V之外定義第4個V：真實性（Veracity）
大數據必須藉由計算機對資料進行統計、比對、解析方能得出客觀結果。
美國在2012年就開始著手大數據，歐巴馬更在同年投入2億美金在大數據的開發中，更強調大數據會是之後的未來石油。

巨量資料應用的成功案例
Google – 流感趨勢預測
Google發現，某些搜尋關鍵字有助於追蹤流感疫情發展，彙總搜尋資料，提供近乎即時的全球流感疫情趨勢預測
Google曾在美國的九個地區做了測試，發現此技術比聯邦疾病控制和預防中心提前7到14天準確預測了流感爆發
阿里巴巴將消費者數據轉化為企業獲利，小額貸款無需抵押和擔保，直接實現了網路數據的價值。截至2013年，阿里小貸累計獲貸客戶數64.2萬家，累計放款1,722億元人民幣
電視新聞與巨量資料結合，2014年春運(36億人次)，百度利用巨量分析觀察大陸過年時人類的遷移行為，並以易懂的視覺化呈現在人們眼前

吳老師 105/2/15

台北市公務人員訓練處,big data應用,big data定義,big data是什麼,大數據分析教學,excel數據分析,excel數據圖表,大數據應用實例,大數據應用案例,開放資料應用,open data應用