<解析綠營造神的李登輝（二）一場不存在的軍事政變>

會選這篇神文來解析，主要是因為這篇神文裡面，寫了很多關於李登輝在這三十年來，被廣泛流傳的「豐功偉業」，解析這一篇，就省得再去找其他神文了。（諷刺的是，這些豐功偉業，不是搞定了那個建設，而是在權力鬥爭中鬥贏了）

在這篇神文裡面除了提到李登輝英明神武的打爆宋美齡以外，還提到了當年的二月政爭。

二月政爭，又稱李郝政爭。

那是指從李登輝在1988年繼任總統以後到1990年2月，因為總統提名而逐漸白熱化的國民黨內鬥。

文章中很有趣的把國民黨內部的政治鬥爭與萬年國會改選、刑法一百條廢止，都關聯在一起，最後甚至用辭退郝伯村當作結尾，並且下了一個很神妙的結論——把郝伯村從行政院長這個職務逼退，讓郝伯村軍事力量跟政治力量兩頭落空，等於是化解了台灣遭到軍事政變的可能。作者甚至用『巧妙地化解了台灣可能遭遇跟同期中國一樣發生六四軍事屠殺的危機。』來說明這段歷史。

整個描寫，讓我還以為回到三國，看著諸葛亮舌戰江東群儒呢！

對於二月政爭的其他部分，就之後再說，我今天要說的是關於軍事政變這塊。

其實暗示自己隨時會被郝伯村「軍事政變」是李登輝很喜歡說的事，這也是現在台派最津津樂道的點，就是李登輝是弱勢總統，沒有黨權與軍權，隨時會被以郝伯村為首的軍事力量政變取代，但是靠著種種智計，終於逆轉勝。

所以，李登輝出版的書，有叫做餘生，有叫做虎口的總統，總之，在他心裡面，從他接任蔣經國當總統到罷黜郝伯村之間的那幾年，是波濤洶湧，千鈞一髮的幾年。

不過，呃。

這就好像你拿了一次縣運會冠軍，就會跟兒子把自己吹得好像拿到全國冠軍一樣。

李登輝把「被軍事政變」的危機感無限放大，搞得好像真有那麼回事！可是，事實是，當時的台灣，根本毫無軍事政變發生的可能性。

軍事政變要發生，必須要有先決條件的，好嗎？

軍事政變就是要以軍事力量，做大幅度超越體制的改變，這樣的事件要發生，先決條件通常是這個國家的經濟民生狀況十分不好，社會氛圍高度不穩定。

如此，發動軍事政變的人，才能以救民於水火之中的正當性去推翻當家者。

這就是論語裡面說的：『名不正，則言不順；言不順，則事不成。』

如果師出無名，反而自己成為社會公認的亂源，所以所謂郝伯村有軍權，郝家軍遍佈國軍內部，這只是個「假條件」，跟軍事政變沒半毛關係。不過李登輝很喜歡反覆洗這件事。

1990年的台灣，人均GDP在世界將近兩百個國家裡面排名第35名。

1990年3月的台灣，中華職棒開始第一年的賽季。

1990年的台灣，小虎隊正紅透半邊天，因此開啟了年輕人追星族現象。

政治人眼中的世界，有時候，很容易跟現實世界脫節。

1989年，很多政治性很重的人，只會記得，當年6月4號，發生了讓中共黑了30年（直到去年反送中）的六四天安門事件。

可是，1989年的五月到六月，小虎隊開始「逍遙、貨櫃、小虎隊」全台灣巡迴演唱會，這是台灣第一次大篷車形式的巡演。演出利用學生假日進行，自1989年5月6日至6月18日共演出20場，所到之處都受到熱烈歡迎。（資料來自wiki）

很意外嗎？

哪有什麼意外？

其實在那個年代，不要說很多人對蔣經國的死沒太大的感覺，更是對包括李登輝在內的國民黨權貴的政治內鬥，一點興趣都沒有。（是的，當年的李登輝就是國民黨政治權貴之一，只是後來洗白了）

如果郝伯村敢因為私慾，而擅自動用軍隊，打破這個歌舞昇平的狀態，那絕對不會有好的結果。

因此，就郝伯村來說，他的選擇很少，幾乎不可能發動什麼鬼政變。

另外一方面，就台派的邏輯來說，台灣現在有的一切，都跟蔣氏父子無關，什麼十大建設、經濟發展都是美國爸爸在背後做功的結果。

所以，在這個邏輯下，美國爸爸會准郝伯村這個「軍人」發動政變，破壞自己在太平洋的海上基地的和平？

這就是傳說中的「台派邏輯，有口皆悲」。

自己在另一邊的說詞往往就是打自己這一邊臉的鐵證，不亦悲哉！

所以，在郝伯村根本不可能發動軍事政變的前提下去看所謂二月政爭，其實就是場拉人頭大賽，所謂李煥跟郝伯村的會面，也頂多是李煥想爭取郝伯村可以掌握的軍系黨代表人脈，跟普通政黨的黨內初選，也沒有很大的不同。又不是當過兵的黨代表，就會多一顆人頭可以算！

跟2019年民進黨發生的蔡賴之爭，根本相差無幾。（我是指緊張度）甚至跟小學班長選舉，也差不了太遠。（我還是指緊張度，ㄎㄎ）

對李登輝本人來說，的確是很刺激緊張，可是，舉個例子來對照，大家就可以約略明白問題在哪？

你準備考大學，每天日夜苦讀，深怕沒考上大學，就會找不到好工作，娶不到好老婆，就會這樣，就會那樣……所以緊張個半死。

但是，同時間，你那國小的弟弟，可能正在吃著炸雞打手遊，輕鬆得很。

對李登輝來說，如果爭輸了，那他的政治路可能會直接結束，但是，對整個台灣人民乃至中華民國來說呢？根本無關痛癢。

其實對李登輝本人，扣除掉「個人政治影響力」無法繼續施展以外，也根本無關痛癢啦。畢竟，當年爭輸的李煥跟林洋港，也沒因此去坐黑牢，或是街頭乞討。

可是，歷史是勝利者寫的，這是個不破的箴言，因此，李登輝的緊張，就變成了全台灣人共同的緊張。不過，本來大家都不緊張的，經過30年，不斷反覆洗地的操作下，大家也覺得好緊張！（起碼從小虎隊的過去，就可以知道，那時候大家比較緊張的是，拿不到小虎隊的簽名）

但是，這個緊張絕對只對「部分人群」有效，有認真查資料跟親身經歷過那個年代的「正常人」，大部分會覺得滿臉黑人問號。

這個故事，告訴我們一件事：

如果你不是英雄，那就要是作家，如果你不是作家，那你最好有個好朋友是作家，如果你的好朋友不是作家，那就最好支持他辦報社或是出版社，因為這樣會有很多作家，把你寫成英雄。

其實，李登輝很少直接提及郝伯村將會發動一場可怕的軍事政變，但是他的信徒，例如這篇神文的作者，卻可以直接將李登輝隱晦描述的種種，關於二月政爭的關鍵字，例如軍系、軍方、突襲、拂曉攻擊，最後進化成，如果不是李登輝英明神武，指揮若定，台灣將可能因為郝伯村等這些外省國民黨權貴想把權，成為軍事政變，掀起腥風血雨。

這跟前陣子拍的一個跟呱吉有關的影片，真的九成九相像。當事者很巧妙的利用幾個關鍵字句，例如呱吉利用中天、業務、業配、民主、不公正。最後讓他的支持者，演化成「中天是紅媒，不公正的洗腦台灣人」之類的結論。

（我對呱吉「民主開箱」的解析影片
https://youtu.be/R34rv2bQP0w）

並且讓很多年輕人在2019年的反紅媒活動，找到參加的正當性。

感覺起來，比比手畫腳這個遊戲更神奇，第一個人看到的字牌是老鼠，經過十個人的傳遞後，最後一個人收到的資訊居然是大象。

我是覺得啦，本來是不想說這種廢事，這跟馬英九會賣台、兩岸直航會木馬屠城一樣神奇。

但是台派這種，把你在家裡面換褲子，就告你強姦的神技，發揮到如此神奇，非要一直洗一直洗，洗到全台灣人民都跟他們一樣，把李登輝的緊張變成自己的緊張，把根本不會發生的軍事政變，說的跟真的一樣。

這種智力與精神亮黃燈的狀態，真的只好戳了。

最後，我想寄語李老先生的信徒：把這場不存在的軍事政變洗成真實，以強化李老先生受害者與英雄的形象，是李登輝對與他生在同個年代，死在戰場上的那些同胞，最大的侮辱。他們當中任何一個的人生，都比李登輝經歷的這場政爭驚險萬分，也更有資格封神、稱英雄。

因為他們持守的是忠義，保衛的是家國，而李老先生只是玩弄權謀，爭取自己的個人權位利益。

—————————————————————————
「鷹之眼」部落格有全部文章的備份跟好讀版，大家只要點選右方的「標籤」，就能選擇自己有興趣的主題觀看文章，誠摯歡迎各位朋友來瀏覽、指教我之前所寫的時事評論，謝謝。

https://eaglecoacheye.blogspot.com/?m=

來自創新工場大灣區人工智慧研究院的兩篇論文入選了自然語言處理領域（NLP）頂級學術會議 ACL 2020 。
這兩篇論文均聚焦中文分詞領域，是深度學習引入知識後的有益嘗試，將該領域近年來廣泛使用的各資料集上的分數全部刷至新高，在工業中也有著可觀的應用前景。

本文來自創新工場公眾號
……………………………………………………………………

創新工場兩篇論文入選ACL 2020，將中文分詞性能刷至新高

“土地，我的金箍棒在哪裡？”
“大聖，你的金箍，棒就棒在，特別配你的髮型。”

感謝神奇的中文分詞，給我們帶來了多少樂趣。豐富多變的中文行文，給人的理解造成歧義，也給AI分詞帶來挑戰。

近日，自然語言處理領域（NLP）頂級學術會議 ACL 2020 (https://acl2020.org/)正在火熱舉行。

令人振奮的是，來自創新工場大灣區人工智慧研究院的兩篇論文入選。這兩篇論文均聚焦中文分詞領域，是深度學習引入知識後的有益嘗試，將該領域近年來廣泛使用的各資料集上的分數全部刷至新高，在工業中也有著可觀的應用前景。

分詞及詞性標注是中文自然語言處理的基本任務，尤其在工業場景對分詞有非常直接的訴求，但當前沒有比較好的一體化解決方案，而且中文分詞普遍存在歧義和未登錄詞的難題。

基於此，兩篇論文各自提出了“鍵-值記憶神經網路的中文分詞模型”和“基於雙通道注意力機制的分詞及詞性標注模型”，將外部知識（資訊）創造性融入分詞及詞性標注模型，有效剔除了分詞“噪音”誤導，大幅度提升了分詞及詞性標注效果。

兩篇文章的作者有：華盛頓大學博士研究生、創新工場實習生田元賀，創新工場大灣區人工智慧研究院執行院長宋彥，創新工場科研合夥人張潼，創新工場CTO兼人工智慧工程院執行院長王詠剛等人。

ACL（The Association for ComputationalLinguistics）國際計算語言學協會是自然語言處理領域影響力最大、最具活力的國際學術組織之一，自1962年創立以來已有58年歷史，其每年夏天舉辦的年會是該領域學術頂會。

與往年不同的是，受新冠疫情影響，ACL2020全部轉為線上進行，不過這絲毫沒有減弱熱度。根據之前公佈的資料，今年大會投稿數量超過3000篇，共接收 779 篇論文，包括 571 篇長論文和 208 篇短論文，接收率為 25.2%，在全球疫情衝擊下反而是有史以來最盛大的一屆ACL會議，創新工場的技術大牛們也頂著時差連續數晚熬夜參會。

▌利用記憶神經網路，將中文分詞性能刷到歷史新高

中文分詞目的是在中文的字序列中插入分隔符號，將其切分為詞。例如，“我喜歡音樂”將被切分為“我/喜歡/音樂”(“/”表示分隔符號)。

中文語言因其特殊性，在分詞時面臨著兩個主要難點。一是歧義問題，由於中文存在大量歧義，一般的分詞工具在切分句子時可能會出錯。例如，“部分居民生活水準”，其正確的切分應為“部分/居民/生活/水準”，但存在“分居”、“民生”等歧義詞。“他從小學電腦技術”，正確的分詞是：他/從小/學/電腦技術，但也存在“小學”這種歧義詞。

二是未登錄詞問題。未登錄詞指的是不在詞表，或者是模型在訓練的過程中沒有遇見過的詞。例如經濟、醫療、科技等科學領域的專業術語或者社交媒體上的新詞，或者是人名。這類問題在跨領域分詞任務中尤其明顯。

對此，《ImprovingChinese Word Segmentation with Wordhood Memory Networks》這篇論文提出了基於鍵-值記憶神經網路的中文分詞模型。

該模型利用n元組（即一個由連續n個字組成的序列，比如“居民”是一個2元組，“生活水準”是一個4元組）提供的每個字的構詞能力，通過加（降）權重實現特定語境下的歧義消解。並通過非監督方法構建詞表，實現對特定領域的未標注文本的利用，進而提升對未登錄詞的識別。

例如，在“部分居民生活水準”這句話中，到底有多少可能成為詞的組塊？單字可成詞，如“民”；每兩個字的組合可能成詞，如“居民”；甚至四個字的組合也可能成詞，例如“居民生活”。

把這些可能成詞的組合全部找到以後，加入到該分詞模型中。通過神經網路，學習哪些詞對於最後完整表達句意的幫助更大，進而分配不同的權重。像“部分”、“居民”、“生活”、“水準”這些詞都會被突出出來，但“分居”、“民生”這些詞就會被降權處理，從而預測出正確的結果。
在“他從小學電腦技術” 這句話中，對於有歧義的部分“從小學”（有“從/小學”和“從小/學”兩種分法），該模型能夠對“從小”和“學”分配更高的權重，而對錯誤的n元組——“小學”分配較低的權重。

為了檢驗該模型的分詞效果，論文進行了嚴格的標準實驗和跨領域實驗。

實驗結果顯示，該模型在5個資料集（MSR、PKU、AS、CityU、CTB6）上的表現，均達了最好的成績（F值越高，性能越好）。（注：所選擇的五個資料集是中文分詞領域目前全世界唯一通用的標準資料集）

創新工場大灣區人工智慧研究院執行院長宋彥表示，與前人的模型進行比較發現，該模型在所有資料集上的表現均超過了之前的工作，“把中文分詞領域廣泛使用的標準資料集上的性能全部刷到了新高。”

在跨領域實驗中，論文使用網路博客資料集（CTB7）測試。實驗結果顯示，在整體F值以及未登陸詞的召回率上都有比較大提升。

▌“雙通道注意力機制”，有效剔除“噪音”誤導

第二篇論文《Joint ChineseWord Segmentation and Part-of-speech Tagging via Two-way Attentions ofAuto-analyzed Knowledge》提供了一種基於雙通道注意力機制的分詞及詞性標注模型。

中文分詞和詞性標注是兩個不同的任務。詞性標注是在已經切分好的文本中，給每一個詞標注其所屬的詞類，例如動詞、名詞、代詞、形容詞。詞性標注對後續的句子理解有重要的作用。

在詞性標注中，歧義仍然是個老大難的問題。例如，對於“他要向全班同學報告書上的內容”中，“報告書”的正確的切分和標注應為“報告_VV/書_N”。但由於“報告書”本身也是一個常見詞，一般的工具可能會將其標注為“報告書_NN”。

句法標注本身需要大量的時間和人力成本。在以往的標注工作中，使用外部自動工具獲取句法知識是主流方法。在這種情況下，如果模型不能識別並正確處理帶有雜音的句法知識，很可能會被不準確的句法知識誤導，做出錯誤的預測。

例如，在句子“他馬上功夫很好”中，“馬”和“上”應該分開（正確的標注應為“馬_NN/上_NN”）。但按照一般的句法知識，卻可能得到不準確的切分及句法關係，如“馬上”。

針對這一問題，該論文提出了一個基於雙通道注意力機制的分詞及詞性標注模型。該模型將中文分詞和詞性標注視作聯合任務，可一體化完成。模型分別對自動獲取的上下文特徵和句法知識加權，預測每個字的分詞和詞性標籤，不同的上下文特徵和句法知識在各自所屬的注意力通道內進行比較、加權，從而識別特定語境下不同上下文特徵和句法知識的貢獻。

這樣一來，那些不準確的，對模型預測貢獻小的上下文特徵和句法知識就能被識別出來，並被分配小的權重，從而避免模型被這些有噪音的資訊誤導。

即便在自動獲取的句法知識不準確的時候，該模型仍能有效識別並利用這種知識。例如，將前文有歧義、句法知識不準確的句子（“他馬上功夫很好”），輸入該雙通道注意力模型後，便得到了正確的分詞和詞性標注結果。

為了測試該模型的性能，論文在一般領域和跨領域分別進行了實驗。

一般領域實驗結果顯示，該模型在5個資料集（CTB5，CTB6，CTB7，CTB9，Universal Dependencies）的表現（F值）均超過前人的工作，也大幅度超過了斯坦福大學的 CoreNLP 工具，和伯克利大學的句法分析器。

即使是在與CTB詞性標注規範不同的UD資料集中，該模型依然能吸收不同標注帶來的知識，並使用這種知識，得到更好的效果。

而在跨領域的實驗中，和斯坦福大學的CoreNLP 工具相比，該模型也有近10個百分點的提升。

▌主動引入和分辨知識，實現中文分詞技術突破

中文分詞在中國科研領域已經有幾十年的歷史。最初的中文分詞是基於詞典構建，詞典的好壞會直接影響到最後分析的效果。如果某個新詞在詞典裡沒有，那麼模型是死活都分不出來的。

這種方式的局限性還在於，詞典和分詞兩件事情中間始終有一條鴻溝，儘管詞典可以編撰得非常全面，但在處理分詞的時候，因為每一句話都有上下文語境，往往會產生多種不同的切分方法，從而無法有效地在當前語境下對分詞結構進行恰當的指導。

從2003年開始，分詞方法出現了新的突破。研究人員提出了打標籤的方式，通過給每一個字打詞首、詞尾、詞中的標籤，不再需要構建詞典，大幅度提升了未登錄詞的召回效果。

到了2014年左右，深度學習和神經網路開始被廣泛應用到中文分詞中，打標籤的模型從之前的淺層學習變成了深度學習，但演算法本質沒有發生變化，所以提升作用並不太大。

近兩年，學界開始研究怎麼在打標籤的過程中加入外部知識和資訊。創新工場的這兩篇文章就是沿著這個路徑，用記憶神經網路的方式記錄對分詞結果有影響的 n元組，並引入對詞性標注有影響的句法知識，將分詞結果和自動獲得的知識銜接起來，既發揮了神經網路的優勢，也把知識的優勢用上，實現了分詞技術上小而有效的改進和突破。

宋彥表示，“從技術創新的角度，我們的貢獻主要有兩點。一是在現有技術的基礎上，建立了一個一體化的模型框架，使用非監督方法構建詞表，並把知識（資訊）融入進來，使用更高層次的句法知識，來幫助詞性標注，起到'他山之石，可以攻玉’的效果。”

“二是主動吸收和分辨不同的外部知識（資訊）。通過鍵-值記憶神經網路和雙通道注意力機制，進行動態權重的分配，能夠有效分辨知識，區分哪些是有效的，哪些是無效的。雖然這些知識是自動獲取的、不準確的，但‘三個臭皮匠，頂個諸葛亮’，經過有效利用，總能湊出一些有用的資訊。如何實現模型的主動吸收和分辨，就變得更加重要。”

據瞭解，今年的ACL大會，在分詞領域一共收錄了18篇論文，創新工場人工智慧工程院同時有2篇入選，也表現出ACL官方對這一貢獻的認可。

▌具備跨領域分詞能力，提升工業應用效率

中文分詞和詞性標注是最底層的應用，對於接下來的應用和任務處理非常重要。例如對於文本分類、情感分析，文本摘要、機器翻譯等，分詞都是不可或缺的基本“元件”。

宋彥表示，做此項研究的目的是主要為了拓展其工業場景的應用，正確的分詞能夠平衡公司應用開發的效率和性能，同時方便人工干預及（預）後處理。

這也是創新工場人工智慧工程院的努力方向之一。工程院成立於2016年9月，宗旨是銜接科技創新和行業賦能，做嫁接科研和產業應用的橋樑，為行業改造業務流程、提升業務效率。

工程院下設北京總部、南京研究院和大灣區研究院。大灣區研究院再下設資訊感知和理解實驗室，專注于對自然語言處理（NLP）領域的研究。執行院長宋彥本人也有超過15年的NLP領域的科研經驗。

“在工業場景使用的時候，跨領域的模型能力是一個非常直接的訴求。”宋彥表示，在某個領域的訓練模型，大概率也需要應用到其他領域。

“如何在新領域缺少資料，或者新領域只有少量未標注資料的情況下，實現模型的冷開機，依然是項巨大的挑戰。如果能利用外部知識，提高模型性能，就能有效地召回很多在訓練集中沒有出現過的新詞。”

例如搜尋引擎的廣告系統，最初也是通過組詞匹配的方式，在某個特定領域訓練其分詞模型，但在進入一個新的領域時，例如從新聞領域進入醫療領域或體育領域，效果往往會大打折扣，甚至頻頻出錯。

而使用跨領域特性後，廣告系統在進入新領域時，便無需額外的資料，就可以對它進行比較準確的分詞和標注，從而有效匹配廣告和客戶，大大提升系統運行的效率和穩定性。

目前，這兩篇論文的工具都已經開源，在下面兩個連結中，可以找到對應的所有代碼和模型，各位朋友可按需自取：

分詞工具：https://github.com/SVAIGBA/WMSeg
分詞及詞性標注工具：https://github.com/SVAIGBA/TwASP

【2020巴菲特股東重點摘要+心得筆記】
巴菲特股東會在今天圓滿結束。今年因為肺炎疫情，巴菲特將波克夏會議破例改為線上舉辦。

雅虎財經直播連結：https://www.youtube.com/watch?v=69rm13iUUgE

小賈和去年一樣，在凌晨4點起來看了雅虎財經的英文直播，把本次發布會的重點摘要與個人筆記分享給大家，文末有小彩蛋，想複習的19年巴菲特股東會重點的朋友不要錯過～

1.坦承錯誤，清倉航空股
巴菲特在今年2月以平均價格46美元購買了97.6萬股達美航空，並在四月初又賣出了1,299萬股的達美航空。

依照4月17日達美航空的價格24美金來算，這筆交易股神虧損了48%。

巴菲特表示：「他已賣出美國四大航空公司 (達美航空、美國航空、西南航空和美國聯合航空)的全部股票。表示現在買航空股的風險更大，疫情後市場是否需要那麼多飛機，目前沒有人可以確定。」

在大家眼中，「股神」巴菲特的每一步都是有原因、有策略的，在數十年的交易生涯中，這是巴菲特第一次在那麼短的時間內買進股票又賣出，而巴菲特在出售航空股前還接受雅虎財經採訪，表示不他不會出售航空股。

不是說：「不持有一支股票十年，那麼連十分鐘也不要持有」？

然而在這一片罵聲中，我認為作為一位投資人，應該冷靜思考巴菲特這樣做的原因：

其實巴菲特在早年就說過：航空業是資金粉碎機、科技業泡沫太大。

但你知道他在2019年不但默默成為了美國四大航空公司的大股東，蘋果還是他的第一重倉股呢！

你會發現這些投資牛人不管是巴菲特或是債王，說話都比翻書還快，前一天還和你暢聊價值投資，下一步就反向操作不認帳。

「勇於認錯，並順應趨勢不斷改變」

我想就是巴菲特能成功的原因之一。

2.最適合普通人的投資工具：標普500指數ETF
「人們在失去信心的時候，並未看到股市的潛力。」
「目前美國30年期國債收益率只有1%，通脹率只有2%，長期來看，股票的回報會比國債高，會比你將現金藏在床下更高。」
「持有美股十來年的收益絕對超過美債。請相信標普500指數ETF(VOO)。其他人給你推薦的產品，都是因為他們可以賣更多錢。」

關於指數ETF的優點，小賈在社團 ETF買下全世界 (台股0050、美股、eToro、國內外券商經驗交流)已經說到爛掉了，
簡單說就是分散風險、取得平均報酬以及不須擇時，
詳細介紹就不再本文展開，還不了解ETF的朋友，

可參考：
▶ETF是什麼？10年年化收益率11%！
https://lazyeconomics.pse.is/etf
▶標普500指數ETF大比較！哪一支報酬率最高(VOO、SPY、VTI)？
https://lazyeconomics.pse.is/MQDEM

3.重申長期投資信念

「美國經濟在2008年和2009年偏離了軌道，路基脆弱。而這次，只是將火車停在鐵軌上。」

巴菲特說：人們在失去信心的時候，並未看到股市的潛力。
但美國已經接受過考驗，比如大蕭條，2020年已經比1789年時好得多。

這裡的長期投資小賈在補充下：很多人都拼命鼓吹ETF有著年化收益率10%都優勢，卻忽略這是建立在「長期平均」的概念之下！

也就是說，需要持有3年、5年甚至是10年，10%收益率的數據才相對可靠。

所以在你投資前，請先想清楚你對這筆錢的需求是否急迫，最好的方式是：

「閒錢投資，不懂不投」

那些需求性高一點的錢，可以放在台股券商抽抽股票或是活存帳戶裡。

可參考：
▶投資開戶選哪間？股票券商開戶手續費、優惠總整理：
https://lazyeconomics.pse.is/Stock_Account_recommend
▶股票抽籤如何參與？具體流程示範
https://lazyeconomics.pse.is/Taiwan_Stock_IPO

4.千萬不要白白浪費一次嚴重的危機
「巴菲特在股東年會上的PPT引用前白宮總管拉姆·伊曼紐爾R（Rahm Emanuel）的話：“千萬不要白白浪費一次嚴重的危機”」

這句話我認為是本次股東會最有意思的一句，可以用很多不同的角度解釋。

就像3月的股市大跌30%的線圖，我在「肺炎帶來的三個啟示」提到過：

有些人認為美股即將進入08年的熊市，瘋狂出售股票，
有些人認為美股終於跌下來，可以上車了，
這裡不事後諸葛，去論證到底誰對誰錯，只希望大家去思考一個問題：

「你當初投資的理由是什麼」

若不存在，就賣出兌現盈虧，若還存在，就繼續持有/定投吧。

目前還有一些零散的筆記，整理後會再發布在讀者社團 ETF買下全世界 (台股0050、美股、eToro、國內外券商經驗交流) ，歡迎大家加入，進行投資、開戶、操作心得上的交流～

讀不過癮的朋友，也可以參考小賈參與2019年巴菲特股東會後的心得筆記：
▶https://lazyeconomics.pse.is/SCZT5