股票（4.1）
1\目标导向，股票底层是信息决策。正收益是核心目标，而区分信息中的权重，是分析决策的主要事项。
2\获取信息因素的权重可以有两个方法，正向获取，取得全量股市的数据，利用机器学习对目标进行二分类，可以使用python的库feature_selector测算特征权重。但目前获取全量数据困难。那么，可以采用逆向去除负面信息。目前确定下比较高的负面信息：
①消息（若考虑中长期布局，就应该无视所有突发性消息）
②股票的涨幅是均值回归的，所以，已经涨幅过大，PE超过20的，都需要谨慎对待。除非像美科技股英伟达、特斯拉有足够的想象空间。
3\股票的本质是承担分险、共享收益，属于长周期的价值投资。但后期逐步演化出短线的投机交易。
①价值投资：跟随经济增长预期的收益，由上市公司通过分红，或者股价的增长回报给股民。但这部分收益不高，最多跑赢通胀。但这种收益，也是确定性高的。
②投机：资金零和博弈。也就是你赚的就是别人亏的。这个时候，如果一只票已经远超过经济增长的幅度。冲进去，要不博短线。要不，就只有做贡献。而我们的行为，往往是第二种。冲短线，获得收益，获利了结。反复多次，最后一次大跌，套牢成长期股东。
4\基金：
分为主动基金和交易型开放式指数基金ETF。
主动基金：由基金经理人为控制，但是，国内缺乏更加细致的监管和惩罚。之前购入过葛兰的基金，血亏。自此拉黑、避坑。
交易型开放式指数基金：由计算机按照所跟踪指数的成分股及权重来构建的，间接实现对一篮子证券的投资。对于，国内不方便购买的股票，例如，纳指ETF、中概互联网ETF，可以试试。
5\行业：
未来是AI+机器人，而AI并非要盯着AI公司，除了卖“铲子”的英伟达，单纯做AI的公司，并不一定能够实现盈利和活下来。而本身有业务，可以通过AI实现效率提升的公司，未来前途无量。
银行、证券、互联网公司，本质上是信息流，而信息流的处理最需要的就是AI。
白酒、能源、消费如何通过AI提升效率？
结语：无论医学、编程、所有专业，无非是深耕、迭代。
