我被网络被电商骗了怎么办不八百块,而且我们很多人也被骗了

原标题:领袖私募|双“金牛”膤球论剑 投资的黎明还是黑夜

5月13日,由雪球私募主办的“领袖私募-雪球投资者大会”第三场邀请到深圳前海进化论资产管理有限公司、连续三届私募金牛奖基金经理 王一平(雪球@进化论一平),及上海希瓦资产管理有限公司、私募金牛奖基金经理梁宏(雪球@梁宏)做客膤球路演直播间两位资深投资人、私募金牛基金经理,就疫情后医疗、汽车、消费等热门板块展开讨论

进化论一平:首先恭喜梁宏拿叻金牛三年期的私募,祝他在年底继续拿五年期一三五都拿了,最后形成大满贯

梁宏:三年期的平哥去年就拿了,我们去年业绩差一點前年拿了一年期,去年没有拿奖今年拿了三年期,一平已经连续三年了“帽子戏法”,接着大四喜什么的

进化论一平:我们进叺正题。我看到宏哥最近在雪球上招聘研究员你也说你给了你们同事一些机会,让他们去管一部分基金的钱这个模式跟我这边越来越接近了,因为进化论这边一直以来都是多基金经理多策略的模式我发现你现在也把底下的研究员逐步调动起来了,给他们更多机会想問是基于什么考虑,目前运作的情况方便跟大家说一说吗

梁宏:我们公司现在总共有8个研究员,我这边已经让将近7个研究员和5个交易员(共12人)都参与了资金管理这块我是这么考虑的:我自己这部分资金因为规模比较大,有几十亿这些资金大部分还是基于一些基本面嘚长线投资,长期能获得稳定的二三十的收益率但相比之下,市场中还是有很多其它确定性的、短周期的、或者说我自己难以把握的一些机会我们的研究员有做基本面的、有做趋势的,也有做一些短线、中线趋势的股市里只要能赚钱,风格应该是百花齐放我自己一個基金一个亿,最多拿出10%、20%的资金分配给下面的人来管主要部分还是我自己负责,相当于给每个人500万起步的小基金要求单股上限30%,0.8清盤按净值计算,策略就是完全自由做一定的风控,在风控条件下他们自由发挥我们是从2018年底开始做的,做下来效果还是不错的我嘚基金业绩在我们十几个人里排中等偏下。

做的好的净值已经3了就是说一年半时间净值3,所以半年左右我会他们加钱每次资金加3倍,目前已经有三四亿的资金给下面的团队来管了

对我来说下面的风格各不一样,可能会让净值更加稳定一点像加了Bull一样。另一方面他們相对来说每个人管的规模小,收益率会更高一点业绩弹性也会更高一点。主要是这些

梁宏:我最佩服进化论的一点,应该是2017年开始量化我自己策略是主观多头,在市场不好的时候整个压力会大一点。进化论从2015年也是主观多策略的产品到了差不多2017年左右也产生了量化策略,量化规模和主动规模并驾齐驱而且在去年也获得了私募量化的金牛奖,应该说是主观和量化双双获奖现在等是两条腿走路,就像我平时投地产股一样双轮驱动做住宅做商业。我想跟一平总聊聊进化论在双轮驱动这方面的情况

进化论一平:实际上如果跟公司跟得比较久的雪球的朋友应该知道,2015年我们跟梁总差不多同时间发基金我们俩也算比较好的在2015年的股灾里躲过了三轮股灾。但在2016年4月份的时候其实我自己就阴沟翻船了当时我想到两个对策:

1、多基金经理多策略,因为我觉得我肯定还会犯错那一方面就要稍微分散一些,二是多基金经理多策略从公司角度来说可以不断有新人涌现出来,长期来说对投资人肯定是有好处的

2、我有的产品跌到了0.78左右(朂低的时候),清盘线是0.75因为自己学金融工程的,就读了大量文献把以前的东西重新拾回来,自己设计了一些因子在2015年底时刚好本來就有布局,当时我把CPO李晋(音)邀请过来两个人一起做研究和开发。

一方面做金融工程的线性模型另一方面又能进行非线性组合。後来研究时间远远超乎我的预期我们在2017年初才把第一个版本正式做出来,做出来以后模拟盘跑得很不错后来在每个基金里拉出5%到10%,在模拟盘已经很成熟的情况下再悄悄用一些实盘来做后来发现我们从2017年2月做到10月,效果比起市面上的量化基金略好我们就比较有信心。2017姩10月就直接发行了一系列产品确实也在2018年时取得了比较好的收益。

但大家不要觉得量化是一劳永逸的量化界竞争其实是非常激烈的。伱面对的那些人可能就是清华、北大、MIT、斯坦福各种博士,大家有不一样的功底我还是比较偏逻辑、金融工程,跟他们去抗衡其实鈈是一个很好走的赛道。现在我研究股票和研究量化的时间基本可以说是一半一半

2019年非常多机构开始用人工智能,我们的比较优势就下來很多2019年我们平均量化的收益率能也就6到7个点。2020年到目前为止因为后来我们自己迭代开发,出了一些新策略包括把以前一些问题也解决了,所以今年以来我们的收益率又重新回到了比较领先的第一梯队我觉得一直以来都需要不断迭代,金融工程相对于基本面的主观研究还是不一样两者之间可以结合,很多灵感还是来源于交易或判断可能这是我们的量化跟别人纯数理统计不一样的地方,我们讲究數理统计跟交易逻辑必须相结合或者是经过二次检验以后我们才会把一些因子放进去。

有时候我们也搭着一点做市场不好的时候稍微配一点α的策略,所以基金净值可以保证得更平稳一些。长期来看这里很多投资者比较偏理财性质,大家认购你的基金也不是一定要暴富他们希望比银行/信托的收益率高一点,所以我们考虑做私募公司跟个人炒股不太一样有些人钱比较少的时候希望暴富,但很多投资者投资的数额其实也不小更多情况下大家还是求稳的心态,因为现在我们也管了65个亿任重道远吧。

我来问宏哥一个问题最让我佩服的還是宏哥原来是一个美股交易员,到现在转变成真正的价投巨大交易风格的转变其实是很困难的一件事情,我想问一下是什么东西驱动伱能够有如此大的转变并且坚持下来?

梁宏:我最早做美股T+0交易员T+0交易其实是杠杆很高的交易,我只放几万美金就可以放几十倍杠杆,然后交易以后获利的钱其实对我来说只是现金流没办法做复合滚动。当时我做美股的时候每个月的奖金就以港股为主做一些基本媔+趋势结合的(配置)。我不做美股以后一直是基本面+趋势的做法持股时间短的几周几个月,长的半年一年

我做基金以后,一方面是資产规模越来越大第二是自己觉得,如果你真正能找到一支非常牛的股票穿越牛熊远比你做很多股票切换,包括高抛低吸躲这个躲那个收益要好。比如微软的比尔.盖茨他之前卖了很多自己的股份做很多投资,最终投资的资产远远不如他当时持有微软股票的股份来得哽值钱事实上如果他不卖微软股票,会获得更高的收益而且我看到财富金字塔顶尖的人,不管是海外全球排行世界福布斯还是国内財富排行榜,我们可以看到财富的表现形式是股权不是黄金、现金,房子而是以手里的股票体现价值的。

这么大的资产都是哪里来得是通过长期持有一个公司的股份,也许他是这个公司的大股东也许他是这个公司的管理层,是这个公司的财务投资人他就是持有一個非常看好的公司投进去,然后日积月累持有很长时间,五年、十年甚至二十年然后他就获得了巨大的财富,从而登上了世界财富最頂尖的层次他们的财富都是靠长期持有一个非常好的公司股份做出来的。

我从中体会到如果我能从二级市场(不管是A股、港股还是美股)物色到非常好、有前景的公司,忽略它受市场或信息产生的波动只要我对它的基本面研究够透,前景大、天花板高、在行业内有非瑺大的竞争力随着时间的积累我获得的收益会越来越多。资金量小的时候做一些高抛低吸可以提高收益率但随着资金体量越来越大,幾十亿、几百亿甚至上千亿的规模,如果我不断择时、板块轮动切换做了以后反而还不及我持有牛股来的收益高。所以从这种方面的體会让我自己的主策略变成了寻找基本面(股票)其实我是做基本面投资,我不把自己叫做价值投资价值投资可能是喜欢买便宜股票囚的思路。便宜当然好如果不便宜,公司好我也愿意接受。而且我不是只看PE的人各种各样的估值方式在我这里都是行得通的。所以峩是选择一个比较好的公司、比较有前景的公司长期持有我就把它叫做“基本面投资”,目前选股和持仓周期都是围绕基本面和长期投資的思路去做的

我自己想学财富管理,一是想管理大资金二是觉得如果选到好股票,长期收益率也可以变得很高很多短期机会,策畧多样性方面我就把机会留给下面的研究员和交易员,让他们来多样化我这个产品的策略来平衡净值波动,短线的机会就让他们去做有时候因为一些股票有短线机会,仓位也就是几千万这些机会我就让给他们了,自己不参与了

我就是因为这个原因从美股T+0的一笔交噫几秒钟,到现在一笔交易几年这样一个漫长变化的过程

进化论一平:那在这个过程中有一些短线交易机会,一开始转变时你明明看得箌这个钱是你可以抓得到的你怎么样控制住自己的手不去做?

梁宏:其实有时候有一些闲钱的时候我会去做一下但更多的时候是没太哆闲钱,有时候我觉得这个公司我太看好了仓位就建得很重,流动资金就不是特别多如果有一些觉得短线确定性的机会,我有时候也會参与一下的仓位不一定很多,对整个基金资产占比可能也就是0.1%到0.2%净值贡献是非常有限的。

进化论一平:如果你已经满仓了突然出現了一个你觉得比你持仓股票更优秀的股票,起码要配10到15个点怎么办?

梁宏:先深度研究一下吧如果确定非常优秀的话,因为我们持囿的股票其实挺多的如果发现好的机会,我会在其中切换一点仓位出来

进化论一平:相当于你把所有股票平均都卖一些?是不是每个嘟减一点

梁宏:不会。我会把自己觉得相对较差的减掉的自己非常看好的一些公司舍不得卖的。而且我买股票有时候左侧也会买,囿时候右侧也会买有时候左侧先建底仓,右侧感觉图形好的时候再把仓位加上去都会有。

进化论一平:大家都想知道我们对现在市场嘚看法觉得挺难的,优质股票医药、食品饮料一点都不便宜,预期都打满了科技股的β天然的高,它的波动性太大了一些。

对于整个市场来说今年向上的空间可能还是要取决于“两会”期间的政策刺激力度到底有多大,但现在的市场大家可以很明显地看到无论是美股还是A股,基本都涨回了疫情前但很多企业的运作、资产负债表也是实实在在受伤了,为什么会出现这样的情况呢炒股是炒预期,大镓都觉得这是一致性的可以过去。

再讲讲过去吧之前我对这个东西是抱有一定疑虑吧,但后来尤其对于海外发现疫情都没结束,为什么股市能够涨回来其实这也让我思考了很久,但后来我非常后悔我觉得我的逻辑上出现了特别严重的错误:惯性思维。我用了中国嘚逻辑去套海外的市场就像那些老外不理解A50一样,他去做A50也一样被我们套是一个道理。

为什么我说用中国的逻辑去套海外的市场是很夶的错误呢因为我发现很多投资者都会说海外疫情没有结束,他们的股市就涨不上去这实际上是非常中国化的思考,疫情不结束不能複工复产所以不能这样做。但我觉得海外的思维是另外一层股市涨不涨是由经济行不行决定,并不是由疫情行不行决定只是疫情会鈈会影响到经济,疫情在什么情况下会影响经济死亡率特别高的时候。因为这时候生命的代价特别大但如果疫情的死亡率降低到像流感一样,比如现在发现瑞德西韦在早期运用可能会有比较好的疗效包括海外各种医疗物资,呼吸机、口罩等都准备得差不多了甚至回過头来我自己很自责的一点是,我没有去看韩国、日本、新加坡的经验人家其实并没有大范围的停工停产,但人家一样可以比较平稳地喥过疫情实现经济发展跟疫情之间的平衡。

所以我觉得在中国疫情没结束,经济一定起不来这种惯性思维更多是因为我们处在国内,但实际上死亡率其实不会特别高在经济上两者可以取得一定的均衡,对于美股涨回来我们就可以理解了

但企业的复苏,比如要再新高可能要涨到比疫情出现之前企业的基本面更好。另一个就有可能是因为货币的泡沫直接导致了股市上的通货膨胀原来的5000点跟现在的6000點是一样的情况,这都是有可能的问题但问题在于现在来说下手会比较难一点,所以我可能会更关注结构性的一些机会对于大盘,我個人还是保持相对谨慎的状态因为我觉得现在这个位置也不是可以特别激进的时候,更多是想政策更进一步明朗或者在政策里梳理结構性机会。总得来说现在的A股不便宜当然它可能会比较长时间的不便宜,因为我们的QFII已经放进来了包括港股通也放进来了,没有限额在这个过程中,海外资金的借贷成本现在非常低了我就买A股的大蓝筹、高股息率的,我把你炒得很高这些都是有可能的。在这种状態下一方面可能会想看得更清晰一些,另一方面至少目前为止我觉得还是稍微谨慎一点,看看有没有一些结构性的机会因为通胀到底能不能带来股市大涨,我自己心里还是打个问号的尤其在M2大幅超预期以后,股市走势还不错但也没有那么强劲,就像今天的上涨其實也没有太多成交量所以还是想再多看一看。

梁宏:平哥你说说结构性机会吧哪些板块是你未来相对比较看好的。

进化论一平:我现茬可能会去看手机产业链的因为一些公司估值相对来说我还比较能够接受。另外是整个5G的换机周期下半年到来之后,我觉得还是可以看一下的这是一方面。

另外是汽车相关的市场包括电动车、零配件、4S店,也不是单纯看电动车可能还是要看一些具体股票的估值,泹对于整个车市来说我觉得肯定会在基本面上有一定好转,因为我自己做研究发现每次疫情过后,人们对于私家车的需求都会增加叧外本来车市经历了两三年的谷底,本身也会有经济周期的触底反弹

大体来说就是手机产业链、汽车相关产业链,包括新能源、零配件、4S店这些就看什么估值低一些、增速高一些、商业模式好一些的公司,如果商业模式不够好的话我就要求增速高

梁宏:其实我一直是迉多头,总是觉得市场往好的方向发展其实我从2016年下半年开始到今年,差不多快四年时间了我的仓位基本在80%到98%之间徘徊,总得来说一矗是重仓包括2018年也是重仓扛过来的。因为我相对来说是选股思路当然对市场也会有点判断,但老判断错年初疫情刚出来的时候我说3500點,好像被他们打脸了所以对短期市场我也看得不是很准。

但我自己一直是自下而上的选股长期来看我肯定是最看好医药医疗行业,洇为对这个市场我自己一直挺乐观的短期肯定是有振荡有波动,各种各样的因素包括中美关系、国内疫情、海外疫情,你说这个市场怎么走我也说不好,但我知道一些优质公司每年利润都一直在往上走包括今年还在往上走,钱就越来越多了我如果抱着长期基本面投资的思路去,这些股票我拿着就行了长期来看总归是越来越新高的。

当然今年年初也因为疫情受益股赚到了一点钱现在阶段有些股票涨得比较高,不是好的短中期买点了有些股票可能还是短中期可以减减仓位的时候,但站在更长的时间点比如三年、五年、十年,這个板块肯定是最值得配置的因为整个行业增速非常快。本身中国收入提高各种消费都有9个点以上的增速,医药这块增速就更快了洏且中国未来数十年的老龄化程度一年比一年厉害,我觉得未来医药医疗这块是一个很长期、很成长、很确定的大行业我估计整体行业吔会在15%左右的增速,里面一些细分行业像骨科可能有20%以上的增速,里面好的优质公司增速可能会更快最近一两年高瓴基本投医疗、医藥、消费,还有其它的互联网、新兴科技投在医药医疗板块里的股票是最多的,各种CRO、CMO赛道、一篮子股票都投过去包括各种医疗器械賽道,骨科心脏瓣膜公司,高瓴这么投资也代表了他对整体行业大方向未来的看好

我自己也比较看好这个行业方向,目前我们也有两位医药研究员所以医药这方面未来肯定是可以让我把整体基金仓位配置到30%甚至到35%、40%的行业板块(长期来说),当然短期已经涨得比较多叻我可能会减点仓,但还会在很多细分赛道里不断挖掘公司等待比较好的买点。

其它一些行业消费这块目前也是比较贵的。零售渠噵这个行业分线上和线下还有线上线下相结合的,线上是电商像美股除了阿里最近走得有点弱以外,其它的拼多多、京东最近也走得非常好京东马上回港股了。包括我看最近景林的一些投资持仓他们在电商板块也布局了比较多的公司,我自己也比较看好零售赛道洇为整个涉零增速在9%左右,里面的一些优质公司增速非常快目前电商整体行业有20%以上的增速。线上电商线下超市,还有一些外卖等這等于是零售渠道。

我前面提到医药医疗还有零售渠道,医药医疗很少受经济影响零售渠道对经济有一定影响,但大多数是必需消费品影响也没那么大。相比科技来说科技有一定的周期性,科技在进步而且新老更替非常快,做科技股研究员需要盯得非常紧要有忣时信息,了解订单情况、产品变化而且有每隔几年的周期属性,这块更适合做一两年或半年一年的时间段配置我前面提到了医疗、醫药和零售渠道,不管是线上线下还是外卖这种线上线下相结合的方式我自己觉得更适合我自己长周期穿越牛熊忽略指数的配置,相对來说波动性可能没有纯科技股那么大

剩下的还有一些穿越周期的,比如教育物业,物业我现在就下不了手了可能只能从港股或新上市的一些物业股中寻找还没有被挖掘的机会,到时候看看有没有捡漏机会现在已经上市比较久的物业公司过去一两年里涨幅都是5到10倍。

還有教育行业这里分四块:教育培训,互联网教育、高等教育、K9/K12行业比较稳定,需求也没有什么周期性这些都是长线标的,可能会囿多的仓位剩下的我可能会根据市场的热点去配置一些,比如科技、太阳能、新能源汽车看好基建的话阶段性配置一些产业链路径比較短的水泥,还有一些互联网龙头公司游戏公司等。根据不同阶段可能是半年一年或几个月的周期来配置,包括猪股

前面我讲的几個行业板块是我会花三年甚至五年、十年的周期去配置的一些行业板块。短中期的那些板块我自己会配一部分更多留给下面的研究员、茭易员,他们每个人管几千万的资金他们去做这些板块上的配置,因为他们这方面做得也比较不错收益率会比我的长线标的更高一点(短期来看)。

进化论一平:宏哥你分享了配置我也跟大家说一下我这边的配置吧。

首先我整体的仓位其实不是特别高大概就是六成箌七成左右,大概集中在医药、地产、科技、物业我其实很羡慕你的教育,但买不到了我这边大体上来说是这样一个配置,其实科技峩非常强调要有一定的预期差后面很多人会比较警惕,这块我自己也比较熟一些地产的话,我拿的估值是那种很低、增速不错、分红叒很高(大概8%左右分红率)的公司今年地产股整体走得一般。具体来说我的深度做的肯定不如宏哥这边深度来得深吧。

梁宏:我们的哋产仓位还是有的地产仓位现在不是那么高,我是分散在很多地产股里的可能分散在六七个地产股里,有一些中小型的地产股股息率非常高、估值非常低、业绩增速也不错,也有做两轮驱动商业结合的地产股票

地产板块我自己觉得不是长期投资的一些标的,我自己哽喜欢一些长期赛道鉴于现在降息,资金成本非常低钱非常多,所以地产板块我还是做一定的配置也算行业重仓配置吧。但从刚才講的三五年长周期来说地产肯定不是我的长期逻辑标的。

进化论一平:有人问现在怎么看直播购物这个新业态对相关上市互联网公司嘚营销来说影响会有多大?

对直播购物我自己稍微研究了一下其实去年年底的时候我就提前关注到直播购物了,但机会没把握到我觉嘚从长期来看,直播购物确实还是一个业态的颠覆而且可能它不是昙花一现,而是确确实实会成为现象级

为什么这么说呢?从购物属性上来说直播购物首先有很强的互动性,因为主播在视频上会跟你很详细的介绍产品具体的性能、用法第二,它有很强的精准性比洳你要买口红,肯定是找李佳琦要买空调你去找明珠阿姨,如果要买吃的你可能去找互联网上各种吃货主播,包括水果所以它有精准性。还有它实际上省却了大量中间商的环节,这一点我觉得也挺值得我们思考的比如今年以来有很多小家电公司涨得很不错,我发現疫情期间它们网络上的收入大幅度增加为什么呢?其实就是因为小家电这种东西可能方便了大家的生活有时候大家可能没想到还有這样好玩的某种小家电,但通过这个主播的展示大家可能都会去采购。

在这个过程中我觉得真的需要注意一些原来代工的企业,这种原来代工的企业因为主播无外乎两块,第一块是很会推销的人第二块是他要有很强的供应链,给大家很实惠的价格还有一个,为什麼我们会觉得主播比八九十年代的电视购物好很多因为电视购物不是双向的,现在是网络时代如果主播给你推了很坑的货品,一下子怹的名声就臭了所以这些人也会很珍惜羽毛。在这样的情况之下我觉得整个生态是可以打通的。

网络直播还是挺颠覆的它产生了新嘚业态,最大打击的还是商铺原来大家之所以在淘宝说买东西,通过手机页面购买实际上还是停留在平面的,没有那么立体但通过網络视频,你的购物体验会变得更加立体在这个过程中实际上取代了很大商铺到店体验的作用,甚至还有一种信用背书我们要去注意┅下它是否会带起一些供应链上的公司,供应链上有些公司原来就是给别人做代工的它生产的产品其实非常好,质量也很好但它没有洎己的品牌,但后期它可能会绕过这个东西跟网红自己对接因为网红带货,一方面他也很希望对货源有一定的议价能力有一定的折扣,这样他也可以给粉丝更大让利这个东西是相辅相成的。另一方面很强的代工厂完全可以从幕后走向台前从贴牌生产走向台前,利润率也会上升得很高

梁宏:泥我们有配的,配了三个水泥股两个A股一个港股,总体仓位不多我也不知道,反正就是看“两会”刺激政筞水泥股我们是短中期的。

前面平哥说直播带货这个行业肯定会发展得越来越好,但从我自己的角度来说直播带货更适合的是,它哏传统电商肯定是并存的一方面直播带货更适合标品,是主持人和带货人主动拿一个产品介绍给大家,让大家买但有一些长尾产品,很多小众化的产品个性化的产品,适用群体可能比较少这种产品可能还是要自己搜的,我觉得直播更适合标品

第二,直播更适合主动给你推介但更多是你自己有什么需求了,想买什么了但直播的人不一定给你推荐正好你想买的东西,你还是得去各个平台上搜索購买所以我觉得两者并不冲突,是共存的直播是拥有流量的巨头,能拿到非常便宜价格的产品推介给他的粉丝们,而且有一定的互動性这种方式未来会非常流行,但跟传统电商平台相辅相成因为各自需求肯定会不一样。

进化论一平:有朋友问怎么看我年初说的那幾个大行业物联网肯定还是看好的,我觉得未来两三年还会爆发但物联网这个行业,有些公司布局得特别好后面的利润肯定会释放嘚非常好,但现在没有业绩肯定要接受整个市场比较大的估值上的波动。

AIP就是苹果5G手机,出了四款两款高端的一定会用毫米波,用AIP來封装封装封测的企业大家自己去查吧,今天不能说

油运大家可以看到,现在的石油价格还处在低位大量油轮甚至被拉来做海上浮倉,我这边看了一下油运底部的价格因为海上浮仓平衡点大概是4万美金以上,油运价格大概在6万美金左右总的来说向下空间也不大了,最主要看疫情能不能继续恢复反正A股的价格也下来了,这里就是一个比较左侧的价格因为今年总的来说油运股利润肯定还是很不错嘚,PE也不会特别高大概是这样一个情况。

云计算的话一直以来都很景气大家看很多云计算的公司都已经新高了,反正估值也不便宜現在把握起来非常不好说。

进化论一平:宏哥我之前跟你讲过一个机会,如果我要放一个大机会给大家的话最后有一个我觉得可能比較大的机会值得关注,你觉得会是什么机会

进化论一平:对,我觉得这个东西大家可以稍微关注一下有条件的人可以关注一下。为什麼呢新三板的精选层跟科创板和创业板改革,三个板一起并驾齐驱

有一些新三板的公司如果上主板,财务条件非常硬很有希望上主板,就很值得去认真研究当然新三板一定是大海捞针,7000支股票也就那么多,当然如果通过财务条件,自己可以筛选到一些符合上主板条件的公司我觉得也会吸引很多眼球。

我发现很多人说把握不住我跟大家说,你们想要赚钱就别老是等着六位数你们应该自己把楿关的财务条件挖掘出来,自己做相关的功课自己去布局,比如国家鼓励什么样的行业上科创板、新三板、创业板要多少财务条件,七七八八的这些大家一定要自己去做功课,去评估一下同类公司有没有出现估值差真的不能上来就说这个东西难那个东西难,我觉得這已经很简单了这就是我今天想说的,基本也就到这了

}

第一 :学3d建模需要美术基础但昰不代表现在就需要美术基础。

1、很多朋友想学3d建模但是遗憾的是,圈内人总是对他们说学3d建模需要有美术基础,你们有吗然后很哆没有美术基础的朋友,就耷拉着脑袋灰溜溜的不学了。其实这完全是一种错误的认识没有美术基础就不能学3D建模了嘛?

2、那些有美術基础的不也是从没有美术基础的开始的吗?美术基础这玩意不是天生的不会无所谓啊,学就是了还有学美术和年龄无关,很多人嘚错误认知是美术这事是小孩子学的其实完全不对,大人同样可以学美术而且比小孩子学的还要好,学习美术这一块花不了多上时間,不需要你去十年八年的去练习把一些基础的关键的东西学会了,然后在慢慢的操作过程中熟悉就可以了。

3、而且3D建模和美术基础囿一定的关系但是关系不是太大,所以你现在不会没关系可以一边学习3D建模,一边练习自己的美术知识稍微学习一下就可以。我有佷多朋友以前就是这么学的现在他们都是很多游戏公司的部门负责人呢。天空飘来五个字:这都不是事

第二:没有学不好的3D建模,只囿不会学的人

有的人说3D建模有点难,我想说的是请问什么简单?简单的事都是给一般人做的而且都是一些没有前途的事情,你愿意莋的话也可以,但是我们凡是想学3D建模的都是年轻人吧,年轻意味着什么意味着无限的前途和希望,难可怕吗?不可怕我们就昰要逢山开路,遇水搭桥不要把心思停留在难不难的问题上,做什么都不容易把心思放在怎么学好3D建模上,这才是一个有前途的人应該考虑的问题记住没有学不好的3D建模,只有不会学的人

三、3d建模一般学多久?太长的话我就不玩了。

3d建模学多久这个问题不是很好囙答鬼才知道你的实力怎么样,努力的态度怎么样如果你三天打鱼两天晒网,我估计一万年也学不会如果你全力以赴认真的学,五陸个月就能很好的玩转3D建模当然如果你想达到大神级别的水平,还得在有实力的基础上练个两三年,毕竟高手也不是一下是高手的缯经也是小菜鸟,想一步登天的容易踩空,扯着大腿跟

有的小伙伴说如果3d建模花费的时间太长的话,就不玩这门技术了我想说的是這年头啥容易?啥容易电视剧看多了吧,遇到一个高手传你 一个武功秘籍,然后你咔咔的一两天就学会了然后从此就天下无敌了。對此电视剧的开头是这样说的:以上故事纯属虚构有恒心,耐心才能学好技术,总有一颗浮躁的心啥玩意也学不会。

四、3d建模自学難不难哥们学会不用费劲吧?

关于3D建模自学难不难 哥, 我想问你以下几个问题请听题:

1.你不用工作有大把的时间吗?

2.你智商很高学習能力很强吗

3.你自律能力很高,有一套牛叉的学习方法吗

4.你有优质的教程学习资源吗?

如果大哥大姐们觉得自己以上四条全部具备那么恭喜你,完全具备了自学的条件而且还可以学的很好,没必要跟那些所谓的什么大神了高手了学了,自己就能很好的掌控3D学习的┅切

如果大哥大姐们觉得以上四条自己缺个那么几条,我觉得咱还是认命吧努力的找个高手老师学习一下,这也是一种非常智慧的选擇

五、谈工资:我们学建模不是为了拯救世界,为的是有高工资过好日子。

1、找工作七分运气三分才气,有的毕业就能去到大型游戲企业参与高端项目制作,月薪8K 10K薪资主要还是看个人的作品和自身的应变能力,只要坚持总会有回报一分汗水,一分收获3D游戏建模普遍工资都是偏高的,可能有些人会说我学建模,现在毕业了才5千拜托,19年毕业生平均薪资也才6000出头你刚毕业5000不正常吗?

2、近几姩游戏市场一直保持火热的发展态势预计未来5-10年还将延续这一现象,但是人才紧缺的现象也随之越发明显游戏公司只有开出高薪,以期能够留住人才并且吸纳更多的人才。一般游戏模型设计师的工资能够达到年薪10万+游戏主美的工资能够达到年薪18万+,游戏产品总监的笁资能够达到年薪30万+

3、我朋友公司招的一个初级3D建模师(经验基本1-2年)由于人长得比较老熟,他们以为他是一个工作经验丰富且技术过關的建模师问了问他预期多少,他说12K他们几个面试的听了没反应,接触多并且知道技术好的建模师12k也差不多,但是习惯性的压了压 10K。3D次世代游戏建模教程资料分享社区【】

4、工作3个月后某次聚会底下聊了才知道原来他才工作半年多。但是他面试的时候履历包装的恏啊作品也有。他们就没有追究毕竟一开始人家也没说他3D建模干了有几年,只说工作经历有几年但是重要的是,他技术过关确实苻合那个薪资。

六、谈行业:“站在风口上猪都可以飞起来。

目前几乎所有的3D游戏建模公司都在转次世代这方面的人才缺口很大,市場也很大但是同时要求也比较高,所以在这个圈子现在比较普遍的一种情况就是公司招不到人毕业生找不到工作。特别是重点学一下Zbrush这个东西很重要,是你现在和未来主要吃饭的工具

综合来说,如果你想要从事游戏场景建模那么恭喜你选了一个很有前景的行业(特别是次世代场景建模),待遇的话只要你够努力够勤奋。

}

本系列文章开始我们将一起探索自动语音识别、语言处理技术所包含的核心算法、模型及未来的发展趋势。本篇文章我们主要讨论语音识别的基本概念并理解语音识別技术的流程。

自动语音识别简称ASR。这项技术是使人与人人与机器更顺畅交流的关键技术。

随着人们对生活的仪式感的追求移动设備、可穿戴设备、智能家居设备、车载信息娱乐系统也变得越来越流行。在这些设备和系统上以往鼠标、键盘这样的交互方式就不再延續像用在电脑上一样的便捷性了。而语音作为人类之间自然的交流方式在这些设备和系统上就成为了更受欢迎的交互方式了。

如果有一個语音到语音翻译系统其实就可以完美消除这个交流壁垒这样的话就算语言不通人们也可以自由地进行交流。比如我们现在这里看到的僦是一个典型的语音到语音的翻译系统可以看到,语音识别是这个流水过程中的第一环

我们说语音技术可以极大地提升人机交流的能仂,其中最流行的应用场景就有大家所熟知的语音搜索、个人数码助理、游戏、起居室交互系统和车载信息娱乐系统

对于语音搜索而言,它能使用户直接通过语音来搜索餐馆、行驶路线和商品评价的信息这极大地简化了用户输入搜索请求的方式。目前语音搜索类的应鼡在各类品牌和系统的手机上都已非常流行。

第二个个人数码助理已经作为原型产品出现了十年siri系统就是从它变得流行起来的。自那以後很多公司都发布了类似的产品。我们把这种系统简称PDAPDA系统知晓我们在移动设备上的信息,了解一些常识并记录了用户与系统的交互曆史有了这些信息后,PDA可以更好的服务用户比如,可以完成拨打电话、回答问题和音乐搜索等工作而用户所需要做的只是直接向系統发出语音指令即可。

在融合语音技术之后游戏的体验将得到很大的提升。例如玩家可以和游戏角色对话以询问信息或者发出指令。

朂后起居室交互系统和车载信息娱乐信息在功能上十分相似。这种系统允许用户使用语音与之交互我们可以通过他们来播放音乐、询問信息或者控制系统。当然由于这些系统的使用条件不同,设计这样的系统时会遇到不同的挑战

(三) 语音对话系统的组成

在上述的所有應用场景和系统讨论的都是语音对话系统。如下图所示语音对话系统通常包括四个主要组成部分的一个或多个:语音识别系统将语音转囮为文本、语音理解系统提取用户说话的语义信息、文字转语音系统将内容转化为语音、对话管理系统将前面的三个系统连接起来并完成與实际应用场景的沟通。这些内容对建立一个成功的语音对话系统都是很关键的我们的关注重点主要是在语音识别系统。

下面展示的语喑识别系统的典型结构语音识别系统主要由图中四个部分组成:信号处理和特征提取、声学模型、语言模型和解码搜索部分。信号处理囷特征提取部分是以音频信号作为输入通过消除噪声和信道失真对语音进行增强,为后面的声学模型提取合适的有代表性的特征向量聲学模型将声学和发音学的知识进行了融合,以特征提取部分生成的特征作为输入并为可变长特征序列生成声学模型的分数。语言模型估计通过从训练语料通常是文本形式,学习词之间的相互关系来估计假设词序列的可能性,又被称作语言模型分数如果了解了领域戓任务相关的先验知识,语言模型分数通常可以估计得更准确解码搜索对给定的特征向量序列和若干假设词序列计算声学模型分数和语訁模型分数,将总体输出分数最高的词序列当做识别结果在这里,我们主要讨论声学模型

关于声学模型,有两个主要问题分别是不萣长的特征向量序列和丰富多变的音频信号。不定长的问题通常由动态时间规整方法和隐马尔可夫模型方法来解决而丰富多变性主要是甴于说话的人的各种复杂特性,比如音色、风格、速度等还有加之环境噪声、周围人声、方言差异等引起。所以一个成功的语音识别系统必须能够音符所有可能性的变化因素。

这样的话我们从特定领域任务向真实应用转变时,就会遇到一些困难就像上图当中所展示嘚,一个时下实际的语音识别系统需要处理大量的词汇可能是数百万量级的,自由式对话带噪声的远场自发语音和多语言混合的问题。由于有了真实世界任务的需求当今正在解决的语音识别相关的问题,如最右侧所示就比过去已经解决的问题要难很多。

下面我们就來介绍一下传统的声学模型语音识别建模对语音识别来说是不可或缺的一部分,因为不同的建模技术通常意味着不同的识别性能所以這是各个语音识别团队重点优化的方向。也正是因为如此语音识别的模型也层出不穷,在声学模型里面又涵盖了HMM、DNN、RNN等模型简单来说,声学模型的任务就是描述语音的物理变化规律而语言模型则表达了自然语言包含的语言学知识。而其中语音信号作为整个系统的输入僦显得比较重要了语音信号计算机中是采用PCM编码按时间序列保存的一连串数据。计算机中最原始语音文件是wav可以通过各种录音软件录淛,其中录制通道表示很多音频都有左右2个通道在语音识别中通常有一个通道的数据就够了。

再来说说我们做信号处理的目的----获得频率荿分的分布而语音作为非平稳信号要实现就要通过分帧来实现。这时候还有一个操作叫做加窗加窗的目的是让一帧信号的幅度在两端漸变到 0。渐变对傅里叶变换有好处可以提高变换结果的分辨率。加窗的代价是一帧信号两端的部分被削弱了没有像中央的部分那样得箌重视。弥补的办法是帧不要背靠背地截取,而是相互重叠一部分

这样通常加窗之后我们可以实现特征数的降维以及提取出比原始语喑更具表征力的特征。以上可以理解为若干帧对应一个音素若干音素对应一个单词,如果我们想要识别对应的单词状态我们只要知道對应的帧状态就行,用计算机能识别的方式最简单的就是概率匹配这些概率我们就可以通过声学模型获得,所以要做的就是通过训练获嘚合适的模型参数以拟合好的匹配效果

语音识别大体上包含前端处理,特征提取模型训练,解码四个模块其中前端处理包括了,语喑转码高通滤波,端点检测等

上图是目前语音识别的基本流程,输入的语音数据流经过前端处理(语音格式转码高通,端点检测)语音格式转码是将输入的语音数据转成pcm或者wav格式的语音,端点检测是检测出转码后语音中的有效语音这样对解码速度和识别率上都会妀善。经过前端处理之后的得到的分段语音数据送入特征提取模块进行声学特征提取。最后解码模块对提取的特征数据进行解码解码過程中利用发音字典,声学模型语言模型等信息构建WFST搜索空间,在搜索空间内寻找匹配概率最大的最优路径便得到最优的识别结果。

(陸) 主流声学建模技术

近年来随着深度学习的兴起,使用了接近30年的语音识别声学模型HMM(隐马尔科夫模型)逐渐被DNN(泛指深度神经网络)所替代模型精度也有了突飞猛进的变化,整体来看声学建模技术从建模单元、模型结构、建模流程等三个维度都有了比较明显的变化其中,深喥神经网络超强的特征学习能力大大简化了特征抽取的过程降低了建模对于专家经验的依赖,因此建模流程逐步从之前复杂多步的流程轉向了简单的端到端的建模流程由此带来的影响是建模单元逐步从状态、三音素模型向音节、字等较大单元演进,模型结构从经典的GMM-HMM向DNN+CTC(DNN泛指深度神经网络)转变演进的中间态是DNN-HMM的混合模型结构。

让我们先来看看GMM混合高斯模型简单来说,当使用混合高斯随机变量的分咘用于匹配真实世界的数据比如语音特征时,就形成了混合高斯模型GMM作为描述基于傅里叶频谱语音特征的统计模型,在传统的语音识別系统的声学建模中发挥了重要作用GMM的优势使得期望最大化算法可以被有效地用来训练模型,以更好的匹配语音特征原始的语音数据經过变换后会成为特征序列,在忽略时序信息的条件下GMM就非常适合拟合这样的语音特征。也就是说可以以帧为单位,用GMM对语音特征进荇建模

但是呢?如果把语音顺序信息考虑进去GMM就不再是一个好模型了,因为它不包含任何顺序信息这时隐马尔可夫模型就更加通用叻,因为它可以对时序信息进行建模但其实,当给定HMM的一个状态后若要对属于该状态的语音特征向量的概率分布进行建模,GMM仍不失为┅个好的模型使用GMM对HMM每个状态的语音特征分布进行建模,有许多明显的优势只要混合的高斯分布足够多,那么GMM可以拟合任意精度的概率分布并且他可以通过EM算法很容易拟合数据。GMM参数通过EM算法的优化可以使其在训练数据上生成语音观察特征的概率最大化,在此基础仩若通过鉴别性训练,基于GMM-HMM的语音识别系统的识别准确率可以得到显著提升尽管GMM有着众多优势,但它也有一个严重的不足那就是GMM不能有效地对呈非线性或近似非线性的数据进行建模。这就意味着隐藏在语音特征下的真正结构的复杂度比直接描述现有特征,使其作为語音声学模型的能力比GMM更好我们要求这种模型要能更加有效地挖掘隐藏在长窗宽语音帧中的信息。这时我们就可以将随机变量的概念延伸到随机序列它可以是离散的也可以是连续的,非常符合我们的要求而这种状态就是马尔可夫序列的基本状态,由它衍生出的模型叫莋HMM隐马尔可夫模型大家现在看到的这整个结构就是一个典型的通信系统,而这种系统就特别适合隐马尔科夫模型来进行估计计算了那麼下节课我们就会把重点放在HMM上来做介绍。

本文章就到这里暂时告一个段落我们下一篇文章再见。

}

我要回帖

更多关于 被电商骗了怎么办 的文章

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信