學弟一直不相信我說的：「現在有閒錢(也就是說別拿學費來買)，就是買股票，買什麼? 0050 ! 因為他們現在只能存小錢，所以現在買 0050 的零股就夠了。等到湊成 20 萬以上，再來股票市場中隨便買(其實也沒那麼隨便，最少要比較一下公司長期的現金配息及股價歷史，也就是現金殖利率，平均值愈大者要早點買、且買多一點)，好公司也買，爛公司也買，類別愈多，家數愈多，這人生的金融投資策略也就夠了。」
學弟為什麼不相信呢? 我想是這個方法太簡單了，不用分析公司基本面，不用知道它們是幹什麼的，不看技術線型，這對我們『愛研究』的研究生來說，太沒挑戰性了，而且這樣買股票都能賺錢，實在太沒天理了。
當我的 wildfire 升級至 1.27.709.3 後，原本可以作到的事( 將 wifi 網路分享給 NB 使用 )居然不能作了。
取而代之的是， wildfire 只能分享 3G 網路給 NB 使用。也就是說，就算我的手機是使用 wifi 上網的，但只要分享網路給 NB(或一般 PC ) 後，它就會自動撥接 3G 網路出去，變成手機透過 wifi 上網，而連接它的 NB 是用 3G 網路上網，這奇怪吧! 本來我以為是我把設定弄亂了，所以試過不少方法後，我把手機回復原廠設定，但結果仍舊一樣。
就這樣，我只好寄信給 HTC 客服了，她們回復速度非常快，不到半個工作天就回電給我，但我聽到的理由實在不敢相信，客服小姐：「HTC 全系列手機不能分享 wifi 網路給電腦使用!!!」這麼說，難道我之前的使用方法是看到鬼了嗎? 所以我客氣地跟她說：「能不能請您們的工程師回電給我?」她回說：「工程師們正在開會，要有一段時間，才能回覆。」我回說：「沒問題，我不急!」
就靜靜等待回音了。
HTC 的效率非常高，晚上已接到工程師的回電，他真的明確表示 wildfire 手機的「網際網路共用設計」是只考慮 3G 行動網路的，並不會分享 wifi 網路。或許我之前的使用才是個 Bug ，畢竟這款手機的 「網際網路共用」問題頗多 。
雖然沒有解決我的問題，不過客服的回應內容及效率可以讓我接受，沒讓我這個小小小股東失望。
而且，這或許也是在催促我趕快研究 Android 系統吧! 人生真的有很多事可以作呀!
何岳峰 [1]
| [1] | 聯絡方式： http://www.hoamon.info/ |
書籍內容分成四部。
作者在前三部所作的陳述，也就是針對歷史的不透明性可從三個面向來解釋：
分析我們是如何思考的，如何因為錯誤的思考方式，讓我們以為「預測」有效。
作者舉了「火雞問題」、「確認偏誤」、「敘事謬誤」、「沉默證據」、 「戲局謬誤」幾個主題來說明人的思考模式不是正確的。
一隻被餵養了 1000 天的火雞在第 1001 天時，必定保持與第 999 天時的信念一般 — 必定有一善良生物提供牠當天所需的食物，讓牠無憂無慮地再過一天。 然而事實是該善良生物會在第 1001 天將牠變成某人的盤中美食。
從時間序列資料歸納事物發展的模式，並從此模式推導未來的情況是不合理的。 「現在事件」所需的發生條件並不等於「未來事件」所需的發生條件。簡單地講， 我們都知道地震對股市的影響是非常強烈的，且往往是負向影響， 若一高傷害性的地震在 2009 年 1 月 1 日上午 5 點發生， 那麼利用 2008 年 12 月 31 日前所歸納的預測模型可應用在 2009 年 1 月 1 日上嗎? 絕對不行。我們就是無法預測突發事件，像是地震、 SARS、次級房貸…等及其他根本講不出名字的意外。
一命題在通過百億次驗證後為真，也不表示該命題的確為真; 但該命題卻可以在一次驗證為假後，確認命題為假。
「知道它是錯的」絕對是對的，而「知道它是對的」還是有可能為錯。
講故事讓人們得以將真實世界的 4D 模型轉成一個 1D 線性的歷史故事，這有助約化爆炸資訊。
通常一般人認為刪減掉的資訊不過是雜訊而已，但作者認為有些雜訊其實就是隻黑天鵝。
有一種非常老套的騙術，首先是收集電子信箱，愈多愈好，假設收集了 10000 個信箱， 其中一半的信箱，寄給他們的訊息內容是洋基將在5月10日的比賽中打敗紅襪， 另一半則寄給他們紅襪會擊敗洋基，等到比賽結束後，留下預測對的 5000 個信箱， 其中 2500 個人再寄給他們洋基會在5月11日擊敗紅襪，而另一半則寄給他們紅襪打敗洋基。 就這麼經過5個回合後，將有 10000除以32 約 312 個人是一直收到預測準確的信件，這時候， 再寄給他們：「預知下回比賽結果，請先支付一定金額」。如此一來，不管有多少人相信這個騙術， 對寄信人而言，所支付的金額都是純益，因為他根本沒花錢在作賽事預測，是個無本生意。
那曾收到錯誤預測信的 9688 人，每個人都是沉默證據。但對於另外的 312 人來說，他們得不到這種資訊。
這沉默證據的出現也呼應了作者在一開始所說的，沒看過的書比較重要。
事實上，沉默證據到處都有，只是需要花些精神才能發現。我們拿主動型股票投資基金來說， 每年財經雜誌一定會統計過去一年的基金投資績效並排序，而我們常常可以發現這些基金的排名每年都不一樣， 絕少有同一支基金能長時間(十年以上)排在前頭，而那些績效不如大盤的基金對投資人而言，就是一種沉默證據， 它告訴我們，主動投資並不一定有比較好的投資績效。而基金排名只是一種大風吹的遊戲， 所有人都可以坐過第一名，也有機會坐在最後一名，所有股票型主動基金的整體績效約等於大盤績效。
在我們學過的數學、企圖解決問題的模型中，必定在假設及邊界條件上簡化了真實世界的複雜度， 因為只有在簡化模型中，我們才能求解答案。
作者希望我們這些書呆子，在應用模型上，不要以為解值可以百分百套用到真實世界中。 要在心中保留一個想法：「這個解答是理想模型中求解的」。
「預測」根本不準，就算錯了，總可以找到個理由證明。 而通常的藉口就是：「原模型在考慮黑天鵝事件後就能符合未來」。
作者從幾個實證方法來說明「預測」沒有用。
學得愈多，反而對於未知事物的預測就愈不準確。
大部份的意外造成計劃成本增加、進度變慢或是品質下降，絕少有意外是幫助降低成本、減少工期及提昇品質。
這原因通常是我們這些書呆子在套模型時，會將無法估量的因子去除，而這些因子多半是對計劃有害的。
每發生錯誤預測後，真值會離預測值更遠。譬如：一個計劃預期需要七十九天完成，到了第七十九天， 如果計劃尚未完成，那麼預期還需要二十五天才行。但到了第九十天，如果計劃尚未完成， 那就還需要五十八天才能完成。到了第一百天，預期還要八十九天才能完成。 到了第一百一十九天，預期還要一百四十九天才能完成。到了第九百天，如果該計劃還是沒有完工， 你將預期多花一千五百九十天。當你等得越久，你預期要再等待的時間就越長。
今日大多數人對世界影響巨大的發明認定是電腦、網際網路及雷射。而這三項發明都是不經意的。
因為有太多有用的工具、產品是在意外中誕生的，所以在策略管理理論中，有人堅持一種 r 策略的經營模式， 它的意義是透過對生物系統的學習，將其繁殖後代的策略應用在企業管理中。 以一種「機會主義」式的繁殖策略，採取「多產」的方式，亦即，在有限能量和物質的限制下， 對每一個繁殖後代，只能做很少的能量和物質投資【策略九說，2000】。相對於 K 策略，是將能量與物質其中投資在一個後代上， 容易在波動高、意外多的環境下失敗， r 策略提供了生存在「規模可變性世界」的能力。
在太陽系中，如果只有二顆行星，則無論它們的起始位置為何，我們都可以計算出它們在未來某時點的絕對位置， 然而再增加一顆行星後，此行星的初始位置將嚴重地影響它們未來的位置，原因是「不可積性」。 這也證明了機械論的謬誤。
在第二部的最後一章，作者提供了幾個面對黑天鵝事件的技巧：
真正的不確定性與機率分配的差別： 一個可以計算，一個只能承受。
作者在這個部份大肆批評 Black-Scholes-Merton 方程式，認為他們不過是讓大家能接受這個公式而已， 發明這個公式的人應是 Louis Bachelier 和 Edward O. Thorp，且原創公式並未要求使用高斯模式。 同時他也批評馬可維茲的現代投資組合理論、夏普的 CAPM 是以高斯模式為基礎。
但就這部份以我目前所學尚無法確認究竟誰是正確的。或者是說，在把高斯模式換成冪法則、 碎形機率等更符合現況的機率分配，那麼就皆大歡喜了，我們在學術上的任務不就是把前人研究的缺點加以改進嗎!
這三個面向，也依序擴展成第一部(理解力的幻覺)、第二部(回顧性扭曲)、 第三部(被柏拉圖化)的內文。
作者強調在歷史的不透明性中，我們只能把垃圾資料送進不一定正確的模式中，並得到垃圾預測 [2] 。
| [2] | 既然從歷史資料，我們無法歸納準則，從而避免錯誤，達到以古為鏡，可以知興替。那麼整個歷史學科還有存在的必要性嗎? 這一點，是我這個歷史門外漢的疑點。 |
最後在第四部中，說明幾個如何面對「未來不可預測」的方法， 像是儘可能地嘗試，別擔心小失敗。
「預測未來」這件事到底存不存在?
作者說明了黑天鵝事件總會發生，且大幅地改變原來我們對未來的期待， 黑天鵝事件總讓我們預測錯誤 — 不過這沒有關係。
原本我們處在「預測有效」的世界中，我們總是在錯誤地預測， 而事後，我們依舊正常地生活，有時候會塘塞個錯誤理由，甚或遺忘了當初預測的結果， 在未來事件真的到來時，天真地認為這結果就是我們想要的。
相不相信「無法預測未來」這命題對社會運作不會有影響。該來的總會來，不該來的你也等不到。 唯一的差別是我們的心智能否接受這個事實，接受「無法預測未來」這個事實， 能讓我們把資源配置在「準備」而不是「預測」，這更有效地減緩壞黑天鵝事件(巨大的風險)所造成的損失， 或是面對好黑天鵝事件(巨大的報酬)。不會把頭埋在沙中， 堅決宣誓這個世界是由黑暗及二氧化矽所組成的烏托邦。
目前的現實世界，大部份人都相信事物具備可預測性且預測結果的正確性與歸納準則(計算模式)的吻合度呈正相關。 就此概念，作者花了 400 多頁的內容為我們否證「未來的可預測性」、 駁斥柏拉圖模式不能應付真實世界、 分析黑天鵝事件(真正的不確定性事件)與可預測的機率事件之間的差別。 這部份有點冗長，但從作者整理的資訊看來，有些研究早就成功驗證， 只是待由他來整理、分享與我們而已。
在如何面對「黑天鵝事件」上，他不過以 5 頁蓼蓼帶過，這點令人有點失望。 我在閱讀本書約一半內容時，已完全相信他所提及「未來的不可預測性」， 並急著想要跳過這些更詳細的證明以得知作者避開負向黑天鵝事件及擁抱正向黑天鵝事件的方法。 最後的這 5 頁，除了讓人有著無法痛快的感覺， 卻也間接證明了「未來不可預測性」的確是無法掌握，沒有單一方法、特定手段可以避開/迎向它， 我們所能作的就是在心裡放置著一隻黑天鵝，不讓牠跑出柏拉圖圈。
如果這本書說對了，那麼現在對於那些整日與「預測」有關的工作怎麼辦? 像是證券分析師、市場分析人員、 專案可行性評估人員…。
股價不能預測、公司經理人良心不能預測、政府法規不能預測…，那我們幹麼要買股票! 因為我們必須利用股債組合打敗通貨臌脹率來維持我們的實質購買力。
證券分析師的工作目標是要讓投資人能獲得超額報酬。但是在效率市場的假設下，長期而言， 投資人只能獲得股市的平均報酬。就算是某些分析師真能神準預測股票的漲跌，但看看「沉默證據」後， 你會發現你挑不到那個神準分析師。
這些精研產業、公司的分析師，我是認為他們的存在只是在證明投資人不是理性之人。 如果可以，不應該找證券分析師的工作，因為當投資人變成理性之人後，買的會是指數型基金。 這時，分析師的話就沒人要聽了。因為有大量的證據顯示， 專業投資經理不能打敗購買和持用廣泛股票的指數基金【漫步華爾街，2004】。
在產品開發或是專案推動上，不可避免地要作市場調查，或是可行性評估。在這些研究中， 必面臨到某些變數的預測：利率、需求量、物價成本、人力成本、可使用資源量…。那麼在不可預測下， 難道我們就要放棄作調查嗎? 那麼專案是否執行? 就只能靠丟銅板決定，我想老闆們絕對不會接受這種說法。
我認為如果擔任到這方面的職務，就只能硬著頭皮，照著傳統上、其他人大量使用的方法論去作預估。 要不然，生不出企劃書，到時候，銀行也不可能給專案貸款，或是工廠根本無法向上游供應廠商叫料， 這只會增加企業經營成本。
雖然不得已進行預測，但請在心中保留著一份對「企劃書」的質疑，它可是在柏拉圖圈內的成品。
因為意外總會打亂計劃，所以我認為作任何事應該以「存在」為最高目標。凡事不要過份強求， 不要認為作對一件事，整個人生就高枕無憂，如同 r 策略一般，儘量掌握每個小機會。
我們以公司經營績效來看，為了賺取高額利潤，勢必要忍受高額風險，像在產品研發上， 如果要它能賺大錢，勢必研發費用會提高，在面臨幾次研發失敗後，公司資本撐不過虧損， 那就只能關廠走人。
像只作光碟片的 2396 精碟過去也有 359 元的行情，如今不到 1 元。 而產品線豐富的 GE 卻已經存活了 133 年了。另外像台積電目前也打算轉型作太陽能相關產業， 這也說明了單靠一種產品，有可能獲利豐厚，但在趨勢轉變下，該單一產品就會變成最大負擔了。
最後，這本書給我的最大收獲，就是別浪費時間了, 停止「預測」這檔事吧! 直接找尋避險管道，或是配置可消減個別風險的事件組合， 像是買進股票並在高檔買進賣權、購買終身夀險及保持適度運動維持健康。
當我們評估一投資方案或是生產方案是否實行時，就現金流量而言，我們可用 IRR(Internal rate of return) 來作評估。然在比較機會成本上，試問你該以什麼樣的利率作為訂定報酬率的依據，選定 5% 而不是 3% 的理由是什麼呢?
用銀行報價的存款利率可以嗎? 那用那一家呢? 台新銀行、國泰銀行還是台中銀行? 試問萬泰銀行的存款利率高還是國泰銀行的利率高?
在 FOClass: 零息債券殖利率計算 中，我們可算出零息債券的殖利率，但如果要套用在實務上的應用中，我們必須將觀察到的各點作一迴歸函式，讓我們可以找到各天期的殖利率。
市場上，我們能觀察到的公債交易標的多半都是附息債券，而附息債券因為有息票收入的關係，所以無法視為即期利率。在本文中，我們將利用存續期間(Macaulay duration)調整法來消除息票影響。
存續期限最先由 Macaulay(1938) 提出。依 Macaulay duration 之定義，存續期限相同的債券，不論 Coupon rate 為何，不論是附息或零息債券，皆視為有著相同「有效」到期期限(effective maturities) 或「真正」到期期限(true term to maturities)之債券。
也可將存續期限視為回收本金時間。
一債券殖利率等式( 原理 )如下，試求 r 值：
如果該等式中 (1+r)^t 的期別 t 皆為大於 0 的整數時，我們可以直接使用 numpy.lib.financial.irr([0.875*(1-280/365.), 0.875, 0.875, 0.875, 0.875, 100.875]) 求解債券殖利率 r 。但可惜它不是，所以我們使用二分逼近法來求得近似解。
P.S. FO 就是 Futures and Options (期貨與選擇權)。
債券殖利率是投資人在買進債券後，一直持有至債券到期日為止，這段持有期間的年平均報酬率。故殖利率又稱「到期殖利率(YTM，Yield to Maturity)」。而公債殖利率則是我們用來評價期貨與選擇權的主要工具之一。因為它代表了 資金在無風險情況下的機會成本 。
對主修營建管理的學生而言，計算債券殖利率的原理即是工程經濟中計算某一型態現金流量的 IRR (Internal Return Rate 內部報酬率) 。我們以一中央政府公債作為範例，介紹該殖利率計算方式。
(感謝 Youtube ，讓我重新看到十多年前的廣告)
上面是一家美語補習班(空X英語教家)的廣告。片頭一開始是兩個乞丐在街頭乞討，但生意不好，所以其他一個人就用英文對另一個人說：「聽說到台灣教英語很好賺!」