投资理财-不贪婪

投资是一场终身的修行,我也不断反思自己,不仅从自己、从投资的视角去反思,也从社会、历史、市场其他参与者的视角去反思。

我自己的体会是,投资者最大的心魔,大概率就是贪婪,从我自己这些年亲身经历看,不贪婪就是做投资最好的安全边际。

贪婪的人总是想把所有的利润为己所有,但这显然是不现实的,每个人的能力圈都是极度有限的,能把自己能力圈内的钱赚到,就已经很不错了。

这其实也告诫我们,没必去要羡慕别人,也没必要热衷于市场的热点,把握住自己能力圈内的机会,才是最重要的。

其次,即使在自己的能力圈内赚钱,也没必要把每个机会都榨干。比如说,某个投资机会预期的极限利润空间是100%,那么,当利润达到70%至80%就该考虑收手了。

所以,老话说不赚最后一个铜板,确实是至理名言。

我们做投资本是为了更好的生活,好的生活首先要身心健康,如果因为投资却毒害了身心,那就得不偿失了。

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值