1.到底什么是数字经济？作为经济学概念的数字经济是人类通过大数据（数字化的知识与信息）的识别—选择—过滤—存储—使用，引导、实现资源的快速优化配置与再生、实现经济高质量发展的经济形态。数字经济的三要素包括数据、信息、产业：一、数据成为新的关键生产要素。在数字经济时代下，万物互联，各行各业的一切活动和行为都将数据化。二、信息通信技术为创新提供动力。以信息技术为基础的数字经济，正在打破传统的供需模式和已有的经济学定论，催生出更加普惠性、共享性和开源性的经济生态，并推动高质量的发展，例如基于物联网技术诞生出诸如智慧路灯、智慧电梯、智慧物流、智能家居等丰富多彩的应用，为经济生活注入了极大的创新动力。三、数字经济推动产业融合。数字经济并不是独立于传统产业而存在，它更加强调的是融合与共赢，与传统产业的融合中实现价值增量。数字经济对传统产业融合主要体现在生产方式融合、产品融合、服务融合、竞争规则融合以及产业融合。数字经济与各行各业的融合渗透发展将带动新型经济范式加速构建，改变实体经济结构和提升生产效率。数字经济受梅特卡夫法则、摩尔定律、达维多定律三大定律支配，具有快捷性、高渗透性、自我膨胀性、边际效益递增性、外部经济性、可持续性、直接性等产业特征。2.数字化转型和数字化创新有什么不一样？（1） 数字化转型主要指企业在经营发展过程中，重视数据的价值和影响，以数据作为重要的生产要素进行资源整合与业务优化。数字化转型是一个中长期的概念，涉及到企业多个维度的业务环节；（2）数字化创新数字化创新就是指用数据作为业务资源，进行新的业务场景、服务场景、技术产品的设计和开发。数字化创新是一个中短期的概念，企业在数字化转型的成果，是以许许多多优秀、成功的数字化创新的案例所体现出来的。（3）二者的相互关系很多企业在数字化转型工作中，先要进行业务现状梳理、 数据综合治理、 数据平台系统建设、 企业级信息架构设计等很多重要的基础准备工作，在这些充分的准备工作基础之上，企业可以更有效地数字化创新的过程。3.数字化、信息化、智能化有什么不一样？数字化、信息化、智能化，三者概念相似，广义的数字化包括信息化和智能化的含义。从技术特点来说，企业使用现代信息技术提升业务能力的有从信息化，到数字化，最后再到智能化的总体发展趋势。三者主要特点如下：信息化：关注连接，支持业务实体进行更高效的信息交互和事务处理。数字化：关注分析，支持从数据中分析挖掘出有价值的业务知识和商业洞察，指导业务决策。智能化：关注自动，支持使用数据模型代替人的工作，降低人工负担，让人关注更加重要的创新性工作。4.数字化转型一定要自建系统吗？数字化转型经常会被和系统建设联系起来，但是系统建设并非数字化转型的必选项，甚至对于大多数企业来说，重要的是搞清楚怎么用系统，而不是怎么建系统。企业的数字化创新依赖于信息系统能力，需要把业务和系统相结合，对业务改造、升级、赋能。当企业的数字化对信息技术的个性需求不强时（往往是浅层的数字化转型），仅仅采用购买整套的ERP系统或者租用/订阅SaaS服务的方式就能解决问题，也就是不用自建，直接用就好了。而当数字化越来越深入，随着企业的个性化业务需求越来越多，就要进行系统的定制开发。很多企业有自己的专业开发团队，但是对于没有专业开发团队的企业，则需要找第三方的ISV厂商。ISV厂商有多重的外包服务模式，比如负责开发、负责咨询方案、负责方案+开发，负责方案+开发+培训等。由于数字化转型的本质是系统加业务的组合，因此除代码落地以外，ISV厂商如果还能主动挖掘企业数字化业务的需求，并提出基于系统的全套解决方案，才能构成真正的核心竞争力。5.数据科学家的工作职责到底是什么？商业逻辑与思考将实际应用中的业务问题转化为数据需求，进行数字化场景的设计，生成数据建模或数据分析问题。2. 数据检查与清洗为数据问题寻找合适的、高质量、可靠的数据源，对数据源进行筛选和预处理，统一数据格式。3. 特征工程选择用于建模或分析的数据特征，特征工程的工作体现数据科学家对业务的深刻、准确理解。4. 数据建模尽管在技术维度，数据建模看起来有一定门槛，实际上在一些成熟的算法框架、大数据框架下，但是该环节很可能是花费时间最少的。5. 沟通和优化数据科学家构建数据模型的最终目的是为了对业务进行有效支撑，因此数据模型在正式上线应用之前，需要进行多方验证，数据科学家需要与业务人员以及管理人员进行模型的效果确认，汲取业务端的反馈，并对模型进行及时的调整和优化。6. 撰写文档将数据模型成果进行文档撰写，说明模型的使用场景、规范、以及调用方式等，汇报技术工作成果。6.不同规模企业对SaaS系统的使用情况如何？（1）小型企业：多为首次接触，尝试使用SaaS。大多使用规模小、功能简单的产品。SaaS的灵活性可以满足企业快速扩张带来的变化，同时减轻资金方面的压力。（2）中型企业：企业信息化转型增加了SaaS的需求。SaaS能缩小中型企业于大型企业的技术差距，缓解IT用人压力。（3）大型企业：对SaaS的需求在于核心业务衍生的、方便跨部门协作、决策辅助型产品。如数据分析、视频会议等。多为传统软件转SaaS，对产品定制和私有部署需求高。7.数字化系统应该“定制”还是“订阅”？数字化系统在开发实施的阶段，按照数字化系统的定制化要求不断增加的顺序，有几种具体的情况：一是直接买现成的SaaS系统或服务，二是基于已有的模板进行微调适配，三是完全定制开发。对数字化系统的定制化要求越高，系统的研发成本也就越高，系统研发的周期也更久，系统实施的风险也越大。不同业务活动对数字化系统的定制化要求不一样，一般来说：与日常生产运营相关的业务活动（在线环境）对系统的定制化要求更高，通常涉及到针对企业的现有系统集群进行信息系统的增值改造和功能集成的需求，需要与在线业务系统和硬件设备进行数据同步；与企业管理决策相关的业务活动（离线环境）对系统的定制化要求较低，如财务系统、 人力系统、 供应链系统、 库存系统、 OA办公系统、 项目管理系统、 文件管理系统等，这些功能通常可以直接采购现成的ERP或订阅SaaS服务快速实现数字能力的升级赋能。8.数字化在智能制造有哪些典型应用？智能在线检测：应用融合数字传感、AI的智能检测装备；接触或非接触式在线采集生产数据；自主判断、识别和定位相关缺陷问题。2. 离散型工艺数字化设计：将先进制造、知识图谱等技术与CAD、CAE等系统结合；应用三维模型结构化表达工序流程、制造信息和资源要素；开展加工、装配、生产等环节设计与虚拟验证。3. 智能仓储AI、射频识别、智能传感与仓储设备、仓储管控系统融合；物料自动出入库和信息自动记录；仓储过程可视化管理和自适应优化。4. 车间智能排产依托调度排程系统，应用融合智能算法的调度模型；实时预测车间产能，响应动态扰动；进行交期、产能和库存等多约束条件下的车间排程优化。5. 精益生产管理建立车间管控系统，进行人、机、料等全要素实时感知；应用六希格玛、6s和TPM等先进精益管理方法，实现基于数据扰动的全流程精益生产管理。6. 生产计划优化打通ERP系统与采购、库存、生产、销售等过程；应用约束理论、寻优算法和大数据分析等技术，结合需求预测和产能评估制定生产计划。9.数字化在智慧城市有哪些典型应用？智能移动和交通随着城市过度拥挤，交通将在缓解未来智能城市的拥堵方面发挥关键作用。智能交通大数据技术对大量摄像头、传感器、GPS等设备采集的大量图像信息、车辆运动信息、道路信息、GIS信息、气象环境信息进行综合处理和挖掘，对交通流量、出行规律等统计和预测数据进行分析和预测，并通过可视化手段展示，可以提高交通主管部门的管理效率和突发事件的相应速度，缓解城市拥堵程度，降低事故率。提供行驶方向、车辆数量、交通拥堵、停车位信息、出行计划等。将有效提高市民的出行效率，快速缓解城市普遍存在的“开车难、停车难”问题。智慧能源如今，将大数据技术与智慧能源相结合的大数据智慧能源管理系统，为社会发展提供了新的模式。通过大数据智慧能源管理系统的部署，可以保证智慧能源在配送过程中降低消耗成本，突破传统单一能源的控制，实现各种能源之间的最优生产，从而提高生产效率。以大数据为核心的智能能源管理系统能够更好地把握用户需求，根据用户需求进行能源分配和整合，实现用户间的优势互补，并通过客户反馈智能调节能源分配机制，以适应市场的发展。智慧医疗医疗的发展需要大量的技术和实施成本，主要体现在精准医疗和大数据的结合，可以实现个性化医疗。这将大大减少过度医疗造成的医疗资源浪费，同时降低医疗成本。是面向未来的创新医疗资源，将打破传统医疗模式。医疗仪器在临床辅助诊疗和健康管理中非常重要，所以推动医疗大数据的应用是一个特别重要的技术点，这也是医疗大数据价值的体现。精准医疗和大数据的结合，可以利用人类对疾病的感受和医生的治疗经验，形成一个非常庞大的数据库，让医生通过大数据信息系统对患者进行诊疗，再也不用排队等一个专家号了。智慧也会需要一个非常强大的数据服务平台来承载医疗大数据，包括影像数据、电子病历数据等。有了这些载体，它的价值就可以通过各种信息处理和人工智能技术得到更好的体现。智慧政务电子政务搭建电子政务云平台，提供对政务信息、互联网信息、舆情等综合信息的筛选和挖掘能力。快速直观地展示科学分析和预测的结果，提高政府决策的科学性和准确性，提高政府在社会管理、宏观调控和社会服务中的预测/预警能力、应对能力和服务水平，降低决策成本。在电子政务中运用大数据技术，逐步实现立体化、多层次、全方位的电子政务公共服务平台和数据交换中心，推进信息公开，推进一站式、全天候、部门协同办理、网上统一查询反馈等网上服务功能，降低企业和公众的服务成本。安全方面在信息安全方面，智慧城市中的政府信息、城市运行数据、企业数据、客户数据及其资料都是宝贵的数据财富，需要加以保护。由于大量数据的集中，很容易引起非法用户的注意。另一方面，用户信息的意外泄露也是导致安全风险的重要因素。大数据贯穿智慧城市的不同层面，其安全需要从技术、管理、法律等方面入手。公共安全方面，公共安全大数据不仅仅是遍布城市的摄像头和监控设备，还有网络、媒体、短信等多媒体的全方位舆情监控。更重要的是，通过对海量数据的分析和挖掘，及时发现安全隐患、人为事件或自然灾害，提供跨部门、跨区域、高效的综合应急能力、安全防范能力、打击犯罪能力。10.大数据分析与传统数据分析究竟有何差别？（1）传统数据分析数据规模不大，但是数据质量比较高，数据分析的目的是，从典型样本数据中，发现数据背后的知识或规律，解决实际问题。（2）大数据分析不强调数据的质量，只要数据规模足够大，哪怕数据看起来杂、乱，也能从中挖掘出非常有价值的信息。大数据分析没有“数据样本”的概念，做的是全数据、全维度分析的事情，因此通常可以挖掘到更多、更全面的知识规律。大数据分析有一套特殊的技术框架，专门用来解决数据量大（分布式技术）、数据格式不统一（非结构化存储）等技术问题。11.数据治理和数据管理是一回事吗？（1）数据治理是企业的战略层活动，是定目标、定方向的总体性工作，对数据管理工作进行监督和管控，数据治理的基本职能是指导具体的数据管理工作，聚焦于如何对数据管理活动进行有效的决策。数据治理是抽象程度更高的数据业务活动，强调建立成熟的数据获取、管理、与应用的综合能力体系。数据治理工作是项目制的，企业中启动数据治理工作一般有具体的业务变革契机来驱动。 （2）数据管理数据管理是制度层的数据活动活动，是指对数据对象在具体层面实施管理职能，包括对数据的全类型、全生命周期的业务活动进行管理，并制定相应的标准、方法，以及规范。典型的数据管理工作包括数据库管理、数据类目管理、主数据管理、数据安全管理，以及数据质量管理等诸多方面内容。12.到底什么是元数据？数据是用来描述企业中各种业务对象的，由于数据本身也是企业中业务对象的一种关键类型，因此也需要对数据进行描述。而元数据，就是描述数据的数据。 对于企业的数字化转型来说，数据将贯穿在越来越多的业务活动中，因此就务必要对数据进行系统管理，元数据在数据管理工作中具有十分重要的意义。如果没有元数据，就没有办法理解数据，也没有办法使用数据以及对数据内容进行管理。13.元数据有哪些信息来源？（1）应用程序中的元数据存储库存储元数据的物理表（2）业务术语表业务概念、术语、定义、以及术语之间的关系（3）商务智能工具（4）配置管理工具（5）数据字典（6）数据集成工具（7）数据库管理和系统目录（8）数据映射管理工具映射管理工具用于项目的分析和设计阶段，它将需求转换为映射规范，然后由数据集成工具直接使用或由开发人员用来生成数据集成代码（9）数据质量工具（10）字典和目录（11）事件消息工具（12）建模工具和存储库（13）参考数据库（14）服务注册（定义、接口、操作、输入、输出参数、制度、版本和示例使用场景）（15）事件注册表、源列表或接口、代码集、词典、时空模式、空间参考、业务规则等14.如何区分参考数据和主数据？参考数据和主数据都为交易数据的创建和使用提供重要的上下文信息，以便用户理解数据的含义，两者在数据管理工作中，都需要尽可能地保证一致和统一，以实现数据的集中管理和维护。从所描述的对象来说，主数据通常指业务中重要的概念实体，如供应商、客户、产品等，参考数据通常指描述业务属性的重要业务标签，即规定某些分类属性的值域范围。与主数据相比，参考数据不易变化，它的数据集通常比交易数据集或主数据集小，复杂程度低，参考数据不用考虑主数据中的实体解析、实体对齐的业务挑战。参考数据和主数据的管理侧重点不同：对于参考数据管理（Reference Data Management，RDM），需要对定义的阈值进行控制规范，保证业务系统访问的参考数据标准是最新的。对于主数据管理（Master Data Management，MDM），需要对主数据的值和标识符进行控制，以便能够跨系统一致地使用核心业务实体中最准确的数据清单。15.数据中台应当具备哪些技术能力？一、面向数据生产过程的能力：（1）对企业中不同系统渠道、不同业务线条、不同管理部门、不同内容格式的数据资源进行整合，提供实时接入、离线同步、异构数据源、可视化配置等功能。（2）对数据进行清洗和标准化，持续优化数据资源质量，提供数据格式转化、 数据去重、 删除异常值 、数据一致性检验、 数据属性自动补全等功能；（3）提供数据资产开发相关的技术功能模块，提供数据（标签）自动标注、 数据建模分析、 数据特征挖掘、 数据主题联接等功能；二、面向数据消费过程的能力：（1）以元数据为中心，提供数据资产的管理能力，包括元数据管理、 数据血缘分析、 数据生命周期管理、 数据资产目录维护等功能。（2）将数据资产封装成数据服务进行维护和数字化能力输出，对外提供数据应用所调用的API或具有丰富可视化组件的OLAP分析功能。16.数据可视化究竟解决了什么问题？数据可视化的本质意义就是增强了信息的表现能力，其作用主要有两方面：一、发现问题：通过数据可视化可以更加直观地呈现数据的分布、规律、变化规律，以及数据“点”彼此之间的复杂联系，从而更容易地挖掘出有趣的分析结论，毕竟人们对图形的观察能力相比对“抽象”的数字来说，更加擅长。二、说服别人：通过数据可视化，可以更好地传达“我”的分析观点，在很多数据分析报告中，通过有效的画图，能够很好地“讲故事”，说服领导、投资人、以及客户；即便是同样的数据，如果选择不同的图形方式来展示，甚至可以传达出完全不同的信息和观点。17.数据架构和数据模型有什么不一样？数据架构是企业级的数据框架，包括：企业级数据模型和企业级数据流程图。一般场合下所讲的数据模型是指项目级的数据模型，项目级的数据模型的作用是定义数字化解决方案中的数据需求，成为业务人员和技术人员之间进行数据逻辑沟通的重要载体。在定义项目级数据模型时，需要与企业级的数据模型保持一致，是企业级数据模型在某种具体业务场景的具体实现。18.中小企业的转型困难是什么？（1）新技术引入业务复杂性，企业运营能力跟不上（2）业务人员对新技术接受能力滞后，适应期和效果期过长（3）对于技术 的追求“形式大于内容”，不解决实际问题（4）核心业务仍挣扎在边缘线，没有足够的精力和资金顾及当下对数字化转型工作的投入。19.大型企业的转型困难是什么？（1）没有构建起统一可量化的业务标准；（2）很难清晰看到数字化带来经济效益的明确发展路径；（3）企业业务逻辑复杂，缺少有效的行业参照物；（4）缺少数据积累以及必要的能够自动积累数据的信息化系统；（5）缺少能够熟练操作数据、管理数据、分析数据的必要人才；（6）业务惯性较大，转型工作牵扯业务线条和利益关系复杂；（7）组织架构复杂，依赖于强大的组织资源推动力；（10）企业存量积累的数据问题多，前期数据治理工作阻力更大；（11）企业壮大的历史成功经验容易让管理者“忽视”数字化的意义和价值；（12）容易追求“短、平、快”的表面工程，缺少长期规划。20.数字化时代的组织管理有什么特点？1）扁平化组织结构更加扁平，信息在组织内部传播速度更快，管理者能够更加准确地了解具体业务情况，能够及时发现业务问题并纠偏，扁平化的组织更加灵活、柔性，同时也减少了不必要的“过度管理”。2）平台化打造平台型组织，在提供必要的技术支持、组织支持、供应链支持、数据支持、渠道支持的基础之上，最大化地连接组织外部的人力资源，一方面可以弥补组织内部人力不足的问题，同时为人才提供足够的“创新空间”和“创新动能”。3）价值驱动数字化技术为组织提供强大的管理工具，可以极大降低组织管理活动的复杂性，企业的经营理念从管理驱动逐渐转化为价值驱动，企业中的人员以价值创造为目标开展业务活动。4）协作共创组织中的管理层级关系不断弱化，管理决策方案并非以“自上而下”的方式产生并下达执行，不在强调某个管理者个体的观点偏好。组织中更多的活动将以“松耦合”的方式展开，在明确任务和产出的基础之上，项目全员共同参与、共同创新、共同创造，协作推进。5）持续成长组织与人的关系应该是共同成长的关系，只有人与组织的成长结构互相匹配，才能长久协作，从而保持组织结构的稳定。因此在数字化时代，组织更加关注基于数字化的平台能力，为个体的持续学习、持续成长进行长期赋能。从总体的转型长远效果来看：大型企业在数字化转型之后，掌握数据的一方将成为组织中新的“权利中心”，从而更好地协调组织资源，推动组织战略规划的执行落地。原先对于非数字化企业，业务碎片化明显，组织资源难以统一协调，各业务部门（分公司）之间彼此斗争激烈，部门墙的现象比较严重。而随着企业数字化程度的提高，企业中集团层的管理部门能够更好地掌握组织运营的全局发展情况，以数据作为抓手，更有效地进行资源的整合与组织的集中管理。需要注意的是，这里的集中管理并不是指集中化的大家长式管理方法，而是强调提升了决策者对企业整体的组织协调能力；数字化能力可有效地打破业务部门之间以及职能部门之间的障碍，实现组织内部不同人员、 团队的广泛连接与合作，实现资源的优化配置。数字化的本质是提供了一套流程化、 标准化的数据价值发现与应用的流程，让组织内部更加开放，实现产业价值的共创。21. 什么是数据血缘分析？数据血缘属于数据治理中的一个重要概念，说的是在数据溯源的过程中找到相关数据之间的联系，它是一个逻辑概念。任何的数据，从产生、ETL处理、加工、融合、流转，到最终消亡，数据之间自然会形成一种关系，例如数据a通过ETL处理生成了数据b，那么会说数据a与数据b之间具有血缘关系。通过数据可视化功能模块，可以对数据血缘的分析结果进行系统的展示呈现，以数据中台为载体，支持企业多方面的数据治理工作，具体如下：追踪数据溯源：当数据发生异常，帮助追踪到异常发生的原因，平时也能帮助我们追踪数据的来源，追踪数据处理过程。评估数据价值：要对数据价值进行评估，就需要有依据，数据血缘关系，可以从数据受众、数据更新量级、数据更新频次等方面给数据价值的评估提供依据。数据质量评估：数据的血缘关系图上，可以方便的看到数据清洗的标准清单，这个清单反映了对数据质量的要求。22. 如何区分业务元数据、 技术元数据、 操作元数据？元数据主要包括业务元数据、技术元数据、操作元数据：（1）业务元数据：业务元数据是定义和业务相关数据的信息，用于辅助定位、理解及访问义务信息。业务元数据的范围主要包括：业务指标、业务规则、数据质量规则、专业术语、数据标准、概念数据模型、实体/属性、逻辑数据模型等。（2）技术元数据：它可以分成结构性技术元数据和关联性技术元数据。结构性技术元数据提供了在信息技术的基础架构中对数据的说明，如数据的存放位置、数据的存储类型、数据的血缘关系等。关联性技术元数据描述了数据之间的关联和数据在信息技术环境之中的流转情况。技术元数据的范围主要包括：技术规则（计算/统计/转换/汇总）、数据质量规则技术描述、字段、衍生字段、事实/维度、统计指标、表/视图/文件/接口、报表/多维分析、数据库/视图组/文件组/接口组、源代码/程序、系统、软件、硬件等。技术元数据一般以已有的业务元数据作为参考设计的。（3）操作元数据：操作元数据主要指与元数据管理相关的组织、岗位、职责、流程，以及系统日常运行产生的操作数据。操作元数据管理的内容主要包括：与元数据管理相关的组织、岗位、职责、流程、项目、版本，以及系统生产运行中的操作记录，如运行记录、应用程序、运行作业。23. 什么是数据中台和数据湖，二者有什么区别？数据湖：把企业中表格、日志、照片、文字、视频等不同类型、不同来源的数据进行汇集和管理，形成数字化能力底座，构建统一的数据资源池。数据湖的好处在于不需要提前定义数据结构就能进行数据分析，尽可能地保留原始的细粒度数据内容。数据湖是关于数据存储的技术概念。数据中台：数据中台在企业数据资源共享的基础上，提供一系列的算法、模块，和工具实现数据资产的开发，并基于数据资产构建了一系列数据服务，支撑前端数字创新应用的快速设计和实现。数据中台具有对数据以及数据资产的管理能力，但其关键在于提供数据消费应用支撑，本质是关于数据应用的技术概念。24. ETL和ELT有什么不一样？ETL和ELT都是由数据抽取（Extract）、数据格式转换(Transform)、数据加载(Load)三件事组成的，只是执行顺序不一样，二者都是用来完成数据搬运与集成的。例如把来自于财务系统、营销系统、订单系统、生产系统等不同业务系统的数据通过ETL或ELT的方法搬运到数据仓库中进行统一组织管理，为企业不同应用提供综合服务。早期，企业用ETL比较多，最近随着数据湖和数据中台越来越流行，很多企业开始使用ELT的技术架构。在ETL架构，数据转换时间与数据规模成正比增加，但在ELT架构中，速度不会数据大小影响，数据搬运效率更高。25. 微服务架构和SOA是一回事吗？SOA（Service Oriented Architecture），中文名称是面向服务的架构：是一种软件设计方法，其中包含多个服务，服务之间通过相互依赖最终提供一系列的功能。一个服务通常以独立的形式存在与操作系统进程中。各个服务之间彼此通过网络进行调用。微服务架构：本质上和SOA架构类似，是在SOA上的进一步升华，微服务架构强调的重点是业务需要彻底的组件化和服务化，原有的单个业务系统会拆分为多个可以独立开发、设计、运行的小应用。这些小应用之间通过服务完成交互和集成。SOA强调系统级别以及子系统级别之间的交互，依赖于ESB总线的结构，目的是解决系统间集成的技术问题；微服务架构依赖于“容器”的概念，把一个软件系统拆分成基于容器的多个细粒度（比子系统级别更低，到模块或服务级别）模块的排列组合结构，目的是解决软件功能模块（代码模块）的复用问题。26. 数据库和数据仓库有什么区别？1、数据库是面向事务（流程）的设计，数据仓库是面向主题（场景）设计的。2、数据库一般存储在线交易数据（生产环境），数据仓库存储的一般是历史数据（离线环境）。3、数据库设计是尽量避免冗余（数据一致性），数据仓库在设计是有意引入冗余（数据完整性）。4、数据库是为捕获数据而设计（从业务到数据），数据仓库是为分析数据而设计（从数据到业务）。5. 数据库是信息化时代的产物，数据仓库是数字化时代的产物！27. 如何衡量数据中台的建设效果？很多大型数字化企业都在做数据中台建设，那么数据中台的建设效果应该如何评估呢？建议从数据的可见、 可用、 可运营三个主要维度来衡量数据中台的建设是否达到预期的目标：一、 数据可见包括指标管理的可视化、 元数据管理的可视化、 数据资产类目的可视化、 数据源的可视化、 数据集成的可视化、 数据ETL的可视化、 数据建模的可视化、 数据消费者的可视化、 算法建模的可视化等方面；二、 数据可用包括数据内容的可用性、 数据服务的可用性、 数据任务的可用性、 数据的指标化、 数据的标签化、 以及数据资产的易阅读性等方面；三、 数据可运营包括数据质量的量化管理、 数据价值的量化管理、 以及数据运营角色的区分以及相应的指责划分。28. 为什么业务人员对转型经常“漠不关心”？（1）数字化转型需要前期大量准备工作，主要体现在数据治理方面，数据治理本身不直接创造业务价值，与业务人员的本职绩效考核在时间和精力上冲突；（2）数字化创新是基于“人+机器”的新的业务模式，超脱于现有的工作流程，不在业务人员想象能力范畴之内，业务人员无法提出现有工作流程之外的新的解决方案；（3）技术人员在对接需求时，容易脱离实际，“搞想当然”的做法，无法深入到一线去理解业务人员工作痛点，容易先入为主，只想技术能做什么，而不想业务端需要技术做什么；（4）数字化会消除“信息不对称”和业务环节“冗余”，引入数字化技术会触碰现有业务流程内某些人员的既得利益，如失去偷懒机会、 必须要面对新的工作压力、 无法利用信息不对称获取超额权益；（5）引入数字化系统，相当于引入新的“复杂性”，业务人员要学习新技术、 接受新概念、 承担新风险，系统最优的解决方案有可能在个体层面带来更大的工作负担；（6）担心被技术替代，知识焦虑、 失业焦虑，数字化的目的是降本增效，“降本”本质上也包括人力成本。29. 数字化转型的发展阶段大致有哪些？数字化转型共分为五个发展阶段：初始级发展阶段、单元级发展阶段、流程级发展阶段、网络级发展阶段、生态级发展阶段。（1）初始级发展阶段：在单一职能范围内初步开展了信息（数字）技术应用，但尚未有效发挥信息（数字）技术对主营业务的支持作用。（2）单元级发展阶段：在主要或若干主营业务单一职能范围内开展了（新一代）信息技术应用，提升相关单项业务的运行规范性和效率。（3）流程级发展阶段：在业务线范围内，通过流程级数字化和传感网级网络化，以流程为驱动，实现主营业务关键业务流程及关键业务与设备设施、软硬件、行为活动等要素间的集成优化。（4）网络级发展阶段：在全组织（企业）范围内通过组织（企业）级数字化和产业互联网级网络化，推动组织（企业）内全要素、全过程互联互通和动态优化，实现以数据为驱动的业务模式创新。（5）生态级发展阶段：在生态组织范围内，通过生态级数字化和泛在物联网级网络化，推动与生态合作伙伴间资源、业务、能力等要素的开放共享和协同合作，共同培育智能驱动型的数字新业务。30. 如何理解“云原生”？什么是“云原生”，就是指软件系统的开发建设需要按照在云上部署和应用的方式进行技术落地。一个软件系统的建设的生命周期包括开发、部署、应用三个阶段，三者要彼此一致，才能保证技术和业务能够“完美”衔接。当今，软件部署和应用在云上是大的流行趋势，因为这样有很多实用方面的好处：比如系统可以随着用户的增加不断地“扩容”（用户增长很快），系统可以灵活地增加和删减功能（需求变化很快），系统的维护和升级不影响正常使用（消费者体验很重要），系统可以开放模块对外赋能（C端互联网向产业互联网转变的趋势）等，系统需要承担非常大的算力负担（大数据背景下的运营与营销）。因此，系统的开发策略选择，需要充分适应在云上的部署环境和云的分布式技术架构特征。31. 数字化转型的人才需求结构是怎样的？（1）数字化领军人才领军人才是数字化转型的直接负责人和关键，指由董事长或CEO牵头设立的数字化转型小组，以助力企业建立对数字化的整体认知和制定顶层规划。在数字化转型中，即要自上而下地推动转型进程，又要自下而上的不断创新，因此企业数字化转型需要企业的“一把手”和核心经营管理层共同行动。数字化领军人才需要确定转型的战略和方向，并提供必要的资源支持，其对数字化的认知水平和决策能力是转型成败的关键。（2）数字化专业人才他们的主要任务是发现企业业务上的问题、并利用科学技术创造性的解决问题。专业人才既需要对业务有充分的知识积累和分析能力，也需要有足够的技术专业素养，他们能够针对客观的业务需求提供有效的数字化方案设计，负责数字化项目具体落地的推动，包括：系统或平台规划与设计、开发与建设等工作，用专业技术解决问题等。此外，在推动数字化应用落地方面，数字化专业人才还需要具备产品能力、运营能力以及项目管理能力。（3）数字化基础人才数字化基础人才涵盖的方面很广，涉及到数字化转型工作具体执行操作的方方面面。数字化是面向全企业级别的工作，数字化转型要求企业相关团队的员工具备基本的数据素养，能够熟练应用与数据相关的信息系统，能够根据一线业务提出具体的系统建设需求，能够主动适应因引入数字化变量带来的业务工作流程变化；在技术层面，基础人才还会参与到数据的具体录入、注册、管理、校对等执行工作，以及与数据相关的信息系统的开发建设工作。32. 如何选择做数据分析师还是数据科学家？简单讲，从工作性质的侧重点来说，数据分析师侧重于业务，相当于“20%的技术＋80%”的业务工作；数据科学家的侧重于技术，相当于“20%的业务+80%”的技术。对于大多数企业来说，数据分析师都是必不可少的，但是数据科学家的岗位大多仅存于少数科技含量较高的企业以及规模庞大业务部门分支较多的企业。不管是数据分析师还是数据科学家，都需要了解业务，才能发挥数据科学技术优势。相对来说，数据分析师可以从企业业务部门“跨行”来做，但是数据科学家的跨行难度较大，大多数为科班出身。很多企业尽管招聘了数据科学家的岗位，但是并没有太多数据创新的经验积累，可能仅仅是做了一般数据分析的工作，因此二者之间在产业实践中也经常没有太清晰的边界。33. 人力资源领域中，数字化的场景有哪些？1）大数据方面：为企业管理员工提供事实数据，实现科学管理，具体体现在：员工分析：基于考勤等数据分析员工状态，关注异常变化。岗位招聘：依据累积数据描绘人才画像，精准触达求职者。绩效激励：根据往年数据，设计合理的绩效考核目标于奖惩机制。2）云计算方面：提供高并发、高可靠、可拓展的服务，实现多地员工实时互联，具体体现在：海量数据：有效应对企业不断增长的业务量对庞大计算能力的需求。办公自由：降低硬件设施对工作的限制，减少工作区域限制。个性化：具备柔性化管理能力，满足不同企业的个性化需求。3）人工智能方面：简化人力资源管理中的冗余工作，用于全人才生命周期管理，具体体现在：智能招聘：简化招聘入职流程，实现人-岗精准匹配。流动管理：评估员工能力于特质，推动内部人才流动，预测员工离职意向。岗位培训：通过文本分析自动筛选培训资料。4）RPA（软件自动化）方面：应用于人力资源管理的战略流程、人才管理，以及运营等环节，具体体现在：简化入职手续：自动激活用户账户，根据规则发送入职文档，分配新员工的凭证。薪资核算：收集和连接多个系统的数据，提高核算效率。员工背调：轻松获得详细信息，创建流程报告。34. 如何通过数据治理保障数据安全？在数据治理中，提升数据安全水平通常按照以下步骤展开：（1）识别敏感数据资产并分类分级，如个人身份识别数据、医疗数据、财务数据等，需要根据所属行业和组织类型等进行分类分级。（2）在企业中查找敏感数据，者取决于数据存储的位置，其安全要求可能有所不同，大量敏感数据存储在单一位置，如果这个位置遭到破坏，可能带来极大风险。（3）确定保护每项数据资产的方法。根据数据内容和数据类型不同，确保采取针对性的数据安全措施。（4）识别信息与业务流程如何交互。需要对业务流程进行分析，以确定在什么条件下允许哪些用户对数据进行访访问。35. 机器学习、深度学习、 强化学习，有何不同？（1）机器学习需要人工进行数据特征的选择和设计，使用人工“引导”产生的数据特征进行建模分析，在机器学习的过程中融合了业务专家经验。（2）深度学习可以从数据集中自动学习到数据特征，不需要人工进行特征设计，很难通过业务逻辑和业务经验对“黑盒”形式的模型进行干预调整。（3）强化学习是模型在与外部环境的交互中动态获得用于训练模型的数据，通过算法，机器不仅可以获得关于分类的知识，还可以获得关于行为决策的知识。36. 应该从哪几个角度评价数据质量的有效性？（1）完整性：指数据在创建、传递过程中无缺失和遗漏，包括实体完整、属性完整、记录完整和字段值完整四个方面。完整性是数据质量最基础的一项，例如员工工号不能为空。（2）及时性：指及时记录和传递相关数据，满足业务对信息获取的时间要求。数据交付要及时，抽取要及时，展现要及时。数据交付时间过长可能导致分析结论失去参考意义。（3）准确性：指真实、准确地记录原始数据，无虚假数据及信息。数据要准确反映所建模的“真实世界”实体。例如员工的身份信息必须与身份证件上的信息保持一致。（4）一致性：指遵循统一的数据标准记录和传递数据和信息，主要体现在数据记录是否规范、数据是否符合逻辑。例如同一工号对应的不同系统中的员工姓名需一致。37. 如何评估企业的数据管理成熟度？评估企业的数据管理成熟度可以从DAMA数据管理框架来展开，定义相应评价指标，包括：数据架构、数据建模、存储和操作、数据安全、数据集成和互操作、文件和内容管理、参考数据和主数据管理、数据仓库和商务智能的建设与应用、元数据管理、数据质量管理等方面。数据管理成熟度（CMM）模型包括1~5个级别，方便企业对其自身的数字化能力进行定位评估，包括：1）初始级：很少或没有数据治理，有限的工具集，控件应用不一致，为解决数据质量问题。2）可重复级：数据治理开始出现，引入了一致的工具集，定义了一些数据角色和过程，意识到数据质量的影响。3）已定义级：数据被视为组织的推动者，具有扩展能力的流程和工具，减少手工处理过程，流程结果和数据质量具有可预测性。4）已管理级：集中规划和管理，管理数据相关风险，规范了数据管理性能指标，数据质量改进能够量化评估5）优化级：高度可预测的流程，数据风险降低，充分理解数据质量和过程质量的指标含义。38. 数字化转型，没有数据怎么办？数字化转型中，数据资源是根本，只有解决数据源的问题，才能解决数据应用和数据创新的问题。（1）构建数据感知能力，将非数字化的信息转化为数字化的信息进行记录和存储。（2） 寻找和自身业务逻辑一致的免费、开放的数据资源，进行有效利用。（3）与有数据的企业或机构进行合作，购买第三方提供的数据服务或数据数据库。39. 数据中台是从数据仓库进化而来的吗？数据仓库是数据中台的一部分，但是数据中台并不能看作是数据仓库的2.0版本，二者是两种不同的数据处理思想，通常是彼此互相配合使用的。数据仓库存储的是企业的成熟的数据资产，而数据中台则对数据源到数据资产的整个数据价值链进行管理和维护。数据从数据源迁移到数据仓库采用的是ETL的模式进行存储的，数据先抽取、再转换加工，最后再进行持久化加载。数据从数据源迁移到数据中台采用的是ELT的模式进行存储的，数据先抽取、持久化加载到中台的数据层，然后通过各种数据开发工具进行数据的加工处理，形成具有业务价值的数据资产。在实践中，尽管数据中台加工得到的数据资产等价于数据仓库的业务定位，但是仍然会保留原有面向各个主题的数据仓库以及对应的ETL过程，并把数据仓库当作诸多数据源渠道之一和数据中台进行关联。40. 数字化转型为什么是一把手工程？原因1：数字化转型是战略问题，需要对企业全流程进行深度改造，需要全员参与配合；原因2：数字化转型需要整合分散在多个业务团队和部门的数据资源，打破部门之间的信息墙；原因3：数字化转型需要构造现实业务到数字世界的映射，制定全公司遵守的业务标准，统一业务对话口径；原因4：数字化转型需要解决当前业务与远期愿景的矛盾，短期成绩不显著时，需要承担不确定性和风险；原因5：数字化转型中需要对组织架构进行调整，需要对考核方案进行调整；原因6：数字化转型是成本类项目，需要解决转型所需的资源问题。41. 大数据的典型特征是什么？大数据的特征体现在4V，即大容量（Volume, 随信息技术的高速发展，数据开始爆发性增长，社交网络、移动网络、各种智能工具等都是数据的重要来源）、多样性（Variety，表示大数据场景下需要处理不同格式的数据类型，如文本、音频、视频等，主要在于大数据时代的数据获取渠道越来越丰富） 、速度快（Velocity，数据产生的速度非常快，很多业务场景需要实时的数据计算与处理能力，如流式计算）、价值性（Value，需要处理的数据量大，但价值密度低，需要能够从大规模数据中挖掘、提炼有效的业务知识和业务规律）。42. 到底什么是ERP？ERP是Enterprise Resource Planning （企业资源计划）的简称，最早来自于制造业领域，从MRP、MRPⅡ等系统演化而来。 ERP是针对物资资源管理（物流）、人力资源管理（人流）、财务资源管理（财流）、信息资源管理（信息流）集成一体化的企业管理软件。当前，ERP已然发展成为企业信息管理软件的统称，几乎任何行业都可以声称在使用ERP系统，除了制造业ERP，还有电商ERP、医药ERP、物流ERP，以及零售ERP等。43.集中式数据库、 分布式数据库、 联邦式数据库有什么不一样？在对数据的存储方案进行设计时，需要选择合适的数据库的架构，根据架构不同，数据库可以划分为集中式数据库、分布式数据库、联邦式数据库：（1）集中式数据库集中式数据库将所有数据存放在一个地方的一套系统中，所有用户连接到这套系统进行数据访问，对于需要广泛使用的数据来说，集中式数据库可能存在风险。（2）分布式数据库分布式数据库通过扫描大量节点快速获取数据，通常需要横向集成多台（从一台到成千上万台）服务器，每台服务器可以提供本地的数据计算和存储能力。数据任务可以在分布式数据库中并行执行，可以实现高带宽的聚合数据访问能力。（3）联邦式数据库分布式数据库包括联邦数据库和非联邦数据库两种子类型。联邦数据库强调各个数据服务器对数据的操作是自治的，提供了合并不同数据库的一种替代的方法——即通过网络实现不同数据服务器的互操作，将整个数据联邦看作是一个大型对象来统一管理。联邦数据库的具体形式可以表现为系统集成、数据可视化、模式匹配，以及主数据管理这种异构和分布式的集成项目。44.什么是正向工程和逆向工程？正向工程是指从需求开始构建新应用程序的过程。首先需要通过建立概念模型来理解需求的范围和核心术语，然后建立逻辑模型来详细描述业务过程，最后就是通过具体的建表语句来实现物理模型。逆向工程是指通过现有的数据库，了解系统的设计思路的过程。先是从数据库到物理模型，再从物理模型到逻辑模型，最后再从逻辑模型抽象出最初始的概念模型。当前，大多数的数据建模工具都支持逆向工程的相关功能。45.云计算有哪些服务类型？云计算是一种按使用量进行付费并最大限度减少用户及服务商交互的IT资源组织和商业模式。一、按照部署方式可以分成公有云、私有云和混合云：1）公有云云服务提供商部署IT基础设施并进行运营维护，将基础设施所承载的标准化、无差别的IT资源提供给公众客户的服务模式。公有云的核心特征是基础设施所有权属于云服务商，云端资源向社会大众开放，符合条件的任何个人或组织都可以租赁并使用云端资源，且无需进行底层设施的运维。公有云的优势是成本较低、无需维护、使用便捷且易于扩展，适应个人用户、互联网企业等大部分客户的需求。2）私有云云服务商为单一客户构建IT基础设施，相应的IT资源仅供该客户内部员工使用的产品交付模式。私有云的核心特征是云端资源仅供某一客户使用，其他客户无权访问。由于私有云模式下的基础设施与外部分离，因此数据的安全性、隐私性相比公有云更强，满足了医疗、金融等机构以及其他对数据安全要求较高的客户的需求。3）混合云用户同时使用公有云和私有云的模式。一方面，用户在本地数据中心搭建私有云，处理大部分业务并存储核心数据；另一方面，用户通过网络获取公有云服务，满足峰值时期的IT资源需求。混合云能够在部署互联网化应用并提供最佳性能的同时，兼顾私有云本地数据中心所具备的安全性和可靠性，并更加灵活地根据各部门工作负载选择云部署模式，因此受到规模庞大、需求复杂的大型企业的广泛欢迎。二、按照服务层次分为IaaS、PaaS和SaaS三个层次：1）IaaS（基础设施即服务）云服务商搭建和运营IT系统基础设施（包括机房、网络、磁盘柜、服务器等），以服务的形式向客户提供计算、存储、网络等基础计算资源，用户可以在这些基础IT 资源上运行操作系统、应用程序等软件。这种模式最为突出的特点是用户无需自行搭建耗资巨大的IT基础设施；此外，这种模式亦增加了用户使用IT资源的机动性进而降低浪费。2）PaaS（平台即服务）云服务商在底层IT资源的基础上搭建和运维软件开发平台，向客户提供丰富的应用开发工具、应用运行环境、以及应用托管、运维等服务。这种模式的优点体现在：开发者可以便捷地获取各类成熟的软件开发、测试、运维的工具，进而简化开发流程并减少重复工作。3）SaaS（软件即服务）云服务商在云端开发应用或将现有软件迁移上云，以订阅模式向客户提供应用程序。用户在订阅云服务商的软件服务之后，通过云终端设备接入网络，然后通过网页浏览器或编程接口直接使用这些软件。这种模式可以进一步降低软件使用的门槛，用户无需管理底层IT基础设施，无需开发和运维应用程序，甚至无需在本地环境中安装软件，直接使用软件。46.医疗领域的数字化智能技术有哪些典型应用？1. 临床辅助决策系统（CDSS）医生水平参差不齐，容易出现误诊和漏诊，CDSS通过大数据和人工智能技术，通过算法模型自动对健康状况进行诊断，帮助医生进行医疗决策；2. 电子病例电子病例的建设有助于医院的自动化和系统化管理，方便医疗信息的检索，病例综合研究，和患者健康状况的中长期跟踪管理；3. 在线医疗具体包含远程诊断和在线咨询两种模式。其中，远程诊断包括远程专家会诊和互联网医院两种形式，在线咨询则关注通过互联网平台为患者提供辅助的医疗建议。在线医疗解决地域之间医疗资源不均衡的业务痛点，同时也为实体医院分流了一部分就医资源压力；4. AI医学影像通过计算机视觉技术识别CT\MRI等影像结果，自动定位病灶位置，提供诊断建议，提高医生的决策效率和准确率。5. 虚拟助手虚拟助手应用大数据和人工智能技术，形成知识库，充当医生助理，提供多样化的信息服务；在科研方面，精准筛选医疗案例和信息，在治疗过程，代替医生进行常规化工作，如智能问诊、 病例自动录入等，让医生更加专注核心的诊疗活动；6. 数字一体化手术室以患者为中心，将患者医疗信息系统的数据进行整合，形成数据云平台，解决手术室信息孤岛的问题；基于音视频技术，实现主刀医生手术操作的全息记录，用于教学和科研资源的积累；7. 数字人整合人体生理数据、校验数据、遗传数据的信息，逐步建立人体个性化模型，形成专属的个体生命数据库，可以支持：1）疾病早期诊断 2） 解决疑难杂症 3）加快药物研发过程 4）提高医疗服务效果 5）支持个性化医疗和精准医学。47.最近流行的低代码平台是什么？低代码是与数字化转型一起火起来的概念，是一种用尽量少的代码来提升软件开发效率的技术方案。低代码的方案降低了软件开发的技术门槛，让企业中更多的“非专业”人士参与到软件开发工作，实现用户开发、全员开发的技术落地效果，有效解决在数字化转型中业务与技术分离的问题，把技术细节从数字化转型的业务设计中尽可能地剥离，提高数字化创新的执行力并降低相应的试错成本（时间成本、开发成本）。当前流行的低代码应用平台（LCAP，Low-Code Application Platform）把构建软件的自由度交给终端用户和咨询公司，用户基于界面、逻辑、对象、流程等可视化工具，以“托、拉、拽”的简单方式对软件元素进行快捷的定制设计与排列构建。国内较成熟的低代码平台大体有：iVX、牛刀、ClickPaaS、JEPaaS、华炎、氚云、搭搭云、简道云、魔方网表、云表、宜搭云、APICloud、活字格、轻流，和明道云等。低代码当前主要应用于业务逻辑相对传统清晰的领域，其效果显著的前提是该领域的业务通用组件库比较完备成熟。48.数字化如何助力碳中和目标？（1）城市低碳管理：构建数字孪生城市系统，汇总传感器实时采集的交通路况、空气质量、噪音污染等数据；实现城市动态监测跟踪，模拟和测试不同低碳减排措施对城市的影响，辅助城市低碳目标的综合决策；（2）能源生产优化：如电力行业，可建设连通全国发电资产的工业大数据平台，通过数据的监控和挖掘提高煤电清洁、高效的生产水平，实时保障电厂最优化运行，通过智慧燃料、智能生产、智能故障检测等模块有效帮助火力发电项目减碳降本；（3）交通运输调度：基于数据分析进行交通管理，预防交通阻塞，减少堵车导致的碳排放量；通过算法优化物流路线，优化火车、飞机班次。（4）碳排放数字化评估：对企业碳排放情况进行多维数据监控与评估，引导管理和投资决策。49.数字化产业中包括哪些类型的企业？云服务厂商：为企业提供底层的大数据处理技术架构，提供数字化基建和运维服务。SaaS厂商：提供面向某个具体业务领域的数字化软件应用，通过服务订阅或软件定制的方式，提供整套的应用系统能力。中间件厂商：提供某个具体数字化服务（如数据同步、实时消息、图像分析、在线支付等）的技术中间件，支撑各场景应用系统的开发。数字化咨询公司：为企业提供数字化转型的解决方案和路径规划，提供配套的培训，对业务持续跟进优化。数字化培训公司：组织数字化相关的教育培训，提升企业管理者和决策者的数字化认知水平。50.企业如何评估数据资产的价值！数据资产是能够为前端业务人员提供信息价值的数据资源，为了方便业务人员理解和使用数据，一般采用“标签”（如爱好标签、年龄标签、性格标签、地区标签等）的形式对数据进行组织呈现，企业对数据资产价值的评估主要有以下四种方法：1）数据资产调用信息统计数据资产的调用信息，如标签的历史调用总量、 平均每日调用总量、 持续调用量走势、 调用用户数量、 调用业务量等，基于用户对标签的使用行为间接评估数据资产价值；2）业务指标差异测试比较使用和未使用数据资产的业务，通过A/B测试观察业务指标的变化来衡量数据资产的有效性；3）客户访谈意见反馈直接向数据资产的服务对象进行访谈调研来进行评估，该方法比较主观；4）信息化数据对数据资产指向的业务指标进行动态的统计分析，实时呈现数据资产的价值收益变化。欢迎关注：数字化微信公众号，讨论更多数字化转型前沿话题最后，推荐一本笔者今年新出版的数字化转型书籍《大话数字化转型：迎接全行业的数字未来》！大话数字化转型 —— 迎接全行业的数字未来这是一本入门数字化转型非常通俗易懂的科普书籍，介绍了和企业数字化转型相关的各种关键概念，涵盖并进一步拓展了上述提及的各种主流数字化问题。本书从业务和技术两方面，系统地解读了在数字经济大背景下的当前主要的数字业务创新模式和应用设计思路。同时，本书还介绍了在“数字化”在产业落地实践中可能遇到的各种实际困难，并基于笔者的丰富工作经验和理论研究成果，对这些问题的解决思路提出了独特的见解和观点。

很正常，盲目投资赔钱很正常。就像嘉实增长，358.34%的回报，被称为13年来最赚钱的基金……按理来说应该是闭着眼就能赚钱的吧？但事实却很残酷。购买过嘉实增长的人，只有不到一千人获得了超十倍的收益，却有超过30%的人是亏钱的。范围再放大看，也同样如此。在过去的一年里，公募基金业绩整体非常好，主要投资股票的公募基金中，有95%的基金获得了正收益。据统计，2019年股票基金平均收益为39.61%。但即使在条件如此之好的情况下，很多投资者依旧没有享受到这份收益。银河证券调研结果显示，有半数的受访者收益都小于20%，有30%的受访者声称陷入亏损，其中有半数的人亏损超过10%。所以最后的结果显示，表示“近一年实际收益不符合预期”的人占比高达82%。那么，为什么在基金如此赚钱的情况下，大多数人还是赔呢？· 不了解就购买基金嘛，购买很容易，但赚钱就难了。比如点开一个现在周围小白最经常使用的方式，支付宝的基金。 一看，都是混合基金，嚯，都是近三月就快涨了三成的基金，看起来很诱人啊。但是一买就发现不对劲了，说好的翻倍涨幅呢，怎么越买越亏！而坑人的是，一买就亏也就算了，一卖就涨简直就让人怀疑人生了。为什么？因为很多人根本就不懂基金，甚至不懂市场。· 被利益蛊惑不再相信常识如果对金融市场有足够的了解就应该知道，股票也好，债券也好，都有自身的价值。也许在某一时刻会高估或者低估，但最终都会均值回归。所以当出现某些奇怪的牛市之时就要警惕了，高位接盘的体验可并不愉快——即使那些公司再强也不可能违背市场规律。举例来说，世界股市早期三大泡沫之一，南海泡沫，那是十八世纪早期的英国的事情，那时候中国还是康熙年间。“南海”是家公司，一家被英国政府授权垄断南美洲贸易的公司，当时盛传南美洲的金银矿产，再加上南海认购了英国国债，获得了很多优惠政策，导致短时间内南海的股价从一百多英镑增长到了一千多英镑。于是牛顿也心动了，投了大概相当于十年工资吧……结果全部高位接盘。短时间内的波动后，南海的股价又回到了一百多英镑。牛顿由是感慨道，“我可以计算出天体运行的轨迹，却计算不出人内心的疯狂。”(I can calculate the motions of heavenly bodies, but not the madness of people.)· 牛短熊长中国市场里这个东西是最煎熬人的了，好不容易下定了决心开始理财投资，结果钱投进去，迎来的不是收益，而是一个漫长的亏损……可能一天两天还能安慰自己淡定，绿了一个月估计就坐不住了。但偏偏市场——或者说中国基金市场就是这样，虽然是整体增长，但大部分时候都是熊市。而整体的增长，是体现在少数的几个牛市的。所以很多人在漫长的熊市“一买就亏”之后，还会遇到“一卖就涨”，极其搞心态。举个例子，假设我们在2017年3900点的时候买入沪深300，那么将会迎来一个漫长的熊市。在小幅度增长后，接下来连着一年多的时间，一直在亏损，每一个小增长之后绝对第二天就降下来……我不知道能连着亏一年还能挺住的有多少人，反正认识的四五个朋友，连亏仨月一提基金脸色都变了。然而如果没有挺过这个漫长的熊市，没有坚持到19年的话，那亏损就是真的亏损了。如果没有坚持到今年的话，也是一点收益都没有——算上通胀，其实依旧是亏的。尤其是今年上半年，可以说这几年的增长，都集中在了这短短几个月里。如果没有这个心理准备，可以说大部分的基民都被这种波动搞的心态崩溃，亏损离场，从此发誓再也不碰基金。这三点，就是大部分亏损的主要原因，其实总结起来就是一句话——不要打无准备的仗。在购买基金之前，多学多了解，才能避免亏损，获得不错的收益。下面我将把关于基金赚钱最全面的干货和操作方法分享给大家，全文共9080字，不妨先收藏再看。购买基金，最先要了解的，就是不同基金的特点，以及自己的风险承受能力和期望的收益，做出一个最好的选择。按照投资方向分类，基金可以分为：混合基金、股票基金、债券基金，货币基金。货币基金：货币型是用银行存款、短期债券这些保本为主的产品类型，所以说通常情况下买货币基金是不用担心蚀本的，就像余额宝一样，你不用担心往里面扔一万块，第二天就剩五千了。安全稳定，这就是货币基金的特点。货币基金的第二个 特点，是灵活，随时提现，灵活到很多人都没意识到它是个基金。我问过好多人，他们甚至都以为余额宝是和活期存款类似的银行呢。但货币基金的收益显然是不高的，七日年化都跌到1%附近了，扔进去一万块，一天连一块钱都没有。（当然比活期存款的0.35%要强多了，强了四五倍呢，所以最不建议的就是把钱仍在银行里活期）债券型基金：债券型基金要求是80%以上是国债和企业债，收益一般在（6%——8%）左右徘徊，因为国债等相对稳定，所以收益也不是特别高，波动小，比较适合1-2年为周期的投资。混合型基金：债券、现金、股票都有，属于比较灵活的投资方式，当然风险也同样的高。股票型基金：80%以上的资金投资股票，收益高，风险高。这其中，股票型基金的收益可谓是最高的，因为股票型基金，说穿了，就是按照一定的规则购买多只股票——可能是几十上百种的股票，而这些股票的波动也会给这个股票基金带来增长或者亏损。所以从原理上讲，股市上的风险，也会传导到股票型基金上的。就像前面所说，股市就像是一个池子，有人赚的钵满盆满自然就会有人亏的血本无归。那么，有没有什么方式不亏损呢？那就要依托于股市这个池子自身增长的一种策略，也就是我们今天所推荐的重点——指数基金。指数基金是一种特殊的股票基金，我们前面说了，股票基金就是按照一定的规律选择股票，而这个规律多半是基金经理自身的经验。如果他看好白酒，那这只股票基金里面，估计都是五粮液、茅台、洋河大曲、泸州老窖；如果他看好互联网，就可能是美团、B战、京东、唯品会；如果他看好家电，那么肯定给你买一堆海尔、美的……这个过程，是不太可控的。换句话说，选什么股票都是凭借基金经理的经验挑的，你也不知道对不对……所以你看大部分这样主动型的股票基金，在介绍页总是要讲一番基金经理的辉煌战绩的。而且，基金经理的脑力劳动也是要收钱的，所以这类基金都是要收取1.5%的管理费用，很可能超过你利润的一成。然而，除了这种由别人挑选的主动型基金，还有一种被动型的基金，那就是我前文提到的，也就是本节的主题，指数基金。指数基金故名思意，就是追踪“指数”的基金，理解了指数这个概念，就可以对指数基金有一个很清楚的印象。指数，这里指股票价格指数，也就是为反映股票市场总体价格水平和股票市场变动趋势而编制的股价统计相对数。用通俗的话讲，就是选取一些有代表性的股票进行加权计算，然后得出一个数值——国内通常都是一千开始——用这个数值的变化来反应市场的变化。比如上证50指数是根据一定规则，挑选上海证券市场规模大的50 只股票组成样本股，以便综合反映上海证券市场龙头企业的整体状况。而指数基金，就是按照某个指数的选取规则，挑选股票进行购买，有点类似抄作业的行为。所以指数基金的管理费通常能够降低到主动型基金三分之一甚至四分之一的程度。比如追踪上证50的指数基金，就是按照上证50的规则，购买规模最大50家公司的股票。那么，这种指数基金的收益如何？纵观过去一个世纪的历史，我们可以发现，作为股神巴菲特最为推崇的基金品类，指数基金的收益是非常不错的。· 大陆股市沪深300和中证500都是从04年一千点起步的，现在沪深300已经四千多，巅峰时候翻了快五倍。中证500，目前六千多，最高时候已经逼近八千，增长的更为迅猛。除此之外，其它主要宽指的年化收益率也都非常高，基本算下来，年化收益率都可以达到10%以上。· 美股美股是世界上最大的股市，堪称全球市场的晴雨表。而美股的代表指数有两个，一个是标普500，一个是纳斯达克100。其中，标普500指数的代码是SPX，从1941年的10点开始，到如今的三千四百左右，增长了340倍。再算上每年的股息收益，增长是非常可观的。而纳斯达克100选取的是在纳斯达克上市规模最大的100家大型企业，这个指数也在过去的100年中获得了充足的增长。· 香港股市香港有两个非常重要的指数，一个是恒生指数，一个是h股。恒生指数从1964年的100点开始的，最近已经增长到了两万五千点上下，增长了两百五十倍。（因为恒生选取的是前50大的上市公司，所以目前恒生指数中包括了中国移动、腾讯等）还有一个指数，就是人们耳熟能详的H股，H股指数挑选的是“内地在香港上市企业前40”，从世纪初的2000点到07年突破两万，七年上涨了十几倍。可以说指数基金在低风险的同时，也做到了高收益。那么，指数基金凭什么能有如此收益？理由一，从长期看，股市并非零和博弈。很多人总是认为，股市就像是一个有限的池子，有人赚钱就肯定有人赔钱。这种印象不能说不对，但只是短期的观点，长期来看，整个中国股市这个池子是在不断扩大的。在之前的几个十年，中国经济每年都有非常大的增长，而这种增长反应在具体上，就是每个行业的规模都在不断扩大，行业龙头们的利润肯定也在飞速增长。而公司的利润和规模又和它的股价挂钩，公司得到发展了，自然股价也在上升，那么股票型基金的数值自然也得到了增长。所以，只要中国经济还在不断提高，GDP还在增长，那么指数基金就能给投资者一个不错的长期收益。理由二，指数波动能够预测。指数基金除了整体的长期增长之外，还有围绕着自己价值的上下波动，可以称得上螺旋上升。所以这种波动如果利用的好的话，可以给后入场的投资人低价买入的机会，并且在高估实在太多的时候卖出，从而带来更多的收益。当然，事情都有两面性，在给投资者低位入场机会的同时，也让投资者有了高位接盘的风险。所以现在有许多用来计算股票基金到底是被低估还是被高估的公式，能够很好的对其进行估值。市盈率就是当下最常用的一个估值量化指标，市盈率（PE）=每股市价/每股收益。其中每股收益就是公司总利润/股数。如果换算一下，可以得知，市盈率=公司市值/每年利润，这个比值越小，我们收回成本的时间就越短。因为投资股票，本质意义上就是成为公司的“小”股东，如果这个公司市值九个亿，每年的利润九千万，那么PE就等于10，意味着你投资了这家公司，需要十年才能收回成本。但如果股市突然爆火，很多热钱涌进来了，一顿瞎投资，公司的市值增长到了十八个亿，但是盈利并没有变化。这时候PE就等于20了，这就意味着20年才能收回投资，这种就是经典的高估了，高估了公司的盈利和发展走向。如果公司的盈利不能跟着上涨的话，那么未来股价一定会跌回来。但如果是股市萎靡，比如正好赶上了一些重大危机，战争或者局部动乱，公司的市值变成4.5个亿，这时候市盈率就变成了5，那么就是很明显的低估了。如果没有重大变故的话，这家每年能盈利九千万的公司，股价一定会上涨。根据这个方法，在低估的时候买入，在高估的时候卖出，就能维持一个稳定的收益。（随便提一下，经常在电影里提到的卖空就是在高估时候卖出，不过卖的都是借来的股票，所以称为卖“空”）盈利收益率是市盈率的倒数，一般来说，当盈利收益率<6.4%，分批卖出，当 6.4%<当盈利收益率<10%,持有，当盈利收益率>10%，继续定投。当然，盈利收益率可以自己计算，也可以去网上查找。诸如上证50，都有很详细的历史资料。如果还想省事，现在很多基金软件都有关于低估和高估的计算，比如我现在正在用的蛋卷基金。绿色就是被低估了，红色是被高估，黄色则是可以考虑继续持有。只要我们在指数低估时买入，高估时候逐步卖出，就能赚钱。任何一个老股民或者老基民都知道，想要找准时机，是一个五分实力五分运气的事情。而一个非常好的解决方法，就是基金定投、定期投资，每月定期进行投资。这个方法原来叫美元成本平均法，诞生于1949年的华尔街。后来传入中国，为了方便称呼，给了个简称：定投。这个投资方式从最初诞生之时，就是在为防止投资者在错误的时间大量买入股票。因为前面我们已经知道了，指数基金长期上涨，所以只要避免在每个波动的高位接盘，或者只是接少量的盘，大部分时候都是在正常价位或者低估的时候买入，就能取得收益。露西尔·汤姆林森（Lucile Tomlinson）以构成道琼斯工业指数成份股作为样本，检测覆盖了23个十年期：头一个十年截止于1929年，最后一个十年截止于1952年。最后得出结果，第23个购买期末的平均利润21.5%。而这个结果甚至没有算股息。因为定投的好处是可以想象的，假如我们每个月定投这个基金100块，第一个月买入的时候，单位净值是1元，就等于我第一个月其实买了100份。然后第二个月，这个基金跌了一半，变成了5毛钱一份，这时候我再投进去100，其实等于购入了200份。然后第3个月，它涨回来1块钱1份，第一个月购入的那100份其实等于不亏不盈，但是第2个月购入的200份直接翻了一番——这也就是定投的威力所在了。不过定投只是指要尽量避免ALL IN，并不意味着就要无脑定投了，真正收益高的是定期不定额，每个月投资时都要关注所购买基金的市盈率，如果明显高估，就可以等一等，或者是选择其他购买。如果实在高估的太多，那么就卖出去吧。以上介绍了投资方式和指数基金的基本概念，以下介绍几个经典的指数基金。按照选取的规则，指数基金分为宽基指数基金和行业指数基金。宽基指数基金并不限制行业，而是根据一定规则来选取，比如沪深300就是选取前300，港片里经常提到恒生指数是选取香港前50。除此之外还有科创50这种限制在创业板的指数，可以看见信息技术是科创50中最大比例的企业股票选择。以下简介几个宽基指数基金：· 上证50指数：上证50指数是从上交所挑选的规模最大、流动性最好的50只股票组成样本，代码是000016，只要在财经软件上输入代码就能找到了。这个指数是从03年的1000点开始的，如今在三千上下波动，构成如下。· 中证500指数：前面提过沪深300指数，那个指数涵盖了中国股市中前三百的大企业，那么中证500就是为中型公司准备的指数。中证500的选取规则是抛出沪深300的企业后，日均市值前五百的企业股票作为样本。代码是000905和399905,。· 科创50：上证科创板50成份指数由上海证券交易所科创板中市值大、流动性好的50只证券组成，反映最具市场代表性的一批科创企业的整体表现。· 纳斯达克100：美国股市是是世界上最大的，而纳斯达克就是最重要的指数之一，代码是NDX。不过国内需要通过QDIT指数基金来投资纳斯达克100，因为受到外汇额度影响，会有时候出现暂停申购的风险。再来简介几个行业指数基金——值得一提的是，行业这个概念是摩根士丹利和标普在2000年推出的，全球适用。分别是：材料，可选消费，必须消费，能源，金融，医药，工业，信息，电信，公共事业。这是10个一级行业，都是从04年末的1000点开始的。其中中证消费和中证医药都是发展比较好的。· 中证主要消费指数这个主要消费吧，就是正常生活的各种消费品。比如农副食品，酒，饮料等，这个是巴菲特非常喜欢的行业之一。 因为主要消费的需求很稳定，不管是经济怎么变化，该喝酒的，依旧喝酒——这个指数选取股票的权重前两名分别是五粮液和茅台，还有个伊利。追踪这个指数的基金如下。· 中证医药卫生指数人吃五谷杂粮就没有不得病的，从各种大病用的进口药、医疗器械，到平时感冒消炎的中药制剂，医药行业堪称需求无穷。中证医药发布于2009年7月3日，基日定在2004年12月31日，追踪基金如下。以上是国内较为经典的几个指数，那接下来，让我们开始实操吧。如果你想好买哪个指数了，那些来就要选择基金了。操作方式有两种，分别是场内和场外，场内主要是买卖基金，是和别的基民交易，所以比较快。但也有缺点，因为比较快，所以价格并不稳定，经常波动，并且选择范围比较小。而且场内操作比较麻烦，需要去开户。而场外就相对方便了，举个例子，支付宝就是场外基金。场外基金购买的范围更加宽广，并且每天只有一个价格，但场外基金需要第二个工作日到账，所以不要在周五或者十一前之类的时间购买。对于刚入门的人来说，还是更推荐场外基金。这里我随便用一个软件选一个用来举例，让大家了解一下操作流程，其他软件也都是大同小异的流程。1、打开蛋卷基金页面，点击指数，可以看到主要就是我前面讲的几个指数。2、假设我们选择上证50这个指数，点开，滑到最下面，可以看到许多追踪上证50的基金，并且有四种排列模式。3、申购费也是一个很重要的项目，我们下文再讲，这里先假设我们选择近一年内增长最多的，那么有许多数据是需要注意的。如果不了解上证50的，可以在这里看到十大重仓股，基金也都是只公布十个，不过指数基金有一个好处是你可以通过查询“上证50”这个指数来查询剩下的是什么。另外很多老股民看到占仓比例13.12%的贵州茅台可能就要会心一笑了，有这只堪称中国股市奇迹的股票在这里支撑着，上证50绝对是差不了的。当然从历史上看，如果白酒市场出现波动，上证50也会随时波动。4、除了持仓之外，还有申购赎回的费用同样需要注意，以及管理费，这关乎我们的收益。指数基金的总费用=买入+管理费+托管费+卖出。可以看出这四项会分为两个种类，也就是交易费用和运作费用。交易费用包含申购费和赎回费。每个基金的申购费赎回费都不是固定的，一般在一个百分点左右，而且会根据交易的金额而不断改变，就申购费来说，一般都是随着申购金额的增加而减少。当然，现在各个平台为了吸引客源，都会有申购费打折的方式，有时候会低至一折。赎回费则相反，几乎从来不打折，但根据持有年限的增加，赎回费会越来越少，一般持有两三年之后就会免除赎回费了。·运作费用包含管理费和托管费。前者是人工费，后者是银行托管账户的费用。除此之外还有个销售服务费，不过不常见。其中C类基金不会收取申购费用，但会固定收取一定比例的销售服务费，每年0.5%左右，这样比较方便频繁的申购赎回操作。运作费用是按照日计算的，持有一天算一天的费用，会直接从基金里面扣除。可以看到很多时候买入费用是有折扣的，而卖出费用多持有一段时间也可以抵消掉，这样就能减少很多不必要的损耗。1、有财可理对于小白来说，定投的优点还是非常明显的，其一除了波动特别大的时候，不用考虑什么点位入场，其二长期定投除了摊平成本之外，还有强制储蓄的功能，而且也能起到打理手头资金的功能。但理“财”，理“财”，想要理，首先要有“财”，否则一切都是无源之水。所以我认为，理财的第一步，并不是先如何学习如何投资，如何购买基金股票，而是先改变自己的消费观念。任何投资者养成的第一个理财好习惯，是控制消费。这个控制消费并不是抠门，而是要想明白什么该花，什么应该控制。我自己总结了一下，有三不买。· 不买“精致”的东西。不要被消费主义洗脑，这也是知乎上大部分网友都认可的观念，不要信了那些“精致穷”的谎言，理性消费。· 不买“可能”会用的东西。“可能”是消费主义——尤其是超市促销或者商场甩卖的时候，最喜欢用的谎言。因为在实际上，市面上大部分的产品都是“可能”用上的，从扫地机器人到单反摄像机，难道要搬一个超市回家？所以我们应该只买“必需品”。“可能”会用上的东西，就等到真需要用的那天再去买——毕竟现在超市都有配送了。· 不买不了解的产品。买东西应该是这样的顺序，先明确自己的需求和预算，再查找相应的资料，并询问内行人，最后做出购买的决定。如果毫不了解，就很容易受骗，比如旅游时候买的珠宝首饰，或者双十一买的所谓“优惠零食”。2、账中有数在改变消费理念后，只要过不长时间，很快就能看到变化，能攒下相对收入而言很不错的一笔数量的资金——如我，从开始控制消费后，第二个月剩下的钱比上一个月多了30%左右。这时候我开始了“记账”。记账不是像很多人那样记流水账，那是会计的事，记账是为了分析自己的资产构成，然后决定那部分用来应付日常开销，哪部分用来投资理财。简单的说，就是我把自己的收入切割成了三部分，分别是：日常资金，定项资金，增值资金。日常资金就是用来应付日常开销的项目，比如吃饭、购买日用品、和同事同学的聚会。这部分资金的重点是灵活，随时能够支配，所以推荐存储在货币基金里——最简单的就是余额宝。定项资金就是一定要在固定时间使用的资金，如果挪用会造成损失。举个最简单的例子——房租，如果不想被房东扫地出门，这部分资金最好不要动，不要进行投资。类似的，还有房贷、车贷，如果是自由职业者，还要考虑五险一金等等。增值资金就是用来投资的。3、做好预期理财投资不是冲刺，而是一场漫长的马拉松。所以不应该用冲刺的方式，那是职业玩家的做法，普通人要做的就是稳住，慢慢来，不要浪。因为高回报所有时候都意味着高风险。指数基金是整个市场中低风险品类中最为安全的，可以看做是一道分水岭，它的收益就可以看做是所选指数的对应企业增长速度。如果还不满足，想要获得更高的收益，在牛市追着买，就像牛顿一样。甚至嫌弃股票不行，去炒更疯狂的产品，那么就会有更加难以预料的风险。因为金融市场是一个十分神奇的地方，这里没有上限也没有下限，可能几年暴富千万倍，比如在11年买了几千块比特币。也可能一天赔光了半辈子的财富，比如重庆啤酒或者原油宝，波动大的很多人都天台见了。所以在投资前应该做一个心理预期——我是来理财的，还是来投机的？如果是投机，那么就要有赔光的心理准备。如果是理财，就不要指望一夜暴富，更不要看着别人暴富就眼红了。别人都笑这个人错过了天大机会，但我反而十分欣赏这个人。因为2011年的时候，吹嘘能和比特币一样暴涨的东西还有很多很多，但最后它们都暴雷了，只有比特币剩下了，这只是一种幸存者偏差。这个年轻人——曾经的年轻人，能够控制住人性中的贪婪，只理财，不投机，这才是大部分人应该有的理财态度。尤其是，一旦人到中年，摔倒了，上有老下有少，就很难了。失败的ALL IN就可能让你前半辈子的努力灰飞烟灭，这是任何人都难以承受的代价。所以说，有一个合适的心理预期才是投资的关键，希望朋友们能放平心态，不要被暴富神话扰乱了心绪。遇到大波浪，多想想退路。只要能够坚持长期增长，复利，将会是最伟大的奇迹。Ps看到这里的朋友，我给你的认真和好学点个赞，相信通过上面的这些内容，你对基金理财也有了一定的认识。当然，仅仅依靠这些还远远不够，如果你想通过基金来让财富获得可观增值，甚至获得财富自由，那就需要更多专业的知识，以及更高层次的认知——这需要大量的努力和学习。本文是我多年基金研究心得的一部分，类似的内容我还写了很多，将长期在知乎和我的个人公众号上进行发布。如果你是这样一个愿意沉下心来钻研的人，那么我的文章也许可以给你带来一点帮助。让我们重新认识一下吧，我是 @熊少滚雪球，一个硬核基金玩家，期待你的关注。最后，如果你感觉这篇文章帮助到了你，那么请双击屏幕，给一个免费的赞。另外，这里有一些关于投资理财的书籍，本本具是精品，希望能够帮助到你2021必读的7本理财好书。

作者：雪球路演来源：雪球》》》点此观看直播回放《《《#好市发声，浪底淘金# 雪球基金直播节来啦！基金学习大礼包派送中：年度好书免费邮到家+雪球独家策略报告限量送，点击直播间弹窗/直播回顾下方卡片，添加小雪入群后，基金学习大礼包立马拿到手！#好市发声，浪底淘金# 百位大咖齐聚2023雪球基金直播节【直播主题】解析金元顺安优质精选【直播嘉宾】周博洋 金元顺安基金经理【直播看点】1.金元顺安优质精选基金经理周博洋与您热聊小盘成长风格2.解析金元顺安优质精选基金投资策略3.如何平衡收益和回撤来提升投资者持有体验4.基金经理对于市场走势的看法以下为完整直播文字回顾：主持人：Hello，大家好，欢迎各位雪球的朋友来到金元顺安基金直播间。金元顺安基金成立于2006年，是有着将近17年历史的老牌基金管理公司。公司始终秉承以终为始，待客如己的信念，努力打造投资者愿意长期持有的实在好基。今天光临直播间的是金元顺安优质精选基金的基金经理周博洋老师，博洋老师您好，请博洋老师给镜头前的小伙伴们打声招呼。周博洋：雪球的小伙伴们，大家好。主持人：另外邀请大家帮我们点击一下左上角的财富号图标，关注我们家的财富号，也可以了解到更多关于金元顺安的资讯。现在我们的直播正式开始。首先我们先来介绍一下博洋老师，博洋老师是在2014年加入金元顺安基金，有着11年证券基金等金融行业的从业经历，目前单独管理的有金元顺安优质精选、灵活配置混合型证券投资基金，金元顺安丰祥债券型证券投资基金。金元顺安沣权债券型证券投资基金等多只基金，是我司一位非常优秀的基金经理。博洋老师，我看您之前的投资经验非常有意思，之前您管理的都是固收+的产品，但是金元顺安优质精选是一只典型的灵活配置混合基金，不知道从债券跨界到股票，有没有什么障碍？周博洋：我个人在之前有11年的债券从业经验，之前主要做信用债和可转债的投资管理工作。因为债券的波动通常要比股票小得多，所以从大类资产管理的角度来说，我个人的投资风格还是偏低波动一些。目前我管理的债券类的产品主要是一些固收+的产品，通常是通过可转债来做加号。因为可转债是一个下有债底，上有弹性的一类资产，所以我觉得特别适合在固收+产品里面的应用。做了这么多年的可转债投资之后，我想能不能把可转债下有债底、上有弹性的这样一个思路，借鉴到股票上，去做一个持有体验比较好的灵活配置型的产品，这个思路是跟做可转债的双低思路比较相似的，因为它们都关注宏观流动性的变化，都用信用研究的方式去考虑投资标的可能面临的一些信用风险，也都关注有底部反转机会的行业或者是主体，所以管理起来逻辑也是比较一致的，就不会有很大的问题。主持人：所以我们是不是可以理解，博洋老师的优质精选的投资理念，也是希望能借鉴下有债底、上有弹性的投资思路，打造一个投资者持有体验比较好的灵活配置混合型产品？周博洋：对，我们希望这个灵活配置混合型的产品，总体上能给投资者一个比较好的持有体验。另外我希望这个产品的驱动因素是和债券投资相一致的，比如我们刚刚聊到的产品比较关注整个市场上的宏观流动性，是关注信用风险的。主持人：博洋老师老师刚刚反复提到了持有人的体验，我知道金元顺安基金在战略上非常注重这一点，公司会把这个战略渗透到对投研团队的管理当中吗？周博洋：是的，与管理规模相比，公司更加注重投资者的持有体验，我们也比较注重我们的风险管理。投资上公司对我们的目标是提供长期稳定的业绩回报，持续改善投资者的持有体验。公司也相信只有伴随着公司产品业绩和口碑的提升，实现规模增长，才是和投资者之间真正的双赢。长期来说在专注于专业投资和风险管理的基础上，我们有信心和决心，在小而美的道路上越走越好。基金也是一篮子的股票组合，作为管理人我们会用交易的方式去做相应的止盈和止损，争取实现收益的同时控制回撤。但是市场往往会有一些系统性的风险，我们也是提示投资者朋友们，在购买基金产品的时候尽量不要去追高，如果认可某一个策略，他可以等持续回撤一段时间，持续回撤一段幅度以后，根据自身风险承受能力和资产状况，相机选择一个时点，这样的持有体验也许会比较好一些。主持人：欢迎各位新进入直播间的小伙伴们，今天光临直播间的是金元顺安优质精选的基金经理周博洋老师，感谢大家的参与，也欢迎大家多多点击左上角的财富号按钮，多多关注我们金元顺安基金。接下来请博洋老师给大家介绍一下金元顺安优质精选灵活配置混合这只基金。周博洋：优质精选是一个灵活配置混合型的产品，根据合同约束，它的股票配置比例在30%到80%，所以我们可以把它理解为一个股票仓位上限80%的混合型基金产品。优质精选是由金元顺安保本混合投资基金转型而来，转型后很长一段时间是采用的双基金经理制，我主要是负责基金债券的部分。从去年开始，这个产品由我自己一个人独立管理，所以产品的投资策略也做出了相应的调整。产品过去是一个比较均衡的投资风格，根据已经披露的基金定期报告中的股票持仓数据，这只基金去年四季度以来投资策略开始调整为小盘成长风格。我们希望打造的是一个持有体验比较好的基金产品，更加注重基金长期的业绩表现。主持人：您提到了希望打造一只持有体验比较好的基金产品，屏幕前的小伙伴一定会关注两个点，一个是收益还有一个是回撤，您能就这两个点再给大家详细讲一下吗？周博洋：收益的部分主要是来自于宏观流动性的助推，整体上当整个宏观流动性是一个偏宽松的环境下，小盘成长风格的股票往往能够有比较好的表现。当前我们看整个宏观经济还是处在一个需求收缩、供给冲击、预期转弱的三重压力之下，预计整个宏观流动性层面还是能够维持一个偏宽松的态势。同时我们也非常在意产品的回撤控制，主要是通过以下几个方式实现：第一我们设置有比较严格的止盈和止损的几率，第二产品持有的股票价格都是长期处于市场低位水平，对于基本面的负面信息已经有了一定的反应。第三就是我们单只股票的持仓通常不会超过1%，行业也非常分散。这种持仓结构也可以帮助我们分散组合的非系统性风险。第四这个产品的股票仓位是合同规定限制在80%，所以它的波动天然就是要比其他基金低一些。主持人：博洋老师提到了小盘成长策略，能就这个策略再给我们详细展开一下吗？周博洋：根据我们基金的定期报告可以看到，我们的持仓里面披露的报告期里面采取的是小盘成长的策略。我们这个策略是以量化+主观相结合的方式构建的，量化的部分，不同的阶段对不同的因子有所侧重，在组合的日常管理过程中，我们设置有比较严格的一套止盈和止损的纪律，当某个个股的涨幅超出了我们的量化筛选范围，我们会及时做止盈。止损的情况主要是当指数下跌时，个股的跌幅超过了指数一定的比例，我们也是需要做相应的止损。优质这个基金目前采用的就是这样的小盘成长策略，它和主流的基金相关性是比较低的，所以大家如果自己构建投资组合，它也是一个很好的分散投资的选择。主持人：谢谢博洋老师，同时也欢迎各位新进入直播间的小伙伴们。今天光临直播间的是金元顺安优质精选的基金经理周博洋老师，感谢大家的参与，也欢迎大家点击左上角的财富号的图标，多多关注我们金元顺安基金。我们知道这个策略带火了相关的板块布局，像中证指数公司也在今年8月11日正式发布了中证2000指数，目前已经有多家基金公司密集布局了中证2000指数新基，该板块或将迎来新进资金。我们也想请教一下博洋老师，这对该策略会有什么样的影响？周博洋：大家都知道中证2000成分股的市值都是比较小的，容纳的资金量比较有限，如果大量的资金都涌入这个板块里面，肯定会对板块的收益产生一定的冲击，这在后期更加会考验基金管理人的组合构建和交易操作的能力。相较于这个板块的新基金，老产品在建仓成本和摩擦成本的控制上，可能会更有优势一些。主持人：另外小伙伴们还是更关心一个问题，很多小盘成长策略的基金都会有一些限购的措施，我们优质精选后期会限购？周博洋：大家从金元顺安优质精选的公告中可以发现，优质精选在7月12号、7月24号、7月31号还有9月5号四次发布了暂停大额申购的公告，调整了单人单户累计的申购金额上限，依次将上限下调为3000万、1000万、500万、100万。进行限购操作，一方面是我们主要基于使用投资策略的容量，投资风格的风险暴露程度，以及基金规模变化的速度和客户的集中度等等方面做出的考量。另一方面是我们从7月中下旬观察到一些板块存在调整信号，我们不希望客户在大量申购之后，可能需要承受比较大的回撤。总体上我们还是希望能够保护投资者，我们也相信用心做好产品是一切发展的根基，相比短期的规模快速提升，投资者的持有体验还是我们更为看重的内容。主持人：欢迎各位新进入直播间的小伙伴，今天光临直播间的是金元顺安优质精选的基金经理周博洋老师，感谢大家的参与，也欢迎大家点击我们左上角的财富号图标，多多关注金元顺安基金。刚刚博洋老师给我们详细讲解了小盘成长策略，我们也了解到优质精选的股票投资策略。我们还想再请教一下博洋老师，咱们的优质精选在股债配置的比例上，主要考虑的因素都有哪些？周博洋：优质精选这个产品在现在这样的环境下，不太会做极致的资产切换，因为目前整体的流动性还是比较宽松的。债券和小盘成长都是受益于流动性的驱动，债券可能在现在这样一个阶段，流动性宽松的背景下，它的收益还是不错的。但是受益于流动性的股票可能就没有那么突出了。其次在运行的过程中，仓位波动不会很大，在均衡的环境下，我们觉得75到80的仓位是比较合适的，这说明我们对这个策略也是充满信心的，就不需要再去浪费仓位了。主持人：在优质的投资中可能也涉及到一些可转债的部分，能不能再给我们介绍一下？周博洋：优质要有不低于20%比例的配置债券和货币市场工具，根据已经披露的基金定期报告里面的持仓数据，我们配置了一些和流动性更为相关的可转债，不是和基本面相关的可转债。也是希望债券投资这部分的比例资产，也能收获来自于宏观流动性宽松的驱动，和我们股票持仓的部分保持逻辑上的一致。主持人：从对主体研究的角度来看，对屏幕前的小伙伴来说，债券的研究和股票的研究听上去好像差不多，两者究竟有什么区别？周博洋：债券研究主体和股票研究一样，都要对潜在的投资标的做出细致的分析。不过债券投资可能更偏向于防守，它们赚取的是固定的票面利息，主要考察的主题在剩余期限内还本付息的能力。股票偏进攻，赚取的是公司股价上行的价差，主要考察的是未来业务的成长性。投资目标的不同决定了二者的研究方式不同，如果说股票投资就像足球里面的前锋爱进球，信用研究就有点像守门员，主要是防守。再比如从报表的角度来看，债券的主体可能更加侧重于从资产负债表来看问题，股票可能更加侧重于从利润表来看问题。从行业来看，债券投资可能更加偏好一些公用事业类的行业，股票投资可能更偏好一些有明显成长预期的行业。主持人：博洋老师前面也提到了用信用研究的方式来考察所投资的标的可能会面临的信用风险，我猜这也是您策略中很重要的考察因素，能再给我们展开讲一下吗？周博洋：信用研究是债券投资领域一个很重要的投资方向，一方面它会考察潜在投资标的的信用违约风险，另一方面它涉及到信用策略的研究。也就是说去研究哪些行业或者主体的信用利差被高估或者被低估了。通常来说，主体的信用研究主要是基于对基本面的分析，根据一季度人民银行发布的货币政策执行报告，里面提到当前国内经济内生动力还不强，需求仍然不足，全球经济增长趋于缓慢，通胀仍然高企，所以全球整体的宏观环境都没有特别好。在这种情况下，企业经营的环境就会比较差，即将兑付的这些债券可能会存在一些兑付的压力。我们主要是通过行业分析、公司分析这些来帮助我们规避掉这样一个企业违约的风险。信用策略主要是一个估值波动的研究，大部分情况下当货币政策趋于宽松，整个流动性比较充裕，市场利率下行的时候，大部分的曲线，它的信用利差都是压缩的态势，只有个别行业或者公司因为基本面出现了重大的问题，有可能在这样的一个背景下出现信用利差的走扩。我们也会研究信用策略，去寻找机会并且规避风险。就是这样的一个研究和投资的过程。主持人：好的，谢谢博洋老师。我们也欢迎各位新进入到直播间的小伙伴们。今天光临我们直播间的是金元顺安优质精选的基金经理周博洋老师，感谢大家的参与。欢迎大家点击左上角的财富号图标，多多关注金元顺安基金。既然博洋老师作客我们直播间，我们还是一定要问一下博洋老师对于整个市场的看法。周博洋：当前不管是怎么比较，估值水平在历史上应该都是一个比较偏低的位置，市场目前可能主要还是信心不足，也有对政策预期过高的因素在。因为短期可能还缺乏持续性的资金流入，市场后续可能还会是以震荡偏结构性的机会为主。主持人：所以股票市场预计是一个震荡还有结构性的机会。博洋老师也是股债双收，债券市场也希望能再给我们分析一下。周博洋：债券市场价格，因为它反映的是资金的需求和供给之间的关系，如果资金的需求大于供给，那么资金的价格会有相应的抬升，债券价格就会出现一定的下跌。反之资金下降，债券价格就会上涨。衡量需求，我们通常是通过三驾马车的方式进行分析，比如我们说投资、消费、出口。目前来看整个有效需求还是比较弱的，资金整体的需求还是不足的。从供给的角度来看，目前基本面还是偏弱的，央行需要协助鼓励投资消费，那就需要维持一个较为宽松的流动性环境。所以我们看到今年以来，整个债券市场的表现都还是不错的。主持人：欢迎各位新进入到直播间的小伙伴们，今天光临我们直播间的是金元顺安优质精选的基金经理周博洋老师，感谢大家的参与。欢迎大家点击左上角的财富号图标，多多关注金元顺安基金。有两个大家都比较关心的问题，之前出现在我们的留言板上，我也想替小伙伴们请教一下博洋老师，近期国家公布了通胀数据，有媒体说我们要进入到一个通缩的时代了，不知道对这个问题博洋老师是怎么看的？周博洋：这个问题在央行一季度的货币政策执行报告中做出过明确说明，先说结论，目前我国的通胀水平处在一个比较温和的区间，一般来说通缩是指价格持续负增长，货币供应量具有一个下降的趋势，通常伴随着经济衰退。而我们现在物价水平是在一个比较温和的阶段，特别是我们的核心CPI的同比，也是在一定的正数上。这样的水平，我们的MR、社融增长仍然是比较快的，这些都不太符合通缩的特征。央行认为从中长期来看，我国经济总供求还是基本平衡的，是不存在长期通缩的基础的。主持人：我再替博洋老师强调一下，目前我国是不存在长期通缩或者通胀基础的，谢谢博洋老师。另外我们也想请教一下，今年以来我们看到海外股票市场都纷纷创了新高，但是国内的沪深300，包括上证指数震荡了快两年也没有起色，不知道您对这个问题是怎么看的？周博洋：除了一些市场预期的因素之外，我们觉得也有一些指数编制层面的原因，比如这里提到的沪深300和上证，在行业上它可能会侧重一些传统行业，并没有很强的成长性，而且指数的编制方式往往是市值满足了就纳入，这里可能会有一些高估值的问题。如果我们去看全A的等权指数或者其他的权益指数，剔除掉2015年这种极端的杠杆行情，整个指数还是呈现一个平稳向上的态势的。主持人：谢谢博洋老师，欢迎各位新进入到直播间的小伙伴们，今天光临直播间的是金元顺安优质精选的基金经理周博洋老师，感谢大家的参与。欢迎大家点击左上角的财富号按钮，多多关注金元顺安基金。感谢博洋老师刚刚对于市场的分析，非常专业。博洋老师作为一名专业的投资人员，能不能再给屏幕前的小伙伴们分享一些投资的理念？周博洋：首先是要明确自己的投资目标是什么，进而采取怎么样的投资策略。现在地产市场预期比较一般，可能最近的政策有一些温和的上行，二手房的挂牌量还是很大的，过去房价暴涨的时代可能是一去不复返了。随着居民财富的不断增长，我们开始需要对金融资产的管理做好规划。首先从大类资产配置的角度来说，权益资产、债券资产、不动产还有衍生品等这样一些类别的资产，我们要去做一个权衡，结合自己的年龄、固定收入水平、刚性支出、风险承受能力等等做好一个配置。我们可以举一个简单的例子，在资产配置方面有一种比较简单的方式，就是100法则。就是用100减去自己的年龄，我们得到一个数字，加上百分号，这个就是可以投资在权益资产上的比例。比如我们30岁的年纪，可以考虑投入70%的资产在权益产品上，30%在固定收益的产品上。这个资产配置逻辑，主要是年轻人的资产总量比较小，相对来说未来收入增长的可能性还比较大，他承担风险的能力也就相对比较强。但是对于60岁要退休的人，100减去60等于40，40%的比例投资在权益资产里面，更多的比例投资在固收资产里面可能会相对稳健一些。当然了，这只是众多资产配置逻辑中的一种，投资者需要结合自身的实际情况，对自己的资产配置做出合理的规划。主持人：谢谢博洋老师，刚刚是一个好上手的小妙招，博洋老师这个方法确实很好，能方便地测算出配置的比例。在确定了配置比例之后，在投资的标的上我们要具体进行什么样的安排？周博洋：投资具体的标的，我们需要对它的估值有一个充分的理解，不要盲目跟风。比如我们提到的，有的面额高达几百块的高价可转债，转股溢价率也是非常高的，大几十的转股溢价率。投资者在对待这类个券的时候要多一分谨慎，双高的转债一般都是隐含着比较大的炒作风险的。一旦这个主体宣布赎回，就会给持有人带来非常大的损失。如果大家去投资产品，可能要更多地理解这个产品的投资策略本身，并不是一只产品一段时间表现得非常好，这种表现就能一直持续下去。最好也是去看一看，关注它的重仓还有季报持仓的变化，这样对产品的风格也会有一个比较清晰的了解。另外我们购买一个策略或者一个特定行业板块的基金的时候，要充分认知到，如果不从交易的角度做适当的止盈和止损，一个板块也不太可能一直永远涨下去，任何东西都有一个程度，不会透支太多。特别是现在这个市场环境不是特别好的当下，我们也是一再提醒投资者，要做好产品一定回撤的时候去介入，这样可能会有一个比较好的持有体验。主持人：欢迎各位新进入到直播间的小伙伴们，今天光临直播间的是金元顺安优质精选的基金经理周博洋老师，感谢大家的参与。欢迎大家点击左上角的财富号按钮，多多关注金元顺安基金。博洋老师，我之前有幸听过您给我们讲有关行为金融学的故事，是特别有意思的。今天能麻烦您在直播间里，再给屏幕前的小伙伴们也讲一下吗？周博洋：可能很多直播间的小伙伴们也听说过行为金融学和行为经济学，从21世纪以来，这门学科就受到了学界和大众的很多关注。2002年、2013年、2017年，三年的诺贝尔奖都颁给了行为金融学和行为经济学的研究者，特别是2002年的诺奖得主丹尼尔卡尼曼比较特别的是，他是一个没有受过经济学训练的心理学家。行为金融学、行为经济学都是研究什么的呢？很多小伙伴可能知道，传统理性经济学，很多模型都是建立在一个重要的假设上，就是理性人假设。具体就是假设人都是理性的，不光是假设每个人都是理性，还假设我知道你是理性的，还知道你也知道我是理性的，这是它的第一个假设。第二个假设就是这些人都能做优化，能够最大化他们的每个效用函数。但是我们也知道，人是有感情的，感情会影响到人的决策。也有的小伙伴说，我在考虑具体问题的时候是很理性的，那我们就举个例子来感受一下。比如你在一家商场看中一件衣服，售价200块，但是你在买之前突然发现在另一家商场只卖100块，走到另一家商场需要花十多分钟，你会不会走过去买呢？主持人：如果是十分钟的话，我觉得应该还好，因为毕竟便宜100块，所以我觉得我应该会走过去的。周博洋：我们想大部分的人应该都会去买的。但是同样，如果是你在一家商场想买一台电脑，售价是11900元，另一家商场可能卖11800元，你会不会走十几分钟去买呢？主持人：这样看感觉好像就不是那么划算了。周博洋：对，我想很多人都会觉得算了，只差100块。主持人：这样说好像确实是这样，因为虽然都是同样的100块，但是因为占的比例不同，所以给我们带来的感受也是不一样的。看来有的时候人的大脑也是很容易被欺骗的。周博洋：是，其实行为金融学、行为经济学它们的任务就是帮助你在决策和行为中，能够意识到这样的一些偏差，进而去纠正这些偏差。可以说这是经济学领域里面非常实用而且有趣的课程。主持人：确实非常有意思。我比较好奇的是，为什么会产生这一系列的偏差呢？周博洋：偏差的产生是因为错配，因为人的基因、心理、习惯、偏好这些是在过去几百万年前进化过来的，现代人的生存环境发生了变化，这些在过去的环境中保护过你，给予过你的因素，在现在的环境中可能就不适用了，进而产生一些错配。主持人：了解了。欢迎各位新进入到直播间的小伙伴们，今天光临直播间的是金元顺安优质精选的基金经理周博洋老师，感谢大家的参与。欢迎大家点击左上角的财富号按钮，多多关注金元顺安基金。接下来我们还想请博洋老师给我们展开讲一讲，在投资领域经常会出现哪几类偏差，也有机会让我和屏幕前的小伙伴自省一下。周博洋：大家经常在论坛里面会看到投资者们自嘲，说明在大多数的市场环境之下，亏损的投资者是不在少数的。站在传统经济学的视角，亏损表现的是投资者对相关资产的内在价值的定价出现了一定的问题。当然我们也可以从行为金融学的视角去观察，哪些行为容易使得我们产生亏损。行为金融学把个体和行为的偏差大致分为了认知性错误和情感性偏差两类，认知错误又可以进一步细分为信念偏差和信息处理偏差，今天我们主要是对信念偏差做进一步的讨论。这里面保守性的偏差主要是指市场参与者经过理性分析得出了一个投资结论，但是无法根据新出现的信息及时调整自己的观点。比如老李重新调研后判断某个行业业绩增速十分稳定，于是选择投资该行业龙头A公司的股票。但是某项技术突破使得A公司所在的行业面临极大的冲击，造成股价大跌。老李这个时候不顾新出现的信息，仍然坚持自己此前的观点，这种可以被视为一种保守性的偏差。第二种叫确认偏差，确认性的偏差主要是指市场参与者不断地去寻找能够证明自己观点的证据，深陷其中。比如老刘对B公司的股票非常认可，于是天天去找关于B公司的利好来证明自己的观点，对负面信息视而不见，这种行为可以被视为确认性偏差。还有第三点我们叫控制性的偏差，主要是指市场参与者相信自己可以控制或者是影响事情发展的结果，但是他们通常并不能做到。比如老周对C公司的股票情有独钟，但是近期这家公司股票表现不理想，这个时候他认为只要自己每天都买一点，一定能把股价买上去。但是C公司的股价是纹丝不动的，这种行为我们可以视为控制性的偏差。第四种叫做代表性偏差，主要是指市场参与者以过去的视角看待事物。比如老徐对D公司的判断是一只价值风格的股票，但是D公司近年在新经济领域持续突破，业务极具成长性，D公司的股票涨了一点老徐就选择卖出，错失了后续的翻倍增长。这个时候我们可以把老徐的行为视为一种代表性的偏差。以上四点是我们对认知性错误信念偏差大致的介绍，说实话它确实是比较容易发生的，大家也可以看一看自己是否在投资的过程中会遇到这样的一些偏差。主持人：刚才听了博洋老师举的这些小例子，感觉这些偏差的确在我们的日常生活中，包括投资理财里面确实很容易出现。我比较想问的是，到底有没有什么方法能帮助我们规避掉这些偏差呢？周博洋：我们今天和大家讲行为金融学，讲各种偏差，也是希望大家能够对比自己的投资行为，看看是否有落入到行为偏差的模式当中。因为意识到问题是解决问题的前提，在接下来就是需要跟大家去通过学习和积累，建立自己的一个投资体系。说白了就是建立买和卖的原则。比如有的小伙伴可能会说，买基金的原则就是我喜欢这个基金经理的投资风格，那你卖出的原则，可能就是当这个基金经理不再管理这只基金了。当然了，这个投资体系的建立也需要充分考虑到个人的性格、资金流、能力边界等等一些因素。有一句话是说，每个人能赚的钱，都是自己认知的边界，我还是比较认同的。同时这个体系也需要不断地通过学习和复盘去校正。最后一点也是非常重要的一点，要按照自己的投资体系去做严格的执行，一言而贯之就是要屏除掉情绪，来严格执行的这样一些纪律。主持人：博洋老师说得非常有道理，每个人能赚的钱是自己认知的变现，只有通过不断地学习和完善，并且坚定的执行，这么一看确实并非易事，看来建立整个投资体系，还是一个非常任重而道远的事情。周博洋：对，这确实是很不容易的。但是一想到投资可能是一件会贯穿你一生的事情，那么这个努力和付出就是比较值得的。主持人：的确，因为建立投资体系确实是一个很大的工程，不知道博洋老师今天能不能再给我们分享一些容易上手的投资小技巧呢？周博洋：大家都知道现在的市场最终呈现出的形态，除了本身的价值之外，还有很大一部分是取决于投资者的情绪，就是在一些较短的时间里，投资者的情绪对股票价格最终的呈现会有更大的影响。其实投资者情绪中就会包含着各种偏差，在判断投资者情绪的时候，大家可以参考这样一些指标，进行观察。比如股票账户的新开户数，股票的一些换手率，IPO首日的涨幅，新基金发行的规模，直播的观看量、身边朋友讨论股市的频次，我们都可以把这样一些指标组合起来，去分析市场情绪所处的位置。主持人：非常感谢博洋老师能给我们介绍这样一些观察市场情绪的各种指标，小伙伴们可以结合多个去观察我们的市场情绪。再次欢迎各位新进入到直播间的小伙伴们，今天光临直播间的是金元顺安优质精选的基金经理周博洋老师，感谢大家的参与。欢迎大家点击左上角的财富号按钮，多多关注金元顺安基金。最后因为时间的关系，转眼间我们的直播马上要接近尾声了，有些小伙伴们进来得比较晚，请博洋老师再给屏幕前的小伙伴们介绍一下金元顺安优质精选灵活配置混合这只基金？周博洋：优质精选是一只灵活配置混合型的产品，根据合同的约定，股票的配置比例在30%到80%，所以我们可以把它理解成是一个股票仓位上限是80%的混合基金产品。优质精选是由金元顺安保本混合产品转型而来，转型之后很长一段时间是采用双基金经理制，我主要是负责基金债券的部分。从去年开始，这个产品由我一个人独立管理，所以产品的投资策略也会有所调整。产品过去是一个比较均衡的风格，根据已经披露的基金定期报告中股票的持仓数据，这只基金从去年四季度开始，投资策略就调整为小盘成长风格。我们希望打造的是一个持有体验比较好的基金产品，一个注重基金长期业绩表现的基金产品。主持人：谢谢博洋老师，大家可以在雪球平台上看到博洋老师管理的金元顺安优质精选灵活配置混合基金，如果你错过了前面的直播内容，也欢迎事后再点击回看，听听博洋老师的专业解读。同时提醒大家在投资的时候，一定要匹配个人风险承受能力。结束前还是诚挚的邀请大家来关注我们金元顺安基金的财富号，这样就不会错过后期重要的信息提示还有投教资讯了。在此提示各位亲，基金的过往业绩并不预示其未来的表现，基金管理人管理的其他基金的业绩，并不构成基金业绩表现的保证，不得以明示、暗示或其他各种方式来承诺产品未来收益。投资人应当认真阅读基金合同、招募说明书、基金产品资料概要等基金法律文件，了解投资基金的风险收益特征。根据自身投资的目的、投资期限、投资经验、资产状况等，判断基金是否和投资者的风险承受能力相匹配，并按照销售机构的要求，完成风险承受能力与产品风险之间的匹配检验。基金有风险，投资需谨慎。今天的直播就到这里，感谢大家今天的观看，我们下次再见。著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。风险提示：本文所提到的观点仅代表个人的意见，所涉及标的不作推荐，据此买卖，风险自负。返回搜狐，查看更多
责任编辑：