为啥现在就业压力越来越大??

这两天有人发给我们下面一张图片,还问了个很有意思的问题。

为啥现在就业压力越来越大??

说为啥现在大学生就业已经挺不容易了,疫情以后还要搞扩招啊。

而且研究生扩招以后,好像考研的人数也越来越多,考研这件事也变得越来越难。

好多在国内考不上研的小朋友,都转向国外申请去读研了,所以这两年国外不错的学校,申请读研也变得很卷。

说起来这一系列所有的问题,归根到底都是经济学问题。本质上和供需矛盾以及经济增速,是息息相关的。

要想明白这一点,首先要想清楚当年扩招这个政策是怎么来的,以及扩招的目的到底是啥。

01

我们国家大学开始搞大规模扩招,起点是在1999年。提出这个政策的,是经济学家汤敏和他的妻子左小蕾。

这一年汤敏先生提出的,《关于启动中国经济有效途径—扩大招生量一倍》建议书被国家采纳。

随着建议书被采纳,我们国家的高等教育扩招,也在1999年正式拉开序幕。

至于扩招的目的,汤敏先生在《大学扩招真的扩错了么》这个采访中,也专门提到过。
当时高校扩招的重要目的之一,就是通过扩招刺激经济,让老百姓把钱从银行拿出来消费。
汤敏先生说:自己是1977年恢复高考以后第一届大学生,他们这批人是恢复高考的最大受益者。
高考他考入了武汉大学数学系,毕业以后在武大任教了两年,又到美国伊利诺伊大学攻读经济学博士学位。
后来加入亚洲开发银行,一直从事经济领域的工作。在亚洲开发银行,主要负责的就是从经济政策角度,给各国家政府出招。
当时我们国家推出高校扩招这个政策的背景,是因为1997年开始的亚洲金融危机。
这是亚洲有史以来,第一次在没有任何准备的情况下,遭遇的一次超级危机。
那时候亚洲的经济形式非常严峻,国际货币基金组织、世界银行、亚洲开发银行,都拿出大量的资金来救助这次危机。
因为自己工作的亚洲开发银行处在协调处理危机的第一线,所以汤敏先生对危机的感受非常深刻。
亚洲金融危机从1997年下半年开始爆发,到了1998年的时候,情况是愈演愈烈。
我们国内虽然当时不是亚洲金融危机的重灾区,但是受到的影响也很大。
很多分析师也都在预测:亚洲金融危机下一步要波及的对象就是国内,最大的问题会出在中国。
因为外部出现亚洲金融危机影响外需的同时,在1997-1998年还赶上了第一轮下岗潮,对内需影响极大。
那几年在菜市场,可以看到很多人在菜市场晃悠,但是却不怎么买菜。
他们在那边等着捡菜贩子扔掉的烂菜叶子,回家当菜吃。这些人十有八九,是下岗职工或者家属。
也就是因为这样,所以1999年春晚小品喊了句:“咱工人要替国家想,我不下岗谁下岗”,之后被舆论狂批。
外需和内需都受到极大影响的背景下,想办法刺激消费保民生保增长,就成了最重要的任务。
也就是在这个大背景之下,我们国家针对性的提出了几条反危机措施。
这里面加快基础设施建设,扩大内需促进消费,保证8%的经济增长率是最核心的几条。
在扩大内需和消费的政策里,包含了大家熟悉的基建、房地产、汽车和家电。住房商品化改革,就是这时候起步的。
其实如果我们回顾历史可以发现,几乎每次遇到外部危机引发需求下滑,基本都是差不多的套路。
比如都会推出各种刺激政策,加大基础设施建设的同时,鼓励大家去买汽车、买家电和买房子拉动需求。
不过由于亚洲金融危机以后,整个亚洲经济一片萧条,到处风声鹤唳。
再加上国内很多企业又出现了下岗,所以虽然老百姓手里捏着钱,但却根本不敢花。
在亚洲开发银行工作的汤敏认为:在这种背景下,从消费角度搞经济刺激是很难奏效的,可能唯一有效果的就是教育。
我们知道重视教育是中国的传统,九十年代大家也看到很多人通过教育,改变了自己的生活轨迹。
再加上历来老百姓都有个朝为田舍郎,暮登天子堂,通过读书改善自己境遇的想法。
因此老百姓再困难,家长还是愿意把钱花在教育上。就和现在大家打破头抢着买学区房,道理是一样的。
所以针对如何通过刺激消费,帮助国家走出亚洲金融危机引发的内需不足的角度,汤敏先生提出了扩招的建议。
汤敏先生指出,这不仅仅是单纯刺激消费,而是让老百姓觉得他们的钱花在了自己觉得有意义的事情上。
因为大家觉得教育不仅是消费,也是对下一代和自己家庭的投资。
不过有意思的是:当时的报告之所以被采纳,最关键的一点不是因为刺激经济。
而是因为扩招这件事,可以把适龄青年的就业时间往后推,部分解决大量工人下岗的就业压力。

所以回顾这个政策是怎么落地的时候,汤敏先生是这么说的。

“现在回过头来看,当时我们那个报告之所以引起注意,最关键一点是我们提出扩招可以部分解决下岗工人的就业压力。
1998年正是国企改革带来大规模工人下岗的时候,当时估计全国有1500万下岗工人。如果这些年轻人不进大学,他们就会直接跟下岗工人竞争。
我们当时算了一笔账,如果三年扩招一倍,扩招的学生要在学校呆四年,等于是让三分之一的下岗工人有了工作或者至少没有被年轻人抢走工作机会。
我们当时判断,国企改革是阶段性的,有了这几年的缓冲,下岗的压力会小一点。
事实上,2001年后下岗的高潮就过去了。”
可以看出这段话,把当时扩招建议被采纳的背景,也说的非常清楚。
在1998年的时候,因为国企改革带来了大规模工人下岗,后面很长时间市场上劳动力都是过剩的。
如果说大学不扩招,这些年轻人毕业以后就会直接进入劳动市场。
进入劳动市场以后会和当时的下岗工人竞争岗位,加剧就业市场的恶化。
所以扩招把这些年轻人留在学校,延缓就业市场的压力,就变成了必然的选择。
扩招带来的间接作用才是刺激经济,年轻人在学校多留四年不但能延缓就业。
这四年时间里,他们也需要吃喝拉撒谈恋爱学费都要花钱,可以直接刺激亚洲金融危机以后的消费。
从某种意义上,当时的扩招可以说是一个为了应对亚洲金融危机,配套的消费刺激方案。
现在我们看到研究生大规模扩招,其实也是因为这两年疫情影响导致经济增速放缓,延缓就业市场压力的一种办法。
 
02
在1999年以及之后的两三年,汤敏先生一直因为扩招的建议,得到了人们很大尊重。
不过从2002年开始,这种尊重变成了怀疑。因为从这年开始,之前扩招的学生们开始毕业了。
扩招以后的天量毕业生涌向社会,导致大学生就业薪资开始出现下降。
在全社会平均工资不断上涨的情况下,花了大价钱上大学的毕业生和家长们却发现。
毕业生在一线城市就业的工资,从最早的三千降到两千,后面甚至降到1000多。
广州的那边招聘企业,甚至开始用八百左右的起薪,来招聘大学生。
按照北京高校毕业生就业指导中心2006年对高校毕业生起薪的调查显示,毕业生起薪在两千以下的占了65%。

为啥现在就业压力越来越大??

然而在相当长的时间里,一个家庭培养大学生需要投入的成本,却越来越高。
除了每年五六千的学费,住宿、餐饮各项费用迅速上升,四年下来一个本科生的培养成本在四万元以上。
一边是多数大学生只能拿到一千多块的起薪,一边是培养大学生高昂的高等教育学费。
财经作家郑作时在2006年那篇《扩招,繁荣背后的忧思》中,曾经问到:
如果把农村学生上大学当成一个投资,那么这个投资的成本和收益比值如何。
当然了,时间到了今天,已经很少人再提到教育投资的成本收益比问题。
原因是过去十几年随着经济飞速发展,当时去读大学的人,都获得了不错的回报。
即使当年没找到什么对口工作的大学生,从获得感的角度来说,其实也并不差。
只要按照生命周期,在大城市找工作贷款买房结婚,单单房价上涨就让他赚的盆满钵满。
更不用说随着经济发展技术进步,后面不断涌现的新岗位和不断提高的收入水平。
要知道在千禧年之后的这段经济高速发展期,我们国家每年的GDP增速都超过8%。
为啥现在就业压力越来越大??
就算是开始的时候薪资并不高,但是伴随着经济发展带来的收入提高,以及资产价格的水涨船高。
几乎所有经历了那个经济高速增长年代的人,都在其中或多或少的受益了。
以前总听人说什么GDP增速不重要,不过我个人始终认为是非常重要的。
因为经济这东西就像张大饼,而且是我们每个人都在吃的一张大饼。只有饼不断做大,每个人才能多吃一口。
这里大家也可以看出,扩招以后大学生是不是有好工作,也主要取决于经济增长的大环境,经济增速才是核心问题。
高增长的时候大家怎么都好,收入也会随着经济增长,经济增速放缓以后,即使学历提高也很难找到好工作 。
在这种情况下,我们才看到考公务员是越来越卷。越来越多清华北大毕业的硕士博士,会跑去好的中小学做老师。
03 
有意思的是,现在我们看扩招这个政策虽然很成功,但是当年却是遭到了教育界的全面反对。
大家反对的理由也很简单,你扩招速度这么快,师资力量完全跟不上,怎么保证教育的质量。
学生在大学要是混四年学不到啥东西,那这段日子不是等于就被荒废了么?书不是白读了。
然而和他们想象不一样的是:这批扩招初期步入大学校园的学生,不光书没有白读,后面的出路也都还不错。
因为扩招以后的很长时间里,我们国家入世以后,整体的经济增速非常快。
扩招的这批大学生刚刚毕业的时候,虽然因为扩招以后大学生天量供应,能拿到的起薪确实比较低。
但是当时的需求也很大啊,由于国家整体上经济发展很快,各个行业都在高速扩张,导致啥地方都需要人。
行业高速扩张熟手不够的情况下,公司也愿意培养新人。
很多工作也会给你边工作边学习的机会,大家的上升路径也不错。
这是我们在《为啥现在所有专业都在劝退》里面,曾经讲过的故事。
现在这样的机会还有么?当然也有,不过比以前少得多,而且专业之间收入差距显著拉开。
最近几年,可能只有金融和计算机相关专业的毕业生,在一些岗位上还能拿到比较高的收入。
原因是目前阶段也只有这两个行业,还有资本在断断续续涌入,带来新增的机会和就业岗位。
其他的传统行业基本都已经是一片红海,起薪和薪资增长速度都变得很慢。
不过那些经历了过去十几年GDP的高速增长期的老人们,这个阶段往往还沉浸在过去的错觉中。
他们会觉得目前阶段只要把书读好,等学校毕业就能找到个好工作。
但是他们却从没想过,事实上之前的那些就业机会是经济高速增长带来的。
等到经济发展到一定体量,整体增速放缓以后,就业机会也会随之变少了。
这些经历了经济高速增长期的老人们,也会把自己的过往经验传授给自己的孩子。
沉浸在这个想法里的孩子,本科毕业如果找不到对口工作,首先会觉得自己学历不够,需要读研继续提升学历。
不过读了研究生,毕业以后就会有更好的工作,或者说更大概率找到好工作么?并不是这样的。
以前刚开始扩招那段时间,大家毕业以后出路都还不错,并不是单纯因为扩招读了大学。
主要原因是那段时间,我们国家经济增速很快,所以能提供的就业机会很多。
即使学校在不断扩招,大学毕业生数量在不断增多。但是社会能提供的就业岗位依然跟得上,所以供需一直能保持平衡。
为啥现在就业压力越来越大??
这两年伴随着全球经济增速都在放缓,整个社会能提供的就业岗位,渐渐跟不上了。
你现在本科毕业变得很难找工作,并不是因为现在工作要求的门槛提高了。
而是因为整体经济增速放缓以后,能提供给大学生的新就业岗位变少了。
这个阶段高等教育的供给远远大于需求,可以说供需已经完全逆转了,所以你才觉得很难找到相应的对口工作。
不过在这种情况下很多人却误以为,是工作门槛提高了导致的。
自己是因为学历不够,才找不到好工作,所以继续跑去读硕士。
读完硕士发现,自己这个专业在社会上还是供大于求,就又把问题归咎于自己学历不够高。
然后有些人就跑去读博士,甚至博士后,以为这样就能找到个好工作。
关于这个问题,我们之前在《为啥现在所有专业都在劝退》里面早就讲过。
本科就业前景不好的专业,不要以为考上硕士或者博士,就会有变化好起来。

就算考上了,也不会有任何改观。等你熬几年时间出来,甚至可能会更差。

这也是为啥我们之前会和大家说,现在社会发展阶段已经进入不同的时期,大家《千万不要掉进高学历低收入的坑里》。

记得十年前刚工作的时候,外派到南欧某个被称作欧猪的国家呆了一段时间。

那时候好像因为欧债危机,这个国家年轻人失业率很高。公司要招一些电话销售还是接线生的岗位,来了不少文科博士应聘。

我当时看到这些人学历的时候,其实是非常震惊的,博士来做接线生不是大材小用么。

未来可能国内可能也会看到类似的场景,之前不是有报道说,不少外卖小哥也是硕士学历,而且做的不错。

更尴尬的是,那时候因为对教育体系不了解,我以为读完博士以后,还可以继续读博士后。

所以我当时的想法是,博士毕业招不到合适的工作,那就继续读博士后嘛,干嘛来我们欧洲公司做这种大材小用的活儿。

可能很多人和我一样不知道,博士后是指在获得博士学位后,在高等院校或研究机构从事科学研究的工作职务。

所以博士后不是学位,而是指获准进入博士后科研流动站从事科学研究工作的博士学位获得者。

说起来博士后真的是一个很尴尬的东西,有编制能去学校工作,谁还去做博士后啊。
分明就是高校吃准了大家就业难,不给编制,给你个临时工岗位让你做研究。
几年以后如果搞不出什么成果,就搞个非升即走直接让你走人,换个新人再试试。
经济增速下来以后,就是这么难。这两年青年教师的压力很大,也是这个原因。

04
现在大家之所以在教育上有很多困惑,对教育改变命运有很多期待,是因为多数家长都是学历出身论下成长起来的。
以前我们写《拼娃的正确姿势》时候说过:一个人的选择,忽略了对历史的行程的研究,注定是一个巨大的悲剧。
因为对一个人来说,影响最大的其实是时代发展。一个人的命运固然要靠个人努力,但更重要的是历史进程。
稍微对历史有一定了解,在时代里滚过几个周期,经历过起伏的人就知道。
个人努力的成分当然有,但主要原因其实不是自己有多牛逼。那些让自己上一个台阶的机会,都是时代给的。

1978年改革开放之前,因为大家都了解的原因,全国的高考都断档了10年。

各行各业也极度渴求人才,各大企事业单位的领导,年龄上也都有断层。

几个事情结合以后,带来的结果就是,我们全社会都充满了各种上升渠道。

后面改革开放以后,在计划经济走向市场经济的道路中,我们国家的经济增速很快。

但因为之前是计划经济体系,所以在开放初期我们整个社会处于供给相对不足,需求却很旺盛的状况。

因此那时候遍地都是门槛低,容易赚钱的创业机会。因此八十年代才有个说法是,做导弹的不如卖茶叶蛋的。

在结果导向的背景下,那时候很多人都觉得读书没用。因为读书赚不到钱,做个体户才能致富。

除了这批下海经商的,可以说那个阶段最优秀的学生,几乎都在一门心思的想着考出国发展。
最早能出国读书的那批人,无论家境、智商和眼界都非常厉害了吧。
可当时留在国外的很多人,不过也就是在发达国家找了份工作,做一个普通职员,奋斗的天花板可以说非常的低。
出国之后又回国的一批人里面,很大一部分却借助中国高速发展的时代机遇,很快晋升至高级领导,有些甚至创办了自己的上市公司。
再比如2001年入世以后,海外天量订单涌向中国。这时候的小企业主们从家庭作坊开始,逐步扩大规模办厂。
在那段黄金岁月里,这批小企业主可以说是日进斗金,这都是外贸高速发展背景下,时代给予的馈赠。
然而这两年他们的日子也是日益艰难,因为在海外需求一定的情况下,国内的供给愈发过剩,竞争也就变得越发激烈了。
到了2010年以后,金融和移动互联网大发展。一大批高学历人才投身相关公司拿到了股权,上市以后完成了财富的跨越。

可以说改革开放以后,伴随着我们整个社会经济的大发展,每十年就会出现一个行业爆炸性增长。

行业爆炸性增长出现以后,岗位需求激增。这是历史进程造就的,并不以人的意志为转移。

成长于这个年代的一代人,无论是像王健林马云这样的成功人士,还是你没那么成功的父母都会有一个体会。

那就是只要你敢闯敢干有想法,成功的概率就会很大,不然老王也不会有清华北大不如胆大的说法了。

如果你没有做到,那一定是你不够努力,因为这是他们过往几十年的人生经验。

即使生活在那些小城市的父母,在很长一段时间里也会用自己从农村通过读书在小城市立足的过往经历告诉你,只要努力就完全没问题。

这也导致了前几年很多涉世未深的年轻人,在步入社会之前一直会有个有意思的观念。

自己只要好好读书就可以留在大城市,通过奋斗拿到一个不错的收入,然后就可以攒钱买房在大城市定居。

其实他们这代人没想过,以前所以会出现这个现象,是因为我们过去三十年的经济增长拉出了J型曲线。

正是因为这段时间经济增长速度快,自然到处空缺岗位多,上升通道也通畅。

再加上国家一直在教育上大力投入,从义务教育一路直通到几乎免费的研究生。

在这种背景下,大家才有了读书就会有更多机会,最后就能成为人上人的想法。

事实上,这种情况只有在国家经济高速发展的阶段才会存在。等经济发展到一定体量,增速慢下来情况就发生了变化。

教育在目前的状况下,早就失去了社会分层的功能。现在可能对很多人来说,教育更多的是消费。

很多人过去都有个疑问说,为啥伴随着社会经济发展,反而现在大学生难找工作了。

其实就是经济增速放缓以后,社会回归常态了而已。十年前我去过的欧洲,就是个典型例子。

单纯靠读书读得好就能快速跨越社会阶层,是只有国家经济高速发展期,才会发生的好事。
而且这个跨越也不是靠你读书实现的,是在国家经济快速发展这个大背景下,大量岗位空缺带来的副产品。
这个时间点通常发生在一个国家战后,刚开始重建的四五十年时间里。这是到了经济稳定期,很难复现的特殊情况。
在经济整体增速放缓的背景下,读书做不到万里挑一的话,单纯靠读书改变命运是很难的。
不理解这点的,可以看看这两年的大学生就业。2020年的毕业生素质比2015年差很多么?为啥他们会更难找工作。
这里用一位老人的话说就是:一个人的命运啊,固然要靠个人的奋斗,但更重要的是历史的进程。
因为赚钱和往上走的机会,并不是教育提供的,而是经济高速发展的市场提供的。
能让你读书以后收入不断提高和资产不断增值的,也是快速增长的经济。
社会整体经济发展到一定阶段变慢了,你能获得的机会和收入增长,自然也就变少了。
很典型的例子就是:以前每年经济增长8%的时候,大家能看到的机会就会多很多。
现在经济增速降下来,变成了5%的中高速发展,自然大家能看到和捕捉到的机会也少了很多。
 
05

其实在任何步入发展稳定期的国家,想单纯靠读书跨越阶层赚大钱,都是很难发生的。

因为如果说完成资本的原始积累,等于是向上跨了一步,那么读好书最多只能算走了半步。

多数人读好书以后,在社会稳态阶段上升到一定程度,往往都会直接撞到明显的天花板。

因为单靠自己的个人努力,现阶段是很难完成资本原始积累的,这点在大城市尤其明显。

举个例子吧,一个小城市出身家里没啥积累的孩子,想在北上广深这类大城市,靠自己买套400万的房子定居。

如果他走读书这条路,通常需要先考进985大学,然后进入计算机这类热门专业,

在专业成绩很不错的情况下,可能最后进入了腾讯阿里头条,这类高薪企业。

这样他才可能靠非常高的工资在大城市攒钱,完成资本的原始积累。

拿攒的这部分钱付首付之后,贷款三十年买下这套400万的房子,在大城市安家。

现在全国每年出生的人口,大概有1000万,这里面大概有1%能进985。

进计算机这种热门专业的我们算百分之十,也就是千分之一的概率。

这批人里面,再被筛选进名企拿高薪的,这部分人数又能有多少是算得出来的。

按照比例来计算的话,这些几乎是万里挑一。这里面所有的东西,从概率上都是算的出的。

你要知道这里咱们谈的不是什么大富大贵,而是在大城市靠自己找份高薪工作。

然后通过自身努力攒个首付,之后贷款三十年买套400万的房子,在北上广深这样的大城市定居。

房子如果位置好点,这个价格在一线城市,可能还是大家经常讨论的老破小。

现实情况中,大多数家里没啥积累的小城市孩子,是走不了读985去牛逼企业拿高薪,之后在大城市安家的道路的。

因为多数孩子成绩都不是拔尖那种,在这种情况下,也就不可能考进录取概率只有1%的985,之后毕业去牛逼企业上班拿高薪。

通常他们或者因为成绩一般,读了个普通大学。或者读到一定程度读不进去书了,就会出来打工赚钱。

在哪里打工不是打工呢,因为大城市工资相对比较高,生活也相对丰富,所以会选择去大城市。

但是在大城市,由于自身收入水平不太高,家里也没啥积累,他们是不可能留下来定居的。

对于大城市来讲,他们就是年轻的外来务工者,到了一定年纪就会被挤出,然后回老家去生活。

可以看出,这里面决定他们能不能在大城市定居的,更大程度上是他们的家庭积累。

很典型的例子就是两个普通家庭出身的孩子,家庭都没啥积累,来到大城市工作。

一个因为上了普通本科,在一家公司做行政或者文员。另外一个因为没读多少书,来做了外卖员。

面对大城市高昂的房价,从收入的角度讲,他们不会有啥本质的区别。

教育给他们带来的,也并不是收入上的差距,甚至送外卖还可能高一点。

不过从工作性质上说,毫无疑问多数人会觉得坐办公室看起来更体面,因为感觉可能会有更多的上升机会。

但是到了目前的社会发展阶段,多数时候这两个人命运的终点都差不多。

最终都会因为家庭积累不够,到一定年纪在大城市没法负担当地的房产,只能黯然离去。

从目前的房价水平看,目前京沪深已经对年轻人非常不友好了,因为基数实在太高了。

上车盘随便涨一涨,就是大几十万出来了。认真涨一涨,基本就要涨个百来万。

改善型住宅对中产也越来越遥不可及,150平的三房,差不多点的地段随便涨涨就是二百万,认真涨一涨就是五六百万。

拿我熟悉的上海来说,普陀长征板块的改善次新中海紫御豪庭,2020年中是8万出头,现在12万。

为啥现在就业压力越来越大??

这也是为啥我们之前写过篇《一个重要的选择题》,在文章里会告诉大家。

现在资产价格高企的情况下,年轻人选城市需要根据自己的收入和家庭条件来,这点非常的重要。

因为如果你不能靠资产和一座城市捆绑,那本质上这个城市和你无关。

你仅仅是在这座城市发光发热,耗尽生命建设城市的干电池罢了。

尾声:

当然了,我们写这么多,并不是告诉大家现在这个阶段不应该好好读书。

读书对多数普通人来说,依然是性价比最高,确定性最强的路径之一。

只不过现在这个阶段,想要单纯靠读书杀出重围,已经变得越来越难了,不要单纯的寄希望于读书突破天花板。

从过往的历史长河看,不同状态的人群在稳态社会突破自身天花板,依靠的东西是不一样的。
一无所有那部分人,通常是靠基因突变来突破天花板。在美国这类稳态社会,很典型的就是体育明星。
多数中产们靠的是历史的进程,富人靠的则是家族资源和财富的传承。
当然了,对多数普通人来说,还有个可能的选择方向是新兴行业。
往往我们看到新兴产业的机会,每隔五六年就会出现一个,普通人在这个领域突破的几率会更大一点。
因为在一个成熟社会,传统行业基本都已经步入稳态,存在的机会和增量是非常有限的。
你作为一个后来者,想要在传统行业里面找到盈利的机会,也非常的难。
毕竟传统行业里每个链条都已经非常成熟,不管在这个行业创业还是打工,基本只能拿到相对固定的报酬。
这个报酬可能很多年都不会有啥大的增长,因为行业的整体利润率就决定了从业者的收入没办法大幅增长。
只有在新兴行业,尤其是那种短期爆发性增长的行业,才会在短短几年时间内,出现财富爆炸的机会。
再加上新兴行业刚开始发展,这时候大家都是一张白纸,没啥资源积累,也没啥相关经验。
这时候不管对于谁来说,都是这个行业里面的新人,大家也都是在摸索中前行,因此机会大很多。
这两年很典型的例子就是,短视频这个行业爆发的时候,不少年轻人在上面赚到了第一桶金。
这一点在欧美这种成熟社会,也体现的非常明显。大家做传统行业,每个月收入基本都是固定的。
只有跑去做Instagram达人或者橄榄球明星,才有突出重围的机会,在传统行业根本就不可能。
这也是为啥我们会说:年轻人要多看新兴行业,这样才能抓住属于自己时代的机会

转自:https://mp.weixin.qq.com/s/KEIi35yAJ6-Vlo8PQ5UZqQ

老程序员的建议:专心学好一门编程语言就行!

摘要:大多数程序员在其职业生涯中,接触到的编程语言不止一种,但主要掌握并运用的多数只有一门。那么在数量繁多、适用领域各不相同的编程语言中,哪一门更适合你来学习呢?“老程序员”Eleanor Berger 总结了这些年来他对各种编程语言的看法及其发展历程,接下来就让我们一睹他心目中的最佳编程语言是什么。

原文链接:https://devtails.xyz/@adam/switching-to-c-over-modern-programming-languages

作者 | Eleanor Berger
译者 | 弯月

最近,著名游戏程序员、id Software 创始人之一John Carmack在采访中表示,程序员应该专心学好一门编程语言。这倒让我感到有点惊讶。虽然我个人非常赞同这条建议,但在如今的程序员圈子里,这种观点是有争议的。

我猜,我就是大家所说的“老程序员”了。我的岁数不小了,一生都在从事编程工作,而且从步入社会之后就一直在从事这项专业工作。有时,我觉得自己是一名编程语言爱好者,亲眼目睹了许多编程语言的发展。回顾过去,这是一段激动人心的历史,我们会不由自主地得出一个(错误的)结论:多掌握几种编程语言总没坏处。编程语言的历史发展非常精彩,但如今的发展形势相对比较平和。

在本文中我想回顾一下曾经的历史,总结经验教训,并看一看究竟哪种编程语言才是最好的标准化语言。

20 年 Python 老程序员的建议:专心学好一门编程语言就行!

 

20 年 Python 老程序员的建议:专心学好一门编程语言就行!

史前阶段(50年代~80年代)

 

随着计算硬件和计算机科学作为一门学科逐渐兴起,计算机编程(除了处理器本身的指令之外)也开始缓慢地发展。在最初的几十年里,编程语言主要是学术界的研究对象,还俘获了一小部分研究人员。程序员的选择很有限,主要取决于领域。

业务编程使用COBOL,科学编程使用Fortran,还有一些其他语言通常用于特定领域、研究或硬件。

对于大多数程序员来说,整个编程生涯或在很长一段时间里,只需专心学习一门编程语言。虽然有人对编程语言的设计感兴趣,但彼时该领域还很稚嫩。尽管出现了一些很有趣的创新,但对于如何才能设计一种好的编程语言,人们还没有很好的理解。

 

20 年 Python 老程序员的建议:专心学好一门编程语言就行!

专业化(80年代~90年代)

 

随着计算机硬件数量的增加以及用途的日益多样化,编程语言的数量也开始增长,编程语言的选择变成了一个流行的话题。人们开始对编程语言进行分门别类。我们可以通过程序员的种类以及他们渴望达到的专业水平,判断他们会选择哪种语言。个人计算机编程爱好者使用越来越流行的BASIC。这是一种很荒诞、很原始的编程语言,却被广泛使用并成为了一代程序员(包括我自己)的引路人。Pascal引入了结构化编程,并产生了巨大的影响(Pascal与Turbo-Pascal 和 Delphi 建立了一个蓬勃发展的社区,但最终消失了)。

起源于UNIX的C成为了系统编程语言。C++成为了C的后继者,并借鉴了Smalltalk的面向对象编程,成为了专业应用程序和服务开发人员的语言。最终 Visual Basic(与BASIC毫无关系)普及了“可视化编程”,满足了应用程序开发的需求(随着 Windows 的出现而迅速增长),并成为大众的首选。但人们普遍认为,VB程序员是领域专家兼职编程工作,而C和C++才是“专业”的编程人员。

这个阶段,人们仍然没有很好地理解编程语言的设计,导致许多流行的编程语言很多方面的设计都不太理想。C语言简单而强大,但很难熟练掌握,有可能出错的地方太多。C++的意图虽好,但最终的设计不佳,而且使用感不好。Visual Basic既有趣又简单,但有点儿戏,在当时的技术条件下,优雅与效率都不达标。Smalltalk 和 LISP 都是有趣而优雅的语言,但由于捆绑到了专门的硬件和昂贵的工具,导致最后失势。

 

20 年 Python 老程序员的建议:专心学好一门编程语言就行!

成熟(90年代~2000年)

 

后来,互联网兴起。互联网对编程语言的影响究竟有多大也许未可知,但无疑这是一个重大因素。很久以前,编程语言是一个稀有之物,通常诞生于研究实验室和大型商业公司;但如今似乎任何一个人都可以开发出自己的编程语言。曾有一段时间,PERL成为了流行的通用语言,涵盖了从系统管理到 Web 编程的方方面面。后来,Python从科学研究语言变成了简单易学的通用语言,尽管最初发展缓慢,但最终席卷了整个世界。据传,Netscape 的 Brandan Eich仅用了几天时间就开发出了JavaScript(作为一种功能十分有限的浏览器扩展语言)。这不仅证明Eich是一个天才,也证明那个时期人们对编程语言的设计有了很好的理解。

这一时期出现了许多其他的编程语言,其中最有名的是Java。这门语言本身并没有特别之处,但它提供的JVM是一个通用的运行时环境,实现了“编写一次,到处运行”,也就是说该语言十分通用,不受特定硬件、操作系统、或目标环境的限制。严格来讲,早期的JVM并没有什么值得炫耀的,但它开创了语言运行时及部署选项日益成熟的时代。

 

20 年 Python 老程序员的建议:专心学好一门编程语言就行!

迅速发展(2000年~2010年)

 

自JVM以后,编程语言就开始朝着一个有趣的方向迅速发展。源自Self语言(Smalltalk的后继者,虽然优秀但非常失败)的即时编译器(JIT)得到了更深入的研究,从而诞生了Java的HotSpot,而微软为了对抗Java推出了.NET CLR。.NET则更进一步,将 CLR(Common Language Runtime,公共语言运行时)作为了多语言的通用运行时,而不仅仅是C#。事后看来,这是一个分水岭:编程语言的选择变得无关紧要。这可能不是微软做出这个选择的主要原因(当时他们仍在努力继续支持流行度非常高的Visual Basic,还有C#),再加上那段时间微软的封闭式许可,最终CLR未能成为最受欢迎的运行环境。但在千禧年之后的第一个十年中,编程语言的数量越来越多,而且无处不在。

另一方面,程序员的数量也出现了爆炸式增长。随着软件的需求快速增长,以及工具和知识的普及,全世界数百万人都变成了程序员。这些程序员也是人类,他们渴望强烈的群体认同。就像普通人对体育运动团体有着强烈而非理性的看法一样,程序员也开始在编程语言的选择问题上站队。许多程序员迫不得已选择某种新兴、独特、特殊的编程语言。例如,有人声称函数式编程才是王道、Ruby比Python好、Scala将彻底改变数据科学、不选Clojure是你的损失……至此,编程语言从线性发展进入了混乱的达尔文优胜劣汰时期。

 

20 年 Python 老程序员的建议:专心学好一门编程语言就行!

超标准化(2010年至今)

 

原以为,这个时期的人们会意识到某些编程语言过于疯狂,无法持续发展。然而,实际情况并非如此,相反,情况出现了意想不到的转变。在“云”计算时代,许多应用程序和服务的部署跨互联网上的大量分布式节点,使用哪种编程语言似乎已无关紧要。程序员都在开发互相交流的独立组件,又有什么必要纠结编程语言呢?组件之间并不需要知道彼此是用哪种语言编写的。如果程序员喜欢用X语言编写组件,那么就用这种语言好了。谁在乎呀。

在不同机器上运行的组件也是如此,随着Docker的发布,容器得到了普及,无论是在一台机器上运行的应用程序,还是通过编排软件在机器集群上协作运行的软件,都可以使用相同的范例轻松管理。

如今人们仍在开发新的编程语言,其中不乏前途无量且备受期待的语言。有些是特定领域的(移动应用程序使用的Swift、Kotlin 和 Dart,以太坊智能合约使用的Solidity),而有些则比较通用,但每种语言都得益于这几十年来积累的经验教训(面向云编程的Go,面向系统编程的Rust,以及JavaScript的超集TypeScript,等等)。

与此同时,编程世界达到了一个新的成熟度,我们不再追逐每一种新趋势,采用每一种新语言。我们都成长了。

 

20 年 Python 老程序员的建议:专心学好一门编程语言就行!

专心学好一门编程语言

 

毫无疑问,有些编程语言确实更为出色,而有些编程语言则更适合处理某些特定的用例。任何从事过编程一段时间的人都清楚,学习一门新语言一点也不难。大多数程序员只需一个下午,就可以轻松学习一门新语言的基础知识,使用几天后就可以多或少地提高工作效率。新手程序员可以从任何一门主流编程语言开始学习,并将学到的编程知识轻松地应用到其他语言中。

然而,频繁变更编程语言并非好事,原因主要有两个。首先,学习编程语言有点像学下棋。你可以快速学习规则,但这并不意味着你可以战胜经验丰富的玩家。你需要学习策略,而这需要时间和练习。这是一个由最佳实践、陷阱、优化技术,以及库、工具和社区组成的生态系统。其次,编程虽简单,却容易出错。即使拥有常见的编程经验和最好的工具,将想法转换为计算机代码也不是一件直觉行为。无论程序员建立了怎样的直觉,也必须经历反复使用、即时反馈和纠错的循环。每次更换编程语言,你都需要付出代价。所以,根据我的经验,编程语言的选择很重要,但是一旦做出了选择,从长远来看,就应该坚持下去。

 

20 年 Python 老程序员的建议:专心学好一门编程语言就行!

如何选择编程语言

 

时至2022年,我们在选择编程语言时,需要考虑以下几点。

首先,最关键的考虑因素是语言的适用范围。如果是特定的领域,必须使用一些特定于领域的语言,则最具普遍适用性的语言是首选。值得庆幸的是,自从Java提出“编写一次,到处运行”以来,运行时和部署便不再是问题,成本和许可也不再是制约因素。时至今日,所有编程语言、运行时以及各种工具基本都可以免费获取。如果某种语言不适合某个特殊的场合,只能说它的流行度不够,没有普及到所有人;要么是因为一些基本因素,导致该语言确实不适合该任务。

流行度很重要,我们应该选择拥有强大的社区、丰富的信息来源、大量其他程序员可供合作或雇佣的语言。任何不受欢迎的语言都不值得选择。如果遇到特殊情况,则选择会更困难。没有任何一种语言能够适用于所有场景,但在理想情况下,通用的主流语言应该足以应对大多数场景。

最后,我们选择的编程语言应该优于大多数其他语言。即使在2022年,仍有一些糟糕的编程语言,难以学习和使用,很容易让程序员陷入困境。

鉴于上面的陈述,我认为实际上我们并没有太多选择。下面,就让我们来看看这些最佳编程语言。

 

20 年 Python 老程序员的建议:专心学好一门编程语言就行!

最佳编程语言

 

JavaScript / TypeScript

编程语言界的JavaScript就像人类交流时使用的英语一样。它是最流行、最通用的编程语言,适用于许多不同的场景(浏览器/前端、系统/后端、作为扩展语言嵌入到许多环境中)。JavaScript的运行时(V8 / Node / Deno)非常高效,拥有许多出色的工具和庞大的社区。

TypeScript是JavaScript的超集,引入了强类型和标准工具,正在迅速发展成为JS编程的默认选择。

Rust

Rust拥有C/C++的所有功能,更易于使用,而且也没有太多陷阱。Rust的社区和生态系统非常强大且在不断发展,工具也很好用。如果你需要的功能Rust都提供了,那它绝对是不二之选。以前只能使用C或C++的场合,如今也可以选择Rust。此外,Rust还在建立自己的WebAssembly通用语言(WebAssembly可以说是终极版的“编写一次,到处运行”的运行时)。

 

20 年 Python 老程序员的建议:专心学好一门编程语言就行!

强有力的竞争对手

 

Python

我使用Python已经超过20年了,可惜时至2022年,Python依然算不上真正的通用编程语言。原因之一是,Python仍然非常低效,很多注重性能的场合都无法采用Python。还有一个原因是,它未能进入主流的面向用户环境,比如网络浏览器或手机。尽管如此,Python仍不失为一种出色的编程语言,而且在数据工程/数据科学/机器学习中占据了重要位置,所以如果你从事这些领域的工作,那么Python绝对是一门值得了解和热爱的语言。就目前的情况来看,Python很可能会作为数据科学的通用语言继续发展下去,但可能无法突破这个领域。

Go

Go是一种非常适合“云”编程的语言。Go语言优雅、易于学习和使用,拥有出色的社区、生态系统和工具。它被广泛应用于云原生领域的核心产品,因此它会长期发展下去。不幸的是,Go并没有普遍的适用性,基本无法用于互联网服务器之外的环境。此外,由于Go设计上的选择,它在C/C++世界中表现不佳。Go固然好,但如果必须做出选择,凡是Go能实现的功能Rust都可以实现,随着时间的推移,Go有可能会被主流系统编程语言取代。

C#/Java

C#及其生态系统非常出色,你可以用它实现很多功能。Java的各个方面都比不上C#,所以我不理解为什么有人会喜欢它,但Java确实很流行。C#的应用很广泛,不仅是一种系统和“商业”语言,现在更是延伸到了移动应用程序和浏览器。强大的运行时,伟大的生态系统。但是,除非你需要C#的一些量身定制的运行时和工具的功能,否则在短期内C#很难与JavaScript和Rust竞争。

C/C++

根据林迪效应,C和C++在未来几十年内将继续流行下去。如果你已是这两种语言的专家,肯定不愁找工作。如果有这方面的需求,则花时间学习二者也是不错的选择。否则,选择Rust更合适。

 

20 年 Python 老程序员的建议:专心学好一门编程语言就行!

荣誉奖

 

Swift / Kotlin / Dart

这几种语言在特定领域占有一席之地。如果需要移动UI编程,则这些是不错的选择。但JavaScript的适用性更普遍,而且也同样适用于移动开发,因此我们更应该选择JavaScript。

LISP(Racket / Clojure)

LISP很特别,即使日常工作没有这种需求,也应该学习一下。Racket 是最先进的、非常复杂的语言(实际上它是一种语言构建工具包)。据传,Clojure的功能很强大,因为它的目标是JVM,可以使用 Java 库。但我不清楚这个卖点有多大作用。

Haskell / F# / Scala

函数式语言很重要。在某些情况下,它们是更优的选择。Haskell是函数式编程的代表。F#具有更好的普遍适用性,因为它的运行平台是CLR,并且可以使用 .NET 库。Scala不是纯粹的函数式,但非常通用,并且在 JVM 上运行。

Julia / R / MATLAB

Julia非常适合数学领域。R和MATLAB都有各自擅长的特定场合。不过,在Python主导的数据工程领域,这些编程语言恐怕很难幸存下来。

PowerShell

如果你从事shell编程,那么PowerShell是迄今为止最好的选择。它适用于所有操作系统,所以我们没有理由使用任何其他 shell。PowerShell也算是一种通用编程语言,但实际上在非系统管理之外,没有人使用它。

 

20 年 Python 老程序员的建议:专心学好一门编程语言就行!

迟暮之年

 

PHP / 红宝石 / PERL

这些语言也曾有过辉煌的岁月,主要是作为网络“后端”语言。无论你如何看待这些语言,如今都不应该再在它们身上白花力气。它们都在走向灭亡。

Visual Basic / VBA

VB 改变了世界,但如今却被淘汰出局了,无论是作为通用语言还是作为对其他程序的扩展。在遥远的过去可以用VB实现的功能,如今都可以用其他现代语言更出色地实现。

 

20 年 Python 老程序员的建议:专心学好一门编程语言就行!

总结

 

我喜欢编程语言,而且永远对新语言充满了好奇。但是,就目前而言,TypeScript是我心目中的C位,而在需要强大的功能和低级访问权限的情况下,Rust居第二。我相信,2022年几乎所有程序员都与我有类似的看法。

转自:https://mp.weixin.qq.com/s/7M2NfuO5UrFein8PVTgBFQ

读书:《赌神数学家》

佩恩辞职开办了自己的佩恩辛辛那提电报公司(Payne Telegraph Service of Cincinnati)。新公司的唯一业务就是向赌马庄家们报告赛马结果。用电报机将结果发送到辛辛那提的各个赌注登记处。

发明一种能够赚钱的新产品或者新服务正是美国梦的目标。

麻省理工学院准备竭尽所能把香农从AT&T的贝尔实验室争取过来,于1956年成为其客座教授

索普有着惊人的数学天赋,但说话却非常晚。爱德华·索普于1932年8月14日在芝加哥出生,直到快3岁的时候才会开口说话。

1955年春季,索普在加州大学洛杉矶分校物理系读研究生

索普的观点最为独特,他说上述两种情况都可以赚钱。如果轮盘的物理学设计非常完美,那么简单的物理学就可以预测出球的走向。如果轮盘设计有瑕疵,那么就会倾向于某些数字,自然可以利用物理学知识测算出这些数字,然后押注。

索普买了一台便宜的轮盘赌博机。他把秒表放在旁边,并用胶片摄像机对机器的运转进行拍摄,然后逐帧检验拍摄记录,希望能够从中找到规律,但最后他得出结论称自己买的这个玩具轮盘稳定性太差,无法完成预测。

索普自学了“FORTRAN”这种古老的程序语言,然后自己在计算机上编程。他的计算结果表明牌面为5的牌比其他牌更能增加赌场胜率,但对玩家不利。通过简单计算牌面为5的牌出现了多少张,玩家可以判断出剩下的牌对自己是否有利。

职业赌徒必须要在“资金管理”方面占据优势。这是既棘手却又最重要的事务,即如何从有利的赌博机遇中获得最大的收益。你可能是世界上最伟大的扑克玩家、西洋双陆棋棋手或者比赛结果预测者,但如果你无法管理你的钱,你终将破产。令人悲哀的事实是,几乎每个赌博的人最终都走向了破产。

最著名的押注系统是“马丁派战术”和“倍增保额弥补法”。在这种系统里赌徒会一直加倍押注,直到赢为止。先押注1美元,如果输则 2美元,4美元 再押注8美元,然后16美元、32美元、64美元……你总会有赢的机会的。但当你赢的时候,你肯定只能盈利1美元。

有效地发送信息也需要压缩和重组的过程。当然,信息和果汁一样,问题在于传递过程中是否丢失了某些微妙的东西。

信息中的“物质”,也就是不能被去除的必要部分是什么?大多数人认为是信息的“含义”。香农则提出了最激进的观点,他认为含义是无关紧要的。香农认为信息反而是与“随机性”相关。这不仅是因为噪音会随意扰乱信息。只有当发送者所说的是接收者原本不知道并且无法预知的信息时,信息才有存在的意义。因为真正的信息是无法预知的,本质上只是一系列随机事件,就像赌博轮盘的旋转或者骰子的滚动一样。

那么存在于每条信息中不能压缩的物质到底指的是什么呢?香农的结论是这种物质可以用统计学术语来表述。这种物质只与信息符号的不可预知程度有关。

信息的不可能性越高,“可压缩性”就越低,需要的带宽就越多。这就是香农的观点:信息的精华在于其“不可能性”。

“熵”(entropy)是一个物理学术语,宽泛地讲就是表示随机性、无序性或者不确定性程度的函数。熵的概念源自蒸汽机的研究。据了解,要想将所有随机热能都转化成有用的能量是不可能的。蒸汽机运行时需要有温度差(热蒸汽将活塞推向冷却空气)。随着时间的变化,温度差会渐渐消失,蒸汽机便会停止工作。物理学家将其描述为熵的增加。著名的热力学第二定律中说,宇宙的熵值一直在增加。事物会停止运动、分裂,然后殆尽。

通过给信息编码的方式可能将一个通信通道的全部容积充分利用。

香农证明你可以鱼和熊掌兼得。对信息进行编码使噪音导致的错误如你所愿降到最低,无论通道多么嘈杂,而且不必耗费额外的带宽,这一点是可以实现的。

香农的理论表明有一种方法可以使误读数据发生的概率忽略不计。互联网文件共享的主意也源于香农。要不是因为香农灵感迸发创造出纠错码,每次通过互联网传输音乐和电影文件或是将其存储在硬盘中时都会使文件质量下降

由于深受香农影响,马歇尔·麦克卢汉(Marshall McLuhan)在《了解媒体》(1964)一书中杜撰了“信息时代”一词。

凯利在位于奥斯汀的得克萨斯大学攻读单调乏味的物理学学士学位和研究生学位,进入贝尔实验室

根据香农于1956年在麻省理工学院做的讲座的油印笔记记录,正是对《64000美元的问题》节目中这种诈骗手段的“新闻报道”激发了约翰·凯利设计他的数学赌博系统的念头

一个“有内幕消息的赌徒”可以提前知道棒球赛或者赛马的结果。这些消息或许不是百分之百可靠,但足以让下注者占尽先机。下注者能够按照正常的“公平”赔率进行下注。凯利提出的问题是,下注者应该如何使用这份内幕消息?

当你相信“战将”(War Admiral)获胜的概率为24%的时候,你应该将24%的资金押在“战将”上。这种方法被叫作“信念下注”。长期来看,“信念下注”将会让你可能获得的累积收益最大化——前提是你对赔率的评估比其他人更加准确。

凯利公式提出你应该按照这个比例对一项有利赌博进行下注:胜率/赔率。

“胜率”(edge)指的是你对获胜的期待程度。一般来说,假设你可以在相同的概率下不断进行此类投注。它是一个分数,因为收益总是与下注金额成比例。

“赔率”(odds)指的是公众或赌金结算公示板公开的赔付比例。衡量的是如果获胜,你将获得的收益。赔率可能是8:1,意思就是如果获胜,你获得的收益将是8倍投注金+投注本金。

凯利的一个方程式——Gmax=R。“G”指的是赌徒资金的增长率。这是根据赌徒“投资”计算累积收益的一种方法。下角标max是指我们所谈论的是最大可能收益率。“R”,这是香农理论中的信息传输率。最大收益率等于“内幕消息”的传输率。“R”是每时间单位以字节计算的信息率。等式两边的时间单位必须相同。如果你用每年多少百分比来计算收益,那么你就同样需要用每年多少字节来计算信息率。

凯利曾说过赌博和投资之间只差一个“负号”。有优势的下注叫作“投资”,没有优势的下注则叫作“赌博”。

根据八卦专栏作家沃尔特·温切尔(Walter Winchell)对联邦调查局的爆料称,胡佛从弗兰克·科斯特洛那里获得了内幕消息。当黑帮内定一场比赛时——这很显然意味着近乎100%的确定性——科斯特洛通过两个人共同的朋友温切尔将获胜马的名字告知胡佛。这些内幕消息帮助胡佛获得了一小笔财富

1961年1月,美国数学学会在华盛顿召开了冬季会议。爱德华·索普将论文题目定为“财富公式:21点的制胜策略”。

香农建议索普运用凯利的公式决定下注金额。索普阅读了凯利1956年的文章并立即对其相关性表示认同。论文明确指出,下注金额多少取决于整副牌的有利程度。

索普最终决定与提供资金最多的人合作。两个富有的纽约人(基梅尔、埃迪·汉德)提出联合为其在内华达州的赌场提供10万美元赌资。基梅尔说他可以资助索普,但前提条件是他和他的合伙人必须要分得获利的90%。

凯利系统的驱动力是“大数定律”。凯利系统能够对资金进行管理,因此赌徒能够在游戏中坚持足够长的时间让大数定理起效。

大数定理贯穿于香农的信息论中。在嘈杂的通信通道中,每个字节都是不确定的,唯一确定的就是概率。

赌场经理维克·维克瑞(Vic Vickrey)回忆称一个强硬派人士认为最好的解决方式就是“打断几个人的腿,我敢打赌这消息很快就会传出去,谁再敢玩算牌的把戏就会被弄残,除非他们喜欢吃医院的饭”。会议主席提出反对,理由是他们不再做那样的事情了。他们是合法商人,需要像合法商人一样思考问题。

哈佛给萨缪尔森安排了一个教经济学的低薪岗位,获得终身职位的希望非常渺茫(当时那个年代,常春藤名校通常暗中排斥犹太人)。1940年,萨缪尔森接受麻省理工学院的工作邀约。

萨缪尔森把经济学视作一门数理科学,这在当时是一种非常新颖的想法。从亚当·斯密(Adam Smith)到约翰·梅纳德·凯恩斯(John Maynard Keynes),大多数时候经济学只是空谈。

1953年,英国统计学家莫里斯·肯德尔(Maurice Kendall)在伦敦为皇家统计学会(Royal Statistical Society)做报告。指出根本无法预测小麦价格,表明股票价格可能也符合这个原理。那些认为可以预测股票市场的人(指的是股票经纪、投资顾问或者投资经理人),其实是在自欺欺人。

1900年, 路易斯·巴舍利耶 在《投机理论》一文中提出,股票价格的日常变动从根本上是不可预知的。如果股票价格反映的是企业的一切已知信息以及所有合理推测的话,那么根据定义,股票价格未来的变动就应该是不可预知的。股票价格不会为了满足大众期望就上涨。股票的表现优于人们的预期时,其价格才会上涨。如果表现没达到人们的预期,价格就会下跌。因此,股票价格受到一连串不可预知的、或好或坏的新闻事件的影响会随机波动。如果一个人购买一只股票然后立即将其卖掉,那么他的输赢概率是相等的。巴舍利耶写道:“那么,这个投机者的数学期望值就是0。”

股票价格的不可预知性同时又使其从某种程度上可以被预知——从统计学角度。巴舍利耶坚信股票价格具有随机游走性质。(一个醉汉靠在一根灯柱上睡着了,他时不时醒来随意向一个方向踉踉跄跄走几步,然后再倒下睡一会儿。这个过程无限重复。那么,这种毫无目的性的旅程进行多次后,醉汉离灯柱有多远?)

赌徒在概率游戏中的资金波动也构成了随机游走(属于单向随机游走,因为财富值只能向上或向下波动)。赌徒的财富值随时间偏离原始值越来越远,最终导致破产。

萨缪尔森发指出,每天每只股票的价格都是乘以一个随机因子数(像98%或者105%)的结果,而不是按照某个随机定量上涨或者下跌。这种模式称为对数正态随机游走(log-normal random walk)或者几何随机游走(geometric random walk),这就避免了股票价格出现负值的情况。

有效市场假说。该假说指出市场非常擅于设定公平的股票价格,没有人能比其他人获得更好的收益,除非纯粹靠运气。芝加哥大学经济学家尤金·法玛(Eugene Fama)从理论和实证两方面对这个观点进行了深入开发。

比较难的一个问题是某些极有才华的投资者能否战胜市场。他们并没说没人能从股市中赚到钱。他们也没说没人能获得比平均收益更高的收益。也没说所有战胜市场的人都一定仅仅是靠运气取胜的。

投资高手的定义需要谨慎界定。评判的标准就是他们要能通过某种逻辑体系获得优于市场的风险调整后收益,而不是靠运气

萨缪尔森明显感觉到巴菲特的成功应该归类为极少数“无法解释的案例”。萨缪尔森还是对自己的个人投资进行了对冲——他把自己的一些积蓄投进伯克希尔-哈撒韦公司

法玛的“弱式”(weak form)有效市场假说坚称,你无法通过对过去价格的了解推测股票未来的价格,进而战胜市场。指出技术分析是毫无价值的

“半强式”(semistrong form)有效市场假说提出,无论如何利用公共信息都是无法战胜市场的。

“强式”(strong form)有效市场假说提出即使你能够了解到还未公开的企业信息,你也无法战胜市场,“内幕交易”毫无价值。

50年代末,香农开始对股票市场进行深入研究,这既是为了满足他的求知欲,也是为了赚钱。他买了上百本经济学和投资方面的书,塞满整整3个大书架。

数学家的卡尔·弗里德里希·高斯(Carl Friedrich Gauss)也做股票生意。

年薪仅1000泰勒的瑞士数学家欧拉死后留下的现金和证券资产居然高达170587泰勒

艾萨克·牛顿在投资南海贸易公司时损失了大约2万英镑

有一次,爱德华·索普到香农家拜访时曾在黑板上看到一个式子:2^11=2048索普询问含义。克劳德和贝蒂都陷入沉默。犹豫了片刻后,他们解释说他们一直在炒新发行的热门股票。他们的收益几乎每个月都翻番,他们正在计算他们将拥有多少钱

香农夫妇购买新发行的技术股份获得成功

索普用自己的积蓄以每盎司1.3美元的价格买了一些白银。价格涨至2美元左右时,他又以保证金的形式(借钱)购买了一些。后来价格下跌,索普无法追加保证金,因此损失了约6000美元。“我上了昂贵的一课。这节课让我懂得你不可能通过从新闻中了解的消息而在市场中获得任何优势。”

索普的创新之处在于精确计算出要达到抵消卖空认股权证风险的目的需要购买多少股票。这种技术现在被称为“德尔塔对冲”(delta hedging)

凯恩斯 “市场保持非理性的时间比你能支撑的时间长得多”

对冲基金和普通传统互惠基金之间的区别现在一部分体现在监管上,一部分体现在社会经济学方面。互惠基金的投资者主要是美国的中产阶级,法律监管十分严格,通常不允许卖空或者使用杠杆。而对冲基金的投资者主要限制为有钱人或者机构。监管者给予对冲基金经理人更宽阔的活动空间,因为他们通常认为那些富有的投资者自己会多加小心。

索普说真正检验那些大规模投资是否可行的方式就是“你是否睡得着觉”。如果投入数额对他造成太多困扰,他就会缩减投入。

信奉有效市场理论的人们通常认为利用套利机会赚钱太容易,因此价格不会大幅度偏离正常轨道太久。但索普的经验表明并非如此。他了解到套利者通常会受到交易成本、错误定价证券的供应、凯利公式以及其他因素的制约。错误定价回归正常需要经历几周、几个月甚至更长时间,而索普可以利用这段时间以数学上的最高速度从中获利。

积极投资者指的是那些幻想可以战胜市场的人。积极投资者把资金投资到除市场投资组合之外的任何投资中。积极投资者包括任何试图挑选“优良”股票而避开“不良”股票的人,或者那些把钱投入主动管理型互惠基金或者投资合伙公司由他人帮忙打理的人。[评:此处的 积极并非褒义,可以理解为主动投资者 ]

积极投资实际上是一种零和游戏。如果某个积极投资者的表现高于平均值,那么必然有其他积极投资者的表现低于平均值。不要认为积极投资者获得的收益是来自那些懦弱的满足于平均收益的消极投资者,从而逃避这个结论。消极投资者的平均收益与积极投资者的平均收益完全相同

索普用软件计算出标准普尔期货的公平价格。计算机模型让索普了解到标准普尔期货像很多令人兴奋的新兴事物一样被估价过高。这就说明普林斯顿-纽波特公司可以通过销售标准普尔期货而赚钱。但是对冲交易则需要购买标准普尔的全部500只股票,这使交易成本大大增加。索普进行了深入计算并得出结论,购买精选的标准普尔股票组合将为交易提供有力保障。这个轻松赚钱的机会持续了大约4个月,利润高达600万美元。

随着1982年财政年结束,索普和里根已经成功在13年内将初始的每个1美元增长为6.61美元。

发现大数定理的雅各布·伯努利正是丹尼尔的伯父。雅各布教他的弟弟约翰学习数学。约翰和雅各布一样聪明,但也同样自负。伯努利兄弟俩有个非常不幸的习惯,就是总爱互相竞争研究同一个问题。他们总是发表文字严厉抨击对方。丹尼尔既是数学家,也是物理学家。他发表了著名的法罗牌赌博分析文章,后来还发现了被应用于机翼设计方面的“伯努利效应”(Bernoulli effect)。约翰对自己儿子取得的成就并不感到高兴。当父子俩在1734年一起被授予一项法国科学院奖项时,约翰将自己的儿子丹尼尔赶出了家门。约翰抱怨称获奖的应该只是他自己,而不应该是他们两个人。1738年,丹尼尔出版了一本非常重要的著作,名为《流体力学》(Hydraulica)。第二年,他的父亲用自己的名义出版了内容几乎相同的一本书,而且虚报日期为1732年。通过这一计策,约翰可以堂而皇之地声称他儿子出版的书系剽窃。

伯努利的真正贡献就是创造了一个新词。这个词被翻译成英语“utility”(效用),描述的是人们赋予金钱的主观价值。伯努利认为人们根据本能采取行动以最大限度获得效用——不一定是最多钱(美元或是达克特)。伯努利指出:“物品的价值绝不能建立在其价格基础上,而必须建立在其产生的效用基础上。物品的价格只取决于物品本身,而且对任何人来说都一样;然而,效用取决于做出评估的人所处的特定环境。”

效用与财富的对比图。曲线的形状(以及伯努利提出的金钱收益与既有财富成反比的法则)描述的是一个对数函数。伯努利的概测法因此被称作“对数效用”。

英国经济学家威廉·斯坦利·杰文斯(William Stanley Jevons,1835—1882)认为对数效用适用于消费品和财富——“随着人们生活必需品(比方说普通食品数量)的增加,最后使用的部分所产生的效用或者利益会随之降低。”

获得对数效用的某个人的财富每增加10倍,他的幸福程度都是相同的。也可能并无道理。但有一点值得注意,这种财富值呈10倍增长的案例让人难以消化。如果你考虑的只是“过得不错”的话,那么100亿美元和10亿美元对你来说并没什么差别。对数效用同样也不是好的贫穷模式。因为它暗示当你失去最后100万美元的90%和失去最后一角钱的90%时一样痛苦。这很荒谬。

“概率注释”中,威廉姆斯说,“如果一个投机者习惯于将他的资金加上收益(或者损失)冒险投入到连续的每一笔交易中,那么他应该选择所有价格的几何平均数,而不是算数平均数作为可能的价格分布中的代表性价格。”

伯努利的理论认为风险投资应该通过产出的几何平均数进行估算。

几何平均数是n个值连乘所得结果的n次方根。几何平均数几乎总是小于算数平均数(特例就是所有平均值都完全相同时,这两种平均数也相同)。这就是说,计算几何平均数的方法是估算风险命题更为保守的方法。伯努利认为这种保守主义更好地反映出人们对风险的厌恶。

几何平均数几乎总是小于算数平均数(特例就是所有平均值都完全相同时,这两种平均数也相同)。这就是说,计算几何平均数的方法是估算风险命题更为保守的方法。伯努利认为这种保守主义更好地反映出人们对风险的厌恶。由于在风险投资中,几何平均数总是小于算数平均数,“公平”赌博实际上是不利的。伯努利说这是“大自然在警告人们远离赌博”

根据伯努利的观点,当赔率向有利方向倾斜时,赌博才有意义。当赌博双方存在财富差距时,赌博活动也能有意义。“对于某个人来说,投资某个受质疑的企业或许是理智的,但对于其他人来说,这么做或许是不理智的。”

凯利的法则最终可以被重新陈述为这样一个简单的法则:选择赌博或者投资时,选择最终结果的几何平均数最高的那个。这一法则就是“凯利准则”,比凯利公式“胜率/倍率”在计算赌注大小方面应用更加广泛。

1942年,约翰·梅纳德·凯恩斯写道:“有人认为对众多不同的公司分别进行小额投资,尽管对这些公司的信息了解不足,无法做出准确判断,但也比把大笔资金都投入到一家你非常了解的公司要安全得多,这种投资策略让我觉得滑稽至极。”

马科维茨是投资组合理论主流学派的创始人,因均值方差分析而闻名。马科维茨用统计学数据证明了多样化投资——购买大批不同股票,每只股票持有量都不太多——是如何削弱风险的

拉塔内于1959年,发表 “风险投资选择准则”(Criteria for Choice Among Risky Ventures),称为几何平均数准则。他表明这只是一种缺乏远见的策略。

1959年,哈里·马科维茨出版了著作《投资组合选择》

马科维茨是唯一一个看到几何平均数准则中存在诸多价值的经济学大家。他发现均值方差分析是一种静态的单周期理论。实际上,它假定你现在计划购买一些股票并在特定的时间框架结点将其抛售。马科维茨理论试图在单周期内平衡风险与收益。

马科维茨注意到几何平均数可以通过标准(算数)平均数和方差进行估算。几何平均数约等于算数平均数减去方差的1/2。进一步引入统计度量可能会使这一估算值更加精确。

1960年,统计学家里奥·布雷曼(Leo Breiman)发表了文章《最佳长期企业扩张投资策略》。布雷曼是第一个提出几何平均数最大化可以将达到特定财富目标的时间缩至最短的人。

只有当赌博利润可以进行再投资时,凯利准则才能发挥作用。

20世纪60年代中期,香农开始定期在麻省理工召开会议,就科学投资这一议题进行讨论。参会人员来自各行各业,其中包括保罗·萨缪尔森。

香农阐述了一个通过随机游走赚钱的方法。他让观众试想一只价格随机上下波动的股票,上下波动并不存在整体趋势。然后把一半资金投入股票,另一半放在“现金”账户中。每天,股票的价格都会发生变化。每天中午你都要“调整”投资组合。也就是说,你要计算出整个投资组合(股票+现金账户)现在的价值,然后从股票投资中抽出一部分加到现金账户或者从现金账户抽出一部分加到股票投资当中,这样做的目的是与最初股票和现金投资各一半的组合方式保持一致。在他自己的投资中是否用到了这一策略系统?“没有,因为交易手续费高得能杀了你。”香农答道

真正想要赚钱的人应该遵循(普通)凯利赌徒的做法,总是追求最大几何平均数。当凯利赌徒被允许按任何比例拆分资金总额投入现金账户和随机游走的股票时,他会选择一半对一半的拆分方式,因为这样做的几何平均数最大。香农的计划是凯利赌博的一个特例。

香农的系统是固定比例调整型投资组合的示例,是马克·鲁宾斯坦(Mark Rubinstein)和尤金·法玛等经济学家一直在研究的一个重要思想。鲁宾斯坦表示,在某些特定的假设条件下,最佳的投资组合总是固定比例调整型投资组合。要定期重新调整股票、债券和现金的持有量。因为这能让你获得稍高的风险调整收益,尽管手续费和资本收益税削弱了这项利润。

萨缪尔森的敏锐之处在于:凯利赌徒为了在雨过天晴后获得最终财富,一直在进行买卖交易。如果他们真正明白这些交易的实质,那么有些人就不会选择做这样的交易了。

正如凯恩斯所说,长远来讲,我们早晚都会死去。我们愿意去承担不可能在我们有生之年对我们造成伤害的风险。

萨缪尔森说,在你期望获得最大化长线收益且不承担破产风险之前,你最好确定这确实是你想要的,因为你可能真的会实现这个愿望。

尼尔斯·哈克森1971年发表的文章《资本增值与投资组合选择的均值方差法》在效用理论和均值方差分析的框架内将凯利和拉塔内的理论进行了重塑。

在1972年和1976年发表的文章中,哈里·马科维茨认为长线投资者的效用函数应该以复合收益计算,而不是根据最终财富值计算

行为金融学研究表明人们不仅受绝对收益和损失的驱动,同时也受到嫉妒心理的驱动。

还有一个问题。生命是短暂的,而股市投资是一个进度缓慢的游戏。以获得短期价差为目的的证券投机商比典型的小型投资者更适用凯利系统

赌徒们很喜欢的一种方式就是“减半凯利模式”。你的投注金额总是凯利赌注金额的一半。完全采取凯利准则下注的赌博者在资金翻倍之前有1/3的概率遭遇资金减半。减半实行凯利准则的赌博者则只有1/9的概率在资金翻倍之前遭遇资金减半。

大多数成功利用凯利公式的人实际上都旨在进行少于凯利赌注的投注——金额总数取决于人们对赌博的不确定性和对稳定性的看法。

另外一个降低凯利系统风险的方法就是多样化操作。

凯利准则对普通股票投资的吸引力是有限的。任何将全部资产投入股票的人都不得不接受财产出现大幅度缩水的情况。

黑色星期一对于有效市场假说也是一次严峻的考验。很多人很难理解对市场价值的合理评估如何仅在一天之内就改变了23%,而且除崩盘本身外并没有其他重大利空消息出现。

20世纪70年代默顿曾写过,市场可以表现得像一只跳蚤,也能表现得像一只蚂蚁。大多数时候,股票价格就像蚂蚁一样来回徘徊。偶尔,价格会像跳蚤一样跳跃。默顿推理称在期权定价时应该把这种跳跃的情况考虑进去。这些跳跃情况的存在表明,很多流行的模型,包括布莱克-斯科尔斯公式在内,并不是完全准确的。

尽管索普并没有被控任何罪名,但他的对冲基金受到了致命的打击。在《反诈骗腐败组织集团犯罪法》指控案件的阴霾下,基金的投资者想要退出。1988年12月,索普和里根解散了合伙公司。资金结算都返还给了投资者。

普林斯顿-纽波特合伙公司19年的纪录绝对是本垒打。在1969年开业之初投入基金的1美元到1988年结业时都已经增长为14.78美元。在这19年里,除去费用后基金的年平均复合收益率达到了15.1%,而同期标准普尔500指数基金的年平均收益率为8.8%。普林斯顿-纽波特的投资者们以高于市场6个百分点的优势击败了市场。

长期资本管理公司(LTCM)是第一家募集到10亿美元的基金。计划除去费用后获得的年收益为30%,收取的费用为利润的25%(而不是正常的20%),加上每年投资资产的1%。到1997年10月,基金的资本已经从12亿美元迅速增长到71亿美元。

长期资本管理公司的策略是利用杠杆( 使用了近30倍的杠杆 )将这些微小的盈利机会增大到足够引起重视的程度。长期资本管理公司的核心业务是收敛式交易,是一种长短线对冲的交易,

长期资本管理公司的人都清楚地知道,通过杠杆增加利润的同时也增加了破产的风险。他们告诉投资者,他们通过金融工程能够控制风险

让长期资本管理公司在很多交易中根本不用支付保证金。

曼通解释说:“当你跌了一半的时候,人们就会以为你会一路下跌。他们会推动市场对你不利,他们不会促进你的交易,你们完蛋了。”

1998年9月23日,星期三,是长期资本管理公司作为自由机构营业的最后一天。纽约美国联邦储备银行召集长期资本管理公司交易对手方的银行和投资公司召开了一次会议。他们把这些机构统一称为财团,财团同意向基金注入36.25亿美元资金。长期资本管理公司已经从其顶峰时期的资产价值中损失了44亿美元——相当于90%,仅基金的合伙人们就损失了18亿美元。这基本相当于当年他们在基金中的投资的价值,现在已经严重缩水至2800万美元。默顿损失了1亿美元,希利博兰从超过1亿美元的资产净值堕落至负债2000万美元。

沃伦·巴菲特惊讶于“10或者15个平均智商在170左右的家伙”是如何让自己陷入“输光所有钱的境地”

《财富》杂志指出两位诺贝尔奖得主(默顿和斯科尔斯)已经“用他们的桂冠换来了金融市场的安慰奖,这就是大面积垮台并被视为笨拙的失败者的耻辱”。记者对此次失败提出了3点原因:杠杆、大尾巴效应和狂妄自大

罗杰·洛温斯坦畅销书《营救华尔街》(When Genius Failed)指责默顿和斯科尔斯忘记了控制着现实交易者们的那种掠夺性的、贪得无厌的、压倒性的自保本能。他们忽略了人的因素。

或许能够最好地解释长期资本管理公司所出现问题的一个词就是超额下注(overbetting)

风险管理是在工作中很难学的一门课程。可能经历数年毁灭性的超额下注才会让一个交易员遭遇大爆炸。一旦发生这种情况,他的职业生涯或许就结束了。

1986年8月11日,《巴伦周刊》汇报了1026家互惠基金的近期表现。香农取得的收益高于其中的1025家。

香农强调:“我们能够根据对公司管理以及市场对公司产品的未来需求的评估推断出有关收益增长的信息……长期来看,股票价格将会跟从收益增长。”因此,他几乎不关注价格的走势或波动。他说:“我认为关键数据不是在过去的几年或者几个月里股票价格的变化程度,而是在过去的几年里收益的变化程度。”

我们已经在股市中摸爬滚打了35年。刚开始的几年是学习阶段——我们进行了大量交易,但收入甚微。转为长期持股后,我们的整体年收益增长率已经达到28%。

大多数信奉有效市场假说的经济学家们都承认,确实存在一些市场异常无效的情况,但他们不屑理睬。那些看起来似乎战胜了市场的交易员或者对冲基金只是运气好罢了,最终都会像长期资本管理公司或者永福基金一样走向破产。没有人真正获得了超额的风险调整后收益。

巴菲特:想象一下所有2.15亿美国人都结成对子向一次抛硬币活动下注1美元。20次抛掷后,游戏中将剩下215个人。每个人持有的钱都将超过100万美元。,“我是如何在20天中每天早上工作30秒就将1美元变成100万美元的”

“统计套利”(statistical arbitrage)的计划

基础分析是通常购买股票并持有几个月、几年或者几十年。持有股票的时间越久,大幅度战胜市场就越困难。

打算战胜市场的长线投资者必须要找到现在被严重低估的股票,而且必须能够预测遥远的未来可能发生的情况。二者都是很难的要求。

索普和巴塞尔的研究焦点在短线上。他们的软件可以挑选出在前两周按照百分比计算上下浮动最大的股票,这些浮动是根据股息和股票拆分进行的调整。这些公司都曾因为或好或坏的消息令市场震惊。他们发现上浮的股票在短期内回落的趋势很强烈,而下跌的股票又趋于上浮。

史蒂夫·水泽已经加入了这个新公司,负责浏览彭博资讯,寻找可能扰乱交易的任何令人震惊的消息。由于其不可预知性,企业的并购、拆分和重组对计划都是不利的。一旦出现这样的消息,水泽就会把受影响的公司名字加入股票“限制清单”中以免再进行新的交易。

根据索普的说法,每笔交易都有大约0.5%的利润,其中一半用于交易手续费。每笔交易剩下的0.25%的利润累加起来变成了可观的收益。山脊线合伙公司从1994年到2002年,其扣除费用后的年平均收益为18%。

索普的成就令人费解的地方在于,他那种在旧的市场无效情况失效后总能不断发现新的市场无效情况的能力。这是一种天赋。统计套利从某种程度上要比传统的投资组合经理人凭直觉进行的交易更容易理解。这是一种运算法则,是交易员通过一行行计算机代码费力地计算出来的。统计套利操作的成功足以说明市场上总是存在无效的情况,凯利准则指导下的资金管理系统可以利用这些无效情况获得高于市场的收益,而同时不必承担破产风险

第一个获胜季在1986~1987年。几乎是在资金刚开始流入时,本特和伍兹就开始为利润分配而争吵。辛迪加分崩离析,每位合伙人获得了一份软件副本。几年内,本特、伍兹和西蒙斯都成了千万富翁。

“人,不仅是在轮盘赌博时,而是在任何地方、任何时候,都只会竭尽所能从其他人那里攫取点什么”

克劳德·香农于2001年2月24日去世,

爱德华·索普在2002年10月关闭了山脊线合伙公司

提及的图书

《击败庄家》 21点的制胜策略

这些书中,有亚当·斯密的《国富论》(The Wealth of Nations)、

约翰·冯·诺依曼和奥斯卡·摩根斯特恩(Oskar Morgenstern)的《博弈论与经济行为》(Theory of Games and Economic Behavior)、

保罗·萨缪尔森的《经济学》(Economics)

弗雷德·施韦德(Fred Schwed)《客户的游艇在哪里》(Where Are the Customers’ Yachts?)。

《战胜市场》(1967)(Beat the Market)

1959 哈里·马科维茨 《投资组合选择》

迈克尔·刘易斯(Michael Lewis)1989年的自传《说谎者的扑克牌》

深解读!16区中考名额分配到区汇总,700+学校哪区多?

新中考的录取,让很多非毕业班的家长们看得一头雾水,而整个流程为啥会持续如此漫长,也不是很了解。
新中考的录取按4个批次,一个批次完成了,再到下一个批次。

深解读!16区中考名额分配到区汇总,700+学校哪区多?

我们今天主讲,名额分配到区

对于学生的选择来说,自主招生的选择权最为大,全市挑学校,喜欢哪个都可以申请,可惜门槛太高。你爱上了学校,学校看你送来的材料不优秀,眼皮都不抬一下,懒得理你。

 

然后就是名额分配这块。这一块的好处很多,比如可选学校多,四校+外区名校+本区学校,都在这一块录取。错过这村,后面的平行可只有本区市重这个店了。

而且相对自招来说,名额分配到区上岸的机会更多。这样大把自招落下来的优秀娃就把目光锁定在了这一块的录取上。

 

深解读!16区中考名额分配到区汇总,700+学校哪区多?

名额分配到区有种种好处,只是局限性也很大。因为只能填一所名额到区,不像是裸考,可以填上15所。由于只能填一张,注定了这带有偶然的成份,因此戏剧性增加,悲欢离合的戏码也就没少上演。
文章里的所有表格里的分数,都是去掉了50分综评的的净分数,方便大家比较。
我们再回头再一下名额到区的四校情况。

深解读!16区中考名额分配到区汇总,700+学校哪区多?

四校最低分是709最高分是726,整整差了17分。在八校录取中,这种极差分数进一步扩大。
 

深解读!16区中考名额分配到区汇总,700+学校哪区多?

青浦复附在宝山只有640分,在浦东需要715.5分,相差:75.5分。

 

深解读!16区中考名额分配到区汇总,700+学校哪区多?

我们再来看各区的所有学校的情况。

16区名额到区汇总

我们先上总表👇

深解读!16区中考名额分配到区汇总,700+学校哪区多?

前面是10个区的数据。因为表格较长,我们分了两张。下面是另6个区的数据。

深解读!16区中考名额分配到区汇总,700+学校哪区多?

一路看下来,总体上就是高分段都是红色一片,而低分段全是绿油油的。这说明:卷的是前端,竞争激烈的也是前端。
 
落在后面的可是花好月圆,岁月静好。双减执行的最到位的也是后一部份。
说完闲话,再回到主线上。大家各自看自己的区,然而要了解全市大盘的情况,还需要把这些高分段人群理出来,进行一个分类与排序。

700分+的较量

总分750分的情况下,700分通常是一个高分的分水岭。

 

我们把700+分为三段,分别是720-730,710-720,700-710分,然后看各自录取分数段里分布的高中学校数量。

深解读!16区中考名额分配到区汇总,700+学校哪区多?

720-730这一个分数段,通常都是冲击四校的分数,也是最尖端学生们才能碰到的分数区域。闵行/青浦最为炽热,其次是嘉定。在这三区冲击四校也最为艰难。

710-720,这一个分数段,通常是四校分校,八校集中的分数段。是顶部学生必拿的一个分数段,也是头部学生最想夺取的分数段。这个分数段竞争尤为激烈。在浦东招生的绝大部份学校都集中在这个区域,因此是一个红海荡漾的分数段。

700-710,这部份分的学校特别多,大家之间分数咬得特别紧。也是大批量最后一个向名校进发的区。这里分布得多的区,大多都是岁月静好的区。

我们做了一个柱形图,方便大家了解。

深解读!16区中考名额分配到区汇总,700+学校哪区多?

总结

1.  自招考的是难度,平行志愿考的是实力,而名额分配是实力+运气。

名额分配到区,是80%的实力+20%的运气

名额分配到校,是20%的实力+80%的运气

所以名额分配到校的分差,达到一个惊人的极限。

 

而名额分配到区的分差,并不是很高。这一块是自招脱手的高手们,集中在拼高分。


而全上海高分至为集中的是闵行区,次之是浦东。

在闵行,没有720,何能谈四校?在浦东,不上710,想去理想高中,都有些岌岌可危。

2.名额到区,静安宝山表现得更为岁月静好,有个700+,四分与八校都可以细细思量再斟酌,有的挑。

转自:https://mp.weixin.qq.com/s/Qj_MwZM8BmhPty6paYk9DQ

腾讯降薪了?员工11万,人均下降900元!2022二季度净利润显著下滑,却有这个亮点

备受关注,腾讯的二季度财报出来了。
8月17日晚间,腾讯发布2022年第二季度财报。财报显示,第二季度腾讯营收1340亿元,同比下滑3%,略低于有的机构预期,是腾讯自2004年上市以来首次二季度下滑。净利润186亿元,同比下滑56%;非国际财务报告准则下(Non-IFRS),更反映主业经营的净利润281亿元,同比下滑17%。
腾讯二季度在积极降本增效,非国际财务标准下的净利润较上个季度跌幅收窄。销售及市场推广开支同比下降 21%至人民币79亿元,此外自研上云三年累计节省成本30亿元,这也算是腾讯财报的一大亮点。腾讯二季度净利润(Non-IFRS)同比下跌17 %,较上季度净利润同比下跌23%跌幅收窄。
​历史罕见!腾讯降薪了?员工11万,人均下降900元!二季度净利润显著下滑,却有这个亮点
在腾讯主要业务板块中,现在越来越重视发展和实体经济相关。二季度金融科技及企业服务板块实现收入422.08亿元,占比达到32%,已经和游戏带来的收入旗鼓相当。产业互联网和消费互联网“双引擎”驱动业务结构愈发稳固,并加速与实体经济逐步“互融互惠”。

​历史罕见!腾讯降薪了?员工11万,人均下降900元!二季度净利润显著下滑,却有这个亮点

​历史罕见!腾讯降薪了?员工11万,人均下降900元!二季度净利润显著下滑,却有这个亮点
腾讯董事会主席兼首席执行官马化腾表示,公司将聚焦于提升业务效率并增加新的收入来源,包括在广受欢迎的视频号中推出信息流广告,同时持续通过研发推动创新。他还强调,公司约半数的收入来源于金融科技及企业服务与网络广告,这些业务直接助力并得益于整体经济活动,中国经济的增长将为公司带来收入增长机会。
财报测算,二季度人均月薪8.29万,较一季度下降900元
腾讯的薪酬还是备受网友们关注,根据腾讯财报相关数据,有测算腾讯二季度员工人均薪酬相比一季度下降了900元。
根据腾讯公司财报数据,截至2022年6月30日,公司有员工110715名员工,三月底员工为116213名员工,3个月员工减少5498名员工。
根据数据和测算,腾讯公司中期员工总薪酬567.79亿元,去年同期443.88亿元,而二季度薪酬为275.5亿元,员工人均月薪8.29万元,较一季度月薪下降900元。
​历史罕见!腾讯降薪了?员工11万,人均下降900元!二季度净利润显著下滑,却有这个亮点
主动退出非核心业务
盈利出现改善
从2021年三季度开始,腾讯业绩已经连续多个季度出现下滑。今年一季度其营业收入与去年同期持平,二季度出现罕见的负增长。值得注意的是,相较一季度,二季度腾讯净利润同比跌幅也出现收窄。
​历史罕见!腾讯降薪了?员工11万,人均下降900元!二季度净利润显著下滑,却有这个亮点
腾讯在二季度财报中表示,主动退出非核心业务,收紧营销开支,削减运营费用,使公司在收入承压的情况下实现非国际财务报告准则盈利环比增长。展望未来,公司将聚焦于提升业务效率并增加新的收入来源,包括于广受欢迎的视频号中推出信息流广告,同时持续通过研发推动创新。
财报显示,腾讯2022年第二季度社交网络收入增长1%至人民币292亿元,反映了视频号直播服务及数字内容订购服务的收入增长,而音乐直播及游戏直播的收入减少。7月份微信视频号上线了“视频号小店”服务,进一步完善了电商及直播带货功能,同时还对信息流广告功能进行了内测。

​历史罕见!腾讯降薪了?员工11万,人均下降900元!二季度净利润显著下滑,却有这个亮点

二季度微信月活用户增至12.99亿
二季度微信月活用户还在继续保持增长,达到12.99亿,同比增长3.8%。腾讯表示,微信生态内的数字化工具带动了大量就业、创业,2021年微信生态衍生的就业机会达到4618万个,同比增长25.4%。
为减轻疫情下小微、个体商户的经营压力,微信支付不断丰富降费让利措施。数据显示,2021年9月至2022年6月,微信支付在支付服务手续费方面已累计让利约30亿,惠及小微商家超过2000万。
​历史罕见!腾讯降薪了?员工11万,人均下降900元!二季度净利润显著下滑,却有这个亮点

视频号

视频号总用户使用时长超过了朋友圈总用户使用时长的80%。视频号总视频播放量同比增长超过200%,基于人工智能推荐的视频播放量同比增长超过400%,日活跃创作者数和日均视频上传量同比增长超过100%。2022年第二季举办了一系列备受欢迎的直播演唱会,每场均吸引千万级用户观看。

​历史罕见!腾讯降薪了?员工11万,人均下降900元!二季度净利润显著下滑,却有这个亮点

微信支付

商业支付金额于2022年4月放缓至低个位数同比增长,但同比增速于2022年6月恢复至百分之十几。

​历史罕见!腾讯降薪了?员工11万,人均下降900元!二季度净利润显著下滑,却有这个亮点

企业微信

聚焦高质量的收入增长,优先专注自研产品同时减少亏损项目。由于我们优化收入结构并降低成本,企业服务毛利率环比提升。

本土游戏业迎来政策暖风
但面临过渡性挑战
财报显示,本土市场游戏收入下降4%至人民币318亿元。就单个游戏而言,《和平精英》、《穿越火线手游》及《DnF》等若干现有游戏收入呈季节性下降、新推出的《重返帝国》的初始收入贡献及《英雄联盟手游》的收入增长。

​历史罕见!腾讯降薪了?员工11万,人均下降900元!二季度净利润显著下滑,却有这个亮点

今年4月,游戏版号时隔8个月开始重新发放,但在四轮审批信息中,腾讯还未有任何新游戏获批。腾讯对此表示,本土游戏行业正面临过渡性的挑战,包括大型游戏发布数量下降、用户消费减少以及未成年人保护措施,会优先专注于提升技术能力并巩固玩家参与度方面的领先地位。
此外,腾讯网络广告继续受累互联网服务、教育及金融领域需求,上季网络广告收入下降18%至186.38亿元。腾讯表示,广告业务于4、5月受冲击较大,部分被合并搜狗所带来的广告收入所抵销。其中社交及其他广告收入下降17%至161亿元,主要原因为广告需求疲软、广告竞投量低迷,使得eCPM 下滑;媒体广告收入下降25%至25亿元,受腾讯视频及腾讯新闻的广告收入下滑影响。
腾讯企业服务毛利水平持续改善
健康可持续战略初见成效
在此前公布的一季报中,金融科技及企业服务业务收入下降1%至422亿元,占总营收的31.5%。腾讯表示,受到4、5月新一轮新冠疫情影响,短暂抑制了商业支付活动,拖累金融科技服务收入增速放缓,而企业服务收入按年略有下降,原因是腾讯缩减亏损项目。
2018年“930”组织架构调整后,腾讯金融科技与企业服务板块首度现身财报,其后该收入占比一路提升,2019年1季度的从25%提升到2021年以来的30%以上,由此可见To B业务已逐步成长为公司收入支柱,并在“健康可持续战略”推动下,稳步提升收入“健康度”。
值得注意的是,腾讯第二季度研发投入同比增长17%达到150.1亿元,技术能力提升也带动相关业务在二季度加速上云,包括QQ、视频号、腾讯会议等腾讯自研业务。截至2022年6月30日,腾讯在全球主要国家和地区专利申请公开总数超过5.7万件,专利授权数量超过2.7万件,其中,发明专利占比超过90%。
继续加码研发
2019年以来累计投入超1516亿元
腾讯继续加码研发投入,二季度研发投入达150.1亿元,同比增长17%。上半年腾讯研发投入达到304亿元,同比增长26%。2019年以来,腾讯在研发上的投入已经累计超过1516亿元。
​历史罕见!腾讯降薪了?员工11万,人均下降900元!二季度净利润显著下滑,却有这个亮点
截至8月17日,腾讯控股收于303.2港元,市值2.92万亿港元。从年内485港元的高点至今,跌幅近38%。

​历史罕见!腾讯降薪了?员工11万,人均下降900元!二季度净利润显著下滑,却有这个亮点

 

转自:https://mp.weixin.qq.com/s/BJehXL3udFX76W1bVeljag