關於黑天鵝 - 財富、戰爭與智慧 讀後感

財富、戰爭與智慧：二戰啟示錄

這本書從一個很有趣的角度切入，分析了在二戰期間各參戰國的財富被摧毀狀況。簡單說就是避開戰敗國、股票比債券好、有農莊是個好主意、躲開毀滅性的黑天鵝事件。

其他的都很明確，只有黑天鵝事件這點比較模糊。畢竟黑天鵝事件本身定義就很模糊，比較統一的看法是，破壞已知的看法的事件。或許用阿六國說法：毀三觀，這樣的形容比較傳神。

黑天鵝事件的意義對每個人可能是不同的，書中舉中途島海戰為例，在戰鬥發生前沒有明確的勝負因素，而結果出來後，對美日而言都是轉淚點，只是方向不同。

應對黑天鵝事件就是應付超出我們認知之外的事物。作者對如何應對的說法模擬兩可，因為他認為已經超出認知了，要談應對是在說謊。我個人覺得這點很務實，但是否真的不能應對?

[所有的天鵝都是白色的] 跟 [到目前為止我們只看過白色天鵝] ，兩者描述同樣事實，但後者遠比前者明確而且隱含了[可能在我們沒看過的地方有不是白色的天鵝]這可能性的存在。簡單說一種科學性的界定目前認知情況的訓練，也包含了萬一這種情況被推翻的可能性在內。

火雞對人類餵養的自信心在感恩節早上最高的笑話表達了[已知]的極限。連續下跌一周的股價代表這支股票會真實價值也消滅嗎?

已知是有極限的，明白這各[極限存在]本身就已經很大程度幫助對黑天鵝事件的應對。

曹興誠昨天宣布拿30億捐給國防事務，就是一個對財富保全上保險的做法。當台灣不被戰火延燒，在這各島上的財富才不會被毀滅。

世界先進20220211法說會摘要

感覺外資真的不喜歡這家公司，這一次的法說會裡使用英文的提問者只剩下一位了 XD

今年一開始世界先進就連續被降評，說晶圓代工供過於求，賣。說TDDI供過於求，也賣。即便2021全年EPS幾乎較2020翻倍達到7.2，股價也一樣掉到12X，P/E不到20倍。

這次法說被追問的重點在於資本支出與擴廠進度，公司回覆是:

2022資本支出約240億，75%用於5廠，20%用於3產擴產，5%用於其他廠例行維修。
3廠，計畫擴增24K片(月產能)，8K已完成，今年Q2預計增加8K，Q3再增加8K。
5廠，第一波計畫20K(月)，佔今年度資本支出的75%(180億左右)，預計2023上半年完成。第二波的20K還未定。
5廠比較貴因為有9億多是廠房取得成本，還需要30~40億的翻修成本，剩下的才是機台購置成本。

因為今年資本支出大增，今年與明年的折舊也會大增，估計2022年度57.2億，2023年度進一步上升到90億左右。

GaN部分。今年度會有小部分量產，但對於營收貢獻程度非常低，甚至到2025也可能不會太高。相當於潑了看好GaN的投資人(就是我~)一桶冷水。預期6廠會是12吋廠，但目前還沒有形成計畫，但希望是能在新竹附近建廠。

抓證交所每月業績的python碼

 因為受到航海王極大刺激(一個人一年賺45億...)，所以我撿起了丟下10年的程式語言，在我一直只有安裝steam的電腦上裝上了python。然後寫段code可以分別去抓證交所與櫃買中心每月17號開放下載的公司業績csv檔，再把兩個檔案取出增減幅度欄位後合併成一個檔案。

csv檔有趣的是有個附註欄位，大部分公司都是空白，少部分公司會寫，不過有些時候會出現亂碼，這會讓檔案在合併時某幾筆資料憑空多出一欄或兩欄。我是用LiberOffice去開csv，然後用資料升冪排序去看累計營收增加百分比高的公司，所以這種程度的錯亂還能接受。

合併之後的檔案只留下，代號、公司名、產業、比上月增減百分比、比去年同月增減百分比、累計營收增減百分比、備註，這7個欄位。用Excel就可以把上市櫃的公司放在一起比較，目前1751家。

程式碼不太好看，就不用太在意了 XD

###########################################

import requests

import pandas as pd

url1 = 'https://mopsfin.twse.com.tw/opendata/t187ap05_L.csv'

url2 = 'http://mopsfin.twse.com.tw/opendata/t187ap05_O.csv'

headers = {

    "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.141 Safari/537.36"

}

with requests.get(url1,headers= headers,allow_redirects=True) as res:

 open('tse.csv','wb').write(res.content)

with requests.get(url2,headers= headers,allow_redirects=True) as res:

 open('otc.csv','wb').write(res.content)

rs1 = pd.read_csv('tse.csv',encoding='utf-8',usecols=[2,3,4,8,9,12,13])

rs2 = pd.read_csv('otc.csv',encoding='utf-8',usecols=[2,3,4,8,9,12,13])

list = [rs1,rs2]

rs = pd.concat(list)

rs.to_csv("output.csv",index=False)