HeyJared我都惊呆了！
《我都惊呆了》是一档把投资理财变得出乎意料的播客。一个对数字完全没概念的小白，把自己的钱交给一个平时管着上亿美金的专业投资人，从零开始学理财。在看似“杀鸡用牛刀”的过程中，惊呆的不只是我们自己，可能还有你。联系邮箱：raeandgigi@gmail.com
- Indexed episodes, last 90 days
- 3
- Latest publication
- Aug 30, 2026
- Audience
- Checking…
- Earliest in this view
- Jul 13, 2026
Latest episodes
EP22 可口可乐跑赢了大盘？升息来临，了解一下“高股息策略” (opens the original)
Read excerpt
最近几个月，市场一直不太平。从6月底开始，美伊局势反复、油价高企、通胀数据偏高，市场担心美联储可能被迫升息。与此同时，AI板块也被重新审视——英伟达业绩虽好、股价却不涨，信号非常不明确。 历史告诉我们什么？2022年那轮加息周期，纳指跌超32%，标普500跌了近19%。 但就在这个背景下，有一类资产反而在悄悄跑赢——比如可口可乐公司，今年涨了超过30%。它不是AI，不造芯片，不搞大模型，就是老老实实卖糖水。 为什么呢？这一期，我们来聊聊一个在动荡市场里让人安心的选择——高股息策略。 ⏱️ 时间轴 00:14｜天要下雨，娘要嫁人——钱放着不投，通胀在涨 01:26｜本期迟更原因：两个人轮流病倒 02:01｜最近大背景：美伊局势、油价、升息预期、AI板块被重估 03:19｜Rae：升息逻辑链条已经非常熟悉了 04:24｜科技巨头砸钱建数据中心，软银发200亿美金债帮OpenAI 05:54｜英伟达业绩好但股价不涨——市场信号不明确 07:06｜回顾2022年加息周期：纳指跌32%，标普跌19% 09:36｜天要下雨，钱总是要投的——关键是怎么投 10:45｜货币基金约4%，太老实了 11:
EP21 AI到底该怎么投？从芯片到应用，小白必看的产业链拆解 (opens the original)
Read excerpt
同一个AI板块，有人赚得盆满钵满，有人亏到想要清仓。买的东西都叫“半导体”，结果为什么差这么多？ 这一期，我们从最基础的地方开始——芯片到底是什么样子的？服务器长什么样？数据中心里面到底装了什么东西？我们天天听到的AI的相关词汇，这些词背后的物理现实是什么——它到底是个什么东西，长什么样，在哪里，谁在用它，为什么需要它？ 英伟达、台积电、微软、OpenAI各自在产业链的哪一层？为什么做芯片的涨疯了，做传统软件的却在暴跌？ Gigi的反直觉结论：讲了这么多AI怎么投，但Gigi自己其实不单独买AI主题ETF。 ⏱️ 时间轴 00:13｜AI学东西的过程，跟教狗坐下差不多 00:28｜OpenAI租微软数据中心 = 共享厨房 01:14｜小红书有人血亏，半导体到底怎么回事？ 02:45｜从最基础开始：AI到底是怎么运作的？ 03:33｜教AI=教狗，但数据量是几亿篇文章 04:24｜服务器 = 没有屏幕的电脑，AI训练需要几万台同时工作 05:08｜数据中心 = 装满服务器的大仓库 05:35｜云服务 = 租共享厨房，按用量付费 06:45｜芯片 = 服务器的大脑 07:27｜半导体 =
EP20 ETF避坑指南：别再只看指数名字买ETF了 (opens the original)
Read excerpt
“这两个ETF跟踪的都是标普500，我随便选一个就行了吧？” 不一定。跟踪的指数一样，不代表它们真的“一样”。规模、费率、跟踪误差、买卖价差……每一项都在悄悄影响你的真实收益。 这一期，我们用IVV和VOO这两个最经典的标普500 ETF当例子，拆解选ETF时真正该看什么——从跟踪误差到综合费率，从规模到买卖价差，再到市值加权和等权加权的区别。听完你就能自己判断：这只ETF，到底值不值得投。 我们还讲了一个真实的故事：主动管理基金被ETF反超，为什么这个行业正在发生翻天覆地的变化？ ETF是个好东西，但买之前，至少要知道你买的是什么。 00:05｜本期是ETF选择宝典，免费讲出来是行善积德 01:12｜一个真实故事：从主动管理转行做ETF，同事工资翻了好几倍 02:15｜主动管理 vs 被动管理的区别 04:49｜ETF如何反超主动基金：从33%涨到55% 05:38｜Gigi当年主动转去小众固收团队，预判大盘股基金会被ETF取代 06:37｜以IVV和VOO为例，拆解选ETF的五个维度 07:25｜复习：ETF的两个核心特征 10:09｜维度一：跟踪误差——照着葫芦画瓢，越像越好 1
Publishing over time
Last 90 days. Choose a month to open its work.
Recurring subjects
Named in the text we hold. One piece can cover several.
Audience
No verified audience measurement yet.
About this data
Counts cover the work we have indexed. Tone needs enough text and a confident classification. Excerpts and episode notes are not full articles or transcripts.
Identity or attribution wrong? Suggest a correction.