从去年开始，我成为了一名职业投资者，它跟业余投资有一个很大的不同。
业余投资的资金量少，我只需要投资我过去很熟悉的几个行业就够了，最多再加上几个比较容易理解的消费品行业的上市公司。
但职业投资者因为操作资金量大，收益要求更高，且要求回撤少收益稳定，必须理解更多的行业。
比如你要投资苹果产业链的公司，除了通用的投资知识之外，你还要知道手机产业链的分工，关键部件的技术现状，如果你投资的是医药股，那基本上时时刻刻准备着百度一下。
投资这个职业对于新知识的学习能力要求很高，它的要求并不是科普型的“懂”，而是判断价值。
比如说PD-1，作为科普，你只需要理解它的药理机制就行了。但作为投资，你还要能判断技术未来的发展方向，这个赛道上哪些公司更具备优势，还要能定量的研究，这些新药将为这些公司带来多大的价值。
而且，这些新知识，你必须在非常短的时间内掌握，因为马上又有新的机会了。
事实上，不光是投资领域，越来越多的职业需要你能在很短的时间内掌握一门新的学科。
比如我之前在银行做信贷，经常到企业实地调研，如果不懂这些行业，很容易被骗；后来做营销咨询，和电商运营，也要能在最短的时间内快速理解客户的产品和所在的行业。
学习陌生行业的新知识，不可能也没有必要像专业人士那样学习，最常用的方法，以前叫“触类旁通”，现在叫“知识迁移”，即把陌生领域的知识跟你之前所熟悉行业的知识框架进行比较，找到相同的因素，比如成份、知识结构、或者同样的分析过程，以帮助学习。
更重要的是，知识迁移也是创新性很强的工作的重要方法。
狭义的知识迁移几乎是学习的唯一的方法，比如我们学习英语语法时，总是先看一看语法现象（单数变复数），从这个现象中总结语法规则（复数规则），最后经过练习就把任意新的单数名词变成复数。
可以说，学习的本质就是知识迁移，只是大部分知识迁移都是发生在同一个专业内。随着知识储备量的增长，更多的知识迁移发生在专业与专业之间，就是本文所说的广义的、跨行业的知识迁移。
比如获2002年诺贝尔经济学奖的是一位心理学家丹尼尔· 卡尼曼，他把心理学的研究“迁移”到了经济学领域，并创造了一个新的经济学分支——行为经济学。
我以前认识一位编剧朋友，后来他成为职业生涯规划的网络大V，他最擅长的是做面试辅导，而这两个看似不相干的职业有一项共同的能力——讲故事。
具备跨行业知识迁移能力的人，其知识面必然横跨不同领域，而这就面对着一个矛盾，在有限的生命里，人的知识应该更广博还是应该更专精？
在网络时代之前，这个问题的答案更倾向于后者。知识在书本上，只有少数行业内的人士才能掌握，大部分人终其一生才能把本专业的知识从书本上搬到大脑里。所以，以前的工作很少要求跨专业的知识迁移能力。
但到了网络时代，知识触手可“搜”，你并不需要把这些知识都装到大脑里。专业学习的作用变成了建立知识架构，让你知道在这个系统中，某个知识所在的位置，以及知识与知识的联系，一旦用到，你便可轻易地搜索并理解相关专业知识。
这就让普通人有更多的时间涉猎多个领域，从而有可能进行“跨专业的知识迁移”。
而且，现代职业大多需要复合多个专业，也更需要知识迁移的能力。比如营销传播，可以说是商业与心理学的结合，如果只是从营销专业内理解营销，你很容易达到知识瓶颈，想要打破天花板，你必须跳出来，跳到上一级学科，从商业或心理学中进行“知识迁移”。
只不过，很多人还停留在功利式学习，每学习一件新事物，都要经受灵魂拷问：学了这个有什么用？
从知识迁移的角度来看，这个问题的答案很明显：到了有用的时候，自然有用，在它有用之前，你永远不会知道学它有什么用。
更何况，就算最后还是没用，无非就是浪费一点时间——如果你真心喜欢，那也谈不上浪费时间。
当然，跨领域的知识只是“知识迁移”的前提，“知识迁移”很少自发产生，就像面粉不会自动变成面包。
如果把“知识迁移”类比于通信中“编码”与“解码”，你还需要另外两项能力。
大部分人在本职工作之外，都有一两个爱好，可工作的知识和爱好的知识之间，几乎很少发生交集。
如果没有合理的方法，知识迁移只是一种非常偶然的现象。
这一点跟行业内的知识迁移不同，你是一名销售，掌握了几个典型类别的客户特征后，只要有基本的思考能力，自然能将“有效客户”的特征迁移到大部分客户身上。
想要提高跨行业的知识迁移能力，我们还需要培养从现象中抽象出事物发展本质的能力。
以“爱迪生效应”为例。爱迪生团队在提高灯丝寿命的实验中，试着在碳丝附近安装了一小截铜丝，希望能阻止碳丝蒸发。虽然实验失败了，但工程师却汇报了一件古怪的事，没有连接在电路里的铜丝，却产生了微弱的电流。
爱迪生立刻敏锐地意识到它的价值——或者我们可以用这个现象发明出一个新的电流表。
但很快，爱迪生将其注册专利后便束之高阁。因为他觉得人们并不需要新的电流表。
直到十几年后，英国物理学家弗莱明在发明信号传递放大装置时，想到了“爱迪生效应”，发明了世界上第一支电子二极管，开创了一门新的工业体系——电子工业。
“发明之父”爱迪生居然与这项伟大的发明失之交臂，正是因为他是一个标准的“民科”，他不懂物理理论，也就无法从“爱迪生效应”这个现象中提炼出本质。
所以知识迁移的第二个条件是对知识内在逻辑的认知。不光要知道这条知识，更要理解这个知识为什么会出现？在什么前提下成立？它有什么内在规律？有什么外延？
当然“知识迁移”的“编码”是顺着知识下来的，相对比较容易，更困难的是“解码”，因为你根本不知道密码是什么？
跨行业的知识迁移并不是一种高效的学习方法，因为你不知道眼前的任务应该“迁移”什么知识，如果一个一个的寻找，那太花时间了。
那位改行做面试顾问的朋友，如果他改行做了厨师，这个编故事的能力就用不上了，如果他在做面试顾问之前，涉猎非常广泛，那么他也可能根本想不到要“迁移”他只是略知一二的编剧理论。
大量的知识，在没有找到一个好问题之前都是“无用的知识”，换言之，你只有对眼前的任务提出一个好问题，对应的“无用的知识”才能变成有用的答案。
“知识迁移”常常是一个先有答案，后有问题的学习过程，可提出好问题的能力，常常比找到好答案更难。
埃隆·马斯克不是第一个研究电动车的人，很多人也比他有更多的造汽车的经验，但马斯克是一个擅长提出好问题的人，所以他先找到了好答案。
电动车和传统汽车最大的区别是笨重的电池，所以每一个研究电动车的人都在解决电池重量和续航的问题。但这不是一个好问题，因为它直接把电动车的问题甩给了电池工业，然后汽车巨头们就可以在一旁等答案。
马斯克不喜欢等，他在思考另一个问题：除了汽车内燃机变成了电池和电动机之外，电动车还有什么不同吗？
之所以说，这就是一个好问题，并不是这个问题本身的价值高，而是因为它有一个好答案，这个答案出现了“知识迁移”。
汽车内燃机变成了电池和电动机，电线取代了以前的齿轮传动轴这些机械部件，这么一来，传统汽车的原子传动就变成了电路板与电线里的电子传动，汽车工业 的核心环节就被改造成了电子工业。
如果上面的描述还是太学科化的话，更直白的表达方式是：电动车不是在电动汽车上装一台电子显示屏，而是为手机装上轮子，是一台假装成汽车的电脑。
如果你想像不出“假装成汽车的电脑”跟传统的汽车有什么不同，那么更直白的场景是：传统汽车的维修需要你把车开到4S店，未来，电动汽车的大部分故障都可以用软件升级的方式去解决，或者——试着重启一下？
现代社会，几乎所有的创新，其原点都是通过“知识迁移”的方式得到的。
特斯拉并没有很好的解决续航的问题，但它解决了另一个更重要的问题——它重新定义了汽车。
总结一下前面说的“知识迁移”的三个过程：
一、储备：丰富的跨领域知识
二、编码：习惯于总结事件的本质
三、解码：从多个角度对当前任务提出各种可能的问题
“知识迁移”并不是一个100%会成功的方法，可一旦成功，它创造的价值远远超越常规的工作和学习方法。
所以我们对知识的理解也会跟过去有很大不同：
出于兴趣而学习的“无用的知识”，将发挥越来越重要的作用
学习不是为了掌握知识，而是形成思考方法和建立知识结构。
学知识不要怕忘，重要的是记得自己曾经学过，并知道如何唤醒记忆。
养成学习陌生学科知识的习惯，提高快速学习陌生知识的能力。
在搜索时代，“不知道”并不可怕，不知道自己“不知道什么”，才可怕。而那些只知道一两个专业的知识的人，更容易成为后者。
内容来源：人神共奋（ID：tongyipaocha）。版权归原作者所有，转载请联系原作者并获许可。文章观点仅代表作者观点，不代表长江创创社区立场。
2020年总统大选，被认为是“美国历史上最重要的选举”。在全球大流行病的冲击加上因此而导致的经济萧条的宏观背景下，作为世界第一大经济体的未来政治经济走向让此次选举显得尤为不同和重要，而选举的结果将会对整个世界未来几年的恢复和发展产生深远的影响。到底谁将赢得2020美国总统大选？
以下是长江商学院刘劲教授和陈宏亚研究员的分析和预测。
11月3日是本届美国总统大选日，谁会胜出？根据我们的分析，最有可能的情况是到了11月4日也没有明确的结果：拜登大概率领先，但特朗普拒绝承诺败选，寻求司法复议。另外两种情况——拜登大幅领先并且特朗普承认败选，或者是特朗普无争议胜出——这种概率不是没有，但都相对较小。无论是哪种情况，在大概率的情况下拜登会领先，特朗普要想扭转局面看来越来越难。
要预测美国大选的结果，一个是要看民调，一个是要判断民调是不是有偏差，偏差有多大。
最近几乎所有机构做的民调都显示拜登在美国有将近十个点的优势。根据Five Thirty Eight综合各家机构的民调结果，目前拜登的支持率为52.1%，特朗普的支持率为43.2%，自上任以来特朗普的支持率一直稳定地保持在这个水平。所以如果不出大的意外，特朗普将会在普选中获得43%上下的选票。
当然，由于美国实行选举人团票制，州级选情更加重要。
同样根据Five Thirty Eight的调查，拜登在24个州（含哥伦比亚特区）的支持率超过特朗普，且领先优势大于5个百分点，这24个州的选举人团票数加起来有278张，已经超过当选所需的270张。
反观特朗普，其在20个州的领先优势超过5个百分点，这20个州的选举人团票总数为125张。剩下7个州是所谓的摇摆州，其中4个州拜登领先优势不到5个百分点，3个州特朗普领先优势不到5个百分点，这7个州的选举人团票总数为135张，即便大选当日特朗普拿走全部7个州135张选举人团票，其总数也只有260张。
然而，尽管目前民调结果如此，很多人怀疑民调数据的正确性，因为2016年美国大选时希拉里的民调也是大大地高于特朗普，但最后仍然在选举人票上输给了他。那么，问题是2020年会不会重蹈2016年的覆辙？我们的分析认为可能性很小。
第一，我们要意识到2016年的美国总统大选有一个特别之处，希拉里在普选票数上比特朗普多出260万张，但输掉了选举人团票从而落败。这样的事情在美国45次总统选举中只发生过5次，其中两次发生于本世纪，一次是2016年大选，另一次是2000年小布什和戈尔的竞选。这些历史数据证明，如果赢得普选，赢得选举人团票的概率是90%以上。而民调情况可以对普选结果有精准的预测。即使是在2000年和2016年，民主党候选人戈尔和希拉里都是民调领先，也在普选中胜出。
第二，2016年剧情之所以出现反转的一个主要原因是特朗普的“隐藏票箱”问题。2016年大选时，很多人尽管内心倾向于共和党，但由于特朗普个人形象欠佳而不愿意公开表示支持他。根据当时的一项调查，在高学历人群中，如果是电话访问，特朗普支持率只有39%，如果是在线调查（被调者更能自由表达），特朗普的支持率上升至46%。而在本次民调中，同样在高学历人群中，电话访问和在线调查显示的特朗普支持率分别为42%和45%，隐瞒问题大大减轻。对于低学历人群，在线调查和电话调查在两年的民调中都没有明显区别。
第三，2016年影响剧情反转的另一个重大原因是临近大选出现的“黑天鹅”事件：在大选前11天，美国联邦调查局重新启动调查希拉里的“邮件门”。在2016年大选中，希拉里被爆出在担任美国国务卿期间（2009－2013）使用私人邮箱而不是由联邦服务器维护的官方邮箱进行官方通信，这些官方通信有上千封属于国家机密。2016年7月5日，联邦调查局经过调查后认为，希拉里没有犯罪意图，只是过于粗心，不提出指控。然而，仅仅3个月后，联邦调查局在10月28日致信美国国会，宣布重启对希拉里邮件门的调查，这时距大选仅剩11天。尽管希拉里最终没有因此事被起诉，但两次调查确实对她的选情产生了直接的负面影响。
在两次调查期间，希拉里的民调支持率明显下降，特朗普的支持率则明显上升。变化最明显的是佛罗里达州、宾夕法尼亚州、北卡罗来纳州、密歇根州、威斯康辛州、俄亥俄州和爱荷华州，前五个州就是民调结果和最终选举结果不一致的州。现在距离大选仅剩一天，再出现类似黑天鹅事件的概率很低。
第四，如果对比2016年和本次民调还会发现，拜登的领先程度明显超过当年的希拉里。目前拜登在他领先的州中平均领先特朗普19个百分点，在2016年希拉里胜出的州中平均领先特朗普14个百分点；特朗普在本次民调领先的州中平均领先15个百分点，2016年平均胜出16个百分点，相差不大。因而，从目前的民调结果看，本次民主党胜算增大。
第五，大选是民意的表达，2016年特朗普胜出其实不是很大的意外，其民意已经体现在2014年众议院选举中。根据美国宪法，国会每两年就要举行一次中期选举，选举众议员并改选1/3参议员。我们研究发现，每次大选前两年各州举行的众议员选举与其后两年进行的总统选举，结果具有较高的一致性，即如果某州在当年投给民主党的票数多，则该州在两年后举行的总统选举中，有80%-90%的概率同样会投向民主党。
按照这种方法，我们首先复核了2016年选举结果。假设各州2014年众议员的选举结果就是2016年的大选投票情况，这样统计的民主党和共和党选举人团票数分别为221张和317张，真实的结果是233张和305张，结果一致，共和党胜出。同样的道理，如果用2018年众议员中期选举的数据，假设总统大选的选举人团票和各州的众议员选举结果一致，民主党和共和党选举人团票数分别为296张和242张，民主党胜出。
第六，新冠疫情也严重打击了特朗普的连任可能性。在Gallup最新进行的“美国人最关心什么”的调查中，选择疫情和政府领导力的人数最多，位于所有问题之首。另一家调查机构Five Thirty Eight询问了民众是否赞同特朗普应对新冠的措施，有60%的人表示不赞同，疫情爆发初期，这一比例只有20%。而且，新冠疫情对老年人非常危险，而这部分人群是特朗普的重要票仓。
综上所述，我们认为2016年的选情反转的可能性很小，从选票上看，无论是普选票数还是选举人团票，拜登胜出的可能性都很大。但是，美国政治就像天气，总是充满不确定性，什么可能性都不能排除。况且，选票领先并不是选举的结束。如果特朗普在选票落后的情况下挑战选举的公正性，美国可能一直到明年1月也不能对新总统达成定论。根据特朗普的性格和历史，不斗争到底就承认失败的可能性是很小的。
内容来源：FT中文网。刘劲，长江商学院教授；陈宏亚长江商学院，研究员。
首期班40位学员企业总估值已从入学时的近千亿跃升至1800亿。二期班48位学员企业涵盖大数据、无人机、AR、影视、教育等行业，总估值超过2100亿人民币。
创创携手伦敦证券交易所集团和英中贸易协会合力打造2017长江商学院区块链金融与技术创新论坛，邀请商界精英、技术专家和企业管理者畅谈区块链应用与创新发展前景。
创创基金是国内首个由商学院校友发起、共建，支持双创教育、助力双创发展的投资基金。长江商学院创办院长项兵博士、长江创创社区学术主任张维宁教授、三诺集团董事长兼CEO刘志雄和长江创创社区执行主任刘育在发布仪式上共同启动创创基金，打造助力双创发展的完整闭环。
最终录取的50位学员来自大数据、泛娱乐、企业服务、医疗、内容创业等10个热门行业，企业总估值超过600亿，其中估值过10亿的企业有19家。
刘劲教授在2017长江创创社区春茗会上正式启动了创创导师计划。众多关爱和支持创创成长的卓越企业家和知名投资人接受来自创创的邀约，加入长江创创社区导师团，共同助力创业者成长与成功。
创创公社汇聚众多有梦想、有潜力的优秀创始人，以原创研究和创新课程培养社员的全球视野和颠覆式思维，以形式多样的投融资服务搭建可信赖的投资平台，以全面深入的创业服务解决创业者的核心痛点，以强大的合作伙伴关系打造完善的创业生态，全力帮助每一位公社社员成长和成功。
40位首期班学员入营时企业总估值280亿，结业时达到1000亿。这是青腾长江-未来商业学堂首期班的成绩单，未来的路，继续一起加油。
40位创始人从进入面试的200位申请人中脱颖而出，成为百度长江学堂首期学员。首期班学员企业年收益总额200亿，企业总估值近千亿。成熟互联网企业和实业转型企业的价值再造，在大理启程。
2016年4月，青腾长江-未来商业学堂二期班在海南开营。50位学员中有回国创业的大数据专家、引领潮流的女性创业者和已经完成C轮融资的福布斯30岁以下年轻创业者。其中40%已经完成B轮融资，4家企业已经挂牌，总估值480亿。
长江商学院与百度首次合作开发的互联网创新管理教育项目——百度长江学堂，集合长江商学院全球教育资源和精英校友网络，百度的科学技术创新能力及互联网企业战略运营优势，为创业创新型企业、仍在高速成长期的较成熟互联网企业和正经历产业升级转型的实业企业创始人提供系统前沿的创新教育，以科技驱动产业发展，缔造智能时代的商业传奇。
2015年7月22日，助力A轮融资后的企业和企业家加速成长的青腾长江-未来商业学堂在深圳开学。40位“互联网+”浪潮中的优秀创业者从进入面试的400余位申请者中脱颖而出，成为第一批青腾长江-未来商业学堂学员。
申请
首页
我们
导师
项目
学员
我们
扫我，关注长江独角兽加速项目