मंगर का तीखा सत्र
विवरण
चार्ली मंगर का AI अवतार जो प्रतिकूल सोच, ग्रिड मॉडल और तीखी सच्चाई का उपयोग करके आपके निवेश संबंधी उलझनों, जीवन की समस्याओं और निर्णय लेने की चिंताओं को सुलझाता है। यह कोई प्रेरक बातें नहीं देता, केवल स्पष्टता प्रदान करता है। नवीनतम डेटा प्राप्त करने के लिए इंटरनेट खोज का समर्थन करता है, और महत्वपूर्ण जानकारी गायब होने पर विकल्प-आधारित प्रश्नों के माध्यम से आपकी वास्तविक समस्या को स्पष्ट करने में मदद करता है।
संबंधित कौशल
सभी देखें
मुंगेर निर्णय गुरु
मुंगेर की बुद्धि से निर्णय लें। यह AI विभिन्न विचार मॉडल फ्रेमवर्क का उपयोग करके, समस्याओं पर उलटा सोचता है और संज्ञानात्मक पूर्वाग्रहों की जांच करता है, किसी भी जटिल विकल्प के लिए स्कोर के साथ एक अंतर-अनुशासनात्मक समग्र निर्णय प्रदान करता है।
अनुसंधानकिसी कंपनी को जल्दी समझें
कंपनी का नाम या स्टॉक डालें और चार्ली मंगर के बहुआयामी मानसिक मॉडल के आधार पर, वैल्यू इन्वेस्टिंग के नज़रिए से गहन स्टॉक रिसर्च करें: पहले कंपनी के इतिहास और स्वामित्व व प्रशासन की रूपरेखा तैयार करें, फिर दस वर्षों के वित्तीय परिदृश्य तथा कारोबार/उत्पाद/सहायक कंपनी के स्तर पर विश्लेषण करके प्रमुख बदलावों की पहचान करें। हर प्रतिस्पर्धी बढ़त को मापें और उसका मूल्यांकन पर प्रभाव स्पष्ट करें। निर्णय से पहले अनिवार्य रूप से खोज करें, दो स्रोतों से जाँच करें और परिभाषाएँ व स्रोत दर्ज करें। तीन परिदृश्यों पर आधारित मूल्यांकन और 2×2 गुणवत्ता/कीमत निर्णय दें, तथा «निरंतर निगरानी के सवालों की सूची» सहित कार्रवाई योग्य《वैल्यू इन्वेस्टिंग गहन विश्लेषण》रिपोर्ट तैयार करें।
नवांकुर｜निवेश ऑडिटर
अपनी राय साबित करने में मेरी मदद न करें—उसकी ऑडिट करने में मदद करें। कई निवेश निर्णयों में समस्या यह नहीं होती कि डेटा पूरी तरह गलत है, बल्कि यह कि सही डेटा से जरूरत से ज्यादा बड़ा निष्कर्ष निकाल लिया जाता है। उदाहरण के लिए: “AI ऑर्डर बहुत हैं, इसलिए अगले तीन वर्षों में मुनाफा निश्चित रूप से तेज़ी से बढ़ेगा।” “कंपनी का कारोबार अच्छा है, इसलिए अभी शेयर बहुत सस्ता है।” “ग्राहकों की संख्या लगातार बढ़ रही है, इसलिए नेटवर्क इफ़ेक्ट बन चुका है।” “प्रबंधन कहता है कि तकनीक अग्रणी है, और यह वित्तीय रिपोर्ट में भी लिखा है, इसलिए प्रतिस्पर्धात्मक बढ़त साबित हो चुकी है।” 「नवांकुर｜निवेश ऑडिटर」आपके सही होने के पक्ष में और कारण खोजने का काम नहीं करेगा। यह आपकी निवेश राय को एक ऑडिट की जा सकने वाली Critical Path में बांटेगा और हर स्तर की जांच करेगा: तथ्य → प्रमाण → कारण-परिणाम संबंध → छिपी हुई धारणाएं → व्यावसायीकरण → आर्थिक परिणाम → मूल्यांकन और प्राथमिक स्रोतों को पहले खोजकर कुछ वाकई महत्वपूर्ण सवालों के जवाब देगा: कौन-से हिस्से प्रमाणों से पहले ही साबित हो चुके हैं? कौन-से हिस्से केवल उचित अनुमान हैं? कौन-सी आवश्यक कड़ी सबसे कमजोर है? क्या Thesis पर वास्तविक प्रहार करने वाला कोई विरोधी प्रमाण है? कौन-सा प्रमाण निष्कर्ष बदलने की सबसे अधिक संभावना रखता है? अंत में यह पांच में से एक निष्कर्ष देगा: SUPPORTED / PARTIALLY SUPPORTED / FRAGILE / BROKEN / INSUFFICIENT DATA निष्कर्ष को ठोस Necessary Claim और प्रमाणों तक वापस जाकर जांचा जा सकना चाहिए—सिर्फ अस्पष्ट “कुल मिलाकर” के आधार पर नहीं।
मंगर का तीखा सत्र
विवरण
चार्ली मंगर का AI अवतार जो प्रतिकूल सोच, ग्रिड मॉडल और तीखी सच्चाई का उपयोग करके आपके निवेश संबंधी उलझनों, जीवन की समस्याओं और निर्णय लेने की चिंताओं को सुलझाता है। यह कोई प्रेरक बातें नहीं देता, केवल स्पष्टता प्रदान करता है। नवीनतम डेटा प्राप्त करने के लिए इंटरनेट खोज का समर्थन करता है, और महत्वपूर्ण जानकारी गायब होने पर विकल्प-आधारित प्रश्नों के माध्यम से आपकी वास्तविक समस्या को स्पष्ट करने में मदद करता है।
संबंधित कौशल
सभी देखेंमुंगेर निर्णय गुरु
मुंगेर की बुद्धि से निर्णय लें। यह AI विभिन्न विचार मॉडल फ्रेमवर्क का उपयोग करके, समस्याओं पर उलटा सोचता है और संज्ञानात्मक पूर्वाग्रहों की जांच करता है, किसी भी जटिल विकल्प के लिए स्कोर के साथ एक अंतर-अनुशासनात्मक समग्र निर्णय प्रदान करता है।
अनुसंधानकिसी कंपनी को जल्दी समझें
कंपनी का नाम या स्टॉक डालें और चार्ली मंगर के बहुआयामी मानसिक मॉडल के आधार पर, वैल्यू इन्वेस्टिंग के नज़रिए से गहन स्टॉक रिसर्च करें: पहले कंपनी के इतिहास और स्वामित्व व प्रशासन की रूपरेखा तैयार करें, फिर दस वर्षों के वित्तीय परिदृश्य तथा कारोबार/उत्पाद/सहायक कंपनी के स्तर पर विश्लेषण करके प्रमुख बदलावों की पहचान करें। हर प्रतिस्पर्धी बढ़त को मापें और उसका मूल्यांकन पर प्रभाव स्पष्ट करें। निर्णय से पहले अनिवार्य रूप से खोज करें, दो स्रोतों से जाँच करें और परिभाषाएँ व स्रोत दर्ज करें। तीन परिदृश्यों पर आधारित मूल्यांकन और 2×2 गुणवत्ता/कीमत निर्णय दें, तथा «निरंतर निगरानी के सवालों की सूची» सहित कार्रवाई योग्य《वैल्यू इन्वेस्टिंग गहन विश्लेषण》रिपोर्ट तैयार करें।
नवांकुर｜निवेश ऑडिटर
अपनी राय साबित करने में मेरी मदद न करें—उसकी ऑडिट करने में मदद करें। कई निवेश निर्णयों में समस्या यह नहीं होती कि डेटा पूरी तरह गलत है, बल्कि यह कि सही डेटा से जरूरत से ज्यादा बड़ा निष्कर्ष निकाल लिया जाता है। उदाहरण के लिए: “AI ऑर्डर बहुत हैं, इसलिए अगले तीन वर्षों में मुनाफा निश्चित रूप से तेज़ी से बढ़ेगा।” “कंपनी का कारोबार अच्छा है, इसलिए अभी शेयर बहुत सस्ता है।” “ग्राहकों की संख्या लगातार बढ़ रही है, इसलिए नेटवर्क इफ़ेक्ट बन चुका है।” “प्रबंधन कहता है कि तकनीक अग्रणी है, और यह वित्तीय रिपोर्ट में भी लिखा है, इसलिए प्रतिस्पर्धात्मक बढ़त साबित हो चुकी है।” 「नवांकुर｜निवेश ऑडिटर」आपके सही होने के पक्ष में और कारण खोजने का काम नहीं करेगा। यह आपकी निवेश राय को एक ऑडिट की जा सकने वाली Critical Path में बांटेगा और हर स्तर की जांच करेगा: तथ्य → प्रमाण → कारण-परिणाम संबंध → छिपी हुई धारणाएं → व्यावसायीकरण → आर्थिक परिणाम → मूल्यांकन और प्राथमिक स्रोतों को पहले खोजकर कुछ वाकई महत्वपूर्ण सवालों के जवाब देगा: कौन-से हिस्से प्रमाणों से पहले ही साबित हो चुके हैं? कौन-से हिस्से केवल उचित अनुमान हैं? कौन-सी आवश्यक कड़ी सबसे कमजोर है? क्या Thesis पर वास्तविक प्रहार करने वाला कोई विरोधी प्रमाण है? कौन-सा प्रमाण निष्कर्ष बदलने की सबसे अधिक संभावना रखता है? अंत में यह पांच में से एक निष्कर्ष देगा: SUPPORTED / PARTIALLY SUPPORTED / FRAGILE / BROKEN / INSUFFICIENT DATA निष्कर्ष को ठोस Necessary Claim और प्रमाणों तक वापस जाकर जांचा जा सकना चाहिए—सिर्फ अस्पष्ट “कुल मिलाकर” के आधार पर नहीं।
अपना अगला पसंदीदा कौशल खोजें
शोध, निर्माण और रोज़मर्रा के काम के लिए और अधिक चयनित AI कौशल खोजें।