編按：這是一位操盤人橫跨十二年、在高度限制與市場風暴中淬鍊出的投資實戰全紀錄，林哲群，身為清華大學校務基金操盤人，從 2012 年起接手僅有 5,000 萬元的基金，在沒有制度、流程與先例可循的情況下，重新設計治理架構、風控機制與投資流程。他不是在華爾街操作，而是在最受法規束縛的公立教育體系中，用紀律和架構把一個基金做大。十多年後，基金規模突破 48多億元，成為支持校務發展、研究投入與人才培育的重要財務來源。他的成功不是靠押對一次行情，而是靠在市場恐慌時仍能做正確的事：面對 2015 年股災、2020 年疫情熔斷、2022 年升息衝擊，他用資產配置、再平衡與風險控管穿越波動，證明「穩健不是保守，而是能活下來的策略」。同時，林哲群告訴讀者，清華基金能活下來、變大、被信任，靠的不是天才的判斷，而是靠一套讓人性退出、讓制度進場的架構。
日期：2026-01-30
買房好？還是租房好？讓許多無殼蝸牛最心痛的是，在於房租付出去後錢就不見了，可比是把現金丟在水裡。但此論點未必正確，答案核心實取決於長期利率的走勢，且再考慮當地不動產市場的情況，造成置產以及租屋相對機會成本以及收益的變化。
日期：2026-01-30
台灣半導體產業進入2026年持續強強滾，對於各類工程師的徵才依舊暢旺，但除了大家比較熟悉的製程或研發工作，有哪些是新出現或是需求上升中的職務？根據國際人才仲介業者Robert Walters華德士對台灣客戶的最新調查，能夠跨界工作的半導體人才在2026年的需求大增，無論是能夠整合類比設計及數位設計、AI加速運算，或是能把永續要求（sustainability）融入產品或工作流程的人才，都可望是2026年的重點需求。若以職務來看，Robert Walters華德士指出，AI邊緣運算工程師、神經型態（neuromorphic）處理工程師、半導體供應鏈韌性及在地化主管，以及ESG數據及永續性分析師等，在2026年都將是徵才重點。
日期：2026-01-29
根據日本多家媒體的選情初期調查顯示，將於2月8日投開票的日本眾議院大選中，自民黨極有可能確保單獨過半的席次，隨著市場預期首相高市早苗所提出的「負責任的積極財政」政策推動力將增強，投資人對財政擴大風險的意識也隨之升高。選戰開跑，高市早苗週四也宣布，若自民黨與日本維新會未能獲得半數席位，她將引咎辭職。她在東京秋葉原進行首場競選演說時，一度激動落淚。
日期：2026-01-29
詐騙集團，就像一支分工嚴密的跨國精裝部隊，以最完美的陣型、最先進的武器，無情掃射手無寸鐵的群眾。被打穿的防詐漏洞該怎麼填補？民眾可以如何自保？這是你不可不知的反詐全攻略。
日期：2026-01-29
富田電機(4590)週四（1/29）於創新板掛牌上市，成為證交所推動創新板3.0後，首家掛牌上市的企業。儘管台股大盤在週四先盛後衰，但富田電機表現相對亮眼，一開盤就上漲逾4成，接近11點時股價更衝漲逾5成。
日期：2026-01-29
編按：隨著金蛇年尾聲將至，台股即將迎來長達 9 天的農曆春節假期。2026 年股市定於 2 月 11 日（三）正式封關，這是連假前最後一個買賣交易日，並預計於 2 月 23 日（一）重新開盤。回顧 2025 年，台股交出亮眼成績單，平均每位投資人獲利高達 149 萬元；如今加權指數已穩站 32,000 點、甚至正朝著 33,000 點歷史新高邁進。面對這波史無前例的高檔行情，許多「賺飽飽」的股民陷入兩難：究竟該趁封關前落袋為安，還是勇敢抱股過年坐等紅盤？針對投資人的焦慮，擁有超過 30 年實戰經驗的國寶級股市宗師杜金龍給出了明確答案。他不僅大方揭露自己的持股水位仍高達 8 成，更霸氣預言：「金馬年（2026）將打破魔咒，台股至少還有 12% 的漲幅空間！」
日期：2026-01-29
周四回暖，把握這禮拜的好天氣！中央氣象署說明，由於東北季風減弱，周四（1/29）白天氣溫回升，北部及東半部高溫約20~23度，中南部24~26度，各地多為多雲到晴的好天氣。本周第二波冷空氣周六報到！預估周六（1/31）越晚雨勢越大，周日（2/1）濕冷的感受上會更為明顯，預估北部、東北部低溫13~15度，南部及花東地區低溫15~17度，空曠地區低溫10~15度，大致上將維持東北季風等級。氣象粉專「台灣颱風論壇｜天氣特急」提醒， 2/7~2/9恐有一波相當強的冷空氣南下，預估除了台灣受到影響之外，日本、韓國也會首當其衝，提醒該段區間要前往日韓的朋友務必留意交通延誤或停駛情形。
日期：2026-01-29
特斯拉 (TSLA-US) 執行長馬斯克於周三 (28日) 表示，特斯拉將正式結束 Model S 與 Model X 的生產，並計畫把加州佛里蒙特 (Fremont) 工廠轉作生產 Optimus 人形機器人，象徵公司策略重心將進一步由傳統電動車轉向人工智慧與機器人領域。
日期：2026-01-29
生成式人工智慧正快速滲透製造、金融、教育與公共治理等關鍵領域，然而在實務導入過程中，企業與組織普遍面臨一項被低估的關鍵瓶頸，AI的表現高度依賴人類如何下指令，指令寫得精準，AI 表現就會很亮眼；指令稍有偏差，則可能產生偏誤、幻覺，甚至影響決策品質。當生成式 AI 逐步進入核心營運與治理場景。陳大正教授表示，如何降低對個人經驗型「提示工程」的依賴，已成為產業與政策端共同關注的新課題。
日期：2026-01-29
