Memoriae

@xyzzyssd #7 U2725QE

我之前国补买的这款，到手 3696 ，买之前也是看别人说各种避雷，什么漏光、色差大，ps 、lr 使用下来没什么问题，没有肉眼可见的色差，色域足够广，可能运气好吧，我也是用 vscode （这类应用对显示器要求很低，硬件级别护眼大同小异吧）。我不是专业修图绘画，看不出好坏，只能说凑合。

金融机构打工人来说下，AI 和量化交易没有直接联系，最多就是提高编程效率。首先要找到合适的因子，看他们的 IC 、IR 值，可以跑回归、单因子、多因子组合尝试下，找到数个高 IR 的财务、风险、估值、动量指标后，试着组合起来回测。参数也可以通过交叉验证、蒙卡、bootstrap 等方法去评估再调优，但这也是过拟合的结果。

从长期来看，一些基本面质量因子（如估值）和动量（如超卖）因子结合是比较稳健的，能跑赢大盘，但想赚很多钱想都别想。

我觉得程序员搞量化一定会遇到为什么我一实盘就陷入超额的回撤阶段，会遇到过拟合、部分因子赛道拥挤、市场风格调整等问题，还有就是量化交易本身需要一定主观来择时的，例如小盘/微盘+成长因子这个策略组合就有很强趋势性和很大的回撤，例如监管打击量化、微盘因子赛道过于拥挤等因素，还要考虑什么时候应该换因子，很复杂的。

我们一般把策略划分为 CTA 、指数增强、alpha 中性、套利等，其实统计套利和基本面中低频量化是比较适合散户的，什么高频、T0 、时间序列预测、订单流等，反复交叉验证后，我是觉得在没行情和下单延迟的优势下，是不可能有比较稳健的超额回报。很多人自己不了解市场里的游戏规则，又想赚大钱就赔进去了。

首先排除掉所有蒸馏模型，幻觉偏差太严重，综合来看 gemini 2.5 pro 不错。

我正在用的华硕 灵耀 16 Air ，AMD AI HX370 版本，国补后 7.7k ，硬件很好，cpu 和核显能耗比强不发热，OLED 屏幕 delta E<1 ，ps 、lr 都能玩。

AMD 的核显驱动问题一言难尽，拿到新机必须关掉系统自带更新，不然迟早出问题，只用 MyASUS 更新渠道。

16G 显存恐怕只够跑 5-13B 小参数量模型，然而 Qwen 32B 才能有比较完善的推理和总结能力，16G 显存也许只够使用 AI 笔记、知识库、文章润色等 RAG 情境，大模型应该是没办法愉快玩耍的，还要考虑到 token 的输出速度。

金融从业人员来回答下 = =

1. 卖掉 ETF 有可能对市场造成 ETF 的流动性冲击，具体要看平时平均成交额和做市商提供流动性的点差而定；
2. 卖出会对市场造成冲击，但这种冲击是 delta 中性的，vix 就是基于期权的 BS 模型反推出来的隐含波动率，所以交易台大概率是按照买入和卖出跨式期权进行对冲，美国场内期权的流动性还是可以支撑 vix ETF 投机交易的；
3. vix 期货点差是不小的，如果你知道 BS 模型，可以动手反推下，spread 有多大，我猜大部分人都不会做这一步；
4. 散户不应该交易这样的品种，如果你认为它是一个很普通的 ETF ，这是很危险的想法；
5. 隐含波动率可以看作是市场用钱投票，交易的是预期未来波动率，如果懂一点统计，就会知道波动性聚集、尾部风险、置信度等概念，vix 是可以用来交易恐慌黑天鹅的预期，至于是否大幅偏离，每个人心中都有不同的答案，某种程度上是在赌博。

建议手搓，Excel 或 Python 函数计算，ifind 、choice 、wind 的 F9 PE 都是 TTM 计算，实际上 ETF 持仓模拟/市值加权或等权重指数的估值指标更能反映整体市场估值情况。相比分位值，建议用均值±x 倍标准差，因为得考虑市场收益率和估值的厚尾分布。

乌龟量化上的可能值得参考，如果真要做投资，自己折腾投研去验证这个步骤是少不了的。

https://wglh.com/chinaindicespe/sh000300/