@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/

在 Etherscan 上可以查到 token 的授权情况，签署合约之前检查合约交互操作，这在币圈属于基本操作了。

https://etherscan.io/tokenapprovalchecker

不能理解的是，调试智能合约不在测试环境上跑，也不小额在各种 EVM 上测试，直接到以太坊链上操作 = =

真正的 solidity 合约没这么多混淆操作的，etherscan 上随便看几个合约大概就明白了。

这地址居然有 61.68 万美元价值的币，在其他 EVM 网络上估计也是用同样的合约部署进行诈骗。

https://prologue.dev

JSON Feed 全文输出： https://prologue.dev/rss

技术的本质是被捕获并加以利用的现象的集合，现象是技术的基因，技术的进化在于新的原理或者不同原理的实践，重新组合有机会诞生新技术。推荐读阿瑟复杂性科学著作《技术的本质》，技术发展形成路径依赖性。

真正的创作并不完全建立在经验主义之上，例如艺术创作能创作出 AI 无法从样本中拟合出的结果，自回归模型还未能真正理解事物，只是在根据低维的符号和语义在模仿人类说话，更别说经验归纳和逻辑推理了。

知识可以分为先验知识和经验知识。先验知识是由人类理性的先天结构决定的，包括感性中的时间与空间形式，以及知性中的范畴。这些先验结构并不是从经验中得出，而是作为经验知识形成的条件。康德的《纯粹理性批判》就阐述理性的作用及其边界，应该符合你提及的“创作的思考逻辑”。

有部分不懂，请教下站长：IPFS 在存储文件后需要 pinning ，那么是谁来提供这个 pin 的服务？前端访问也要通过 ipfs gateway ，谁来保证这些云服务资源的可用性？当然，对于 web3 玩家，当然是自己找托管服务或者在空闲的机器上运行 go-ipfs 。

pin 服务必须可用，否则在其他机器上传或复制一样的文件，哈希值也会不同，应该有一定运维风险吧。

最后想问下，未来有计划在 V2EX 上支持绑定 ENS 域名吗？例如在 ENS 上新增一条记录实现，谢谢：）

vercel + cloudflare cdn ，广东移动访问很快，https://prologue.dev

matrix 服务器 synapse 很吃内存，特别是联邦式 bridge 传输，请问下大佬的服务器配置？：）

1.不用 next/image ，直接引用/public ，修改 cdn 缓存规则，交给 cdn 完成；
2.next/image 自定义 loader 功能就能适配 oss ；
3.和 node 无关，你可以开 f12 开发者工具，看下渲染的顺序，next.js 的图片好像默认是延迟（优先度不是最高的）。

官方文档的说明应该足以解决。

https://nextjs.org/docs/app/building-your-application/optimizing/images

得想办法实现全站静态化，单纯的缓存对动态资源无效。