转。
投资净亏损从去年同期的50.38亿收窄至12.40亿，GAAP净利润同比增长约120%。
现金储备3970亿美元，历史新高。
9）关于持仓：61%集中在前五大
截至3月31日，61%的股票投资公允价值集中在美国运通、苹果、美国银行、雪佛龙和可口可乐。
集中度依然很高。巴菲特的逻辑是，好公司不需要分散。
10）关于未来：观望，但不悲观
4000亿现金，说明他们在等。
但等不等于悲观。巴菲特说过，现金就像氧气，平时感觉不到，关键时刻能救命。
现在美股估值不便宜，AI泡沫还在吹，他们选择观望。
总结
这次股东大会，核心就一句，巴菲特把接力棒交给了阿贝尔，但投资哲学没变。
卖股票，囤现金，等机会。
核心四强不动，日本商社继续投，AI谨慎观察。
这不是退休，是传承。
金融/投资/币圈
投资净亏损从去年同期的50.38亿收窄至12.40亿，GAAP净利润同比增长约120%。
现金储备3970亿美元，历史新高。
9）关于持仓：61%集中在前五大
截至3月31日，61%的股票投资公允价值集中在美国运通、苹果、美国银行、雪佛龙和可口可乐。
集中度依然很高。巴菲特的逻辑是，好公司不需要分散。
10）关于未来：观望，但不悲观
4000亿现金，说明他们在等。
但等不等于悲观。巴菲特说过，现金就像氧气，平时感觉不到，关键时刻能救命。
现在美股估值不便宜，AI泡沫还在吹，他们选择观望。
总结
这次股东大会，核心就一句，巴菲特把接力棒交给了阿贝尔，但投资哲学没变。
卖股票，囤现金，等机会。
核心四强不动，日本商社继续投，AI谨慎观察。
这不是退休，是传承。
金融/投资/币圈
👍1
牛市结束了？？？
昨天跟大家分享了高胜率的武功秘籍上部，今天直接把下部也分享出来
不管牛市结束与否，大家参考图中的交易形态和技术信号即可
❚ 假突破V1
通过K线形态判断价格短暂刺破关键位后迅速回落，形成长上影线或下影线。
❚ 假突破V3
V3是V1的升级版本，可结合量能不足、跌破均线和1-3日内反转等条件，识别复杂行情中的假突破。
❚ 双重SSR
价格两次尝试突破同一阻力或支撑位均失败并回落，形成主力操盘的陷阱信号。
❚ 三驱动
由三个连续推动波组成，形成依次更高或更低的波峰/波谷，预示价格反转或加速。
❚ 空头回补
空头在下跌后买入平仓，推动价格短期反弹，常出现于支撑位或超卖区域。
金融/投资/币圈
昨天跟大家分享了高胜率的武功秘籍上部，今天直接把下部也分享出来
不管牛市结束与否，大家参考图中的交易形态和技术信号即可
❚ 假突破V1
通过K线形态判断价格短暂刺破关键位后迅速回落，形成长上影线或下影线。
❚ 假突破V3
V3是V1的升级版本，可结合量能不足、跌破均线和1-3日内反转等条件，识别复杂行情中的假突破。
❚ 双重SSR
价格两次尝试突破同一阻力或支撑位均失败并回落，形成主力操盘的陷阱信号。
❚ 三驱动
由三个连续推动波组成，形成依次更高或更低的波峰/波谷，预示价格反转或加速。
❚ 空头回补
空头在下跌后买入平仓，推动价格短期反弹，常出现于支撑位或超卖区域。
金融/投资/币圈
❤1👍1
CRS2.0，生效，在2027年开始回传到东大
（包括各大交易所）
【别犟，犟就自己去问交易所高层】
我们已知信息：
1 炒币违法，但持有币在中国不违法
2 炒币不用交税
3 这些资产信息如果在交易所，会回传到东大
得出结论：
一：对于东大
知道你的资产，甚至知道你的年度盈亏
「因为他只得到年底的报告，不会有详细交易数据」
有没有行动，看高层指示
二：对于交易所
之后，东大身份的资金，会下降的非常厉害！
「所以我觉得现在几家大的交易所争大陆客户，不如想怎么去化解这个问，现在争都是白争，几乎没屁用」
三：对于韭菜
不确定炒币收不收税，谨慎的韭菜只会把大资金隐蔽在链上。
炒币难度进一步加大。
我研究完，发现根本研究不明白，所以，如果有此方面相关经验的朋友，欢迎探讨。
现在找到的途径：
一 忽略噪音，简单粗暴
「最合适的玩法」
资金全部放链上，继续该咋玩就咋玩，出金从链上直接出。 直接绕开交易所。
不动的资金直接放冷钱包。
二 有朋友的操作是：
阿联酋的黄金签身份去注册交易所，相当于另外一套身份，阿联酋身份只会提供给阿联酋的国家。
（安安明确表示，不会在交易所内把阿联酋身份的用户信息回传东大）
但是阿联酋政府，根据CRS2.0的条例，还是会把信息传给东大。
所以，这个我没有想明白如何操作？
三 有朋友去做香港身份，我不知道这个身份的税务规避是怎么样的？
合法合规的用大饼或者U出成干净的美金吗？
我觉得
金税四期+CRS交换升级+（OECD）的IPMCA框架
这三套组合拳下来，会慢慢的完善我国的税务体系，让大家都在图下的框架内好好的活。
尤其是（OECD）的IPMCA框架。
我再多说一嘴：
经济合作与发展组织（OECD）的IPMCA（多变不动产信息交换主管当局协定）框架，预计在 2029 年或 2030 年开始首次信息交换。
大白就是：
在四年后，大家的海外房产，就会透明了！
你拿着Usdt在海外买的匿名资产，如果是你的名下，那就和国内没球区别了。
哪怕每年的租金收50w，你也得加上国内的收入，砍一半出来给我交税！！！
所以，国家给了大家几年的筹划时间。
金融/投资/币圈
（包括各大交易所）
【别犟，犟就自己去问交易所高层】
我们已知信息：
1 炒币违法，但持有币在中国不违法
2 炒币不用交税
3 这些资产信息如果在交易所，会回传到东大
得出结论：
一：对于东大
知道你的资产，甚至知道你的年度盈亏
「因为他只得到年底的报告，不会有详细交易数据」
有没有行动，看高层指示
二：对于交易所
之后，东大身份的资金，会下降的非常厉害！
「所以我觉得现在几家大的交易所争大陆客户，不如想怎么去化解这个问，现在争都是白争，几乎没屁用」
三：对于韭菜
不确定炒币收不收税，谨慎的韭菜只会把大资金隐蔽在链上。
炒币难度进一步加大。
我研究完，发现根本研究不明白，所以，如果有此方面相关经验的朋友，欢迎探讨。
现在找到的途径：
一 忽略噪音，简单粗暴
「最合适的玩法」
资金全部放链上，继续该咋玩就咋玩，出金从链上直接出。 直接绕开交易所。
不动的资金直接放冷钱包。
二 有朋友的操作是：
阿联酋的黄金签身份去注册交易所，相当于另外一套身份，阿联酋身份只会提供给阿联酋的国家。
（安安明确表示，不会在交易所内把阿联酋身份的用户信息回传东大）
但是阿联酋政府，根据CRS2.0的条例，还是会把信息传给东大。
所以，这个我没有想明白如何操作？
三 有朋友去做香港身份，我不知道这个身份的税务规避是怎么样的？
合法合规的用大饼或者U出成干净的美金吗？
我觉得
金税四期+CRS交换升级+（OECD）的IPMCA框架
这三套组合拳下来，会慢慢的完善我国的税务体系，让大家都在图下的框架内好好的活。
尤其是（OECD）的IPMCA框架。
我再多说一嘴：
经济合作与发展组织（OECD）的IPMCA（多变不动产信息交换主管当局协定）框架，预计在 2029 年或 2030 年开始首次信息交换。
大白就是：
在四年后，大家的海外房产，就会透明了！
你拿着Usdt在海外买的匿名资产，如果是你的名下，那就和国内没球区别了。
哪怕每年的租金收50w，你也得加上国内的收入，砍一半出来给我交税！！！
所以，国家给了大家几年的筹划时间。
金融/投资/币圈
❤2👍1
今天读到一篇 2025 年的论文《用订单簿数据预测加密货币短期价格走势》，作者还有 X 账号
作者的研究数据是 2025 年 1 月 30 日来自 Bybit 公开接口的原始订单簿L2数据。每 100ms 一个快照，每个快照最多 200 层买卖盘。主实验用了 10 万条（约 166 分钟），序列实验扩到 100 万条（约 28 小时）。数据免费可获取，所以论文的可复现性不错。
研究方法是将数据分为不过滤、SG 滤波、Kalman 滤波三组，然后分别输入 6 个模型，在二分类（涨/跌）和三分类（涨/平/跌）两种标签下，分别预测 100ms / 500ms / 1s 后的价格方向。总共是 3(数据预处理)×6（6 组模型）×2（预测结果为二分类还是三分类）×3（三个预测时间窗口） = 108 组实验。
模型按照复杂度分组如下：
- 简单模型（逻辑回归和 XGBoost）： 手动设计特征（比如买卖量差、供需不平衡），作为模型输入。速度最快，而且我们能看懂模型如何依据特征做判断，知其然更知其所以然。
- 混合模型（CNN+CatBoost 和 CNN+XGBoost）： 不再是手动设计特征，而是让神经网络自己学习数据的特征，然后将这些特征输入决策树。优点是可能发现人工想不到的特征组合，坏处是这些特征难以解释，知其然不尽知其所以然。
- 深度模型（DeepLOB及其简化版）： 完全端到端的神经网络，从特征提取（和之前的区别是这次可以提取序列信息作为特征）到最终判断全部自动完成，知其然而不知其所以然。
评估指标是预测正确率（技术上叫 F1 分数，同时衡量"你说涨的时候有多少次真涨了"和"真正涨的时候你抓住了多少次"，0 到 1，越高越好）。同时记录训练时间。训练集 80%、测试集 20%，没有做交叉验证，因为时序数据不适合随机打乱。
核心观点1: 数据质量比模型选型重要
以三分类 500ms 40层订单簿的预测为例：
- 同样的 XGBoost，输入原始数据时预测正确率 0.45，做了 SG 平滑后升到 0.54，提升约 21%。
- 把模型换成更复杂的 DeepLOB，在原始数据上反而更低（0.43）。即使 DeepLOB 也做了 SG 平滑（0.52），依然不如 XGBoost+SG（0.54）。
数据质量的提升效果远超模型复杂度的提升效果。
SG 滤波为什么效果这么好？
原始订单簿数据非常毛躁，价格和挂单量在毫秒级别剧
作者的研究数据是 2025 年 1 月 30 日来自 Bybit 公开接口的原始订单簿L2数据。每 100ms 一个快照，每个快照最多 200 层买卖盘。主实验用了 10 万条（约 166 分钟），序列实验扩到 100 万条（约 28 小时）。数据免费可获取，所以论文的可复现性不错。
研究方法是将数据分为不过滤、SG 滤波、Kalman 滤波三组，然后分别输入 6 个模型，在二分类（涨/跌）和三分类（涨/平/跌）两种标签下，分别预测 100ms / 500ms / 1s 后的价格方向。总共是 3(数据预处理)×6（6 组模型）×2（预测结果为二分类还是三分类）×3（三个预测时间窗口） = 108 组实验。
模型按照复杂度分组如下：
- 简单模型（逻辑回归和 XGBoost）： 手动设计特征（比如买卖量差、供需不平衡），作为模型输入。速度最快，而且我们能看懂模型如何依据特征做判断，知其然更知其所以然。
- 混合模型（CNN+CatBoost 和 CNN+XGBoost）： 不再是手动设计特征，而是让神经网络自己学习数据的特征，然后将这些特征输入决策树。优点是可能发现人工想不到的特征组合，坏处是这些特征难以解释，知其然不尽知其所以然。
- 深度模型（DeepLOB及其简化版）： 完全端到端的神经网络，从特征提取（和之前的区别是这次可以提取序列信息作为特征）到最终判断全部自动完成，知其然而不知其所以然。
评估指标是预测正确率（技术上叫 F1 分数，同时衡量"你说涨的时候有多少次真涨了"和"真正涨的时候你抓住了多少次"，0 到 1，越高越好）。同时记录训练时间。训练集 80%、测试集 20%，没有做交叉验证，因为时序数据不适合随机打乱。
核心观点1: 数据质量比模型选型重要
以三分类 500ms 40层订单簿的预测为例：
- 同样的 XGBoost，输入原始数据时预测正确率 0.45，做了 SG 平滑后升到 0.54，提升约 21%。
- 把模型换成更复杂的 DeepLOB，在原始数据上反而更低（0.43）。即使 DeepLOB 也做了 SG 平滑（0.52），依然不如 XGBoost+SG（0.54）。
数据质量的提升效果远超模型复杂度的提升效果。
SG 滤波为什么效果这么好？
原始订单簿数据非常毛躁，价格和挂单量在毫秒级别剧
烈跳动，业界通常认为这是做市商快速调整报价造成的"闪烁"。SG 滤波是拿一个小窗口在数据上滑动，每到一个位置就在窗口内拟合一条平滑曲线，取曲线中心点的值作为平滑结果。和简单移动平均不同的是，它不会把真正的趋势转折点磨掉——因为它是用曲线去贴合数据的形状，而不是粗暴地取平均。scipy 里一行代码能调用，窗口 21、三阶多项式是论文里效果最稳定的参数，可以作为大家研究的起点。
2. 决策窗口约束了模型复杂度
这里要区分两个概念：
- 训练时间是离线模型训练时间（一次性）
- 推理时间是实盘中每来一条新数据，模型做出预测的时间
推理频率取决于策略设计，决策窗口的时长决定了推理速度的上限，推理速度上限约束了模型复杂度。
论文在摘要和结论里都声称比较了推理延迟，但实际给出的数据只有训练时间，推理延迟没有给出具体数字，只有定性讨论：一个准确率 80% 但出结果要 2 秒的模型，在预测未来 1 秒价格走向的任务里完全没用，因为拿到预测结果的时候，那 1 秒已经过去了。
不过从模型本身的性质可以推断：逻辑回归推理就是一次矩阵乘法，XGBoost 是走几棵决策树，应该是很快的；而深度网络需要层层前向传播，相对慢得多。
---
论文不足
这篇论文的选和实验框架都非常好，但是整体感觉是没写完，就草草结束了，所以很多问挖了坑没有填。作者在这篇论文发布后（2025.5）的三个月（2025.8）又有一篇根据 L3数据研究限价订单权重不平衡（LWI），可能是改变研究方向了 😀
1. 只用了一天数据，样本量和泛化性都有限
2. 摘要说比较了 inference latency，实际只给了训练时间
3. 实验设计缺乏控制变量：100ms 用的是 5 层，500ms/1000ms 用的是 40 层，窗口和深度同时变了，却分别归因
4. 多处结果异常缺乏分析：
- Kalman 滤波的结果比原始数据还差，作者解释是因为算力限制只在小样本上做了有限的调参就固定了参数
- CNN+CatBoost 比 CNN+XGBoost 差了 8-10 个点，原理差不多的模型，效果明显差异，完全没分析原因
- 同样 40 层订单簿，不论是二分类还是三分类，500ms 的正确率都好于 1000ms，直觉上更长的窗口应该更容易预测（信号更明显），但数据显示并非如此，没有任何分析
5. 数据归因超出证据：用 L2 数据不足以支持订单簿噪声来自挂单撤单
6. 作者提出序列信息（多个连续快照）作为输入相对单个快照提升极其有限，但只使用了不理解序列信息的简单模型进行比较，跳过了最关键的对比组DeepLOB（模型可以理解序列信息） ，然后直接下了结论
7. 二分类 vs 三分类没有做回测，无法验证三分类的策略价值
金融/投资/币圈
2. 决策窗口约束了模型复杂度
这里要区分两个概念：
- 训练时间是离线模型训练时间（一次性）
- 推理时间是实盘中每来一条新数据，模型做出预测的时间
推理频率取决于策略设计，决策窗口的时长决定了推理速度的上限，推理速度上限约束了模型复杂度。
论文在摘要和结论里都声称比较了推理延迟，但实际给出的数据只有训练时间，推理延迟没有给出具体数字，只有定性讨论：一个准确率 80% 但出结果要 2 秒的模型，在预测未来 1 秒价格走向的任务里完全没用，因为拿到预测结果的时候，那 1 秒已经过去了。
不过从模型本身的性质可以推断：逻辑回归推理就是一次矩阵乘法，XGBoost 是走几棵决策树，应该是很快的；而深度网络需要层层前向传播，相对慢得多。
---
论文不足
这篇论文的选和实验框架都非常好，但是整体感觉是没写完，就草草结束了，所以很多问挖了坑没有填。作者在这篇论文发布后（2025.5）的三个月（2025.8）又有一篇根据 L3数据研究限价订单权重不平衡（LWI），可能是改变研究方向了 😀
1. 只用了一天数据，样本量和泛化性都有限
2. 摘要说比较了 inference latency，实际只给了训练时间
3. 实验设计缺乏控制变量：100ms 用的是 5 层，500ms/1000ms 用的是 40 层，窗口和深度同时变了，却分别归因
4. 多处结果异常缺乏分析：
- Kalman 滤波的结果比原始数据还差，作者解释是因为算力限制只在小样本上做了有限的调参就固定了参数
- CNN+CatBoost 比 CNN+XGBoost 差了 8-10 个点，原理差不多的模型，效果明显差异，完全没分析原因
- 同样 40 层订单簿，不论是二分类还是三分类，500ms 的正确率都好于 1000ms，直觉上更长的窗口应该更容易预测（信号更明显），但数据显示并非如此，没有任何分析
5. 数据归因超出证据：用 L2 数据不足以支持订单簿噪声来自挂单撤单
6. 作者提出序列信息（多个连续快照）作为输入相对单个快照提升极其有限，但只使用了不理解序列信息的简单模型进行比较，跳过了最关键的对比组DeepLOB（模型可以理解序列信息） ，然后直接下了结论
7. 二分类 vs 三分类没有做回测，无法验证三分类的策略价值
金融/投资/币圈
慢慢给大家梳理一下：
1.先说为什么打仗为什么会对加密黄金btc产生利空，不是tmd黄金吗，一打仗不涨反跌，跟dev sell一样
a.因为战争爆发第一时间，机构和巨鲸的第一反应都是直接抛售风险资产换取cash，btc只是我们圈内目前在幻想的数字黄金，在机构眼里仍然是高波动风险资产
b.7x24h代价，如果今天是周末或者晚上休市时间，那炸了，所有恐慌流动性都会在crypto这种无休市场爆发，散户多头杠杆直接被连环爆
2.打仗也有可能利好比特币
这种情况比较特殊，就是打得死去活来，美国开始下场，财政赤字。那美联储就需要开始QE买单了，这时候比特币的抗通胀作用才真正显现
3.QE凭什么钱不流入更强劲的美股，而流入你现在软弱无力的加密市场
a.首先明确两个概念，一个是EPS，一个是M2，这两个概念是美股与加密货币这轮的本质区别
美股的护城河： 科技巨头有真实的现金流、强劲的财报（EPS）以及天量的股票Buybacks。即使在美联储维持高利率、流动性紧缩的环境下，它们依然能靠自身的盈利能力硬扛着估值往上涨
M2，简单来讲，这就是央行印钞机开动后，全社会实际能动用的“钱”的总量。比特币没有cash flow，不产生利润，没有EPS。它的价格涨跌，极大程度上锚定的是美元的 M2 供应量
b.一旦开始扩表，市场一致偏好风险资产，共识是cash无用，开始向高风险资产下沉。比特币在华尔街就是完美锚定全球流动性（M2）的高Beta。当流动性泛滥时，处于风险曲线最末端的资产，吸收溢出资金后的弹性是最大的。
c.市值体量决定拉盘成本
苹果、微软、英伟达都是几倍于比特币市值，2、3trillion摆在那里，想让这些纳斯达克巨头翻个倍，要非常恐怖的资金量注入
比特币现在跟他们比就是个小宝宝，只有一万亿市值。加上有很高比例是长持者，基本不动的，只需相对极少量的边际资金净流入就可以拉出比纳斯达克巨头多很多的涨幅
d.没有“估值天花板”的投机优势
美股有实际业务支撑，这是它的优点，也是它的天花板。华尔街的分析师可以通过DCF算出一家公司的估值极限，PE等。一旦高得离谱，资金就会获利了结。
而比特币没有现金流，不产生股息。这在紧缩周期是致命伤，但在QE没有估值模型反而成了最大的投机优势——它的价格上限纯粹取决于流动性溢价和市场FOMO共识，涨起来不讲任何基本面武德。
金融/投资/币圈
1.先说为什么打仗为什么会对加密黄金btc产生利空，不是tmd黄金吗，一打仗不涨反跌，跟dev sell一样
a.因为战争爆发第一时间，机构和巨鲸的第一反应都是直接抛售风险资产换取cash，btc只是我们圈内目前在幻想的数字黄金，在机构眼里仍然是高波动风险资产
b.7x24h代价，如果今天是周末或者晚上休市时间，那炸了，所有恐慌流动性都会在crypto这种无休市场爆发，散户多头杠杆直接被连环爆
2.打仗也有可能利好比特币
这种情况比较特殊，就是打得死去活来，美国开始下场，财政赤字。那美联储就需要开始QE买单了，这时候比特币的抗通胀作用才真正显现
3.QE凭什么钱不流入更强劲的美股，而流入你现在软弱无力的加密市场
a.首先明确两个概念，一个是EPS，一个是M2，这两个概念是美股与加密货币这轮的本质区别
美股的护城河： 科技巨头有真实的现金流、强劲的财报（EPS）以及天量的股票Buybacks。即使在美联储维持高利率、流动性紧缩的环境下，它们依然能靠自身的盈利能力硬扛着估值往上涨
M2，简单来讲，这就是央行印钞机开动后，全社会实际能动用的“钱”的总量。比特币没有cash flow，不产生利润，没有EPS。它的价格涨跌，极大程度上锚定的是美元的 M2 供应量
b.一旦开始扩表，市场一致偏好风险资产，共识是cash无用，开始向高风险资产下沉。比特币在华尔街就是完美锚定全球流动性（M2）的高Beta。当流动性泛滥时，处于风险曲线最末端的资产，吸收溢出资金后的弹性是最大的。
c.市值体量决定拉盘成本
苹果、微软、英伟达都是几倍于比特币市值，2、3trillion摆在那里，想让这些纳斯达克巨头翻个倍，要非常恐怖的资金量注入
比特币现在跟他们比就是个小宝宝，只有一万亿市值。加上有很高比例是长持者，基本不动的，只需相对极少量的边际资金净流入就可以拉出比纳斯达克巨头多很多的涨幅
d.没有“估值天花板”的投机优势
美股有实际业务支撑，这是它的优点，也是它的天花板。华尔街的分析师可以通过DCF算出一家公司的估值极限，PE等。一旦高得离谱，资金就会获利了结。
而比特币没有现金流，不产生股息。这在紧缩周期是致命伤，但在QE没有估值模型反而成了最大的投机优势——它的价格上限纯粹取决于流动性溢价和市场FOMO共识，涨起来不讲任何基本面武德。
金融/投资/币圈
❤2👍1
大力推荐这个网站！它把巴菲特致股东的信掰开了，揉碎了，结构化了，变成一个知识库。而我非常喜欢它的结构：总览，图谱，概念，索引。
巴菲特致股东信知识库
https://buffett-letters-eir.pages.dev/
金融/投资/币圈
巴菲特致股东信知识库
https://buffett-letters-eir.pages.dev/
金融/投资/币圈
👍2👎1
传奇交易员总结的 11种K线形态
所有的K线都是反映市场的心理，市场环境决定K线有效性
如果说趋势是交易的基石，那么支撑与阻力位就必须要K线验证
作为一名币圈合格的交易员，是一定要了解这些基础知识
下图是十一种经典的K线形态
1. 双底/W底:
币价两次探底后反转向上，形成W形看涨形态。
2. 下降旗形
币价短暂盘整后继续下跌，形似旗帜的看跌形态。
3. 上升三角形
币价在水平阻力线和上升支撑线间震荡，最终向上突破的看涨形态。
4. 头肩顶
币价形成左肩、头部、右肩后反转向下，预示看跌反转。
5. 上升旗形
币价短暂盘整后继续上涨，形似旗帜的看涨形态。
6. 下降三角形
币价在水平支撑线和下降阻力线间震荡，最终向下突破的看跌形态。
7. 多重底/破底翻
币价多次触及低点后突破，形成看涨反转形态。
8. 上升楔形
币价在收敛的上升通道中运行，通常预示向下反转的看跌形态。
9. 矩形整理
币价在平行支撑和阻力间横盘震荡，预示延续或反转。
10. 圆弧杯柄
币价形成圆形底部后短暂整理，形似杯柄的看涨形态。
11. 扩张三角形
币价波动范围逐渐扩大，形成发散三角形，预示高波动反转或延续。
金融/投资/币圈
所有的K线都是反映市场的心理，市场环境决定K线有效性
如果说趋势是交易的基石，那么支撑与阻力位就必须要K线验证
作为一名币圈合格的交易员，是一定要了解这些基础知识
下图是十一种经典的K线形态
1. 双底/W底:
币价两次探底后反转向上，形成W形看涨形态。
2. 下降旗形
币价短暂盘整后继续下跌，形似旗帜的看跌形态。
3. 上升三角形
币价在水平阻力线和上升支撑线间震荡，最终向上突破的看涨形态。
4. 头肩顶
币价形成左肩、头部、右肩后反转向下，预示看跌反转。
5. 上升旗形
币价短暂盘整后继续上涨，形似旗帜的看涨形态。
6. 下降三角形
币价在水平支撑线和下降阻力线间震荡，最终向下突破的看跌形态。
7. 多重底/破底翻
币价多次触及低点后突破，形成看涨反转形态。
8. 上升楔形
币价在收敛的上升通道中运行，通常预示向下反转的看跌形态。
9. 矩形整理
币价在平行支撑和阻力间横盘震荡，预示延续或反转。
10. 圆弧杯柄
币价形成圆形底部后短暂整理，形似杯柄的看涨形态。
11. 扩张三角形
币价波动范围逐渐扩大，形成发散三角形，预示高波动反转或延续。
金融/投资/币圈
👍3❤2
最近看到大家都在发自己的量化，我也分享下自己的量化，大概跑了半个多月，从Openclaw 换成 Hermes 后就一直在构思这个系统，我没研究过现在和过去其他人的量化逻辑，但我这个目前胜率还凑合，从 1000u 的本金也跑到了 1600+，说下基本自己的思路，也能和大家碰撞想法和交流：
🌟AI 是 Claude + Hermes ，claude 搭系统，Hermes 来分析策略和执行，95% 是 7x24 服务器上跑不占用 大模型Token
🌟核心逻辑和共识是 —— 一个真正会自己学习的Agent。她能记住每一次判断对错，能从失败中提炼经验，能主动调整自己的判断逻辑。就像一个真正的交易员，刚入行时新手，做久了变老手。
就拿我自己来说，从 openclaw 出现以来就在不断的使用学习试各种skill 和方式让他变得更智能更主动的帮我做事，但是实际上他本质逻辑就是个定时器，时间到了开始做事，所以基于这个逻辑想要无缝 7 x 24 的跑下来就必须有个合理的闭环让他循环，我是这样思考的：
1⃣每次决策都留痕
简单来说我每一次跟我的 Hermes 聊天让他帮我每分析或开仓，系统会自动记录一份"决策快照"：
·当时的市场温度（恐贪指数、VIX）
·币种的技术指标（RSI、ADX、量价）
·订单簿的真实买卖情况
·聪明钱在做什么方向
·宏观环境（关税期？FOMC期？）
·Polymarket在赌什么/对应 token 是否有盘口
·为什么做这个判断（理由）
·预测的方向和目标价
这就像一个交易员的工作日记，每笔交易都写下"我为什么这么做，现在是什么环境的判断"。
2⃣24小时后回头看（可以根据我问的情况自动判断时间戳）
24小时后，系统自动回访这笔决策：
当时Hermes说"看多ETH，目标涨3%"
24小时后实际：ETH涨了2.5% → 标记为"判断正确"
24小时后实际：ETH跌了1% → 标记为"判断错误"
这个回访不是简单看价格，而是要分析复盘为什么对、为什么错。
3⃣让AI自己复盘
这里是最关键的一步。如果判断错了，系统会自动把错误的分析和实际结果发给MAKIMA本人，让她自己复盘：
"你24小时前分析ETH看多，给出Conviction 72分 当时你的依据是：RSI超卖、订单簿买盘强、聪明钱方向一致但实际ETH跌了2%
请复盘：
1. 哪个信号判断失误？
2. 当时忽略了什么？
3. 下次遇到类似场景怎么处理？"
🌟AI 是 Claude + Hermes ，claude 搭系统，Hermes 来分析策略和执行，95% 是 7x24 服务器上跑不占用 大模型Token
🌟核心逻辑和共识是 —— 一个真正会自己学习的Agent。她能记住每一次判断对错，能从失败中提炼经验，能主动调整自己的判断逻辑。就像一个真正的交易员，刚入行时新手，做久了变老手。
就拿我自己来说，从 openclaw 出现以来就在不断的使用学习试各种skill 和方式让他变得更智能更主动的帮我做事，但是实际上他本质逻辑就是个定时器，时间到了开始做事，所以基于这个逻辑想要无缝 7 x 24 的跑下来就必须有个合理的闭环让他循环，我是这样思考的：
1⃣每次决策都留痕
简单来说我每一次跟我的 Hermes 聊天让他帮我每分析或开仓，系统会自动记录一份"决策快照"：
·当时的市场温度（恐贪指数、VIX）
·币种的技术指标（RSI、ADX、量价）
·订单簿的真实买卖情况
·聪明钱在做什么方向
·宏观环境（关税期？FOMC期？）
·Polymarket在赌什么/对应 token 是否有盘口
·为什么做这个判断（理由）
·预测的方向和目标价
这就像一个交易员的工作日记，每笔交易都写下"我为什么这么做，现在是什么环境的判断"。
2⃣24小时后回头看（可以根据我问的情况自动判断时间戳）
24小时后，系统自动回访这笔决策：
当时Hermes说"看多ETH，目标涨3%"
24小时后实际：ETH涨了2.5% → 标记为"判断正确"
24小时后实际：ETH跌了1% → 标记为"判断错误"
这个回访不是简单看价格，而是要分析复盘为什么对、为什么错。
3⃣让AI自己复盘
这里是最关键的一步。如果判断错了，系统会自动把错误的分析和实际结果发给MAKIMA本人，让她自己复盘：
"你24小时前分析ETH看多，给出Conviction 72分 当时你的依据是：RSI超卖、订单簿买盘强、聪明钱方向一致但实际ETH跌了2%
请复盘：
1. 哪个信号判断失误？
2. 当时忽略了什么？
3. 下次遇到类似场景怎么处理？"
Hermes会给出复盘结论，比如：
"忽略了Polymarket 的反向信号，当天 ETH 的盘口预期不足以造成拉盘，市场预期ETH会跌 聪明钱信号有滞后性，不能完全依赖 下次遇到 Polymarket 反向时应该谨慎做多"
这条复盘自动归档到经验库，带上
「币种：ETH
RSI区间：超卖
宏观环境：FOMC前
失败原因：Polymarket反向被忽略
教训：Polymarket反向时聪明钱信号需折扣」
4⃣下次遇到类似情况，自动调取经验
这是真正让她"成长"的核心。
下次Hermes要分析任何币种时，系统会智能搜索经验库，找到Top3-5条最相关的历史经验，注入到她的判断上下文：
"现在分析ETH，参考你的历史经验：
「经验1（30天前，类似场景）：
ETH超卖+宏观平静期，做多成功，关键是订单簿买盘强
经验2（45天前，反面教材）：
ETH超卖但Polymarket反向，做多失败，被打止损
经验3（15天前，类似场景）：
ETH超卖+聪明钱共识，做多成功率高」
请结合这些经验给出判断"
她不是从零开始判断，而是带着"过去同样情况下的经验"做决策。
🌟这套闭环的意义：
普通量化：人写规则 → 静态系统
我的量化：自己积累经验 → 动态成长
第1周：按基础逻辑判断
第4周：积累了几百条经验后，遇到熟悉场景能直接调取 第3个月：经验库足够丰富，胜率开始指数级提升
第6个月：成为这个特定市场环境下的"老手"
理论上，操作越多，胜率应该越高。每一次错误都不是浪费，而是在喂给她未来的判断力。
💡一个具体的例子
4月15日：MAKIMA分析BTC，看多，结果跌了 归档经验：BTC在RSI=42+ADX=20的震荡市做多，失败
4月22日：又遇到BTC RSI=44+ADX=22+震荡市 系统调取
4月15日的经验作为反面教材 Conviction从60分扣到48分（不开仓） 后来BTC确实又跌了 → 避免了一次亏损
5月5日：BTC RSI=38+ADX=45（这次是趋势市） 系统调取经验时，发现4月15日的反面教材"市场状态不同" 权重降低，不影响这次判断 正常开多，赚了
「她学会了区分场景，不是机械套用经验，而是判断"过去的经验在当前是否适用"。」
·不让Agent绕过规则，而是改进规则
我们最初遇到一个问：Hermes有时会觉得系统设的门槛太严，自己绕过去开仓。
我们没有限制她，而是给了她一个"反馈机制"：
觉得门槛过严？写入feedback.log 觉得规则不合适？告诉系统 "你不是在忍受规则，你是在训练系统"
每周日系统自动统计这些反馈：
如果"觉得过严但实际开仓胜率>55%" → 门
槛自动降低
如果"按门槛开仓胜率<45%" → 门槛自动提高
她的每个想法都被听到，每个反馈都在改进系统。
弄这套东西的原因是我比较懒，但是在不了想学习外面的量化系统策略和逻辑，那么我就想弄一套东西不断的跑，我甚至懒得告诉他怎么跑。
这套系统我第一件事就是让他把现在到过去 2 个周期的 K 先放量价格等所有数据跑一个遍，然后把关键节点价格做上坐标，然后根据这个坐标找相对于宏观事件都发生了什么，分析原因，快速积累经验。每天和 claude 聊的最多的就是 Hermes 还缺什么，如何继续完善，怎么让他成长的更精准
下面发几个自己的面板（我为了他在干什么我能看得见，还建立了个模板清晰看到他在做什么）
金融/投资/币圈
"忽略了Polymarket 的反向信号，当天 ETH 的盘口预期不足以造成拉盘，市场预期ETH会跌 聪明钱信号有滞后性，不能完全依赖 下次遇到 Polymarket 反向时应该谨慎做多"
这条复盘自动归档到经验库，带上
「币种：ETH
RSI区间：超卖
宏观环境：FOMC前
失败原因：Polymarket反向被忽略
教训：Polymarket反向时聪明钱信号需折扣」
4⃣下次遇到类似情况，自动调取经验
这是真正让她"成长"的核心。
下次Hermes要分析任何币种时，系统会智能搜索经验库，找到Top3-5条最相关的历史经验，注入到她的判断上下文：
"现在分析ETH，参考你的历史经验：
「经验1（30天前，类似场景）：
ETH超卖+宏观平静期，做多成功，关键是订单簿买盘强
经验2（45天前，反面教材）：
ETH超卖但Polymarket反向，做多失败，被打止损
经验3（15天前，类似场景）：
ETH超卖+聪明钱共识，做多成功率高」
请结合这些经验给出判断"
她不是从零开始判断，而是带着"过去同样情况下的经验"做决策。
🌟这套闭环的意义：
普通量化：人写规则 → 静态系统
我的量化：自己积累经验 → 动态成长
第1周：按基础逻辑判断
第4周：积累了几百条经验后，遇到熟悉场景能直接调取 第3个月：经验库足够丰富，胜率开始指数级提升
第6个月：成为这个特定市场环境下的"老手"
理论上，操作越多，胜率应该越高。每一次错误都不是浪费，而是在喂给她未来的判断力。
💡一个具体的例子
4月15日：MAKIMA分析BTC，看多，结果跌了 归档经验：BTC在RSI=42+ADX=20的震荡市做多，失败
4月22日：又遇到BTC RSI=44+ADX=22+震荡市 系统调取
4月15日的经验作为反面教材 Conviction从60分扣到48分（不开仓） 后来BTC确实又跌了 → 避免了一次亏损
5月5日：BTC RSI=38+ADX=45（这次是趋势市） 系统调取经验时，发现4月15日的反面教材"市场状态不同" 权重降低，不影响这次判断 正常开多，赚了
「她学会了区分场景，不是机械套用经验，而是判断"过去的经验在当前是否适用"。」
·不让Agent绕过规则，而是改进规则
我们最初遇到一个问：Hermes有时会觉得系统设的门槛太严，自己绕过去开仓。
我们没有限制她，而是给了她一个"反馈机制"：
觉得门槛过严？写入feedback.log 觉得规则不合适？告诉系统 "你不是在忍受规则，你是在训练系统"
每周日系统自动统计这些反馈：
如果"觉得过严但实际开仓胜率>55%" → 门
槛自动降低
如果"按门槛开仓胜率<45%" → 门槛自动提高
她的每个想法都被听到，每个反馈都在改进系统。
弄这套东西的原因是我比较懒，但是在不了想学习外面的量化系统策略和逻辑，那么我就想弄一套东西不断的跑，我甚至懒得告诉他怎么跑。
这套系统我第一件事就是让他把现在到过去 2 个周期的 K 先放量价格等所有数据跑一个遍，然后把关键节点价格做上坐标，然后根据这个坐标找相对于宏观事件都发生了什么，分析原因，快速积累经验。每天和 claude 聊的最多的就是 Hermes 还缺什么，如何继续完善，怎么让他成长的更精准
下面发几个自己的面板（我为了他在干什么我能看得见，还建立了个模板清晰看到他在做什么）
金融/投资/币圈
【讲一下币圈人如何开始建立心态健身】
这是我坚持最久的运动 差不多七八年了 考过Ace但是没有做过教练纯属热爱就去考证了
你要知道这个世界上很多事情坚持不能得到回报的，但是健身是唯一可以坚持可以得到回报的事情。
我通常会把运动放在优先级高位，因为优先级放在最前面通常有两种情况：一种是尝到运动带来的甜，比如减少疼痛，改善情绪，变快乐，变好看，这些能抵消运动的成本感，也会让人开始分泌与运动关联的多巴胺，从而产生热爱。另一种是理解运动的机制并愿意延迟满足，在过程中能及时肯定自己，善于发现小胜利和成就感，久而久之也会转化为第一种情况。这种心态非常非常重要！！
所以没办法坚持运动的人，需要想办法让运动在自己的优先级排序中上升，变成件愿意主动去做的事，而不是依靠意志力硬撑的任务。
且这个健身的事情是一件Roi很高的事情。健康饮食和运动健身在抗衰和变美领域绝对性价比拉满…
我比较抗拒节食减肥这个事情，如果不能更快乐的吃，人生有什么意义呢。短期节食能瘦是因为制造了能量赤字。你的身体被迫动用它的脂肪储蓄。
但问在于它同时也在降低了基础代谢包括减少产热，减少活动欲望，影响激素分泌，让人变得冷，你的胃口还库库上涨。一旦恢复所谓的正常/非减脂饮食时就马上反弹。
所以你健身的过程就正常去吃，日常的饮食也不用那么苛刻，避免一些饮料和高加工食物即可。第一你不是打比赛身体不要求特别干，第二你健身的目的就是为了健康和让自己开心。
希望运动能变成我们更好生活momentum
哦对了 力量训练才是塑形的关键。^ ^
最后让你们猜猜我体重多少^ ^ 吓死你们
Ps：体重只是表面的一个数字 重要的是你身体状态。不要害怕肌肉 肌肉是为了让你穿衣服放松状态更好看，而且肌肉也没有那么容易练出来的。
金融/投资/币圈
这是我坚持最久的运动 差不多七八年了 考过Ace但是没有做过教练纯属热爱就去考证了
你要知道这个世界上很多事情坚持不能得到回报的，但是健身是唯一可以坚持可以得到回报的事情。
我通常会把运动放在优先级高位，因为优先级放在最前面通常有两种情况：一种是尝到运动带来的甜，比如减少疼痛，改善情绪，变快乐，变好看，这些能抵消运动的成本感，也会让人开始分泌与运动关联的多巴胺，从而产生热爱。另一种是理解运动的机制并愿意延迟满足，在过程中能及时肯定自己，善于发现小胜利和成就感，久而久之也会转化为第一种情况。这种心态非常非常重要！！
所以没办法坚持运动的人，需要想办法让运动在自己的优先级排序中上升，变成件愿意主动去做的事，而不是依靠意志力硬撑的任务。
且这个健身的事情是一件Roi很高的事情。健康饮食和运动健身在抗衰和变美领域绝对性价比拉满…
我比较抗拒节食减肥这个事情，如果不能更快乐的吃，人生有什么意义呢。短期节食能瘦是因为制造了能量赤字。你的身体被迫动用它的脂肪储蓄。
但问在于它同时也在降低了基础代谢包括减少产热，减少活动欲望，影响激素分泌，让人变得冷，你的胃口还库库上涨。一旦恢复所谓的正常/非减脂饮食时就马上反弹。
所以你健身的过程就正常去吃，日常的饮食也不用那么苛刻，避免一些饮料和高加工食物即可。第一你不是打比赛身体不要求特别干，第二你健身的目的就是为了健康和让自己开心。
希望运动能变成我们更好生活momentum
哦对了 力量训练才是塑形的关键。^ ^
最后让你们猜猜我体重多少^ ^ 吓死你们
Ps：体重只是表面的一个数字 重要的是你身体状态。不要害怕肌肉 肌肉是为了让你穿衣服放松状态更好看，而且肌肉也没有那么容易练出来的。
金融/投资/币圈
❤2👍2
最近我发现我收藏关注的交易员，有个之前100倍的这两天回撤99%关盘了。
还有个长期震荡的量化玩家已经亏没了大半。
想起曾经很长一段时间，我以为交易的本质是技术、判断，是比别人更聪明。
这些年越来越发现，这些都只是表象。真正拉开差距的，不是看对了多少次，而是当看错的时候会发生什么。
大多数人做交易心里只有一件事，就是这次我能不能赢？我能不能抓住这个机会？
但市场真正关心的是另外一件事：你能不能一直留在牌桌上参与这个游戏。
你会发现有些人一次交易之后就出局了，不管是钱多钱少。前面赚了五年，一百倍，但是他一次就出局了。
一个残酷的现实是市场并不奖励次次都正确的人。
所以很多人跟你吹他赚了很多倍，你就当耳旁风就好了。
市场奖励的是那些犯错，但是不致命能长期活下来的人。
金融/币圈｜出海赚美金｜优质资源｜优质内容
还有个长期震荡的量化玩家已经亏没了大半。
想起曾经很长一段时间，我以为交易的本质是技术、判断，是比别人更聪明。
这些年越来越发现，这些都只是表象。真正拉开差距的，不是看对了多少次，而是当看错的时候会发生什么。
大多数人做交易心里只有一件事，就是这次我能不能赢？我能不能抓住这个机会？
但市场真正关心的是另外一件事：你能不能一直留在牌桌上参与这个游戏。
你会发现有些人一次交易之后就出局了，不管是钱多钱少。前面赚了五年，一百倍，但是他一次就出局了。
一个残酷的现实是市场并不奖励次次都正确的人。
所以很多人跟你吹他赚了很多倍，你就当耳旁风就好了。
市场奖励的是那些犯错，但是不致命能长期活下来的人。
金融/币圈｜出海赚美金｜优质资源｜优质内容
👍1
币圈稳健变富四步法
1. 原始积累·筑牢根基
从撸空投、任务变现、一级打新、项目协作等低风险渠道起步，赚取启动资金。严控支出、拒绝挥霍，先沉淀可投资本金，为后续布局打底。
2. 投资自己·升级认知
把时间与资金投入自我提升，深耕项目研究、打磨盘感、搭建交易体系，让认知匹配财富。杜绝凭运气获利、凭实力亏损，守住每一份收益。
3. 能力变现·持续造血
依托专业能力承接合作、产出优质内容、输出投研分析、运营精准社群，打造稳定现金流。摆脱单一投机依赖，实现价值可持续变现。
4. 钱生钱·复利增值
用闲置资金布局定投、资产配置、低风险套利，长期持有优质标的，构建被动收益体系。借助复利效应，让资本自主增值，实现财富长效增长。
核心忠告
摒弃梭哈暴富的投机幻想，遵循先稳根基、再强能力、后赚收益的逻辑，才是币圈穿越牛熊、长期生存的唯一正道。
金融/币圈｜出海赚美金｜优质资源｜优质内容
1. 原始积累·筑牢根基
从撸空投、任务变现、一级打新、项目协作等低风险渠道起步，赚取启动资金。严控支出、拒绝挥霍，先沉淀可投资本金，为后续布局打底。
2. 投资自己·升级认知
把时间与资金投入自我提升，深耕项目研究、打磨盘感、搭建交易体系，让认知匹配财富。杜绝凭运气获利、凭实力亏损，守住每一份收益。
3. 能力变现·持续造血
依托专业能力承接合作、产出优质内容、输出投研分析、运营精准社群，打造稳定现金流。摆脱单一投机依赖，实现价值可持续变现。
4. 钱生钱·复利增值
用闲置资金布局定投、资产配置、低风险套利，长期持有优质标的，构建被动收益体系。借助复利效应，让资本自主增值，实现财富长效增长。
核心忠告
摒弃梭哈暴富的投机幻想，遵循先稳根基、再强能力、后赚收益的逻辑，才是币圈穿越牛熊、长期生存的唯一正道。
金融/币圈｜出海赚美金｜优质资源｜优质内容
👍2