Samuel@ 博茨量化

Research and Investing

[孔乙观察 @KongYiGC]

经X友的推荐��买了个这玩意

把梯子装里面，从而可实现：

全屋WIFI自由连接全世界，

在电视投影装好APP，

秒级打开油管、谷歌、奈飞，简直爽飞。

[Samuel@ 博茨量化 @ElvisOneshop]

@zhangtingt5977 汤姆就是想舔曾颖而已，所以使劲表��

[Samuel@ 博茨量化 @ElvisOneshop]

@tomzhanghui @wangzhian8848 王局是高级幽默，tom张格局小了

[Samuel@ 博茨量化 @ElvisOneshop]

@myanTokenGeek 实在太不要脸了。鬼畜逻辑，去卡客户。

[埼���先生 @Saitama_K777]

针对网上中国润人经常性对想润去的国家当地的月收入进行道听途说与想象，加上他们也从来对目标国「物价」概念的缺失；我打算就我所了解到的情况，拉出10个国家针对蓝领普通工薪阶层工种（工厂、餐厅），以及物价进行一个概括性介绍。本人至今去过10个国家，并在海外定居多年，自认了解的算较为真实：
1️⃣日本🇯🇵
普遍税后薪水到手大概落在21.5万日元（9180人民币）左右（根据加班与否、是否是东京等情况可往上增加一些）。物价目前整体普遍高于中国二线城市100%（两倍）
2️⃣美国🇺🇸
普遍税后薪水到手大概落在3100美元（20784人民币）左右。物价目前整体普遍高于中国二线城市140%
3️⃣泰国🇹🇭
普遍税后薪水到手大概落在13000泰铢（2595人民币）左右。物价目前整体普遍与中国二线城市持平（或水电气等微略高一些）
3️⃣马来西亚🇲🇾
普遍税后薪水到手大概落在1850令吉（3050人民币）左右。物价目前整体普遍与中国二线城市持平（进口工业产品会略贵）
4️⃣德国🇩🇪
普遍税后薪水到手大概落在1900欧元（14472人民币）左右。物价目前整体普遍高于中国二线城市115%
5️⃣西班牙🇪🇸
普遍税后薪水到手大概落在1250欧元（9521人民币）左右。物价目前整体普遍高于中国二线城市65～70%
6️⃣塞尔维亚🇷🇸
普遍税后薪水到手大概落在66000第纳尔562欧元（4260人民币）左右。物价目前整体普遍高于中国二线城市40%
7️⃣阿根廷🇦🇷
普遍税后薪水到手大概落在40万比索（1759人民币）左右。物价目前整体普遍高于中国二线城市190%（接近3倍）“阿根廷按平行汇率折算”
8️⃣韩国🇰🇷
普遍税后薪水到手大概落在198万韩元（9880人民币）左右。物价目前整体普遍高于中国二线城市90%
9️⃣越南🇻🇳
普遍税后薪水到手大概落在790万越南盾（2038人民币）左右。物价目前整体普遍高于中国二线城市15%
🔟智利🇨🇱
普遍税后薪水到手大概落在58万比索（3927人民币）左右。物价目前整体普遍高于中国二线城市55%
🈵中国-成都🇨🇳
普遍税后薪水到手大概落在4000人民币左右。物价目前整体普遍低于中国二线城市5%

[张晓敏电影人 @xiaominz_film]

太恐怖😱打击恐怖分子永远不能手软！

2026年9月30日，迪拜航空FZ1073航班在从迪拜飞往以色列特拉维夫途中发生驾驶舱暴力冲突。之后飞机与急速下坠。最终紧急迫降在沙特阿拉伯塔布克机场。

事件经过：突发急降：飞机飞越约旦领空时，在不到30秒到2分钟内急速骤降数千米，并发出7700与7500（非法干扰/劫机）紧急代码。

舱内两名飞行员发生激烈肢体冲突，副驾驶用刀刺伤了机长，导致机长浑身是血。

危急时刻，机组人员和多名乘客冲入驾驶舱，合力制服了涉事的副驾驶，随后由其他飞行员接管飞机控制权并安全迫降沙特。

[0xBilly @Billy0xFF]

https://t.co/K5JEv9Z10W

[Samuel@ 博茨量化 @ElvisOneshop]

@0xAlexon 大户凡尔赛；）

[Samuel@ 博茨量化 @ElvisOneshop]

@tomzhanghui 汤姆张被官方警告后，就再也没有阴阳政府了。并且在多次直播中支持建墙，觉得国内sb多，支持过滤境外信息。这是他想继续在国内发展芯片代理和存活网上带货的必需动作。

[danny @agintender]

这是一个美丽的误会 🤣

主要是持仓保证金 vs 开仓保证金 之争

背景知识：
1. 网格策略是一个动态的策略 - 它会一直频繁平仓开仓（按照你的设置0.04%（5u的距离）之内放了100个grid，差不多就是每0.05u 一个grid，这非常的密集。。）

bn的grid的规则是，成交的同时会在另一侧给你摆单子（其他人take了就算做是你的盈利 matched trade）；但是如果一直没人take，那么这个东西就会成为unmatched profit / loss

grid是怎么弄的呢？比如125.5的long成交了，但就在125.55摆一个close long，假设这个close long没有被take，就一直放在哪里，计入unmatched pnl

好��就是，假设价格在一个区间内震荡，那这个价差就吃得很爽；坏处就是，突然单边的话，你一侧的单子都要承压 - 这个会吃掉你的保证金

2. 保证金可以分成几种：持仓初始保证金，开仓保证金，维持保证金， - 你这里的主要问题是开仓保证金耗尽了。。而开仓保证金耗尽按照bn的规矩也是终止的条件之一

3. 网格重启后的的动作：先卖出减仓，再补买单 （这个是重点，后面会考）

在你的案例里 - 反弹时，机器人先执行上方挂着的平多卖单。卖出一格的数量后，再到下面一格挂买单，等价格回落时接回来。

我没看到具体的order flow，所以我猜测是：
第一次碰到122的时候没事，是因为你这个时候122的单子是之前就开好的。。 （钱已经花出去了）

跌到122，最后一格买入成交
机器人买入53.79 SOXL，然后在约122.05挂出同样数量的平多卖单。

价格随后跌到118，这个122.05的卖单暂时成交不了，然后unmatched loss就一直在增加 （蚕食你为数不多的开仓保证金）

然后第二次到达122的时候，grid就重新启动 -触发新一轮的买单回补

价格反弹进入区间、平多卖单成交后，机器人会尝试在下方补挂买单。这个动作可能触发新的保证金检查。如果下单因保证金不足失败，策略可能终止

你可以理解成：
第一次下跌时，122买单可能是此前就挂好的订单；第二次反弹时，平多成交可能触发新的买单申请 aka你需要花钱开单 （注意：开单的保证金与持仓保证金不是同一个体系） ，而这个时候因为unmatched pnl等问题，你的开仓保证金已经不够了。。

已存在的订单与新申请订单，检查时点不同。这就能解释“为什么偏偏在反弹时暴露问题”���。。

换句话，这时：

1. 不发生新的开仓申请，仓位可以继续���在。

2. 一旦网格申请补挂开仓单，就可能遇到资金不足。

3.如果系统因此终止策略，再执行你开仓时选择的“终止全平” —— 这个就是你看到“是反弹时被全部平仓”

知其然，且知其所以然

[Samuel@ 博茨量化 @ElvisOneshop]

@yibingsg 国泰民安和风调雨顺一样，都不是靠大家能实现的。前者靠领导，后者靠上帝。

[Samuel@ 博茨量化 @ElvisOneshop]

@0xAlexon 好久没上新了，下一期就讲经吧

[Samuel@ 博茨量化 @ElvisOneshop]

@hleco_cn @HyperliquidX 还是简单设一个标准，否则可能会造成粉丝们的失望。比如就按质押hype的数量排名~

[狮国游民 @SgLittlesmart]

个人认为目前实现全英交流最快的方式之一，最快7天见效。

[BITWU.ETH 🔆 @Bitwux]

一个新叙事到来时，最喜欢看大宇老师的呐喊！

大宇出品，必属精品！

先别管会持续多久，要先加入、先买入小部分、再研究、再看是否符合自己的尿性能否加仓。

我是觉得会持续很久，至少会比当初的铭文久，所以现在也不晚，毕竟 Robinhood Chain 的野心，是直接围绕股票重新搭一套链上金融体系。

[Samuel@ 博茨量化 @ElvisOneshop]

@hlceo_cn @HyperliquidX 怎么申请？

[一地鸡毛 @zhang_baoqing]

国产绝不踩坑的8大神级平替：

1. ​​吸尘器​​——戴森三四千，小狗做了20年吸尘器，31000帕吸力，几百块搞定。

2. ​​吹风机​​——戴森两三千，科西13万转高速马达，200多。

3. ​​高端锅具​​——双立人纯钛铁锅一千多，给双立人代工的三禾只要小几百。

4. ​​洗地机​​——市面上两三千的，德���玛能弹能喷、吸力大、高温自清洁，几百块。

5. ​​人体工学椅​​——动辄两三千，联丰靠背多档调节、延长脚托、带风扇散热，两三百；宜家阿勒夫耶一千多，联丰300不到。

6. ​​行李箱​​——新秀丽1000多（ABS+PC材质），悠客给新秀丽和外交官代工，24寸铝框才100多。

7. ​​电饼铛​​——利仁从95年开始专做，30年老品牌，网上几百万条评论，很多大牌在模仿它，价格还比利仁贵。

8. ​​保温杯​​——哈尔斯是国产保温杯上市企业，品质样式不输大牌，价格亲民。

[Hux @huxlab]

今晚别刷Netflix了。

去看这个斯坦福2小时34分钟的讲座。

这是我见过最清晰、端到端讲透ChatGPT和Claude到底怎么建出来的课。

从Tokenization和BPE开始，一路到Transformer架构、训练管线、Next-token解码。

不管你是从没写过一行AI代码，还是天天在ship Agent，看完都会把很多“原来如此”的点一次打通。

真正核心就这几层：
1文本怎么变成模型能吃的数字（BPE tokenization）
2语言模型本质就是在预测下一个token
3Transformer怎么用Attention做消息传递
4训练时用NLL loss把整条序列概率拉高
5生成时怎么一步步解码出来

大多数人花好几年才拼出的全景图，这节课直接给你画完。

把时间空出来，这可能是你这个月最值的一堂课。