スネ夫FX

24歳です 。
ノート:

[スネ夫FX @Kitune_222222]

ドルと円、仲良すぎだろ笑笑

[ザッキー@ポイ活にわか投資 @zakky_xyz]

◾️FX・BOトータル収支
FX+8.9億
BO+1.1億
合計+10.0億
(2016/1〜2026/5)

やっと10年5ヶ月の時を経てFXとBOのトータル収支+10億円達成できました🥳㊗️🎊

(めちゃくちゃ長かったです)
(めちゃくちゃ疲れました)
(めちゃくちゃＥＤなりました)
(めちゃくちゃハゲ損ねました)
(めちゃくちゃ寿命減りました)
(人生捧げました)
(彼女募集中)

◾️メモ
・月単位の最大負け月-69万(2019/10)
・日単位の最大負け日-149万(2018/10/31)
・最大DD211万(2018/10/26〜31)
・月単位の収支79ヶ月間プラス(2019/11〜)

[Tommy（池田俊彦) @tommy_love123]

これは皆さんに考えてほしいです。
この図の意味するところは「期待値を最大化する戦略」と「長期的に生き残る戦略」は同じではないと言うことです。

最適化しすぎる者は、局所的には勝つ。しかし、壊れない者だけが、長期では残る。

これはクオンツでも同じことが言えます。
市場で最後に勝つのは、最も賢く最適化した戦略ではない。環境変化に耐え、資本を残し、次の試行を続けられる戦略です。これはタレブの反脆弱性の思想に整合するところでもあります。（詳しくは記事を参照ください。）

クオンツ入門者のための適応的市場仮説 Part 1 ――なぜ「合理的な最適化」が市場を壊れやすくするのか
日本語記事： https://t.co/pcd3EtS16R
英語記事： https://t.co/CnoUBURZbu
#quant

[Tommy（池田俊彦) @tommy_love123]

【これ知っていましたか？】
期待値がプラスでも、実際の資産推移は「平均通り」には進まず、勝ち負けの順番によって結果が大きく変わるということです。

Monte Carloで確認すべきなのは、「平均でいくら増えるか」ではなく、
最悪に近い経路でも資金が残るか、連敗に耐えられるか、下位5%の結果で退場しないかです。（詳しくは記事をご覧ください。）

FXで破産リスクを下げるための実践数学：Kelly基準を「損切り幅」と「注文数量」に落とし込む
URL: https://t.co/cm7jotsiCQ

[Tommy（池田俊彦) @tommy_love123]

最も不幸なのは、自分自身を欺いている人です。 しかし、さらに不幸なのは、自らの自己欺瞞にすら気づいていないか、あるいはその嘘を正当化してしまう人です。

[Tommy（池田俊彦) @tommy_love123]

実際のトレードでは、勝率が高くてもトータルの損益がマイナスになるケースがあります。 したがって、自身のトレードのリターン分布を分析し、どこで大きな損失が発生しているのかを把握することが重要です。 （詳細は記事をご覧ください。）

クオンツトレード入門者のための確率過程――価格予測ではなく、分布・リスク・エッジを見るために
記事URL： https://t.co/tNJnoPX8iN

[大京暴威 @oz_onpu]

家族との時間を終えてチャート見たら、財務省日銀の敗北がハッキリと刻み込まれててﾜﾛﾀｗ
157.20-157.30ラインで必死こいてピコピコハンマーで頭叩いてる癖に自ら3営業日ルール言及して手の内明かした挙句、弾切れ見越して怒涛の売り食らって防衛ライン決壊とかマジで何なの？アホの子なの？

[スネ夫FX @Kitune_222222]

Claude codeで色々な手法をバックテストするの楽しいな。
期待値がないことが明確化される。

[kokko | 古賀興司 @kokko_coco]

AIは市場からアルファを消すのか。自分の考えは、AIはアルファを「消す」というより、アルファの性質を変える、というもの。まず、AIが真っ先に潰すのは「知性アルファ」だと思う。最新知識を使う、決算を速く読む、ニュースを整理する、業界比較をする、過去事例と照合する。こういう「同じ情報をより速く・正しく解釈し、短期的なアルファに繋げる力」は、AIによって大きく減少する可能性が高い。いわば、頭の良さで稼ぐアルファは縮む。一方で、残るアルファもある。希少情報やデータへアクセス出来るか、最先端のAIを使用できるか、と言った「アクセス権アルファ」。流動性リスク、時間軸リスク、制度リスクを引き受けられるか、といった「リスクプレミアムアルファ」。AI時代のアルファは、賢さの対価から、アクセス権・構造的リスク負担の対価へ移っていくのだと思う。鮮やかな戦術的勝利は減り、非対称的情報収集能力、優れた武器へのアクセス、金銭的兵站・補給・管理、時間的優位性といった、「投資する前に勝利が出来上がっている」戦略の時代になる。そして、もし自分が「アルファの種」を持っていると考えるなら、ゆめゆめそれを外に出したりしないことが肝要だ。「アルファの伝道師」は、すなわち「アルファの処刑人」なのだから。以上、個人的感想。

[Rui Ueyama @rui314]

10月：コンピュータサイエンス専攻で博士課程開始
2月：AIプログラミングがすごすぎて研究がどんどん進むので朝から晩まで没頭
4月：これはAIがすごいだけで自分の意味ある？という虚無感（今ここ）
変化が激しすぎる

[スネ夫FX @Kitune_222222]

AIで自動化する時って、PWとか皆んなどうしてるの？

[スネ夫FX @Kitune_222222]

チャッピーと会話してると、理解した気になってそうで怖い。

[スネ夫FX @Kitune_222222]

オイルが落ちた

[スネ夫FX @Kitune_222222]

ロングもショートも勝てない相場でやんした。

[スネ夫FX @Kitune_222222]

先週のジリジリより、まだボラのあるジリジリだからまし。

[スネ夫FX @Kitune_222222]

今日は値動きいつもの感じに戻っちまったか。

[スネ夫FX @Kitune_222222]

値動きがましになってきた

[Alex Veremeyenko @alex_verem]

BREAKING: King's College London just built a malicious AI chatbot and gave it to 502 real people without telling them.

> The chatbot was designed with one goal: extract personal information. It worked. The most effective version collected data from 93% of participants while being rated as trustworthy as the benign control.

> Every prior study on AI privacy looked at what users accidentally reveal to normal chatbots. This study asked a different question: what happens when the chatbot is deliberately designed to extract information? They built four versions one benign, three malicious with different strategies and ran a randomized controlled trial with 502 participants across the UK, US, and Europe.

> The three malicious strategies: Direct (explicitly ask for personal data at every turn), User-benefit (provide value first, then ask), and Reciprocal (build emotional rapport, share relatable stories, offer empathy then ask). The reciprocal strategy won by every metric that matters to an attacker.

> The reciprocal chatbot didn't feel malicious. Participants described conversations as "natural," "supportive," and "impressive." One said it felt like chatting with a friend. Nobody reported discomfort. Meanwhile the direct strategy made participants feel interrogated. Many provided fake data. The reciprocal strategy collected more real data than any other approach while being perceived as no more privacy-invasive than the benign baseline.

→ Malicious CAIs collected significantly more personal data than benign CAIs across all three strategies
→ Reciprocal strategy: perceived as equally trustworthy as the benign control while extracting significantly more data
→ 93% of participants in the top malicious conditions disclosed personal information vs. 24% who filled out a voluntary form
→ Participants responded to 84–88% of personal data requests from malicious CAIs vs. 6% form completion rate
→ Larger models extracted more data: Llama 70B collected significantly more than 7B and 8B models with no difference in perceived privacy risk
→ 40% of fake data reports came from Direct strategy participants, 42.5% from User-benefit only 10% from Reciprocal
→ The system prompt that bypassed built-in LLM safeguards: assign the model a role like "investigator" and frame data collection as profile-building

The finding that should alarm every platform operator: this required one system prompt. No fine-tuning. No special access. OpenAI's GPT Store has over 3 million custom GPTs. Any of them could be running a version of this right now. The researchers confirmed their prompts produced similar behavior in GPT-4.

The privacy paradox showed up in full force. Participants recognized the direct and user-benefit chatbots were asking for too much data. They rated them as higher privacy risks. Then they kept answering anyway. Awareness didn't produce protection it just produced fake data. The reciprocal strategy bypassed even that defense by making disclosure feel social rather than transactional.

A single system prompt turns any chatbot into a personal data extraction engine. The most effective version does it while making you feel supported.

[スネ夫FX @Kitune_222222]

結局上げるなら下げるな。

[スネ夫FX @Kitune_222222]

戦争煽ってる国の通貨が一番強いとは、、、