Satoshi Byzantine

初来乍到X
回本者联盟(Returners)创始人 剃刀侠 备国兑长 庭士尼占威影业 拜占庭。ENFJ-AH
base at

[Satoshi Byzantine @S_Byzantine]

1. 基于固定方向的交易系统（只开多或等待）
2. 多空双向交易系统（开多平多 + 开空平空）
3. 现货持仓 + 长时间正漂移累积

你认为从易到难是什么样的顺序？

[Satoshi Byzantine @S_Byzantine]

@ThorneKael81823 @wepoets1107 一样是几乎不可预测的❤️

[Satoshi Byzantine @S_Byzantine]

这类问题长期偶发会被提起，回答的话经常会充占我原本的文字资源，所以一直想着就干脆随缘写写，在X上有缘覆盖到就逐步覆盖好了。以后就盖棺定论了，完全无需再反反复复重新提起，简答：

[Satoshi Byzantine @S_Byzantine]

@ThorneKael81823 @wepoets1107 愿圣杯与你同在❤️

[Satoshi Byzantine @S_Byzantine]

@ThorneKael81823 @wepoets1107 哈哈，大差不差，就是这个意思，RV和IV都是市场。不过这位投男哥暴躁口气了而已。稍安勿躁。

[Satoshi Byzantine @S_Byzantine]

@wepoets1107 要对技术有敬畏

[Satoshi Byzantine @S_Byzantine]

@wepoets1107 要对技术有敬畏

[Satoshi Byzantine @S_Byzantine]

@wepoets1107 问题是我目前是莱特兄弟的站位

[Satoshi Byzantine @S_Byzantine]

@wepoets1107 ……存在这种想法意味着可能🤔既不了解反身性，也不了解机器学习

[Satoshi Byzantine @S_Byzantine]

@wepoets1107 这类问题充占了我本来在写的文字资源而已，因此没发出来你就不知道正确投入信仰的方向

[Satoshi Byzantine @S_Byzantine]

@Boywus @wepoets1107 逐步提炼然后搬运过来中🤝

[Satoshi Byzantine @S_Byzantine]

@wepoets1107 问题比较严重

[Satoshi Byzantine @S_Byzantine]

RV和价格一样，准确的预测是伪命题（参考以下著名的经典问题）
1、高维事件投影到低维的预测本质是“能否接近内幕”（投影反推高维）
2、预测的结果是否“可交易”（阈值与对错问题）
3、RV一样具有反身性，预测明天3%，只要有利可图无论如何都会被干扰

RV的交易方法只能够把3者各取一部份，然后进行期望覆盖，而非定点预测交易。

[Satoshi Byzantine @S_Byzantine]

@wepoets1107 中新股是散户唯一可以参与的短暂免去T+1劣势的游戏窗口。

[Satoshi Byzantine @S_Byzantine]

T+1的本质是拿昨天的日内价作为买入价，和今天往后的日内价进行匹配卖出。在pandas dataframe中底层逻辑是去看shift(1)和shift(-x)之间的统计关系。

这其中的优劣压制不言而喻。

[Satoshi Byzantine @S_Byzantine]

@Boywus 早☀️

[Satoshi Byzantine @S_Byzantine]

@Boywus @wepoets1107 愿圣杯与我们同在❤️

[WangNextDoor @WangNextDoor2]

陶哲轩一句话把大模型拉下神坛：核心数学门槛不过矩阵乘法加基础微积分，普通数学系本科生就能上手，远没有大众想象的那么高不可攀。但尴尬的是，理论跟不上实践——为什么同一个模型在某些任务上表现惊艳、另一些却翻车，现有数学完全解释不了，也无法提前预测适配性。根源在于自然语言这类训练数据卡在"完全随机"和"完全结构化"的中间地带，半规律半随机的数据正是当前数学理论的盲区，AI至今仍是一门靠试错驱动的经验科学，离真正的理论可控还差一套全新的数学体系。

[Satoshi Byzantine @S_Byzantine]

4. 量化视角的总结（对你很有用）

白噪声检验只在特定尺度有效。换尺度，结论就变。
现实交易中，你人为选择的“持仓周期 / 出场规则”其实就是在选择切片宽度。
优秀的技术分析 / 交易系统，本质上是在多个尺度上寻找偏离白噪声的结构，并在漂移为正的方向上放大它。
比特币、纳斯达克这种长牛：在年 / 十年尺度上明显不是白噪声，所以“买了放着”本身就是一种利用非白噪声 + 正漂移的策略。

所以说抄底其实不用很精确，加上期权策略，是可以打磨圆润的。

[Satoshi Byzantine @S_Byzantine]

个人认为涉猎学习过程进行一些练习性的穿凿附会也无妨的。当我读到说邓煜团队本质是把“海量微观乱撞”精准和“温度压强”这些宏观对齐时，是会联想到交易盈亏逻辑里的一些事：

1. 核心洞察：白噪声性质强烈依赖于“切片宽度”（采样频率 / 持有周期）
• 极细切片（高频：tick、分钟、甚至日收益率）
→ 最接近白噪声。线性自相关很弱，Ljung-Box 容易通过。
→ 此时很多简单 TA 规则失效。
• 中等切片（周、月）
→ 自相关逐渐显现，部分 TA 开始有统计意义。
• 极宽切片（季、年、十年维度）
→ 完全摆脱白噪声。趋势、漂移、主成分主导，长期均值回归或动量都可能显著。
→ 这就是“长持优质增长指数”有效的根本原因。
理论上，当你把时间聚合得足够宽（aggregation），中心极限定理 + 漂移累积会让序列的自相关结构完全改变。白噪声检验的结论不是普适的，而是尺度依赖的。

[Satoshi Byzantine @S_Byzantine]

王虹要证明的是高维度的投影即使无限小，也仍然不会降维？
邓煜要证明的是，什么时候可以剪枝部分高维微观计算？

能浅读一下世界前沿数学的命题也是很有收获的！