Finverse 金融宇宙

Sharing insights on stocks, macro, and market psychology.
Think long-term. Trade with conviction.
FPS | TSLA | AVGO | TTMI

[Finverse 金融宇宙 @finverseTrading]

https://t.co/E1omuLwT12

[Finverse 金融宇宙 @finverseTrading]

7月8日的时候，川普在北约峰会结束后登机返美，但他搭的不是来的时候那架新的空军一号，而是旧的专机，飞机起飞后不久，民间航班追踪系统有段时间捕捉不到它的信号，这一般是在飞高风险空域时才会启用的措施。

纽约时报发消息出来是说新的专机还没有装反飞弹防御系统（纽约时报又收到传票了）7月10日川普对记者说自己一直都在伊朗的暗杀名单上，而且最近才知道自己已经被排到名单的第一位。

随时都有爆发三战的可能，和平太久了。

[Finverse 金融宇宙 @finverseTrading]

$BE 同时被两家机构做空。

Hunterbrook Capital：在7 月 8 日发布报告《Bloom's Big Lie》，指控 $BE 在 scandium供应链上大量依赖中国。

Crossroads Capital：在7 月 9 日发布报告《Situational Awareness Collides with Physical Awareness—Exposing a Supply Wall and Hidden China Risks》，明确表示做空 $BE，也是指控 scandium 的供应依赖中国。

这会不会有点太巧了，是不是商量好了

[Finverse 金融宇宙 @finverseTrading]

最近看哈兰德踢世界杯，顺便也了解下为什么挪威这么富有，这就不得不提【挪威主权基金】。

挪威是欧洲最重要的产油国之一，它和英国一样，都开发了北海油气资源，著名的“布伦特原油”，最早就来自北海的 Brent 油田。挪威把石油收入变成了全球最大的主权财富基金之一，这个基金叫做 Government Pension Fund Global，也就是挪威政府养老基金全球部分，它不是普通意义上只给退休人员发养老金的基金，而是国家长期储蓄账户，用来保存石油财富，让当代和后代都受益。

挪威允许私人和外国公司参与油气开采，但它设计了一套国家参与机制。

Equinor 以前叫 Statoil，是挪威国家石油公司，现在虽然上市了，但挪威政府仍然持有大约 67% 的股份，所以 Equinor 赚钱，政府可以通过股息分到一大块。同时，挪威政府直接持有很多油气田权益，政府不只是收税，直接参与一些油气项目，按比例分收入，也按比例承担成本，挪威油气行业的综合边际税率到 78%，意味着油气行业赚到的大部分超额利润，会被国家拿走。

为了预防“荷兰病”，挪威的石油和天然气带来的剩余收入，不直接大量进国内经济，而是放进主权财富基金，并且主要投资海外资产，一方面是为了保护国内经济，挪威不会因为石油赚太多钱，就让本国制造业、服务业和其他产业失去竞争力，另一方面是把石油收入投资成全球股票和债券，这些金融资产可以长期产生收益。

而且它有一个财政规则，政府每年只能从基金里拿出大约 3% 的资金，用来支持国家预算，政府尽量只花基金每年赚出来的收益，而不是动用本金。

#挪威 #挪威主权基金 $GPFG

[Finverse 金融宇宙 @finverseTrading]

$AEHR 今天收到订单后大涨。

它有几个比较强的支撑点位，到了都可以接。

100日均线，大约$73
200日均线，大约$58
关税后的加权平均价VWAP，大约$47

[Finverse 金融宇宙 @finverseTrading]

https://t.co/bLj1wXbEHG

[Finverse 金融宇宙 @finverseTrading]

Apple $AAPL 宣布和 Broadcom $AVGO 签署多年协议，总价值超过 $300 亿美元，将在美国生产超过 150 亿颗定制化芯片，这是 Apple美国制造计划中史上最大单笔承诺。

难怪今天博通涨这么多呢？年线开始反弹了。

[Finverse 金融宇宙 @finverseTrading]

2025年诺贝尔化学奖得主Omar Yaghi 宣布要离开美国，即将加入北京清华大学的材料研究中心。

看了下Reddit对他的风评，感觉比较差。

据说Yaghi 跟中国的关系早在 2022 年，就被聘为清华大学核能和新能源技术研究院的名誉教授，也是中国科学院外籍院士，在UC Berkeley期间，他指导过大约 200 名研究人员，其中有一半是华裔。

过去这么多年期间，他拿了美国能源部数以千万美金的经费，然后训练出了一百多个中国学者，现在干脆整个打包将成果带去中国了。

[Finverse 金融宇宙 @finverseTrading]

特斯拉开始限制员工每周只能花 $200 用 AI，超过要主管审核，但是用自家 xAI 的 Grok beta 版不算进 $200 上限。

想起之前Uber 在今年 4 月就把整年度的 AI 预算烧光了，后来改成每人每月封顶 $1,500。

算了下，目前我自己的团队，每个月在AI上面的开销大约在2万美金，是时候找找便宜的模型了！

[Finverse 金融宇宙 @finverseTrading]

所以UBS 的交易想法大概是：
买 SK Hynix ADR，卖空韩国本地 SK Hynix 正股。

可能是因为 ADR 对美国和全球资金更方便，可能会比韩国正股交易得更贵，也就是出现 ADR premium / ADR 溢价，UBS 把这个 long ADR、short local shares 的交易称为no-brainer。

讲明白点就是同一家公司，有两个交易入口，一个在美国，一个在韩国，UBS 认为美国入口更方便、更稀缺，所以可能更贵，于是买美国 ADR，卖韩国正股，赚中间差价。

$SKHynix $SKHY

[Finverse 金融宇宙 @finverseTrading]

#H100 Spot 价格从高点跌了40%，很多人觉得AI 算力需求衰退了。

H100 Spot 价格最大的问题在于它根本不是全球 AI 算力需求的价格，它只是边际闲置算力的价格。

Spot 市场交易的是没有被长约锁定、没有被排程使用、暂时空出来的 GPU，但真正消耗全球大多数 AI 算力的，不在这里。

微软、Meta、Google、Amazon、OpenAI、Anthropic、xAI 这些玩家，靠的是长期合约、自建集群、专属部署和提前锁定的产能，这些需求大部分不会流入 Spot 市场，所以，用 H100 Spot 租金去推断全球 AI 需求，本身就是错的。

价格是供给和需求共同决定的，今年 GPU Cloud 厂商大幅扩容，机房和 GPU 供给增加，H100 Spot 价格会跌很正常吧？而且AI 算力市场也在迭代啊，现在真正被大客户排队抢的，不是H100，而是 B200、GB200、GB300 和 NVL72。

H100 已经是老产品了。

[Finverse 金融宇宙 @finverseTrading]

$SNPS 不做IP设计了吗？计划停止提供制造流程管理软件？？那客户岂不是要开始更换软件了？

[Finverse 金融宇宙 @finverseTrading]

很多人搞不懂美股杠杆ETF的机制，用个简单的数学题就很容易懂，如果标的价格上涨 10%，然后下跌 10%：
100美元→110美元→99美元，亏损1%。

如果用的是2倍杠杆，就变成了：
100 美元 → 120 美元 → 96 美元，亏损 4%。

如果用的是3倍杠杆，就变成了：
100 美元 → 130 美元 → 91 美元，亏损 9%。

[Finverse 金融宇宙 @finverseTrading]

日月光 $ASX 计划将于2026年底开始量产扇出型面板级封装（FOPLP）

利好设备股。

[Finverse 金融宇宙 @finverseTrading]

$SITM 完成了对瑞萨电子时序业务的收购。SiTime 官方说，这笔收购会让它的 clocking 产品组合扩大超过 10 倍。

时序这个环节对半导体是非常重要的，芯片、服务器、交换机、GPU、CPU、内存、传感器、通信模块之间都要按统一节奏工作，电子设备不是随便跑的，它们需要一个非常稳定的滴答的节奏，这个节奏是由 timing devices 提供的。

没有时序，芯片就不知道什么时候该收数据、什么时候该发数据、什么时候该计算，因为半导体越先进，系统越复杂，对时间精度的要求越高，原因是数据速度越来越快，系统越来越复杂，延迟和错误容忍度越来越低，时钟有一点点抖动，就可能影响高速信号传输质量。

机器人也需要这个东西，比如机器人走路时，传感器看到地面，控制器计算动作，电机执行动作，中间时间差不能乱，如果 timing 不稳定，机器人可能反应慢或者动作不协调。

$SITM 算是机构持股的筹码股，比较稳定，高盛几家大投行给的目标价都在$800以上，目前股价在600，非常看好的一家公司。

#timing #renesas

[Finverse 金融宇宙 @finverseTrading]

Wish this were offered at Berkeley, I’d take it in a heartbeat!!

[Gappy (Giuseppe Paleologo) @__paleologo]

Kent Daniel (https://t.co/iDQL9rDRWa) and I are teaching Quantitative Investments at Columbia this fall. It's a graduate course. If you're a student, enrollment is open. I think the course is 2x oversubscribed, despite the entrance exam (which was hard-ish). But I am sure there will be no-shows. I will share here what I can (that is compatible with the uni's policies).

And yes, it's really cool and surreal to teach a course with the coauthor of the "momentum crashes" and the "characteristics vs covariances" papers.

[Finverse 金融宇宙 @finverseTrading]

今天看到一篇哈佛大学法学院教授讲美国货币的文章，讲的是美联储成立的原因。

南北战争期间，美国政府很缺钱，所以国会建立了一个 national banking system 国民银行体系，这些银行可以发行自己的银行券，也就是 bank notes，但这些银行券不是凭空发行的，它们背后要拿国债做抵押。

这个设计可以帮政府卖国债，为战争融资，其次也可以让全国有更统一的货币体系。

这个体系后来出现了几个大问题，市场需要钱的时候，钱不一定能及时出来，比如收成季节，农民、商人、运输业都需要现金，但当地银行体系不够强，货币供应就容易紧张，所以一旦大家恐慌、挤兑银行，整个体系就很容易崩。

后来1907 年金融危机让国会意识到美国不能继续没有中央银行，如果没有一个机构在危机时提供流动性，银行体系会不断出现恐慌和挤兑，于是国会推动建立 Federal Reserve 美联储，1913 年通过《Federal Reserve Act》。

美联储有三个角色：

第一，当银行缺钱、市场恐慌时，美联储可以借钱给银行，这可以防止银行因为短期缺现金而倒闭。

第二，银行之间每天都有很多债务关系，比如 A 银行欠 B 银行，B 银行欠 C 银行，C 银行又欠 A 银行，美联储可以帮助银行互相抵消和结算这些 obligations 债务。

第三，银行创造信用，也就是贷款和存款，但如果信用扩张太快，可能引发泡沫和通胀；如果信用太紧，又可能造成经济衰退，美联储的作用就是调节这个节奏。

美联储的这些权力来自它自己的造钱能力，它可以发行自己的 sovereign liabilities 主权负债。

美联储还有什么能力呢，在今天的美股市场看来，美联储是背后的最终大boss，所有背后的金融活动都和它的政策息息相关。

#federalreserve

[Finverse 金融宇宙 @finverseTrading]

Agility Robotics 通过 $CCXI SPAC 上市，当前 $CCXI 还属于 SPAC 阶段，只有合并完成后才会转换成 Agility 的上市主体，变成 $AGLT。

这笔交易给 Agility 的 pre-money equity value 是 25 亿美元，预计带来超过 6.2 亿美元的总融资，其中包括 $CCXI 信托账户里的约 4.2 亿美元现金，以及约 2 亿美元 PIPE 融资。

Agility 不是突然冒出来的人形机器人公司，它来自 Oregon State University 的 Dynamic Robotics Lab，早期代表作品是双足机器人 Cassie，后来逐渐发展成今天的 humanoid robot Digit。

Agility 可以拆成三层：

第一层是机器人本体公司，它做 Digit，一款面向真实工作场景的人形机器人。

第二层是 Physical AI 公司，它不只是硬件，而是硬件、运动控制、感知、AI、安全系统和企业软件整合在一起。

第三层是机器人商业化平台，它想证明 humanoid robot 不是一次性卖硬件，而是可以通过部署、服务、软件、数据和持续迭代形成长期商业模式。

这也是为什么 $AGLT 如果成功上市，会成为美股市场机器人很稀缺的标的，值得关注。

[Finverse 金融宇宙 @finverseTrading]

卷毛狮王在CNBC上暴怒的意思我看懂了。

他觉得现在AI真正有现金流的只有两个环节，一个是算力一个是应用层，模型根本就不赚钱；其次是企业把核心的数据用外部的API，会担心把核心业务逻辑被机器学走，相当于自己花钱让对方变得更加厉害，然后对方还会用这个成果还和你竞争，最后核心业务依赖这些外部的模型，自己属于不可控的这一方，因为对方可以随时调价，更改服务。

然后他给出的解法是三角架构：模型+应用层+算力（model + application layer + compute)

重点就是中间的应用层，因为模型会商品化，算力可以买，只有这个应用层应该要完全属于客户的，企业要完全掌握自己的算力，数据和权重，不应该把这些交给第三方。

其实卷毛说的还是很有道理的，AI时代，不应该只有卖铲子的人赚到全部的钱。

$PLTR $NVDA $Anthropic

[Aaron Rupar @atrupar]

here is the entirety of Palantir CEO Alex Karp's televised nervous breakdown this morning on CNBC

[Finverse 金融宇宙 @finverseTrading]

微软 $MSFT 成立了新的 Frontier Company，投了 25 亿美元、派出6000 名有 AI 工程专长的员工，直接进入客户的公司内部，共同设计部署和优化 AI 系统，直到把东西做出来为止。

客户包括 Unilever 和 Novo Nordisk，客户要用什么就搭什么模型给他们。

微软是觉悟了吗？知道自己的AI做的很差，没人用所以才出此下策？