Joseph

[Vincent | 信号＞噪音 @VincentLogic]

发现一个扎心的网站 👉 https://t.co/SeDAZ62Rj3

"创业墓地"——收录了1700多家倒闭公司的死亡档案。

乐视、摩拜单车、字节元宇宙...每个案例都扒得明明白白：怎么死的、烧了多少钱、犯了什么错。

最恐怖的是还在实时更��，4500亿美元就这么没了💀

但它还给了1000多个创业点子，从别人的失败里找机会。

想创业或做副业的兄弟，建议先来这里看看别人是怎么死的，比自己瞎折腾强多了。

重点是免费，不用登录。

记住：你的公司永远不会被收录在这里 😂

[Vincent | 信号＞噪音 @VincentLogic]

https://t.co/qU4Y3QzOsD

[Illimitable Man @IllimitableMan_]

These 20 lines, if used properly, will make every woman fall madly in love with you: (third one is my fav)

1- don't love me, I'll break your heart.

[苍何 @canghe]

https://t.co/kr7T82LBUx

[MOSS 中文 @MossAI_CN]

https://t.co/OIbtX66kok

[Roland.W @rwayne]

我现在基本不收藏任何内容，除了这一篇

这篇文章的价值，至少10000美金

可以改成白皮书去卖的

[文子🔆 @Eejoylove]

再过三年，甚至不要三年，我会感谢自己现在看到了这条内容。

可能大神他自己都不知道，我一直觉得他是从未来回到现在的人，在给我们一些指引。

不管你感不感兴趣，我都建议你读一读，这跟我们每个人都有关，非常真诚的内容了。

有福报的人才能刷到❤️

[leifu _/ @leifuchen]

大家应该都越来越强烈感受到 BTC 的定价权已经从币圈转移了，但是程度有多少还是没有办法确定。今天来看一篇对这个问题做实证研究的论文《BTC 定价权的转移》，论文发表于 2025 年 5 月，覆盖 2016-2024 年日频数据。

研究方法是把 16 个候选变量放进隐马尔可夫模型（HMM），用贝叶斯马尔可夫链蒙特卡洛方法（MCMC）反复试探哪些变量对模型有贡献，筛出真正驱动 BTC 价格的因子。16 个变量涵盖美股指数、汇率、黄金、原油、VIX 等宏观指标和算力、矿工收入、CEX 交易量等 BTC 内生指标。所有变量都做了 7 天滞后处理，也就是用一周前的数据来解释当前 BTC 价格，这个设定模拟了实际操作中的信息延迟。

论文的核心发现：BTC 定价因子在 2019 年前后发生了切换。2016-2019 年预测表现最好的是纯 BTC 变量组合（矿工收入、算力、CEX 交易量、减半天数），到了 2019-2024 年，表现最好的变成了宏观 + BTC 混合组合（人��币汇率、道琼斯、黄金期货、CEX 交易量），纯 BTC 变量组合的预测表现显著变差。

注：数据截止到 2024 年 12 月，包含了 BTC 现货 ETF 获批（2024 年 1 月）后约 11 个月的数据，但论文没有单独拆出 ETF 前后做对比，ETF 带来的结构性变化（机构资金流入、与美股联动加深）没有单独作为因子来分析。

减半效应的衰减是这个切换中最直观的例子。2019-2024 子样本中，减半天数直接没过后验概率门槛，被踢出了定价模型。客观地说，减半确实会切掉一半新增供给，但市场已经提前定价了这个所有人都知道日期的事件。因此减半前建仓的叙事依然有市场影响力，但不要假设减半效应会持续推高价格半年以上。

论文也证实了宏观因子的具体变量可以互换。标普和道琼斯可以互换，人民币汇率和欧元汇率也可以替换，预测表现差异不大。论文的解释是这些变量之间的高度共线性使得它们在模型中可以相互替代。按我的理解，真正在 BTC 定价中起作用的是"全球风险偏好"和"美元流动性"两个潜在因子，用哪个具体指标来代理关系不大。

值得注意的是论文也花了大量篇幅用滚动窗口评估 HMM 的预测能力，但结果不理想，多数场景下从 1 天到 30 天的预测都不具备转化为交易信号的意义。 论文提到了波动率和外部冲击等因素，但我认为更根本的原因是框架和市场的结构性不匹配：HMM 的核心假设是状态有"粘性"，单个市场状态（regime）持续 30-60 天，模型需要累积好几天的异常数据才能判断"状态变了"，但 BTC 的价格跳跃是事件驱动的。预测误差率（MAPE）���峰图也印证了这一点：每次重大事件冲击时模型误差飙升几十倍，HMM 对这些冲击只能事后识别。

论文也测试了 LASSO、Elastic Net、随机森林、SVM 四种替代方法来选变量，结果都不如贝叶斯 MCMC：LASSO 和 Elastic Net 几乎不淘汰变量，随机森林选出的最佳因子组合（标普、纳斯达克、道琼斯）全是高度共线的美股指数，放进 HMM 后收敛失败，SVM 的预测误差率（29.52%）接近 HMM 的两倍（15.78%）。

[Huan @Huanusa]

大家一定要记住，赚钱的第一性原理是什么！
看完这条视频
-👇下面文章有逆袭两规律👇-看懂起飞

[鱼总聊AI @AI_Jasonyu]

https://t.co/pMdYKtSrIr

[Joseph @Jerry96279]

@Real_JFK_Jr_ @IamRamenPanda justice

[AI奶爸 @zstmfhy]

这绝对是国内拥有海外手机号的扛把子了，感谢鱼总分享

[Andrew Bolis @AndrewBolis]

RIP 9 to 5 jobs. People are earning $319/day by doing easy copy-paste work from home.

Like + comment "SEND" and I'll send you my step-by-step guide 100% FREE.

Must follow me or else I can't send in DM.

FREE only for the next 24 hrs.

[望海潮 Evan🇺🇸 @Evansantahp]

蓝V互动帖——每帖必回必点赞
财富案例，从0到270万美金，他用了30天🥳
#赚钱 #创业 #认知

[iPaul @iPaulCanada]

电脑C盘中最恶心的四大毒瘤，随便清一下多十几G空间。 这个要试试��

[知识玩家 @BrainQuestor]

40多岁做面部瑜伽能让你看起来像20岁一样

😍

[Joseph @Jerry96279]

@Aiden_Tech_Ai Google

[Joseph @Jerry96279]

@tychozzz 是吗

[Fitness Hub @FitHubHQ_]

Simple at-home Kegels
End bedroom frustrations and boost your confidence like a boss 🔥

[Olivert @indiehackercase]

卧艹，兄弟们，真让我等到了！

半个月前刚说，2026年绝对是AI视频大爆发的年份。对于很多有想法的创作者而言，最大的痛点莫过于视频制作了。一句话就能生成视频的自媒体工具，一定会是爆款。没想到真让我等到了，就是Medeo！

看我一句话做的动量定理解释视频，完全可以发到自媒体平台上做个科普账号。后来我又通过对��，在视频末尾加上了一个习题，我靠，多轮对话简直完美！

他们有几种比较成熟的模板，我用的就是PPT视频讲解模板，非常适合做科普视频。除了科普外，还有动漫、现实等多种模板，和大量用户案例（见评论区），覆盖全品类，记得一定去试试。

https://t.co/RAWgupz76X