SME1001🧠🧲

HFBR
Show me the money.

[Rocky @Rocky_Bitcoin]

我时常觉得Twitter 上的分析有时候太过碎片化，情绪化。同样的话题，会被反复炒作，通过AI更换一个观点，然后重发出来，其实本质是换汤不换药的，但却浪费了很多阅读📖时间！

我今天讲讲我常看的一些免费的Research或Insights 频道，他们都来自世界顶尖的量化基金或者投行，您收藏完这些网站，可能对我的内容，就不感兴趣了！😂

但我觉得还是需要分享给大家，一同精进，共同成长，尤其是炒美股的小伙伴，可能获益匪浅！

1️⃣Citadel Securities 的 Market Insights

大名鼎鼎的城堡🏯证券，极硬核的数据密度与纯粹的交易员视角。基本不讲那些大而无用的宏观故事，而是直击市场微观结构的底层逻辑。

因为是全球顶级做市商，所以拥有顶级的“上帝视角”数据源，以及深度的市场微观结构剖析，做美股交易必看！

网址：https://t.co/ydzUrcYlfJ

2️⃣Man Institute 英仕曼集团

大名鼎鼎的英仕曼，全球最大上市量化对冲基金的官方研究机构，Man 核心优势在于用纯粹的量化回测与统计学视角去拆解宏观、主动投资以及系统化策略。它的研究风格与 Citadel 的数据驱动极其相似。

它有一个独家的风险预警策略，能辅助我们卖出，毕竟会买的是徒弟，会卖的是师傅。尤其是它们家的CTA 与系统化策略，对市场动量、大宗商品流向以及量化基金在极端行情下的仓位拥挤度有着极敏锐的观察，能提供普通散户看不到的风险预警。会经常发布一些，关于通胀周期、系统化多空、以及流动性脆弱性等硬核的深度长文。

网址：https://t.co/YO1AktbtNU

3️⃣Morgan Stanley Institute 大摩研究院

可以说是华尔街卖方的标杆，大摩的研究大脑。核心优势在于无与伦比的行业基本面穿透力与全球宏观政策的定价风向标，而且前瞻性极高，往往会提前1-2个月做风口预判！

假如你要分析行研，分析基本面，分析供应链穿透，看它就够了。拥有全华尔街最庞大的行业分析师团队。其优势在于“自下而上”的超级深度，能直接拿到全球产业链一线的核心一手数据，比如对 AI 算力 CapEx（数据中心、电力瓶颈、芯片订单）的每季精细追踪，以及传统 SaaS 软件生态的业绩测算，几乎是全球机构定价的重要锚点。

网址：https://t.co/QpHoQsANET

4️⃣ Bridgewater 桥水基金

Bridgewater的创始人，Ray Dalio算是全球系统化宏观对冲基金的鼻祖，核心优势在于其独步华尔街的“因果驱动”宏观框架与全天候资产配置逻辑。但最近一直喊空AI，搞的我有点烦，看的越来越少了，但它的全天候大类资产配置方案，还是很牛逼的，可以学一学。

假如你要学习宏观，学习宏观数据对金融市场的影响，学习通胀/通缩拐点以及财政与货币政策的协同传导效应，可以去看一看他们的研究，他们属于大周期玩家，周期拐点的预判还是极准的。

网址：https://t.co/iTMtGUq2lp

5️⃣SemiAnalysis

全球半导体与 AI 算力基础设施领域最具声望的独立研究机构，核心优势在于其极其硬核的微观工程视角与对供应链底层的绝对穿透力。

假如你要学习AI物理硬件，学习MLCC，学习光互链，学习HBM，学习先进封装CoWos。这个网站极其硬核，不同于传统券商只看财报数字，SemiAnalysis 拥有深厚的半导体工程背景。他们能从微观物理层面拆解技术，比如直接评估 Nvidia 最新芯片架构的晶体管密度、HBM的良率瓶颈等等内核。一般地方还真看不到！🧐

网址：https://t.co/xDLlz58wwH

其他的一些网站，像贝莱德，高盛(部分付费)，AQR，美银，J.P. Morgan Markets Insights，Apollo Academy 都是不错的网站，都有自己的Research频道，可以多用多学习，也可以装一个Codex 让它每天做汇总报告，也是极其方便的！

学无止境，美股路上，皆是我的老师，有什么美股好的研究频道或者网站，也可以评论区共享，发网址，付费或免费都可以！🧐

[Metamental | 方外之域 @yijiangren]

今天来讲讲 DRAM

DRAM不是一支普通半导体 ETF，而是一只高度浓缩的“AI 存储超级周期 ETF”。

美股大回调时，它比大盘更像高杠杆芯片股。

上周五，DRAM 收在 55.79 ，单日跌了 15.08%，日内区间 55.38–61.17 ，52 周区间 26.14–70.15 ，说明它不是普通 ETF 的波动，而更像一只高 beta 主题股。

昨天晚上因为标的反弹，所以价格也跟着反弹来到了 60。

一、它到底是什么

DRAM 是 Roundhill 推出的 Memory ETF，2026 年 4 月初才上市，主打全球存储产业链，覆盖 HBM、DRAM、NAND 这些 AI 基础设施里的核心瓶颈。
Roundhill 自己也把它定义为 AI 革命中的 memory/storage bottleneck 纯敞口 ETF。
最大的特点是极度集中。

公开持仓里，SK 海力士约 27.3%，三星电子约 20.18%，Micron 相关 swap 合计超过 24%，再加上 Kioxia、SanDisk、Seagate、WDC 等。前十大持仓约占 98.37%。

所以买 DRAM，本质上不是买一个分散 ETF，而是在买：SK 海力士 + 三星 + 美光 + 日本/美国存储链条。
就像是全球存储三巨头增强版组合。

二、宏观：AI 从缺 GPU，变成缺“记忆”

之前市场最关注的是 GPU。
但 AI 模型越大，训练和推理越密集，真正的瓶颈会不断外溢：GPU 负责算，HBM 负责喂数据，DRAM/NAND 负责存储和调动，光通信负责搬运，电力负责供能。
没有足够的 HBM 和高速存储，GPU 就会等数据，算力利用率下降。
DRAM 的宏观逻辑非常清楚：AI 数据中心扩张越快，存储需求越强。
这也是为什么今年存储股爆炸。
Roundhill Memory ETF 曾以约 8.2 倍 2026 年预期盈利交易，而软件 ETF IGV 是 27.7 倍，说明市场一方面在追逐存储周期，另一方面也认为存储股在盈利爆发后估值并没有软件那么离谱。
这就是 DRAM 最有吸引力的地方：它吃的是 AI 基建需求，又不是传统意义上最贵的 AI 软件估值。

三、行业逻辑：存储超级周期是真的，但周期股不会消失周期

这轮存储行情的核心公式是：AI 需求强 + HBM 供给紧 + DRAM/NAND 价格上涨 + 三巨头控制产能。

三星和 SK 海力士合计控制约 70% 全球 DRAM 市场，两家公司都在避免激进扩产，试图降低未来供给过剩风险；文中还提到 2026 年存储需求预期增长35%，供给增长约 23%。

Barron’s 也提到，DRAM 和 NAND 价格正在大幅上涨，UBS 预计某类 DRAM 合约价在 2026 年一季度环比上涨 62%，NAND 价格上涨约 40%；同时 Micron 预计 2026 年需求仍将超过供给。

这说明存储超级周期不是纯炒作。
但问题也在这里：存储行业永远是周期行业。

今天供不应求，明天就可能资本开支扩张；
今天价格暴涨，明天终端客户就会压需求；

今天三巨头有定价权，明天我国、日本、美国新产能就可能慢慢挤进来。
DRAM 最大的风险不是 AI 需求突然消失，而是市场提前交易了“未来几年一直供不应求”。
只要这个完美叙事出现裂缝，股价就会很敏感。

四、资金面：散户和机构共同拥挤的交易

DRAM 上市时间很短，但已经火了。

MarketWatch 之前报道，DRAM 上市后涨幅接近翻倍，资产规模约 60 亿美元，且有机构开始筹备 2 倍杠杆版本。

WSJ 也提到，这只 ETF 上市六周左右就吸引超过 2.5 亿美元散户净流入，流入速度甚至超过一些长期热门标的。
这说明它已经不是冷门投资工具，而是变成了 AI 硬件行情里的拥挤交易。

拥挤交易的特点是：涨的时候，资金一起涌入；跌的时候，大家一起跑。

所以 6 月 5 日这种 -15% 的单日暴跌，不是偶然。它背后是存储股、韩国股市、AI 小票和主题 ETF 同时降温。

五、技术分析：短期破坏情绪，趋势还没有完全死亡

从技术位置看，DRAM 上周五收在 55.79 ，距离 52 周高点 70.15 已经回撤差不多 20%。

这个级别对普通 ETF 很夸张，但对 DRAM 这种高集中度主题 ETF，其实蛮正常的。

三个位置

第一压力区：65–70
这是前高区域。如果后面能重新站回这一带，说明资金愿意继续交易存储超级周期。

第一支撑区：52–55
这是当前附近位置，也是前期强势平台的下沿。如果这里能止跌，DRAM 可能进入高位震荡，而不是趋势反转。

关键支撑区：45–48
如果美股继续回调，韩国股市继续杀估值，DRAM 跌到这里并不奇怪。这个区间才会开始重新出现中期性价比。

极端回撤区：38–42
如果 AI 硬件板块整体退潮，或者三星、海力士、美光连续下杀，DRAM 可能会回到这个区域。
对一个从 26 美元涨到 70 美元的 ETF 来说，这不算离谱。

六、价格推演

乐观：重新挑战 70–80 美元
条件：
美股大盘止跌
CPI/PPI 不再刺激利率上行
Micron、SK 海力士、三星继续释放强业绩
HBM 和 DRAM 合约价继续上涨
AI 数据中心 capex 不被市场质疑
这种情况下，有机会重新挑战前高，极端强势时看 75–80 甚至更高。

中性：50–65 美元高位震荡
这是我认为短期概率最高的情况。
逻辑是：存储超级周期没有结束，但前面涨太快；美股回调让高 beta 主题 ETF 降温；资金不愿意立刻追高，但也不愿意彻底放弃 AI 存储主线。
这种情况下，DRAM 大概率在 50–65 美元之间震荡，等待下一轮财报和价格周期验证。

悲观：40–48 美元
触发条件是：
美股继续杀估值；
韩国股市继续暴跌；
SK 海力士和三星出现趋势破位；
市场开始质疑 HBM 定价权；
存储价格上涨预期放缓；
主题 ETF 资金从净流入转为净流出。
这种情况下，DRAM 回到 40–48 美元不奇怪。
不是产业逻辑坏了，而是拥挤交易退潮。

七、总而言之

DRAM 是一只非常有意思的 ETF。
它的优点是足够纯，足够集中，足够贴近 AI 存储瓶颈。
它的缺点也是太纯，太集中，太容易被存储周期和韩国股市绑架。

长期看好
AI 时代对 HBM、DRAM、NAND 的需求不是短期故事，而是基础设施需求。

中期看存储价格和三巨头业绩
只要 HBM 继续供不应求，三星、海力士、美光还有定价权，DRAM 逻辑就还在。

短期不适合追高，但回调后可以观察
55 附近已经比 70 舒服多了，但还不能说便宜。如果继续回调到 45–50 ，性价比就上来了。

DRAM 是 AI 时代的“记忆 ETF”。
它买的是存储超级周期的定价权。

逻辑很硬，但现在最大风险不是需求不行，而是前面涨太多、资金太拥挤、市场开始重新审视三巨头的定价权。

所以这只 ETF 最好的策略不是追涨，而是：大跌后观察，分批，不梭哈。

因为存储周期真正赚钱的地方，往往不是情绪最热的时候，而是市场开始怀疑它、但基本面还没坏的时候。

[심월 @mindmoon_108]

SK하이닉스 일본 주재원 계신 분이랑 커피챗 내용 간단하게 공유

1. 메모리 수요가 너무 강력해서 일본 고객들에게 줄 메모리가 없다.
미국이랑 중국 고객 주고 나면 일본에 줄 물량이 없다고 함. 그래서 일본업체들 찾아가서 매번 쓰미마셍 고개 숙인다고 함.

2. 메모리 부족으로 닌텐도 같은 전자제품 가격 계속 올리는 중.
메모리가 없어서 난야 같은 업체 뿐만아니라 윈본드 같은 업체도 찾는중.
CXMT는 기가바이트 통해서 이미 소비자용 제품으로 들어가고 있다고 함.

3. 일본에 있는 CXMT 한국엔지니어를 통해 듣기로는 CXMT 설계능력이 생각보다 엄청 뛰어나다고 함. 2-3년 격차가 아니라 그보다 더 좁혀질것 같다고 함. 진짜 중국의 똑똑한 인재들이 밤낮 안가리고 일한다고 함.
한국도 경계해야 할듯.

4. 메모리 가격은 계속 인상 중.. 몇프로인지는 밝힐 수 없지만 계속 인상중. 오늘 엔비디아 소캠에 메모리 줄었다는 이슈로 주가가 내리는데 메모리 가격은 오히려 올라서 영업이익은 계속 올라갈 전망.

*개인적으로 걱정되는건 이런 메모리 가격 상승이 Capex 투자 부담으로 이어져서 AI 싸이클이 빨리 끝날까봐 걱정임. 구글도 채권찍고 있고 빅테크들도 현금이 떨어져 가는게 걱정됨.

*투자권유, 매수,매도 추천 아닙니다.

[Serenity @aleabitoreddit]

Okay chat, here's your compiled list chat of your favorite 800V DC related ideas.

1. $IFNNY - $115.8B
2. $ON - $46.2B
3. Lite-On (2301) - $16.03B
4. 6504.T - $14.1B
5. $VICR - $12.8B
6. $LFUS - $11.57B
7. https://t.co/1unM4FPf65 - $8.34B
8. $VSH - $7.86B
9. $ENPH - $7.36B
10. $NVTS - $5.77B
11. $POWI - $4.30B
12. $BDC - $4.18B
13. $EOSE - $3.86B
14. $SEDG - $3.82B
15. $AEHR - $3.1B
16. 6890.T - $2.66B
17. $WOLF - $2.16B
18. $CWR.L - $1.75B
19. $AMSC - $1.68B
20. https://t.co/43OXU9tx65 - $1.68B
21. $XFAB - $1.54B
22. $AOSL - $1.25B
23. $HYLN - $1.23B
24. $FCEL - $835M
25. $IQE.L - $780M
26. $ASYS - $276M
27. $RELL - $239M
28. 6844.T - $222M
29. 4973.T - $207M
30. $PAY.BR - $189M
31. 6616.T - $186M
32. 6882.T - $124M
33. $IPWR - $96m

Also included some adjacent ones you all mentioned like $FCEL or $EOSE anyway, tho idk it's great exposure. Ignored the clearer irrelevant stuff like $POET that people mentioned tho.

There's like 500 comments, but I guess X limits everything I can see.

We'll see how your highest conviction ideas do.

[dominik kundel @dkundel]

💡 Codex Tip: Just ask Codex for automations

Codex can schedule for itself and also update those automations.

- Ask it to do something later in the same thread
- Have it do the same thing it just did but on a regular basis
- Have it review your existing automations and improve them
- Clean up unnecessary / ineffective automations

In my case I still had some automations running on GPT-5.4 so I had Codex update them

[SME1001🧠🧲 @openvalley112]

Identify the dominant theme.

Align with the macro narrative.

Allocate along structural industry trends.

Validate positioning with incremental flows.

Control pace through style rotation.

[Serenity @aleabitoreddit]

专门写给我的中文读者：

绿的谐波（LeaderDrive，688017，577.3亿人民币）是我在布局人形机器人赛道时最青睐的中国上市标的。

他们的业务涵盖：

谐波减速器（据称占有超过60%的国内市场份额，以及1800多家全球客户）

人形机器人旋转关节减速器

直线执行器

电机/关节，以及许多其他核心零部件。

并且他们正在进军行星滚柱丝杠（planetary roller screws）领域。

目前占据着绝对的主导地位：超过60%的国内市场份额以及1800多家全球客户。

主要客户包括优傲机器人（Universal Robots）、优必选（UBTech）、智元机器人（Agibot），而特斯拉（Tesla）、Figure 以及绝大多数其他人形机器人研发商都很可能是他们的潜在客户。

如果你看一下这些零部件的 BOM（物料清单），粗略估计它们占到了每台研发出的人形机器人的 4-15%，随着他们进军更多细分领域，这个比例可能还会更高。

我认为没有人能对这类公司进行精确的财务建模，其前景更多取决于未来几年内会有多少人形机器人实现量产。

这其实是对一家能够在每台生产出的人形机器人中占据可观份额的公司，进行的一种方向性做多（directional long）。

在可扩展的规模化量产方面，中国显然是该领域的领导者，许多西方玩家无法将成本降到绿的谐波那样的水平。

随着我们向实体人工智能（physical AI）的规模化迈进，我极其看好机器人这个赛道。

[𝗶𝗮𝗺𝟰𝘅 (🌷,🦈) @iam4x]

Orderbook L2 updates

Left －Proliquid APIs
Right －Hyperliquid APIs

If you want to step up in your trading on Hyperliquid and take better informed decisions...

https://t.co/GO9ytT4yV6

[逸尘 @gengdaJ]

让Codex不再失忆——外接Obsidian大脑Token优化，重要记忆全部记住

之前外国朋友的方法我用了下，发现Token消耗其实挺大，所以让Codex优化了一版，我最近用下来非常不错，Codex的有效记忆引用提升了不少。

可以把下面一键复制丢给Codex，让它自己配置：

记忆库放在 Obsidian 里：

Obsidian Vault/
└── Codex记忆/
├── AGENTS.md
├── INDEX.md
├── TODO.md
├── agent/
│ └── open-loops.md
├── 当前/
├── 项目/
├── 人物/
├── 工作流/
├── 决策/
├── 素材/
└── archive/

规则一：不全量读取，节省 token

每次重要任务开始时，Codex 只默认读取：

- AGENTS.md：记忆规则
- INDEX.md：记忆索引

然后根据任务关键词，只读取最相关的 1-3 个文件。

不默认读取整个 Codex记忆 目录。
大文件只先读“当前有效摘要”或最近更新段落。
archive/ 默认不读，除非需要追溯历史。

规则二：只保存长期有效内容

可以写入：

- 用户长期偏好
- 明确边界
- 项目稳定路径
- 关键命令
- 已验证的排查结论
- 重要决策
- 可复用工作流
- 跨项目未闭环事项

不写入：

- 完整聊天记录
- 流水账
- 临时过程
- Cookie、Token、API Key、密码、验证码
- 身份证号、银行卡、私密联系方式
- 第三方平台配置、账号凭证、日志敏感值

规则三：写入要短、准、可检查

优先更新已有笔记。
没有合适文件再新建。
每次只写短小、可检查的 Markdown。
事实和推断分开。
旧记忆过时，不直接删除，先标注“已过时”。

规则四：重要任务结束前做 memory closeout

结束前让 Codex 判断：

- 有没有长期价值内容要写入
- 是否需要更新对应记忆文件
- 有没有未闭环事项要写到 TODO.md 或 agent/open-loops.md
- 最后说明这次改了哪些记忆文件

这套方法的好处是：

- 记忆不困在某一次聊天里
- 可以跨项目复用
- Obsidian 里可以人工查看和修改
- Markdown 文件可以 diff
- 不会因为每次全量读取而浪费大量 token
- 也能避免把无效聊天记录和敏感信息塞进长期记忆

[Miles @mileswang_]

介绍 https://t.co/a7bKHbPdS6
下载 Polymarket updown 历史数据，Tick 级别。

1. Tick 级订单簿数据
2. 支持访问 Parquet 文件
3. HFT 级别数据质量，伦敦采集

[SME1001🧠🧲 @openvalley112]

Do you remember when you joined X? I do! #MyXAnniversary

[王峰Anc🔶OP_CAT @wangfenganc]

Codex 十大必装 Skills 技能来了！ 让你效率提升10倍不止！

先收藏，再安装，这10个技能一个比一个实用！

1⃣Superpowers
让 Codex 像严格工程师一样干活：先写测试，再写代码，还会主动做代码检查，减少“看起来能跑、实际有坑”的情况。
安装/来源链接：
https://t.co/ufHfkw8zmY

2⃣SuperClaude Framework
给 Codex 增加一套常用指令菜单。你可以用更简单的命令，让它做分析、修 bug、写代码、优化项目、生成文档等任务。
安装/来源链接：
https://t.co/lVqPz8WPwe

3⃣MiniMaxSkills
一套现成的工作流程模板，覆盖前端、全栈、移动端和文档写作。适合不知道怎么下指令的新手，直接照着流程让 Codex 干活。
安装/来源链接：
https://t.co/LppWRckaot

4⃣Anthropic Official Skills
官方示例技能库。主要用来学习“一个好 Skill 应该怎么写”，也适合拿来当模板，改成自己的专属技能。
安装/来源链接：
https://t.co/z07dDYhbU7

5⃣Vercel Agent Skills
Vercel 官方的网页开发检查规则，特别适合 React 和前端项目。它会帮你检查页面性能、结构、可访问性和工程规范。
安装/来源链接：
https://t.co/I5L5esKl1H

6⃣Planning with Files
让 Codex 用 Markdown 文件记录计划、进度和上下文。适合长期项目，避免聊着聊着忘记前面做过什么。
安装/来源链接：
https://t.co/PhzFLvD65S

7⃣Context Engineering Skills
教 Codex 更好地管理上下文：什么该记住、什么该总结、什么时候该清理。适合复杂项目，能减少跑偏和重复沟通。
安装/来源链接：
https://t.co/g9JVmmfTc5

8⃣Composio Skills
帮 Codex 连接外部工具和服务，比如 GitHub、Notion、Slack、数据库等。适合想让 Codex 不只写代码，还能帮你操作工具的人。
安装/来源链接：
https://t.co/Y3rZITMHNK

9⃣Antfu Skills
学习高手如何设计 Skills。适合想进阶的人参考，看看优秀开发者是怎么把经验沉淀成可复用工作流的。
安装/来源链接：
https://t.co/zWX1OJbNmA

🔟Awesome Agent Skills
一个大型 Skills 目录，收集了很多公司和社区做的技能。适合当“技能导航站”，需要什么能力时进去找灵感或模板。
安装/来源链接：
https://t.co/zjwynBGVly

在用 CodeX 的强烈建议安装一下，对工作效率的提升是全方位的。 #codex #skill

[Dan Shipper 📧 @danshipper]

codex power-user best practices:

- a few different "pulse" threads that run every morning to check the status of stuff i care about, e.g. proof metrics, all company meetings, etc

- a "log" thread for ongoing, everyday activity i want to track. for me that's my "writing log"—want to track what im writing about, and working on from piece to piece

- "inbox" thread which gathers all of my emails right now, but eventually will pull in all of the main important things from each "pulse" thread

- "router" thread which knows about all of the other threads, and is also hooked up to my email to push emails into each thread appropriately

[SME1001🧠🧲 @openvalley112]

分享一个免费的Polymarket 最完整公开的历史订单簿数据库
https://t.co/Jfx4hTUwih

[卡神 Karu @edwordkaru]

那些天天在推特上卖几百U教人做AI Agent的博主，估计这波底裤都要被扒光了吧 😂

今天在Github刷到一个直接霸榜的硬核项目：ai-engineering-from-scratch

真不是我吹 🤪这玩意直接把市面上的付费镰刀全给撅了，400多节课 + 20多个阶段，从基础的线性代数一路干到手搓多代理系统（Multi-Agent）

最离谱的是纯开源！0付费！

像咱们这种不是科班程序员，但又天天想着搞vibe coding，想自己弄几个Agent跑跑自动化脚本的，这套资源简直太对口了😏

人家主打一个 “Learn it. Build it. Ship it” 里面的Python、TS、Rust代码全都是现成能跑的，不用在那边对着报错干瞪眼，纯纯的喂饭局！

别管三七二十一先去点个Star防身吧！学不学另说白嫖顶级干货错过直接拍大腿。

传送门：
https://t.co/381MUgzRSP

[Joruno @wsl8297]

做 A 股数据分析，最麻烦的不是写策略，而是把数据先拿全：行情、研报、龙虎榜、北向、资金流、公告、财报，每一类接口都不一样，还经常改参数。

a-stock-data 是一个面向 AI 编程助手的 A 股全栈数据 Skill，把 13 个数据源封装成一套可直接调用的工具。

GitHub：https://t.co/su8Br4fMDB

它的 README 写得很实在：7 层架构、28 个端点、直连 HTTP API，V3.0 之后彻底移除了 akshare 依赖。

覆盖的数据层很全：
- 行情层：K 线、五档盘口、逐笔成交、PE / PB / 市值、指数和 ETF
- 研报层：东财研报、PDF 下载、同花顺一致预期、iwencai 自然语言搜索
- 信号层：强势股、题材归因、北向资金、概念板块、资金流向、龙虎榜、解禁
- 资金面：融资融券、大宗交易、股东户数、分红送转、120 日资金流
- 新闻 / 公告 / 基础数据：财联社快讯、全球资讯、巨潮公告、季报 37 字段、F10

如果你想让 Claude Code、Codex、OpenClaw 这类工具帮你做 A 股研究，这个 Skill 可以直接当数据底座用。

[shmidt @shmidtqq]

Forget crypto. This guy just made $738 → $3,454 on weather.

Meet Oooookey. 7,462 predictions on Polymarket and a perfectly straight profit chart going straight to the top.

Profile: https://t.co/UU3OkpFr5D

His secret? Meteorological alpha.

He buys undervalued city temperature forecasts for pennies (30-40¢) and rides them to a guaranteed $1. No stress, just steady daily profit. But most likely, software helps him.

Best active hits:
$848 → $2,106 (Madrid Temperature)
$358 → $1,154 (Hong Kong Temperature)
$741 → $1,253 (Seoul Temperature)

Want the same? 3 steps:

1. Open → https://t.co/ciLwjiRNBf
2. Select the Copy Trade tab.
3.Paste this trader's wallet and start copying it.

[Serenity @aleabitoreddit]

Photonics is nuanced and using ChatGPT/Gemini makes you miss all of it:

1. $SIVE is actually a chokepoint and partially a bottleneck.

The reason it's a chokepoint is leading CPO/optical hyperscaler players go through Sivers, likely:

Ayar. Celestial. Lightmatter. Lightelligence. Poet.

If you take out Sivers, you literally can't make some of their products + delay their roadmap by years.

As many are sole/primary source but are heading the direction on multi-source.

As for the bottleneck argument: Win Semi is the bottleneck for scaling laser production.

But... the nuance is when you have capacity allocated for the next few years.

You become part of the bottleneck itself if players fight you for allocation of finished lasers.

That's the nuance people miss with capacity allocation dynamics.

It's like saying $SNDK is not part of the NAND bottleneck when Kioxia makes all of it.

But when Sandisk has the ultimate control of output supply, they become the bottleneck + have all the pricing power.

Sivers controls output supply of CW lasers given allocations, and as seen with $LITE earnings, CW laser is currently bottlenecked as everyone seems to be stuck producing EMLs.

2. Like how LLMs always uses em-dashes.

You can tell when people use AI when they always use the same "CW is a dumb interchangeable laser" argument or compare "power" specs after conflating different architectures.

That's why your "analysts" using AI will get this wrong over and over.

There's CW lasers... and then there's a specific architectural design that Sivers achieves with DFB lasers.

If you compare power specs with $LITE vs. Sivers, Lumentum wins in isolation. But they're completely different laser architectures.

All the leading CPO players like Ayar, chose $SIVE for an architectural reason for high power, low thermal, laser arrays. $JBL 1.6T LRO also made one of the most dramatic moats cited by their fireside chat, using Sivers lasers.

If you think CW lasers are interchangeable with Sumitomo/Furukawa, and others. And can be plug-and-play... i don't know what to tell you?

Again: $SIVE makes architecturally unique CW lasers for leading CPO players.

3. I'm not sure how many times I need to say this:

$SIVE for 2024-2025 has been going through development contracts. People using TTM revenue or former P/S metrics are using completely the wrong metrics, when there's volume ramp in 2027.

It's the same with $AAOI which volume ramps in H1 2027.

$AEHR which volume ramps after qualification.

$LPK that volume ramps after qualification.

This is just missing qualification cycles in semiconductors and how to model financials currently.

As for the $LITE comparisons (which was also my long last year):

$LITE literally started off selling laser dies before acquisition of Cloud Lite and other downstream optical engine components.

This is where $SIVE is at today with starting off in the laser chokepoint for CPO:

People are modeling laser revenue off very isolated TAM projections. Meanwhile Sivers is targeting M&A to expand revenue for TAM projections.

This is not a simple component FAU + ramp valuation modeling over with a Taiwanese company.

Since Laser companies like $LITE, $COHR are known to downstream expand to make their lasers more valuable, then vertically integrate (fabs, assembly) afterward.

Again, Sivers worked with Ayar and these types of companies before they all became billion dollar companies. I have high conviction knowing they know what to acquire down the ELS/optical engine stack + pluggable transceiver for TAM expansion.

It's just annoying when I get people who don't understand the nuances backseat commenting wrong things about my longs.

I got the same thing about $AXTI is not a bottleneck! InP isn't needed! China! back at $14.

Now it's $140

I got the same thing about $AAOI "is going down 50%!" back at $65. or "AOI management is shady at $30".

Now it's $170

I got the "there's nothing new with $SOI" back at $45.

Now it's $170.

I think I'm one of the few who actually understands the nuances with photonics, since I did call out $LITE, $TSEM, Innolight, $AXTI, $AAOI, $SOI, that outperformed both photonics markets and overall markets over the past year.

And now I'm long on $SIVE.

[宝玉 @dotey]

https://t.co/5DaPyMKzWZ

[jason @jxnlco]

https://t.co/9KkXEINuIj