pubcc

[Fred-New @Fred834567]

我现在只用 6 个网站，每天 10 分钟看完全网热点

1、NewsNow（多平台聚合）
一个页面看完知乎、微博、B站、虎扑、V2EX，不用来回切 App。
https://t.co/s9jqA9j0UA

2、SoPilot（X 爆帖专用）
专盯 X 上的爆款帖子，抢首��和抓舆论风向，全指着它了。
https://t.co/v4et3qeO0z

3、今日热榜（类目最全）
除了常规平台，还能看 GitHub Trending、Product Hunt、Hacker News，技术圈和产品圈的热点都在这。
https://t.co/8Ty6PGZP4F

4、英为财情（全球行情）
全球前三的财经门户，A股、港股、美股、外汇、大宗商品全品类实时行情。财报日历、美联储利率观测、技术指标分析一键搞定。
https://t.co/1VJ3GsAAbN

5、萝卜投研（智能投研）
国内首个AI驱动的智能投资研究平台，研报公告智能抽取、知识图谱挖掘关联交易、财务预测模型一键生成。从信息到决策，一步到位。
https://t.co/pwnPmlEHZF

6、REBANG（极简风）
整合微博、知乎、抖音等50+平台热搜榜
极简无广告，帮你打破算法信息茧房
https://t.co/vJie0TKNMW

在信息过载的时代，比“知道更多”更重要的，是“知道该看什么”。

这6个网站筛完之后，每天10分钟，够用了

[小学僧 @x11x90]

小红书约炮真的弱爆了。

昨天刷到一个牛逼的办法，

美团收货地址改到大学城附近，

搜拼好饭，点我的，加入附近拼单群，

群里全是天天点9块9套餐的小美眉，特别会���日子，

学会了记得回来给我点赞🫣🫣🫣

[白骏知识分享 @cj3214567667]

日本人写的经济史确实有一套❗

《世界巅峰的经济学教室》把 12 位重量级经济学家的思想——其中 7 位诺奖得主——浓缩成一本人人都能读懂的入门书。

让你真正看见经济学如何影响我们的工作、选择与生活。

评论区阅读👇

[Phoenix Yin @Phoenixyin13]

接上条，多尺度动力学大概率比单时间尺度模型更贴近真实市场。

微秒级是 HFT，秒级是订单簿，分钟级是日内交易者，日级是系统化基金，月级是资产管理人，年级是宏观和养老金。

当然，在论文里它们并不代表严格的一一对应。
真实市场中的 characteristic timescale 是重叠的。早期不同时间尺度代理模型甚至发现，不同尺度代理人的混合本身就可能改变市场稳定性。这里我只是辅助理解。

市场更像 ẋ = f(x_fast, x_medium, x_slow) 这样一个不同时间尺度相互耦合的系统，这在结构上和统计物理里的多尺度问题有些同构。结果就是，任何一个分钟级 anomaly 都不能脱离日级波动率 regime、周级 positioning、月级宏观状态单独看。

尽管统计物理里经常存在相对明确的 microscopic、mesoscopic、macroscopic coarse-graining；
而金融市场往往麻烦得多，因为参与者会学习、适应、套利、改变策略，而且粒子知道自己处在系统里。
但也正因为如此，在物理里通常是 observation-independent 的，而金融里存在reflexivity，但这并不能削弱我的认识论，反而我觉得会更有意思。

此上对量化实践最直接的启示是，alpha 的 half-life 本身就该被当成一个动态变量，而不是默认 α 平稳。

chaos theory 告诉人们，别迷信预测。
很多人第一次接触 chaos finance 会想找到 Lorenz attractor 然后预测股票，我认为这基本是最没价值的方向。
重要的是 δx(t) ≈ δx(0)e^{λt}：当 λ > 0，预测误差指数放大，于是存在一个大致形如 T_p ~ (1/λ)·ln(Δ/δ₀) 的预测视界。
换句话说，一个model超过某个 horizon 之后原则上就无法精确预测。
所以我们应该追问，这个信号在哪个 horizon 上有信息，误差增长有多快，prediction confidence 应该在什么时候坍缩，什么时候该退出模型。顺着这条思路甚至可以做出 dynamic prediction horizon，而不是不分状态一律持仓五天。

Lyapunov 稳定性给了组合风险一个新视角。
传统风险语言是 VaR、CVaR、σ、β；
动力系统问的是另一件事。
如果让我解构，那就是受到扰动之后，portfolio 会不会自己回到稳定状态。
如果存在 V(x) > 0 且 V̇(x) < 0 的 Lyapunov 函数，扰动就会衰减。翻译成金融语言，这就是 portfolio resilience。
一个组合当前波动率可能很低，但杠杆、保证金、强平线对波动的敏感度共同构成强正反馈，它其实处在低波动但动力学脆弱的状态。
这比一个 VaR = 3.2% 的数字信息量大得多。

还有一件事，网络动力学与系统性风险。金融系统是 ẋᵢ = fᵢ(xᵢ) + Σⱼ Aᵢⱼ g(xᵢ, xⱼ) 这样的网络，其中 A 可以代表交叉持股、融资敞口、相关性、订单流影响、共同因子暴露、对手方敞口。
于是，单个节点的冲击可以沿 i → j → k 传播，最后形成 cascade。
这让相关性矩阵升级成 dynamic financial network，尤其是在危机期间，A 本身也是时间的函数，网络结构自己在变。

最后一个是Koopman operator，可以了解。
非线性系统 x_{t+1} = F(x_t) 本身难处理，Koopman 的思路是去找 observable g(x)，使它在更高维空间里近似满足 g(x_{t+1}) ≈ K g(x_t)，也就是把非线性动力学转换成 observable 空间里的线性算子。这样你就可以去找 dominant modes、eigenfunctions、慢变量、regime 结构、latent dynamics。

近年，Koopman 和 data-driven dynamical system identification 一直是活跃的方法学方向。
用到金融上，我认为有价值的是把高维金融观测量���射成 Koopman 表示，从中提取 latent market modes，用于 regime identification，再回到交易和风险控制。
把这些串起来，会得到一种和主流很不一样的 quant 世界观。
如果说传统路径是 Data、Features、Prediction 、Trade；那非线性动力学的路径更接近 Observation、State Reconstruction、Dynamics Identification、Regime、Prediction、Control的过程，

注意，最后一个词我故意写成 Control 而不是 Trading。
因为成熟之后，量化交易在结构上极像控制论，观测、估计状态、采取行动、市场反应、再观测。
尤其当资金规模变大之后，你的 order 影响价格，价格变化影响别人，别人的交易又改变你的最优策略，预测一个外部市场这个前提本身已经不完全成立了，你自己就是这个动力系统的一部分。

非线性动力学，随机过程，统计物理，市场微观结构，机器学习，然后围绕一个核心问题展开，这些都是极其���价值的领域。

Can market predictability itself be inferred as a dynamical state variable?
这个供你们思考。
因为在这个问题里，regime、alpha half-life、Lyapunov horizon、Koopman modes、volatility、liquidity、network fragility可以全部被串联起来。

[qinbafrank @qinbafrank]

昨晚在168X详细聊了“AI的第二增长引擎、CSP价值重塑与Crypto供给侧改革、近期市场走势”等很多话题、也是最近两个多月思考���一个集中梳理。梳理下要点：
1、AI需求没问题，是宏观在压。 下游需求很硬（数据中心一上线就满负荷），但油价、财政赤字、科技公司大规模发债把长端收益率顶上去，市场进入“估值摩擦区”，在收益率明确回落之前很难出现趋势性大涨；

2、长债收益率有三条腿：油价、赤字国债超发、AI发债。 10年美债要先落到 4.6% 以下（30 年到 5% 附近），宏观压制才会真正缓解，AI 和半导体资产才更容易走出来。但如果长债收益率继续上扬市场短期压力也会越大，us10y到4.9%以上市场很难撑住；

3、沃什央行年会偏鹰，但仍然认为9 月大概率按兵不动。 Jackson Hole 讲话对通胀态度强硬；但实际8月美国消费一般、非农很弱，加上五个工作组结论未出，9 月议息倾向既不加也不降。风险是8月cpi可能没那么好、Truflation的实时走势已经反弹到6月的高点了；

4、美伊博弈长期化，拐点看油价。 双方僵持把油价吊在高位，这是推高通胀预期和长债的关键变量。油价下来，叠加财政部回购、调整长短债比例，效果会叠加，会带动长债收益率真正回落；

5、CSP 正在被重估，不再只是“二道贩子”。 开源模型 + 自研中等模型改写成本结构，毛利率有望改善。超大云厂商三季度财报（10月中下旬披露）可能非常惊艳，CSP 业绩是比大模型 ARR 更综合的 AI 落地指标。

6、“下一个 coding 在哪”这个问题本身就错了。 coding 场景独特、渗透快，很难再复制。真正的第二增长是大量碎片化的非 coding 工作流被 agent 化；同时 coding 本身正在变成所有非 coding 流程的底层铺路技术。

7、CapEx 账要到明年才更清晰。 今年仍是花钱高峰。两个观察交叉点：
云业务营收增速超过资本开支增速；
非 coding 场景开始接棒 coding 的超高增速。

8、年底前分三段看，好戏在中期选举之后：
9月中之前消化鹰派讲话、看8月非农和通胀走势；
9月中到10月中下中期选举不确定性、长债收益博弈、Anthropic的IPO对市场的影响。动荡加大；
11 月之后政治不确定性下降、三季报验证、估值更便宜（SOX 动态估值当下约 19.2，只是去年关税战低点10%多），会真正走出来；

9、大饼，6月中已经认为进入高性价比配置区间，当时说在四五个月内打完子弹。 9 月中下旬到 10 月可能因流动性回踩；
之前加密市场新常态是极度分化，现在新周期正在打开，新周期三大叙事动力：代币化/RWA 、AI与Crypto结合、合规 ICO 2.0；

多谢168X，多谢@168MrZ

[JIO JIO @jiaojiaojio]

如果你愿意，请花25分钟看完这段采访，受益匪浅！

🧐看完这段访谈，我最大的感受是，CZ现在谈创业，已经不太强调规模、估值和排名了。他更在意人、执行力、抗压能力、合规和长期发展。经历过币安的高速扩张和监管压力后，他对创业的理解明显更加务实。

1⃣CZ对工作的态度很直接：不看一个人表现得多忙，只看事情有没有推进。他不喜欢每天追着员工问进度。任务交代清楚、确定完成时间以后，对方应该主动推进、主动汇报。遇到问题可以说，但不能隐瞒、拖延，更不能等老板反复催促。

他需要的不是单纯听话的员工，而是有创业者心态的合作者：平时不用催，关键时刻不掉链子；能独立做事，也知道什么时候需要沟通。对CZ来说，主动性、可靠性和抗压能力，比表面上的勤奋更重要。

他自己现在的工作方式比较自由。有时一天工作很多小时，有时只工作两三个小时；累了就休息，状态不好也不会强迫自己坐满八小时。但真正有事情发生时，他会立刻处理。他不赞成用工作时长证明努力，更看重最后的结果。

2⃣面对困难，CZ的态度不是抱怨，而是把问题拆开处理。哪些是自己可以控制的，���些暂时无法控制；哪些必须马上解决，哪些可以以后处理。他承认创业一定会有压力，但不会让自己长期陷在情绪里。

他认为，失败并不会自动变成经验。只有认真复盘，弄清楚当时忽略了什么、判断错在哪里、下次该建立什么机制，失败才有价值。否则所谓的“经历过失败”，只是重复犯错。

3⃣视频里谈到“如果重新创建一家全球加密交易平台”，CZ首先会抓的并不是交易量，也不是上多少代币，而是重新搭建团队。因为产品做错了可以修改，方向不对可以调整，但如果团队缺乏主动性，所有事情都会停下来。

☑️第二个重点是合规。不同国家对现货、合约、杠杆、理财、支付和法币出入金的要求不同，不能再用一套产品覆盖全世界。重新创业时，他会更早建立能够适应监管变化的公司结构。

☑️第三个重点是本地化。总部不可能真正了解每个国家������管、文化和用户习惯，因此需要当地负责人、本地合规人员和本地产品团队。总部负责方向、安全和底线，地区团队负责具体落地。

☑️第四个重点是产品安全和用户体验。未来的币安不能只追求成交量，还要让产品更简单、更稳定、更容易被普通用户理解，同时继续探索支付、RWA、链上金融等新方向。

👏整段访谈可以总结成一句话：选择主动的人，建立能打硬仗的团队；面对困难不抱怨、不逃避，把问题拆开解决；在合规基础上继续推进全球化、本地化、安全和技术创新。

💪如果币安重新创业，CZ最可能抓住的顺序是：人才与执行力、全球合规、本地化、产品安全与体验，最后是新技术和长期布局。
@cz_binance

[pubcc @pubcc6]

@crystal42ik3 可以认识一下吗？

[pubcc @pubcc6]

@crystal42ik3 很美很有气质

[lumxss @bkdgiffug]

很多人注册完Telegram之后，压根��知道上哪找资源？

整理了10个值得收藏的Telegram搜索机器人，帮你精准定位学习资料。

1. 极搜 @jisou
中文用户里用得最多的搜索机器人之一。覆盖范围广，很多群组、频道和机器人都能翻到。不少人直接拿它当默认搜索入口。
2. 快搜 @kuai
活跃用户量很大，搜索速度快，资源更新也够及时。

3. 新币搜 @xbso
加密圈用户里比较常见，不少项目社区和频道都能搜到。
4. 搜搜 @soso
老牌搜索工具，适合跟其他机器人交叉使用。

5. 神马搜索 @smss
分类做得挺清晰，找频道和群组效率不错。
6. 超级索引 @CJSY
偏索引导航型，很多细分分类整理得比较完整。

7. 萝卜搜索 @Robosearchbot
不少人长期备着的搜索工具，资源覆盖范围比较广。
8. 超级搜索 @Super
适合做补充搜索，别的机器人搜不到的时候可以试试它。

9. 中文索引 @TeleTop123bot
偏中文社区，找国内用户聚集���频道会更方便。
10. 北极星搜索 @PolarisseekBot
更新频率比较高，一些新频道和新群组收录速度不错。

工具本身没有好坏，关键看用的人。同样的Telegram，有人只拿来聊天，有人把它当网盘，有人拿来学习，也有人通过它连接全球社区、获取信息、建立机会。上限有多高，取决于你怎么用。

[Fairice @yibingsg]

真正改变人类文明的底层逻辑是七大制度创新！

人类文明走到今天，我们习惯把目光投向蒸汽机、电力、互联网、人工智能。

但仔细想想，真正决定人类社会能否持续发展、不断积累财富与知识的，或许并不是某一项具体技术，而是那些看不见、摸不着，却决定人与人如何相处的制度规则。

如果要从人类历史中选出七项最深刻的制度创新，我认为它们值得被反复讨论。

第一，私有财产权。

一个人愿意劳动、储蓄、投资，前提是他相信：自己辛苦创造的财富，不会被别人随意夺走。

“风能进，雨能进，国王不能进”所表达的，正是现代文明最重要的边界意识。

没有稳定的财产权，人们就很难进行长期规划。今天创造的财富，明天可能不属于自己，又有多少人愿意持续投入和积累？

第二，法治。

文明社会与丛林社会最大的区别，不是谁更强，而是谁都必须遵守规则。

真正的法治，并不是法律只用来约束普通人，而是掌握权力的人同样受到约束。

当规则能够限制权力，社会才能从“强者决定一切”，慢慢走向可预期的秩序。

第三，代议制度。

现代社会人口动辄数千万、上亿，不可能所有事情都由每个人亲自参与决策。

于是，人类创造了一个极其重要的政治技术：选出代表，由代表参与公共事务。

它未必完美，但它解决了一个现实难题——如何让一个庞大的社会拥有持续运转的公共决策机制。

第四，有限政府与权力制衡。

人类历史一次又一次证明，最危险的从来不是权力��身，而是不受限制的权力。

因此，现代政治文明最重要的智慧之一，就是让不同权力彼此牵制。

没有任何一个机构、任何一个人，可以无限扩张自己的权力。

权力需要被使用，更需要被限制。

第五，市场经济。

这是一个令人惊叹的制度设计。

没有一个总指挥告诉每个人该生产什么、买什么、卖什么，但无数人却可以通过价格、交易和竞争，自发完成复杂的社会协作。

一杯咖啡背后，可能连接着农民、矿工、运输公司、工厂、商店和消费者。

没有谁统一指挥，却形成了一张覆盖全球的合作网络。

这大概是人类历史上规模最庞大的自发协作系统之一。

第六，知识产权制度。

创新不是凭空出现的。

如果一个人花十年研究出一项技术，第二天所有人都可以免费复制，那么持续创新的动力就会受到影响。

专利、版权和其他知识产权制度，本质上是在保护一种东西：人类创造知���的积极性。

它未必完美，但它让“创造”不仅是一种理想，也可以成为一种值得长期投入的事业。

第七，有限责任公司制度。

今天我们习以为常的现代公司，其实建立在一个非常重要的规则之上：投资者承担有限风险。

否则，一次商业失败就可能意味着倾家荡产，又有多少人敢参与大型投资？

有限责任制度降低了合作的风险，让陌生人可以共同投资、共同创业。

现代企业、资本市场和全球商业体系，某种意义上都建立在这一制度基础之上。

回头看会发现，这七项制度有一个共同特点：

它们没有制造出一台机器，却让无数机器能够被制造出来；它们没有直接创造财富，却创造了财富能够持续产生的环境。

真正推动文明进步的，很多时候不是某个天才突然发明了一件东西，而是人类找到了一套更好的规则，让陌生人能够合作，让财富能够积累，让创新能够获得回报，让权力不至于无限膨胀。

蒸汽机改变了生产方式，互联网改变了信息传播。

但���度改变的，是更底层的问题：

我们如何合作？如何分配？如何约束权力？如何保护个人？如何让今天的努力能够延续到明天？

所以，一个社会真正的竞争力，往往不仅取决于它拥有多少资源、多少人口、多少高楼和多少技术。

更重要的是，它是否拥有一套能够让普通人安心生活、放心创造、长期合作的规则。

科技决定文明跑得有多快。

而制度，往往决定文明究竟能跑多远。

当然，对这些制度的评价可以讨论，对它们的具体形式也可以质疑和改进。

但如果因为观点不同，就选择躲在角落里举报、攻击甚至拒绝讨论，那恰恰说明我们距离真正的文明精神，可能还有一段距离。

文明最重要的标志之一，不是所有人意见一致，而是允许不同意见存在，并且能够在规则之内争论。

[gokaygokay @gokayfem]

H3 Max is free here

https://t.co/RGSEkG7Jty

[美股投资young @youngstockuser]

炒美股如果还只会看财报和K线，真的会漏掉一个很重要的信号：

公司里最了解业务的人，自己到底在买还是卖。

我平时想查CEO、CFO、董事最近有没有真金白银买自家公司，主要看这6个：

1. SEC EDGAR｜最权威
直接查Form 4。美国上市公司高管、董事和主要股东发生持股变动，很多都要在这里披露。缺点就是界面比较原���。
2. OpenInsider｜最好用
我最推荐新人用这个。可以直接筛选CEO买入、CFO买入、集体买入、交易金额，找“内部人突然大额抄底”非常方便。

3. Nasdaq Insider Activity｜看单只��票
搜股票后直接看近期内部人交易，适合研究一家公司时顺手查一下。
4. MarketBeat｜看买卖汇总
会把近期内部人买入、卖出数量和金额整理出来，看起来比较直观。

5. GuruFocus｜看长期内部人行为
除了单笔交易，还能结合估值和历史区间一起看。
6. Finviz｜快速扫一眼
查一只股票基本面时顺便就能看到最近的Insider Transactions，不需要来回切网站。

但有一点一定要注意：
高管卖股票不一定看空。

交税、股权激励、10b5-1预设卖出计划都会产生卖单。
我反而更关注一种情况：

CEO/CFO拿自己的现金，在二级市场主动大额买入。
一个高管卖股票有100种理由，

但主动掏几百万美元买自己公司的股票，理由通常没那么多。

[AIGCLINK @aigclink]

上午接待一个基金的咨询单，聊了聊具身智能的发展情况，有几个重点也分享给大家，说到哪算哪：

1、全球具身市场主要集中在中美，美国大脑类的公司走得快，中国本体公司走得快

2、中国有一个非常重要物理数据的优势，就是制造业数据场景，这个是美国不具备的，也就是中国拥有触达全球最高质量世界模型数据的优势，数据体量和质量会好于美国

3、行业对于具身智能走完全非结构化场景是不看好的，反而比较看好的是半结构化场景（比如仓促物流、便利店、药店等），完全结构化场景（主要是工业场景）已经太卷了

4、具身领域也有一个物理世界的数据飞轮，目前走通这个路径国内玩家：智元、银河通用、星河图，国外的典型玩家：tesla optimus、waymo等。这些玩家的基本上都有一定的真机装机量，且在场景里在跑，每天能够手机不少物理真机数据。

5、目前各家基本上将wam+vla模型融合在一起用已经是标配了，这个在26年1月份就预测过了

6、国内具身大脑上值得关注的公司有蚂蚁的lingbot系列，国外值得关注有skild等，这些都���做大脑的一脑多机路线的。蚂蚁的大脑有一个优势就是医疗、消费这些场景，是其他公司不具备的，所以不要贸然纯做大脑，还是要有一定的场景基础

7、目前评测这些机器人好不好用，有两个维度：一个是看的是固定几个动作在足够长的时间里人介入次数的多少；二是看多个动作最终的准确率，假如有10个动作每个动作95%的准确率，最终准确率就下滑到不到60%的准确率

8、数据链上，大多数预训练公司的数据主要有70%数据用的是互联网的视频数据（缺乏action）和第一视角的数据（ego、umi等），剩下的一小部分用真机和仿真数据（涵action），所以像智元、星河图这种已经在场景侧搞了很多真机在一线的，基本上已经形成物理世界模型的数据飞轮了，别人后期再追就很难了

9、最后说说宇树，宇树目前只有出货量，没有形成物理世界模型飞轮，或者说它不做大脑，加上它的数据场景主要在表演和实验室，这些无法拿到优质的场景物理数据，所以相比于其他家还是有些弱，不过未来如果他跟大脑公司（比如蚂蚁灵波）合作的话是另外一番景象。

[娜美知识库 @fhwofjow51260]

如果你想看懂这个世界真正是怎么运转的，这 15 本书建议至少读一遍。

1、《置身事内》—— 看懂中国政府、地方财政与经济运行
2、《政治学通识》—— 搭建一套完整的政治认知框架
3、《叫魂》—— 看懂皇权、官僚体系与信息如何层层变形
4、《枪炮、病菌与钢铁》—— 为什么有些文明领先，有些文明落后
5、《财富、贫穷与政治》—— 财富差距究竟是怎么形成的
6、《血酬定律》—— 看懂暴力、利益与权力之间的交换
7、《工作、消费主义和新穷人》—— 消费社会如何重新定义“穷人”
8、《规训与惩罚》—— 学校、医院、监狱背后的权力逻辑
9、《娱乐至死》—— 为什么我们知道得越来越多，却思考得越来越少
10、《狂热分子》—— 群体为什么会走向狂热
11、《自私的基因》—— 从进化角度重新理解人性与利他
12、《思考，快与慢》—— 看懂大脑���何欺骗自己
13、《黑天鹅》—— 真正改变世界的，往往是无法预测的事情
14、《失控》—— 理解互联网、AI与复杂系统背后的演化逻辑
15、《超越百岁》—— 最后别忘了，身体才是你体验这一切的底层资产

政治、财富、人性、社会、认知、健康——很多所谓“世界本质”，其实前人早就写在书里了。

真正的信息差，不是别人藏着不告诉你，而是书就摆在那里，大多数人懒得翻。

[pubcc @pubcc6]

@hyboox 如果接下来两个季度,央国企拿地的量和溢价率不但没降反而在冲,说明市场比我想的更悲观——出清速度比预期快。 为什么？没太理解

[美股投资young @youngstockuser]

想知道华尔街“聪明钱”最近都在买什么？下面这6个网站我基本都会交叉看。

巴菲特、阿克曼、各大对冲基金最近加仓了什么，哪只股票机构持仓突然上升，公司高管有没有偷偷买自己股票，甚至国会议员和期权大单在押什么方向，基本都能查。

1. WhaleWisdom｜看全球大机构13F

这是我最常用的机构持仓网站之一。

可以直接查伯克希尔、Pershing Square、Appaloosa这些基金上一季度：

新买了什么 → 加仓什么 → 减仓什�� → 清仓什么 → 前十大持仓是什么。

我尤其喜欢看Consensus Holdings：如果不是一家基金买，而是一批头部机构同时开始增加某家公司，这种信号比单独看一家机构更有意思。

2. Dataroma｜看投资大师最近买什么

如果WhaleWisdom偏“全”，Dataroma就是���“精”。

它专门整理一批知名Superinvestors的组合，可以非常直观地看到：

巴菲特、Mohnish Pabrai、Chuck Akre等投资人的持仓、仓位占比以及最近增减仓。

我一般会重点看两件事：

新建仓 + 大幅加仓。

因为一个股票本来就持有10年意义不大，真正值得研究的是聪明钱最近突然开始改变仓位。

3. Fintel｜查一只股票背后谁在买

前两个是从“基金”找股票，Fintel反过来特别好用：

输入一只股票，看背后有哪些机构正在增持。

机构持股、13F变化、内部人士交易、空头数据、期权Flow基本都能一起看。

比如我突然发现一只小盘科技股暴涨，我会先去看看：

到底是散户在炒，还是机构持仓真的连续几个季度增加。

4. Quiver Quantitative｜看美国国会议员在交易什么

这个网站比较有意思。

除了机构交易，它还整理：

美国国会议员交易、内部人士交易��政府合同、企业游说、机构交易等另类数据。

所以有时候一家公司股价还没什么动静，但突然拿到大量政府合同、游说支出增加，或者相关议员开始出现交易，我会顺手继续往下研究。

当然，国会议员交易不是实时的，千万别看到一笔交易就直接跟单。

5. Unusual Whales｜看大额期权和暗池资金

如果前面几个偏中长期，这个更偏短期资金。

我主要看：

Unusual Options Flow、Block Trade、Dark Pool、Gamma Exposure。

说人话就是：

今天市场里有没有特别大的资金，通过期权或者暗池突然下注某只股票。

比如一只平时没什么期权成交的股票，突然连续出现百万美元级别Call，至少值得把它加入观察名单。

但要注意：大额Call不一定等于看涨，也可能只是机构对冲。

所以我只把它当线索，不会直接照着买。

6. Nasdaq Institutional Holdings｜最快看机构持股结构

这个最适合新人。

输入股票以后，可以直接看：

机构持股情况、主要机��是谁、机构持仓结构。

没有WhaleWisdom那么复杂，但如果我只是想快速知道：

“这家公司到底有没有机构在里面？”

打开Nasdaq看一眼就够了。

所以我自己查“聪明钱”的顺序基本是：

WhaleWisdom看基金 → Dataroma看投资大师 → Fintel反查个股机构 → Quiver看国会/另类数据 → Unusual Whales看实时资金 → Nasdaq确认机构持股结构。

但有一点一定要记住：

聪明钱不是答案，只是线索。

13F最多可以滞后45天，国会议员披露也存在延迟，大额期权还可能只是对冲。

真正有价值的不是：

“巴菲特买了，所以我也买。”

而是看到一群聪明钱开始买以后，继续问一句：

他们到底看到了什么？

能把这个问题研究明白，才是这些网站真正的价值。

[黄小木 @ai_xiaomu]

https://t.co/bdQmrL5Y8v

[Terry @RichTerry123]

股市里赚钱的路，只有6条：第一条，是空仓等待异常大跌。手握大量现金，等待一场大危机。因为每次大跌，有人过早抄底被套，有人加杠杆被震出局——而你正好有现金，接过他们恐慌中抛出的筹码，最明显的就是2024年的9月，有些融资客爆仓后反而是一次捡便宜的机会，不到一星期时间可以赚了一年的利润。

第二条，是理解周期。
每个行业的周期，上涨往往持续两三年，下跌也要两三年，横盘也可能一两年。投资说到底是低买高卖：放弃当下热门，买入无人关注的股票，长期持有。目标不是赚百分之二三十，而是翻两三倍。

第三条，只买自己看得懂的股票。
赚自己能力圈里的钱。市场五千多只股票，不必全都关��，把握住你最懂的那几只就够了。

第四条，找到几家好公司，低价时分批买入。
股息率若能持续在较高水平，长期持有。十年、二十年后，你手握可观的股权，每年分红就可能覆盖生活，实现躺平。

第五条，专注一只熟悉的股票，反复做波段。
把成本做到负数，死磕这一只，赚它的波动钱。

第六条，做短线。
这需要极高的技术和对市场情绪的顶级理解。但在量化交易盛行的今天，这无异于虎口里找肉吃——难度极大，风险极高

[YoMii @Gas1688]

还在为AI Agent一爬网站就被封、验证码弹窗卡到怀疑人生？BrowserAct团队刚开源的这款浏览器自动化神器，三层反封杀直接给你拉满：

指纹伪装+TLS轮转+代理切换——环境层出手，绝大多数封堵连触发的机会都没有

验证码自动破解搞不定？remote-assist甩个链接出来，真人随时随地接管，完事Agent接着跑

多任务并行时Cookie、指纹、代理全隔离，账号各走各的道，绝不串味

输出专门给大模型优化过，Token比JSON省好几倍；还能自动生成可复用的抓取脚本，Build once，Run reliably。

🔗 https://t.co/dqfUjNC4G6

[WiseInvest @WiseInvest513]

为什么我现在越来越建议大家，如果有条件，一定要尽早把一部分时间放到美股上，而非加密！

因为你认真研究美股一段时间以后，会发现自己学到的早就不只是“哪只股票会涨”。

你会开始等 CPI、PCE、FOMC，知道为什么一个通胀数据出来，$QQQ、$NVDA、$BTC 可以在几分钟里一起动；

你会开始看 10Y、20Y、30Y 美债，慢慢理解为什么30年美债从5.1%走到5.3%，整个高估值科技股都要重新算一遍价格。

再往下，你会开始追佩洛西这些政客的公开交易，开始翻13F，看巴菲特、Thiel、但斌这些钱最近去了哪里。

然后你又会发现，股票也不能一只一只孤立地看。

$NVDA 后面连着 HBM，所以要研究 $MU、SK Hynix；

算力继续增加以后又卡网络、光通信，所以开始看 $MRVL、$AVGO、$LITE；服

务器全建起来以后发现没电，又得继续往 $VRT、$CEG、$VST、$BE 这条线研究。

研究到后面，你会慢慢发现一个很有意思的事情：美股其实像是一张世界经济运行图。

美联储管钱的价格，美国财政部决定债怎么发，科技公司决定钱往哪个产业砸，资本市场再用股价告诉你大家愿意为未来付多少钱。

这些东西一旦开始串起来，你理解的就不只是股票了。

为什么美元这么重要，为什么美国国债能影响全球资产，为什么AI起来以后铜、电力、存储都会跟着动，为什么一家公司财报很好股价反而跌，很多以前觉得非常零散的问题，会慢慢连成一张网。

这也是为什么我自己现在越来越愿意把时间花在这上面。

当然，最后能不能赚钱很重要。

但说实话，我现在反而觉得，比一次赚多少钱更值钱的，是你在这个过程中形成了一套理解世界怎么运转的方法。

而且投资这件事情有一个我特别喜欢的地方：它从来不要求你一次全垒打。

你不用今年找到下一个Nvidia，也不用每次财报都判断正确。

你20岁开始理解利率，25岁开始理解产业，30岁知道怎么看现金流、估值和周期，这些东西不会因为一笔交易结束就消失。

它会一直留在你身上。

然后某一天机会真的出现的时候，你会发现自己已经看得懂了。

所以我一直觉得��复利这个东西也不应该只拿来算钱。

本金会复利。

知识会复利。

判断会复利。

你研究过的公司、��过的坑、看过的周期，最后都会一点点留在后面的每一次选择里。

所以如果现在还有朋友问我，要不要花时间学习美股？

我的答案一直很明确：

越早越好。

不一定为了明天赚多少钱。

而是在人生很长的时间里，越早学会理解钱、产业、周期和风险，你后面做很多选择的时候，手里都会多一张牌。

以上