声色全码

ignore the noise

[جوري @amancaer1]

لم يتوقع أن يحدث هذا 😍😱

[Diogo Almeida @CompleteSkeptic]

https://t.co/lkDM4VXS4e

[湖若深 Shen HU @henryhuchina]

《黄金当前上涨根基仍较脆弱，不宜过度乐观》

黄金ETF的流出压力尚未出现明确逆转，西方投资需求仍处于观望或净流出状态。与此同时，尽管全球央行购金节奏保持稳健，尤其是新兴市场央行的储备多元化需求持续释放，但这一结构性买盘尚未对当前金价形成足够强的对冲和支撑作用。

在当前供需结构下，金价的上涨更多仍是在实际利率和美元流动性框架内的金融属性交易。真实收益率的边际变化、美联储政策预期以及风险资产的相对表现，仍在很大程度上主导短期价格波动。这意味着，本轮上涨的根基相对脆弱：一旦实际利率重回上行通道，或美元流动性环境出现收紧，缺乏强劲投资需求接力的情况下，价格容易再次承压。

需要强调的是，这并不意味着黄金必然会再次大幅探底。行情是走出来的，底部也可能在震荡中逐步上移。但当前市场更突出的特征在于，黄金的短期承压能力偏弱。只要风吹草动——无论是实际利率的意外上行、风险偏好的边际改善，还是ETF资金的进一步流出——价格都容易出现快速回调。这反映出本轮上涨更多是外部变量驱动，而非内生需求强劲推动的结果。

因此，当前黄金仍处于“有底部支撑、但缺乏强劲上行动能”的阶段。其持续性仍取决于两个关键观察：一是西方ETF资金是否真正出现持续回流，二是央行购金能否在价格回调过程中提供更明显的托底效应。在这两个条件尚未完全兑现之前，对金价的短期表现仍宜保持谨慎。

[声色全码 @vinaElPison]

@Pathusa 只会买体彩的一脸懵，还能这样

[皓樂芒 @howlemont]

FRED/BIS发布的“中国实际住宅物业价格指数”（Real Residential Property Prices for China）回到了2006年水平，抹去了过去20年的真实涨幅。

需要特别指出， 这个是经通胀调整后的实际价格，而普通人日常感知的名义价格（实际支付的钱）远没有回落那么多，甚至在很多城市仍处于高位。

这意味着在扣除物价上涨因素后，房价的真实购买力水平回到了20年前。

以上海为例的名义价格对比（大致数据）

- 2006年左右：上海商品住房平均成交价约7000-9000元/平方米（不同统计口径如官方 vs 市场估算略有差异）。

- 2026年当前：上海新房/二手房均价根据不同来源，大约在3万-6万+元/平方米（视区域和楼盘类型而定，核心区更高）。

按此计算，名义价格大约是20年前的4-8倍。

为什么有这个区别？

过去20年中国累计通胀（CPI）大致让物价水平翻了约2倍左右，加上城市化、收入增长和过去泡沫累积，名义房价自然大幅上涨。

但实际价格指数回落，说明房地产市场在扣除通胀后已经经历了显著的真实调整（尤其是二三线城市和全国整体层面）。

体现在实际生活中，对购房者（尤其是年轻人）来说名义房价依然很高，首付和月供压力大，感知到的“贵”没有改变。

对已经有的持房家庭来说，名义财富看起来可能没少，但实际购买力（能换成其他商品/服务的真实价值）在房地产上已经缩水。

市场整体反映了泡沫的挤出过程，而不是简单“崩盘”。

另外，中国家庭住房自有率很高，约90%

[Alpha哥AI投资日记 🌴 📈 @AlphaguyTrading]

大模型token消费指数6 月已经明显回落了。

LLM Token Expenditure Index 从去年底到 5 月底几乎翻倍，最高接近 2 美元 / 百万 tokens，但 6 月开始快速回落到 1.6–1.7 附近。

这才是我担心 Anthropic ARR 的核心原因。高价 frontier token 的定价权开始松动。

过去半年市场交易的是：

AI 使用量增长
高价模型占比提升
企业愿意为更强模型付更高价格
OpenAI / Anthropic ARR 可以继续线性外推
但现在 GLM、Qwen、DeepSeek 这类开源/准开源模型进步太快，很多企业 workflow 可能会变成：
20%–30% planning / hard reasoning 用 Claude / GPT
70%–80% execution / coding /客服 / 文案走低价模型
再叠加企业开始做 token budget、model routing、cache、用量管控，结果可能是：

token 还在增长，但高价 token 的收入占比下降。

所以 7–9 月真正要看的，不只是 OpenAI / Anthropic 的 usage，而是 ARR / run-rate revenue 会不会低于市场线性外推。

AI 没结束，但“高价闭源模型无限定价权”这个叙事，可能已经在 5 月底见过阶段性顶部。如果 Anthropic ARR 出问题，会间接影响半导体和存储，尤其是仓位和杠杆都很拥挤的情况下

[The Kobeissi Letter @KobeissiLetter]

Leverage in South Korean chip stocks is out of control:

Single-stock leveraged and inverse ETFs tracking SK Hynix now hold ~$19 billion in total assets, more than 4 times the stock's average daily trading volume this year of ~$4.5 billion.

At the same time, Samsung has ~$12.4 billion in leveraged ETF assets, +176% above its ~$4.5 billion in average daily turnover.

Furthermore, the Hong Kong-listed 2x leveraged long SK Hynix ETF, which holds ~$13 billion in assets, is worth about twice the value of SK Hynix shares traded on an average day, the widest gap of any major stock with a leveraged ETF tracking it.

By comparison, Micron, $MU, has ~$9.9 billion in leveraged ETF assets, well below its ~$27.5 billion in average daily trading volume.

All while Tesla, $TSLA, and Nvidia, $NVDA, have leveraged ETF assets of ~$6.0 billion and ~$5.6 billion, both far smaller than their daily trading volumes of ~$23.6 billion and ~$28.8 billion, respectively.

Leverage concentration in Korean chip stocks is through the roof.

[The Kobeissi Letter @KobeissiLetter]

BREAKING: World central banks purchased +41 tonnes of gold in May, the largest monthly addition since November 2025.

This follows +17 tonnes acquired in April, and marks the 3rd monthly purchase this year.

Poland led for the 2nd consecutive month at +18 tonnes, bringing its year-to-date total to +64 tonnes, with gold reserves now at a record 614 tonnes.

China added +10 tonnes, the biggest monthly addition since December 2024, increasing its official gold reserves to a record 2,331 tonnes, also accounting for 9% of total FX reserves, near an all-time high.

This also marks the 20th consecutive monthly purchase by the Chinese central bank.

At the same time, Uzbekistan and Kazakhstan acquired +9 tonnes and +7 tonnes, respectively.

Central bank demand for gold is back.

[先知 @Crypto_He]

世界杯看累了，来看看国足提提神吧@bcgame

[声色全码 @vinaElPison]

@NoraX2026 应该是小时候被浸猪笼了吧

[Balder @Balder13946731]

https://t.co/lyH1t9IZBk

[声色全码 @vinaElPison]

@BabybusFL 不演了，真的好想存储死球，有一瞬间觉得这个大空头也挺帅的…

[声色全码 @vinaElPison]

@BabybusFL 该死的缅a多学学美股啊！流下了羡慕的泪水

[Herman Jin @ShanghaoJin]

币圈半导体大神们，有没有想过4月牛是流动性牛、并不是你们投研牛？

另外告诉你们：一把洪水，后面得靠地上剩的，别指望新下雨了

[声色全码 @vinaElPison]

@nft_hu 说的是黄金，对吧😭

[皓樂芒 @howlemont]

新上任的美联储主席凯文·沃什 (Kevin Warsh)，7月1日在葡萄牙的央行论坛上说，不再提供前瞻指引（forward guidance )，

俗话说权力就像春药，如果说这个世界上有人比美国总统权力更大的话那1个就是美联储主席了。

权力最迷人的地方，往往不在于你发号施令。

而在于不管你说什么，做什么，都自有大儒为你诵经

别人开始自动替你解释世界。

你咳嗽一下，交易员就去调模型。你少说一个词，债券市场先动一轮。你在记者会上皱一下眉，华尔街开始猜下一次加息还是降息。

久了以后，掌权人容易产生错觉：宝刀在手，江山我有

一个新官上任的美联储主席能在权力的顶峰公开削弱自己的神谕感，这确实能让别人高看一眼。

但大家也不要想得太天真。Warsh 并没有把权力还给市场，他只是把明牌收起来了。

这种清心寡欲的姿态，其实带着极其精妙的权术算计。

以前央行说，我大概会怎么走；现在 Warsh 说，我不告诉你路径，你自己看数据。

欧洲央行的 Lagarde 说自己曾后悔被 forward guidance 绑住，Warsh 当场附和。

这背后是央行在通胀年代共同留下的疤，判断一旦错了，承诺就会从工具变成枷锁。

以前美联储试图当市场的剧透者，结果被自己的预测死死绑住。

现在沃什彻底打破这个枷锁。他能展示这种克制，是因为底气变了。6月FOMC把联邦基金利率目标维持在3.50%到3.75%，当利率告别零利率下限的泥潭，美联储重新拥有了真金白银的常规弹药。

这也是 Warsh 这套姿态值得观察的地方。它既有节制，也有权术。节制在于，他不愿意把 Fed 主席变成市场保姆。权术在于，当他不再承诺路径，他手里的选择权反而更大。

今天通胀高、油价扰动、总统想降息，他可以用“看数据”挡住政治压力。
明天如果增长下滑、就业走弱，他也可以用同一句“看数据”迅速转向。

没有 forward guidance，不等于没有 Fed put。

然而，这种纯粹以数据为导向的策略，也会引入其他的风险。

宏观经济数据是出了名的后视镜。无论是核心通胀还是就业人数，反映的都是几个月前的经济惯性。

如果坐在原地等待指标给出无可辩驳的信号再行动，货币政策势必陷入追赶市场的被动局面。

更棘手的麻烦在技术冲击层。沃什判断AI 对货币政策的决策有巨大意义，AI短期会推高存储、算力和科技产品需求，长期又可能通过生产率压低通胀。这个判断很关键：如果 AI 投资被看成过热需求，央行会施压；如果被看成生产率跃迁，央行可能容忍。

所以如果技术繁荣在短期内吹出巨大的资产泡沫，央行部队新情况做出新判断，而是死守2%终端通胀数据的理想水平，或者就会变成一个只盯着后视镜的央行，就会陷入认知盲区。

这套“刻意战略模糊”策略，在常态期是一剂清醒剂，能有效挤出投机水分，但在危机期会加剧boom-bust 的幅度。

当年真正错的是前瞻指引这个工具，还是央行对通胀的判断？

如果预测本身就错了，你不说话不会让市场变聪明，只会让错误更难提前暴露。

一旦遭遇系统性的黑天鹅事件，华尔街绝不需要一个坐在电脑前等待下个月数据报告的统计学家。

当风暴真正来临，白宫施压、市场大跌，这位试图打破神话的新主席，还能不能继续死守他的客观?

究竟是资本学会了独自面对风浪，还是美联储不得不重新出来 forward guidance？

但是至少，现在，

Warsh在任期开始时，拒绝了最廉价的成瘾感：

全世界 A~ttention，Read my lips ！

[本杰明乌萨奇 @Corsica267]

没那么麻烦的，看数据和时间窗口的对应。整体先是美债和AI拉高融资成本，然后开始爆两条线。
第一条线是AI高Beta仓位的去杠杆降风险。这个和基本面无关，就是资金的短期收缩，把波动最大杠杆最大的获利盘止盈，AI边际票砍仓。这一条的潮汐走的是资金价格，最近的相关交易主题也不是基本面和信用面，资金挤占。融资成本一松下来就涨，一紧又跌。Capital Allocation.
第二条线是汇率线，也就是美元涨海外汇率跌。配合加息预期，配合海外市场经济率先走弱，配合本币的债务信用。宏观线。
那么传统上认为，第一阶段的后者，也就是弱海外，会继续推高美元，买国债然后给黄金缓慢托底。鉴于边际资金定价还是在美国，这一部分债和黄金的抛售还是主线，速度压过避险。这个时候的认知，是海外利空相当于利好美国。当下做的就是第一阶段刚开始。
二阶段就是看海外是不是影响美国了。资金线是美元高位震荡和利率逐渐下降，观察海外市场信用，以及AI是不是进一步收缩。以及本币是不是继续跌嘛。韩国正好占两头，所以老是熔断。韩国是AI主线的高Beta表达。也是为什么我上周说，不要急着做多，资金价格反复的。
相应的，观察韩元是不是能够稳住，韩国银行股/CDS/美元债有没有扩散压力，SMH/QQQ反弹时RSP和低波能不能跟上，以及10年TIPS能不能从2.2%上方回落。如果亚洲国家币值破位，以至于影响信用指标，那么美股AI核心就有可能受影响，叙事切换到海外信用风险。Hedgeye下半年在埋伏这条线，但是他们的指标我觉得有点偏，试图用大宗的价格去判断海外经济面，以及美国订单收缩预示美国已经受影响了。
Anyways。

[声色全码 @vinaElPison]

@BabybusFL 把天赋带到尼克斯吗

[皓樂芒 @howlemont]

微软microsoft发布的SkillOpt，可以无需调整模型就像训练神经网络一样训练智能体agent的skills，

目前的Agent Skills 大多依靠手写或单次生成，随后便处于静态。

Skills无法通过反馈进行可靠的迭代与演进；而如果用直接微调底层大模型不仅成本高昂，在实际工程中也难以落地。

SkillOpt 将你的Skill文档视为可训练的状态（Trainable State）。

不修改模型权重，而是通过结构化的编辑（增、删、改）来不断演进一个 Markdown 格式的Skill文件，并利用留出集（Held-out Data）上的实际表现进行严谨验证。

最终产出一个紧凑、可移植的 best_skill.md，供任何基座大模型直接套用即可。

运行机制是这样的：
>>设定初始技能文档。
>>多次运行智能体，收集执行轨迹（Trajectories）。
>>评估表现并提出修改建议。
>>仅在验证集表现确认提升时，才接受修改。
>>重复上述步骤，历经数个训练轮次（Epochs）。
>>部署最优技能文档。

简单来说，这就是提示词层面的随机梯度下降（SGD for prompts）。它拥有明确的更新边界、验证门控、训练轮次和学习率，整个过程完全不碰模型权重。

在 6 个基准测试、7 款模型、3 种执行环境上进行了全面测试的实际成效 (The Results)

在全部 52 种测试组合中，斩获第一或并列第一。
在 GPT-5.5（直接对话）上，平均提升 23.5 分。 在 Codex 的智能体循环（Agentic Loop）中，提升 24.8 分。
在 Claude Code 环境内，提升 19.1 分。

优化后的技能可跨模型、跨执行环境无缝迁移，且零推理时额外开销（Zero inference-time overhead）。

链接如下：

https://t.co/kZLGyxhNxx

[声色全码 @vinaElPison]

@henryhuchina 请问大佬上哪里看的cta的持仓数据