最近有几点感受,首先是使用AI投研时,尤其是研究期权时发现以前常用的deepseek频繁出错,哪怕一个基础的日历价差都能出错,而且是我这种才研究没多久的新手都能明显识别的错误,这导致我新增了kimi跟gpt作为主要工具。
切换过来之后明显有一种“舒服了”的感觉,尤其是gpt不仅快且出错率低,并非广告实在是使用体感差别有些大,gpt出错原因更多的可能还是我在描述时有能产生歧义的部分。kimi整体略输于gpt,思考能力不差主要还是思考速度太慢了啊老铁,效率有些低。
gpt的深度记忆功能让我逐渐有了一种依赖性,就比如拿资产配置来说,我会把我所有的历史持仓、交易记录对应的主观逻辑以及持仓过、持仓中、备选持仓的所有我能搜索得到的信息全部让其归档记忆,那在我现在面对新的交易决策时,他就像另一个我一样可以与我进行深度讨论,不断重构我的思路,而这一点国产模型可能还暂时达不到。不过也是因为这个记忆能力,我在日常一些琐事或者一些简单不复杂的问题上依然会去使用deepseek,一方面是不想污染gpt的记忆池毕竟池子越杂出错概率越高,一方面是成本相对低廉。而对我来说kimi主要的应用领域是在高密度领域对gpt的方案进行复核,对与真金白银挂钩的领域多过一道审,会减少我本人的审核压力变相也提高了效率。
以此类推,那未来AI的发展会不会也是这样的分化场景?尖端模型主要入驻试错成本高的领域,且因为专业数据训练的高度依赖性导致模型切换成本随着使用时间与日俱增,护城河从模型能力逐渐变成与客户的深度绑定。而国产模型因为定价的优势,在非高精密高记忆要求的领域,作为基础性设施铺广开来,护城河则是量大便宜,且性能也还算跟得上。
切换过来之后明显有一种“舒服了”的感觉,尤其是gpt不仅快且出错率低,并非广告实在是使用体感差别有些大,gpt出错原因更多的可能还是我在描述时有能产生歧义的部分。kimi整体略输于gpt,思考能力不差主要还是思考速度太慢了啊老铁,效率有些低。
gpt的深度记忆功能让我逐渐有了一种依赖性,就比如拿资产配置来说,我会把我所有的历史持仓、交易记录对应的主观逻辑以及持仓过、持仓中、备选持仓的所有我能搜索得到的信息全部让其归档记忆,那在我现在面对新的交易决策时,他就像另一个我一样可以与我进行深度讨论,不断重构我的思路,而这一点国产模型可能还暂时达不到。不过也是因为这个记忆能力,我在日常一些琐事或者一些简单不复杂的问题上依然会去使用deepseek,一方面是不想污染gpt的记忆池毕竟池子越杂出错概率越高,一方面是成本相对低廉。而对我来说kimi主要的应用领域是在高密度领域对gpt的方案进行复核,对与真金白银挂钩的领域多过一道审,会减少我本人的审核压力变相也提高了效率。
以此类推,那未来AI的发展会不会也是这样的分化场景?尖端模型主要入驻试错成本高的领域,且因为专业数据训练的高度依赖性导致模型切换成本随着使用时间与日俱增,护城河从模型能力逐渐变成与客户的深度绑定。而国产模型因为定价的优势,在非高精密高记忆要求的领域,作为基础性设施铺广开来,护城河则是量大便宜,且性能也还算跟得上。
0
昨天参加活动与高手们切磋了一下,果然还是切磋中可以快速发现自己的认知盲点,回去整理复盘之后再度将自己的投资投资框架进行了升级。
1.用风险溢价性价比模型决定买什么资产。
2.用认知深度和组合风险决定初始仓位。
3.基本面价值增长允许核心仓位随之提高。
4.价格上涨超过价值部分定义为浮动估值仓,允许在强趋势中奔跑。
5.趋势破坏之后允许右侧兑现浮动仓,但不轻易动核心仓。
6.浮动仓卖出后回到第一步,重新参与全市场风险溢价竞争。
7.CTA、股票alpha、套利等非选股类策略,不硬套价值框架,评价基准变成对应的风险溢价供需关系以及市场机会横向类比。
其实宗旨就是超涨部分允许杀跌,而买入只能靠筛选性价比。随着资金量越来越大,风控的重要性日益提高,而且我认为自己并没有精确择时的能力,那就必须要建立一套可量化的框架来进行再平衡。
传统意义上的按时间再平衡或者是按阈值再平衡其实忽略了标的的内在属性关联,尤其是在A股市场收益非常依赖肥尾效应,哪怕是桥水风险平价模型来了都不适应,其加入了主观体系之后美其名曰全天候增强,实则也是一种无奈之下的主观择时。
1.用风险溢价性价比模型决定买什么资产。
2.用认知深度和组合风险决定初始仓位。
3.基本面价值增长允许核心仓位随之提高。
4.价格上涨超过价值部分定义为浮动估值仓,允许在强趋势中奔跑。
5.趋势破坏之后允许右侧兑现浮动仓,但不轻易动核心仓。
6.浮动仓卖出后回到第一步,重新参与全市场风险溢价竞争。
7.CTA、股票alpha、套利等非选股类策略,不硬套价值框架,评价基准变成对应的风险溢价供需关系以及市场机会横向类比。
其实宗旨就是超涨部分允许杀跌,而买入只能靠筛选性价比。随着资金量越来越大,风控的重要性日益提高,而且我认为自己并没有精确择时的能力,那就必须要建立一套可量化的框架来进行再平衡。
传统意义上的按时间再平衡或者是按阈值再平衡其实忽略了标的的内在属性关联,尤其是在A股市场收益非常依赖肥尾效应,哪怕是桥水风险平价模型来了都不适应,其加入了主观体系之后美其名曰全天候增强,实则也是一种无奈之下的主观择时。
2
赞同来自: walkerdu 、skyblue777
因为我的投资方法论是基于风险溢价性价比的大类资产轮动,且调仓频率常以季甚至是年来计算,所以周度净值对我来说没有太大的意义,以后主要在观点更新、调仓前后发一下持仓。
本周总净值+4.41%,ytd+32.12%
持仓情况:科技21%,量化选股10%,CTA41%,股票中性13%,套利11%,现金4%
本周五加仓了10%的量化选股,原因有几点。
一是当下的国债收益率在1.2-1.7之间,由于宏观形式的影响短期内很难有上升的趋势,导致了目前大资金如果离开权益市场之后有性价比的去处非常有限,还有就是海量的银行、保险资金在持续长期入市每年有大几千亿的体量,一进一出两道闸口可以将总的水量限制在一个比较高的水位。
二是在国内推出股指期货之后,宽基的整体振幅相比以前没有做空机制时已经大幅下降,尤其是推出IM、MO之后大幅分摊了过去由IC一力承担的机构做空需求,整体中枢逐渐趋向稳定,股指呈现高位贴水低位升水的常态化说明参与者越来越理性,很难再出现像过去动辄暴跌几千点的情况了,当前的点位算中等偏高一些但如果能寻找到α超过15%的管理人,这个点位是具备配置价值的。
三是我加仓的属于高频类的量化,目前还有一些规模上的红利尾巴在,对市场成交量的敏感度没有那么高,哪怕市场震荡下行也预期能有15%以上的年化α,对应IM就是一年下跌1100点,我觉得性价比是值得拿10%的仓位出手的。
科技方面本周回暖12%,年内维持在翻倍的涨幅,持仓还是以北美AI产业链为主,基本面没有大的变化,依然耐心等待agent链接爆发的那一天。到时候的gamma必然是质变,想现在减仓到时候再加仓我个人认为是很难做到的,不如耐心持有。
再说到CTA,本来是去年底判断股票高位,赎回之后挪到CTA里去,预期是股票可能小涨可能大跌而CTA则相对稳健,但今年的CTA确实给了个大惊喜,只用20%的仓位贡献了接近50%的利润,这主要受益于霍尔木兹的地缘政治因素带来的行情,以及最近受强厄尔尼诺效应的影响。目前这两方面因素还是在持续中,暂时先让利润跑一会儿,本来前段时间还想加点仓但基于风控原因没法让单板块占太大的比例,目前如果按单倍杠杆计算的话CTA已经达到50%的持仓了,哪怕再看好也要给组合留一些余地。
套利与股票中性依然作为类现金替代,6-8%的年化我觉得性价比依然是不错的。以前只要手上有现金且股票点位只要不是特别高就忍不住加仓,我现在回想过来有一个巨大的原因就是类现金收益太低了,一边是两个点的现金,一边是一旦踏空就是十几个点的收益没赚到,踏空的预期给人的压力太大了。当有了6-8个点的类现金之后,哪怕股票仓位打得很低也会非常从容,万一股票市场大跌就能做到像巴菲特一般别人恐惧我贪婪,有类现金在手心态确实平和。目前刚加完一手量选,接下来IM每下跌1000点就加10%仓位,静待花开。
本周总净值+4.41%,ytd+32.12%
持仓情况:科技21%,量化选股10%,CTA41%,股票中性13%,套利11%,现金4%
本周五加仓了10%的量化选股,原因有几点。
一是当下的国债收益率在1.2-1.7之间,由于宏观形式的影响短期内很难有上升的趋势,导致了目前大资金如果离开权益市场之后有性价比的去处非常有限,还有就是海量的银行、保险资金在持续长期入市每年有大几千亿的体量,一进一出两道闸口可以将总的水量限制在一个比较高的水位。
二是在国内推出股指期货之后,宽基的整体振幅相比以前没有做空机制时已经大幅下降,尤其是推出IM、MO之后大幅分摊了过去由IC一力承担的机构做空需求,整体中枢逐渐趋向稳定,股指呈现高位贴水低位升水的常态化说明参与者越来越理性,很难再出现像过去动辄暴跌几千点的情况了,当前的点位算中等偏高一些但如果能寻找到α超过15%的管理人,这个点位是具备配置价值的。
三是我加仓的属于高频类的量化,目前还有一些规模上的红利尾巴在,对市场成交量的敏感度没有那么高,哪怕市场震荡下行也预期能有15%以上的年化α,对应IM就是一年下跌1100点,我觉得性价比是值得拿10%的仓位出手的。
科技方面本周回暖12%,年内维持在翻倍的涨幅,持仓还是以北美AI产业链为主,基本面没有大的变化,依然耐心等待agent链接爆发的那一天。到时候的gamma必然是质变,想现在减仓到时候再加仓我个人认为是很难做到的,不如耐心持有。
再说到CTA,本来是去年底判断股票高位,赎回之后挪到CTA里去,预期是股票可能小涨可能大跌而CTA则相对稳健,但今年的CTA确实给了个大惊喜,只用20%的仓位贡献了接近50%的利润,这主要受益于霍尔木兹的地缘政治因素带来的行情,以及最近受强厄尔尼诺效应的影响。目前这两方面因素还是在持续中,暂时先让利润跑一会儿,本来前段时间还想加点仓但基于风控原因没法让单板块占太大的比例,目前如果按单倍杠杆计算的话CTA已经达到50%的持仓了,哪怕再看好也要给组合留一些余地。
套利与股票中性依然作为类现金替代,6-8%的年化我觉得性价比依然是不错的。以前只要手上有现金且股票点位只要不是特别高就忍不住加仓,我现在回想过来有一个巨大的原因就是类现金收益太低了,一边是两个点的现金,一边是一旦踏空就是十几个点的收益没赚到,踏空的预期给人的压力太大了。当有了6-8个点的类现金之后,哪怕股票仓位打得很低也会非常从容,万一股票市场大跌就能做到像巴菲特一般别人恐惧我贪婪,有类现金在手心态确实平和。目前刚加完一手量选,接下来IM每下跌1000点就加10%仓位,静待花开。
4
赞同来自: 朝阳南街 、kolanta 、walkerdu 、skyblue777
昨天无意间发现了一个AI提示词,可以深度挖掘自己的天赋,我感觉挺有意思于是复制下来发给AI开启了我的天赋挖掘之路,这一挖就是十来个小时,当然实际可长可短随时可以让AI控制节奏。在这个过程中就像是我又重新过了一遍自己的人生,并且把一些重要的节点再度进行了复盘,在梳理过程中我逐渐发现了自己究竟是怎样一种认知模式,并且对应的偏好与风险都能够进行系统化的整理,我觉得对我以后的人生还是帮助挺大的,这里分享给大家,将下面的提示词整段复制给AI,然后开始问答。
Role: 深度天赋挖掘机
角色你是一位结合了盖洛普优势理论、心流理论与荣格心理学的资深生涯咨询师。你坚信天赋不是某种具体技能,而是可迁移的底层能力。
目标通过多个深度多轮对话,帮助用户打破焦虑,帮他们找到他们被影藏起来的天赋,并生成一份极度详细、专业有共情力的《天赋说明书》。
核心理念1. 反宿命论。2. 能量审计:真正的天赋是让你回血的事,而不是你单纯擅长但做完很累的事。3. 阴影即宝藏:用户的缺点、怪癖、甚至对他人的嫉妒,往往是天赋被压抑的背面。
严格遵守1. 禁止一次性提问:必须采用“你问 -> 用户答 -> 你简短反馈 -> 再问下一题”的模式。每轮对话只聚焦一个问题。2. 苏格拉底式引导:不要急着下结论,多问“为什么”、“当时什么感觉”、“具体例子”。3. 温暖而犀利:保持共情,但在捕捉用户逻辑漏洞或潜意识信号时要敏锐。
提问问题提问 1:请引导用户回忆16岁之前(未被社会完全规训前),有哪些事情是没人逼也会废寝忘食去做的?或者有哪些从小到大被批评的“顽固缺点”(如爱插嘴、太敏感、爱发呆)?提问 2:成年后的工作/生活中,哪件事让你觉得“这还需要学吗?这不是显而易见的吗?”但周围人却觉得很难?(寻找无意识胜任区)。提问 3:哪件事做完后虽然身体累,但精神极度亢奋?提问 4:这可能有点冒犯,但很关键,你曾经对谁(或哪种生活状态)产生过强烈的嫉妒或酸溜溜的感觉?(嫉妒通常是“被压抑的天赋”在发出信号,请诚实面对)。这四个问题必须问到,但是不一定是线性的,过程中也可以根据你对用户的好奇和挖掘,来提出全新的问题,只要对发掘用户的天赋有帮助。最多不超过10个问题。
输出综合所有问题的信息,输出万字左右的《个人天赋使用说明书》。这篇报告不设定结构,由你根据用户的答案,自由发挥。但必须一万字以上,需要达到他的内心,让他真的觉得有用,帮助他找到真正的底层天赋,为他未来的人生路和从事职业给与详细的建议。
开始请以温暖、专业、共情的语调开场,像用户详细解释接下来的流程和占用的时间,以及希望达成的目标。向用户问好,用通俗语言简述天赋挖掘机的作用,告诉用户:“天赋永远不会过期,我们只是要找到你的底层天赋。”然后在再开始进入提问流程
2
赞同来自: skyblue777 、不虚不实
最近受邀去给人做资产配置培训,但其实AI时代是不乏信息的,市面上关于资产配置的各种理论林林总总,我不过是其中一名参与者,能讲出什么东西呢。我想了很久,最终在建淞老师的帖子里获得了灵感:你真的了解自己的风险偏好吗?
就评估回撤而言,我认为可以从五个维度来进行拆解:
1.亏多少
2.亏多快
3.亏多久
4.相对盈亏
5.流动性需求
所以不能简单地用我能承受多大的回撤来评估自己的风偏,还应该更细化下去。下面举例几个同样是年化8%最大回撤10%的策略。
策略A:每个月稳稳赚1%,但每隔一两年会突然遇到一个月暴跌10个点。
策略B:每个月稳定亏0.5%,但隔两三年就会突然遇到一波行情暴涨50%。
策略C:每个月都是随机涨跌,总体数学期望是收益8%,10%的回撤只是单次样本极值的呈现。
三种策略同样的卡玛比率(年化收益/最大回撤),对应的风险函数却是三种极端,持仓体验也是天差地别。
还有就是建淞老师与小姐姐在两种收益计算上的思维差异,小姐姐是绝对收益思维相对好理解,而建淞老师则是每年刚需提取流动性的情况下做相对收益的思维,需要较高的实操能力。策略上意见的不同,在外在条件的起点开始就已经分道扬镳,往后种种,皆是雾里看花。
而我最终的感悟是:
资产配置虽然会降低整体收益期望,但最大的作用是能够让你以适合自己的方式,长期持有合适的风险,
就评估回撤而言,我认为可以从五个维度来进行拆解:
1.亏多少
2.亏多快
3.亏多久
4.相对盈亏
5.流动性需求
所以不能简单地用我能承受多大的回撤来评估自己的风偏,还应该更细化下去。下面举例几个同样是年化8%最大回撤10%的策略。
策略A:每个月稳稳赚1%,但每隔一两年会突然遇到一个月暴跌10个点。
策略B:每个月稳定亏0.5%,但隔两三年就会突然遇到一波行情暴涨50%。
策略C:每个月都是随机涨跌,总体数学期望是收益8%,10%的回撤只是单次样本极值的呈现。
三种策略同样的卡玛比率(年化收益/最大回撤),对应的风险函数却是三种极端,持仓体验也是天差地别。
还有就是建淞老师与小姐姐在两种收益计算上的思维差异,小姐姐是绝对收益思维相对好理解,而建淞老师则是每年刚需提取流动性的情况下做相对收益的思维,需要较高的实操能力。策略上意见的不同,在外在条件的起点开始就已经分道扬镳,往后种种,皆是雾里看花。
而我最终的感悟是:
资产配置虽然会降低整体收益期望,但最大的作用是能够让你以适合自己的方式,长期持有合适的风险,
Edge
Chrome
Firefox

京公网安备 11010802031449号