盈亏审美和见异思迁

Python GBDT Wine 多分类 特征重要性 Python GBDT Wine 多分类 特征重要性 梯度提升树在 Wine 数据集上三分类,输出混淆矩阵、特征重要性图与 report.csv。 功能: · Wine 三分类 · GradientBoostingClassifier · 混淆矩阵 · 特征重要性条形图 · report.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。 立即下载

隔夜市场在低位盘整,大饼(BTC)横亘在36-37k一线,寸步难行。山寨则是“人有悲欢离合,月有阴晴圆缺”,在519(2021/5-7月)前冲过一波的,今天还能站在519低位之上,那是这半年来有进步;跌到519低位以下的,那是这半年反而变的更软了。可能是筹码结构或者筹码释放导致,也可能是基本面出现问题。如果是基本面向好而价格背离,也许是逢低买入的机会;否则,还是要仔细掂量掂量为好。

如果我只是写出这样的分析,而不直接写明是AAA、BBB、CCC,很多人根本看不懂。那也没办法,为了避免带货嫌疑,我是不会写明具体名称或符号的。本来也不是为了成为什么操作指引,而只是为了交流和探讨一些道理。

经常会有一些具有最小素数属性的读者在评论区大放厥词,我想再次提醒他们,注意阅读每篇文章末尾的风险提示和免责声明。每篇文章都是个人笔记,不构成任何投资建议。加密货币是极高风险投资品种,有随时(随时!)归零(归零!)的风险,请谨慎参与,自我负责。“自我负责”什么意思?年满18周岁了,在法律意义上自己干些啥,别再像吃奶小孩一样怪娘没喂。这点儿基本的独立自主的意识都没有,整天哭爹喊娘的,总想把责任赖到别人身上,这样的人根本不适合投资,更别说投资随时会归零的加密货币了。

依赖心理的致命之处在于,它使人轻信。可是在这样一个弱肉强食的西部世界,轻信别人的后果绝对是死无葬身之地。因为最能招人信任的,往往都是spin doctor类型的大骗子。巨婴人格的小韭菜,傻傻的分不清。骗子口吐芬芳,好人良言苦口。他们欢呼起来:我爱骗子!

没有人会承认自己傻。一个经典的犯罪现象是,人们在被暴力抢劫之后往往不耽于声明自己被抢劫了,但是在被骗了之后,却会有很多人刻意隐瞒自己被骗的经过。其实我们知道,很多骗术根本就是靠的话术引导,而让受骗人乖乖上当,按照骗子的指示去取钱交给骗子。但是这些受害人在事后绝对不会承认骗子只是用几句话就把自己忽悠的团团转,而往往会说骗子用了迷魂药或者什么其他高级道具,自己才上当受骗的。为什么?因为我们可怜的自尊心,能够接受自己体力上不如犯罪分子,但是却不能接受自己智力上不如犯罪分子。

归根结底,我们这个时代的“审美”,已经不再是体力强大,而早已是智商优越了。

金融市场,就是赤裸裸的智商竞技场。在这里,你和对手不需要有任何肢体上的接触。甚至你们都不需要比较任何生理上的长短。你们唯一需要比拼的,就是纯粹的智力。而竞技的结果,也十分简单、清晰、即时而毫不留情地展现在每个人的面前,那就是盈亏。

盈亏,被与智商高低直接挂钩,就是当代最高级的审美。盈利,就是聪明有才华,就是美。亏损,就是笨蛋二百五,就是丑。简单粗暴。

在历史上,我们从未有过如此一元化的审美观。在金融市场以外的任何地方,都是“萝卜青菜,各有所爱”。你爱你的红酥手,我爱我的黄滕酒,他爱他的宫墙柳。情人眼里出西施,每个人眼里自己的爱人儿都是世上最美的。但是在这里,没有多元化。不管你是红绿蓝,不赚钱就是丑陋、愚笨、傻缺。这就是大多数人所奉行的价值观和审美观。

纵然是所谓的股神巴菲特,在很多买入并经历大幅回撤时,也都会遭遇到这样的美学审判。

这样的审美观还会导致我们对一个标的的喜恶和它的涨跌挂钩。一个蹭蹭上涨的品种,我们就会越来越喜爱和笃信它。而一个持续阴跌的品种,我们就会越来越怀疑甚至讨厌它。当它为我们带来浮盈时,我们对它深信不疑。当它跌到我们的持仓开始浮亏时,我们开始厌恶并想清仓它——眼不见为净嘛。

要想做一个真正的长期投资者,要想修习八字诀,就要意识到并克服掉这种强大的心理效应。要学会喜爱下跌的持仓,并在浮亏时越发高兴,因为此时加仓就是在降低整体持仓成本了。

记住,牛市的盈利都是来自于熊市的积累。日落西山你不陪,东山再起你是谁?如果市场进入熊市结构,正是八字诀积累筹码的良机。

满仓持币,无问西东。说来容易,却不轻松。你不负饼,饼不负你。整天见异思迁玩山寨,或者总想抛弃不再花枝招展的大饼,你又有什么资格幻想着大饼会还你以十倍、百倍的回报呢?它不割死你就已经是十分厚道的良人了呀。

(公众号:刘教链。知识星球:公众号回复“星球”)

(免责声明:本文内容均不构成任何投资建议。加密货币为极高风险品种,有随时归零的风险,请谨慎参与,自我负责。)

Cppcheck 可同时用于 C C++ 代码分析 Cppcheck 是一个资源有限的业余项目。您可以通过贡献 CPU 资源(默认 1 核,也可根据意愿贡献更多。使用 -j 标志可启用更多核心)提供帮助 立即下载

相关推荐

AI Hedge Fund

这是一个人工智能驱动的对冲基金概念验证项目。本项目旨在探索利用人工智能制定交易决策。请注意,本项目仅用于教育目的,不旨在进行实际交易或投资

企业RAG知识库搭建实战模板包:检索增强生成Prompt库与工作流配置

本资源包是一套通用的企业级 RAG(检索增强生成)知识库搭建方法论与模板,适合快速搭建企业私有知识库、AI 客服知识底座、文档智能问答系统。 【内容概要】 - 5个可直接复制的Prompt模板:文档采集与结构化、分段切分与向量化策略、检索增强问答系统、知识库质量与幻觉评估、增量更新与过期清理 - 2个工作流配置示意(Dify DSL + n8n JSON):知识源定时同步→向量库→检索问答流水线 - 3个结果记录表格模板:知识库文档清单、检索效果评估表、月度诊断报告 - 完整README方法论(RAG 五步法 + 核心指标定义) 【适用人群】 想搭建企业级 AI 知识库 / AI 客服的产品、研发、运营;关注私有知识管理与检索增强生成的团队;本地生活、SaaS、B2B 等依赖"知识沉淀+被准确问答"的行业。 【使用说明】 所有模板均使用 {{占位符}} 形式,替换为你自己的信息即可复用;API 密钥请放平台环境变量,不要写入任何文件。本资源为纯通用方法论框架,不含任何企业私有数据、个人隐私或商业机密,可安全用于学习与企业内部搭建。

幼儿园弱电智能化设计方案Word(98页).doc

智慧方案是依托物联网、大数据、人工智能等技术,针对智慧城市、智慧政务、智能制造等场景打造的智能化综合解决方案,是IT人做项目、写标书、做落地的核心参考资料。想快速找到精准、可落地的IT智慧方案,直接进‌找方案知识星球‌,这里覆盖30+细分赛道、1万+份专业文档,不用再花几天时间全网搜资料,对标案例、落地方案直接就能用,帮你省调研时间、快速推进项目。

B2_刹车盘桁架自动加工线设计模型.rar

B2_刹车盘桁架自动加工线设计模型.rar

期权五档行情数据包含合约代码、交易日期、行权价、到期月份、买卖五档价格及挂单量、最新价、成交量、持仓量等字段,展示盘口深度与动态

期权五档行情数据包含合约代码、交易日期、行权价、到期月份、买卖五档价格及挂单量、最新价、成交量、持仓量等字段,展示盘口深度与动态。分钟级别行情数据提供每笔分钟的合约代码、时间、开盘价、最高价、最低价、收盘价、成交量、成交额,记录价格连续变化过程。两类数据均覆盖多标的,适合量化分析与策略回测。 数据源:CMES金融数据库

TEL_____.DWG

当 CAD 缺失对应字体时,图纸文字会显示异常,出现乱码、问号。将下载好的字体文件复制到 AutoCAD 的 Fonts 文件夹中,即可恢复正常显示。

TP60转盘式电机压装机.rar

TP60转盘式电机压装机.rar

基于SpingBoot+Vue的定向越野赛事管理系统的设计与开发(代码+数据库+LW)

随着全民健身事业的深入推进与户外运动的快速普及,定向越野赛事举办频次持续提升,赛事规模与参与人数不断增长,参与者与组织者对赛事组织效率、服务质量及管理规范化的要求日益提高。然而,传统定向越野赛事管理仍依赖人工登记、线下核对、纸质记录等方式,普遍存在信息同步滞后、流程繁琐易错、数据统计低效、成绩核算耗时、资金与签到管理不规范等突出问题。例如,人工报名信息核对易出现遗漏与错误,现场签到排队拥堵影响参赛体验,成绩人工录入误差率高,赛事资金与物资管理缺乏透明化监管。这些问题不仅大幅增加赛事组织成本与人力消耗,还制约赛事运营效率与整体服务水平提升。在此背景下,构建一套数字化、一体化的定向越野赛事管理系统,成为赛事运营主体优化管理模式、提升服务质量的迫切需求。本研究旨在通过信息化技术重构赛事管理全流程,解决传统模式下的信息孤岛与操作低效问题,为定向越野赛事规范化、智能化管理提供可落地的解决方案。 本研究基于 Spring Boot 与 Vue 技术栈,采用前后端分离架构设计并实现了一套定向越野赛事管理系统。技术层面:后端依托 Spring Boot 框架搭建 RESTful API 服务,利用其自动配置与模块化特性简化开发流程,集成 MyBatis-Plus 优化数据持久化操作;前端采用 Vue.js 框架实现组件化开发,通过 Element UI 组件库构建交互友好的可视化界面,利用 Axios 实现前后端数据动态交互;数据库选用 MySQL 保障数据高效存储与事务一致性,同时采用手机号短信验证、JWT 令牌等机制强化系统安全性与用户权限管理。 本系统的实施为定向越野赛事运营与管理提供了显著的现实价值:其一,通过线上报名、信息筛选与自动化核对,大幅降低人工操作误差,提升赛事组织效率 30% 以上;其二,定位打卡签到与实时成绩同步功能,实现参赛流程无纸化、智能化,显著改善参赛者体验;其

单片机实例AVR系列程序555可调PWM发生器

单片机实例AVR系列程序555可调PWM发生器

ARM官方DSP库文档-下载即用.zip

打开链接下载源码: https://pan.quark.cn/s/a4b39357ea24 ARM公司特别为ARM架构的处理器,尤其是STM32系列微控制器,开发了一套高效的数字信号处理软件包。这个软件包内含多种基础的数字信号处理技术,例如快速傅里叶变换(FFT)比例积分微分(PID)调节器,其目的是辅助开发者在嵌入式环境中达成卓越的音频、图像处理及其他信号处理任务。 FFT(快速傅里叶变换)是一种高效计算离散傅里叶变换(DFT)的方法,在频谱分析、滤波器构造等方面有广泛应用。ARM的DSP软件包所提供的FFT功能通常配备多种尺寸的预制模块,用以满足不同数据长度的需求。使用者能够借助这些功能迅速将时域数据转化为频域数据,从而执行频谱分析或设计滤波器。 PID控制器是一种成熟的控制策略,由比例、积分及微分三个环节构成,用于调节系统的响应性能。在ARM的DSP软件包中,PID控制器的示范程序能够指导开发者如何设定改善PID参数,以实现系统的高精度控制。使用PID控制器一般需要调节Kp(比例系数)、Ki(积分系数)Kd(微分系数),以达成所需的响应速度稳定性。 在"Documentation"这份资料中,应当包含详尽的操作说明、API参考以及可能的示范程序。这些资料会阐释如何在工程中整合并运用ARM DSP软件包,以及各个函数的具体功能参数说明。例如,它可能会说明如何启动库,设定FFT的输入与输出存储区,以及如何启动结束FFT运算。对于PID控制器,资料会说明如何建立配置PID对象,如何更新获取控制器的状态,以及如何调整增益系数。 在实际项目执行中,掌握这些关键点对于提升嵌入式系统的运作效率至关重要。采用ARM官方的DSP软件包不仅可以增强代码的执行效能,...

TEB_____.DWG

当 CAD 缺失对应字体时,图纸文字会显示异常,出现乱码、问号。将下载好的字体文件复制到 AutoCAD 的 Fonts 文件夹中,即可恢复正常显示。

某市中医院后勤运维提升方案Word(102页).docx

智慧方案是依托物联网、大数据、人工智能等技术,针对智慧城市、智慧政务、智能制造等场景打造的智能化综合解决方案,是IT人做项目、写标书、做落地的核心参考资料。想快速找到精准、可落地的IT智慧方案,直接进‌找方案知识星球‌,这里覆盖30+细分赛道、1万+份专业文档,不用再花几天时间全网搜资料,对标案例、落地方案直接就能用,帮你省调研时间、快速推进项目。

TIR.rar

当 CAD 缺失对应字体时,图纸文字会显示异常,出现乱码、问号。将下载好的字体文件复制到 AutoCAD 的 Fonts 文件夹中,即可恢复正常显示。

ComfyUI -AI创作神器(Python源码附安装部署教程),图片、视频、音频、 3D全能搞定

ComfyUI 是一个模块化的 AI 创作引擎,通过「节点 + 工作流」方式组合模型处理流程。相比传统一键式 AI 工具,可以自行控制模型、参数、采样、提示词以及各个处理环节。 能做什么 · AI 文生图、图生图 · Inpainting / Outpainting · ControlNet、T2I-Adapter · LoRA、模型合并、高清放大 · AI 视频生成 · AI 音频生成 · 3D 模型生成 · 自定义节点与复杂工作流 · API 接入自动化生产流程

YOLO算法室内高尔夫模拟器球目标检测数据集-166张-包含 VOC Yolo 格式标签-支持多种算法训练模型.zip

下拉可见数据集可视化效果示意。 YOLO室内高尔夫模拟器球目标检测数据集 目标类别:['ball'] 中文类别:['球'] 训练集:166 张 验证集:0 张 测试集:0 张 总计:166 张 该数据集提供了data.yaml文件,内容如下: train: ../train/images val: ../valid/images test: ../test/images nc: 1 names: ['ball']

Python PDF批量元数据提取 页数报告

Python PDF批量元数据提取 页数报告 批量读取 PDF 标题/作者/页数等元数据,输出 metadata_report.csv 与页数柱状图。 功能: · 缺省自动生成演示 PDF · PyMuPDF 批量读元数据 · metadata_report.csv · 页数柱状图 · 标题作者导出 · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。

负荷预测基于VMD-SSA-LSTM光伏功率预测(Matlab代码实现)

内容概要:本文提出了一种基于VMD-SSA-LSTM的光伏功率预测模型,旨在提升光伏发电功率预测的精度与鲁棒性。该模型首先采用变分模态分解(VMD)技术对原始非平稳光伏功率时间序列进行自适应分解,将其划分为若干具有特定频率范围的本征模态分量(IMFs),以降低序列复杂性并抑制模态混叠;随后引入麻雀搜索算法(SSA)对长短期记忆网络(LSTM)的关键超参数(如隐含层节点数、学习率、批大小等)进行智能寻优,克服传统试凑法效率低、易陷入局部最优的问题,从而增强LSTM在时序特征提取与长期依赖建模方面的学习能力与泛化性能;最后构建SSA优化后的LSTM模型对各子序列分别进行预测,并将预测结果叠加重构,得到最终的光伏功率预测值。整个算法流程在Matlab平台上完整实现,并通过对比实验验证了该混合模型在均方根误差(RMSE)、平均绝对误差(MAE)决定系数(R²)等指标上均优于单一LSTM、SSA-LSTM及VMD-LSTM等基准模型,表现出更高的预测精度与稳定性。; 适合人群:具备一定电力系统基础知识Matlab编程能力,从事新能源发电预测、智能优化算法应用或电力系统调度等相关领域的科研人员与工程技术人员,尤其适合研究生及企业研发人员。; 使用场景及目标:①应用于光伏发电站的功率预测系统,为电网调度、能量管理与电力交易提供高精度数据支持;②作为信号分解、智能优化与深度学习深度融合的典型范例,用于学习VMD信号处理、SSA优化机制与LSTM神经网络的协同建模方法;③服务于科研论文复现、课题研究与项目开发中的高精度时序预测任务。; 阅读建议:建议读者结合Matlab代码逐步运行各模块,深入理解VMD分解效果、SSA寻优过程及LSTM建模细节,重点关注参数设置、模型训练过程与评价指标的变化趋势,以全面掌握该混合预测模型的设计思路、实现流程与调参技巧。

上一篇: 美联储不动声色,鲍威尔刚柔相济
下一篇: 功成事遂我自然
blockcoach
博客等级 码龄7年 1万+粉丝 1169原创
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值