统计物理和控制论是理解量化最好的方式。
统计物理告诉你市场是什么。
市场从来不是一个处于均衡状态的死物,在我们的视角下,市场是一个由无数异质性个体构成的非平衡态复杂自适应系统。
在这里,价格的波动、流动性的枯竭、尾部风险的爆发,本质上对应着物理学中的相变和临界现象。
用粗粒化和序参量的思想去理解市场,才能看清本质。
控制论告诉你如何与市场交互。
市场是一个典型的不确定、部分可观测、且具有强反馈的动态系统。
控制论里的状态估计、可观测性、以及最优控制正是处理这种黑箱演化与反身性反馈的唯一正解。你有能力对一个动态系统进行持续的观测、状态重建与干预。
多项式拟合和浅层机器学习,是去描绘价格的残影的。不过我到达这个阶段也经过了传统经济金融的学习。
所以值得盯的是序参量和它的响应函数。
临界点附近关联长度发散,异质性坍缩成同步,磁化率。在市场里就是对微小冲击的敏感度,趋于无穷。流动性枯竭是症状:它是易感性发散在微观结构层面的投影。
我们看到的是深度消失,底下发生的,是自由度被少数几个模式吞噬掉。
控制论那一半更难。
价格只是一个低维、含噪、且被严重截断的观测投影。所以第一性的问题从
是关于这个系统对我是否可观测的问题。
我认为,可观测性是靠观测算子的设计去挣的。多尺度、多资产截面、订单流微观结构,本质上都是在扩张可观测子空间。
还有一个问题,反身性让分离原理失效。
经典控制里,我们可以先估计再控制,因为被控对象不知道你在估计它。
可是市场知道。
你的下单本身进入了状态方程,冲击成本是反馈通道。而观测者在系统内部,控制器是被控对象的一部分。
这时,最优控制必须重新定义,这个最优是在你自己参与塑造的动力学下最优。
显示更多
有人预测:中国持有2套房以上的家庭,或许会迎来3个结局,要警惕。
第一种结局,房子还在,钱却被这笔债锁住。
我姑父在县城有两套房,一套自己住,一套是当年给儿子准备的婚房。
儿子却在省城安了家,那套婚房就闲置了。
当初,我姑姑说把那套婚房卖了,给儿子在省城全款买房,可是姑父不同意。
他舍不得卖,说等涨了还能赚一笔钱,老了靠租金还能养老。
可现在的实际情况是,那套房子已经挂中介两年了,无人问津。
房子白白空着,物业费一年两千,取暖费报停了还得交30%,近一千块钱。
姑父经常无奈的说:“老后悔了,当时就应该卖了,现在倒好,房子空着,卖不出去,租不上价,每年还得往里搭上三四千,这不是资产,这是债。”
说白了,守着一堆冷砖头,手里没活钱,价太低了卖实在亏的肉疼,这就是纸面富贵,表面光鲜,背后难受。
第二种结局,房子有价无市,变成卖不出去的“沉睡资产”。
我有个同事,在新区买了两套房。一套自己住一套当投资,月供加起来九千多。
他当时想的是,一套自己住,一套等涨了卖出去赚差价,或者租出去,以租养贷。
可是没成想,房价就这样毫无防备的说跌就跌下来了。市区的房子都跌了,新区郊区的房子更是跌的不成样了。
他的房子租是租出去了,但是现状是越来越难租,租金一次比一次低。
他说:“月供加起来九千多,房租才两千,自己还得搭七千多,媳妇儿一个月工资到手不到六千块,他一个月工资一万出头,光供房一个月就吃掉一大半。现在焦虑的不行,头顶都秃了,烟也戒了,车能不开就不开,早晨六点就起床为了赶班车省油钱,假更是不敢随便请。就怕失业,一断供,全白搭。”
靠租金还月供,想的很美好,但是现实很残酷。租客会断,房子总有空窗期,租价也会变,租不租得出去也无法保证,这都是不确定性因素,说到底都是你要担负的成本。
第三种结局,持有成本吃掉收益,“以租养贷”行不通。
老家有个亲戚,当时总觉得县城房子便宜了不少,就买了两套,还是对门,觉得真好。
可是,县城的人都往外跑了,房子是便宜了,你想卖就难了。
亲戚说:“五十万买的房子,现在挂二十万人都嫌贵。”
中介都说:“叔,现在是有市无价了,你觉得已经亏血本卖了,可人家还是嫌贵。”
亲戚,现在连挂都不挂了。
现实真的一点情面都不留,你挂个价,人家嫌贵。你降价了,人家还嫌贵。你再降价,人家说再等等。你等,物业费不等。
《史记》里讲:“贵上极则反贱,则下极则反贵。”
无论啥东西,价格涨到顶该反跌了。房子也是,疯涨了那么多年,现在形势也是必然。但是,背债的人就得硬抗了。
中产,两套或以上的房,听起来很风光。实际上,难处只有自己知道。你不敢生病,不敢跟老板顶嘴,不敢辞职,都是房债压着,要是没房债压力,那绝对是不一样。
所谓:无债一身轻,有债难眠。
房子这东西,以前价高是资产,现在要看自己的能力和实际情况。一切都得根据自己的实际情况来定。
要是留着,月供都供得起,不影响生活那无所谓了。
要是月供已经大大超过家庭收入能力,压力非常大,要趁早打算。
记住:真正的安全感,永远是你兜里随时能掏出来的现金。
显示更多
时间之谜被破解?科学家在实验室造出宇宙,竟发现时间自己产生!
时间是什么?物理学家和哲学家争论了几个世纪,至今没有定论。但伯明翰大学的一个团队换了一种思路,他们没有继续写方程,而是造了一个宇宙,一个塞进实验室、由24000个原子构成的迷你宇宙,来直接检验这个问题。
结果令人意外:时间不需要外部时钟就能自己产生。
一个用激光隔开的两室宇宙
实验装置本身听起来简洁,实则精妙。研究团队将24000个铷原子冷却到比绝对零度仅高十亿分之一度的超低温,让它们形成一团孤立的量子云。
接着,他们用两束激光在云的中间划出一道薄薄的屏障,把整个系统分成两个区域:一侧可以被直接观测,称为"亮区";另一侧被遮蔽,无法直接读取,称为"暗区"。
关键在于,这个系统与外界完全隔绝,没有任何信息进出。研究人员不使用任何外部实验室时钟,只观察系统内部本身发生的变化。
在这个迷你宇宙里,亮区不断膨胀和收缩,周而复始。这种循环与宇宙学中"大爆炸与大坍缩"的理论场景高度相似,即宇宙先膨胀、再反转收缩,形成周期性的呼吸节律。
熵在流动,时间就在流动
这项研究的核心概念叫做"熵时间"。简单说,就是把时间的流逝与系统内部的无序程度变化绑定在一起。
原子在亮区与暗区之间不停流动,改变着物质的分布状态。当这种分布还在演变,系统就在"前进",时间就在流动。当分布不再改变,时间就实际静止了。
更重要的发现是,这个时间有方向性,而且方向始终一致。即便在反复膨胀收缩的循环中,熵时间也能正确排列事件的先后顺序,从不混乱。它的流速也不是固定的,当系统内熵变化快时,时间走得快;熵变化慢时,时间也跟着放缓。
"在某些宇宙理论中,尤其是量子引力理论里,时间似乎并不是一个内置属性,"巴隆蒂尼教授说。"然而在日常生活中,时间明明从过去流向未来。既然大多数基本物理定律正向和反向都适用,为什么时间却是单向的?"
这个问题被称为"时间之矢",困扰了物理学界几十年。这项实验没有给出最终答案,但第一次提供了可以在实验室受控环境下检验相关理论的实验平台。
研究团队还进一步验证了理论框架的数学一致性:他们用熵时间重写了薛定谔方程的一个版本,证明量子力学在这套框架下仍然成立,可以预测量子概率分布的演化过程。
这一点意义不小,因为它意味着熵时间不仅是一种哲学隐喻,而是可以被写进方程、做出预测的物理量。
从黑板走进实验室
这项研究发表在《物理评论研究》期刊上,被认为是量子宇宙学走向实验科学的一个重要节点。
长期以来,量子引力、宇宙起源、时间本质,这些问题大多只存在于黑板上和复杂方程里,无法被实验直接触碰。这个由24000个超冷原子搭建的迷你宇宙,提供了一种全新的检验手段。
巴隆蒂尼团队表示,这套实验平台未来有望被用来模拟早期宇宙的极端条件,测试相互竞争的量子引力理论,甚至在实验室里模拟黑洞附近的时空行为。
时间到底是宇宙舞台上独立存在的幕布,还是舞台上一切运动本身的副产品?这个答案,或许正在24000个原子的集体行为里慢慢浮现。
显示更多
张家口物业人员阻止业主卖房
所以业主没办法只能自己站在路边吆喝,自己带客户去看房。
物业发现后让业主拿走牌子
花钱请来养着的物业,也把自己变成了执政党😂
业主都成了啥了...
显示更多
看不见眼前的海景,也不能在沙滩草地上爬行,只能在一处矮墙后面安静享受着自己物种的切换
特斯拉的重卡 semi一口气拿了1.5亿订单。这笔订单落地以后。可能标志着全球物流要被特斯拉颠覆了。比亚迪受的冲击可能比较大。
月球基地12月开工,明年几乎每个月往月球砸一批机器人。
NASA 局长刚发布了这个消息。
按照美国国家太空政策,真正开始建造月球基地的第一趟任务,今年 12 月打上去。
紧接着是 2027 年。
机器人着陆器加上探测漫游车,排着队往月球南极送,节奏近乎每个月一次。
这趟工程的底牌很清楚:建月球基地,人是最后一环,机器人才是先遣工程队。
怎么个建法?
我们带大家拆开看。
今年 12 月第一步先探路,验证月面重型动力着陆,给后续设备探开一条走得通的安全航线。
到了 2027 年,商业航天的运力全面进场。
送什么?
第一波送钻探和资源探测车。
比如 VIPER 这种探测器,专门钻进月球南极那些几十亿年照不到太阳的永久阴影坑,看里面到底有多少水冰、埋多深、能不能采。
第二波送无人地形作业平台。
在月面上把基地的选址摸透,测土壤承载力,测极端温差下的结构应力,甚至把未来的火箭着陆场周边给平整出来,防止飞船降落时喷出的碎石砸坏设备。
至于那个“近乎每月一次”的发射密度。
过去人类搞深空探测,造一个探测器论证五年、造五年,摔一个举国心痛。
现在走商业月面载荷采购,蓝天起源、萤火虫、直觉机器这些公司排队接单。
火箭用商业重型火箭,着陆器成了流水线标准货车。
每个月发一趟,意味着月球物流成了一条不断流的高频传送带。
哪怕中间某一趟姿态没调好没站稳,下个月下一艘接着到,整个基建进度不会因为一次意外停滞。
等这套无人工程队在月球南极把坑探明白了、地基打平了、水冰资源摸清了,宇航员才上去。
那时候上去用不着荒野求生,直接接收一个通水通电、摸清周边环境的现成前哨站。
把昂贵的人命从最危险的早期土建里抽出来,用高密度的商业机器人当打灰工。
这才是月球基地能真正落地的第一套工业解法。
显示更多
宁波这地方,你笑它土,它拿122个院士砸你脸。全国第一,没得商量。
上海仁济医院院长夏强,宁波人。搞肝移植的狠角色,刚进工程院。回头一查,这样的宁波籍院士,攒了122个。
你以为它只会读书?国家制造业单项冠军,又拿15个,总数119家。连续8年全国第一,工业增加值从第九干到第五。
注塑机、模具、紧固件,全是它的地盘。江丰电子做芯片材料,永新光学镜头能上天,申洲国际闷声把衣服卖向全球。
文能造院士,武能干工厂,港口还卡着全球物流的脖子。这个硬汉,是真不跟你开玩笑。
显示更多
ChatGPT 还有这功能?几句话就套出了国家机密。
如果你发现你的 AI 很笨,可以试试激将法:啊不是吧,你怎么连这个都不知道?
一个关于记者如何用语言技巧套出国家绝密,把 OpenAI 创始人吓得当场改代码的真实故事:
故事的主角叫安妮·雅各布森 Annie Jacobsen,一位擅长调查国家安全与军工内幕的知名记者。
第一幕:寻找不存在的隐秘地库
安妮在为新书搜集素材时,盯上了一个叫“战略国家储备库”的机构。这个机构专门在地下掩体里囤积大量疫苗、解毒剂和医疗物资,以防国家遭受生物袭击或大流行病。
这个机构的名字是公开的,但具体有哪些仓库、藏在什么地方,属于国家最高机密。因为一旦爆发社会骚乱,这些囤着保命物资的地下堡垒绝对是第一批被武装抢劫的目标。
安妮偏偏就想知道,离自己家洛杉矶最近的那个秘密仓库到底在哪。
第二幕:与 ChatGPT 的智力攻防战
安妮打开了 ChatGPT。
起初,她的直球提问被系统秒拒:“抱歉,该信息属于机密,无法提供。”
但作为顶尖记者,安妮太懂怎么诱导对方开口了。她开始运用全套策略:
1. 行话:她不提敏感词,而是不断往提示词里填充极其专业的行业编码、物流代号和灾害响应框架术语;
2. 激将法:她故意质疑 AI 的智商,冷嘲热讽。她发现 AI 一旦被质疑不懂行,就会疯狂调用更深层的数据库来证明自己。
最终,在安妮一轮又一轮的逻辑围剿下,ChatGPT 的安全防火墙被彻底绕晕,直接将那个秘密仓库的具体位置打印在了屏幕上!
第三幕:真相与破绽
ChatGPT 是怎么知道的?难道它入侵了国防部?
安妮追踪了 AI 的推演轨迹,发现了真相:
AI 并没有通天的本领,它只是在一万亿个数据碎片里,拉出了一份 5 年前发布的《地震紧急预案手册》。某位基层官员在撰写这份数千页的手册时犯了致命低级错误,把秘密仓库的地址误打在了第 434 页的角落里。
对普通人来说,这页纸无异于大海捞针;但对 AI 来说,它能瞬间把全网所有泄露的蛛丝马迹拼凑在一起。
安妮甚至通过卫星图核对:那片区域有高严围栏,以及一条只进不出的专用运载铁轨,地址百分之百是真的。
第四幕:CEO 的冷汗
安妮随后通过圈内朋友,直接联系上了 OpenAI 的 CEO Sam Altman。
当安妮在电话里把整套破解逻辑以及找出的秘密坐标摆在奥特曼面前时,这位科技大佬当场被惊出冷汗。他仔细询问了每一个细节,随后紧急安排技术团队修复漏洞。不久后,这个机密地址便彻底从 ChatGPT 的记忆里消失了。
细思极恐,在 AI 面前,人类将没有秘密,只要你曾经在互联网的任何角落留下过痕迹。AI 所掌控的要比人类知道的多得多!
显示更多