ChatGPT 万圣节活动，给我匹配的万圣节/恐怖电影角色居然是 Dr. Emmett Brown……🤣 老婆得到的角色是 Minerva McGonagall，女儿是 Wednesday Addams，儿子是 Victor Frankenstein。😈

Mark Minervini 他用五年的时间将数千美元本金做到了33500%的收益率，首次参加美国投资冠军赛就用155%收益率夺冠🧐😍 二次参赛后又用334.8%收益率打破了赛事$1000000+组别的历史最高纪录～ Mark从不吝啬分享自己的交易方法，他说自己坚持使用相同的交易策略和方法已经很多年，他决定再次参加二一年的美国交易大赛，就是为了证实，他的交易方法绝对经得起时间的考验，即使市场和标的不同也不影响它有利可图！ 交易是一项涉及到真金白银的严肃业务，在交易前要有周密的作战计划，他的作战计划是一种非常讲究精准的方法，叫做具体切入点分析，也叫SPEA，通过特定的条件，筛选出符合自己交易系统的候选交易品种，然后等待催化剂的出现找结构顺势而为！！

从Mark Minervini的书 Trade Like a Stock Market Wizard 提炼的14条核心 Mindset 以下为依据原书思想的归纳与应用延伸，非作者逐字引文。 1.我可以认真捍卫自己的交易纪律，同时随时修正自己的市场判断。 把判断与自尊绑定，容易让卖出变成“承认自己不够聪明”。判断可以修正，风险边界需要坚守。保护资本，无须等待自己完全想通或承认看错。 2.我可以放弃最低的价格，等待更充分的强势证据。 等待趋势和买点成熟，往往需要支付更高价格。我愿意为确认付费，同时要求入场位置仍有合理的风险收益比。上涨本身无法代替买点判断。 3.我可以喜欢便宜的东西，同时警惕股票带给我的“便宜感”。 价格下降、估值降低、风险收益比改善，是三个不同的判断。过去更贵，无法证明现在值得买。每次买入，都需要重新检验增长、预期和风险。 4.我可以长期看好一家公司，同时承认这次买入的时机或仓位规模有问题。 公司前景、买入时机、仓位大小，需要分别判断。退出一笔交易，无须先证明公司的长期故事已经失败。长期看好，也需要与当前风险相匹配。 5.我可以耐心等待买点，因为好的买点能让我更清楚地识别错误。 好的买点，同时提供机会和验证条件。买入前，应明确预期行为与失效条件。入场依据越模糊，持有后越容易依赖故事解释一切。 6.我可以接受小额失败，同时认真保护继续参与市场的能力。 重大亏损会同时消耗资本、恢复时间和行动信心。**我允许合理的试错成本，同时防止一次错误长期限制自己的选择。**止损应在买入前就被心理接受。 7.我可以有很多亏损交易，同时仍然建立有效的盈利体系。 长期结果由胜率、平均盈利、平均亏损和交易成本共同决定。**我用一组可比较的交易评价方法，用具体规则评价单笔执行。**避免为减少失败次数而拖延止损。 8.我可以逐步增加风险，但需要让实际反馈支持这个决定。 加仓需要新的依据，亏损本身不会赋予加仓资格。仓位应随有效证据增加，随不利反馈重新评估。尤其警惕为了降低成本，临时把失败的趋势交易改成左侧布局。 9.我可以暂时解释不了价格变化，同时先尊重已经出现的风险证据。 价格行为可能先于财报恶化。我无需解释清楚所有变化，才开始管理风险。如果任何走势都能支持同一个结论，就需要检查自己的判断是否还能被证伪。 10.我可以对机会保持耐心，同时对失效条件保持敏感。 等待机会、容忍正常整理，都需要耐心；触及退出条件后继续拖延，则需要警惕。给予交易的时间，应与它持续满足的条件相匹配。 11.我可以选择自己的交易风格，同时接受这种选择必然带来的遗憾。 短线交易可能卖早，长期持有可能回吐阶段利润。选择一种收益路径，也要接受它的代价。避免每天用另一种策略的最佳结果，否定自己的决定。 12.我可以接受卖出后的遗憾，也可以在新的条件成立时重新买入。 原书允许股票重新形成合格买点后再次入场。关键是独立评估新交易：如果我从未持有、也从未卖出，现在还会以同样的依据，买入同样的数量吗？ 13.我可以不知道市场接下来怎么走，同时提前知道自己如何响应。 提前想清止损、盈利保护、重新入场和意外情况，能减少临场情绪干扰。交易信心可以来自准备充分，无须依赖对未来接近百分之百的确定感。 14.我可以坚持练习，同时不把重复错误当成经验积累。 重复既能强化纪律，也能强化坏习惯。守纪律的亏损可以是合理试错，违规后的盈利仍需要纠正。复盘要把经验转化为下一次具体、可检验的行动。

澳大利亚国库部长吉姆·查默斯宣布，剥夺三家中国投资者在澳大利亚稀土开采公司北方矿业公司（Northern Minerals）中的投票权及其他股东权利，只保留出售权。 美国福布斯网站（Forbes）称，这一史无前例的举措，是这3年来查默斯试图以国家安全为由强制中国投资者抛售该公司股权的行动中，最新、也最具攻击性的一步。 这是明摆的明火执仗，不讲究商业逻辑，估计中国会做出强烈反制

学习美股？玩美股？这6个人不关注等于白玩 美股博主一堆，我筛出6个有真战绩的（不是嘴炮喊单党），胜率高低各有风格。 想学交易逻辑的，直接收藏慢慢看 @markminervini Mark Minervini，两次美国投资冠军 155%和334%真实资金竞赛回报 胜率才45-50%，但他风控变态——小亏秒砍，大赚敢拿 学系统化动量交易，他是天花板，没平替 @ripster47 每天公开复盘，进出场+图表全贴 胜率60%左右，技术分析够细 适合找操盘手感的，看他日常怎么进出 @PeterLBrandt Peter Brandt，画了40年图的老狐狸 胜率常年不到50%，嘴上一句话：胜率不是关键，盈亏比和耐心才是 古典技术分析天花板，吃这口味的再关注 @aleabitoreddit Serenity，AI/半导体供应链挖得巨深 他点的标的第三方统计胜率很高，但集中度高、波动凶 适合研究赛道逻辑，不适合无脑跟 @qinbafrank 中文圈宏观+AI分析最扎实的 信号胜率60%左右，逻辑清晰，不瞎吹 适合想学独立思考的华人 @maojietrading 猫姐，16年美股老手 保守账户5年900%+ 不搞暴富剧本，就分享波段和仓位管理

我追求的，从来不是买在最低价，最便宜的位置。 而是买在那个对的位置，也就是股价准备大幅上行之前。 一味想着抄底，既没必要，也是在浪费时间，因为这根本不是重点。 —— Mark Minervini

老黄来推特了，第一篇就是重磅炸弹，联合多家机构写了一篇，句句不提KIMI，句句都是KIMI，字里行间对Claude的封闭持有否定，值得一看。 《开放权重与美国的AI领导地位》 上世纪80年代，早期的开源软件先驱挑战了当时的主流观念——软件只有在公司对代码严格控制的前提下才能进步。这场运动推动建立了一个透明的生态，让全世界的开发者都能研究、修改、改进软件。如今，开源社区的软件支撑着互联网的大部分基础，也是全球最大科技公司、美国军方以及从事科研、网络安全等关键任务的联邦机构所依赖的系统底座。开源做到的不只是降低软件成本；它创造了一个共享的知识地基，几代美国工程师和创业者在其上建立了自己的机构主权。 美国如今在人工智能上面临类似的抉择。美国的AI领导地位，不取决于某一个前沿模型，而取决于美国能否建成一个渗透到各行各业的、强大而开放的生态。这对全国范围的创新与繁荣至关重要。它要求扩大AI的可及性、鼓励竞争、发展强大的应用层，并让美国人对自己所依赖的技术拥有更大掌控权。开放权重模型——任何人都可以下载、审查、修改并在自己的基础设施上运行的AI模型——是这个地基的重要组成部分，因为它让先进AI更易获得、更可定制、更广泛可用。 开放权重扩大了进入AI经济的通道。初创公司、成熟企业、大学和公共机构可以在先进模型之上构建，而不必从头训练，也不必为每个任务都支付前沿模型的价格。开放权重让每个组织都能以合适的成本、为合适的任务匹配合适的模型——把前沿级能力留给真正的前沿问题，其余场景跑高效的专用模型。这种纪律性，正是AI在扩展到数十亿日常任务时保持经济可持续的关键。美国赢得AI时代的方式，是让AI渗透进工厂、医院、农场、教室和街边小店的工作流。 开放权重还会强化竞争，而竞争正是让AI的收益被广泛分享、而非集中于少数人之手的保障。通过允许众多组织构建、改造和部署先进模型，开放权重制造的竞争不仅发生在模型开发商之间，还贯穿云、芯片、应用与服务。这种竞争刺激创新、压低成本，并把AI的收益广泛分配到整个经济。 开放权重还给客户更大的掌控权。组织在投入AI时，希望确保自己不会被锁死在单一供应商手里，也不会失去长期积累的知识与能力。开放权重模型提供了这种保障：组织可以掌控自己的数据、按需评估和改造模型，并在业务需要的任何地方部署。而当组织用AI创造价值时，开放权重让它们通过自我改进的模型、专有能力和累积的知识真正拥有这些价值——这些正是驱动美国主权与繁荣的东西。 诚然，开放权重带有真实而独特的风险。一旦发布，权重就脱离了原开发者的控制，修改后的版本难以追踪或撤回。但对这种风险的正确回应不是禁止开放权重。在网络攻击者也在使用先进AI的世界里，防御方需要能力相当的模型，才能检测、模拟并响应新兴威胁。开放模型扩大了防御能力、增加了透明度，并让漏洞能被众多团队发现和修复。 事实上，开放可能是通往AI安全最重要的路径之一。只依赖封闭模型并不天然安全：它们可能被攻破、被滥用，或以外部无法察觉的方式失灵。而把先进AI能力集中在少数封闭模型背后，会放大这种风险——制造少数单点故障、削弱竞争、把关键技术留在少数供应商手中。开放权重模型则让广泛的研究者与开发者社区能审查模型行为、发现漏洞、开发防护并持续改进。正如开源软件证明了透明可以比隐匿更安全，AI安全或许同样取决于让更多人有能力去测试和加固社会所依赖的模型。它支持严格的基准测试与评估、红队演练，以及基于真实的、被证实的危害——而非「封闭默认更安全」这一假设——的保护措施。 强大的AI生态并非注定出现。政策制定者现在有重要的行动窗口：为初创公司和研究者扩大算力供给；投资共享训练资产（数据集、工具、评估框架）；避免对开放模型施加过早限制——那会扼杀竞争或把创新逼到海外——以保持前沿的多元。这些措施还应考虑如何借助强大的应用层，在整个经济中扩大AI的主权化使用。 在塑造这一生态时，政策制定者应注意不要把正当的模型开发技术与侵占行为混为一谈。蒸馏——即用一个模型的输出来帮助训练或改进另一个模型——是模型改进、评估与验证中被广泛使用的技术。它延续了学习、借鉴并改进既有技术的悠久传统，这一传统自开源软件运动兴起以来一直在驱动创新。相比之下，从封闭模型中非法抽取价值的行为确实值得关切。但这些关切应通过有针对性的法律与商业框架来解决，而不是对在AI创新中扮演重要角色的技术施加一刀切的限制。 AI时代可以是一个繁荣的时代。做出正确选择，开放权重AI能扩大机会、强化竞争、延续美国的技术领导地位、缓解风险，并确保这项非凡技术的收益在整个经济中被广泛分享。这样的未来值得建设，而美国应当引领它的建设。 签署方（25家）： 美国创新者网络 · Andreessen Horowitz（a16z）· Arcee AI · Arena · Black Forest Labs · Box · CrowdStrike · 戴尔 · Emergence Capital · Hugging Face · IBM · Linux基金会 · Mariana Minerals · Meta · 微软 · Mistral · Mozilla · 英伟达 · Palantir · Perplexity · Reflection · Replit · ServiceNow · Telnyx · Y Combinator