前段时间一个朋友告诉我“现在有一个稳赚不赔的套利机会，就是在币安交易所内做USDE循环贷，年化利率能做到26%左右。他认识的机构朋友用1亿USDT本金循环成5亿USDE在币安交易所内套利” 而这次超大规模爆仓我猜测就是在低流动性的不利的市场大幅下跌场景情况下：USDE套利者的循环贷仓位被强平——〉带低USDE价格———》导致USDE作为统一账户抵押物的抵押能力下降——〉引发更多用USDE当保证金的做市商的头寸被强平——》引发BNSOL、WBETH这种earn资产也到了强平阈值———〉BNSOL、WBETH这种资产虽然抵押率高但其价值完全由盘口决定，而在当时条件下没有人去给他拖底维持挂钩———》引发价格崩塌、引发更多强平。 可以猜到大概率一些做市商用的统一账户也爆仓了，所以才会有很多小币非常极端的价格。

【增強防禦】Mythos引發網絡新焦慮 新加坡金管局要求銀行補上安全漏洞 隨著對Anthropic 最新人工智能（AI）模型Mythos的擔憂蔓延至亞洲。新加坡金融管理局發言人表示，金管局正與該國網絡安全機構協調，加強包括銀行在內的關鍵基礎設施營運方的防禦能力。

SpaceX 引领的巨型 IPO 潮，表面上热热闹闹，但实际上也暴露出了更深层的问题。 经济学人指出，这轮上市暴露的核心问题是，普通投资者越来越难通过股市，分享到高成长公司早期的爆发红利。 SpaceX 已经成立 24 年，OpenAI 也已经走到了第 11个 年头，它们在私人市场就完成了大部分估值扩张，等到普通投资者能够通过股市买入时，公司已经是万亿美元级别资产。 未来再复制亚马逊，英伟达早期上市后的超高回报，难度大幅上升。 根源在于，高成长公司正在用私人市场替代 IPO。 风险投资资金充足，私人股权二级市场活跃，早期投资人和员工即使不等公司上市，也能通过私下交易套现。 这让高成长企业没有太强动力尽早接受公开市场的监管和披露要求，干脆把估值扩张这一段留在了私募阶段。 结果是一条清晰的链条。 公司越晚上市，散户能买到的越是成熟资产，真正高爆发的成长阶段更多留在了 VC，私募基金和内部股东手里，而美国上市公司数量持续下降，IPO 长期萎缩。 公开市场能提供给普通人的机会，正在肉眼可见地变少。

SpaceX 引领的巨型 IPO 潮，表面上热热闹闹，但实际上也暴露出了更深层的问题。 经济学人指出，这轮上市暴露的核心问题是，普通投资者越来越难通过股市，分享到高成长公司早期的爆发红利。 SpaceX 已经成立 24 年，OpenAI 也已经走到第 10 年，它们在私人市场就完成了大部分估值扩张，等到普通投资者能够通过股市买入时，公司已经是万亿美元级别资产。 未来再复制亚马逊，英伟达早期上市后的超高回报，难度大幅上升。 根源在于，高成长公司正在用私人市场替代 IPO。 风险投资资金充足，私人股权二级市场活跃，早期投资人和员工即使不等公司上市，也能通过私下交易套现。 这让高成长企业没有太强动力尽早接受公开市场的监管和披露要求，干脆把估值扩张这一段留在了私募阶段。 结果是一条清晰的链条。 公司越晚上市，散户能买到的越是成熟资产，真正高爆发的成长阶段更多留在了 VC，私募基金和内部股东手里，而美国上市公司数量持续下降，IPO 长期萎缩。 公开市场能提供给普通人的机会，正在肉眼可见地变少。

日本AV界最強洋助人、June Lovejoy引退！ 在日本AV界，論洋將，能像June Lovejoy待那麼久的實在不多見，自2020年在片商Fitch出道到現在已經六個年頭，不過在昨天YouTube頻道的直播中，這位體型豐腴的洋助人宣布自日本AV界引退，洋將生涯畫下句點⋯ #JuneLovejoy#

太强了！感谢 @GreeksLive 团队！ 先说回测结果本身：每月双卖30天 $btc ATM跨式+每日delta对冲，Sharpe 0.84，胜率63%，最大回撤0.14 BTC。数字不夸张但是非常真实的卖方的样子：稳定收租，偶尔挨打，长期为正。 这种带DDH模拟的期权策略回测，在美股市场都是稀缺品。 美股做期权回测的工具不少（ORATS、OptionVue、TastyTrade），但大多数只能回测静态策略，比如“每月卖一个iron condor然后持有到期”。 一旦你想加入DDH，就需要完整的历史期权链数据（不是只有ATM vol，而是每一个strike，每一个到期日的完整曲面），加上一个能模拟每日调仓滑点和交易成本的引擎。 这套东西在美股要么自己写代码+买OptionMetrics的数据（一年几万美元），要么用机构级平台。散户基本接触不到。 而在加密期权市场，这种工具在此之前根本不存在。你想回测一个Deribit上的卖方策略加DDH？自己写Python爬历史数据慢慢搭。 现在GreeksLive直接把这个做成了产品，而且是带SABR模型一致性的回测，这意味着你回测时用的Greeks和你实盘时用的Greeks是同一套模型算出来的，不存在“回测用BSM实盘用SABR”的错位问题。 做时间的朋友之前，先得有工具验证时间到底是不是你的朋友，对吧？ @JeffLia12309881 的波动率交易课程，不仅仅是教授知识，其实我觉得更多是一整套系统的东西。 欢迎大家加入我们Crypto期权社区一起讨论：

Sei——引领公链新方向 Sei Network 隆重推出 Sei 市场基础设施网格，这不仅仅是一次产品升级，更是公链赛道从“技术参数竞赛”向“机构级协调市场体系”转型的标志性事件。 Sei正以实际行动引领公链的新方向：从散户投机玩具，升级为传统机构赚钱的全球金融底座。 什么是市场基础设施网格？ 简单说，Sei把这些年拉来的顶级伙伴系统化串联成一个超级闭环： 1.安全与验证：Binance等机构提供企业级安全。 2.资本与结算：Circle、Transak负责全球资金实时进出。 3.数据与透明度：Chainlink提供机构级预言机和定价。 4.分销与访问：OKX、Robinhood等大平台导流全球用户。 5.创新与集成：开发者生态爆发。 6.高性能底层（System Zero）：Sei自身链，配合即将落地的Giga升级（目标5 Gigagas/s，相当于200,000+ TPS，亚秒级最终性）。 这些部分互相“喂饭”：一个机构进来，就能直接用上别人的流动性、安全、数据；进来后又让整个网格更强，吸引下一个进来。这就是企业采用的飞轮效应，滚雪球一样越滚越大。 以前公链卷的是“谁更快、更便宜”，结果还是散户炒币为主 现在整个行业2025-2026年的大趋势是机构涌入 + RWA代币化 + 合规基础设施（比特币/以太ETF火热、稳定币全球支付、传统基金上链）。 而Sei在这种背景下，提前一步把“机构友好、可组合、超高性能”打包成系统。这很可能成为下一波牛市里机构资金最爱的公链类型——不是喊口号，而是真建闭环！

《TRE2026》「最強笑顏」吉高寧々確認參加AVway攤位。 . 如果說宣布名單是一場接力賽，那吉高寧々肯定是最適合最後一棒的人選：首先，她資歷顯赫，2017年寫真出道，AV OPEN三冠王的輝煌成就放眼業界無人能出其右；再來，她外型標緻，有著全業界最甜的笑容；最後，她從來沒來過TRE，爆發力肯定強，所以— . 感謝吉高寧々大人，感謝經紀公司-Powers，感謝穿針引線的AVway日本代表，讓我們在這次的TRE有了不輸其他攤位的底氣；我們也會全力以赴，希望在今年的活動後，讓每一位女優都覺得AVway是最好的選擇～ . 至此，AVway的六位女優全部宣布完畢，明天開始，活動內容、活動時間以及報名辦法會一一公布，敬請期待，謝謝支持。 . #吉高寧々# #吉高寧寧# #YoshitakaNene# #Avway# #7月3到5日在南港# #活動辦法即將出爐# . Model @yoshitakanene

在过去3年，常常有人好奇，我引入中文推特的「动态博弈」理论究竟是如何产生的，是不是我自己拍脑袋想出来的 推特搜索「动态博弈」可以看到很多我的行情🧵推演，庄家剧本的串联讲解，对于逻辑性较强的读者有很高的增幅作用。 正好最近行情比较无聊，定力比较差的朋友很容易被市场忽悠得晕头乱转，胡乱操作并最终亏欠 借此机会，我准备跟我的理工科读者普及一下这块的知识，帮助大家更好地理解背后的原理。 ============================== 你在和ChatGPT畅聊人生问题的时候，也应该了解一些背后的原理，比如大语言模型的attention机制中的Q/K/V向量 「动态博弈」，核心关键词当然是“动态”两个字，是来自「线性动态系统」（Linear Dynamical Systems）这一经典理论基础，我们今天围绕这个原始的理论，讲3⃣个概念。 线性动力学系统，也被称为线性高斯状态空间模型，是一种概率图模型。 📔我先说一嘴「概率」，啰嗦两小段： 如果学过量子力学，你就知道，时间t这个参数其实在大部分情况下是不存在的，世间万物并不是以一个固定的状态产生，每一种东西都是由「概率波」叠加形成。 在部分概率波叠加的时候，含时薛定谔方程中的时间参数t会被约去，有的时候不会。参数t如果被约去了，那就变成了Stationary State，「时间」就会失去意义（后面会讲）。 「概率」这样东西，在全世界的数据中当然是大量使用的，自然也包含金融数据。 比如你持有的山寨币，随着比特币的价格变化，山寨币的价格也会发生对应的变化； 中东打仗，如果大家倾向于BTC避险，那BTC因为散户相信的故事会涨，涨的概率是🅰️；如果BTC被庄家控盘的过程中现在要满足控盘需要，不想让它现在涨，跌的概率是🅱️； 这当然也是概率的2种运用，🅰️和🅱️都有概率，该怎么判断呢？ 🕎这里就需要提到第二个概念（2/3），卡尔曼滤波 Linear Dynamical Systems 通常由两个线性方程描述，而卡尔曼滤波就是基于这两个方程进行递归计算，「状态转移方程」和「观测方程」 大家还记得我在讲「动态博弈」的时候，经常对黑子说一段话： 「动态博弈」的精髓是： 根据手上观察及掌握到的所有信息，进行多因子建模，对未来「一小段时间」即将发生的事情进行预测 这也正对应「线性动态系统」中的「状态转移方程」 xₜ = A xₜ₋₁ + B uₜ + wₜ 🔢接下来，是第3个概念（3/3） 老粉应该还记得我讲过很多次的一个概念——多因子模型，对吧？记得特别清楚，我是在一个傍晚跟大家开space讲的多因子，事后我还特地上传了一个评估模型到我的Github上。 「动态博弈」的「多因子模型」，其实就是「线性动态系统」中的「状态转移方程」中的A，A是状态转移矩阵，由很多代表权重的数字组成。 相信很多散户朋友，总是对“量化”系统，各种“量化”带有技术的滤镜， 恕我直言，到处宣传量化这件事的，99%都是骗子。 市面上的很多量化系统，都是采用傅立叶变换和卡尔曼滤波进行市场数据的降噪处理的，你完全可以用从我这里学到的这个基础知识来考考他们。 很有趣，对不对？ 为什么要降噪？为什么要用卡尔曼滤波？ ▌特朗普的儿子说要对伊朗报复， 这是不是噪音？ ▌那个🦅 KOL 说，大家跟我买入，别怕！哎呀妈呀，怎么以太坊画门了呀！又亏了！ 这是不是噪音？ 比特币价格上下起伏5%，你的心就乱跳3天，长此以往，根本静不下来心，当然不可能做好交易。 卡尔曼滤波的核心优势是什么呢？ 作为一种递推滤波器，它不需要存储全部历史数据，每收到一个新的市场观测值，就能立即更新当前状态的估计。 这难道不牛逼？ 听起来是不是就有点像“裸K”战法？确实有一点点像。 但我更看重的是，它能有效过滤掉金融市场中频繁出现的随机波动，捕捉更平稳的价格趋势；当因子的有效性随市场环境变化时，利用卡尔曼滤波对多因子的暴露度进行动态校准，可以提高交易策略的稳定性。 现在你明白了吧，「动态博弈」就是靠【数学】，而不是【玄学】 最后布置给大家一个小作业，图中为什么把两边的高斯分布，通过卡尔曼滤波可以实现更准确，为什么两边是高斯分布呢？ 好好想10秒，前面讲过的哟 ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ==================== 对，我在2月24号给大家讲过一个重要概念： 世界是对数的 而「对数高斯分布」，就是「对数正态分布」，广泛用于描述右偏数据。 知识都是环环相扣的

【中東局勢】沙特加強與伊朗的直接接觸 以試圖令衝突降級 據數名歐洲官員透露，沙特阿拉伯已加強與伊朗的直接接觸，試圖遏制中東戰爭，戰爭已引發嚴重動盪並令全球市場承壓。多個歐洲和中東國家支持相關努力。沙特向伊朗表示，如果伊朗繼續發動襲擊，沙特可能被迫進行反擊。