註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 非公式メモリー
非公式メモリー 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 非公式メモリー 的搜尋結果
PEG 的计算公式为:PEG =(市盈率 P/E)÷(每股收益增长率); 部分个股因近期 AI/半导体周期的盈利波动而出现偏差。 更新/确认的 PEG 值(2026 年 5 月 8 日左右): - $INTC :~3.2x 因增长能见度较低但估值偏高 - $LRCX :~2.0x–2.5x - $KLAC :~2.0x–2.5x 近期报告多在 2.5x 附近 - $AMAT :~2.0x–2.5x 与KLAC/LRCX 等设备股类似 - $ASML :~1.7x–2.3x - $ALAB :~1.6x–2.1x 增长加速带来溢价 - $ARM :~1.5x–2.2x IP 业务增长推动部分估值更高 - $ANET :~1.5x–2.1x - $LITE :~0.6x–1.3x 部分来源已降至 0.6x - $TSM :~0.65x–1.1x AI 基础建设核心标的 - $CRDO :~1.0x - $NVDA :~0.9x–1.0x 常被引用为 0.9x反驳高估论点 - $COHR :~0.9x - $AVGO :~0.9x - $AMD :~0.7x–1.2x 多数观点认为颇具吸引力 - $SNDK 可能指 SanDisk/WD 或历史标的:~0.7x - $MRVL :~0.6x–0.7x 为低于 1.0x 的优质标的 - $AAOI :~0.6x - $ON :~0.5x - $MU :~0.2x–0.4x 多视其为极度低估的突出标的 快速总结(彼得·林奇风格): - <1.0x(具有吸引力 / 低估成长股):MU(最突出)、MRVL、LITE、NVDA、TSM、AVGO、AMD 等——众多 AI 基础设施核心标的。 - ~1.0–2.0x:估值合理或温和溢价(例如您中段的 CRDO、ASML 等)。 - >2.0x(需谨慎 / 高溢价):INTC(最明显红旗)、AMAT/KLAC/LRCX/ARM/ALAB —— 设备股及部分设计/IP 类公司估值较高。 PEG 比率( 8/5 日收盘价)主要参考了近期分析报告(以 Tickeron 2026 年 5 月半导体 PEG 评估为主的多年度/前瞻混合数据) 以上数据基于 5 月 8 日左右 AI/半导体市场火热环境下的收盘价。PEG 所依赖的增长预估会随财报变化(例如 HBM/内存景气大幅提振 MU)。 建议结合前瞻市盈率、具体增长假设及个人风险承受能力进行交叉验证, PEG 只是快捷工具,并非绝对标准。数据来源于近期市场分析,实时报价可能波动。 非投资建议,仅供参考,DYOR。
顯示更多
0
17
51
29
轉發到社區
对于一些喜欢观察知识⽽⾮学习知识;极度喜欢科学史、技术史但不深⼊科学本身的人,我有这样的建议。 第一,其实这是真实存在且值钱的类型。 彭博、伯恩斯坦、Gartner、⼀级市场、宏观对冲、VC整个观察⾏业的产业每年⽀付⼤量的钱给这种模版的人。 对科技史的兴趣不是消遣,它就是这份⼯作的核⼼肌⾁:技术如何扩散、产业如何被重组、组织在压⼒下如何变形。 其实我也很喜欢观察,甚至这是我这些年最有趣的地方,但在过程中我发现这个逻辑有⼀个致命前提: 只观察不深⼊的⼈,终点默认是评论员,什么都能谈,什么都不真懂,很多时候,在靠语⾔的流畅度冒充判断⼒。 这里的分界线是,你的观察有没有⼀个别⼈⽆法轻易复现的硬底。 伯恩斯坦的半导体分析师看得懂制程节点、良率曲线、资本开⽀周期。 好的能源分析师算得清 LCOE 和电⽹调频,好的⽣物医药 VC 读得懂临床终点设计。 他们不做研究,但能验证研究者的说法真假。 ⼀席之地的分层,护城河的五个来源。 1. 信息渠道,认识供应链⾥的⼈ 2. 技术鉴别,能判断技术说法真假 3. 模型能力,能⾃⼰算成本结构、产能、单位经济 4. 历史深度,知道这个模式上⼀次发⽣是什么时候、结局如何(天然优势,我认为在这个时代也是最稀缺的⼀条,因为⼤部分从业者只有五年记忆) 5. 写作,把上⾯几样变成别⼈愿意读的东⻄ 大概的情况是, 有两三样 = 稳固的⼀席之地。 ⼀样都没有 = 没有议价权,随时可被替换,还要和 AI 竞争。 第二,这套护城河框架再往深处推演一层,分水岭其实在于,你是把科技史当成故事书来消费,还是把它当成参数化系统来逆向工程。 绝大多数只喜欢观察的人,停留在第一层,他们惊叹于瓦特改良蒸汽机、贝尔实验室的传奇、或者某次产业并购的戏剧性。 但这只是在消费结果。 值钱的观察者,看的是状态机。 如果要让这套逻辑在 AI 时代彻底闭环,并具备绝对的溢价能力,还需要补上三块拼图。 顶级的观察者,脑子里装的是不同行业的同构性。这就是Cross-domain。 如果可以懂系统在资源强约束下的扩散方程,就可以发现近乎完全同构的逻辑。 伪装成判断力的语言流畅度,在面对结构性危机时会瞬间破产,当所有人都在高喊某个新范式时,他条件反射般去查证它的边际成本、资本开支回报率和历史对照组。 宏观对冲和一级市场,恰恰需要剥离掉这些修辞泡沫,去计算每一个节点上具体的人、钱、设备和物理极限。 克制住将事物浪漫化的冲动,是观察者走向专业化最痛苦的成人礼。 最后我想说,如果你天然就对知识的边界、技术的演化、历史的复盘有着近乎病态的兴趣,却对日复一日埋头推导公式或写底层代码缺乏耐心,千万不要觉得这是缺陷。 这是一个极其稀缺的系统架构师基因。 当工具把语言的流畅度贬值到零的时候,对真实物理世界、资本流动和历史周期交织点上的精确鉴别力,就会变成这个时代的硬通货。 所以,别去做万事通。 希望你能以深度作尺,去量一量今天技术图纸上的每一个像素。
顯示更多
0
61
231
54
轉發到社區
昨天打开@humidifi网页都惊了,也太简单粗暴了……只能看到一串钱包排名 。但是如此低调的项目——为什么能月交易 300 亿美元,以及 $WET 代币估值猜想: 【非AI文,放心食用】 运作方式非常独特,被称为 “暗池”DEX(Prop AMM)。 传统的 DEX(比如 Uniswap V2)使用一个简单的数学公式($x * y = k$)来定价,这种方式被称为**“被动 AMM”**。问题在于: 价格更新慢: 无法实时跟随市场变化。 滑点高: 交易量一大,价格波动就大,用户损失高。 资本效率低: 需要巨额池子才能提供不错的深度。 大家做过链上交易的应该都非常熟悉了,不过HumidiFi 的创新点在于: 专有活跃流动性(Prop AMM/暗池): 它用一套机构级的、不开源的智能报价和预言机逻辑取代了简单的公式。你可以理解为,它有一个顶尖的量化交易团队在背后实时操盘,根据中心化交易所(CEXs)的价格、内部库存和交易信号,每秒钟多次动态调整报价。 这意味着,尤其是在链上大额交易的时候,能拿到非常好的价格。 它没有独立的官网或前端界面,所有交互都通过 Solana DEX 聚合器如 @JupiterExchange 完成,理解为是底层的供应商或者做市商,这也是官网为什么只有排名的原因。 这些数据很多大V已经证实过了,总结一下就是: 交易量称王 效率之王 生态系统核心 尤其是效率这一块,530 万美元的TVL,却能支持 $8 亿多美元的日交易量,这样的资本利用效率,就很可怕。 这个项目将成为Jupiter DTF的第一个ICO。这种没有故事,没有强大背书的项目,为什么要发币?代币有什么用,如何支撑代币价值,是最后的流动性收割吗? 【作用】 治理权:$WET 将作为协议的治理代币,让社区拥有者决定协议的费用结构、风险参数和未来发展方向。 流动性激励:激励流动性提供者(LPs),特别是机构级的做市商,确保协议的流动性深度和竞争力持续领先。 价值飞轮: $WET 可能会通过收费分成或质押机制,捕获到协议产生的交易费用。 【估值分析,仅供参考】 HumidiFi 的月交易量高达 $300 亿+,在现有的市场条件下,我们保守一点,取200亿的平均交易量,假设平均交易费为极低的0.005%。(其实他们赚的是交易价差和库存管理,这里用极低的费用比例代替) 月收入 = 200 亿 * 0.005% = $100 万美元,年收入 = 1200万美元。 目前的顶级dex的年收入(数据仅作参考)和FDV比例如下: Uniswap 年收入约 1.042 亿美元,估值约 60 亿美元。60倍 PancakeSwap 年收入约1亿美元,FDV近 10 亿美元。10倍 Meteora 年收入约5000万美元,FDV近 3 亿美元。6倍 鉴于他是Jupiter DTF的第一个ICO,以及代币锁定和保守的利润估算,可以略微溢价,依旧乐观的假设为30倍,那么其开盘FDV就应该为2-3亿左右应该是没问题的。
顯示更多
0
10
20
1
轉發到社區
分享部分会员群里的聊天分析案例: 图1:群友咨询参加单男是否靠谱,逼友分享亲身具体经历。 点评:满分回答,真实。没有过多要补充的。 图2:逼友得吃 点评:创造好的氛围环境,来到X,没事点开VIP群看看逼友分享,就会有前进动力,冰冻三尺,非一日之寒。长期在好的约会群里,时间久了,耳濡目染,自己也就慢慢会了。 图3:关于小众交友软件是否可约? 点评:现在好多交友软件都是在找代聊客服,大致就是你如果想继续和她聊天,就要充值额度或者赠送礼物。甚至目前有些老牌软件平台,也在使用这样的方式。如果你充钱,后期还会锁定你,故意限流。所以给逼友一句万能公式,不要在软件上面充任何会员,充值会员不代表你能约到。 图4:关于新手小白总觉得自己没准备好形象这个问题回答。 点评:永远不要觉得自己没准备好,具体执行无非就是 干净的发型+干净的脸+画下眉毛+干净的衣服就可以了。可以量化。不要觉得有未知恐惧。一定要抱着无所谓的态度去邀约,先学会和女生交朋友。你越心态稳定越容易得吃。当年我就是骑着电瓶车还是破的二手带着妹子,给后面宝马大哥羡慕坏了。 更多分享仅在Xchat群
顯示更多
0
10
20
4
轉發到社區
ai4bio的最本质的挑战是,生命科学中大量的核心问题属于计算不可约(Computational Irreducibility)问题。几乎不存在通用的“数学解析解”或“快捷算法”,必须一步步完整模拟其微观物理过程。 但生命科学近年来呈现出一个奇特的范式分野:底层机制是计算不可约的,但宏观功能却往往是“经验可归纳(Statistically Reducible)”的。 斯蒂芬·沃尔夫勒姆(Stephen Wolfram)提出的计算不可约性,本质是指:一个系统的演化过程本身就是获取其未来状态所需的最小计算量,无法通过某种简化的数学公式跳步求解。 生命系统的底层恰恰全盘满足这一特性的物理前提: 跨尺度的非线性与组合爆炸蛋白质动态与全原子折叠动力学---虽然 AlphaFold 系列在预测“基态静态结构”上取得了突破,但蛋白质在真实生理环境下的构象转换、别构调节、非折叠蛋白(IDPs)聚集及相分离,完全依赖于皮秒级别的范德华力、静电相互作用与溶剂熵增。只要离开统计学能覆盖的结构模体,精确求解就必须回退到底层的分子动力学(MD)模拟——每推进一个飞秒都需要全局重新计算一次能量场。 基因调控与代谢网络---单个基因的突变并非简单线性映射,它受表观遗传修饰、转录因子结合亲和力、RNA 降解速率、空间染色质构象(3D 基因组)乃至代谢物反馈的联合调控。这种由成千上万个节点组成的非线性动力系统,其相空间极其庞大,状态往往敏感依赖于微小的初始涨落(蝴蝶效应)。自指性与历史偶发性(Frozen Accidents) 生命是一个自我指涉的开放机器---DNA 编码蛋白质,而蛋白质负责复制、校对与修饰 DNA。生物演化不是在全局最优解上做梯度下降,而是由大量偶发的历史事件(例如内共生事件形成线粒体、古病毒基因整合)经过数十亿年修补(Tinkering)而成的“遗产系统(Legacy Code)”。 其缺少优雅的底层物理对称性,导致任何不包含其演化历史信息的捷径模型极易失效。细胞命运决定的分岔行为从受精卵到复杂有机体的分化、肿瘤微环境下的耐药突变产生,微观分子的布朗运动和基因表达的固有随机性(Intrinsic Noise),会驱动细胞在瓦丁顿表观遗传景观(Waddington landscape)的不同引力盆之间跳跃。 预测一个干细胞系在几百代后的确切异质性分布,本质上无法跳过真实的生长时间。 但是,现代 AI 为何能“绕开”计算不可约的壁垒?如果生命系统是严格计算不可约的,为什么近几年的 AlphaFold、ESM 等基础模型能够实现前所未有的预测精度? 答案在于有效理论(Effective Theory)与粗粒化(Coarse-Graining)的胜利:自然选择压缩了搜索空间:在理论上,一条几百个氨基酸的多肽链可能折叠出的构象空间是无限的天文数字(Levinthal 悖论)。但真实生物圈并不是纯粹的随机漫步——演化只保留了具有热力学稳定性、功能特异性的极小构象流形。 从因果机理推演转向高维几何插值:深度学习模型并没有在物理底层上“解密”微观运动的解析方程,而是利用 MSA(多序列比对)和跨物种同源数据,隐式重构了演化历史在低维嵌入流形上的投影。 换言之,AI 并没有把不可约的方程解析掉,而是通过记忆与插值演化留下的指纹,绕过了动力学微观步进。 生命科学之所以在转化应用(尤其是新药研发和临床靶点验证)中依旧面临极高的失败率,根本原因正是工程落地往往发生在“计算不可约”的深水区: 比方说,脱靶毒性与系统副作用---你在高维表征空间里为靶点设计了一个完美的分子,但该分子在体内与数万种其他蛋白、脂质甚至肠道菌群产物的多体动力学互作,无法被任何简化模型提前全盘预知。最终仍必须依赖耗时的体内实验(In vivo)——即让活体生物作为“物理模拟器”运行自身的时间。 又比如,虚拟细胞(Virtual Cell)的瓶颈---当前计算生物学界正在攻关的“全细胞数字孪生”,每提升一个数量级的微观保真度,所需的运算步长就成指数级压缩。即使算力提升数个数量级,若底层的离散与随机多体性质导致不可约性,单纯堆叠 GPU/TPU 也只能推进微秒级的模拟。 本质上,生命系统是在宏观层面维持自组织耗散结构的、由微观计算不可约动力学驱动的实体。 目前的研究程度表明,只要问题关乎稳态模式识别,我们就能找到统计学上的捷径;但只要问题深入到跨尺度的因果动力学与时间演化,大自然依旧没有给人类留下跳过计算过程的后门。
顯示更多
0
4
80
16
轉發到社區
9月份美联储到底加不加息?答案可能让你意外。 加不加其实都不重要了,因为这次行动的本质已经从抑制通胀降级为修复信誉, 是一场精心计算的预期管理,而非真正的货币紧缩周期重启。 很多人听到加息两个字就紧张,仿佛洪水猛兽。 但如果我们拆解一下这25个基点的实际购买力,你会发现它改变不了任何东西, 它拉不动国际油价,填不平地缘政治带来的供应链裂痕,更压制不住胚哀,大规模资本开支带来的能源成本上升。 但工具本身的力度都聊胜于无时,市场的博弈重心自然就从经济数据转移到了政策姿态。 这就引入了一个核心概念,信誉管理。 过去五年,美国通胀长期趴在2%的目标之上,市场对美联储定价能力的信任出现了裂痕。 这时候加息不是为了把钱借贵了,把经济打停,而是为了告诉全世界,我还能控制局面。 这是一种表演性质的威慑,目的是稳住那些已经动摇的定价锚。 而且市场从来都是买预期卖事实。 你去看美债收益率曲线,17周短期国债的收益率早就跑在了美联储政策利率之上, 这意味着什么? 意味着聪明的资金早在几周前就把可能会加息这件事消化殆尽,甚至提前定价了更激进的场景。 当靴子真正落地时,没有新的利空释放,反而会出现资金平仓压力释放的反弹行情。 回想2018年12月那次加息,当时市场认定这是周期的尾声,结果美债收益率不升反降。 历史不会简单重复,但韵律总是相似。 更深层的逻辑在于,传统的经济学公式在今天已经失灵。 过去的逻辑是通胀高加息、经济冷却、物价下降、降息。这套闭环在40年前的全球化红利期有效,因为那时的供应链顺,能源廉价,劳动力充足。 但现在时代变了,供给侧的约束,无论是中东的能源溢价,还是全球产业链的重构,是任何利率调整都无法凭空抹平的。 如果我们强行推演九月加息后的现实,短期内cpi数据或许会在账面上好看一点,但核心通胀依然会顽固的卡在3%到4%。 更危险的是就业端,美国中小微企业的资产负债表本就脆弱,借贷成本的最后一根稻草压下来,裁员和停招必然跟进, 这就构成了最危险的组合,通胀下不来,就业撑不住。 这就是典型的滞胀深渊,很多散户的思维还停留在加息等于美元涨黄金跌的简单线性关系里,这正是被收割的温床。 资本市场最精明的玩家,交易的是预期的预期。 当美联储在经济基本面显露疲态时强行加息,市场解读到的不是美国经济强劲,而是政策失控,正在把经济推向硬着陆。 一旦衰退信号确认,高达40万亿美元的美国债务谁来接盘?答案只能是重新开闸放水。 所以,如果9月加息可能恰恰是美元阶段性顶部的信号,是利好出尽。 当然,孔乙还是认为不会加息。 而对于黄金而言,它看的是实际利率和对法币信用的信任度。 强行加息打不垮供给侧通胀,却会推高违约风险,加速各国央行和聪明资金抛弃信用货币资产,转向无主权的避险资产, 结果可能是美元冲高回落,黄金反向创新高。 所以,别再盯着美联储官员的口头禅做短线交易了。 在这个高频震动、政策失效的新周期里,看清底层逻辑比预测短期波动更重要。 毕竟,当旧的地图找不到新大陆时,唯一的安全感来自于对定价机制的深刻理解,而非对权威叙事的盲目跟随。 关注孔乙,宏观财经深度拆解,带你看懂热点背后的定价逻辑。 另外,给大家留个思考课外题: 如果美联储真的加息,你认为黄金是会因为实际利率上升而下跌,还是会因为信用货币信任崩塌而继续上涨?
顯示更多
一个故事 你信的早没事 当初最早 2-3 年前 跟着我买英伟达、英特尔、amd 等的 虽然我们赚的不多 起码是赚着走的 你中间信也没事 3-4 月英特尔财报前买入赚了 30% 走了的 也还是赚了走的 但你一开始不信中间不信最后信了 我反复说不是 Ai 不够好 而是估值太高了 安全边际不够高 ev 不合理了 还是 17000 的 btc 我喊你满仓 你说熊市 我说 42000 等你接盘 结果 42000 你都不信 去年 8月 10-12 万我喊可以走了 你非要说要到 20 万 是我傻逼 大多数我们能买到的二级市场标的 都不算是差的资产 除了是不是你的能力圈 他们唯一的分歧 其实就是价格 总结价值投资:能力圈+安全边际 5 年前我就在微博发布过好投资公式 好投资=好行业+好公司+好价格+无杠杆+等待 你把 crcl 代入看看 100-200 亿市值定投是不是符合公式 你把你买的那些追高的带入再看看
顯示更多
0
54
186
13
轉發到社區
弦论停滞三十年,标准模型之后再无新范式。 全世界两代人在基础理论物理上集体颗粒无收。 世界,到底怎么了? 华人最顶尖的头脑,大批量流向了三个出口,华尔街量化、大厂算法、AI创业。 清北数学物理尖子的最优路径是九章资本和Citadel,而非普林斯顿高等研究院。 这或许,是激励结构决定的。 理论的回报周期三十年起,且大概率颗粒无收;套利的回报周期三年。一个社会的定价系统给套利开十倍工资,人才流向。 一个社会的定价系统给套利开十倍工资,人才流向就是答案本身。 诚然,我们在数学上有纯理论的顶级玩家,比如恽之玮和张伟做的是朗兰兹纲领,Gan-Gross-Prasad猜想、函数域上的高阶Gross-Zagier公式,许晨阳的代数几何K-稳定性、朱歆文的几何表示论。 可惜,我们没有物理方向纯理论的范式改写者。 所以,我有一个较为悲观的论断是,2026年的现在,数学是有有真金白银的纯理论成果,只是没到改写范式。而物理,全球性绝收,非中国独有的情况,人才配置,确实被套利大规模虹吸中。
顯示更多
0
39
113
9
轉發到社區
在终端里查看 Markdown 文件,直接输出一堆原始标记,想快速预览一下内容不太方便。 于是找到 leaf 这个开源工具,直接在终端里渲染 Markdown,预览效果接近编辑器。 支持实时预览模式,文件保存后自动刷新,还能接收其他命令的输出,比如让 AI 生成的内容直接渲染展示。 GitHub: 内置目录侧边栏、搜索跳转、主题切换,还能渲染 LaTeX 公式和代码语法高亮。 支持打开非 Markdown 文件,代码文件也能带高亮预览。配合实时预览模式,特别适合边写边看的场景。 如果你经常在终端环境下处理 Markdown 文档,或者习惯用 AI 工具生成内容想实时预览效果,可以装个试试。
顯示更多
CRCL 今年一季度财报下周一就要发布了,它算是我除了美股大科技 AI 以外,最关注的一家公司,提前分享一下这次财报的看点。 - USDC 流通量。 在 Circle 真正开辟出第二收入曲线之前,这家公司的营收公式非常简单,USDC 流通量 ✖️ 短期美债收益率。 这次 USDC 流通量相关数据大概率很扎实,前几天 Coinbase 公布的财报,平台 USDC 平均持有 190 亿美元创历史新高,相当于占 USDC 总流通的 25% 以上。 - Coinbase 分成。 Coinbase 是 USDC 最大的分销渠道,目前双方收入协议是这样的,在 Coinbase 平台流通的 USDC,Coinbase 拿走全部利息收入,平台以外,Coinbase 拿走 50%,分成比例相当大。 马上 8 月份会讨论是否修改条款,看看这次财报会议有没有相关的消息透漏出来。如果分成比例有望降低,对于 Circle 来说绝对是肉眼可见的大利好。 - 非储备收入增长。 Circle 最被诟病的问题就是收入结构单一,过于依赖利息储备收入,利率一降收入就会缩水。市场非常关注 Circle 的其他收入增长,也就是常说的第二收入曲线。 Circle 现有的其他业务就是 Circle Payments Network、Arc 区块链、 USYC 这类代币化资产。 这部分收入继续加速,那就说明 Circle 在持续转型。 - Clarity Act 大清晰法案进展 这个法案通过对于 Circle 来说是最大的宏观利好,这次主要看管理层在财报会议上怎么解读,有没有更加积极的信号释放出来上,提振市场的信心。 我自己还是比较看好 Circle 这次财报。
顯示更多
0
48
92
15
轉發到社區