据称，正常售价2250美元的路易威登鞋子，在中国的一家工厂中仅以约55美元的成本被制造并包装的视频被分享了出来。 Death—with a standard retail price of $2,250—involves a sole child from China traveling to the U.S.; a single factory in China accounts for 55% of U.S. imports and exports.

据称，正常售价2250美元的路易威登鞋子，在中国的一家工厂中仅以约55美元的成本被制造并包装的视频被分享了出来。 Death—with a standard retail price of $2,250—involves a sole child from China traveling to the U.S.; a single factory in China accounts for 55% of U.S. imports and exports.

#AI# #Aibot# 新手实战合约教学-BTC 79,300 做多策略 -包含实战点位密码 很多人看到 BTC 跌到 79,500 附近的第一反应是——“完了，要破位了，跟空”。 但真正的左侧入场者看的是另一张图： •79,300-79,520 下方密集堆着多单清算簿 •这不是”支撑区”，这是燃料库 •主力不会在 80,000 上方做多接力，他们要先把这层燃料烧掉再走 所以这一笔的核心命题不是”猜方向”，而是”等屠刀挥下来之后，我站在哪个位置接”。 入场逻辑：三层挂单 2:3:5 不押单点，也不一把梭： •79,520：浅探 20%（试盘） •79,380：中位 30%（主力进场） •79,220：深探 50%（被插针时反而最该接的位置） 为什么不平均分？因为越深的位置越是别人不敢接的位置，越是清算簿被清空的位置，下面那一根的胜率就越高。 平均仓位 = 用同样的成本去赌每一个价格都成立。 2:3:5 = 我知道哪一档是真机会。 止损为什么放 78,780，而不是 79,100？ 79,100 太”舒服”了——所有人都会把止损塞在那。 舒服的位置 = 屠夫位。 止损要么不放，要么放在结构破位之外。78,780 下方是真正的形态失效区，不是心理失效区。 止损被扫这件事，从来都不是因为方向错了，而是因为放在了所有人都看得见的地方。 触发前必须再确认三件事： 1.OI 不能再涨——OI 上涨 + 价格下杀 = 还在加空头，没洗够 2.价格被拉回 79,800 / 80,000 之上——这是 CHoCH 的现场签字 3.15m 出现长下影 / 看涨吞没——不要在阴跌过程里”猜底” 三个条件少一个都不动。少一个就是赌博，不是策略。 止盈节奏：留住情绪，落袋为先 •TP1：80,150-80,260 → 平 45%（剩余保本） •TP2：80,600-80,780 → 平 35% •TP3：81,000-81,300 → 平 20% 或 trailing 第一波急拉通常发生在被动止损盘的 5-15 分钟之内。 TP1 到了就机械执行平 45-50%，不解读，不”再等等”。 “再等等”是行情送你的最贵的三个字。 执行细节（每一单都必须满足）： •Post Only 限价单（不允许 taker 进场） •OCO 同步挂止损 + 止盈 •提前几个小时把单子挂好，进入清算瀑布的时候不允许手动操作 左侧入场最大的敌人不是市场，是你自己在屏幕前的那只手。挂完单 = 把决策权交给系统，关掉盘面。 最后一句留给收藏的人： 清算簿不是支撑，它是磁铁。 你不在燃料库的位置接刀，就只能在烟花结束之后追价。 价格永远朝着流动性最深的地方走。 你要做的，是提前站在那。

在这篇妖币量化研究之后，正好赶上这几天妖币大爆发 明显感觉推上讨论更多了，简中区对妖币alpha的认知遥遥领先于其他语种 而且同时也收到了很多同在一线trader的反馈，以下有几条启发我代入测试，并得出了一些有意思的发现： 1. @Arya_web3 羊姐的OI刷量+跨所爆仓 OI大多数都是刷出来的，刷OI成本低，但订单簿几乎没有单笔大单。爆仓主力不一定在Binance 按照这个思路提炼出了跨所间OI集中度和vol/OI这2个数据维度 得出两个结论： - Binance的OI占比中位数越低，意味着操纵程度越高，V4A这种基于高度操纵特征的策略胜率越高（回测提高了170%） - vol/OI 高就意味着刷量高。刷量在20x以上的币种，V4A表现最差 这同样意味着所有单纯监控合约交易量或者OI的策略都是不妥的，因为很有可能只是庄故意停刷引诱上车的。 这是一个非常好的潜在筛选标准 另外链上流入流出交易所也是可行指标，基本跟V4A信号同步 2. @wuk_Bitcoin Donato老师的“价OI背离” 逻辑是价格不断被托着上涨，但是连续数个小时OI大幅单调下降。这个逻辑说明有聪明钱或者内幕在悄悄出货 数据试验了一下，这种状况相当多样本很多，而且更重要的一点：并不依赖于操纵币种和操纵事件，是一个独立出现信号并可以正EV的策略（当然绝大多数回测数据出现是熊市），与我之前的V4A策略重合度较低 当然也有局限性： 1.需要非常紧的反弹trailing平仓 2. 回测带上滑点成本后单笔PNL较低 3. 容易受到OI操纵的影响 3. @CryptoRounder 老师的急速插针+OI骤降 这个可能是对于V4A策略补充最好的发现 —— 在V4A的操纵币种+操纵区间筛选+插针顶部信号筛选基础上，检测30分钟OI是否出现骤然减少 这个策略的逻辑是，这个位置的价格触发了大量的清算导致OI骤降，因为空单对手盘消失，庄家失去维持高位价格的意愿开始下跌，是一个更确切的顶部信号 让我非常惊讶的一点，是这个策略我即使建立在V4A的顶部确认和操纵周期确认条件基础上，回测居然几乎不重合 经过回测确认，Rounder老师的策略触发要比我之前基于纯K的策略触发快2-4小时 我把Rounder和Donato老师的策略一并加到观察里作为V7和V8 总结一下，目前的三个策略V4A（还分老币和新币正在观察）、V7、V8策略如下图 最后再广告一下：测试你的妖币策略，就来 @Hertzflow_xyz 测试网

AI时代，半导体公司到底该怎么估值？ 昨天听了@ShanghaoJin 老师的space，获益匪浅。 但我对于存储板块，乃至整个半导体板块的在目前ai产业革命超级周期背景下的估值方法，有一些不同的想法，所以简单记录一下，也供herman老师拍砖。 过去很长时间里，半导体一直是典型周期行业。景气时利润暴涨，低谷时利润迅速蒸发。很多公司上一年PE几十倍，下一年直接亏损。所以过去市场并不太相信半导体公司的利润持续性，更喜欢用 PB、重置成本、EV/EBITDA，而不是PE。因为市场默认这些利润大概率只是周期利润，而不是长期利润。 但AI时代正在改变这一切。HBM、CoWoS、AI Networking、光模块、先进封装、电力与数据中心基础设施，开始出现长期供需失衡。整个行业的估值逻辑，也开始从“资产思维”转向“现金流思维”。 截至2026年，行业仍处在AI驱动的强景气阶段。根据 SIA 数据，2025年全球半导体销售额达到7917亿美元，同比增长25.6%，并预计2026年接近1万亿美元。SEMI 也预计设备销售将在2026、2027继续增长。这种环境下，很多股票估值已经提前包含高增长预期。重要的是增长质量，以及它所处的周期位置。 很多人喜欢只看 PE、forward PE 或 PEG，但半导体行业的问题在于，“周期 + 高成长 + 高资本开支 + 技术代际”全部混在一起，单一估值倍数很容易骗人。周期顶部时，利润爆炸，PE反而会显得特别便宜；周期底部时，利润低迷，PE又会显得特别贵，甚至失去意义。重要的是判断当前利润到底处在周期的哪个位置。 PE 本质上是： PE = \frac{Market\ Cap}{Net\ Income} 它看的是最终归属于股东的利润，因此会受到利息、税率、折旧和资本结构影响。而 EV/EBITDA 更接近企业经营本身的赚钱能力： EV/EBITDA = \frac{Enterprise\ Value}{EBITDA} 其中： EV = Market\ Cap + Debt - Cash 很多人会疑惑为什么现金要减掉。因为 EV 本质上是在看“买下整个公司的真实净成本”。债务需要接手，而账上的现金买下后也归你，所以现金会降低真实收购成本。重要的是理解 EV 关注的是经营业务本身值多少钱，而不是公司账上堆了多少现金。 这也是为什么 Apple、Alphabet、Meta Platforms 经常出现 EV 小于市值的情况，因为它们账上现金太多。 但AI时代又带来了一个新问题。很多公司的现金已经不再是“闲置现金”，而是GPU储备、数据中心扩张储备、AI基础设施战争储备。重要的是区分 Excess Cash、Operating Cash 和 Strategic Cash。有些现金未必真的应该全部减掉。 AI时代另一个巨大变化，是行业进入超级重资本时代。EUV越来越贵，High-NA越来越贵，CoWoS扩产越来越贵，HBM扩产越来越贵，数据中心基础设施越来越贵。整个行业折旧（D&A）正在快速上升。于是很多公司的 EBITDA 非常漂亮，但净利润没有那么夸张，因为大量利润被折旧吞掉了。重要的是现在 PE 和 EV/EBITDA 的差异，正在明显扩大。 不同子行业差异尤其明显。Fabless公司差异最小，比如 NVIDIA、AMD、Broadcom。因为它们不自己建厂，折旧压力较低，因此 EV/EBITDA 往往只比 PE 低20%-40%。 但 Foundry 完全不同。比如 Taiwan Semiconductor Manufacturing Company、Samsung Electronics、Intel。这些公司 CapEx 极大，折旧极高，厂房设备生命周期极长，所以 PE 和 EV/EBITDA 差异会明显扩大。TSMC 当前常见情况大概是 PE 20-30x，而 EV/EBITDA 只有12-18x。重要的是理解很多折旧本质上其实是“增长投资”。 存储行业更加极端。Micron Technology、SK hynix 过去长期是最典型的周期行业，市场几乎不相信利润持续性。但 HBM 改变了部分逻辑，市场开始认为其中一部分利润可能是结构性利润，于是行业开始重新定价。重要的是 HBM 让市场开始重新评估存储行业的长期盈利能力。 而半导体设备公司则是另一种情况。比如 ASML、Applied Materials、Lam Research、KLA。这些公司更像“拥有工业外壳的软件公司”，因为它们毛利率高、ROIC高、FCF强、资本效率极高，所以市场已经越来越多使用 PE、EV/EBITDA、EV/FCF 和 ROIC 来定价。 真正的问题，从来不是哪个指标最好。重要的是哪个指标适合哪个子行业。 Trailing PE 适合盈利稳定的成熟公司，但周期股在景气高点 PE 会显得特别便宜，在低谷又会显得特别贵。Forward PE 更重要，因为市场买的是未来12-24个月利润。重要的是盈利预期是否还在持续上修，而不是单纯看一个低 forward PE。 PEG 对稳定高成长公司很好用，但对周期行业非常危险。很多时候 EPS 从低谷恢复，会让 PEG 看起来异常便宜。重要的是判断这个增长到底来自长期成长，还是仅仅来自周期反弹。 EV/EBITDA 更适合设备、IDM、存储这些资本结构差异大的行业。重要的是最好使用中周期 EBITDA，否则很容易在周期顶部被误导。 我个人更喜欢 FCF Yield 和 EV/FCF。重要的是这两个指标会逼着你回答一个问题：这些利润最后到底能不能变成真钱。 EV/Sales 只适合高增长、利润暂时被投入压低的平台型公司。重要的是结合毛利率、经营杠杆和长期利润率一起看。 不同子行业应该看不同指标。AI/fabless 芯片更应该看 forward PE、EV/FCF、收入增速、毛利率、客户集中度和平台护城河；半导体设备更应该看 EV/EBITDA、订单、积压和 WFE 周期；存储更应该看 P/B、EV/EBITDA、库存以及 DRAM/NAND/HBM 价格；晶圆代工和 IDM 更应该看利用率、CapEx、折旧、ROIC 和 FCF；模拟、功率和车规更应该看 FCF yield、库存周期和工业需求；EDA/IP 更应该看 EV/Sales、EV/FCF 和长期增长确定性。 所以不要只按 PE、forward PE 或 PEG 买半导体股。重要的是先分子行业，再做多指标综合。 我的框架会更简单一些。第一看质量，包括毛利率、营业利润率、ROIC、技术壁垒和客户粘性。第二看增长。重要的是增长到底来自结构性需求，还是只是周期复苏。第三看现金流，包括 FCF margin、CapEx 强度、库存变化和应收变化。第四才是估值，包括 forward PE、EV/EBITDA、EV/FCF、PEG，并与同行和自身历史区间比较。最后才是风险，包括客户集中、出口限制、库存、产能过剩和盈利预期下修风险。 半导体行业最重要的一点，是不要被低PE欺骗。重要的从来不是今天便不便宜，而是未来3-5年的现金流和竞争地位，能不能支撑今天的估值。 AI时代最大的变化，本质上也是这个。过去市场担心的是“下一轮周期会不会崩”，现在市场开始关心的是“这些利润到底是周期性的，还是结构性的”。 如果市场认为只是周期，那么 EV/EBITDA 不会给太高，PE 也不会持续扩张。如果市场开始相信 AI需求是长期的、基础设施建设是长期的、供需失衡是长期的、行业进入结构性短缺，那么整个行业的估值体系就会继续升级，从 PB → EV/EBITDA → PE → FCF 一路向上迁移。 最终获得长期高估值的公司，往往都是那些 ROIC 持续提升、资本效率持续改善、拥有长期定价权、能把AI需求持续转化为现金流的企业。