vivienna.btc
@viviennaBTC
Macroeconomics | AI Coding | Bitcoin-er since 2017 | Options | Math talks ｜ 不吃瓜、无热点、没返佣、很无聊
495 正在關注 29.6K 粉絲
漫话期权 | 第二季 | E1 | 垂直价差牛熊四兄弟
买 Call 赌对了方向,到期还是亏钱,钱被时间和 IV 一点点磨没了。这是单腿买方最常见的死法。
垂直价差就是为这件事而生的:让别人替你付将近一半的保费,把最大亏损焊死在开仓那一刻,行情只要温和走到,你就赚。
代价是利润封顶,而怎么选行权价、什么时候提前落袋、什么时候认赔离场,才是这套组合真正的难点。
这一集用一笔真实的 BTC 交易,把价值和坑一次讲透,附赠牛熊四兄弟的选择口诀。
五个问题:
- 看对了方向还亏钱,你的钱到底被谁拿走了?
- 为什么宁可少赚,也要在开仓那一刻就把最大亏损焊死?
- 嫌保费太贵下不去手?有人愿意替你付一半,他图什么,你又让出了什么?
- 利润是封顶的:浮盈到多少该提前落袋,亏到多少必须认赔走人?
- 四种价差摆在面前,选错方向不致命,选错买方还是卖方才致命,凭什么定?
口诀带走:方向定牛熊,温度定买卖。
本内容仅为知识科普,不构成任何投资建议。期权交易风险极高,请务必先在模拟盘练习。
顯示更多
自从停止分析经济数据、不再预测市场、不再科普货币金融知识，并且开始分享最无聊的期权基础知识后，掉粉速度比之前都要快了些。
据说做好自媒体都需要有点“不正常”的特性，我这种“不正常”的爱好却支持了我“流量反骨”的特性😶
顯示更多
开始组合策略的视频制作, 但是感觉给自己挖了个大坑🤡
这玩意用视频怎么展现才能深入浅出、更容易理解呢?现在的脚本感觉还是会让人一脸懵🙃
顯示更多
#行为金融学# 二级市场交易远非纯粹的理性博弈，而是充满人性弱点的心理战场。
过度自信、损失厌恶和从众效应，让人常常在盈利时急于兑现、亏损时死扛不止，其实是典型的处置效应在作祟。
羊群行为追涨杀跌或锚定偏见死守某个心理价位往往是陷阱，真正有效的策略应建立在独立分析和规则之上，而非情绪驱动。
市场并非总是有效，投资者的非理性偏差会制造短暂的定价错误，这既是风险也是机会，关键在于先识别并克制自身偏见。
总之，交易的核心不是预测市场，而是持续觉察并管理自己的心理偏差，用纪律代替冲动，才能在二级市场长期存活。
顯示更多
日本央行外汇干预，CFTC日元空头不减反增了🤣但16万手空头也是相对极值点了。
观察到VIX也大跌，说明市场压根没把本次急促的、人为的日元升值当回事？
对套息交易的影响分析，和对美元流动性分析一样，堪比量子碰撞，称为“量子金融学”。
我放弃了，反正都是赌。
顯示更多
漫话期权 | 第6集 | BS定价公式与波动率微笑
10 分钟,把 BS 公式拆成一台人人看得懂的机器,教你用 IV 给期权量体温、判贵贱。
第一季完结篇🎓
一张期权凭什么卖 $2,000,谁标的价?
诺奖公式 Black-Scholes,到底算什么、算不出什么?
IV 隐含波动率,是算出来的,还是人吵出来的?
为什么说交易期权,交易的从来不是价格,是波动率?
怎么用 IV 判断一张期权是虚高,还是在打折?
波动率微笑为什么左边翘得更高——市场在怕什么?
#期权# #Options# #BTC#
顯示更多
我是一个无趣、保守、悲观、脆弱的人。所以从本质上来说我特别不适合做自媒体。
但是有些南墙必须要撞一次才能清醒。
不适合的人和事，趁早割舍。
顯示更多
持有 Δ0.5 的平值 Call,BTC 涨 1000 你赚 500。
再涨 1000,还是赚 500 吗?
——错。是 600、650,而且越涨越快。
《期权急诊室》第 5 集:给期权装上仪表盘 🏎
▸ Delta 是油门,也是曲线的斜率
▸ Gamma 是涡轮:油门自己会变深,曲线越弯变得越快——买方的凸性优势全在这
▸ 同一台涡轮对着卖方喷火
▸ 一张四格仪表盘收纳全部希腊字母:方向 · 加速度 · 时间 · 情绪——看任何持仓,先扫这四格
看完你就明白:为什么"临期的平值期权,是涡轮对着卖方喷火"。
#期权# #Options# #BTC#
漫话期权 | 第5集 | 期权的“油门”和“涡轮”——Delta & gamma via @YouTube
顯示更多
漫话期权 | 第4集 | 隐含波动率
财报夜,你笃定要股价要暴动,买了平值 Call。
第二天股价 +5%,如你所愿——你的 Call 却亏了 20%。
凶手不是时间,是波动率。
《期权急诊室》第4集 | 隐含波动率:
🌡 IV = 期权市场的恐慌温度计
📏 波动率,才是期权最直接的定价标尺
🧾 拆账:方向给你的收益,时间偷走一点,波动率退烧偷走一点
⚔️ IV crush:财报夜专杀方向党的镰刀
一句行话:交易期权,本质是交易波动率。
via @YouTube
顯示更多
前些天 X 上还一堆人讨论要不要看 AI 生成的代码，现在《Clean Code》作者鲍勃大叔都说：“我不看 AI 写的代码”
他的原话是，这是他能利用 AI 生产力的唯一方式。人类读代码太慢了，如果还逐行审查，就丧失了用 AI 的意义。
但不看不等于不管。他的做法是给 AI Agent 设置层层关卡：单元测试、Gherkin 测试（一种用接近自然语言描述软件行为的测试格式）、QA 流程、代码质量指标、变异测试（故意往代码里塞小错误，看测试能不能抓住）、测试覆盖率，等等。
他在今年早些时候还公开了自己的具体实践：一套四个 Agent 组成的流水线，分别负责需求规格化、编码、重构和架构审查，每个阶段都比上一个阶段更形式化，需要的人工干预也更少。他同时还会看测试覆盖率、依赖结构、圈复杂度、模块大小这些指标，从指标推断代码质量，而不是从代码本身。
【注：圈复杂度（Cyclomatic Complexity）衡量代码中独立执行路径的数量，数字越大说明逻辑越复杂，越难维护和测试。】
当 AI 生成代码的速度远超人类阅读代码的速度，代码审查的形态也在跟着改变。以前的核心能力是读代码、写代码，现在可能正在变成写测试、定约束、设指标。鲍勃大叔过去几十年一直在推测试驱动开发（TDD），现在 AI 时代高质量的测试覆盖反而比代码更有价值。
他今年在 O'Reilly 上开了一门课，叫《AI Agents for Clean Code》，也在自己的 Clean Coders 平台推出了新系列《Clean AI: Agentic Discipline》。主旨一样：AI Agent 不是不需要纪律，是需要不同的纪律。
顯示更多
大部分期权科普讲希腊字母会先从delta、gamma开始, 实际上我个人经验, 期权的时间价值Theta是新手最先应该理解的概念, 然后是Vega 波动率. 因为在不理解期权到底是什么的时候就开始讲影响价格的数学因子其实是比较难的.
希望我的讲法能让初学者get到一点期权的美~
漫话期权 | 第三集 | 期权的时间价值-Theta via @YouTube
顯示更多
漫话期权 | 第一集 | 期权概念与损益图 via @YouTube
最近沉迷于制作视频科普, 每一个视频的诞生都让我更深入理解某一个课题, 我觉得是非常不错的学习方式.
于是重新开启了YouTube频道, 仍旧是分享宏观经济货币金融、AI Trading、期权等相关分析为主.
已经把之前的AI产业链七讲同步到频道里了, 近期在做期权基础, 感兴趣的朋友欢迎订阅~
顯示更多
几乎每次货币政策转折点都会挑起“货币主义者”的敏感神经。
必须要时刻提醒自己：加息缩表不等于“流动性”一定减少，即使你信奉弗里德曼也应该知道，流动性是“量”和“速度”的共同参数作用；降息扩表也不意味着资产价格都会上涨，人有代际差异，投资偏好也有。
通胀和通缩就更加不止是货币问题了。否则美联储一个部门就能呼风唤雨了。
顯示更多
【经典概念回顾】流动性陷阱（Liquidity Trap）是凯恩斯理论中的一个关键情景，指当名义利率已降至接近零（或极低水平）时，人们对未来的预期悲观，流动性偏好极度强烈，即使中央银行大幅增加货币供给，人们也倾向于无限持有现金而不是投资或消费。这时传统货币政策（如降息、量化宽松）基本失效，因为多印的钱被“困”在银行体系或居民手中，无法有效转化为信贷和需求。
经典案例：1990年代的日本，长期负利率和QE也无法刺激股市或地产投资。
凯恩斯的流动性偏好理论与弗里德曼的货币数量论代表了宏观经济学中凯恩斯主义与货币主义的两大对立范式，二者的本质区别在于对货币需求、利率作用、经济波动原因以及政策取向的根本不同观点：
1. 对货币需求稳定性的看法：
- 凯恩斯：货币需求（尤其是投机需求）不稳定，受心理预期、利率和不确定性影响强烈。流动性偏好是动态的，导致货币需求曲线可能陡峭或平坦（流动性陷阱）。
- 弗里德曼：货币需求相对稳定，是一个可预测的函数，受永久收入主导，对利率敏感度低。流通速度（V）也相对恒定，因此货币供给是关键变量。
2. 利率的决定机制：
- 凯恩斯：利率由货币供给与流动性偏好（需求）均衡决定，是货币市场的结果。利率影响投资，从而影响总需求和就业。
- 弗里德曼：利率更多由实际因素（如生产力和储蓄）决定，货币数量论中利率不是核心；货币供给变化主要影响价格水平，而非直接通过利率影响经济。
3. 经济波动的原因与政策建议：
- 凯恩斯：经济波动源于总需求不足（如投资不足），货币政策通过降低利率刺激需求，但可能失效（流动性陷阱）。强调积极财政政策和政府干预来实现充分就业。
- 弗里德曼：经济波动主要源于货币供给的不稳定（如中央银行的随意干预）。货币政策应被动、规则化，避免通胀；反对财政干预，认为市场自我调节能力强。
顯示更多
《AI产业链七讲》全系列完整版带字幕——
用苏格拉底式提问,带你从上游到下游看懂AI的钱如何流动。
第1讲《卖锅的人》:半导体设备与材料。良率是1000道工序的连乘,设备人人能买、工艺无法复制;设备商一半是垄断一半是周期,牛鞭效应甩在链条末端。
第2讲《台积电:给全世界打工,却比老板还赚钱》:两种定价权——英伟达锚定价值,台积电锚定信任,克制也是护城河;每年500亿美元资本开支不是负担,是别人进不来的城墙;台海折价与海外建厂的保险账。
第3讲《英伟达:CUDA帝国,与拆墙的人》:最深的护城河是一门"语言",硬件的战争软件打赢;客户们借博通之手自研ASIC,分蛋糕的方式在变;客户集中度39%是软肋,先行指标看云厂商资本开支。
第4讲《HBM:老二的逆袭》:AI的真瓶颈是内存墙,HBM卖的不是容量是带宽;认证+长约让大宗商品变成定制生意;三星掉队的教训——王座只在技术切换期易主。
第5讲《数据中心的完整账单,与下一个瓶颈:电力》:AI的钱一半给芯片,另一半流进服务器、光模块、液冷、电网;议价权位置决定利润率;瓶颈迁移:芯片→封装→内存→电力,瓶颈在哪定价权在哪。
第6讲《资本开支的真相》:7250亿美元资本开支,+77%;独角兽估值之争的本质是"像谷歌还是像光纤泡沫";循环交易时代,只认一种收入——终端客户用自己赚的钱付的。
第7讲《万亿美元,从谁口袋里收回来?》:应用层的判决标准——别问有没有AI,问AI让收入池变大还是变小;席位收费的黄昏;毕业考+七个框架总回顾。
七个知识框架:良率连乘 · 两种定价权 · 牛鞭效应 · 定价权跃迁 · 瓶颈迁移 · 循环交易 · 收入池判决
结论会过期,框架不会。感谢大家的喜爱, 知识分享,不构成投资建议。
顯示更多
《AI产业链七讲 · 大结局|万亿美元,最终从谁口袋里收回来?》
1. Palantir增速85%被捧上200倍市盈率,Adobe率先拥抱AI却被当"受害者"——市场的判决为何完全相反?
2. "按席位收费"曾是软件业最美的商业模式,为什么AI一来就成了软肋?
3. 毕业考:云厂商资本开支增速从+77%降到+10%,六家公司谁最先中枪、谁最抗跌?
4. 七讲只能带走一样东西,你带什么?
顯示更多
《AI产业链七讲 · 第6讲|资本开支的真相:钱转了一圈,是谁的收入?》
1. 云厂商是独角兽的房东、股东、又是竞争对手——三位一体的关系里,谁占上风?
2. OpenAI 年化收入240亿美元,估值8400亿——35倍收入,疯狂还是合理?
3. 英伟达投资OpenAI上千亿,OpenAI承诺买超千亿英伟达芯片——钱转了一圈,是谁的收入?
4. 云巨头的财报里,哪些数字决定整条产业链的生死?
顯示更多
《AI产业链七讲 · 第6讲|资本开支的真相:钱转了一圈,是谁的收入?》
1. 云厂商是独角兽的房东、股东、又是竞争对手——三位一体的关系里,谁占上风?
2. OpenAI 年化收入240亿美元,估值8400亿——35倍收入,疯狂还是合理?
3. 英伟达投资OpenAI上千亿,OpenAI承诺买超千亿英伟达芯片——钱转了一圈,是谁的收入?
4. 云巨头的财报里,哪些数字决定整条产业链的生死?
顯示更多
《AI产业链七讲 · 第5讲|数据中心的完整账单,与下一个瓶颈:电力》
1. 一座10万颗GPU的数据中心,除了芯片,钱还得花在哪?
2. 光模块全球份额第一,毛利率却只有三成、还要年年主动降价——为什么?
3. 芯片管够了,AI扩张现在卡在哪?
4. 英伟达、中际旭创、施耐德,该给一样的估值倍数吗?
顯示更多
《AI产业链七讲 · 第5讲|数据中心的完整账单,与下一个瓶颈:电力》
1. 一座10万颗GPU的数据中心,除了芯片,钱还得花在哪?
2. 光模块全球份额第一,毛利率却只有三成、还要年年主动降价——为什么?
3. 芯片管够了,AI扩张现在卡在哪?
4. 英伟达、中际旭创、施耐德,该给一样的估值倍数吗?
顯示更多
《AI产业链七讲 · 第4讲|HBM:老二的逆袭》
四个苏格拉底提问:
1. 内存曾是"猪周期"大宗商品——它怎么就变成了让英伟达排队求货的香饽饽?HBM和普通内存到底差在哪?
2. 技术强,就能摆脱猪周期吗?(提示:炼钢技术也很强,钢铁照样是大宗商品)
3. 老大三星,技术、资金、人才都不缺,怎么就在HBM上掉队了?
4. 想看懂一只存储股,该盯哪三个数字?
顯示更多
