与「宏观周期」相关的搜索结果

我去！A股这边终于有人把多 Agent 分析 + 盯盘 + 选股 + 下单塞进一个本地系统里了。 aiagents-stock，2K stars。Python + Streamlit，受 TradingAgents 启发，但方向完全是大陆盘口：游资龙虎榜、板块轮动、问财选股、MiniQMT 预留接口。 市面上的 AI 炒股项目大多停在「出一份分析报告」这一步，给完观点就没下文。 aiagents-stock 不一样，受 tradingagents 启发，把一套年费 6000 的主力资金战法用 AI 复刻出来，还一路加到盯盘和量化下单。 核心能力： 1️⃣ 6 位 AI 分析师分工研究，同一只股票从技术、基本面、资金、风险、情绪、新闻六个角度一起拆 2️⃣ 支持 A 股、港股、美股，单股深度分析和批量多线程分析都能跑 3️⃣ 自带主力选股、低价擒牛、小市值、净利增长、低估值等多套 A 股筛选策略 4️⃣ 龙虎榜也做成了 5 个 AI Agent 协同分析，可以追游资、看题材、筛次日潜力股 5️⃣ 板块轮动、宏观周期、新闻热度都能继续分析，还支持飞书、钉钉、邮件自动推送 6️⃣ 分析完还能加入实时盯盘，监控进场区间、止盈止损，并预留 MiniQMT 接口继续往量化交易走 我觉得它最有意思的地方，是很懂 A 股这套玩法。 不是简单拿一个国外 Agent 框架改成中文，而是真的把主力资金、龙虎榜、板块轮动、问财、T+1 这些东西都塞进去了。 更像是：先让一群 AI 帮你研究，再让它们帮你选股、盯盘、复盘，最后还能继续接量化执行。 做 A 股 AI 投研、短线复盘，或者想自己搭一套多 Agent 股票研究系统的，这个值得看看。

5个最值得学习的美股中文博主，有实盘战绩的： 1. @xiaomustock 川沐 半导体存储行业深度研究，AI期权实操。纯粹的个人二级操盘日记，对光通信、量子、存储拆解极透，看真实操盘体感和风险控制。 2. @baoshu88 资深华尔街观察者，宏观+美股+投资实战。观点独立且接地气，长期跟踪美股机会。 3. @qinbafrank Frank 刚被Bitget老板采访的9000倍盈利大佬。擅长将科技趋势与宏观周期交叉验证，理性深度分析。 4. @bboczeng 勃勃OC 东半球最理性的美股投资日报，免费订阅超值，不看亏的是你自己。 5. @cyrilxuq 实战交易风格，直接分享操作心得、财报跟随，注重可执行性。 6.@mnmn94253156337 一个正在努力学习的美股交易员，关注他一起学习 这5个不是喊单号，是能学到东西的。建议搭配着看，互补会比单看一个账号更有用。

刚才看中概股，刷到一个挺有意思的段子： 芒格从2021 年一季度开始买阿里，中途浮亏加仓，最终亏损40%斩仓出局。 芒格公开承认，这是自己最糟糕的错误之一，还留下那句很经典的话： 阿里归根结底，还是一个零售商。 不到一年后，老爷子溘然长逝，据传是被阿里气死的😂 中概和美股我都玩过，我自己的体感很明确： 中概股的投资体验极差。 它真正折磨人的地方就在这里： 你以为自己买的是中国最优秀的互联网公司，结果最后交易的是政策、监管、汇率、地缘、审计风险，以及市场长期给不高估值的现实。 不是说里面没有好公司，而是这个市场太消耗人。 你要判断公司，还要判断政策周期、宏观周期和资本市场态度。 普通人真没必要天天想着在屎坑里淘金。

思路打开了！老虎、富途的交流板块，居然还是隐藏的中国中产最活跃的相亲社区 这两天老虎、富途等券商社区交流版块里面一些相亲找对象的帖子开始被大家关注到，主要需求是找人生队友的同时，顺便解决炒美股开户身份的问题 原来，最活跃和高质量的中产相亲线索不在人民公园，在炒美股港股的平台 也很好想通，老虎富途等社区的用户： 1⃣能搞定老虎、富途的美股开户和投资，有海外身份比例较高 2⃣高净值人士的比例比较高，尤其是通过仓位直接展示财富实力 3⃣认知普遍较高，无论是宏观周期的把握、还是行业赛道的研究、还是具体个股公司的分析，都有一定的认知能力，妥妥的高质量人

🚨 全网都在高喊“四年周期已经崩盘”，但冰冷的数据图表却在诉说着完全相反的真相。 别被眼前的噪音迷了眼，太阳底下没有新鲜事，资本的韵脚从未改变： 📅 2018：见顶 ➡️ 触底 ➡️ 开启新纪元 📅 2021：见顶 ➡️ 触底 ➡️ 强势破新高 📅 2025-2026：见顶（$126K） ➡️ 触底清算（NOW） ➡️ 孕育下一次狂欢 📊 核心战术路线图： 🛒 绝佳左侧买入区：$45,000 - $55,000（主力最后的诱空绞杀位） 🎯 2027年终极大顶：$120,000+一模一样的周期，一模一样的操盘剧本。只有在废墟里敢于弯腰捡筹码的人，才配在顶峰享受香槟。 打开通知 🔔，跟紧最冷静的资金！ #Bitcoin# #BTC# #加密货币# #宏观周期#

【完整视频】专访 Bitget CEO Gracy：把"误解"印在文创袋上，用幽默回应世界 01:39：交易所的区域策略，我们为什么最重视华语市场 03:29： 把 "误解" 印在文创袋上，直面恶评的底气 07:21：非加密资产交易占比近 40%，UEX 战略进展 11:05：IPO Prime 与 Republic 合作逻辑 17:38：宏观周期变局下的交易所战略 20:46：全员 All in AI，碳基与硅基协同工作 24:48：我的前 35 年，Bitget 与个人的蜕变 28:33：单亲妈妈的育儿观，希望儿子不再以自己为榜样 30:07：我的榜样：JP Morgan、段永平、李录、杨澜

AI半导体终局推演2026(I) 当新token经济学范式从GPU算力转移到HBM 本文从从GPU架构进化路线本质出发，解释这个市场长久以来担心的问题: 每个GPU的HBM内存需求为什么一定会是指数增长，为什么HBM需求指数增长不会停滞? 并推导token经济学在当前架构下第一性原理:token吞吐 = HBM size X HBM BW带宽 同时讨论了，为什么GPU的天花板被HBM的两个发展维度所决定 HBM周期性这个话题争议一直很大，乐观派认为AI带来的需求比以前要大的多，但市场主流仍然认为前几次上升周期也有需求每年20%+增长，这次又有什么不一样呢？AI不影响HBM和传统DRAM一样有commodity属性，一旦在需求顶峰扩产遇上需求下行又会重蹈覆辙。 我们可以从算力芯片架构视角,从第一性原理出发，来拆解和推演一下这个问题：为什么这次真的不一样 ------------------------------- 历史：CPU算力时代 很久以来，我们都处在CPU主导算力的时代，CPU的最高级KPI就是performance，跑的更快，所以每一代的CPU都用各种方法来提高跑分，最开始是频率上升，后来是架构演进superscaler等等 这个时候为什么DDR不需要很快的技术进步速度？比如DDR3到DDR5竟然经历了15年之久 因为这个时期的DDR的角色是纯粹的辅助，而且辅助功能极弱，以业界经验，DDR的速度即便是提高一倍，CPU的performance一般只能提高不到20%这个量级 为什么DDR带宽速度提高了用处不大？两个原因 1. CPU设计了各种架构去隐藏 DDR延迟，比如superscaler，加大发射宽度，用海量的ROB和register renaming来提高并行度隐藏延迟，一级缓存cache，二级缓存cache，削弱了DDR的带宽速度需求 2. CPU workload对DDR带宽要求并不高，大部分日常负载比如打开网页，DDR带宽是严重过剩的，甚至云端负载 也就是说，在CPU时代，DDR的带宽速度是不太有所谓的，DDR4和DDR5除了少数游戏就没啥差别，甚至JEDEC标准也进步缓慢。 另外，绝大部分app需要一直停留在DDR上的部分并不多,需要的时候从硬盘上调度到DDR即可，app的size增长没那么快，导致对DDR的容量需求也较为缓慢。 所以最近十年来，平均每台电脑上的DDR容量大概从7~8GB变成了23GB，十年只增长了3倍。 而这部分升级缓慢直接影响了营收，size容量计价是赚钱的主要方式，速度的提高只是技术升级，提高size的单价，这两个的升级需求都不大，需求主要是随着电脑/手机数量增长而增长 所以DRAM在带宽速度和容量这两个维度上，一直是都是芯片产业锦上添花性质的附属品，DDR升级带来的边际效用是很低的，跟CPU时代的最高KPI几乎没什么直接联系 -------------------------------------------- 而到了genAI 大模型为主导的新时代，计算范式转移让最高级KPI起了根本变化 GPU发展到AI推理的时代，不再像CPU那样只看跑分，最高级的KPI不再是算力TOPS/FLOPS，而是token的成本，特别是单位成本/单位电力下的overall token throuput 其次是token吞吐速度，因为在agent时代，很多任务变成了串行，token吞吐速度成了用户体验的重要瓶颈。 这也是为什么老黄发明AI工厂概念的原因：最低成本的输出最多token，同时尽量提高token吞吐速度 AI训练时代，老黄的经济学是TCO(total cost ownership)，买的GPU越多，省的越多 而老黄在推理时代的token经济学是： AI推理的毛利润很可观，所以逻辑已经转换成：Nvidia GPU是这个世界上让token单价最便宜的GPU，买的GPU越多，赚的越多 最高的KPI变成了Pareto frontier曲线，在提高token 吞吐throughput和提高token速度两个维度上尽量优化 （见图一） NVIDIA 的 token factory 代际进步，其实是在把整条 Pareto frontier 往右上推，这就是是AI推理这个时代最重要的KPI ---------------------------------- 接下来是本文最重要的逻辑链，如何从token吞吐量指数型增长的本质出发，推导出天花板瓶颈在HBM size和HBM 带宽的指数型增长 单卡GPU推理单线程batch size = 1的时代，token吞吐只有一个维度，就是HBM的带宽速度，带宽速度越高，token吞吐越大 但进入NVL72的年代，推理不再是单卡GPU时代，而是72个GPU + 36个CPU整个系统级别的token工厂，把HBM带宽和算力用满，获得极致的token吞吐量 Token 吞吐throughput的增长，依赖两个东西：同时批处理的请求数 X 每个user请求的平均token速度 也就是batch size X per user token 速度 以Rubin NVL72为例，在平均token速度是100 token/s的情况下，同时批处理1920个请求，得到token吞吐量是19.2万token/s 一个Rubin NVL72大概是120KW（0.12MW）的功率，所以得到单位MW能处理1.6M token/s （见图一） 所以，我们需要想方设法提高这两个参数：批处理数量batch size和per user token的平均速度，这两者相乘就是我们的最高KPI，也就是token的吞吐量 ------- 第一个参数：batch size的增长，瓶颈在HBM size 批处理量里的每一个请求req，都会自带kv cache，这部分kv cache是需要存在HBM里的，大小大概在几个GB到数十GB不等 因为hot kv cache是随时需要高频高速读取，所以必须放在HBM里，比如一个大模型的层数是80层，那么每一个token的生成阶段，都需要读取80次HBM里的kv cache 随着批处理数量batch size的增长，会带来hot kv cache的线性增长 又因为这个批处理量的所有请求的hot kv cache，都要放在HBM上，这也就带来了HBM size必须要随着批处理量batch size线性增长 就像是机场接驳车，登机口尽量快的接旅客到飞机，HBM size小了，相当于接驳车size小了，就得多接一趟 结论是：批处理量的数量batch size，瓶颈依赖于HBM size的增长 --------- 第二个参数：每个user请求的平均token速度，瓶颈在HBM带宽 大模型decode阶段的速度，瓶颈取决于HBM的带宽速度，因为每生成一个 token,都要把激活的权重和kv cache 读很多遍 LPU的出现，在batch不那么大的情况下，把激活权重这个部分搬到了SRAM上，但是每生成一个 token仍然要从HBM读很多次KV cache。HBM带宽越高，生成每一个token的速度也就越快，基本上是线性对应的 就像是机场接驳车，登机口尽量快的接旅客到飞机，hbm本身带宽速度就像是接驳车的车门有多宽，门越宽，旅客上接驳车越快 GPU的其他配置，都是在适配batch的增长以及要让token compute的速度配平HBM的增长，甚至会用多余的算力来获得部分的带宽（比如部分带宽压缩技术） —----- 在那个接驳车的比喻例子里 接驳车的车厢大小 = HBM Size（容量）： 决定了一次能装下多少名旅客（也就是能同时装下多少个请求的 KV Cache）。车厢越大，一次能拉载的旅客（Batch Size）就越多。如果车太小，想拉100个人就得分两趟，系统整体的吞吐量就上不去。 接驳车的车门宽度 = HBM Bandwidth（带宽）： 决定了旅客上下车的速度。门越宽，大家呼啦啦一下全上去了（Decode/生成Token的速度极快）。如果门很窄，哪怕车厢巨大能装200人，大家也得排着队一个一个挤上去，全耗在上下车的时间里了。 旅客的吞吐量 = 接驳车车厢容量 x 接驳车旅客上车速度(车门宽度) —--------------------------- 至此，我们从逻辑上推演出了token经济学的硬件需求第一性原理： Token throughput = HBM size X HBM Bandwidth AI推理这个时代的最高KPI，实际上是高度依赖于HBM的两个维度的进步的 如果要维持token throuput每一代两倍的增长，实际上意味着，每一代的单GPU上，HBM size X HBM BW带宽之积要增长两倍！ 这也是历史上第一次，HBM内存的size可以影响最高的KPI token throughput！ 要验证这个理论，可以把Nvidia从A100到Rubin Ultra这几代的token 吞吐throughput，和HBM size X HBM BW 放在同一个图里比较 （见图二） 可以发现，这两个曲线的走势在对数轴上惊人的一致 HBM size x HBM带宽增长的甚至要比token吞吐量更快，毕竟HBM决定的是天花板，实际上这个天花板增长的利用率utilization是很难达到100%的，也就是说，HBM size x HBM 带宽就算增长1000倍，其他算力和架构的配合下，很难把这1000倍的天花板潜力全部榨干 这条曲线不是巧合，而是系统最优化的必然解 throughput = batch × Bandwidth，这就是token factory 经济学最绕不开的第一性原理 —-------- 软件的影响呢？软件的优化会不会降低带宽的需求？降低HBM的需求？ 这跟硬件是独立两个维度的，这好像在问，如果CPU上的软件优化了之后跑的更快，是不是CPU就十年不用发展了？反正软件跑的更快了嘛 这样的话，CPU厂还能赚得到钱吗？CPU想要存活下去，只有一条路可走，在标准benchmark，不考虑软件优化，每一代CPU必须要跑分更高，不然就卖不出去 GPU也是一样，软件优化如何，和自己的token吞吐量KPI每年都要大幅进步，是两回事 只要token的需求继续增长，对token throuput的追求就绝不会停止，那么对HBM size X HBM 带宽的追求也不会停止 如果HBM size和HBM 带宽发展慢了，老黄一定会亲自到御三家逼着他们技术升级，因为这就是老黄gpu的天花板，天花板要是钉死了不进步，老黄的GPU还能卖出去吗？ 当然了，Nvidia需要绞尽脑汁去从异构计算的架构角度榨取HBM天花板之外的部分，比如LPU就是一个很好的尝试，把Pareto frontier从另一个角度改善了很多 （右半边高token速度的部分） —-------------------------------------- HBM内存已然告别了那个随波逐流的旧时代，在这条由指数级需求铺就的单行道上，以一种近乎宿命的方式走到了产业史诗的主舞台中央 推理范式第一性原理演化到这一步，只要老黄还要卖GPU，HBM就必须翻倍，而且必须代代翻倍。这是supply side的内生压力，与AI需求无关，与宏观周期无关，与hyperscaler的心情也无关 剩下的问题，只有一个： 当需求被物理锁定为指数增长的时候，供给侧的三个玩家，会不会还像过去三十年那样，亲手把自己再拖回一次周期的泥潭？

对于绝大多数散户，学习完这张图片中的ETF，就足够完胜美股！🧐 这张图片，是ASPIRIANT基金的持仓，它受托管理高达40亿美金的资产，客户只有2000人，人均200万美金，主要服务于高净值个人和家族办公室。 它的资产组合基本都以各类ETF构成，十分值得学习参考，而且严格按照了股票/债券，64分配的比例，也符合美林时钟的4象限投资法。 1️⃣美国大盘与全市场核心 代表标的： $IVV / $VOO / $SPY / $VTI / $IWB 核心定位： 美国基本盘资产。 差异解析： IVV / VOO / SPY： 均追踪标普500指数，前三大持仓几乎一致，是美股大盘核心。SPY流动性最高，适合期权/机构交易；IVV与VOO费率更低，适合长期Buy & Hold。 VTI / IWB： 包含大、中、小盘的“全美股票市场”。VTI包含了超3000家公司，比标普500更具广泛代表性。 2️⃣美股风格与因子因子策略 价值因子： $IUSV（大中盘价值）、 $DFUV（全市场价值）、 $VBR（小盘价值）、 $VIOV（标普600小盘价值） 逻辑： 偏向低市盈率、高股息的成熟期企业或周期股（金融、工业、能源）。VBR 和 VIOV 结合了小盘与价值，弹性极高。 股息增长： $VIG 逻辑： 筛选连续10年以上增加股息派发的大型优质公司，防御属性强，兼具现金流与高质量财务状况。 小盘核心： $VB 逻辑： 覆盖美国小盘股整体，受宏观经济周期与利率影响更直接。 3️⃣国际与全球股票 发达国家市场： $IEFA 、 $EFV 逻辑： 集中在欧洲、日本、澳大利亚等成熟市场，估值通常低于美股，分红率较高。 新兴市场： $IEMG 逻辑： 覆盖中国、印度、韩国、巴西等，高成长性与高波动性并存。 全球全市场与主动因子： $VEU（非美全市场）、 $DFAX（非美核心因子）、 $ACWV（全球低波动） 逻辑： ACWV 通过筛选低贝塔和低方差股票，在熊市中回撤极小；DFAX 依靠学术因子（市值、价值、盈利能力）进行主动增强。 4️⃣债券与固定收益 综合债券： $BND（Vanguard全美债券）、 $FBND（Fidelity主动管理综合债） 逻辑： 包含国债、投资级公司债及机构抵押贷款证券，提供稳定利息收益与对冲股票风险的能力。 市政债： $VTEB / $MUB 逻辑： 由美国州/地方政府发行，其利息收入通常免征联邦所得税，极受美国高收入和高税率阶层偏爱。 5️⃣混合资产 股债混合： $AOR（iShares 60/40 经典成长配比） 逻辑： 一键式全球“60%股票 + 40%债券”动态平衡资产组合。 📝综合来看，美林时钟四象限投资组合： 【降息 / 经济复苏】：小盘: VBR/VIOV,债券:BND 【高通胀 / 高利率】：价值: IUSV/EFV,股息:VIG 【衰退 / 熊市避险】：防守: ACWV/VIG,债券: BND/VTEB 【牛市 / 科技主线】：核心: IVV/QQQ,债券: BND 这里面我增加一个ETF，就是QQQ，在科技牛当中，QQQ的表现要比传统的标普500ETF IVV走势更强，但回撤波动率也会更大一些，各有利弊。但从数据来看，IVV从2012年到现在，从102美金涨到761涨了7.6倍，同期QQQ，从60美金涨到最高747，涨了12.4倍，还是更加有代表性！ 基本上，对于绝大多数人，搞懂上述这些ETF，依靠ETF坚持定投，完全足够胜任美股投资，美股是一个长线终身策略，长期稳定复利，将是最大的武器！🧐

如果你投资股票，一定要把韩国博主加入你的信息渠道 韩国5千万人口，活跃的股票账户有1亿，全国都讨论美/韩股、AI半导体。相应的，韩国博主也都有真东西 本推介绍8位非常优质的韩国股票博主，拓宽你的信息源 1.@Semicon_player 分析美股+韩股、对AI/半导体研究深入，长期跟踪三星、海力士 2.@heoilikj 日常分享美股、韩股信息，适合想学组合管理的投资者 3.@Busanaz1 釜山大叔，分享实用洞见与日常观点，分析经济、股票走势、宏观 4.@admi_alts 理性风险管理、投资心理学，帮助新手建立优秀投资心态 5.@core_shooter 个人投资者，专注美股、韩股，结合AI+半导体机会做长期判断，实战博主 6.@KKDW_KOREA 韩国本土实操派，日常对经济、股市进行解读 7.@dons_korea 分析美股+韩股宏观信息，出口周期，宏观资金流 8.@JunDo1050 CIB从业者，从企业金融方面聊全球市场、产业链、股市等 9.@jiroucaigou 优质信息+实用咨询+美股信息聚合~