Panda retweeted
9 rules behind 9 months of zero losing trades:
1. Stop buying options. Start selling them
2. Only enter on red days
3. 3-5 core tickers
4. IV above 50%
5. 30 DTE minimum
6. Strike 5-10% OTM
7. Target 3-5% return on collateral
8. Close at 50% profit
9. Repeat
Boring? Sure.
But my P&L sheet doesn’t care.
Panda retweeted
a Sharpe of 1.0 needs 2.7 years of live trading before you can call it better than zero.
most people decide in 90 days.
the math is one line. t = S√T. three months of a Sharpe 1.0 system gives you a t-stat of 0.5. that is not weak evidence, it is no evidence, in either direction.
same system at 99% confidence: 5.4 years.
a Sharpe of 0.5, which is still a real edge: 10.8 years.
this is why one person can run a dozen sound strategies and conclude that none of them worked. every single one got judged at a sample size where the data had no opinion.
the gauntlet in this piece kills bad theses, and it should. but it cannot tell you whether the survivor is real. nothing can do that except time on the clock.
and those numbers are the optimistic case. if you picked the best of 20 backtested variants, you are not even comparing against zero anymore.
Panda retweeted
1win Token Sale starts in... soon
Token price: $0.03
Total supply: 1B
130,000,000 1win Tokens will be available in the Token Sale
Details: 1wintoken.com
Panda retweeted
Scale 创始人,现在在 Meta 带超级智能实验室的 Alexandr Wang,说了句很颠覆的话,他说现在是人类历史上建十亿美元公司最好的时机,理由跟多数人想的相反,他说瓶颈早就不是模型不够强了,
他的判断是,今天 AI 真正的瓶颈,是世界接受和用上它的速度太慢,技术已经摆在那,社会还在后面追,他甚至给了个更狠的假设,就算模型从今天起完全停止进步,经济和世界的运转方式,照样会被改写几十年。
打个老比方,电刚发明出来的时候,发电机已经有了,可工厂,家庭,城市要花几十年才真正把电用起来,AI 现在就站在那个位置,谁帮世界把这道坎跨过去,谁就站在新公司出生的地方,他管这叫文明级别的机会。
最反直觉的是竞争规则变了,十年前他创办 Scale,小公司打巨头是大卫打歌利亚,只能靠聪明,找缝隙,现在小团队配上智能体,变成了机甲歌利亚,巨头反而是传统歌利亚,因为大公司的流程,分工,汇报线,全是按没有 AI 的世界设计的,转身慢,小团队从第一天就按 AI 的方式搭,人少,反而能正面硬刚。
说穿了,机甲歌利亚的内核是一种新组织,少数人,加一大群智能体,大公司真正的包袱从来不是技术,是组织惯性,这也是给每个做组织,带团队的人的信号,未来的竞争力,不在你有多少人,在你这群人能指挥多少智能体。
他后半段讲到 Meta 在做的个人超级智能,让几十亿人每个人都有一个懂自己,为自己定制的智能,本质是把一个人的能动性放大到以前不敢想,他最后抛了个问题,如果有一天一切都变得很容易,你会去做什么,这个问题,比任何创业建议都值得停下来想想。
当然也留个清醒,他在 Meta 负责超级智能,看好 AI 本就符合他的立场,渠道,品牌,数据,监管依然是巨头的护城河,窗口也不会一直开着,但对普通人最实在的就一句,别再等下一代模型了,现有的已经够用,你和机会之间,差的不是更强的工具,是把它用进一件具体的事里。
Panda retweeted
(1/2) นั่งอยู่ในร้านกาแฟ กำลังเขียน code ทำ Statistical Arbitrage Models อยู่.. มีวัยรุ่นคนนึงเดินผ่านข้างหลังผม แล้วมาถามผมว่า.. ทำไมยังเสียเวลานั่งเขียน code เอง ไม่หัดใช้ AI เขียนให้ล่ะ?? 😏
ผม: ก็ใช้ AI เป็นนะ.. แต่บางอย่างผมก็ยังอยากเขียนเองอยู่ดี..
คือ.. ผมยังอยากเป็นมนุษย์ที่มีความสามารถจริงๆ ติดตัวอยู่ ไม่ใช่คนที่ทำอะไรได้เพราะมี AI คอยทำให้ทุกอย่าง..
สมมติวันนึง AI ที่เราใช้อยู่เกิดล่มขึ้นมา.. จะด้วย server outage.. cloud infrastructure มีปัญหา.. network failure.. cyberattack หรือห่าเหวอะไรก็ตาม..
ไม่ต้องสมมติให้ AI ล่มทั้งโลกก็ได้ครับ.. 😅
ปีที่แล้ว ChatGPT และ API ของ OpenAI ก็เคยมี service disruption ครั้งใหญ่.. Q4 ปีที่แล้ว AWS ก็ outage จนกระทบบริการต่างๆ จำนวนมาก..
ถ้าวันนั้นผมต้องทำงาน แล้ว AI ใช้ไม่ได้ขึ้นมา..
ผมก็ยังเขียน code เองได้.. อ่าน code คนอื่นรู้เรื่อง.. debug หาสาเหตุของ bug ได้.. แก้ algorithm ได้.. ตรวจสอบ logic ได้.. หรือถ้าจำเป็นก็สร้าง model ขึ้นมาใหม่ด้วยตัวเองได้..
โดยไม่ต้องนั่งรอให้ AI กลับมา online ก่อนถึงจะเริ่มทำงานได้..
ยิ่งงานอย่าง Statistical Arbitrage ผมว่าความเข้าใจในสิ่งที่เราเขียนสำคัญมาก..
จริงอยู่ AI อาจช่วยเขียน code ทำ backtest ออกมาได้สวยๆ Sharpe Ratio 3-4 ก็ได้.. แต่ถ้าใน code มี look-ahead bias แอบอยู่.. จัดการ corporate actions ผิด.. ใช้ข้อมูลที่มี survivorship bias.. หรือคำนวณ transaction costs.. slippage.. market impact ผิด.. ผล backtest ที่ได้ก็ไม่ค่าอะไรเลย..
แล้วถ้าเอา model แบบนั้นไป deploy ด้วยเงินจริงๆ คนที่ซวยคือผม.. ไม่ใช่ AI.. 😅
และถึงแมัต่อให้ AI ไม่ล่มเลย.. ผมว่าเราก็ควรต้องมีความสามารถที่จะตรวจสอบและ challenge ไอ้ที่ AI สร้างขึ้นมาอยู่ดี..
ซึ่งก็ไม่ใช่แค่เรื่องการเขียน code... สมมติในอนาคตทุกคนใช้ FSD ขับรถกันหมด จนคนรุ่นใหม่แทบไม่เคยขับรถด้วยตัวเอง..
แต่ผมก็ยังอยากขับรถเองเป็นอยู่.. ถ้าระบบมีปัญหา หรือเจอสถานการณ์ที่ระบบจัดการไม่ได้ ผมก็ยังควบคุมรถด้วยตัวเองได้..
หรืออย่างคนที่ใช้ GPS นำทางตลอดเวลา จนไม่เคยจำเส้นทางหรืออ่านแผนที่เองเลย.. วันนึง GPS หรือสัญญาณหาย ก็อาจไปไหนไม่ถูก.. (ผมเป็นคนที่พึ่งแต่ GPS ตลอด.. ซึ่งตอนหลังผมมีบ้านนึงอยู่บนภูเขา.. ทางแม่งซับซ้อนสำหรับผม.. ถ้าวันไหนไม่มี GPS.. ผมคิดว่าผมก็คงจะหลงทางทั้งตอนขึ้นเขาและลงเขา.. 😅)
นักบินก็ด้วย.. มี autopilot ช่วยบินได้เยอะมาก.. แต่ทักษะการบินด้วยตัวเอง.. ความสามารถในการรับมือกับระบบที่ทำงานผิดปกติ.. ก็ยังต้องฝึกฝนและรักษา skills เอาไว้..
แม้แต่เครื่องคิดเลข.. ผมก็ใช้นะ แต่ก็ยังคิดเลขในหัว.. ประมาณตัวเลข.. ทำ sanity check เองได้..
หรืออย่างการอ่าน research papers.. ทุกวันนี้ AI สามารถสรุปงานวิจัยหลายสิบหน้าให้อ่านจบได้ภายในไม่กี่วินาที.. ซึ่งผมเห็นหลายคนใช้ AI ทำกันเยอะมาก..
แต่ผมก็ยังอยากอ่านต้นฉบับเองเป็น.. วิเคราะห์ methodology เองได้.. ตรวจสอบ assumptions เอง.. รู้ว่า conclusions ของงานวิจัยมีข้อจำกัดตรงไหนบ้าง..
เพราะถ้า AI สรุปผิด.. ตัดส่วนสำคัญทิ้งไป.. หรือตีความผลการวิจัยผิด แล้วถ้าเราไม่มีความสามารถพอที่จะจับได้.. แบบนั้นก็คงไม่ได้ใช้ AI เพื่อเพิ่มความสามารถของตัวเองแล้วล่ะ.. แต่กำลังยกความสามารถในการคิดและตัดสินใจของตัวเองให้ AI ไปทำแทน.. 😅
กลับมาที่การลงทุน.. ผมใช้ automated trading systems มานานหลายปีแล้ว.. แต่ก็ยังต้องเข้าใจกลไกของ strategy.. execution.. risk management.. infrastructure..
ถ้า market data feed ผิด.. execution มีปัญหา.. หรือ model ทำงานผิดไปจากที่ออกแบบไว้ ผมก็ต้องสามารถวิเคราะห์สถานการณ์และตัดสินใจได้ว่าจะหยุดระบบ.. ลด exposure.. หรือจัดการ risk ยังไง..
ถ้าจะให้ระบบตัดสินใจแทนทุกอย่าง โดยที่เราเองไม่รู้ด้วยซ้ำว่ามันกำลังทำอะไรอยู่ ผมไม่เอาด้วยหรอก.. 😅
Note หน่อย.. ว่าผมไม่ได้ต่อต้าน AI นะ.. ผมใช้ AI อยู่..
ให้มันช่วยเขียน boilerplate code.. refactor.. generate tests.. review code.. สำรวจแนวทางแก้ปัญหา หรือช่วยทำงานที่ปกติต้องใช้เวลาหลายชั่วโมงให้เสร็จเร็วขึ้น.. คืออะไรที่ใช้แล้วเพิ่ม productivity ได้ ผมก็ใช้..
แต่ผมก็ทำเองหมดได้.. ไม่อยากให้ความสะดวกสบายที่ได้มาแลกกับการที่ทักษะและความสามารถของตัวเองค่อยๆ หายไปโดยไม่รู้ตัว.. คือ.. ผมมองว่าการลงมือทำเองมันเป็นส่วนหนึ่งของการฝึกและรักษาความสามารถเหล่านั้นเอาไว้..
ลองนึกภาพเอา.. ถ้าเราใช้ AI ทำทุกอย่างแทนตัวเองมานาน 10 ปี.. แล้ววันนึงไม่มี AI ให้ใช้อีกต่อไป.. เรายังทำอะไรเองได้มากแค่ไหน?
สำหรับผม.. AI ควรทำให้คนที่มีความสามารถอยู่แล้ว ทำอะไรได้มากขึ้น.. เร็วขึ้น.. ดีขึ้น..
Panda retweeted
10/10 was the worst day in crypto history.
That date is coming around again in 4 days.
are you ready?
Panda retweeted
但身价百亿、前 Scale AI 创始人兼现任 Meta 首席 AI 官的 Alexandr真的是个天才,曝光了千亿软件帝国 Palantir 最隐秘的增长武器。
他在视频里极其冷峻地撕开了商业世界最残酷的一层窗户纸:
在真实的企业级市场里,更好的产品依然会输得一败涂地,因为客户脑子里的认知,往往比冰冷的客观现实还要真实。
他爆出了一个千亿巨头 Palantir 隐藏多年的核心秘密。
Palantir 之所以能把全美最挑剔的军方、政府和巨头企业吃得死死的,
是因为他们从骨子里就没把自己当成一家纯粹的软件公司,
而是把自己定义成了一家剧团加软件公司的混合体。
甚至在很长一段时间里,Palantir 会给每一个刚入职的新员工直接发一本专业的演员表演指南。
他们教工程师和销售的不是去死背技术参数,
而是如何像舞台上的顶级演员一样去塑造气场、传递坚不可摧的信念,以及如何在走进会议室的第一秒就彻底接管客户的大脑。
这段话之所以让我印象深刻,是因为它彻底刺穿了技术人最容易陷入的自嗨陷阱。
大企业和政企客户的决策者,绝大多数根本不会亲自钻进你的服务器里去查单元测试和代码架构。
他们面对的是巨大的采购风险和自身的前途绑定,
他们买的从来不只是软件那几行代码,而是一整套安全感、掌控感和不可动摇的信任光环。
如果你空有一身好技术,却根本不懂得如何重塑客户的认知,
你在谈判桌上就会被那些气场强大的对手降维打击。
对方带着顶级的叙事和强大的气场走进来,在客户脑子里种下了我们才是上帝礼物的认知,
而你抱着几张性能对比表格坐在角落,连说话都在结巴,
那一刻,你的技术再好,在商业战场上也只是毫无意义的纸面数据。
Alexandr 也极其清醒地补了一刀:
这不是教你去搞虚假宣传和诈骗,交付真实的产品价值是你的底线,
但认知塑造,是你在做出好产品之后必须修炼的黑魔法。
做出一流的产品只是拿到了进场的门票,
而学会如何把你的价值装进别人的大脑,才是决定你能否在商业牌桌上赢走一切的胜负手。
大家在平时做项目、谈业务或者职场汇报时,有没有吃过技术明明比别人好却输给了别人会包装的亏?
Panda retweeted
纽约时报的记者,最近去了趟币安创始人 CZ 位于阿布扎比的家。
随行摄影师,拍摄了很多之前没有的日常照片,例如躺着办公的 CZ,婴儿房内的装饰,正在开会办公的一姐。另外有一次还是 CZ 亲自开日产 SUV,到酒店接这名记者。
Panda retweeted
For TradFi markets, @lighter_xyz is the cheapest venue to trade on
Mapping the Perpetual Trading Ecosystem
A Comparative Analysis of Perp Trading Venues across Design, GTM and Microstructure
Read the full report here: docsend.com/v/sjv2g/mapping_…








































