1 拓竹 P2S vs A1 差异 1.1 定位 A1：入门 / 日常打印，便宜、易用。 P2S：进阶玩家 / 高性能需求，速度快、精度高、扩展强。 1.2 结构差别（最关键） A1：床移式（Bedslinger） 常见结构，适合入门，速度和震动控制有限。 P2S：CoreXY 更稳、更快、更适合复杂模型与长时间打印。 1.3 打印表现 A1：日常材料（PLA/PETG）够用，噪音低，上手快。 P2S：高精度、高速、多材料表现更好；适合折腾与深度调参。 1.4 可扩展性 A1：支持 AMS Lite，多色够用，但扩展性一般。 P2S：支持 AMS 2 Pro，扩展空间大，可持续升级。 1.5 封闭式 P2 默认是带有封闭机身/腔体设计的（有机箱/罩子），而 A1 就是开放式结构，没有封闭箱体。P2S 的封闭性让热环境更稳定、可支持更多材料，但 A1 的开放结构更直观、上手更简单也便于清理。 1.6 打印速度 其实差不多。这两款在理论最大速度上其实有明显差异，但有用户实际对比发现相同切片配置下 A1 有时反而比 P2S 打印快，主要是因为配置档位默认值不同或 AMS 系统 ...

没有压力会怎样？ 人无压力轻飘飘，井无压力不出油，是这样吗？我比较认同的一种说法是：人在强压下容易偷懒，只要有机会就会躺平；而在安全无压的环境里，则会释放出好奇的天性。 在自己身上很明显：我只有在很放松的情况下才能深度思考。有时候被卡了几周的难题，会在一两天内完全解决，偏向研究和创造；但有压力的时候也能有效地完成任务，对一些完全可控的事，压力就是增效器。 大概可以将状态拆分为三种： 无压：容易发散思维，思考有弹性，适合研究、创作、哲学性问题。 中压：效率最高，适合执行型任务。比如说，截止日期、交付、考试等，确实是增效器。 强压：人变成“生存模式”，目标只有一个：尽快结束痛苦。在这个阶段最容易偷懒、躺平、敷衍以及走捷径。 绘画、旅行也是，自古以来只有衣食无忧者才能去做。很难想象一家老小都饿着，画家还能从容地去体验，因为压迫和紧张感，战斗或逃跑的本能，大概会占据多数注意力。 张雪峰说，很多专业需要有家底才能考虑，家境普通的就老老实实读个工科，先保证从容生存。想想也是，从心理压力的角度来看，对于一个有家庭、社会压力和责任感的人来说，如果不先解决生存问题，很难有心力去尝试成功率很低的事儿。 ...

本篇没啥主题，聊聊量化相关的书、用模型改代码、重构旧项目之类的。 推荐一本量化相关的书《Systematic Trading》 最近在看凌波的《量价时空》，觉得挺好，还买了两本，一本送朋友。他分别从：量、价、时、空四个角度分析，集成了量价关系，蜡烛图等常用技术。很多细节其实都能用程序实现，整体像是给了一套工具包，信息密度很大，但稍微有点散。 后来和 GPT5 聊这个，他给我推荐了 Robert Carver 的《Systematic Trading》。我看了介绍和第一章，有种“他乡遇故知”的感觉：他讲的和我最近从数据里看到的、操作体验很契合，加上作者文本力很强，就觉得很棒。 现在大多数的书相对来说偏向于归纳总结型，最大的问题是有知识没思考。看完似乎会了，但不知道该怎么用。偶尔在看盘时，联想到某个工具，但还未必用得对。 对作者的感觉是：始于技术，终于世界观。最喜欢他的一点是，他不是先提出自己的观点，再找证据证明自己的观点。他力求从正反两方面进行论证。书中包含了很多作者的真知灼见，绝不是那种为写而写的作品。 关于内容，目前看完第四章，他说的几乎每个大问题，都是我遇到过或者正在遇到的问题。比 ...

1 如何选股 选股时大家常常优先关注两个关键指标： PE（市盈率）大概告诉你这家公司“贵不贵”、是不是已经涨得有点离谱； ROE（净资产收益率）反映它赚钱的效率，是不是一家有经营能力的公司。 这两个能给到最基本的判断，但还不够。真正决定“能不能买、值不值得拿着”的，其实是它在市场中处于什么位置。比如：这支股票相比整个A股、相比同行，到底是表现稳定、赚钱能力强，还是只是听起来不错。 我的具体做法是：抓取 A 股 5000 多支股票，从 2023.01.01 到 2025.10.20 的数据，按年切成三段（23年跌，24年波动，24年涨），分别按年统计每支股票的：波动率、最大回撤、夏普比率、年内最高涨幅、期末涨幅。然后再看目标股票在整体分布中的位置，判断它是不是值得持有。 今天在做风险评估时，某只股票的最大回撤为20%，不确定这算大还是小，也不能拍脑袋定阈值。于是对所有股票进行统计，做完觉得有些收获，分享一下。 2 年度比较 2.1 波动率 波动率（Volatility）是把这段时间里每天的涨跌幅算标准差，标准差越大，说明走势越“跳”。 直方图展示了三年的波动率分布。因为波动率是长尾 ...

1 港股相关 1.1 港币“强保 / 弱保”的含义 这是 港币联系汇率制度（Linked Exchange Rate System, LERS）里的两个关键锚点： 弱方保证（Weak-side Convertibility Undertaking，简称弱保） 水平：1 美元 = 7.85 港元 含义：如果港元 贬值到 7.85（即 1 美元要换更多港币），香港金融管理局（HKMA）会无上限卖美元、买入港元，支撑汇率不再继续贬。 强方保证（Strong-side Convertibility Undertaking，简称强保） 水平：1 美元 = 7.75 港元 含义：如果港元 升值到 7.75（即 1 美元只要换更少港币），HKMA 会无上限买美元、卖出港元，避免港币过度升值。 联系汇率制度的目标是保持港币与美元稳定挂钩。 区间范围：7.75–7.85 中点：7.80 港元汇率可以在这个区间自由浮动，但一旦触及上下限，金管局就会入市干预。 强保 / 弱保的功能 弱保（7.85）：防止资本大规模外流 → 港币贬值过快，会让资金恐慌性离开香港。金管局必须撑住。 强保（7. ...

引入 之前我们讨论过一些偏基础的金融库，比如 stockstats 可以很快帮我们把常见指标算出来。在实战中，很快会发现“有指标”还远远不够。很多时候需要的是更复杂的信息结构，比如趋势方向、支撑位和阻力位的位置关系，信号之间的组合判断，以及最基本也最容易被忽略的回测验证。 今天来看看一些较为高阶的 Python 金融库。许多库都被称为“技术分析库”，但它们的目标其实各不相同。像 TTI 和 pandas-ta 恰好是两种走向几乎完全相反的代表。它们正好位于交易系统中的两个不同层次，一个侧重于结构和决策的雏形，另一个侧重于高阶信息的提取和配置。 ## 分析 如果粗略分一下层次，大概可以理解成两层： 更底层的是“特征层”，主要工作是把价格序列加工成可以使用的结构化信息，比如各种技术指标、趋势信息、支撑阻力等，这一层尽量客观，尽量少做判断。 再上一层是“策略层”，开始引入规则，比如什么时候算买点、什么时候该卖出，这一层不可避免会掺杂人的主观选择。 在这个框架下看，TTI 更靠近策略，pandas-ta 更靠近特征。它们的差异，本质上是封装程度的差异。 TTI ...

引入 最近有一种说法：A 股里能赚钱的，大多都是账户在 100 万以上的。钱少的人亏的人比例明显更高。小资金在操作上，天然就带着几个坑。今天就聊聊小资金和大资金的差别，容易踩的坑以及应对方法。 分析 小资金亏损多，不仅是人的问题，而是几个现实问题交织在一起：资金少、心理压力大、操作体系不够完整。 结构性约束 钱少就意味着仓位集中，一只票踩雷就很痛。 买不起优质高价股，只能买便宜的票，结果波动大，容易被套。 交易成本对小资金来说特别明显，哪怕赢了，也可能被手续费蚕食不少。 账户小的钱，一旦亏损就很难翻身：比如，50 元到 100 元，需要赚 100%，从 100 元跌回 50 元，只需亏 50%，本金折损后想回到原来的水平，难度更大。” 心理阈值低 账户小，盈亏感受强烈：涨一点就急着跑（拿不住慢慢涨的趋势），跌一点就死扛（扛不住大跌）。 目标收益总想高点，常常盯着暴涨的妖股，追求快感型收益。 等待机会很难做到，总觉得不动就亏，结果就频繁操作，风险反而更高。 这些心理反应，很多并不是性格问题，而是经验不足带来的认知空白。 心理压力 → 情绪反应 → 并不是每个人都适合高波动 → 各自 ...

（以下是我与GPT5对话的关键摘录） 关系：必需品 vs 奢侈品 维系正常的关系是生活必需品，而纯感情则更像奢侈品。有时候是我们不会表达爱，有时候可能根本没那么多爱，也不想承认。最理想的状态，是不管内心如何，都能表现出来——就像演一场戏，虽然不爱，但看起来很爱。互动顺畅，行为相互加强，慢慢也可能真的生出感情。相反，如果想维持关系，却让人觉得相处不舒服，那就减分了。 内心怎么想和外部表现常常不同，但在关系里，表现出来的效果更关键。看磕 CP 或影视剧，镜头前的甜度大半是演出来的，却依然美好。现实里，大多数行为也不是完全凭感情，而是“我是谁，我应该怎么做”，有时候“我应该”的反而适得其反。 很多关系不仅是情绪绑定，还涉及利益： 资源共享：时间、精力、人脉、生活安排 风险共担：孤独、压力、外部评价 身份绑定：我们是谁，在别人眼里是什么关系 恋爱、知己可以是动机导向，感情是发动机，让人满足。现实中，有些关系逃不了结果导向和物质考量，这时感情更像润滑油。搞清关系类别，选对策略，就像玩股票，要分清优先级。 经济基础决定上层建筑 稳定、对称，以及预测与现实的一致，是关系和生活的底层逻辑。爱好和工 ...

开源地址：https://github.com/xieyan0811/musiclight 音乐律动皮影小人 Arduino 音乐律动灯项目，通过 FFT 音频分析实现 RGB 灯带随音乐节拍变化，并联动电磁铁控制皮影小人按节奏跳舞。 1 功能特点 音频信号采集与 FFT 频谱分析 自动节拍检测 RGB 灯带颜色动态变化（低频→白色，中频→黄色，高频→粉色） 噪声过滤与信号增强 频率联动电磁铁控制：根据音乐频段动态驱动电磁铁，控制皮影小人按节奏跳舞 高频：同时驱动头部和手部电磁铁 低频：主要驱动手部电磁铁 中频：同时驱动头部和手部电磁铁 2 硬件要求 Arduino 开发板（如 Arduino Uno） 麦克风模块（连接到 A0 引脚） WS2812B RGB 灯带（10 个灯珠，连接到 9 号引脚） 电磁铁 × 2（分别连接到 10 号和 11 号 PWM 引脚，6 节电池独立供电） 皮影小人（包含可移动的头部和手部，由电磁铁驱动） 3 电路连接 组件 Arduino 引脚 说明 麦克风 A0 音频输入 RGB 灯带 Pin 9 数据信号 电磁铁 1 ...

1 引子 这是一个奇怪的脑洞：想到一种计算支撑位的量化方法。 早上和 AI 讨论如何识别阻力位和支撑位。它给我建议了几种方法，包括低点聚类、计算筹码密集区、斐波那契回调、均线以及最大回撤。这些方法与我对支撑的理解不太相符，而且都过于复杂，频繁处理多支股票数据比较耗费资源。 于是，我想到一个关于“平台”的逻辑。其中最简单的一种情况是：如果在某个区间震荡了一段时间后向上/向下突破，那么这个区间就可以作为支撑或阻力位。它应该是价格相对集中、波动较小的一段区间，具体可以通过中值和标准差来判断。 这是不是有点像布林带? 只不过布林带用的是均值和标准差。那么，是否可以通过稍作修改布林带的计算方法，简单地计算阻力和支撑位呢？ 2 支撑位 在不同行情中，比如横盘震荡、上升趋势或下行趋势中，支撑位都是价格止跌反弹的位置。在上升趋势中，支撑位通常是向上通道的下轨或最近一轮上涨的低点；在下行趋势中，支撑位可能是历史低点或先前平台的下沿，尽管在下跌过程中较难判断底部。在横盘震荡时，支撑位出现在历史K线中多次试探并止跌反弹的位置。无论是哪种，都需要：多次回踩未破后反弹。 它的本质是买方意愿 + 成本密度 + 心 ...