🏷️ 概率论

普通人如何成为量化交易员：路径与核心思维

本文详细拆解了普通人成为量化交易员的路径，指出该行业不看重金融背景，而是看重概率思维和数学能力。作者将学习过程分为概率、统计、线性代数、微积分优化、随机微积分五个关卡，并介绍了行业内的不同角色及面试机制，强调了理解原理和使用工具的重要性。

一篇Articles讲明白最优下注比例：凯利公式

文章深入解析了凯利公式，这一源于通信理论、后被应用于赌场和华尔街的资金管理工具。通过60%翻倍/40%归零的游戏模型，揭示了20%为最优下注比例的数学原理，并对比了不同策略的长期收益差异。文中详细拆解了公式的历史渊源，结合索普、巴菲特等大师的实战案例，探讨了其在股票、期货、风投等领域的应用。最后，文章指出了参数敏感性、黑天鹅风险等四大陷阱，并给出了“半凯利”等现实应对策略，强调科学的仓位管理是长期生存与复利增长的关键。

我将12本免费MIT人工智能教材喂给Claude，它彻底重建了我的研究体系

作者将MIT发布的12本研究生级AI教科书上传至Claude项目中，作为系统底层的永久上下文。这一改变使Claude从单纯的聊天机器人转变为基于第一性原理的推理系统。它不再仅进行模式匹配，而是运用概率理论和机器学习原理分析市场，甚至指出了凯利公式在加密货币肥尾分布下的不足。文章详细列出了涵盖ML基础、深度学习、强化学习等六部分的12本书单及其具体应用。

多Agent系统背后的数学道理：如何打破平庸的陷阱

文章深入探讨了多智能体系统背后的数学原理，解释了为何单Agent容易产出平庸方案（陷入“高概率吸引子”的盆地）。作者引用Cognition AI的实验，指出多Agent系统的核心价值不在于协同共享，而在于通过“上下文隔离”制造认知差异，从而打破思维定势。真正的Harness机制是通过改变约束条件，让不同Agent拥有不同的判断标准和认知框架。

赌场从不亏损的数学原理与交易者的复制之道

文章深入解析了赌场、对冲基金及顶级交易员背后的核心数学原理——大数定律。作者指出，散户常因样本量过小而误判策略优劣（如仅凭10笔交易或5连败下结论），而赌场通过海量微小优势和严格的风控实现稳定盈利。文章强调，拥有优势后需通过大样本量消除不确定性，并纠正散户在样本统计、执行纪律和仓位管理上的常见错误。

2026年普通人量化交易指南：从概率论到策略架构

本文改编自@MrRyanChi，详细阐述了在Agent时代（2026年）普通人如何通过量化交易实现技术平权。文章以预测市场为例，系统梳理了量化交易的知识地图，涵盖概率论（贝叶斯推断、凯利公式）、统计学（假设检验、回归分析）及线性代数（协方差矩阵）等核心数学基础。通过通俗易懂的图解和实战作业，指导读者从“赌徒”思维转变为基于数学模型的“宽客”思维，并强调在OpenClaw等基础设施支持下，策略设计与架构能力是个体在市场中的核心竞争力。