房子是世界人民都有的情结，国人尤是。
我们的传统观念告诉我们，你得在一个城市有自己的房子，才算安定下来。
这个城市才和你有了关系。
河南亮亮丽君夫妇的事情，就是当下地产暴雷的一个缩影，个中细节很多媒体都写的，这里不想展开。
时代的一粒沙，落在普通人身上就是一座山。
为什么想聊这个话题，因为随着孩子长大，媳妇又重提学区的事情。
过去十来年地产的黄金时代，平均年化10-15%，核心区学区房比这个数值要高很多。
很多人踩中对的点，就是被动发财。
我一个同学，西城、海淀各一套学区房。这二十年的工作工资收入，在这两套房子面前不值一提。
问题来了，现在还是入手房子的好时机嘛？
先说人群， 这里针对中产聊这个话题，富豪的行为咱不懂，您买N套搁着喂猪也不为奇。
中产买房，可能是改善性的，2居换3居。郊区换市区，为了工作方便。还有一个重要的理由，为了孩子读书。
普通人买房有两重要因素，一是未来增值预期（至少不能跌吧），二是杠杆率，就是你的现金流不能断了。
未来增值预期这一块，大家应该都容易共识，一线城市核心区能跑过通胀就不错了。另外预售新房风险极高就别考虑了，没必要给自己找麻烦事。很多人并没有考虑太多增值属性，就觉得二手房尽管旧一点，离单位还近，孩子还能上更好的学校，看起来还挺划算的。
那么第2个问题来了。
杠杆率，普通人买房多数是要借贷的，就是上杠杆。
金融上讲，就是拿未来的收入流作“抵押”，其实主要就是工资。
现在居民负债率62.1%，比世界平均40%高得多，比发达国家70%还是低一些。
这里的居民负责，多数就是房子。意味着，有人把杠杆用于极致，“赌”的就是房子还要继续升值，赌的是自己的工资可以稳步提升。
但这两个维度，这几年大家发现，都不实现。
以前即便公司出现状况，可以很快换一家公司，工资还可能更高，“接着奏乐接着舞”呗。
有钱人老了，年轻人少了。
上世纪的60-70后，在中国加入WTO时，赶上风口，积累财富的这些人，老了。老人是不会追求什么核心区，学区房的。未来人口少了，这个趋势基本也是确定的。
创二代不创业了，大家收拾银两，怕“凭运气赚的钱，被二代凭实力亏掉”，干脆做做理财，衣食无忧好了。
在教育公平深入人心，学区改革是大概率的事情。
“双减”落地如此决绝，学区房会远嘛，没有学区资源支撑，那些老破小谈什么价值呢？
只是怎么软着陆的问题。
说到这，问题基本清楚了，如果特别有钱，那随意。
如果还要费尽心力上杠杆，赌一个没边的学区，那慎重。
昨天的比较满意的策略：
历史长期年化32.1%， 最大回撤26.7%，夏普比1.372（代码+数据下载）
数据和任务现在在服务器都是盘后执行了。
大家本地化的版本是使用streamlit做的界面，功能是一样的，策略代码和回测系统都是完全开源的。
历史长期年化32.1%， 最大回撤26.7%，夏普比1.372（代码+数据下载）
一觉醒来，发现大家都在聊大模型了。
而且甚至发现，好多人竟然开始教大模型了。
门槛都这么低了嘛？
我不得不出来写点东西了。
之前大模型上没有特别发力，只能算是持续关注。因为觉得这个东西太重，一般公司玩不动。
当然，现在形势有了一些变化，单机单卡能玩的模型已经不少了，而且开源世界也争奇斗艳。
01 大模型概览
LLM(Large Language Model)，最需要区分的就是上个时代的“预训练”，主要以Bert系为主。
其实LLM本质上也是预训练。
传统以Bert为代表的预训练参数量多大呢，我查了下，大致是100多M，也也就是1亿级别或者说0.1B吧，而GPT-3的参数量是175B。这就是区别。
当然了，现在开源的，普通人能玩的，大致分布在6B和13B等。
除了参数大之外呢？
其实基于Transformer体系，发现出三个路线：只有编码器，如Bert系列，只有解码器的GPT系列，还是编码又解码的T5系列。
”只有编码器“这一支比较好理解，就是“阅读理解”。
你读一本书，看一部电影，然后你会判断这是好书，好电影，或者给出差评。这就是机器学习里的分类。很长一段时间，业内有句话叫，离线部署的话，分类直接无脑Bert肯定没错。
以前做NLP分类，我们也会对文本进行向量化的编码，比如“词袋模型”，但事实在丢失了很多信息。后来有了word embedding对向量进行编码。
中间绿色的这一支，主要应用是翻译。这个也好理解，传统的seq to seq就是这个逻辑，把一类文本编译，然后解码成对应的另一种文本。
当时最不被看到的就是GPT这一支。解码器就是“续写”。当时的写诗，写对联，就是那种形式上可以对齐，但一看就是玩具，除了偶尔拿出来卖弄，没有什么实际的商业价值而被人忽略。
我们现然说的LLM，通常是以ChatGPT为代表的生成式，也就是Decoder-Only这一支。
02 如何快速上手大模型
咱们这里说的上手，不是很多社群讲的，怎么去买一个ChatGPT的账号，如何写prompts（提示）让模型回答我们的问题。——这都不叫事。
我们指的上手，就是训练（微调）出自己的大模型，比如应用于金融量化投资？
无论是挂载知识库，还是Agent访问我们的数据库等。
想来从meta的LLama2开始比较合适。
llama2有三个版本，7B，13B和70B。我的4卡的机器上，fine-tune13B是没有问题的。130亿的参数，也基本够用了。
吾日三省吾身
中年危机是一种心态吧。
成年人的世界没有容易的事情。
有些事情，讲对错是没有意义的。人家是金主，是需求方。要求可能无理，但人家出钱呀。你需要这个项目，需要沾人家的产品品牌，就没有什么立场与人聊什么流程，规范，你为什么不早说？
对品牌，体验的无限要求，本身也没有错误。加上时间限制虽说有点过份，那人家还觉得你们上纲上线呢。
上有老，下有下，不像年轻人那么洒脱，尽管财务状态，各种积累，认知会相对好一些，但要顾虑的因素也更多一些。
财务上的基本自由是心灵自由的基础。
其实很多人都说，如果有稳定的被动收入2万/月，尽可以“尽情”放飞自我。
注意，这里肯定得是被动的且是稳定的。
这就需要构建一条或多条被动收入管道或系统。
一本书？现在出书的门槛不高，而且一本书拿不到多少版税，常销且畅销？上次听到这个词是来自李笑来。。
一首歌？也就方文山吧。
多数人能想到就是定存吃利息（要求本金大），或者房子出租收租子（同样对本金有要求）。
一门课？知识付费？主要看流量和个人IP品牌。如果有IP，其实做啥都容易，这个杠杆已经足够。否则辛苦一门课，卖个100来份，几万块钱，就不太划算了，基本算不上被动收入。因为知识付强的供给较多，用户有的选，你需要带来什么样的差异化内容？很难，内容同质的情况下，就看流量与个人品牌（品牌与流量有时候可以对等）。
有流量，你就是网红了。
还有一个逻辑，是产品逻辑。比如像集思录，理杏仁这样的小而美的投资辅助平台。创建者本身不是大V，不带流量或品牌，但由于产品或服务本身的价值性，产品积累了用户和流量。
产品逻辑，就是为特定的人群，解决一个特定的问题。
网红逻辑，人性中的好奇，肯定是作品为先，比如搞笑的，小杨哥这种，知识类的，货币战争这种，卢克文这种。内容本身不变现，或者少，但内容积累的粉丝，人设，网红。
发布者：股市刺客，转载请注明出处：https://www.95sca.cn/archives/103651
站内所有文章皆来自网络转载或读者投稿，请勿用于商业用途。如有侵权、不妥之处，请联系站长并出示版权证明以便删除。敬请谅解！
