市场保持非理性的时间，比你保持不破产的时间更长

传统的经济周期理论大多诞生于1929年大危机之前，
例如基于库存变动的基钦周期、基于设备投资的朱格拉周期、
基于地产投资的库兹涅茨周期，以及由技术进步带动的康德拉季耶夫周期。
每一轮经济周期或者商业周期，经济都经历复苏、繁荣、衰退和萧条四个阶段，
而当以上这四类周期在时间上重叠时，则呈现周期共振现象，此时经济增长的周期性波动更为显著。

资本过度投入是导致经济波动的罪魁祸首，
过度投资会造成市场供给过多，然后便是衰退，
直到有新的技术发明最终带来新一轮投资的增长。

霍华德马克斯 《周期》
周期永恒：市场、经济、信贷、心理的周期波动是必然的。
极端反转：任何过度上涨或下跌都会回归均值。
逆向布局：最佳机会出现在市场恐慌时，最大风险隐藏在狂热中。
概率思维：利用周期提高胜率，而非追求绝对正确。
在别人贪婪时恐惧，在别人恐惧时贪婪，
理性、耐心和纪律是应对周期的关键。

纵观科学的发展史，人工智能可以说是人类长期以来一直不停追求，力求理解与掌握的一个领域。
从两千多年前的亚里士多德（Aristotle，古希腊哲学家）开始，到后来的科学巨擘图灵（Alan Turing，计算机科学之父）与香农（Claude Shannon，信息论的创始人），
他们无一不为人类的智慧及后来的人工智能着迷并不倦地探索。
科学家们希望能以科学的手段理解智能的本质，并制造出智能的机器，实现像人脑一样的学习、理解与决策

图灵在1950年的划时代的论文《计算机器与智能》（Computing Machinery and Intelligence）中提出著名的“图灵测试”：
如果一台机器能与人类通过通信设备对话并不被辨别出其机器身份，则称这台机器具有智能

1955年，麦卡锡（John McCarthy）、闵斯基（Marvin Minsky）、香农与罗切斯特（Nathaniel Rochester）共同提交了一份申请书，
提出于1956年暑假在美国汉诺瓦小镇的达特茅斯学院举行一场研讨会，讨论通过机器实现智能所需的科学基础。
正是在这次会议上，人工智能的概念正式被提出。

1956年达特茅斯会议，
1997年机器人“深蓝”击败国际象棋世界冠军卡斯帕罗夫；
2012年卷积神经网络在ImageNet图像识别比赛中一举夺魁；
2016年机器人AlphaGo系统击败世界围棋冠军李世石

人工智能几个核心方向，搜索，机器学习，线性回归，决策树、梯度提升和随机森林，神经网络，计算机视觉，自然语言处理，马尔可夫决策过程与强化学习

《人工智能（高中版）》姚期智 清华大学出版社

两大类搜索算法：单智能体（single-agent）搜索 和 多智能体（multi-agent）对抗搜索（adversarial search）

搜索算法需要通过数据结构来描述搜索过程。
搜索中重要的数据结构，包括图、树以及队列。

张朝阳最风光的时候，面试过初出茅庐的雷军，拒绝过求职的马云，演讲鼓舞了马化腾，招募过在硅谷打工的李彦宏，
那时的张朝阳和丁磊都喜欢泡吧，泡的是美女，是欲望，是挥金如土的青春

价值钟摆的本质是“逆向投资+周期思维”，
需结合定量（估值）与定性（情绪）分析，
耐心等待钟摆从极端回归的“击球区”

霍华德·马克斯 周期运行的底层规律：
1. 周期永不消亡
经济、政策与人性交织，周期必然存在。
历史会重演模式（如泡沫与崩盘），但不会简单重复细节
2. 均值回归是终极引力
资产价格长期围绕价值波动，极端高估/低估终将回调。
树不会长到天上，但市场总在“这次不一样”中遗忘规律。
3. 人性放大波动
实践策略
逆向布局：极端点 分批增/减仓；
关注信贷周期：宽松初期加权益，紧缩期增配现金；
保持敬畏：用“概率思维”替代精准择时，留足安全边际。	
马克斯忠告：承认无法预测周期，但可通过规律提升胜率

《纳瓦尔宝典》
财富：追求专长，承担责任，利用杠杆，保持耐心。
幸福：幸福是内在平静的副产品，而非外在目标的达成。
杠杆：用代码和媒体复制无成本的产品，是新贵阶层的崛起方式。
阅读：真理重复一千遍仍是真理，经典书籍是思想的复利。

计算 PSI（群体稳定性指标） 和 KS（Kolmogorov-Smirnov统计量） 时，
基准数据（Baseline Data） 和 实际数据（Current Data） 的样本数 不需要严格一致,
PSI 计算的是 分布比例的变化，而不是绝对数量;
KS 计算的是 累计分布函数（CDF）的最大差距，与样本量无关;

《Python极简讲义：一本书入门数据分析与机器学习》

1991年2月，Python之父吉多·范罗苏姆（Guido Van Rossum）发布Python的第一个版本

Python设计哲学：简单、明确、优雅
Life is short, you need Python
人生苦短，我用Python