从网球赛场到金融市场：投资的内在博弈
在竞争激烈的投资环境中，长期成功取决于对市场效率的理解、风险的控制和避免频繁的错误。
LTCM的另一种结局？
短期预测、克制增长，以及对模型的信任与怀疑的平衡等关键因素对于量化交易成功十分重要。
聪明的“代价”：诺奖得主的溃败
投资者在面对波动性、风险和不确定性时应直面并理解这些因素，最终利用它们以获得奖赏
为什么好的量化策略一定赚钱？
即使胜率微弱，只要持续交易并放大优势，就能实现可观的盈利。
小熊资产泡沫
20世纪90年代，Ty Warner创造的豆豆娃（Beanie baby）毛绒玩具引发了全球热潮，成为一种不仅仅是玩具，更是一种金融投资品的狂热现象，最终以泡沫破裂告终。
理解事物的五种方式
增加对一个想法或技能的接触有助于加深理解。它能够使我们形成更多的联系，储存更多的模式，看到更深层次的原理，并对其做更好的思维模拟。
OODA循环：战斗机飞行员如何做出快速准确的决策
在OODA循环中，速度并不是越快越好。就像失去平衡的舞者一样，解决办法不是跳得更快，而是停下来，恢复并回到节奏中去。
香农的恶魔：两个必输的局面合并起来就必赢了？
两个没有胜算的赌局，当交替轮流进行时，有可能带来正的预期回报。
微盘股今年已经三次暴跌 此类策略未来会怎么样？
很多量化机构重仓小盘股和微盘股，在一定时期能获得较高回报，但是在极端行情下也出现了大幅回撤的风险。
发生战争时股市一定跌吗？
战争、流行病和政治危机频发，理解他们的对金融市场的影响尤为重要。
DNA作为完美的量子计算机？
基于量子物理学的视角来看，DNA可以看作是完美的量子计算机。
从汉堡到纸板箱：预测经济走势的奇怪指标
尽管专业或权威机构出具的相关预测经过严谨的计算和评估，相比于令人眼花缭乱的数据报告和晦涩难懂的经济学概念，人们更倾向于发现和关注生活中更为熟悉且直观的现象与经济走势之间的关系。
西蒙斯：用数学改变金融
詹姆斯·西蒙斯，被称为“量化之王”的量化交易开创者，曾用数学模型预测股市，成为华尔街最成功的投资者，其大奖章基金的年均回报率超过39%。
准确率超过90%的预测模型为什么不靠谱？
正如古人研究羊的内脏进行占卜一样，一些更加另类的市场预测者则是在口红的色号、纸板箱的生产、巨无霸汉堡的价格、女性裙子的长度和《体育画报》泳装特刊的封面上寻找市场走向的征兆
用数据分析“不劳而获”的可行性
就像永动机一样，这种无须任何形式的努力或牺牲即可产生收入的机制似乎是不可能的，无中生有的无限巧克力和无须付出任何成本与代价获取的税收，都只是一种幻觉。
好的投资者让投资变得更加困难？
高效率的市场和激烈的竞争，意味着数据和算法能更有效地捕捉市场中隐藏的投资机会，量化可能获得更大的投资优势。
有效学习的三条铁律
双循环学习，是一种能够防止浪费时间和精力的学习方式。
一篇“不太科学”的数据科学文章
我们在阅读内容时，应该结合实际提出问题多加思考，并采用一种更加合适的方法应用到实践中。
投资中的风险、不确定性和无知
正确的思考方式与桥牌相似，强调在面对风险、不确定性和无知的情况下，能做出明智决定。
OpenAI Sora：昨日重现还是未来已来？
OpenAI的Sora模型在文本到视频领域的突破，引发了AI圈的大变天。
张晓泉
清华大学经济管理学院 Irwin and Joan Jacobs 讲席教授，清华大学经济管理深圳研究院常务副院长，清华大学深圳国际研究生院创新管理研究院常务副院长，麻省理工学院博士，清华大学文学学士、工学学士、管理学硕士。