对风险的掌控是面对不确定事件时最坚实的底气。正如巴菲特对风险本质的洞察："风险来自于你不知道自己在 做什么。"所以，面对风险，巴菲特会选择"将盈利概率乘上可能盈利的数量，减去亏损的概率乘上可能亏损的 数量"，让"不知道"变得可计算、可优化，再去做决策。 所幸，我们有一个威力庞大的数学工具——贝叶斯定理。这个诞生于18世纪的概率学工具，正是帮助我们"知 道"自己在做什么的钥匙。通过了解这个公式背后的逻辑，我们将学会不断修正对事件概率的判断，从而把不确 定性转化为可管理的风险。 本文摘编自《贝叶斯定理》。荐读之。 《贝叶斯定理》 作 者 ： 汤 姆 · 奇 弗 斯 译者： 韩潇潇 出版时间：2 0 2 5年5月 出版社：中信出版集团 首先，让我们来认识一下大名鼎鼎的贝叶斯定理： $$P(A\,|\,B\,)={\frac{P(B\,|\,A\,)\!\cdot\!P(A)}{P(B)}}$$ 先验概率 P（A）：在观测到新证据B之前，事件A的初始概率。 似然度 P（B∣A）：在事件A发生的条件下，观察到证据B的概率。 边际概率 P（B）：证据B在所有可能情况下的总概率（通常通过全概率公式计算）。 后验概率P（A∣ ...

Group 1 - OpenAI has launched a new "learning mode" for ChatGPT, aimed primarily at university students, which utilizes Socratic questioning to guide users in building their knowledge systems step by step [2][7][10] - The learning mode is designed to assist with homework, exam preparation, and learning new concepts, allowing users to simply input their questions after selecting "Research and Learning" in the ChatGPT tool [7][9] - This feature is available to all users, including free, Plus, Pro, and Team versions, with Edu users set to gain access in the coming weeks [9] Group 2 - The learning mode is driven by system prompts rather than a specially trained AI model, allowing for rapid iteration and flexible adjustments [10] - OpenAI plans to integrate this interactive mode into its core model over time, making teaching logic a fundamental capability of ChatGPT [10][33] - Future enhancements will include visual representations of complex concepts, goal setting, progress tracking, and deeper personalization, with the long-term goal of making ChatGPT a "personal tutor" for every student [33] Group 3 - The article discusses the increasing role of AI in education, highlighting a rise in reported AI cheating cases in UK universities, with approximately 7,000 cases reported for the 2023-2024 academic year [35] - OpenAI's CEO, Sam Altman, expresses optimism about AI's role in education, comparing it to the initial fears surrounding Google, suggesting that AI can enhance thinking rather than replace it [38][39] - The industry is collectively focusing on educational applications, with competitors like Anthropic and Google also developing AI tools that emphasize Socratic questioning and personalized learning [40][41]

现在，我们希望和你一起，把阅读这件事坚持下去。 每一期专栏，我们依旧聊书，可能是书评、书单或者书摘。 每一期会有一个交流主题，希望你通过留言与我们互动。 我们精选优质好书，根据留言质量不定量送出。 世界莽莽，时间荒荒，阅读生出思考的力量，愿你感受到自己的思想有厚度且有方向，四通八达，尽情 徜徉。 重阳说 查理·芒格先生有一句广为流传的话："我这一生当中，未曾见过不读书就智慧满满的人。没有。一个都没 有。沃伦（巴菲特）的阅读量之大可能会让你感到吃惊。我和他一样。我的孩子们打趣我说，我就是一 本长着两条腿的书。" 熟悉重阳的朋友们一定知道，阅读，一直是我们非常推崇的成长路径。 提示：本公众号所发布的内容仅供参考，不构成任何投资建议和销售要约。如您对重阳产品感兴趣，欢 迎 扫码 咨询。 【好书】第290期：《 未来之地 》 汤姆·奇弗斯 著 韩潇潇 译 中信出版集团 推荐人 营销编辑张晓萌 2025年6月 互动话题： 结合本书 ， 谈谈你对贝叶斯思维的理解 。 留言时间：2024年6月25 日 - 2025年 7月2日 （鼓励原创，只要你的内容足够优秀，期期选中也有可能哦） 筛选及书籍（单本）寄送：2025年7月3 ...

Core Insights - The "AI + Healthcare" forum highlighted the transformative impact of AI in the healthcare sector, emphasizing the integration of cloud computing, big data, and AI technologies to enhance medical services and patient experiences [1][17] - The forum featured contributions from various experts, indicating a collaborative effort in advancing AI applications in healthcare, particularly in areas like disease prevention, diagnosis, and drug design [3][10] Group 1: AI Applications in Healthcare - AI is expected to address the increasing demands of life sciences and medicine due to rising life expectancy, with a focus on developing new AI technologies tailored for healthcare [3][10] - The collaboration between Volcano Engine and researchers has led to the development of Bio-OS-Co-Pilot, which significantly reduces research timelines from years to hours, enhancing efficiency in modeling and analysis [4] - Companies like Tianjin Pharmaceutical Group have reported a 14.3% increase in digital maturity through strategic digital transformation initiatives, showcasing the effectiveness of AI in optimizing workflows [6][8] Group 2: Future Directions and Challenges - The healthcare industry faces challenges such as high complexity and strict requirements for data governance, necessitating a shift towards sustainable iterative mechanisms for AI applications [12] - AI is positioned to enhance pre-consultation processes, patient education, and overall efficiency in healthcare delivery, while maintaining a supportive role rather than replacing human decision-making in high-risk scenarios [15] - Future efforts will focus on low-risk, high-value areas for AI implementation, such as research data analysis and logistics support, to ensure effective integration into healthcare systems [14]

"顶级的成功不是因为他们是谁，而是因为他们以什么方式思考，以什么逻辑行动。" 爱因斯坦有个著名的问题："你所经历过的最大的挑战是什么？"埃隆·马斯克对此足足思考了30秒，给出了一 个非常精彩的回答：" 确保你有一个可纠错的反馈闭环 （making sure you have a corrective feedback loop）"。 这种可纠错的反馈闭环，本质上是在不确定性中建立认知校准机制。大家都说马斯克是"商业天才"，为什么 马斯克如此厉害呢？原因在于他是一个贝叶斯主义者。 第一，马斯克是一个有信仰的人，服从自己的使命。我们要分开信仰和信念。信仰是一定要去火星，而信念 是火箭发射成功的概率有多大。 第二，马斯克行事尊崇第一性原理和概率优化，最为著名的案例便是SpaceX。第三，就是冒险和用户满 意。对此，埃隆·马斯克说过一句话，"我根本就没有想那么复杂，对于用户来说我就是要造最好的车"。 简而言之，作为一个商业天才，埃隆·马斯克一方面知道在一个不确定的世界里面如何运用概率去自我完 善、迭代产品；另一方面，他也意识到了概率和物理定律的边界在哪里。 正如巴菲特对风险本质的洞察： "风险来自于你不知道自己在做什 ...

檀林/文 《贝叶斯定理》原书名是Everything is Predictable，直译为"凡事皆可预测"。其作者为英国著名科学作家汤姆·奇弗 斯。该书揭示了贝叶斯定理的本质：它不仅是概率论领域的一个重大革新，更是帮助我们在不确定性中持续更新 认知、动态调整决策的一种思维框架。 令人赞叹的是，这套诞生于18世纪的数学理论，与两千余年前的斯多葛哲学实现了完美互补，它们恰似导航系统 与充电宝的组合——前者负责指引方向，后者确保续航。 在实际生活中，将两者结合起来特别管用。 贝叶斯思维的现实应用 一是商业洞察的"可能性仪表盘"。某商学院教授在协助经营珠宝店时，将贝叶斯定理转化为"3分钟识客术"：当 20%的基础购买概率碰到"主动询问细节"这一行为信号时，他通过贝叶斯公式计算，立即启动深度沟通策略，使 成交率大幅提升。这种实时更新的概率思维，如同为每位顾客安装了动态的"购买可能性仪表盘"。 二是项目管理的智能预警系统。传统项目管理常以"超期3天报警"的静态标准应对变化，而拥有贝叶斯思维的项目 管理者则会：预设30%的延期基准概率；当供应商产能接近饱和时（新证据权重），运用贝叶斯公式将风险升级 为65%；提前激活备用方 ...

大家好，我是银行螺丝钉，欢迎来到这期的螺丝钉带你读书。 「螺丝钉带你读书」也陪伴大家度过了三百多期，为大家讲解了很多有趣、经典的书籍和故 事，比如《三十几岁，财务自由》、《如何读一本书》、《战胜拖延症》等等。 还为大家详细介绍了几位投资大师：股神巴菲特、他的好搭档查理芒格和指数基金之父约翰博 格。分享了他们的人生经历、投资生涯和投资的理念。 大家可以点击下面链接查看部分螺丝钉带你读书合集： 《 世界读书日，螺丝钉送你103本私藏经典好书 》 人人都爱预测 为什么人人都爱预测？ 因为我们都想抓住未来的答案。 最近看了一本挺有意思的新书，《科学预测》。 在算命的时候，最经典的就是"彩虹话术"。 意思是，用两组或者两组以上，彼此对立的语句，来描述事情。 例如： "你表面上坚强独立，但内心渴望被理解。" "看似果断的行动背后，其实经历过痛苦的纠结。" 这种对立话术，几乎能让所有人找到共鸣点。 投资领域也经常充斥这种话术。 例如，1923年的《华尔街日报》，有一篇文章叫《市场建议》。 其中有一段，非常经典的市场涨跌描述。 "正如预期的那样，道琼斯指数，接近140点的时候会有阻力， 但经过一天的下跌后，成交量减少，目前市 ...

Quantitative Models and Construction Methods - **Model Name**: Black-Litterman (BL) Model **Model Construction Idea**: The BL model combines market equilibrium portfolio weights with subjective investor views using Bayesian theorem, aiming to improve stability and flexibility in asset allocation[2][3][8] **Model Construction Process**: 1. **Market Equilibrium Portfolio**: The starting point is the CAPM-based market equilibrium portfolio, where asset weights are determined by market capitalization. The equilibrium returns are calculated using the utility function: $U = w^{T}\Pi - \frac{\delta}{2}w^{T}\Sigma w$ Here, $\Pi$ represents equilibrium returns, $\Sigma$ is the covariance matrix, and $\delta$ is the risk aversion coefficient[12][13][14]. Alternatively, equilibrium returns can be derived as: $\Pi = \delta\Sigma_{eq}$[14][15]. 2. **Bayesian Integration**: Bayesian theorem is applied to combine prior information (market equilibrium returns) with subjective investor views. The posterior mean and covariance matrix are calculated as: $\mu_{p} = [(\tau\Sigma)^{-1} + P^{T}\Omega^{-1}P]^{-1}[(\tau\Sigma)^{-1}\Pi + P^{T}\Omega^{-1}Q]$ $\Sigma_{p} = [(\tau\Sigma)^{-1} + P^{T}\Omega^{-1}P]^{-1}$ Here, $\tau$ represents the uncertainty of prior returns, $P$ is the matrix indicating assets involved in subjective views, $Q$ is the vector of expected returns for subjective views, and $\Omega$ is the confidence matrix for subjective views[9][10][29]. 3. **Final Asset Weights**: Using the posterior mean and covariance matrix, asset weights are optimized via mean-variance optimization: $\mathbf{w} = (\delta\Sigma_{p}^{*})^{-1}\mu_{p}$ $\Sigma_{p}^{*}$ can be calculated using two methods: - $\Sigma_{p}^{*} = \Sigma_{p} + \Sigma$ (recommended for practical use)[30][31] - $\Sigma_{p}^{*} = \Sigma_{p}$ (used in specific cases)[31][32]. - **Model Evaluation**: The BL model improves stability by starting with market equilibrium weights and allows flexible incorporation of subjective views. It avoids the sensitivity issues of traditional mean-variance models and provides intuitive results[2][8][9]. Model Backtesting Results - **BL Model**: No specific numerical backtesting results are provided in the report. Quantitative Factors and Construction Methods - **Factor Name**: None explicitly mentioned in the report. Factor Backtesting Results - **Factor Results**: None explicitly mentioned in the report.