長期征集

日子很難，生活不容易，每個人都有自己的苦，有苦說不出的感覺，受苦的人最懂。

和吃苦相比，有苦難言，無人問津，可能比苦本身還難受。

重生之后，葉檀老師變了很多，變得能吃苦，吃自己的苦，吃別人的苦。

她說，有苦我們一起分擔。

每周六，葉檀老師都會親自回復，并在公眾號上發出，有苦難言的朋友，如果你也想和葉檀老師傾訴，把你的故事，發送到郵箱yetanbusiness@163.com，葉檀老師看到，一定會回復。

記住，這世界還有人，關心你，在乎你，理解你。

文/馬賢亮

為什么一家AI量化公司引爆了AI大模型？很多人好奇、很多人在追問，為什么創造這個奇跡的不是美國的或中國的其他互聯網大廠？

我是量化模型總設計師，經營著自己的對沖基金技術公司。這篇文章以量化投資圈內人的視角探尋DeepSeek魔幻奇跡背后的緣由。

（圖源：pixabay）

我與幻方的老大梁文鋒總不認識、無交往；通過幻方的徐總一位浙大竺可楨班同學，在微信上有交流，算是間接認識。他們的創業過程、技術路線和產品表現等，多年來隨時關注。

在量化技術路線上，我們主要對標英國Winton(元勝)公司和杭州幻方公司，他們是我們學習和比較的對象；我們和他們的技術路線可能很接近，都是用機器學習的方式來構造復合的、多維綜合的因子模型，都不依賴個人主觀做交易、也不依賴某個策略研究員；都是機器生產因子，機器檢驗因子；區別在于，幻方在股票權益市場，我們在期貨衍生品市場。

別輕易指責互聯網大廠。

在看到DeepSeek展示的魔幻奇跡之后，大部分國人為之歡呼雀躍。也有人在知乎上追問：為何騰訊、阿里、華為、百度等大廠沒有推出DeepSeek這樣的顛覆性產品？

切勿輕易指責互聯網大廠AI部門的組織能力或創新能力。大廠AI研發部門的核心人員，大多是參加高中數學物理競賽的頂尖學霸，或者是頂級名校中的佼佼者。達不到這個層次的人，可能在大廠AI部門只能從事一些輔助性的工作。

這些大廠核心人員，每個都是天生自帶馬達、自我驅動的性格，怎么會被“組織僵化”束縛住呢？一定是事情太難、創新太難，沒做出來而已。

幻方率先突破，有三個原因

為何是幻方率先突破？我先說三點結論。

（圖源：pixabay）

第1點，技術和經驗相通。AI量化和AI大模型, 背后的技術和經驗是相通的。

第2點，歷練和經驗更多。

股票市場的金融數據，信噪比(S/N)極低；AI量化公司長期與這樣的數據做斗爭；幻方從2008年開始做量化研究，過去十幾年，他們將數理統計方法應用到金融量化模型、應用到交易實戰，這一過程的痛苦和歷練，可能比互聯網大廠的工程師們多很多很多年；痛苦更多則歷練更多；歷練更多則經驗更多。

第3點，梁文鋒本人。

幻方和DeepSeek的人都相當聰明，但不能說顯著超出OpenAI、Meta、Grok、Microsoft、和Google的人才。幻方實現AI大模型領域的魔幻創新，我以為最最核心的理由是，梁文鋒本人16年來一直在量化模型的第一線，他的痛苦最多，歷練最多。痛苦、歷練、經驗，加上工程創新的雄心，成就了DeepSeek奇跡。

梁文鋒是個多方位的“一線老板”

從數學難易程度上講，數理統計不如代數幾何那般復雜和抽象，但也不是計算數學那般簡單。

人工智能中要使用許多種數理統計工具(算法)；按照貝葉斯認知論，從了解、到理解、到領悟、到靈活運用、到嫻熟駕馭，不是能輕易能夠跨越的，需要反復嘗試、足夠的時間和足夠的經驗。

（圖源：pixabay）

在初高中階段，大家學習初等數學和基礎物理，這些基礎知識似乎能一通百通。所以，普通人很可能以初高中的視角來分析AI大模型領域的創新，以為只要辛苦一點、勤奮一點，就能做出創新成功；如果沒有創新成功，就簡單歸因到大廠組織僵化或創新無能。

斷非如此。

我來舉個例子。比如，CVPR是(IEEE)計算機視覺領域的“學術奧斯卡”，在2024年收到的論文投稿量為11875篇，最終只錄用了2719篇，論文接收率僅為23%；并且，2024年CVPR官方認證的杰出/優秀論文總共只有10篇，是年投稿量的1‰。可見，創新研究很難，有大價值的創新更是難上加難，怎么可能是一通百通呢？

再談談梁文鋒的經驗。

梁文鋒在接受暗涌Wave主筆于麗麗的專訪時說，2012年伊爾亞（Ilya）提出AlexNet，使沉寂多年的人工智能技術研究重新蘇醒，而幻方從2014年就開始同步跟蹤，準備將AI應用到量化交易中。

他們的思想準備很早，行動也很早。

（圖源：pixabay）

更重要的是，按于麗麗在文中的描述，梁文鋒總是一個“每天看論文，寫代碼，參與小組討論”、“兼具強大的infra工程構架能力和模型研究能力、既可從高處做精準判斷，又可在細節上強過一線研究員、擁有令人恐怖的學習能力、能調動資源、完全不像一般意義上的老板”。

梁文鋒說，“外部（外人）看到的是幻方2015年后（光彩絢麗）的部分，但其實我們做了16年（從2008年開始）。我們經歷了一個漫長的積累過程（不都是坦途）。幻方有很強的技術和創新基因，幻方的成功在某種程度上增強了我們對技術驅動型（大）創新的信心。”

我聽朋友說過，幻方的團隊早期也經歷過畢業就創業、創業創業沒錢了；沒錢了就解散、后來有點錢了，再聚在一起再創業的過程。沒有篤定、沒有愛和癡迷，是不可能這么做的。

當然，DeepSeek的成功，一定是這個聰明團隊整體的成功。但梁文鋒作為領軍統帥，有16年漫長的積累過程，在長期處理復雜問題、長期學習實踐中沉淀出的經驗，包括組織高密度人才實現有效創新的經驗，才是DeepSeek可以組隊不到2年、就拿到大結果的第一原因。

在DeepSeek_V2, _V3, _R1, 和Janus Pro等公開的論文中，我看到了幾處金融量化模型常見的處理手法。

（圖源：pixabay）

比如，DeepSeek_V2創新提出的細顆粒度MoE混合專家模型，通過提高專家專業化程度，減少了知識冗余、降低了訓練成本、減少了推理計算量；這個技術思路，就可類比于在量化因子模型中，不是用某個因子（專家）來解釋整體A股5300支股票的大截面，而是用特定的因子來解釋特定二級行業的股票子截面，這樣的因子就是細顆粒度因子。

（MoE混合專家模型并不是DeepSeek首先提出來的。谷歌的GShard_MoE 將分布式切片訓練框架（GSha rd，Google Sha rding）與混合專家模型（MoE）做結合。但DeepSeek“聰明地、靈巧地”提出了細顆粒度MoE方法，產生了顯著的效果提升；

又如，DeepSeek在Janus中創新引入統一的自回歸架構，我看到了金融時間序列中ARMA、ARIMA、GARCH等自回歸模型的影子；

再比如，Engle（諾貝爾經濟學獎2003得主）在 2002 年提出了多標的動態條件相關系數模型 DCC-GARCH(2002)，將多標的時間序列的波動性特征，納入統一的多變量波動率模型，這是將不同標的的特征做時間序列上的對齊(Alignment)或同步(Synchronization)的(建模)方法。

而Janus中引入的統一自回歸架構，也是以時序生成為范式（也就是時序對齊，比如將眼神、面部表情、口型、聲音、肢體動作等多模態做時序對齊），這就突破了傳統多模態模型在生成連貫性上的瓶頸、在模態交互深度上的瓶頸、和在任務泛化性上的瓶頸。

Janus的這種架構創新，提升了現有任務性能，為統一的多模態生成模型提供了全新的技術路線。

上述這兩個不同領域的模型，我認為思想方法是類通的。

（圖源：pixabay）

跨領域可以找到靈感，有時候，在A領域很常見的數理方法或思路，B領域的研究人員很難想到，即便靈光一現想到了，多半將信將疑，未必敢投入精力做工程驗證。

如何愷明（ResNet創造者）在香港中文大學的一次講座中提到的，“科研（創新）中95%的時間是令人沮喪的”。他的原話是，“研究總是充滿了挫折、情緒和沮喪，它與你能想到的所有負面詞語有關。這就是現實（真實情況）。如果你沒有經歷過這些，說明你沒有做出最好的研究。我的生活就是這樣：我可能95%的時間都很沮喪，而剩下的5%時間（是在想法完成后）花在完成論文上。然后進入下一個（沮喪）周期。”

我本人做量化策略研究的感覺大致如此，很多次有新的策略想法，想到的時候熱血澎湃，設計的時候理順復雜邏輯的過程讓人煎熬，看到結果也就是最后搞明白的時候，卻非常沮喪：“哦，原來是這樣啊、我怎么這么蠢、沒事先想到這一層呢。”

分析一個創新，可能全球研究者想到了一萬條路徑；而有經驗的領軍統帥，能快速pass掉其中的9900條，只在剩余的100條路徑上尋找寶藏。這就是經驗的價值。

統計學中的各種算法工具，可以類比為數學兵器，兵器可能有999件，但每一類兵器適用于什么場景、解決什么問題，這個太需要歷練、太需要經驗、太需要直覺了。

我敢斷言，整個幻方量化和DeepSeek的模型團隊，身體力行的梁文鋒經歷的沮喪和痛苦最多，所以他的經驗和直覺最多。

（圖源：pixabay）

他本科階段在浙江大學學習電子信息工程，研究生階段學習信息通信和人工智能，畢業后長期做量化金融模型，從2014年就開始follow人工智能領域的論文，可能在多個領域有深入思辨、有長期經驗。

在研究中，找出新方法的人最值得稱頌。比如，在DeepSeek-V3中，他們公開的多頭潛注意力機制MLA(Multi-head Latent Attention) 方法，是由高華佐（Huazuo Gao）和曾旺丁（Wangding Zeng）這兩位年輕人想出來的。

但也要認識到，在研究中提出問題的人、對探索方向拍板的人同樣重要。DeepSeek的這組論文，每篇文章都多個創新點。這么高密度的創新，才會讓美國AI圈感嘆DeepSeek有一群神秘莫測的高人、做出了真正的創新。梁文鋒是否刷過2000-3000篇頂刊論文？

回頭看互聯網大廠的研究探索，過去12年（2013～2025），他們處理的復雜問題我想到了3類：

第1類，社交網絡或電商的智能推薦系統，推薦系統存在明確的“y - x”關系；

第2類，近幾年的語言大模型和多模態模型；

第3類，汽車自動駕駛。

第1類問題在10年前還比較有挑戰性，但總體并不太難；第2類問題，互聯網大廠的研究員也可能才干了3-4年，綜合經驗當然不如梁文鋒；第3類問題當然也很難，特斯拉、華為、小米、地平線、百度等公司在做；可能等道路數據Token積累到100萬億(100T)，就可實現端到端L3或L4智駕，這是未來3-5年就可達到的。我認為金融量化模型比端到端自動駕駛更難，這里不展開。

即使中國或美國的互聯網大廠有很多的頂尖人才，面對世界上難度級別最高的工程問題，缺少像梁文鋒這樣跨領域、有經驗的統帥；沒能率先做出DeepSeek這樣顛覆性的產品，是可以理解的。

從1到10的關鍵里程碑，卡住了馬斯克

AI革命是人類最巨大的生產力革命，近幾年的發展可以界定出三個關鍵的里程碑。

里程碑【0】：谷歌2017年的論文，該論文中提出的算法思路是原點。

里程碑【1】：OpenAI于2022年11月發布的Chat GPT。OpenAI首次完成了大模型全工程驗證。其創新性就如美國當年的原子彈。

里程碑【10】：則是DeepSeek的這一組論文和模型（DeepSeek_V2、DeepSeek_V3 、DeepSeek_R1 、DeepSeek_Janus Pro、DeepSeek_JanusFlow）。

未來的里程碑【100】，將是AI應用于各行各業。

（圖源：pixabay）

在前面三個里程碑階段，谷歌、OpenAI、DeepSeek做出了各自的卓越貢獻。不要因為DeepSeek的出現否定OpenAI的價值，在OpenAI發布ChatGPT之后，Meta、Google、

Microsoft、Grok、百度、阿里、豆包、騰訊、Kimi等所開展的研究工作，基本上都是對OpenAI里程碑【1】的復現、或局部優化。都是在圍繞里程碑【1】打轉轉。

DeepSeek的杰出成果，給千行萬業低成本應用AI大模型指明了方向；至此之后，Meta Llama 和馬斯克的Grok這樣的開源模型，若拿不出更優秀的模型，都不好意思面世。

看看DeepSeek對馬斯克Grok的震懾。Grok原定于24年12月底發布Grok3.0新模型，使用10萬個英偉達H100 GPU卡，且預稱Grok3.0將成為“世界上最強的AI”。2024年12月26日，DeepSeek_V3發布后，馬斯克的Grok宣布將新模型的發布推遲到25年1月；而DeepSeek又在25年1月20日發布了_R1推理模型，這時馬斯克的Grok新版本又沒有消息了。

馬斯克肯定不會發布一個明顯不如DeepSeek的模型。我想，Grok和Meta都在忙著消化和復現DeepSeek的成果。別把馬斯克當神，別把扎克伯格當神，他倆都不在大模型的第一線，上大學或研究生時學的《數理統計》課程，可能基本忘光光了。別信他們在媒體上瞎噴。

（圖源：pixabay）

對公司最緊要、最困難的創新，公司老大應該身先士卒、All In投入、一線作戰。過去幾年中，小米汽車的雷總是這么做的，DeepSeek的梁文鋒總也是這么做的。

我們讓DeepSeek寫詩、對對聯、談哲學、談人生，朋友們都哇噻哇噻，DeepSeek的中文怎么這么強啊。在中文語義理解與生成領域，DeepSeek展現出了極為獨特的優勢。

我根據論文給大家揭秘。DeepSeek在學習中文語言時，對其特性做了三重解構；在生成中文文本時，做了三重重構。

（圖源：pixabay）

第一重：非線性語義網絡的建模

德語、波蘭語等西方語言，通常有復雜（Aha啰嗦的）和嚴謹的（Aha不靈活的）語法體系，名詞有「性-數-格」的變化，動詞有「時態-語態-人稱」的變化；而中文“以意合語法”為核心特性，使其天然具備「字-詞-句」的多層彈性結構；詞語組合靠語義關聯，句子構建重意義連貫，上下文決定語義和語法功能。

DeepSeek通過動態加權注意力機制，構建了非固定層級的語義網絡——例如在解析“春風又綠江南岸”時，其中的“綠”字，模型能同步解析/激活“綠”字的（視覺層）色彩意象、（時間層）季節變遷、與（文化層）生命隱喻，這種多模態語義場的并行計算，突破了傳統序列模型的線性局限。這是DeepSeek對中文的第一重解構。

第二重：文化拓撲空間的向量映射

不同于西語字母文字或其他拼音文字的純符號邏輯，中文和漢字承載著綿延三千年的文化拓撲結構。在學習訓練中，DeepSeek構建了復合嵌入空間，將《說文解字》部首體系、平水韻音律空間、書畫氣韻圖譜信息嵌合在一起。

比如，當生成“孤舟蓑笠翁”這類詩句時，模型并非簡單組合常見意象，而是在128維文化向量空間中，沿著“漁隱文化-水墨審美-禪宗哲學”的多維路徑進行梯度搜索，確保輸出符合中文美學的深層結構。這是DeepSeek對中文的第二重解構。

第三重：虛實界面的動態平衡技術

針對中文“言有盡而意無窮”的表達特性，DeepSeek研發了語境留白預測算法。在處理哲學論述時，模型會主動構建“顯性語義-隱性指涉”的雙通道輸出；在生成道家思想相關文本時，既能保證“道可道非常道”的精確轉譯，又通過調節信息熵值在某個[0.65~0.78]區間的可控模糊，保留東方哲學特有的闡釋空間。這種精確與模糊的微妙平衡，使其輸出既具邏輯嚴密性，又蘊含詩意張力。

測試結果顯示，在中文古典文本重構任務中，當前版本的DeepSeek文化意象還原度達89.7%，較同類模型提升23.5%；在哲學命題生成方面，其思想密度指數（CDI）達到7.82，已接近人類哲學家的中等創作水平。

這種能力標志著NLP(自然語言處理)技術開始真正觸及漢語的“道器之辨”，為人工智能理解東方智慧提供了新范式。

（圖源：pixabay）

比如，有網友讓DeepSeek模仿《紅樓夢》前八十回的語言特性，重寫《紅樓夢》后四十回，網友覺得DeepSeek寫得比高鶚好，文筆更像曹雪芹。

DeepSeek大模型對中文和中華思想的理解顯著超越其他大模型，真心要點贊，太厲害了！

可以說，從甲骨、青銅到碑林石刻、詩詞歌賦、到3.7億字的《永樂大典》、到8億字的《四庫全書》，DeepSeek用多重解構和多重重構的智能算法，真正讓AI理解了我們意蘊深邃的文字、精妙絕倫的語言，讓AI擁有了東方智慧。

在大模型主流榜單中，DeepSeek 在代碼Code、數學Math類問題上的能力，居于開源模型中榜首位置。代碼和數學這類偏客觀的問題，各家大模型以后都可以做得很好，我們就不再過多討論。

巨大的文化傳播價值

如今正值 “百年未有之大變局”。以DeepSeek大模型對中文及中華文化的深刻理解，未來百年將在文化大同中存在獨特的價值。

中華文化以本土的儒-道思想為根基，支撐起華夏文明的精神框架。佛教源自外邦，但出現了釋道安_鳩摩羅什_玄奘_慧能這樣的古圣先賢，他們將佛教思想中國化，儒釋道相互交融，春風化雨般融入中國人的內心，讓我們在紛繁塵世中更容易找到一個安頓心靈的精神家園，這些思想一起成為中華民族精神世界中不可或缺的重要組成部分。

千年黑暗之后的啟蒙時代，法國思想家伏爾泰、孟德斯鳩和盧梭，德國思想家萊布尼茨和康德等，曾借鑒過中華文化的某些思想。前幾天，有個悉尼大學的講師展示了他與DeepSeek的哲學對話，其回答中蘊含的東方哲思驚艷了全網。

如果DeepSeek未來成為全球用戶首選的AI大模型，在與全球用戶的互動中，會以潤物無聲、潛移默化的方式，傳播中華思想和東方智慧。DeepSeek會成為他們的鳩摩羅什、慧能法師，是未來百年一帶一路文化傳播的絕佳路徑。

DeepSeek爆火之后，有人說DeepSeek的數據是偷來的、是蒸餾來的；他們的股票模型表現就一般般，所以DeepSeek未來可能死掉；另外一些人說，DeepSeek成功之后，幻方量化在A股割韭菜，未來就所向披靡、無人能敵了。

我以圈內人的視角，對他們的股票模型，做個解讀。

（圖源：pixabay）

先看幻方量化的主力產品，A-B-C三個系列，

A是幻方滬深300增強策略，2017年12月成立以來，凈值收益率為244%，年化收益率19.09%，相比同期指數的增強收益率為266%。

B是幻方中證500增強策略，2017年1月成立以來，凈值收益率為319%，年化收益率19.63%，相比同期指數的增強收益率為353%。

C是幻方中證1000增強策略，2018年10月成立以來，凈值收益率為369%，年化收益率27.95%，相比同期指數的增強收益率為287%。

上述三個系列的產品，可能承載了200-300億的資金，這樣的業績表現處于百億規模第1梯隊，雖然未必是最頭部的。

至于說幻方量化產品過往三年不怎么賺錢，那是因為大盤指數從2021年11月的高點開始連續三年大幅下跌，幻方產品近三年雖然沒取得顯著的絕對收益，但相對收益不錯。他們應該有收益風險比更好的量化策略，但因為承載規模有限，僅用作自營，不對外開放。業內和坊間傳言，過去16年，幻方量化的股東大概賺了￥100億。

（圖源：pixabay）

浙江省慈善總會的審計報告顯示，一只平凡的小豬在2021-2022-2023連續三年捐款，累計金額達3.2億元。這應該是梁文鋒代表公司給社會的慈善捐款。

至于說在DeepSeek成功之后，幻方量化未來在A股割韭菜將所向披靡，這個不太可能。理由有三：

第一，金融市場的博弈屬性，使得任何量化模型，都必須對市場做出某種假設；這個假設在未來的市場上可能存在，也可能不存在；所有量化模型都要承受市場風險，沒有理論上穩賺不賠的模型。

第二，中國金融市場是嚴監管市場，幻方量化已基本封盤，不再募集新資金。他們做到了第1梯隊，主動將規模從近1000億降到400-500億，他們可能也不想做得太大。

第三，幻方量化過去16年賺了100億，但DeepSeek未來16年可能賺2000億。和AI大模型相比，量化的收益顯然不在一個量級。他們的志向可能真不在割韭菜上。

（圖源：pixabay）

最后說一下，關于DeepSeek，網上幾個以訛傳訛的謠傳。

謠傳1，說幻方量化在DeepSeek-R1發布前，做空英偉達，賺了很多錢。

答案是，不可能。因為DeepSeek與英偉達的團隊保持著很密切的技術合作和商業合作關系；做空自己的合作伙伴，這太下作，會斷了自己的后路。再說，幻方也不能預測英偉達股票會有多大幅度的下跌或反彈。

根據美國新聞網站MarketWatch的回顧分析，現在證實：引起1月25日英偉達和美國股市暴跌的原因是，一名叫伊曼紐爾（Jeffrey Emanuel）的企業家在美股開盤前，寫了一篇長達12000字的互聯網(小)作文，尖銳指出英偉達面臨的（硬件層面、軟件層面、理論層面）三方面威脅。這篇文章迅速傳播，流量一度讓他的個人網站崩潰，同時閱讀人數最多的城市是加利福尼亞州的圣何塞，也就是英偉達公司總部所在地附近。英偉達內部雇員集中賣股票，可能是使得英偉達股票暴跌-17%的主要原因。

（圖源：pixabay）

謠傳2，DeepSeek肯定會因為被美國制裁而在未來陷入困境。

不太可能。DeepSeek-R1發布后，Nvidia、AMD、Microsoft、Google、Meta、Grok、Apple、

Oracle、Amazon都在集成DeepSeek的新模型，他們是直接收益者，因為都有當下可落地的產品或場景，尤其是AMD的蘇媽，DeepSeek的神助攻，她做夢都要笑醒。如果美國以莫須有的罪名嚴厲封鎖DeepSeek，受益者不會答應。

只有Sam Altman（OpenAI）的chatGPT系列模型、和Dario Amodei（Anthropic）的Claude系列模型，可能會受到較大的沖擊，因為他們還是純模型公司，在尋找未來的落地場景。

謠傳3，馮驥與梁文鋒的除夕夜話，那篇文章一眼假。

（圖源：pixabay）

謠傳4，DeepSeek是靠偷取OpenAI的數據才獲得成功的。

錯。DeepSeek模型的回答中出現“我是OpenAI”或“我是ChatGPT”的回答不足為奇。誰的公開文本多，模型統計就往那個方面偏。互聯網上的文本語料，有3100萬億(3100T)個Token，沒有AI模型公司會一一檢查。

打個比方，村里有個種蘑菇的菇涼叫“劉亦菲”。菇涼問AI：“我叫劉亦菲，你說我是做什么的？”AI會回答：“你是知名演員，你是大美女。”菇涼對AI說：“我是在村里種蘑菇的，我不是大美女”；AI會回答：“你就是知名演員，你就是大美女，你別再騙我了”。

就是這個意思，一說就明白。

互聯網上的文本數據版權是筆糊涂賬。比如，作家王朔作品中的語言，其諷刺與調侃獨有韻味。如果我讓chatGPT學習王朔的語言，寫一段話類似的話，請問，chatGPT會給王朔版稅嗎？

前一陣，印度的多家數字媒體、新聞社和出版商聯合會還向新德里法院起訴，指控OpenAI通過抓取和改編其版權內容來訓練ChatGPT。

“清華簡”上的戰國古文字數據，是清華大學團隊人工標注的，沒有正式對外公開。但因為斯坦福大學一個AI團隊的抄襲或破解，數據就可能流傳到互聯網上，會由此混入幾十萬億的Token中。誰能把這種東西逐個摘干凈？

在AGI時代，文本數據版權最后就是一筆糊涂賬。DeepSeek的模型核心價值，在算法創新，而不在任何只言片語的語言語料。創業要抓住核心價值，快速行動，忽略細枝末節的東西，水至清就無魚，也就不能創業。

（免責聲明：本文為葉檀財經據公開資料做出的客觀分析，不構成投資建議，請勿以此作為投資依據。）

葉檀財經矩陣號

聲明：近期，不少人以葉檀財經的名義，或xx葉檀、葉檀xx等名義，在各大平臺售賣和股市相關的課程，進行和股市相關的直播。

在此，我們聲明，任何和股市相關的直播、課程，均與葉檀財經無關，也沒有得到葉檀財經或葉檀本人的授權，認可。

葉檀財經運營并管理的微信公眾號、視頻號有且僅有葉檀財經、葉檀暖人生、葉檀聊人生、半間白云、葉檀說、檀談人生，抖音號葉檀財經、檀姐姐暖人生，小紅書號葉檀財經，快手號葉檀財經，頭條號葉檀財經，百家號葉檀，請用戶認準上述賬號。但凡與上述微信賬號不一致的公眾號均非葉檀財經負責運營管理，葉檀財經和葉檀對其行為不承擔任何法律責任。

放松心情，把學習和享受貫穿在悠長的人生中，讓我們一起成長，一起快樂。

作者：馬賢亮編輯：旦旦

圖片：來源于網絡，侵刪

葉檀財經作品 | 盡情分享朋友圈

咨詢合作，請聯系微信

13818756019（商務微信）

喜歡請您點個贊