时尚焦点-"成全视频免费观看在线看"-圈内人长文解秘，毫成全视频免费观看在线看不意外的梁文锋

圈内人长文解秘，毫成全视频免费观看在线看不意外的梁文锋

但个股市值、股性以及所处的市场环境不同均会影响BOLL指标策略的有效性。保守起见，策略哥特地回测了近几年宝塔实业相同指标形态的出现次数及后续影响，数据发现宝塔实业从2020年起共出现过21次BOLL值阶段新低，开口收窄的情况。

长期征集日子很难，生活不容易，每个人都有自己的苦，有苦说不出的感觉，受苦的人最懂。和吃苦相比，有苦难言，无人问津，可能比苦本身还难受。重生之后，叶檀老师变了很多，变得能吃苦，吃自己的苦，吃别人的苦。她说，有苦我们一起分担。每周六，叶檀老师都会亲自回复，并在公众号上发出，有苦难言的朋友，如果你也想和叶檀老师倾诉，把你的故事，发送到邮箱yetanbusiness@163.com，叶檀老师看到，一定会回复。记住，这世界还有人，关心你，在乎你，理解你。文/马贤亮为什么一家AI量化公司引爆了AI大模型？很多人好奇、很多人在追问，为什么创造这个奇迹的不是美国的或中国的其他互联网大厂？我是量化模型总设计师，经营着自己的对冲基金技术公司。这篇文章以量化投资圈内人的视角探寻DeepSeek魔幻奇迹背后的缘由。（图源：pixabay）我与幻方的老大梁文锋总不认识、无交往；通过幻方的徐总一位浙大竺可桢班同学，在微信上有交流，算是间接认识。他们的创业过程、技术路线和产品表现等，多年来随时关注。在量化技术路线上，我们主要对标英国Winton(元胜)公司和杭州幻方公司，他们是我们学习和比较的对象；我们和他们的技术路线可能很接近，都是用机器学习的方式来构造复合的、多维综合的因子模型，都不依赖个人主观做交易、也不依赖某个策略研究员；都是机器生产因子，机器检验因子；区别在于，幻方在股票权益市场，我们在期货衍生品市场。别轻易指责互联网大厂。在看到DeepSeek展示的魔幻奇迹之后，大部分国人为之欢呼雀跃。也有人在知乎上追问：为何腾讯、阿里、华为、百度等大厂没有推出DeepSeek这样的颠覆性产品？切勿轻易指责互联网大厂AI部门的组织能力或创新能力。大厂AI研发部门的核心人员，大多是参加高中数学物理竞赛的顶尖学霸，或者是顶级名校中的佼佼者。达不到这个层次的人，可能在大厂AI部门只能从事一些辅助性的工作。这些大厂核心人员，每个都是天生自带马达、自我驱动的性格，怎么会被“组织僵化”束缚住呢？一定是事情太难、创新太难，没做出来而已。幻方率先突破，有三个原因为何是幻方率先突破？我先说三点结论。（图源：pixabay）第1点，技术和经验相通。AI量化和AI大模型, 背后的技术和经验是相通的。第2点，历练和经验更多。股票市场的金融数据，信噪比(S/N)极低；AI量化公司长期与这样的数据做斗争；幻方从2008年开始做量化研究，过去十几年，他们将数理统计方法应用到金融量化模型、应用到交易实战，这一过程的痛苦和历练，可能比互联网大厂的工程师们多很多很多年；痛苦更多则历练更多；历练更多则经验更多。第3点，梁文锋本人。幻方和DeepSeek的人都相当聪明，但不能说显著超出OpenAI、Meta、Grok、Microsoft、和Google的人才。幻方实现AI大模型领域的魔幻创新，我以为最最核心的理由是，梁文锋本人16年来一直在量化模型的第一线，他的痛苦最多，历练最多。痛苦、历练、经验，加上工程创新的雄心，成就了DeepSeek奇迹。梁文锋是个多方位的“一线老板”从数学难易程度上讲，数理统计不如代数几何那般复杂和抽象，但也不是计算数学那般简单。人工智能中要使用许多种数理统计工具(算法)；按照贝叶斯认知论，从了解、到理解、到领悟、到灵活运用、到娴熟驾驭，不是能轻易能够跨越的，需要反复尝试、足够的时间和足够的经验。（图源：pixabay）在初高中阶段，大家学习初等数学和基础物理，这些基础知识似乎能一通百通。所以，普通人很可能以初高中的视角来分析AI大模型领域的创新，以为只要辛苦一点、勤奋一点，就能做出创新成功；如果没有创新成功，就简单归因到大厂组织僵化或创新无能。断非如此。我来举个例子。比如，CVPR是(IEEE)计算机视觉领域的“学术奥斯卡”，在2024年收到的论文投稿量为11875篇，最终只录用了2719篇，论文接收率仅为23%；并且，2024年CVPR官方认证的杰出/优秀论文总共只有10篇，是年投稿量的1‰。可见，创新研究很难，有大价值的创新更是难上加难，怎么可能是一通百通呢？再谈谈梁文锋的经验。梁文锋在接受暗涌Wave主笔于丽丽的专访时说，2012年伊尔亚（Ilya）提出AlexNet，使沉寂多年的人工智能技术研究重新苏醒，而幻方从2014年就开始同步跟踪，准备将AI应用到量化交易中。他们的思想准备很早，行动也很早。（图源：pixabay）更重要的是，按于丽丽在文中的描述，梁文锋总是一个“每天看论文，写代码，参与小组讨论”、“兼具强大的infra工程构架能力和模型研究能力、既可从高处做精准判断，又可在细节上强过一线研究员、拥有令人恐怖的学习能力、能调动资源、完全不像一般意义上的老板”。梁文锋说，“外部（外人）看到的是幻方2015年后（光彩绚丽）的部分，但其实我们做了16年（从2008年开始）。我们经历了一个漫长的积累过程（不都是坦途）。幻方有很强的技术和创新基因，幻方的成功在某种程度上增强了我们对技术驱动型（大）创新的信心。”我听朋友说过，幻方的团队早期也经历过毕业就创业、创业创业没钱了；没钱了就解散、后来有点钱了，再聚在一起再创业的过程。没有笃定、没有爱和痴迷，是不可能这么做的。当然，DeepSeek的成功，一定是这个聪明团队整体的成功。但梁文锋作为领军统帅，有16年漫长的积累过程，在长期处理复杂问题、长期学习实践中沉淀出的经验，包括组织高密度人才实现有效创新的经验，才是DeepSeek可以组队不到2年、就拿到大结果的第一原因。在DeepSeek_V2, _V3, _R1, 和Janus Pro等公开的论文中，我看到了几处金融量化模型常见的处理手法。（图源：pixabay）比如，DeepSeek_V2创新提出的细颗粒度MoE混合专家模型，通过提高专家专业化程度，减少了知识冗余、降低了训练成本、减少了推理计算量；这个技术思路，就可类比于在量化因子模型中，不是用某个因子（专家）来解释整体A股5300支股票的大截面，而是用特定的因子来解释特定二级行业的股票子截面，这样的因子就是细颗粒度因子。（MoE混合专家模型并不是DeepSeek首先提出来的。谷歌的GShard_MoE 将分布式切片训练框架（GSha rd，Google Sha rding）与混合专家模型（MoE）做结合。但DeepSeek“聪明地、灵巧地”提出了细颗粒度MoE方法，产生了显著的效果提升；又如，DeepSeek在Janus中创新引入统一的自回归架构，我看到了金融时间序列中ARMA、ARIMA、GARCH等自回归模型的影子；再比如，Engle（诺贝尔经济学奖2003得主）在 2002 年提出了多标的动态条件相关系数模型 DCC-GARCH(2002)，将多标的时间序列的波动性特征，纳入统一的多变量波动率模型，这是将不同标的的特征做时间序列上的对齐(Alignment)或同步(Synchronization)的(建模)方法。而Janus中引入的统一自回归架构，也是以时序生成为范式（也就是时序对齐，比如将眼神、面部表情、口型、声音、肢体动作等多模态做时序对齐），这就突破了传统多模态模型在生成连贯性上的瓶颈、在模态交互深度上的瓶颈、和在任务泛化性上的瓶颈。Janus的这种架构创新，提升了现有任务性能，为统一的多模态生成模型提供了全新的技术路线。上述这两个不同领域的模型，我认为思想方法是类通的。（图源：pixabay）跨领域可以找到灵感，有时候，在A领域很常见的数理方法或思路，B领域的研究人员很难想到，即便灵光一现想到了，多半将信将疑，未必敢投入精力做工程验证。如何恺明（ResNet创造者）在香港中文大学的一次讲座中提到的，“科研（创新）中95%的时间是令人沮丧的”。他的原话是，“研究总是充满了挫折、情绪和沮丧，它与你能想到的所有负面词语有关。这就是现实（真实情况）。如果你没有经历过这些，说明你没有做出最好的研究。我的生活就是这样：我可能95%的时间都很沮丧，而剩下的5%时间（是在想法完成后）花在完成论文上。然后进入下一个（沮丧）周期。”我本人做量化策略研究的感觉大致如此，很多次有新的策略想法，想到的时候热血澎湃，设计的时候理顺复杂逻辑的过程让人煎熬，看到结果也就是最后搞明白的时候，却非常沮丧：“哦，原来是这样啊、我怎么这么蠢、没事先想到这一层呢。”分析一个创新，可能全球研究者想到了一万条路径；而有经验的领军统帅，能快速pass掉其中的9900条，只在剩余的100条路径上寻找宝藏。这就是经验的价值。统计学中的各种算法工具，可以类比为数学兵器，兵器可能有999件，但每一类兵器适用于什么场景、解决什么问题，这个太需要历练、太需要经验、太需要直觉了。我敢断言，整个幻方量化和DeepSeek的模型团队，身体力行的梁文锋经历的沮丧和痛苦最多，所以他的经验和直觉最多。（图源：pixabay）他本科阶段在浙江大学学习电子信息工程，研究生阶段学习信息通信和人工智能，毕业后长期做量化金融模型，从2014年就开始follow人工智能领域的论文，可能在多个领域有深入思辨、有长期经验。在研究中，找出新方法的人最值得称颂。比如，在DeepSeek-V3中，他们公开的多头潜注意力机制MLA(Multi-head Latent Attention) 方法，是由高华佐（Huazuo Gao）和曾旺丁（Wangding Zeng）这两位年轻人想出来的。但也要认识到，在研究中提出问题的人、对探索方向拍板的人同样重要。DeepSeek的这组论文，每篇文章都多个创新点。这么高密度的创新，才会让美国AI圈感叹DeepSeek有一群神秘莫测的高人、做出了真正的创新。梁文锋是否刷过2000-3000篇顶刊论文？回头看互联网大厂的研究探索，过去12年（2013∼2025），他们处理的复杂问题我想到了3类：第1类，社交网络或电商的智能推荐系统，推荐系统存在明确的“y - x”关系；第2类，近几年的语言大模型和多模态模型；第3类，汽车自动驾驶。第1类问题在10年前还比较有挑战性，但总体并不太难；第2类问题，互联网大厂的研究员也可能才干了3-4年，综合经验当然不如梁文锋；第3类问题当然也很难，特斯拉、华为、小米、地平线、百度等公司在做；可能等道路数据Token积累到100万亿(100T)，就可实现端到端L3或L4智驾，这是未来3-5年就可达到的。我认为金融量化模型比端到端自动驾驶更难，这里不展开。即使中国或美国的互联网大厂有很多的顶尖人才，面对世界上难度级别最高的工程问题，缺少像梁文锋这样跨领域、有经验的统帅；没能率先做出DeepSeek这样颠覆性的产品，是可以理解的。从1到10的关键里程碑，卡住了马斯克AI革命是人类最巨大的生产力革命，近几年的发展可以界定出三个关键的里程碑。里程碑【0】：谷歌2017年的论文，该论文中提出的算法思路是原点。里程碑【1】：OpenAI于2022年11月发布的Chat GPT。OpenAI首次完成了大模型全工程验证。其创新性就如美国当年的原子弹。里程碑【10】：则是DeepSeek的这一组论文和模型（DeepSeek_V2、DeepSeek_V3 、DeepSeek_R1 、DeepSeek_Janus Pro、DeepSeek_JanusFlow）。未来的里程碑【100】，将是AI应用于各行各业。（图源：pixabay）在前面三个里程碑阶段，谷歌、OpenAI、DeepSeek做出了各自的卓越贡献。不要因为DeepSeek的出现否定OpenAI的价值，在OpenAI发布ChatGPT之后，Meta、Google、Microsoft、Grok、百度、阿里、豆包、腾讯、Kimi等所开展的研究工作，基本上都是对OpenAI里程碑【1】的复现、或局部优化。都是在围绕里程碑【1】打转转。DeepSeek的杰出成果，给千行万业低成本应用AI大模型指明了方向；至此之后，Meta Llama 和马斯克的Grok这样的开源模型，若拿不出更优秀的模型，都不好意思面世。看看DeepSeek对马斯克Grok的震慑。Grok原定于24年12月底发布Grok3.0新模型，使用10万个英伟达H100 GPU卡，且预称Grok3.0将成为“世界上最强的AI”。2024年12月26日，DeepSeek_V3发布后，马斯克的Grok宣布将新模型的发布推迟到25年1月；而DeepSeek又在25年1月20日发布了_R1推理模型，这时马斯克的Grok新版本又没有消息了。马斯克肯定不会发布一个明显不如DeepSeek的模型。我想，Grok和Meta都在忙着消化和复现DeepSeek的成果。别把马斯克当神，别把扎克伯格当神，他俩都不在大模型的第一线，上大学或研究生时学的《数理统计》课程，可能基本忘光光了。别信他们在媒体上瞎喷。（图源：pixabay）对公司最紧要、最困难的创新，公司老大应该身先士卒、All In投入、一线作战。过去几年中，小米汽车的雷总是这么做的，DeepSeek的梁文锋总也是这么做的。我们让DeepSeek写诗、对对联、谈哲学、谈人生，朋友们都哇噻哇噻，DeepSeek的中文怎么这么强啊。在中文语义理解与生成领域，DeepSeek展现出了极为独特的优势。我根据论文给大家揭秘。DeepSeek在学习中文语言时，对其特性做了三重解构；在生成中文文本时，做了三重重构。（图源：pixabay）第一重：非线性语义网络的建模德语、波兰语等西方语言，通常有复杂（Aha啰嗦的）和严谨的（Aha不灵活的）语法体系，名词有「性-数-格」的变化，动词有「时态-语态-人称」的变化；而中文“以意合语法”为核心特性，使其天然具备「字-词-句」的多层弹性结构；词语组合靠语义关联，句子构建重意义连贯，上下文决定语义和语法功能。DeepSeek通过动态加权注意力机制，构建了非固定层级的语义网络——例如在解析“春风又绿江南岸”时，其中的“绿”字，模型能同步解析/激活“绿”字的（视觉层）色彩意象、（时间层）季节变迁、与（文化层）生命隐喻，这种多模态语义场的并行计算，突破了传统序列模型的线性局限。这是DeepSeek对中文的第一重解构。第二重：文化拓扑空间的向量映射不同于西语字母文字或其他拼音文字的纯符号逻辑，中文和汉字承载着绵延三千年的文化拓扑结构。在学习训练中，DeepSeek构建了复合嵌入空间，将《说文解字》部首体系、平水韵音律空间、书画气韵图谱信息嵌合在一起。比如，当生成“孤舟蓑笠翁”这类诗句时，模型并非简单组合常见意象，而是在128维文化向量空间中，沿着“渔隐文化-水墨审美-禅宗哲学”的多维路径进行梯度搜索，确保输出符合中文美学的深层结构。这是DeepSeek对中文的第二重解构。第三重：虚实界面的动态平衡技术针对中文“言有尽而意无穷”的表达特性，DeepSeek研发了语境留白预测算法。在处理哲学论述时，模型会主动构建“显性语义-隐性指涉”的双通道输出；在生成道家思想相关文本时，既能保证“道可道非常道”的精确转译，又通过调节信息熵值在某个[0.65~0.78]区间的可控模糊，保留东方哲学特有的阐释空间。这种精确与模糊的微妙平衡，使其输出既具逻辑严密性，又蕴含诗意张力。测试结果显示，在中文古典文本重构任务中，当前版本的DeepSeek文化意象还原度达89.7%，较同类模型提升23.5%；在哲学命题生成方面，其思想密度指数（CDI）达到7.82，已接近人类哲学家的中等创作水平。这种能力标志着NLP(自然语言处理)技术开始真正触及汉语的“道器之辨”，为人工智能理解东方智慧提供了新范式。（图源：pixabay）比如，有网友让DeepSeek模仿《红楼梦》前八十回的语言特性，重写《红楼梦》后四十回，网友觉得DeepSeek写得比高鹗好，文笔更像曹雪芹。DeepSeek大模型对中文和中华思想的理解显著超越其他大模型，真心要点赞，太厉害了！可以说，从甲骨、青铜到碑林石刻、诗词歌赋、到3.7亿字的《永乐大典》、到8亿字的《四库全书》，DeepSeek用多重解构和多重重构的智能算法，真正让AI理解了我们意蕴深邃的文字、精妙绝伦的语言，让AI拥有了东方智慧。在大模型主流榜单中，DeepSeek 在代码Code、数学Math类问题上的能力，居于开源模型中榜首位置。代码和数学这类偏客观的问题，各家大模型以后都可以做得很好，我们就不再过多讨论。巨大的文化传播价值如今正值 “百年未有之大变局”。以DeepSeek大模型对中文及中华文化的深刻理解，未来百年将在文化大同中存在独特的价值。中华文化以本土的儒-道思想为根基，支撑起华夏文明的精神框架。佛教源自外邦，但出现了释道安_鸠摩罗什_玄奘_慧能这样的古圣先贤，他们将佛教思想中国化，儒释道相互交融，春风化雨般融入中国人的内心，让我们在纷繁尘世中更容易找到一个安顿心灵的精神家园，这些思想一起成为中华民族精神世界中不可或缺的重要组成部分。千年黑暗之后的启蒙时代，法国思想家伏尔泰、孟德斯鸠和卢梭，德国思想家莱布尼茨和康德等，曾借鉴过中华文化的某些思想。前几天，有个悉尼大学的讲师展示了他与DeepSeek的哲学对话，其回答中蕴含的东方哲思惊艳了全网。如果DeepSeek未来成为全球用户首选的AI大模型，在与全球用户的互动中，会以润物无声、潜移默化的方式，传播中华思想和东方智慧。DeepSeek会成为他们的鸠摩罗什、慧能法师，是未来百年一带一路文化传播的绝佳路径。DeepSeek爆火之后，有人说DeepSeek的数据是偷来的、是蒸馏来的；他们的股票模型表现就一般般，所以DeepSeek未来可能死掉；另外一些人说，DeepSeek成功之后，幻方量化在A股割韭菜，未来就所向披靡、无人能敌了。我以圈内人的视角，对他们的股票模型，做个解读。（图源：pixabay）先看幻方量化的主力产品，A-B-C三个系列，A是幻方沪深300增强策略，2017年12月成立以来，净值收益率为244%，年化收益率19.09%，相比同期指数的增强收益率为266%。B是幻方中证500增强策略，2017年1月成立以来，净值收益率为319%，年化收益率19.63%，相比同期指数的增强收益率为353%。C是幻方中证1000增强策略，2018年10月成立以来，净值收益率为369%，年化收益率27.95%，相比同期指数的增强收益率为287%。上述三个系列的产品，可能承载了200-300亿的资金，这样的业绩表现处于百亿规模第1梯队，虽然未必是最头部的。至于说幻方量化产品过往三年不怎么赚钱，那是因为大盘指数从2021年11月的高点开始连续三年大幅下跌，幻方产品近三年虽然没取得显著的绝对收益，但相对收益不错。他们应该有收益风险比更好的量化策略，但因为承载规模有限，仅用作自营，不对外开放。业内和坊间传言，过去16年，幻方量化的股东大概赚了¥100亿。（图源：pixabay）浙江省慈善总会的审计报告显示，一只平凡的小猪在2021-2022-2023连续三年捐款，累计金额达3.2亿元。这应该是梁文锋代表公司给社会的慈善捐款。至于说在DeepSeek成功之后，幻方量化未来在A股割韭菜将所向披靡，这个不太可能。理由有三：第一，金融市场的博弈属性，使得任何量化模型，都必须对市场做出某种假设；这个假设在未来的市场上可能存在，也可能不存在；所有量化模型都要承受市场风险，没有理论上稳赚不赔的模型。第二，中国金融市场是严监管市场，幻方量化已基本封盘，不再募集新资金。他们做到了第1梯队，主动将规模从近1000亿降到400-500亿，他们可能也不想做得太大。第三，幻方量化过去16年赚了100亿，但DeepSeek未来16年可能赚2000亿。和AI大模型相比，量化的收益显然不在一个量级。他们的志向可能真不在割韭菜上。（图源：pixabay）最后说一下，关于DeepSeek，网上几个以讹传讹的谣传。谣传1，说幻方量化在DeepSeek-R1发布前，做空英伟达，赚了很多钱。答案是，不可能。因为DeepSeek与英伟达的团队保持着很密切的技术合作和商业合作关系；做空自己的合作伙伴，这太下作，会断了自己的后路。再说，幻方也不能预测英伟达股票会有多大幅度的下跌或反弹。根据美国新闻网站MarketWatch的回顾分析，现在证实：引起1月25日英伟达和美国股市暴跌的原因是，一名叫伊曼纽尔（Jeffrey Emanuel）的企业家在美股开盘前，写了一篇长达12000字的互联网(小)作文，尖锐指出英伟达面临的（硬件层面、软件层面、理论层面）三方面威胁。这篇文章迅速传播，流量一度让他的个人网站崩溃，同时阅读人数最多的城市是加利福尼亚州的圣何塞，也就是英伟达公司总部所在地附近。英伟达内部雇员集中卖股票，可能是使得英伟达股票暴跌-17%的主要原因。（图源：pixabay）谣传2，DeepSeek肯定会因为被美国制裁而在未来陷入困境。不太可能。DeepSeek-R1发布后，Nvidia、AMD、Microsoft、Google、Meta、Grok、Apple、Oracle、Amazon都在集成DeepSeek的新模型，他们是直接收益者，因为都有当下可落地的产品或场景，尤其是AMD的苏妈，DeepSeek的神助攻，她做梦都要笑醒。如果美国以莫须有的罪名严厉封锁DeepSeek，受益者不会答应。只有Sam Altman（OpenAI）的chatGPT系列模型、和Dario Amodei（Anthropic）的Claude系列模型，可能会受到较大的冲击，因为他们还是纯模型公司，在寻找未来的落地场景。谣传3，冯骥与梁文锋的除夕夜话，那篇文章一眼假。（图源：pixabay）谣传4，DeepSeek是靠偷取OpenAI的数据才获得成功的。错。DeepSeek模型的回答中出现“我是OpenAI”或“我是ChatGPT”的回答不足为奇。谁的公开文本多，模型统计就往那个方面偏。互联网上的文本语料，有3100万亿(3100T)个Token，没有AI模型公司会一一检查。打个比方，村里有个种蘑菇的菇凉叫“刘亦菲”。菇凉问AI：“我叫刘亦菲，你说我是做什么的？”AI会回答：“你是知名演员，你是大美女。”菇凉对AI说：“我是在村里种蘑菇的，我不是大美女”；AI会回答：“你就是知名演员，你就是大美女，你别再骗我了”。就是这个意思，一说就明白。互联网上的文本数据版权是笔糊涂账。比如，作家王朔作品中的语言，其讽刺与调侃独有韵味。如果我让chatGPT学习王朔的语言，写一段话类似的话，请问，chatGPT会给王朔版税吗？前一阵，印度的多家数字媒体、新闻社和出版商联合会还向新德里法院起诉，指控OpenAI通过抓取和改编其版权内容来训练ChatGPT。“清华简”上的战国古文字数据，是清华大学团队人工标注的，没有正式对外公开。但因为斯坦福大学一个AI团队的抄袭或破解，数据就可能流传到互联网上，会由此混入几十万亿的Token中。谁能把这种东西逐个摘干净？在AGI时代，文本数据版权最后就是一笔糊涂账。DeepSeek的模型核心价值，在算法创新，而不在任何只言片语的语言语料。创业要抓住核心价值，快速行动，忽略细枝末节的东西，水至清就无鱼，也就不能创业。（免责声明：本文为叶檀财经据公开资料做出的客观分析，不构成投资建议，请勿以此作为投资依据。）叶檀财经矩阵号声明：近期，不少人以叶檀财经的名义，或xx叶檀、叶檀xx等名义，在各大平台售卖和股市相关的课程，进行和股市相关的直播。在此，我们声明，任何和股市相关的直播、课程，均与叶檀财经无关，也没有得到叶檀财经或叶檀本人的授权，认可。叶檀财经运营并管理的微信公众号、视频号有且仅有叶檀财经、叶檀暖人生、叶檀聊人生、半间白云、叶檀说、檀谈人生，抖音号叶檀财经、檀姐姐暖人生，小红书号叶檀财经，快手号叶檀财经，头条号叶檀财经，百家号叶檀，请用户认准上述账号。但凡与上述微信账号不一致的公众号均非叶檀财经负责运营管理，叶檀财经和叶檀对其行为不承担任何法律责任。放松心情，把学习和享受贯穿在悠长的人生中，让我们一起成长，一起快乐。作者：马贤亮编辑：旦旦图片：来源于网络，侵删叶檀财经作品 | 尽情分享朋友圈咨询合作，请联系微信13818756019（商务微信）喜欢请您点个赞