- 综合排序
- 最热优先
- 最新优先
AI时代的创业选择——解读塔勒布的《肥尾效应》
要看清AI时代的创业生存法则，我们需要借助跨界思想家纳西姆·尼古拉斯·塔勒布（NassimNicholasTaleb）在其硬核数学著作《肥尾效应》（StatisticalConsequencesofFatTails 传统商业往往习惯用“平均世界”的思维去预测未来（比如根据过去6个月的API成本和用户增长拉一张线性Excel表），但在AI的极端世界里，这种依赖均值的预测往往会在一次“黑天鹅事件”（如基座大模型能力突变 二、关键数学基础：肥尾语境下的底层逻辑为了在AI时代活得更久，创业者必须理解《肥尾效应》中几个极其关键的数学概念在极端世界中的表现形式：1.大数定律的失效与减慢(LawofLargeNumbers)在正态分布下 三、肥尾思维下的AI创业生存法则：凸性选择权既然AI时代无法预测，那创业者该如何做出选择？塔勒布在《肥尾效应》以及前作《反脆弱》《非对称风险》中给出了最终的解：构建凸性选择权（Convexity）。 去积极捕捉由于肥尾效应带来的、远超常人想象的爆发式红利。结语：从“预测未来”到“改变架构”《肥尾效应》用严谨的数学框架向我们证明了：在极端世界里，试图通过精准预测未来来制定战略，无异于在沙滩上建城堡。
14710编辑于 2026-06-25- 来自专栏量化投资与机器学习
塔神：不可忽视的肥尾分布！
这就是肥尾分布，具体如下图： 对于非肥尾的分布，两个3倍标准差事件发生的概率要显著的大于一个6倍标准差事件发生的概率。 相反，对于肥尾分布，远离分布中心的极端事件扮演着非常重要的角色，破产更可能来自一个单一的极端事件，而不是一系列的坏事件。黑天鹅并不是更为常见，但它们产生的结果更为严重。 肥尾带来的后果是什么？ 下面的图表显示，要使平均值稳定，需要在一个肥尾分布下(下图)进行更多的观测。 6、极大似然法可以很好地估计分布中的某些参数。 7、主成分分析(PCA)和因子分析很可能产生虚假的因子和负荷。 8、矩量法（method of moments）将不再有效。 9、并不存在一个所谓的大的方差，因为肥尾的存在，方差的大小很难定义，特别当肥尾分布很严重时，很难说存在一个确定的范围。 10、动态对冲将不能对冲掉期权的风险。 如何处理肥尾？
2K10发布于 2020-12-08 - 来自专栏云前端
ES6中的尾调用优化
原文：http://exploringjs.com/es6/ch_tail-calls.html ECMAScript 6 提供了尾调用优化(tail call optimization)功能，以使得对某些函数的调用不会造成调用栈 什么是尾调用优化? Step 6. 行C接收到返回值3并完成打印工作。 如下所示，当expr部分包含尾调用时，下列声明语句就包含尾调用。 尾递归函数 如果一个函数的主递归调用发生在尾部，那这个函数就是尾递归。
1.3K20发布于 2020-06-16 - 来自专栏黄腾霄的博客
2020-1-6-什么是尾递归
此时程序会将当前上下文压栈，计算出下一个foo的值，然后再出栈和x进行相乘 所以对于foo(3)的调用，整个栈的情况是这样的 那么尾递归呢？ 它是指函数的最后一个位置（或者动作）是调用自身 我们把上面的方法改一下尾递归 //C#尾递归实现 int Foo(int x, int result=1) { if(x==1) { 所以此时的栈使用情况就会变成 内存占用，显著减少 不过尾递归虽好，但是还是要依赖于各种编译器的支持。 目前我知道的是python是支持的，探索c#之尾递归编译器优化 - 蘑菇先生 - 博客园文章中表示64位release下会进行尾递归优化 ---- 参考文档： 尾调用 - 维基百科，自由的百科全书 探索 c#之尾递归编译器优化 - 蘑菇先生 - 博客园 ---- 本文会经常更新，请阅读原文： https://xinyuehtx.github.io/post/%E4%BB%80%E4%B9%88%E6%98%
42720发布于 2020-06-10 - 来自专栏用户3288143的专栏
【剑指Offer】6. 从尾到头打印链表
题目描述 从尾到头反过来打印出每个结点的值。 解题思路 使用递归 要逆序打印链表 1->2->3（3,2,1)，可以先逆序打印链表 2->3(3,2)，最后再打印第一个节点 1。
44220发布于 2020-12-07 - 来自专栏OBKoro1的前端分享
js 调用栈机制与ES6尾调用优化介绍
针对这种情况除了我们要尽量避免函数层级嵌套的比较深之外，ES6提供了“尾调用优化”来解决调用侦过多，引起的内存消耗过大的问题。 何谓尾调用： 尾调用指的是：函数的最后一步是调用另一个函数。 b } function b(){ return c() // 删除b 添加c } 防止爆栈： 浏览器对调用栈都有大小限制，在ES6之前递归比较深的话，很容易出现“爆栈”问题(stack overflow 更多： 关于尾递归以及更多尾调用优化的内容，推荐查阅ES6入门-阮一峰 调用栈debug大法 查看调用栈有什么用 查看函数的调用顺序是否跟预期一致，比如不同判断调用不同函数。 我们应该在日常的code中，有意识的使用ES6的“尾调用优化”，来减少调用栈的长度，节省客户端内存。 利用调用栈，对第三方库或者不熟悉的项目，可以更快速的定位问题，提高我们debug速度。 博客、前端积累文档、公众号、GitHub 以上2019/5/20 参考资料： JS垃圾回收机制与常见内存泄露的解决方法 ES6入门-阮一峰 JavaScript 如何工作：对引擎、运行时、调用堆栈的概述
96020发布于 2020-10-27 - 来自专栏OBKoro1的前端分享
JS 调用栈机制与 ES6 尾调用优化介绍
针对这种情况除了我们要尽量避免函数层级嵌套的比较深之外，ES6提供了“尾调用优化”来解决调用侦过多，引起的内存消耗过大的问题。 何谓尾调用： 尾调用指的是：函数的最后一步是调用另一个函数。 b } function b(){ return c() // 删除b 添加c } 防止爆栈： 浏览器对调用栈都有大小限制，在ES6之前递归比较深的话，很容易出现“爆栈”问题(stack overflow 现在可以使用“尾调用优化”来写一个“尾递归”，只保存一个调用侦，来防止爆栈问题。 注意： 只有不再用到外层函数的内部变量，内层函数的调用帧才会取代外层函数的调用帧。 更多： 关于尾递归以及更多尾调用优化的内容，推荐查阅ES6入门-阮一峰 调用栈debug大法 查看调用栈有什么用 查看函数的调用顺序是否跟预期一致，比如不同判断调用不同函数。 我们应该在日常的code中，有意识的使用ES6的“尾调用优化”，来减少调用栈的长度，节省客户端内存。 利用调用栈，对第三方库或者不熟悉的项目，可以更快速的定位问题，提高我们debug速度。
1.2K20发布于 2019-05-21 - 来自专栏Rust
Rust 量化统计实战系列 第 4 篇：随机变量与概率分布 · 生成、拟合与金融分布检验
ν 通常在 3-6 之间。 分布检验：从直觉到统计 描述性统计 第一步永远是算出四个数字： • 均值、标准差：位置和离散 • 偏度：是否对称 • 峰度：是否肥尾 偏度 < -0.1：左偏，暴跌更常见 峰度 > 5：显著肥尾 KS 左端下弯 左尾比理论更肥 两端同时偏离 整体肥尾 A股日收益率的QQ图，两端同时飞出——标准肥尾。 但有一个重要性质：拟合出的自由度ν直接告诉你肥尾程度。 • ν > 30：接近正态 • ν = 5-10：典型金融数据 • ν < 5：极端肥尾 对VaR的实际影响 理论讲完了，实际影响有多大？ 正态分布是基准，不是真相——金融数据几乎总是肥尾的 2. t分布的自由度ν是肥尾的度量——ν < 5 就要高度警惕 3. 分布假设直接影响风险指标——VaR可能被低估10%以上 三个实践工具： 1.
31010编辑于 2026-04-23 - 来自专栏全栈程序员必看
【Android Tricks 6】ViewPager首页与尾页的滑动动作响应
刚好近期搞的一个项目有一个需求用到了这个，同 时是要能在首页和尾页滑动时可以进行响应，而不是像默认的那样没有不论什么动作，所 以略微研究了下，希望能够对大家有所帮助。 在分析了需求之后。
80610编辑于 2022-07-08 - 来自专栏数据科学实战
长期活跃于期货市场的Aberration
核心原因是因为价格收益率的波动情况是类似于正态分布的，或者说是在正态分布的基础上的，偏峰肥尾。如图3-7所示。 肥尾说明了数据的分布在概率密度函数图像上的左右两侧较远的地方更多，肥尾分布大部分对应尖峰，也就是峰态系数较高。 （2）偏峰意味着这个山峰不仅是高耸的，而且是有偏向的，其均值并不等于0。 但是价格收益率分布和正态分布略有不同，以中证500指数为例，历史每日涨跌幅（百分比）分布情况，左侧明显肥尾，整体峰度偏向右侧。 虽然这样做胜率较低，但是价格显然是肥尾分布的，价格波动不回复（形成趋势）的概率比正态分布更大，且任意一次肥尾，都能够带来较大的利润。 此时如果继续使用布林带回复性交易规则，则会因为价格的肥尾效应带来较大亏损。 所以对于这些运动，应该有效地进行趋势追踪，特别是中长线趋势追踪。
3.9K30发布于 2020-05-07 做成大事的秘诀：慢思考、快行动
还有一些分布被称为“肥尾分布”，因为与正态分布相比，它们的尾部包含了更多的极端结果。例如，财富分布就是一种肥尾分布。在我撰写本书时，全世界最富有的人所拥有的财富是普通人的3134707倍。 因此，至关重要的一个问题是：项目的结果服从正态分布，还是肥尾分布呢？根据我的数据库，信息技术项目确实存在肥尾现象。 因此，信息技术项目服从真正的肥尾分布！核废料储存项目也存在肥尾现象，奥运会也是，核电站和大型水电站也是如此。 机场、国防工程、大型建筑、航空航天工程、隧道、采矿工程、高速铁路、城市铁路、常规铁路、桥梁、石油工程、天然气工程和水利工程……这些项目的结果也都遵从肥尾分布。事实上，大多数项目类型都存在肥尾现象。 请不要掉以轻心，我所搜集到的数据显示，即便是相当小的项目也很容易受到肥尾分布的影响。此外，在各种各样的复杂系统中，肥尾分布比正态分布更具有代表性，这一点无论是在自然界中还是在人类社会中都是一样的。
44620编辑于 2024-10-28- 来自专栏活动盒子
短视频营销的关键：数据赋能+多元化玩法
1、“肥尾效应” 与统计学中的解读不同，这里的“肥尾效应”是指短视频的播放量远大于KOL粉丝数。 这源于短视频的基本特征：移动社交性。 3、数据监测难 在其他类型的营销推广效果监测中，一般短暂、集中的曝光程度就能基本判定营销活动的最终效果，但对短视频营销来说，往往具有着惊人的“肥尾”流量效应。 小编认为短视频平台的营销路数无论如何变化，本质上的原理仍然离不开以下6种营销策略： 1、保证短视频的娱乐性 大多数人看短视频只是为了娱乐，而不是为了购物。 挑战赛活动很容易带动UGC用户的广泛参与，有较强的爆发性和互动性，引发全民参与并带来自来水式的传播，易形成口碑效应。 6、了解平台调性 除了上述的5点，了解不同平台的调性也是非常重要。
1.5K00发布于 2020-04-07 - 来自专栏气象学家
6月极端高温席卷欧洲，全球热浪凸显气候变暖“放大器”效应
2026年6月下旬，高温天气持续席卷欧洲，法国、英国等多国遭遇6月同期破纪录高温。据估算，25日气温超过35摄氏度的欧洲地区人口超过了1个亿。 而南极半岛6月初已出现高于正常水平20多摄氏度的气温，美国也出现极端高温致人死亡事件。专家指出，欧洲夏天的极端高温正从“例外”转向“常态”，全球异常热浪的背后是气候变暖的“放大器”效应。 南极半岛6月初已出现15.4摄氏度的异常气温，比正常水平高出20多摄氏度，创下历史同期新高，冰层也出现异常融化；美国国家气象局对大峡谷国家公园发布了极端高温预警，这家公园也发布声明说，位于亚利桑那州的峡谷腹地近期高温导致中暑事件频发 全球变暖成为异常气象“放大器” 以欧洲为例，这轮异常高温由“高空急流”减弱与“热穹顶”效应结合引发，而全球变暖则成为了复合型异常气象现象的“放大器”。
18210编辑于 2026-06-29 - 来自专栏Michael阿明学习之路
剑指Offer - 面试题6. 从尾到头打印链表（栈，递归，反转链表）
题目 输入一个链表的头节点，从尾到头反过来返回每个节点的值（用数组返回）。
39520发布于 2020-07-13 - 来自专栏算法与数据之美
Python做一个藏头诗生成器
前几天给大家介绍了有意思的藏头诗，今天我们就用Python来自己根据输入语句实现自动生成藏头藏尾诗吧。 ? 藏头诗生成器的功能主要有生成藏头诗、生成藏尾诗，生成同时藏头并藏尾的诗句，生成句句押韵的藏头诗。 该模块实现的押韵略有不同，每一句的句尾不仅仅是韵母相同，它们的拼音（除了音调）完全相同。 这里引入的是pypinyin模块，将这些藏头诗句做出筛选，选择有相同韵脚的诗句拼接。 ? 藏头且藏尾 这个模块的目标是生成既藏头又藏尾的句子，比如我想生成藏头「老肥」，藏尾「牛逼」，我只需要在所有老字开头的诗句里面找到肥字结尾的诗句，在所有牛字开头的诗句中找到逼字结尾的。
1.7K10发布于 2020-06-02 - 来自专栏一个会写诗的程序员的博客
关于“长尾理论”（The Long Tail）
v=0Yku0GTrcuw 长尾效应 长尾效应，英文名称Long Tail Effect。“头”（head）和“尾”（tail）是两个统计学名词。 正态曲线中间的突起部分叫“头”；两边相对平缓的部分叫“尾”。 长尾效应的根本就是强调“个性化”，“客户力量”和“小利润大市场”，也就是要赚很少的钱，但是要赚很多人的钱。 要将市场细分到很细很小的时候，然后就会发现这些细小市场的累计会带来明显的长尾的效应。 法则1：让存货集中或分散 法则2：让顾客参与生产，即众包（crowdsourcing） 法则3：一种传播途径并不适合所有人 法则4：一种产品并不适合所有人 法则5：一种价格并不适合所有人 法则6： 这里，并不是关键客户和主流商品的销售变少了，而是我们原来不在意的“长尾”变得更长了，有点“肥”了，原来“边缘化”的部分占到的份额在增加。
2.5K20发布于 2020-09-18 - 来自专栏拓端tecdat
【视频】随机波动率SV模型原理和Python对标普SP500股票指数预测|数据分享|附代码数据
我们考虑了一些经济解释，并将它们与手头的主题联系起来： 厚尾 现在普遍接受的是，资产收益的经验分布是尖峰的意思（大致），即关于均值的四阶矩大于具有相同方差的正态分布的相同统计量。 这意味着观察到更多的极端回报和更少的中等回报，“尖峰”意味着实际分布中靠近均值的天数更多，“厚尾”表示极端收益率出现的频率高于正态分布的预测，比如出人意料的“黑天鹅事件”。 事实上，肥尾和波动性聚类是同一枚硬币的两个方面。众所周知，分布的混合，例如根据正态分布分布的价格变化，但具有随机方差，可以复制肥尾。 然而，通过直接将基础价格分布建模为具有肥尾，可以同样很好地解释肥尾和波动性聚类。另一个经验事实是波动机制的持续存在，存在高波动期和低波动期，而不仅仅是随机事件。
31100编辑于 2023-06-10 - 来自专栏拓端tecdat
【视频】随机波动率SV模型原理和Python对标普SP500股票指数预测|数据分享|附代码数据
我们考虑了一些经济解释，并将它们与手头的主题联系起来： 厚尾 现在普遍接受的是，资产收益的经验分布是尖峰的意思（大致），即关于均值的四阶矩大于具有相同方差的正态分布的相同统计量。 这意味着观察到更多的极端回报和更少的中等回报，“尖峰”意味着实际分布中靠近均值的天数更多，“厚尾”表示极端收益率出现的频率高于正态分布的预测，比如出人意料的“黑天鹅事件”。 事实上，肥尾和波动性聚类是同一枚硬币的两个方面。众所周知，分布的混合，例如根据正态分布分布的价格变化，但具有随机方差，可以复制肥尾。 然而，通过直接将基础价格分布建模为具有肥尾，可以同样很好地解释肥尾和波动性聚类。另一个经验事实是波动机制的持续存在，存在高波动期和低波动期，而不仅仅是随机事件。
69200编辑于 2023-04-11 - 来自专栏拓端tecdat
【视频】随机波动率SV模型原理和Python对标普SP500股票指数预测|数据分享|附代码数据
我们考虑了一些经济解释，并将它们与手头的主题联系起来： 厚尾 现在普遍接受的是，资产收益的经验分布是尖峰的意思（大致），即关于均值的四阶矩大于具有相同方差的正态分布的相同统计量。 这意味着观察到更多的极端回报和更少的中等回报，“尖峰”意味着实际分布中靠近均值的天数更多，“厚尾”表示极端收益率出现的频率高于正态分布的预测，比如出人意料的“黑天鹅事件”。 事实上，肥尾和波动性聚类是同一枚硬币的两个方面。众所周知，分布的混合，例如根据正态分布分布的价格变化，但具有随机方差，可以复制肥尾。 然而，通过直接将基础价格分布建模为具有肥尾，可以同样很好地解释肥尾和波动性聚类。另一个经验事实是波动机制的持续存在，存在高波动期和低波动期，而不仅仅是随机事件。
67000编辑于 2023-03-17 - 来自专栏拓端tecdat
【视频】随机波动率SV模型原理和Python对标普SP500股票指数预测|数据分享|附代码数据
我们考虑了一些经济解释，并将它们与手头的主题联系起来： 厚尾 现在普遍接受的是，资产收益的经验分布是尖峰的意思（大致），即关于均值的四阶矩大于具有相同方差的正态分布的相同统计量。 这意味着观察到更多的极端回报和更少的中等回报，“尖峰”意味着实际分布中靠近均值的天数更多，“厚尾”表示极端收益率出现的频率高于正态分布的预测，比如出人意料的“黑天鹅事件”。 事实上，肥尾和波动性聚类是同一枚硬币的两个方面。众所周知，分布的混合，例如根据正态分布分布的价格变化，但具有随机方差，可以复制肥尾。 然而，通过直接将基础价格分布建模为具有肥尾，可以同样很好地解释肥尾和波动性聚类。另一个经验事实是波动机制的持续存在，存在高波动期和低波动期，而不仅仅是随机事件。
69420编辑于 2023-04-12
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号