Channel
@metapageai
On this record: Growth · Engagement · Reactions · Posts · Citations · Cite this entry
437subscribers
-1 since we began measuring on 7 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1003189771455 |
|---|---|
| Type | Channel |
| Username | @metapageai |
| Created | Between 1 September 2025 and 30 September 2025— estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 7 August 2026 |
| Last confirmed live | 14 August 2026 |
| Measurements held | 3 |
| Confirmed unchanged | 1 time, most recently 14 August 2026 |
| On Telegram | t.me/metapageai |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 14 Aug 2026, 05:27 | 437 | -1 |
| 7 Aug 2026, 15:56 | 438 | no change |
| 7 Aug 2026, 06:17 | 438 | first reading |
20 posts held, back to 30 September 2025 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 1 pageof Telegram’s post history, 20 posts per page.
Nothing published in the last 30 days. ERR and ER are rolling 30-day measures, so there is nothing to compute — we hold 20 posts for this entry, the most recent from 3 January 2026. An engagement rate over an empty window would be a number about nothing.
168 reactions across 18 posts, in 3 distinct kinds. The most used accounts for 81.5% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| ❤ | 137 | 81.5% | |
| 👍 | 30 | 17.9% | |
| 🐳 | 1 | 0.595% |
No sentiment is inferred, and none should be read in. This table is ordered by count and by nothing else. Emoji do not carry stable meaning across languages or communities — 🙏 is thanks in one channel and mourning in another — so we publish which ones were pressed and how often, and pass no judgement on what an audience meant by them.
Precision. Telegram publishes reaction counts per emoji and short-forms each one — 4.34K, 1.2M — so any single kind at or above 1,000 reaches us at three significant figures, and only counts below 1,000 are exact. The shares above are ratios of those figures and carry the same error. This is also why the total here can differ slightly from a reaction total printed elsewhere on the page: both are sums of the same rounded parts, taken over samples with different edges.
Coverage. Reactions were read on 18 of the 20 sampled posts in this sample. Summed by Telegram’s own count on each post — not by adding up the per-emoji breakdown above — those same posts carry 168reactions in total: the kind of figure the paragraph above means by “a reaction total printed elsewhere on the page”.
Measured over the 20 most recent posts we hold, published 30 September 2025 to 3 January 2026, using the newest reading held for each. Telegram Stars are excluded: they are a payment, not a reaction, and they have their own section.
در پستهای قبل دیدیم که چگونه میتوان بازده مورد انتظار و ریسک یک سبد دارایی را با استفاده از وزن داراییها، بردار بازدههای مورد انتظار و ماتریس کو واریانس محاسبه کرد. به طور کلی، برای هر سطح از ریسک، سبدهای مختلفی از داراییها وجود دارند که بازدههای متفاوتی ایجاد میکنند. در ميان اين سبدها، برخی از آنها به گونهای هستند که برای یک ریسک مشخص، بیشترین بازده ممکن را فراهم میکنند. مجموعه این سبدهای بهینه، Efficient…
❤5👍1
بر اساس حرفهایی که تا به الان زدیم، کد پیوست میزان بازده و ریسک سبد دارایی متشکل از سه سهم را محاسبه میکنه. فرض کردیم سهم اول ۲۰ درصد، سهم دوم ۳۰ درصد و سهم سوم ۵۰ درصد سبد دارایی رو تشکیل میده. اما سه فرض مهم داره که باید در آینده بازنگری کنیم. ۱. بازده هر سهم را میدانیم (که نمیدانیم). ۲. ریسک هر سهم را میدانیم (که نمیدانیم). ۳. ماتریس کواریانس یا همبستگی بین سهامها را میدانیم (که نمیدانیم).
❤5👍2
در ادامه پست قبل، حالا میخواهیم بازده مورد انتظار (سود) و ریسک سبد دارایی را محاسبه کنیم. از آن جایی که متن این پست نیاز به محاسبات ریاضی داشت، توضیحات را در قالب فایل پیدیاف تهیه و پیوست کردم. برای فهمیدن فایل پیوست شده، لطفاً چندبار به دقت آن را به همراه متن پستهای قبلی بخوانید. #BRP_RR_CH_2 @metapageai
❤7👍1
Risk-Reward Plot
❤6👍2
در این پست وارد فصل دوم کتاب میشویم، جایی که میخواهیم کمی دربارهی نحوهی ساخت یک پورتفولیو صحبت کنیم. مهمترین سوالی که دوست داریم جوابش را بدانیم این است: در یک پورتفولیو که مجموعهای از سهام، اوراق قرضه، رمزارز، طلا و داراییهای دیگر است، هر کدام از این اجزا چه وزنی باید داشته باشند؟ برای سادگی، فرض کنید سه سهم برای ما جذاب هستند: تسلا (TSLA)، انویدیا (NVDA) و مایکروسافت (MSFT). هری مارکویتز، برندهی جایزهی …
❤7👍3
فصل اول بیشتر جنبه مقدماتی و آشنایی با مفاهیم داشت که در پست قبلی آن موارد را بیان کردیم. فصلهای بعدی وارد جزئیات الگوریتمها و پیادهسازی میشویم. نویسندگان کتاب تمام سورسکد را به صورت عمومی در گیتهاب منتشر کردند. میتوانید از طریق این لینک به آن دسترسی پیدا کرده و آن را دانلود کنید. #BRP_RR_CH_1 @metapageai
❤6👍2
اول از همه، بیایید مفهوم مشاور مالی خودکار (robo-advisor) را بررسی کنیم. مشاور مالی خودکار در واقع جایگزین مشاور مالی (انسان) است. به جای اینکه یک فرد کارهایی مثل تعیین اهداف مالی، چیدمان پورتفولیو، برنامهریزی مالی و مدیریت دارایی را انجام دهد، یک نرمافزار این وظایف را بر عهده میگیرد و معمولاً در ازای کارمزدی (مثلاً حدود ۱ درصد) این خدمات را ارائه میدهد. بنابراین از چنین نرمافزاری انتظار داریم مجموعهای از قاب…
❤8👍7
در ادامهی پستهای کانال، قصد داریم کتاب Build A Robo-Advisor with Python: Automate Your Financial and Investment Decisions را همراه با هم بخوانیم و بررسی کنیم. این کتاب توسط انتشارات Manning منتشر شده و تمرکز آن بر شیوههای مدیریت سرمایهگذاری مالی است. نگاه کتاب به سرمایهگذاری بلندمدت است و وارد مباحث مربوط به ترید نمیشود. نویسندگان تلاش کردهاند به پرسشهای زیر پاسخ دهند: ۱. چطور یک سبد سرمایهگذاری مناسب تش…
❤8👍3
یکی از مسائلی که اگر با مدلهای زبانی بزرگ (LLMها) یا ایجنتها کار کرده باشید حتماً با آن روبهرو شدهاید و احتمالاً گاهی هم آزارتان داده این است که وقتی از مدل خروجی را در قالب JSON میخواهید، همیشه دقیقاً همانطور تحویلتان نمیدهد. گاهی ابتدای خروجی یا انتهای آن ``` یا ```json میگذارد، گاهی هم ساختار JSON را درست رعایت نمیکند و چیزی کم یا زیاد دارد که رفع کردن آن آزاردهنده است. یکی از راهحلهایی که ما در شرکت…
❤13
در این پست به فصل ۱۸ کتاب و موضوع مهم امنیت در سیستمهای مبتنی بر ایجنتها، یعنی Guardrails، میپردازیم. مدلهای زبانی بهطور ساده ورودی را به صورت توکن دریافت و خروجی را نیز به صورت توکن تولید میکنند. همین موضوع باعث میشود اگر مراقبت کافی وجود نداشته باشد، ریسکهای امنیتی جدی ایجاد شود. برای مثال: ۱. ممکن است اطلاعات شخصی کاربر (مثل شماره کارت بانکی) ناخواسته وارد مدل شود. ۲. کاربر مخرب بتواند با دستکاری ور…
❤8👍1
همانطور که گفتیم، قرار نیست همیشه تمام فصلهای کتاب بررسی شوند؛ بلکه بسته به نکات آموزشی هر فصل، ممکن است چند فصل انتخاب شوند و دربارهی آنها صحبت کنیم. این پست به فصل دهم کتاب اختصاص دارد. جایی که قرار است دربارهی استاندارد MCP (Model Context Protocol) صحبت کنیم. این استاندارد امکان تعامل ایجنتها را با سیستمهایی خارج از محیط اجرای آنها فراهم میکند. بگذارید مثالی بزنیم: فرض کنید یک برنامهی مدیریت پروژه با …
❤7👍1
Model Context Protocol
❤3
Showing the 12 most recent of 20 posts we hold for @metapageai. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.
Citation-graph rank — 298,255 of 1,480,688entries in the measured graph. A weighted position computed from the forward and mention edges below — republished posts weigh more than named mentions — and recomputed periodically, over the whole graph. Published only as this ordinal position, never as a score: a position is a fact, and a score printed beside one channel’s name would read as a verdict this register does not make. The two counts beneath stay separate for the same reason mentions are never summed with forwards anywhere else on this page — a named-by count costs nothing to manufacture. The top 100 by this measure, or how it is computed.
Republished by
Channels on the register that have forwarded this channel's posts into their own feed.
Built only from forwarded posts we have actually read, on both sides. Coverage is early and deliberately incomplete: a missing link means we have not read the post that would prove it, never that the relationship does not exist. Counts are distinct forwarded posts observed, so they only ever go up as we read more.
Named by 2 registered channels — every channel on the register whose own posts have named this one, by its current username or any other username it currently holds, merged from two separately captured readings of the same fact so a namer caught by only one of them is not missed and a namer both caught is not counted twice. A username this channel has since dropped is not matched — that handle may belong to someone else now, and crediting today’s namer to yesterday’s owner would misattribute it.
Named by
Channels on the register whose posts name this channel's handle.
A mention is a weaker signal than a forward and is counted separately for that reason — naming a channel is not republishing it, and a handle in a post body is easy to place deliberately. The post counts beside each row below are distinct posts in which the handle appeared, from posts we have read on both sides — the “Named by N registered channels” figure above is a different count, of distinct NAMING CHANNELS rather than posts, and is not the sum of the rows under it.
A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 14 August 2026 — this entry's latest reading, not the date you are reading this.
“MetaPage” (@metapageai), 437 subscribers as measured 14 August 2026. Telegram Register, tgregister.com/channel/metapageai.
Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.