即刻App年轻人的同好社区
下载
App内打开
Horfay
1k关注156被关注0夸夸
跨境从业
大胆假设，小心求证
Money never lie
Horfay
01:58

柳胖胖: 股价上涨，到底来自业绩增长，还是来自估值变化？ 准确地说，股价的收益应该分成两部分，一部分是必要收益率，也就是你按照公允价格买入一项资产，长期持有之后理论上应该能赚到的钱。 另一部分是超额收益，也就是市场认可了某家公司讲的新故事，然后新故事比老故事的估值多出来的那一截，就是超额收益。 这实际上非常反常识，因为我们平时很容易把“公司业绩很好”直接等同于“股价应该上涨”，把“业绩增速很快”直接等同于“估值应该更高”。 但如果，市场早就正确地理解了这家公司未来会增长多少，并且这个理解没有发生变化，也即没有新故事，那么股价的上涨其实只是折现率的兑现。 你买到的是一个已经被定好价格的未来，持有期收益率就是必要收益率，和公司业绩曲线看起来漂不漂亮，没啥关系，因为利润和增速等已经被提前打入股价了。 所以，不要拿一个边际变量就解释全部股价，比如景气度数据变好了，订单变多了，利润增速提高了，然后股价就应该涨。 要问问自己，这些数据到底是在验证一个早就被市场相信的故事，还是在改变市场相信的故事？ 前者是老故事，后者是新故事，前者只是兑现叙事，后者才是叙事变化。 只有叙事变化，才会带来估值差，只有估值差，才会带来超额收益。 然后，天花板比增速更重要。 当然，增速很重要，但增速不是第一性原理，它更像是一个观测窗口。 从DCF角度，真正决定估值的，是市场认为这家公司最后可以赚到多少钱，以及投资者要求用什么折现率把这笔未来的钱折回现在。 很多时候，我们看增速，只是因为看不清终局，看不清天花板，所以只好用增速和增速的持续时间，去拟合天花板。 但是，用增速去线性外推天花板，就很容易出错，这对成长股的估值尤其要命。 一个公司短期增速越快，市场越容易把它想象成一个很大的蛋糕，股价也很容易在一开始就把全部未来吃干抹净。 然后就要面临一个糟糕的局面，公司确实增长得很好，但这个增长只是用来消化过去被提前透支的估值。 也就是说，公司还在进步，利润还在增长，但股价就是不涨，甚至下跌，因为市场会发现，原来它的未来也就这么大。 而且实际上，短期增速越高的公司，越快达到它的天花板，也即增速的持续时间其实很短。 所以，要听故事，更要听懂故事里的终局。 一个公司当下讲的是“高增长”，还是“高天花板”？ 是“短期景气”，还是“长期垄断”？ 是“业务扩张”，还是“风险下降”？ 这些都不一样。 很多投资者亏钱，是因为把业绩当成了因，把估值当成了果，然后忘了PE本身只是一个结果，不是解释股价的原因。 茅台就是最好的例子，很多人会讲它有多高的ROE、毛利率和现金流，还有品牌、稀缺性、价值投资信仰。 这些也许都没错，但它们不能解释茅台的超额收益到底在哪里。 回看历史，茅台的股价，并不总是跟EPS同步。 某些阶段，业绩还在涨，但股价已经不涨了（或者只和沪深300指数保持同步涨跌）。 某些阶段，业绩没怎么涨，估值却大幅扩张。 原因不是市场左右摇摆，而是茅台的叙事发生了变化。 如果把高端白酒理解成一种中国传统社会和商业关系里的“销售费用”，茅台就不只是酒。 它是一种身份表达，一种关系表达，是宴会请客时一种“我很重视你”的价格信号。 这是一笔销售费用，毕竟白酒喝的不是酒，是那个瓶子。 但茅台最关键的指标，不是出厂价，而是批价和出厂价之间的差。 出厂价是给经销商的，批价才是经销商卖给大众消费者的。 批价越高，才说明市场愿意为未来的稀缺性和茅台的提价空间支付更高价格。 批价相对出厂价的比值越大，意味着公司未来潜在提价空间越大，也就是，茅台的业绩天花板越高，蛋糕越大。 反过来，如果只是出厂价提高，那么茅台的利润被兑现，财报上的数字会好看，但批价没有继续提高，那就不是新故事，只是旧故事的兑现。 甚至，当批价下跌时，即使茅台的eps还在增长，股价也会跑输市场，因为天花板降低了，蛋糕变小了，这才是估值杀手。 所以，为什么有时你明明买的是好公司，却还是可能长期跑输指数？ 因为好公司并不必然是好股票，好业绩并不必然带来超额收益。 好公司如果早已被定价为好公司，后面赚到的可能只是折现率。 而有时候，坏公司如果被定价为“快死了”，只要最后没真死，反而可以赚到钱。 没错，就是巴菲特以前最爱的烟蒂股。 投资，需要判断哪一个故事正在被重新定价。 A股的问题还在于，它很多时候不是一个充分对冲的市场，而更像一个拍卖市场。 A股做空困难，但同时又流动性充裕，大部分时候是乐观资金行使定价权，使得股价不能反映市场平均预期，而更容易反映最乐观的那批人的预期。 分歧越大的公司，越容易产生朦胧美，越难证伪，越容易被流动性推到极致。 这就是为什么牛市里最能涨的，往往不是业绩最清楚的公司，而是最说不清楚的公司，比如乐视。 因为业绩增速越清楚，天花板越容易算，估值越难高到离谱。 真正能被资金疯狂定价的，往往是那种“看起来什么都能做，短期又无法证明它做不到”的公司，乐观资金可以在里面随意行使定价权。 很多投资者每天追高频数据、追小道消息、追边际变化，本质上是一种浪费。 真正值得做的研究，是可以被“资本化”的研究：一个行业框架、一套估值坐标、一个商业模式判断、一个对市场机制的理解。 它们不会因为明天某个数据变动就归零，反而会在下一家公司、下一个周期、下一个叙事里继续复用。 超额收益，往往只出现在分歧还没完全消失的时候。 一旦所有人都知道茅台是白酒老大，一旦所有人都知道AI怎么商业化，一旦所有人都知道泡泡玛特为什么是一种刚需，最肥的那段收益往往已经过去。 此时，新故事已经讲完了，剩下的只有兑现。 兑现期当然也能赚钱，但它赚到的只是必要收益率，不是超额收益。 甚至如果是被乐观资金提前透支了价格，盲目追高的人还会亏钱，然后又是那千年不变的抱怨，为什么自己在好公司身上赚不到钱。

00
Horfay
2天前

小黑World: 手里有100万和1个亿的人，他们想做的生意，做事情的方法，和看待投资回报率一定不一样 同理，手里有100亿人民币，和手里有10000亿的人，其看待生意，看待时间周期的角度，也会天差地别 认知错配，就会导致资源错配，就会导致手里捧着金饭碗在要饭。 初创公司，小团队，最要紧的事是活下来，并且找到那个强增长，强盈利，强未来的业务模型。可以接受亏损，但亏损只能用于增长，增长是为了未来赚更多，护城河建的更深。 而大体量，大资金，优先考虑的是安全，其次是把钱尽可能花出去来赚钱。所以项目的体量必须得大，必须得稳，必须得做到最差情况也能收息，运气好了还能实现资本扩张。

00
Horfay
8天前
Horfay
8天前

王紫君Zima: 如何通过AI，跳过一万小时定律，快速成为一个行业的专家。 AI时代，跨领域结合也越来越重要。直接问AI：这个东西怎么搞？这种碎片的提问方式，往往只能得到泛泛而谈的废话。 捋了一套八步提问，和即友交流探讨下。 第一步，白痴提问法： 请用费曼技巧，向一个高中生解释该领域的核心概念。这个领域主要是为了解决商业上的什么终极痛点？请顺便列出我在研究时必须懂的5个核心专业术语，并附上简短解释。 这一步属于扫盲，建立概念与底层逻辑，在认识大牛之前，得先听懂这个领域的行话，知道它到底在解决什么痛点。 第二步，领军人物与流派： 在这个领域，请选出5位最具代表性的领军人物。简要说明他们各自代表的流派、核心贡献以及背后的机构。 第三步，行业共识与分歧： 这5位专家在该领域的发展路径上，达成了哪些决定性的共识？又在哪些关键问题上存在分歧？请用表格的形式，对比展示他们观点的异同。 不仅要知道别人怎么说，还要通过寻找共识与分歧，建立高级的批判性思维。 第四步，前沿趋势与当前瓶颈： 这个领域在过去一年内，有哪些突破性的最新发展？同时客观分析，目前阻碍该领域大规模爆发或落地的最大商业难点或伦理争议是什么？ 第五步，必读资料库： 请为我推荐一份该领域的硬核学习清单，包含：3本奠基性的必读经典书籍、2个最权威的行业智库报告来源，以及3个高质量的垂直类播客或网站。请分别附上一句话推荐理由。 AI的信息可能会产生幻觉，成为专家必须顺藤摸瓜找到一手信源。 第六步，跨界启发： 我的本职工作是XX。请告诉我，该领域的哪些底层思维或技术，可以跨界应用到我的日常XXX？请给出2到3个具体的创新结合案例。 知识只有跟实际经验结合，才能真正变成专业能力。 第七步，逆向测试： 现在请你扮演该领域的严厉导师。为了检验我是否已经建立了基础认知框架，请向我提出3个有深度、需要结合实际思考的问题。等我回答后，请给出专家级别的点评和纠偏。 第八步，最小可行性行动： 作为一个零基础的新手，如果我想在接下来的一周内，亲手实践一次该领域的相关技术，你有什么最小可行性行动建议？ 这套框架就像是给配备了一个领域探勘钻头，帮我们从理论一路打通到实践。下次面对陌生领域，直接把这8个提示词扔给AI，学习效率会发生质的飞跃。

00
Horfay
10天前

王紫君Zima: mark下，以下是IDG资本合伙人李骁军《存在手机里的52条年度感悟》的完整原文。 建议你找一个不被打扰的时间段，像读一封老友来信一样慢慢读，不必急于提炼观点，允许自己在某一条上停下来发呆、联想，甚至反驳。当你读完，那种“沉浸式感受”自然会沉淀为你自己的认知养分。 李骁军：存在手机里的52条年度感悟丨2025尾声 或许也正因对“识人”有长年的实践与思考，不同于许多人在这一时刻展现出的对宏观环境和全新机会的迷茫、担忧或焦虑，李骁军呈现出了一如既往的冷静与自洽。 他极为自然地将scaling law（规模化法则）、reward function（奖励函数）、data annotation（数据标注）等AI时代的底层逻辑，映射到了人才识别、职业规划、风险投资乃至个人修行和人生旅程的维度。在他眼中，人生似乎也是一个需要不断用高质量数据去预训练和对齐的模型。 在近期的一次长途飞行中，万米高空的物理隔绝，恰好给了他又一次审视“系统”的机会。事后，他将此间思考发布在了自己的朋友圈中。与其说，这些感悟是对外界的回应，不如说是一份针对自我认知的“调试日志”。对此，我们进行了简要整理与分类。恰好一共52条，对应了一整年的每一周。 Part 01 关于人才、职业与投资 1. 招人或看创业者，一定要有成长视角。他的职业生涯最好的一段应该是下一段，而不是现在或过去。不要被职级束缚，要看真实经历与能力。 2. 公司的核心竞争力能否转移到个人，个人能否再把能力转化到新的公司。找人要看潜力而不是成就，要找未来10年还能持续发光的人。时间（时代、年龄）、个性（之前的决定）、热爱（野心、信仰）通常大于“目前的能力”。能力是否适配时代（公司）是最重要的，比当下的能力更重要。 3. 投资者的品味和认知天花板，通常由你能接触到行业里最优秀的创业者决定。要思考谁是最优秀的，如何向他们学习。 4. 人才往往以集群的形式出现，价值呈现幂律分布（power law）。 5. 看任何行业和职业，要先判断它属于哪种结构：Winner-takes-all（如搜索、社交、职业体育）；Power law（如VC、云计算、受AI杠杆加持的行业）；Fragmented（如餐馆、律师等杠杆较低的行业）。 6. 最好的职业是：可复利、可规模化/高杠杆、可资本化。巴菲特就做到了。 7. “上升期的人最有自驱力，也最容易管理，学习意愿和适应能力都最好。巅峰之后接管的人通常是防守心态，面对新业务很难发挥。”Turbo的体会非常有启发。 8. AI模型给人的启发：Scaling law（规模化法则）→ 没有足够实践经验，就不会生成真正的认知模型。Attention is all you need → 你必须在最重要的事上保持专注。Reward function（奖励函数）→ 想清楚你要什么，才能产生好的行为与过程。对投资的启发：投资人在训练自己的模型，数据来自自己与他人的经验；相关性越高越有价值。尽量找一手信息。模型也要学会“调”：哪些该提炼，哪些预训练，外部变化时要思考如何校准，而不是外界有结果就去盲目调整，否则永远落后。注意力时间≈算力，保持专注才是有效算力。 9. 一级投资因随机性和指数效应，可能一生只有一次mega home run。但如果追求投资本身、追求持续精炼核心能力，就需要可重复、可迁移、可积累的洞见。 10. （注：原文序号跳至11） 11. 投资里有品位、有局限、有自我。要努力减少自我的部分，明白自己的认知局限，并争取拓展边界，同时培养好的品位。 12. 人们很爱滥用一些流行词，比如第一性原理、PMF。这时候一定要去确认：“你具体指的是什么？” 13. 很多职业有“黄金期”，最好的“黄金期”是slow rise, long peak。“黄金期”停止的标志就是你停止更新内在的好奇心和外在的节奏感。 14. “The brilliant minds always live in two opposite ideas but still can function well.” 这句话特别有道理。 15. 听的时候要区分事实、情绪、信息（来源）、观点，再结合对方的专业、偏好和对过往经历进行考量。 16. 选择做什么，比怎么做更重要。很多公司本身就“做不成”，与谁来做关系反而小。 17. 投资维度变多、复杂度上升，其实是给会思考问题的人更多机会。今天的大机会来自 AI、投资和国际环境三个复杂维度的理解。投资维度包括：对未来的信仰、行业认知、公司判断。 18. Everything is the art of being. 每个领域最优秀的人都是把最基本的认知经年累月地实践，最终能教给别人。 19. 在金融服务行业里，机构价值 > 个体价值。个人光环来自机构，而不是反过来。离开机构后影响力会迅速衰减，因为缺乏制度与品牌的长尾信用。长期职业价值必须建立在机构价值的复利增长上。 20. 判断机构的生命力，从人的角度看有三个维度——最顶尖的人是不是在持续进步、中层是什么状态、对新人和未来人的吸引力如何。 Part 02 关于修炼与成长 21. 呼吸是需要学习和锻炼的。学会正确呼吸会让你平静、放松。利用核心来带动身体运动，会让你更好地意识到身体如何作为一个整体、有一个核心引擎在运作和带动。了解和用好自己的身体，是个终身学习的课题。 22. 早睡早起不是必须的习惯，但如果熬夜只是“因为不想睡”，那不妨早点休息。知道自己的“巅峰时刻”，对一天的心情和效率都非常重要。 23. 享乐会分散没有方向的人，但会滋养有目标的人。 24. （注：原文序号跳至28） 28. 用“类比”解释事物，是一种重要的理解、简化与输出能力。 29. 有时候做决定需要缓一缓，睡一觉再说。给建议和意见也一样；情绪反应也一样，要留一点空间。 30. 我有一位导师说过很好的一句话：Work with good & positive people; learn new things; priority setting. 31. 没有人不喜欢被赞美，关键在于：赞美的态度是否真诚、为什么赞美、赞美的时机是否准确。 32. 不学什么有时比学什么更重要，但难点在于：该不学哪一部分。 33. 每个人都有一个bug，这基本是天生设定好的，而且往往就是你闪光点那面的反面。 34. 不要简单自洽，要自掐后的自洽。要不断质疑、不断更新。总是想证明自己正确，是个人成长最大的障碍。 35. 多样性不是趋向平庸，而是在不同观点的碰撞中，拉开认知边界。 36. 岁月静好的标志是——你操心的都是鸡毛蒜皮的小事。因为真正的大麻烦往往当下想不到。所以，不要让忧思过度占据心神。学会与自己的情绪共处——甚至利用它。 37. 使用工具是人和动物最大的区别；而使用好工具——从读书，到电脑，到互联网，再到AI——会让人与人的差距进一步拉开。工具越来越智能，也越来越需要结合目标，更智慧地去使用。 38. 每个看起来毫不费力的胜利背后，都是面对无数次充满尴尬和挣扎的失败，却不放弃。 Part 03 关于人生与世界 39. 对自己的认知，不只是静态，还要有时空维度（世界变化）。你如何随时间成长，这至关重要。其实就是经典三问：我是谁？从哪里来？到哪里去？找到你对世界的绝对价值和对同类的相对价值优势很重要。找到你能随时间复利递增的价值很重要。 40. 教育观是比三观还更深层的世界观。因为你希望孩子成为的样子，往往是你内心最认可、最理想的模式。 41. 复利、指数曲线、幂律分布和正态分布等统计与分布模型，往往比线性关系更能解释世界的结构。 42. “Friendship means two people agreed to help each other to become the best part of themselves.” Reid Hoffman 对友谊的总结特别好。 43. 有些人的钱只是“钱”，是银行里的数字；有些人的钱是“财富”，是可以拿来花销，更重要是作为去做更有意义、更有价值事情的资源。 44. Each achievement may look like a solo journey, but it is always lifted by the love and support of others. 45. 对话除了启发思考、积累认知，最好还能带一点“人的链接”，让对方产生共鸣。这需要对另一方有真正的兴趣。也就是说，除了智力碰撞，更重要的是让对方感觉你关心他/她这个活生生的人。 46. Imposter syndrome and narcissism both stem from a deep insecurity about one's value. 47. 每个人生命长度差不多，但时间产生的“数据质量”差别很大，数据标注（data annotation）能力也不同，所以用这些数据去训练自己的模型，模型本身差异就会巨大。 48. 乐观和悲观是个性；积极和消极是态度。可以悲观，但必须积极，因为积极最有利自己与他人。很多事情可以用4个象限来分析。 49. 人生三个最重要决定：在哪生活、做什么职业、跟谁在一起。决定了大部分生活质量。选择大于努力，性格决定命运确实有道理。 50. 强度与持续时长是衡量友谊与合作伙伴关系、快乐与幸福感的重要维度。 51. 那些你一直羡慕、以为自己做不到的，常常正是你的blessings。 温馨提示：以上为网络公开渠道整理的完整版内容，原文序号存在跳跃（如缺少10、24-27条），系作者原始发布时即如此，并非遗漏。建议阅读时保留这种“未完成感”，它本身也是作者思考状态的真实痕迹。

00
Horfay
10天前
Horfay
18天前
Horfay
24天前
Horfay
24天前

Alchian花生: 花了大半天把张小珺访谈姚顺宇的4小时长访听了一遍。这位去年刚从Anthropic跳到Google DeepMind的哥们，参与过Claude 3.7/4.5和Gemini 3。他给了很多实诚的头部大模型一线研究员的视角。访谈信息密度相当高。说几条我觉得最有意思的： 1. Google禁止员工用Claude Code，但姚顺宇保守估计自己90%代码是AI生成的。不保守估计99%甚至100%。一个清华加斯坦福的物理博士、顶级大模型研究员都靠AI写代码，再有人说自己不能用AI写代码，别特么给自己脸上贴金了。但反过来想，Google连内部都不让用CC和Codex，员工效率得受多大影响啊，这家公司真挺神奇的。 2. 他离开Anthropic的原因里，反对Dario反华占40%。他自己说这不是首要但确实是大原因。他很烦Dario那套「我们必须拥有最强模型才能推AI安全」的逻辑。圈里敢直接喷半年前老东家的人确实不多。 3. Claude 3.5/3.6/3.7的命名是个草台班子般的乌龙。Anthropic早期产品力极弱，「居然管两个模型叫一个名字」，外界为了区分自发叫3.6，Anthropic后来跟随社区习惯把下一个叫3.7。我之前一直以为3.6是个跳过的版本号。 4. Claude Code是「个人英雄主义的开端」。一个叫Boris的研究员自己想做提效工具，后来变成Anthropic最重要的产品之一。完全是bottom-up长出来的，不是规划出来的。 5. Anthropic创始团队一个人都没离开。来自OpenAI的那批核心是一起打过仗的，这才是top-down文化能跑通的根。对比OpenAI高管走光，姚顺宇似乎挺鄙视OpenAI的企业文化和部分高管。 6. OpenAI救了Google一命。逻辑挺反共识：如果ChatGPT一鼓作气把search吃了，Google就完了；正因为做出可能性又没做到极致，反而留了Google反击时间。 7. AI行业最重要的特质不是脑子，是靠谱。原话「那些东西多多脑子，本科生就能干」。一个物理博士说这话，算降维打击，也算给所有想转AI的人吃颗定心丸。 8. 他觉得程序员的未来是1/1000拿100倍工资。不是「程序员消失」，是「极度中心化」。绝大多数失去独特价值，少数顶级爆赚。 9. 他觉得现在很多人说的Scaling Law撞墙，多数是自己代码Bug。原话「修一个Bug带来的进展，远大于一些很神奇的技巧」。预训练在过去几个月还在变强，跟外界「预训练已死」的叙事完全相反。 10. 绝大多数New Lab都会死。 听完最大的感受是：这哥们说话真的没在留情面，又喷Anthropic又喷OpenAI又喷各种「老登」。但他敢喷的底气挺清楚，既不在SSI那条路上，也不靠LP吃饭。他自己原话说的是：「我这个行业又没什么导师又没什么旧友，我当然想喷谁喷谁。」 以及，他在说估计自己也不会在Google待太久，把这话在播客里说出来，我觉得国内头部大模型公司可以去抢一波人了。

00
Horfay
27天前