首页 / 方法论 / 投资方法论

投资方法论总纲

总纲只写通用骨架，资产类别细节在分轨文档 股票投资方法论 / Crypto投资方法论，两篇与总纲同构（市场认知 / 策略认知 / 战术：研究框架 → 决策 → 执行 → 复盘）——任何一节要细节，去对应文档找同名小节。

一、战略层

第一性原理

原理一：投资的目标 = 在不断增长的世界总财富中，占有更高比例的交换权。

  • "不断增长" — 前提。知识复利 + 技术演进让总量扩张成为历史主旋律
  • "世界总财富" — 人类文明创造的全部秩序总和（商品、服务、技术、网络、尚未被创造的可能性）
  • "更高比例" — 不是更多的绝对数量，而是更大的相对份额。在膨胀的宇宙里，唯一有意义的度量是比例
  • "交换权" — 不是拥有，而是能够调动。在未来任意时点，将你的份额兑换为任何资源/服务/体验的权力

原理二：投资的意义 = 体验生命，不仅是交换权，更重要的是对世界线的投票权。

  • "Conviction" = 相信某条世界线会实现（相信相信的力量，核心不是"我还对吗"，是"我还信吗"）
  • "投资" = 用资本为这条世界线投票
  • "交换权增长" = 投对票的奖励

客观认知

  • 每个人赚自己阶段的钱。有自己的框架再学习，不照搬。
    • 投资方法论的第一步是阶段识别 — 所有投资框架都遵循同一结构：定义阶段 → 选择参与哪些阶段 → 阶段对应的方法论。多个阶段框架是互补镜头，不是互斥选择：
      • TALC（Technology Adoption Life Cycle，技术采用生命周期）：看技术生命周期 — 早期市场 → 鸿沟 → 保龄球道 → 龙卷风 → 主街（出自《猩猩游戏》）
      • T0-T5 他者时间线：看筹码和认知怎么传导 — T0 事件发生（未被语言化）→ T1 感知型他者发文（分析师/内部人）→ T2 叙事型他者认同（媒体传播）→ T3 数据型他者跟进（业绩兑现）→ T4 结构型他者被动加仓（基金经理/指数纳入）→ T5 投机型他者入场（情绪高潮）。交易的不是资产，是一群人的认知迁移过程（出自《存在与投资》）
      • 变化窗口期：看变化什么时候被定价 — Stan 做变化浮现的前 18 个月，赌方向不赌终局
      • 业务成长阶段：看公司在哪 — N0（0→1 产品验证）→ N1（10→100 规模化）→ 稳态现金流
      • 行业发展阶段：看技术到哪了 - 技术可行性 → 商业可用性（PMF）→ 行业依赖性（权力）→ 金融共识
    • 出去的越久，越知道自己想要做什么（Stan 做变化的前18个月，南添做 N1（10→100），巴菲特做稳态现金流。）
    • 知道 ≠ 能做到，要及时review，降低框架下的犯错概率。
  • 注意力指导仓位，仓位反向校验注意力（注意力管理 / 仓位管理）
    1. 注意力是有限的，需要放在更有性价比的地方
      • 判断标准：能承载自己总资金至少 10% 的策略机会
    2. 注意力管理和仓位管理需要匹配（放了注意力的一定要敢多放仓位，放了仓位的一定要多放注意力）
      • 一定要定期 review 仓位的占比
    3. 不同资产阶段的投入产出比是不同的，因此需要调整注意力
  • 首要目标是活下去，风险管理最重要：仓位管理
    • 个人目前阶段：1M：纯 U 本位（不是通过本金投入来计算仓位占比，而是通过 99% 置信度的最大亏损来计算，详见 仓位管理 · 风险归一化计算）
      • Crypto 市场
        • 大周期仓位：5% → 10%（ETH 4% + Hype 4% + SOL 2%）更多是作为短期情绪指标的体感实验
        • 理财收益（项目补贴 / 时间套利 / 资费收益）：5% → 30%
        • 一级市场（项目挖矿、ICO、Launchpad）：15% → 20%
        • 二级市场（期权、pair trading、事件交易）：10% → 10%
      • 美股市场
        • 探索中 15% → 30%
  • 判断是最重要的输出，没有判断不叫研究 — 判断意味着失去借口、承担失败、接受孤独。（用仓位看清一个人）
    • 多数人不是在寻找信息，而是在寻找免责机制（回测/专家评级/等共识 = 责任外包）

客观认知到此为止是通用框架，下面大部分的内容是只适合我的投资方法论。

自我认知

  • 即使投资方法论完全一致（第一性原理一致），但因为经历/性格的不同，投资决策仍有巨大不同（类似于 AI 的 context 不一样）
  • 个人核心战略：赔率思维+事件交易
    • 我的选择：赔率驱动，不限阶段，偏早期。 更像 Stan — 识别异常模式 + 赔率思维。大部分阶段都可以参与，只要存在变化和不对称赔率。但这些机会天然集中在早期（T0-T2、鸿沟到龙卷风前），因为定价效率低 = 赔率好。后期（T4-T5、主街）参与条件更严：conviction 必须极高，或有结构性信息差。
    • 我的仓位核心战略：
      • 前置过滤：粗估 EV（p×b vs q）— EV≤0 直接 pass，不进入研究流程
      • 阶梯：初始 5% → conviction 验证 8% → 极高 conviction 15%（硬上限 20%）
      • 第一跳小（还在测试假设），第二跳大（假设已验证，边际信息很难再改变判断）
  • 相信相信的力量（做个傻逼，相信自己）
  • 积累在平时，不要急于求成，做自己擅长的事，并让自己变得很擅长，同时准备好交学费。
  • 挣钱不是线形的，是阶梯式的
    • 收益是幂律分布
    • 隐含假设：投资里胜率没有赔率重要
    • 正确的亏损是成本，不是错误（ 存在自由 = 不用盈亏定义自己）
    • 行情好的时候要坐得住
  • 一定要高抛低吸（大大提升赚钱的概率和持仓的心理体验）
    • 不可能也不需要赚市场上的每笔钱（大周期下的 20 次 conviction 交易）
  • 贝叶斯更新：如果 conviction 没变，尽量降低决策次数，提高决策质量
    • 不要在有事情（时间紧）、有压力的时候做决策（宁可错过）
  • 下跌的钱可以不赚（没有99%的把握不考虑做空策略，以及仓位要限制死）
    • 现象：
      • 做多本质上是越赚钱越加仓，越亏钱越减仓的被动行为（被动顺周期）
      • 做空本质上是越亏钱越加仓，越赚钱越减仓的被动行为（被动逆周期）
    • 原因：
      • 赚周期的钱更好赚，Crypto 的周期性更强（赚下跌周期的钱要比赚上涨周期的钱难得多，要想达到对等的收益率，需要不断的主动调仓，同时还涉及到借贷、支付利息等因素，会增加巨大的决策风险和操作风险等）
      • 做空符合理性人的逻辑，因此不符合本能（人性）。同样是长期的做多和做空策略，面对"无限亏损"的潜在风险，做空所承担的持仓心理压力会巨大
  • 现金仓位 = 免费看跌期权
    • 保持 10-15% 现金
    • 不是因为看空，是因为极端回撤 = 加仓最好标的的机会
    • 现金本身就是一个免费的看跌期权

市场认知

  • 周期判断
    • 大周期：流动性（外循环）+ 新共识升级/聚合（新秩序）+ 参与者博弈研究（筹码结构/利益关系/权力关系）
    • 小周期：流动性（内循环）+ 叙事 + 参与者博弈研究（短期情绪/筹码结构）
    • 周期交替的核心判断指标：价格 + 情绪（不追求准确）
      • 简单情绪阶段判断框架：（参考投资与存在）
        • T0 事件发生（未被语言化）
        • T1 感知型他者发文（分析师/内部人）
        • T2 叙事型他者认同（媒体传播）
        • T3 数据型他者跟进（业绩兑现）
        • T4 结构型他者被动加仓（基金经理/指数纳入）
        • T5 投机型他者入场（情绪高潮）
  • 参与者博弈研究：
    • 人是核心变量 — 不仅在投资上，所有事都是人构成的。公司团队、产品用户、机构、散户都在博弈，传统投资理论容易忽略这层。
      • 猩猩游戏提到了科技产品的5类用户对应的产品周期阶段
    • 看人（WHAT → WHY → NEXT）：
      • WHAT：他在做什么 — 拆解行为序列（公开行为、发言变化、资金流向、社交对象）
      • WHY：他为什么这么做 — 推断底层驱动（利益结构、恐惧/欲望、身份认同、过往模式）
      • NEXT：下一步会做什么 — 如果动机是 X，行为链应该走 Y 而不是 Z；不一致时就是信号
      • 矛盾点最有信息量：说的 vs 做的 | 对谁说 vs 对谁不说 | 什么时候沉默 | 行为链突然中断
    • 博弈最有效的指标：价格 — 不只是信息聚合，也是认知的交互，是所有参与者的认知结构在碰撞，本身就是最有效的聚合市场和所有信息的博弈结果。
  • 事件研究（叙事研究）：
    • 不等于秩序，但可能是打破旧秩序、创造新秩序的断裂点（超额回报来自识别范式转换，不是在旧范式里做优化）
    • 旧秩序碎了、新秩序还没定型的分叉区间 = 赔率最大的下注窗口（下注速度根据市场特性，参考stan的18个月是良好的下注期）

策略认知

明确赚的是什么钱（靠胜率还是赔率赚钱），即明确收益风险结构。

二、战术层

战略决定了战术的边界。选了什么战略，研究框架、仓位管理、退出标准都得匹配。

战术全流程：研究 → 决策 → 执行 → 复盘。研究是战术的起点，下面四节与流程一一对应。

研究框架

通用步骤（不分资产类别）：

  1. 赛道/市场研究 — 行业本质、TAM、利润率、市占率

  2. 标的研究 — 基本面（团队、产品、商业模式）、差异化、核心竞争力

  3. 事件研究 — 事件发展周期、参与者博弈分析

  4. 估值/定价 — 合理区间、赔率计算

  5. 风险与拐点 — 下行风险清单、关键拐点识别、退出条件预设

  6. 结论 — 河流模型（河岸 → 河流 → 分叉 → Asset Judgment）

标的研究的护城河判断用 AI 时代护城河五标准：生态收口度、物理稀缺性、数据活性、切换成本深度、标准制定权。

决策

事事有结论：任何决策都记录为什么做或不做的原因，利于持仓和复盘。

  1. 归因不超过三点 — 方向太多、归因太多影响判断（大道至简：如果一个好策略不值得你在三个理由内说服别人，说明自己没看清、不坚定）（提高信噪比）

  2. 计算赔率 + 仓位分配 — EV 前置过滤 + 阶梯仓位，见战略层

  3. 预设退出 — 时间策略 + 事件策略 + 价格策略（定退出标准是判断行为，临场才定 = 情绪决策）

执行

周期研究判断的指导作用：买卖节奏由周期判断给出。

  • 买入计划
  • 持有：核心拐点追踪 + 贝叶斯更新（conviction 没变就降低决策次数）
    • 信号灯系统：🟢绿灯正常持有 / 🟡黄灯冻结不加仓 / 🔴红灯分 3 次减仓
  • 卖出计划：按预设退出条件触发

复盘

  • 复盘：四种类型必须给出判断（四种类型出自《从达尔文学投资》：好/坏机会 × 参与/没参与）
    • 归因可能指向投资方法论的任何一层
    • 输得起才能赢得起（正确的亏损是成本，不是错误）
  • 优化流程（学习别人的流程与成功案例）