远凡的读书笔记和投资实盘第233天总盈亏：10.98% 财报的根 + 估值的茎 = 叙事的果实
展开
今天是实盘记录的第233天。
期末资产：332957.11元 累计盈亏：10.986% 今日盈亏 1285.75元
相对沪深300超额 14.876%， 相对中证2000超额 9.587%
不对劲！
到今天下午的时候，其他指数走势都很正常，但是微盘股的上涨，就让我感觉很不对劲。
这种情况，很有可能是微盘股要走独立行情；或者我的判断错了，后续会开始上涨，而微盘股最先开始反应。
到了晚上，看到布伦特原油下跌超过3%（当时），法德股市都上涨超过1%，感觉就非常有可能是我错了。
因为我在思考未来一个月走势的时候，把油价当为常量了，并不认为美伊会在最近达成什么和解。
但就今天的布伦特原油下跌，虽然还没去查是什么信息影响的，但大概率是美伊局势有缓和。
而到了我写记录的这个时间点，美股已经开盘，上涨1.5%。等于又一个信息在提醒我，注意：我可能错了。
原本思考的时候，从美联储加息到anthropic上市之前的虹吸效应，是有多个不利因素一直连续到10月20多号的；并且美伊本身也会不停反复，因为就算特朗普现在着急为中期选举缓和战事，内塔尼亚胡和以色列也不想战争停的。
所以综合上面两方面的思考；以及前面快速减仓之后，这个账户目前持仓只有资金量的21%（过少）。
今晚需要开始上调仓位，但今晚只是把基准调整成2.4万每日；如果明天微盘还在上涨，就会继续增加（如果是所有指数一起上涨，那更证明我算错了油价的问题），如果明天微盘下跌，那就调整回1.8万每日。
现在开始，做心理建设：这次预判，我可能又错了；并且坦然接受这个结果，进入下一回合，^_^。
就先这些。
说明：
目前实盘展示的是一套量化交易系统。正常每天分别买入和卖出六只股票。偏小市值股票。
我有参加淘股吧实盘比赛，实盘比赛用的系统，就是展示的这个。数据相同。
下面是目前账户截图：
读书笔记部分：
财报的根+ 估值的茎 = 叙事的果实
（老钱日日谈）
和《穿透财报》《穿透估值》《穿透叙事》的作者邹佩轩录了期播客，不少听友在评论区反馈节目不太好理解，确实，节目里一句带过的话，背后有不少的论证过程。所以根据邹的《叙事经济学》报告，以及《穿透叙事》的第一章内容，摘要了 50 条内容，算是对这期节目的补充。
1.《穿透叙事》这本书的副标题叫：寻找 A 股投资解析解。
解析解是数学术语，指能用有限步公式、初等运算和已知函数写出来的精确答案。
任意参数代进公式，就能瞬间得出结果，而且要对不同对象普遍适用。
它对标的是主流投研的「数值解」思路：每家公司都手工建模，先预测未来三年业绩、再给出半显性期增速、再折现回来，参数依靠拟合、依靠经验，换一家公司要从头重算一遍。
作者想探究，是否存在一个跨行业普适的公式，就是他这本书要寻找的东西。
2.决定股价高度的是叙事，决定股价涨跌的是叙事的变化。
「叙事」在本书中的定义相当严格：不同于通常说的故事，它是一套可证伪、可量化、能算出数的市场共识。
DCF 模型的本质就是一套叙事——站在此时此刻，我们并不知道未来到底是怎样，只能对未来的现金流做一个「目之所及」的预估，再折回今天。
证券交易的过程就是把这套叙事打包出售给另一个人，只要对方认可，交易就达成。
所谓的超额收益，来自这套叙事在两个时间点之间发生了变化，而不是叙事本身的兑现。
兑现叙事只能赚折现率。
3.「许诺精彩的未来，拿走现在的全部」。
只要未来足够精彩，资本市场对过程的容忍度可以非常宽松。
终局是白头偕老的话，过程波折一点，事后回看都叫浪漫。
可如果没有终局的善始善终，只有过程的轰轰烈烈，那就叫欺骗感情。
换到 DCF 语言里，三阶段增长模型中绝大部分价值都聚集在不再增长的稳态期，决定稳态期价值的就是稳态期的高度。
所以「叙事」在很多时候可以直接简化为一件事——公司的终局业绩呈现什么形态。
4.兑现叙事只赚折现率，这个结论其实可以从 DCF 直接推导出来。
如果 T0 时间点的叙事对应股价 P0，T1 时间点仍在演绎同一套叙事对应股价 P1，DCF 展开之后 P1/P0 会严格等于 (1+r)。
分子分母全都可以约分抵消。
持有期收益率与业绩曲线的形状没有任何关系——业绩是增长、下滑还是周期震荡，曲线是三角形还是五角星都不影响结果。
两家公司的叙事哪怕完全相反，只要都在按原叙事兑现，股价走势可以完全重合，都在赚折现率。
超额收益只能来自 T1 时点展望的未来现金流或折现率与 T0 时点不一样——分子分母约分抵消不了的时候，才会有 alpha。
景气度框架失效的根本原因就在这里——它本质上是在假设市场的定价视野特别狭窄。
5.故事可以是浪漫的、感性的、说得通就行。
叙事必须是可证伪、可量化、能算出具体数字的市场共识。
作者对叙事的定义比通常的「预期差」狭窄得多——它只指对行业终局空间的判断，以及对折现率的判断。
对下一期业绩的差、对短期高频数据的差，虽然日常也叫「预期差」，但它们对股价影响相当有限。
真正的超额收益都隐藏在远期叙事的松动或跃迁里。
大家太注重计算短期业绩了，更应该从价格反推市场相信的终局。
6.财报、估值、叙事，是投资研究的三层结构。
财报是「向下看」的，它挖不出来太多的向上预期差，尤其在 A 股，财报更多是帮你打牢地基、万一看走眼可以少亏损一点。
财报的核心是可靠性，它决定投资的下限，万一看错了损失可控。
估值是「向前看」的，是把财报与叙事连起来的衔接层，前瞻性和可靠性各占据一半。
叙事的核心是前瞻性，它决定投资的上限，是产业理解、时代脉络与商业模式最终收敛的地方。
穿透系列的三本书，作者推荐的阅读顺序是：叙事→ 财报 → 估值。
先看懂叙事这个果实的结论，再回头看清财报这个根打好地基，最后看透估值这个茎，理解衔接。
7.慎用统计回归，能用逻辑推理，就不采纳统计回归。
近年最流行的研究范式是通过历史数据拟合，把相关性当因果性——先证明 A 变量与 B 变量强相关，再证明 B 与 C 强相关，然后根据 A 的拐点去推导 C 的走势。
这个推理是错误的。
只有因果性能传递，相关性不能传递——爸爸和孩子有血缘、孩子和妈妈也有血缘，但推导不出爸妈有血缘。
上述判断的逻辑：爸爸→ 孩子，孩子 ← 妈妈，方向对不上就传递不过去。
相关性再显著也只是一种较弱的双向联系。
把它当因果链去推演，是投研很容易踩的一个坑。
8.仅凭数据分辨不清是继续背离还是均值回归——这是数据拟合的第二个根本问题。
举一个反直觉的例子：抛掷 10 次硬币，前 5 次全是正面，第六次投出正面的概率是多少？
选项一是相信趋势的力量（坚定看多正面），选项二是相信均值回归（押注反面），选项三是根据理论（概率仍然各 50%）。
三个都是错误的。
如果连续抛掷 5 次全是正面，应该做的第一件事是检验硬币是不是均匀的。
搬到投资里：一个变量的走势远远偏离历史规律的时候，先要问的一句话是——底层规则是不是已经发生变化。
押注趋势还是押注回归，都在其次。
9.既然数据拟合不靠谱，那对同一个现象有多种自圆其说的解释时，用什么标准挑选呢？
作者的判据是，用统一的框架解释尽可能多的现象，解释范围最广泛的往往是预测能力最强大的。
切忌为细分场景量身定做框架。
比如，日心说取代地心说，真正的原因是它的预测能力更强大，不是解释能力更强大。
地心说在哥白尼时代已经发展到极致，均轮套本轮的模型可以近乎完美解释内太阳系所有行星运动，本质是把行星轨迹分解为多个圆周运动的叠加——这套东西数学上等价于傅里叶级数展开，只要叠加的层数足够，可以拟合任意曲线，甚至能构造出「月心说」。
但地心说没有预测能力。
每发现一个新天体，本轮数就要重算一遍，参数不通用。
日心说的胜利，是可预测性的胜利。
10.类比 A 股，均轮套本轮的病最典型的表现是——把股票分成成长股、周期股、价值股，然后从成长股里再细分出大盘成长、周期成长、景气成长……
每增加一层细分，解释力都能提高，但意义有限。
因为贴标签这个动作本身就是一次价值判断，你再拿着标签的结果去评估公司的价值，是典型的循环论证：箭先射出去，靶再照着射中的位置补画。
这一幕在过去几年的 A 股市场比比皆是。
统一框架的诉求，就是要从头推到尾，不给任何一环里塞进「先判断再验证」的循环。
11.案例复盘的第一大陷阱是幸存者偏差——你能看到的样本都是活下来的，从这些样本归纳的「规律」天然带偏。
从统计学看，高斯-马尔可夫定理要求回归结果可靠必须同时满足五个假设：线性、随机抽样、非完全共线性、零条件均值、同方差。
其中最棘手的是样本偏误和内生性——样本有偏几乎无解，内生性问题的处理复杂到计量经济学一半的内容都在跟它作斗争。
A 股本身时间跨度有限，值得深度复盘的经典案例本来就寥寥可数，五个假设同时满足几乎是不可能的。
所以以案例为出发的复盘，一不留神就是幸存者偏差、样本选择偏误、遗漏变量、因果倒置的错题集。
方法论一旦出错，整个复盘就没有意义了。
12.「所有的模型都是盲人摸象。」
我们生活在一个有限样本、有限时间的世界里，可能轮不到大数定律登场——特异性和随机性是更重要的力量。
所有模型漏掉的参数一定远远多于纳入的参数，只不过外部环境稳定的时候，漏掉的参数暂时不发挥作用。
所以能用逻辑推理就不采纳归纳总结——归纳有严格的适用范围，推理没有。
证明和「拟合结果显著」，是两个完全不同的概念。
13.案例复盘的第二大陷阱是开后视镜。复盘时容易把偶然当必然，把散落几十次的偶然决策线性化、戏剧化。
按贝叶斯条件概率，投资逻辑的兑现往往需要 A、B、C…… 很多个必要条件同时成立，最终概率是每个条件概率相乘之后，再乘以一个未知项。
0.8 的四次方是 0.41，0.999 的一千次方是 0.37。
每一环都很可能，链条一旦拉长，市场就大概率不按剧本演进。
「福尔摩斯推票法」的每一步逻辑都可能很精妙，但精妙的逻辑相乘之后，最终概率所剩无几。
更有意义的研究应该把逻辑链扩展成贝叶斯网——每个节点做好预案，标出市场空间和信号，比单纯拉长逻辑链更有价值。
14.概率论的计算有时是反直觉的：
假设 A 股翻倍股占据 10%，某投资者识别翻倍股的准确度 80%（真是翻倍股时 80% 概率选出、不是翻倍股时 20% 概率误选），他认定一只股票为翻倍股的时候，实际是翻倍股的概率是多少？
答案不是 80%，是 30.77%。
用贝叶斯计算——真翻倍股占据样本 10%×80%=8%，误选的假翻倍股占据 90%×20%=18%，合起来他挑中的股票里真正翻倍的比例只有 8/(8+18)=30.77%。
如果误判后股票下跌 30%，他的预期收益率是 30.77%×100%+69.23%×(-30%) = 10%
刚好等于折现率。
如果被证伪后跌幅更加剧烈，总收益可能是负数。
能钓多少鱼不仅取决于钓鱼水平，还取决于池塘里有多少鱼。
这也解释了为什么没有任何叙事的「躺平股」和红利低波长期收益也不糟糕——它们的惩罚机制非常轻微，一旦选择失误也不会跌得太剧烈。
15.上面这条推导可以再引申一个结论——预期越激进的公司，一旦证伪，下行空间越可观。
所以样本方差过于庞大、拟合结果不显著的时候，惩罚机制是必须要考虑的。
预期收益率并不是「胜率×收益」这么简单的算式，是「胜率×收益 - 败率×亏损」。
后半段那个「败率×亏损」，才是长期决定胜负的关键。
这个逻辑在最后一章讨论杠铃策略、红利低波、长江电力的章节里会反复用到——低波资产的长期价值来自惩罚项被压缩到极小的水平。
16.「只用指南针能跨越大洋吗？」
答案是不能。
判断方向有很多种方式——白天观察太阳、晚上观察星星，指南针只是辅助工具，甚至不是必要工具。
远洋航海真正困难的是判断自己的位置。
不知道位置，只知道东南西北，是无法到达目的地的——因为你不知道目的地在你的北边还是南边。
在大洋深处，判断位置真正依靠的工具是四分仪加上高精度时钟：四分仪测量恒星与海平面的夹角来确定纬度，时钟对比出发地时差来确定经度。
搬到投资——DCF 就是投资的六分仪，它告诉你股价此时此刻在什么位置、隐含的叙事是什么。
仅仅有指南针（各种边际变化）是远远不够的，最重要的前提是知道股价此刻的坐标。
17.高景气度不一定涨。
2021 年到 2024 年，宁德时代的业绩表现从任何角度衡量都是「最景气」的。
2022 年逐季上修、超预期，2023 年跳空高开、还兑现了，2024 年再一次逐季上修——景气度投资三要素（业绩增速的绝对值、边际提升、超预期）每一条都符合。
但股价在 2021 年 10 月就阶段性见顶了，之后跟随创业板指走过三年，没有一分超额收益。
这个背离长达三年时间，绝不是三个月的波动可以糊弄过去的。
如果还要辩护「一阶导不行看二阶导，二阶导不行看三阶导」，就没有意义了——你不知道什么时候该查看几阶导，求导次数越加频繁指标越不稳定，这就跟「地心说」均轮套本轮同一种病。
18.低景气度不一定跌。
农业银行的业绩表现从任何角度衡量都是「最不景气」的：龙头维持较低的个位数增速，年年如此，远远称不上高度景气。
但股价从 2022 年四季度到 2025 年底走过三年「业绩不增长、强行拔估值」的行情，在各种质疑声中不断攀升。
让人更跌破眼镜的是，同期它甚至跑赢了以成长性著称的纳指。
把这两颗死穴摆在一起，传统的景气度投资框架就无法自圆其说。它没办法解释宁德时代与银行走势的此消彼长。
把这个背离归因为「市场风格」「资金流向」「审美偏好」，本质上是回避问题。
19.狭义景气度投资的弊端是，它只能判断行情的起点，判断不了行情的终点。经常怎么涨上去的，怎么跌下来。
更麻烦的是回落过程中景气度还在，所以会持续引诱投资者抄底，抄一次亏一次、越抄越深套。
这个问题必须回到 DCF 的第一性原理去重新梳理。
超额收益只能来自叙事的变化，这个结论直接推翻了景气度投资的立论基础。
把太多的精力花在很多并不重要的变量上时，真正重要的变量就被忽略了。
20.DCF 数学推导里有一条相当反直觉的结论——决定动态 PE 的是天花板高度，不是「多久到达」。
用极简 DCF 展开：当前利润为 1，业绩天花板 M 倍，N 年匀速增长到 M 之后维持永续，折现率 R。
把公式化简一下，动态 PE 由 M、N、R 三个参数决定。
但这三个参数的敏感性完全不同：分子端的 M 和分母端的 R 都没有参数对冲，是主要风险敞口。
而所有出现 N 的地方都有 M^(1/N) 和 (1+R)^N 形成对冲，N 消除不掉，但可以对冲掉相当可观的一部分。
翻译成人话：天花板高度和折现率是关键，几年到达天花板影响相对有限。
下面这些数字可以直接感受到：
10 年 2 倍对应 PE 15.3，5 年 2 倍对应 15.8。
10 年 5 倍对应 28.8，5 年 5 倍对应 30.0。
10 年 10 倍对应 48.6，5 年 10 倍对应 49.9。
只要 N 在 5-15 年这个覆盖了大部分公司的区间，年限差别几乎可以忽略。
21.这个数字结果最终收敛成一张速查表：
横坐标是天花板较当前业绩的倍数，纵坐标是折现率，格子里是合理动态 PE。
它的诞生方式非常严格：从 DCF 公理出发做严格推导，不做数据拟合。
它满足解析解的三大特征——有闭式公式、在给定假设下精确成立、跨行业普适（前提是公司当下有业绩、增长匀速、m 不超过 40）。
作者在书里的评价是「甚至可以称之为 A 股市场估值解析解」。
这张表是全书最重要的一张，后面所有行业的复盘都反复回到它。
即便被迫用了其他估值方法，只要有一天能算清楚天花板，都要以这张表为准。
22.传统 DCF 之所以「算不出精确结果」，DCF 本身没错，是打开方式反了。
常规的做法是先预测未来三年业绩、再给一个半显性期的增速和持续时间、再用折现率折算回来。
问题是：对于形如 (1+a)^b 的式子，输出结果对 a 和 b 都非常敏感，尤其是作为指数的 b。
增速持续时间少许偏差就会导致天花板高度剧烈变化。
所以传统 DCF 的每一步都在放大参数误差，最终折算出来的数字远离真相。
这才是「DCF 算不准」背后真正的机制，模型本身没有问题，问题在于使用方式反了。
23.正确的打开方式是倒过来推算。一步到位先推算天花板高度（也就是空间），再根据发育时间判断复合增速。
增速仅仅是观察公司能不能顺利到达天花板的窗口。
这条方法论的翻转是这本书最实操的一句话。
传统做法把「增速」当成因、「估值」当成果，作者把「天花板」当成因、「增速」当作过程验证。
思路一旦转换，DCF 从「结果不准的估值方法」变成了「最扎实的估值方法」。
后面复盘里的每一次判断都从「这家公司天花板在哪」开始，而不再是从「下一季业绩多少」开始。
24.从股价反推市场相信的终局，比从假设推算合理股价容易许多。
一家公司如果不知道天花板在哪，可以先审视它当前的市值和 PE，反推市场相信的终局是什么——然后你判断这个终局你认可不认可。
例：10% 折现率下，一家公司的动态 PE 是 20 倍，直接查表反推，市场隐含的预期是终极利润为当前的 3 倍。
你觉得终局高于市场预期，就买入。低于市场预期，就卖出。你觉得市场相信的这个 3 倍很离谱、又没办法证伪，就先别动手。
这是所有投资决策的朴素起点：不需要预判自己有多么精准，只需要判断此刻市场相信的是什么，你认可不认可。
25.基于上面的速查表，可以构建一个非常经典的「景气度陷阱」，这在 A 股比比皆是。
假设一家公司业绩预期从「10 年 5 倍」修正为「5 年 3 倍」：动态 PE 从 28.8 降到 20.9，但未来 5 年的复合增速从 17.5% 变成 24.6%，每一年业绩都比原来的预测更加突出。
产业调研全部指向盈利需要上修，而且不是一年两年，是未来 5 年每一年都在上修。
业绩绝对值突出、增速边际提升、每季都超预期——景气度三要素齐全。
可 PE 反而回落了，从近 30 倍回落到 25 倍，PE 的历史分位数已经处在历史低位。
按 PEG 或者景气度框架，此时的判断会是应该抄底。
这就是陷阱——你判断的是「业绩上修」，市场定价的是「天花板推算清楚了」。
分子分母一起放大，相除结果反而缩小。
26.不建议给任何公司赋予永续增长假设。
一方面，作者不认为存在能永续增长的公司。100 年前的标普 500 与现在的重合度是个位数，主动权益基金活到 20 年以上的极其稀少。
另一方面，既然已经一次性定价了终局，再赋予永续增长假设，等于预期打得过度饱满，没有容错率。
但前面的速查表仍然可以兼容永续增长。因为 DCF 的终值等于稳态期现金流除以 (r-g)，提高永续增长率 g 和降低折现率 r 在数学上是等价的。
所以想赋予 2% 的永续增长率，直接把折现率从 10% 换成 8% 查表就行。
不必单独在模型里塞进一个 g，等价而更干净。
27.折现率怎么选取？作者的建议是不要在折现率上做过多的文章。
A 股权益折现率长期选取 10% 就足够，从 00 年代到 20 年代都稳定在这个水平，估值倍数的拟合度非常突出。
这个数字有均值回归的倾向，不太受无风险利率变化的影响，利率处于高位的时候选取 10%，利率处于低位的时候也选取 10%，拟合准确度都相当突出。
差不多也是 A 股主动权益基金的长期复合回报率。
背后逻辑是，折现率就是必要收益率，是吸引投资者长期持有的最基本门槛。
A 股必要收益率不会太过低下，不然无法解释「岁月静好类资产」为什么长期欠配。
美股的经验值大约是 8%，同样长期稳定。
28.「无风险利率下行利好权益资产」这个流行说法在长期数据上完全不成立。
无论 A 股还是美股、日本还是欧盟，历史数据都不支持这个结论。
最典型的是 2022 到 2024 年，我国国债收益率几乎直线下降，权益资产没有迎来预期中的宏大时代。
2015 年以来沪深 300 与十年期国债收益率大部分时候是同向变化的。
反过来讲，如果无风险利率下降一定利好权益，股债应该永远同涨同跌，但在全球范围内，股债跷跷板效应更为常见。
真正显著的变量是风险溢价，不是无风险利率。
29.权益折现率 = 无风险利率 + 风险溢价。
后两者不是独立变量，存在非常突出的内生性。
无风险利率下降往往意味着增长机会减少，恰恰是因为投资者不愿意冒险了、转而增配固定收益类资产，才导致的无风险利率下降。
在这种时候，风险溢价上升的幅度往往更加显著，两者形成对冲，合计结果反而是稳定的。
从分子端审视也一样：无风险利率下降对应经济增长潜力下降，大部分企业盈利端支撑不住，分子跟着塌陷，分母端的对冲反而不足以挽救。
所以「利率下降→ 折现率下降 → 估值上升」这条链条从两端都是行不通的。
30.CAPM 模型计算出来的数值，作者的判断是「精确的错误」。
错在哪里？它把「全市场平均风险溢价」当成一个固定常数在使用。
但风险溢价本应该是一个客观的动态变量，它跟社会保障机制、社会对失败的容忍度、市场赚钱效应带来的风险偏好脉冲全都有关系。
把动态变量当成固定常数，CAPM 计算出来的每一个数字都精确、但错误。
更容易造成的误区是：它会让人得出「权益折现率随着无风险利率等额变化」的结论，而这个结论前面已经论证过是不成立的。
CAPM 的正确用法是给你一个思考框架，不是给你一个可以当作业绩基准的具体数字。
31.无风险利率变化真正影响的，是板块之间的深度分化，不是整体指数行情。
按 CAPM 的核心逻辑，个股折现率与「个股基本面与宏观经济的协方差」直接相关，协方差越接近零，越有可能受益于无风险利率下降。
证明这一点非常困难，需要一些机遇。通常要等宏观经济出现波动，市场才有机会发现某家公司的业绩可以穿越周期而屹立不倒。
这是很多红利资产拔估值的主要途径，大部分新兴行业享受不到。
但「出海」是一个特例，它能同时打开天花板高度、又降低与单一经济体的协方差。
翻译到那张表上，就是「斜着拔估值」，横向增加天花板倍数、纵向降低折现率，两条线一起攀升。
所以拥有出海逻辑的股票，同样业绩表现下，股价表现往往更加突出。
32.长牛股不是一路慢慢涨出来的，它其实是由几段厂字型上台阶拼接而成。
如果拉到年度审视，很多明星长牛股的股价与业绩几乎是同步增长的，看起来是「扎实的业绩支撑了长期慢牛」。
但把时间粒度切换到日度、还原到真实的持有过程，会发现完全另一个故事。
超额收益都集中在少数几段极其短暂的窗口里，其余大部分时间里股价都在横盘、或者跟随大盘走势。
腾讯是最典型的例子，从上市到 2021 年初上涨 1000 倍，中间是许多次不同规模的叙事跃迁拼起来的，不是一根均匀的斜线。
这也解释了一个反直觉的事实：大部分投资者没能从明星长牛股赚到可观的收益。
之所以能长牛，恰恰是因为叙事持续在跃迁。之所以叙事持续在跃迁，恰恰是因为大部分人一直判断错误。
33.扎实的 EPS 增长是股价长牛的必要不充分条件。
仅有扎实业绩、股价仍旧无法演绎成长牛。如果上市时预期就一次性打满了，业绩兑现的过程只是消化估值，赚得的是折现率。
真正演绎出长牛的公司都有一个共同点：起点时的市场预期非常保守，天花板是随着业绩释放被市场一步步上修上去的。
超额收益来自持续的叙事变化，而叙事持续变化的前提是，大部分人一开始就低估了它。
所以长牛股需要三件事共同发力：业绩优异、起点期望非常保守、市场一步步认识。
34.从估值的应然，切换到价格的实然，中间横亘着的是价格的形成机制。
市场的预期本质上是一个分布，不是一个点，所谓「一致预期」根本就不存在。
不同公司的预期分布还有天然差别：判断天花板需要的线索越强大的公司，预期分布越集中。
线索越薄弱的公司，预期分布越离散。
每个人的预期不一样，是因为对基本面理解不同。但股价具体反映谁的预期，跟基本面已经没有关系，取决于市场的交易机制。
基本面的作用是画出市场预期的分布曲线，到这一步就停止了。
股价具体停在分布上的哪个位置，跟基本面没有关系了。
35.美股允许做空 = 对冲机制，A 股基本不能做空 = 拍卖机制。
这是两个市场最根本的定价方式差异。
对冲机制下，多空观点可以相互抵消，股价由市场的平均预期决定，也就是正态分布曲线的中线位置。
拍卖机制下，悲观的人手里的票没办法投出去。
股价从最乐观的预期开始依次表态，出售到筹码出清为止，也就是分布曲线右侧的阴影面积等于公司流通市值可容纳资金量的位置。
最终拍卖出来的价格可能远远超过平均预期。
这个现象的根源在于交易结构本身，不是流动性的差异。
36.拍卖机制下，股价可以拆成两块审视：中线位置 + 截距位置。
中线位置反映市场平均预期，可以认为完全由客观的基本面决定。
截距位置反映交易机制导致的「股价漂移」，跟基本面无关。
截距位置由预期分布和流动性决定。
平均预期相同的两只股票，预期分布越离散、天花板越加算不清楚的那只，截距向右漂移的幅度越加显著，因为你永远不知道最乐观的资金有多离谱。
通俗理解：冲排名靠铁粉，只要不能给不喜欢的选手投负分，最符合大众审美的选手不一定夺得冠军，选美冠军的争议一般都比较激烈。
37.分歧越是显著的股票，在两个市场里的下场完全相反，这是拍卖机制很反直觉的一条推论。
在美股这样的对冲机制里，分歧越是显著的股票，预期收益率的方差越发放大、风险溢价越发抬升、估值往往越发压低。
在 A 股这样的拍卖机制里，分歧越是显著的股票越容易产生朦胧美：截距向右漂移的幅度越发放大，估值可能反而越发抬升。
所以同一类资产在两个市场的定价可以完全反向。
A 股「朦胧美溢价」这个特征既是它最主要的魅力，也是它最主要的风险点。
一旦流动性退潮，截距会以同样的速度往回收敛，涨跌同源。
38.流动性在拍卖机制里，是一个独立的定价要素，不再只是「提高定价效率」的辅助变量。
关注一家公司的资金从 1000 亿加到 2000 亿，只要流通市值支撑得住，定价的仍然是「最乐观的第 100 亿」，但 2000 亿人群里的第 100 亿一定比 1000 亿人群里的第 100 亿更极端。
所以后面新进来的 2000 亿即便和前面的 1000 亿平均预期完全一样、每种预期对应的比例都不变，股价照样往上移动。
这时候的股价上涨与基本面没有任何关系，完全由流动性冲击贡献。
反过来回落下来的时候也一样，不要强行寻找基本面解释。
39.把流动性冲击与预期分布结合起来，会得到一条二阶导为正的结论：朦胧美越浓厚的票，涨得越加猛烈。
正态分布假设下，右侧尾部越往外面积越加狭窄，随着流动性扩张，拍卖价格 y 会出现加速上涨。
弹性还与方差正相关，共识度越薄弱的公司，越容易被流动性拉起来。
这就解释了牛市后期的一个现象：一旦市场进入资金的正反馈循环，越是有基本面的票反而越难以跑赢指数。
干净基本面的公司天花板已经推算清楚了、预期分布很集中，反而没有「朦胧美」可以让流动性挤出溢价。
朦胧美加上短期不能证伪加上流动性泛滥，这三件事凑齐，就是牛市后期涨得最猛烈的公司画像。
40.大票风格还是小票风格，是估值的结果，不是估值的原因。
2022 到 2024 年 924 之前 A 股是大票风格，流行解释是「市场流动性不行，干流的水量都不足，支流早就干涸了」。
2013 到 2014 年 A 股是小票风格，同样是流动性不行、当时还有著名的资产荒，流行解释却变成了「市场上资金过于稀薄、拉动不了大票，只能去买入小票」。
两种解释都能自圆其说，但都是把结果当成了原因。
真正的机制是，流动性冲击加上预期分布共同决定截距漂移的方向，风格是这两个变量共同的结果。
把风格当成因，等于给地心说打上了一层新的补丁。
41.罗伯特·希勒在《非理性繁荣》里举过一个非常形象的比喻：
把话筒对准老式音响，鼓一下掌，掌声被话筒吸收、被音响放大、再被话筒吸收，如此往复就会产生长时间尖锐刺耳的噪声。
噪声的源头来自鼓掌，但持续时间与刺耳程度跟鼓掌本身无关，取决于话筒与音响之间的反馈机制。
A 股拍卖机制里的正反馈就是这个原理，由于没有做空力量制约，非常容易产生自我强化的循环。
牛市末期的疯狂上涨、熊市末期的加速下跌，都是这个反馈机制的产物。
它不算一种投资理念，更像一种投资哲学：可以不参与，但不能不知道。
42.结合前面的速查表，可以把股价的上涨机制拆成两种：横着拔估值加上竖着拔估值。
横着拔估值是打开天花板高度，在牛市的前半段，按照 10% 的长期稳定折现率把天花板上修到位。
这段拔估值可以让股价迈上一个台阶，只要后续基本面能跟上，涨幅不会回吐。
竖着拔估值是降低折现率，在牛市的后半段，由于流动性冲击和市场情绪亢奋，风险偏好脉冲式抬升。
但折现率有均值回归的倾向，这段拔估值只是加剧波动、不形成趋势，涨上去多少最终都要全部回吐。
所以横着拔的估值是「结构性的」，竖着拔的估值是「流动性的」，两者的持续性完全不同。
43.复盘的第一条铁律是：能用逻辑推理就不要采纳归纳总结。
归纳总结都有严格的适用范围，使用时必须小心翼翼。
逻辑推理没有，只要严格按照大前提、小前提、结论的方式推演，只要假设成立，结论就一定正确。
证明和「拟合结果显著」是两个完全不同的概念。
所以整本书是逻辑推理为主线、归纳总结为辅助：从 DCF 公理往下推导，得到理论结论；再用现实案例回验框架的准确性；不允许反向操作，即从案例归纳出规律。
这条方法论的翻转是这本书容易被忽略、但很重要的一层，它决定了后面所有复盘的读法。
读者应该关心的是「这个案例是不是验证了理论」，而不是「这个案例揭示了什么规律」。
44.在归纳总结不得不使用的场合，作者的建议是：做反方观点的最佳辩手。
借用显著性检验的思想：先假设结论不成立，再去寻找足够的理由推翻这个假设，才能反证结论。
比如检验药物是否有效，先假设药物与安慰剂等同，再寻找足够证据拒绝这个假设，才能推出「药物有效」。
「显著」的要求是非常严格的，不要随随便便对着两条线就说显著，很多直觉相关且看似相关的数据都无法通过显著性检验。
样本方差越加庞大就越难以拒绝原假设，越难以证明想要的结论。
在可选案例数量非常有限的时候，必须苛刻：穷尽所有可能都无法反驳所持观点、进而接受反方观点，才能认为原观点是正确的。
45.《穿透叙事》第二章开始的行业复盘，作者是这样选的：
光伏是成长股模板。
煤炭一己之力串起了成长股、价值股、周期股的完整循环，00 年代 WTO 是如假包换的成长股，4 万亿之后过热，供给侧改革让它变成价值股，双碳战略又给了它新叙事。
茅台是上一轮消费升级最典型的代表。
乐视是「为梦想窒息、结果被梦想窒息」的负面样本。
长江电力读懂了就读懂了泛红利与稳定类资产；腾讯是最值得复盘的公司，从上市到 2021 年初上涨 1000 倍。
科技和医药也可以套用同一套框架，这些行业书里没有单独复盘，但同样成立。
选行业的判据是能否验证前一章框架的不同侧面：成长、周期、价值分别落在不同案例上，涨幅本身并不是挑选的标准。
逻辑推理为主线、案例为验证的方法论，也决定了案例的挑选标准。
46.有效市场理论在这本书里的定位是：市场是动态有效的，既不是绝对有效也不是绝对无效。
市场会围绕合理值不断上穿、下穿、再上穿、再下穿，上穿就是高估、下穿就是低估。
所有人都在挖掘信息、信息交流越充分、市场就越尽可能迅速地回到合理值。
如果市场绝对有效，研究就没意义了，永远买入指数就行。
如果市场绝对无效，研究也没意义了，你判断低估市场也永远不认可。
正因为它是「波动式动态有效」，今天无效、明天马上有效、后天又高估、大后天又回到有效，所以研究才有价值。
短期是投票器，长期是称重器。
所谓「长期」，就是「大部分人看清楚的那一刻」。
47.「预期差」这个词其实不足够精准，作者更愿意用「叙事变化」这个词。
「预期差」在通常语境里包括的东西过于宽泛：对下一期业绩的差值、对短期高频数据的差值、对政策松紧的差值，全都算预期差。
但这些差值里大部分对股价影响很有限。
作者定义的「叙事」是狭窄的，它只指对行业终局空间的判断和对折现率的判断。
只有远期叙事发生变化，才会带来股价的跃迁。
超额收益的真正来源是远期叙事的变化，通常语境里那种宽泛的预期差不算。
其他的预期差充其量决定短期波动。
48.信息过载成为常态之后，分析师真正的护城河发生了变化。
以前是拼谁的调研更加勤奋、谁的高频数据更加快速、谁的产业消息更加灵通，这些今天全部被 AI 和实时通讯工具平权了。
真正的护城河是「基于公开信息的定价能力」，同样一份公开信息，因为处理方式、观察角度、方法框架的不同，可以得出差异巨大甚至相反的结论。
这才是终极 alpha。
背后是对底层估值体系、商业模式、经济发展脉络、乃至更宏观的时代叙事的深层次思考。
财务和估值是投资的元技能，成本最为低廉且有效性最为突出的信息获取方式，绕开这片富矿是得不偿失的。
49.提升研究能力的方式，作者的表述是：将研究「资本化」。
所谓「资本化研究」，是指得出的结论、走过的路径可以被复用——第一次研究是资产表上有一个资产，第二次研究是在这个资产的基础上再叠加一个资产，第三次再叠加，像资本开支型支出，能积累认知复利。
反过来「费用化研究」是每次都归零，今天跟踪高频数据、明天跟踪政策，对下一次研究没有任何推动作用。
时间是分析师最主要的支出。
所有花在费用化研究上的时间，都是非经常性损益，账面上有产出，长期分文无存。
增加资本化研究、减少费用化研究，是唯一能积累认知复利的路径。
50.估值到底是艺术还是科学？
作者的观点是：科学，而且科学的成分要给予远远远远更为可观的权重。
所谓「叙事」，90% 以上都是科学的成分，是可以计算出来的。
就算你对一个公司没有超额认知，也可以根据当前的股价反向推算出来市场此刻在交易什么叙事，这是一个具体的数字。
把估值当作艺术，本质上是给自己的模糊判断寻找一个借口。
真正的估值工作应该像物理学：公理清晰、推导严谨、结论可验证。
速查表就是这个态度的最直接体现，它是从 DCF 公理严格推导出来的封闭公式，每一次案例复盘都是对它的验证。
期末资产：332957.11元 累计盈亏：10.986% 今日盈亏 1285.75元
相对沪深300超额 14.876%， 相对中证2000超额 9.587%
不对劲！
到今天下午的时候，其他指数走势都很正常，但是微盘股的上涨，就让我感觉很不对劲。
这种情况，很有可能是微盘股要走独立行情；或者我的判断错了，后续会开始上涨，而微盘股最先开始反应。
到了晚上，看到布伦特原油下跌超过3%（当时），法德股市都上涨超过1%，感觉就非常有可能是我错了。
因为我在思考未来一个月走势的时候，把油价当为常量了，并不认为美伊会在最近达成什么和解。
但就今天的布伦特原油下跌，虽然还没去查是什么信息影响的，但大概率是美伊局势有缓和。
而到了我写记录的这个时间点，美股已经开盘，上涨1.5%。等于又一个信息在提醒我，注意：我可能错了。
原本思考的时候，从美联储加息到anthropic上市之前的虹吸效应，是有多个不利因素一直连续到10月20多号的；并且美伊本身也会不停反复，因为就算特朗普现在着急为中期选举缓和战事，内塔尼亚胡和以色列也不想战争停的。
所以综合上面两方面的思考；以及前面快速减仓之后，这个账户目前持仓只有资金量的21%（过少）。
今晚需要开始上调仓位，但今晚只是把基准调整成2.4万每日；如果明天微盘还在上涨，就会继续增加（如果是所有指数一起上涨，那更证明我算错了油价的问题），如果明天微盘下跌，那就调整回1.8万每日。
现在开始，做心理建设：这次预判，我可能又错了；并且坦然接受这个结果，进入下一回合，^_^。
就先这些。
说明：
目前实盘展示的是一套量化交易系统。正常每天分别买入和卖出六只股票。偏小市值股票。
我有参加淘股吧实盘比赛，实盘比赛用的系统，就是展示的这个。数据相同。
下面是目前账户截图：
读书笔记部分：
财报的根+ 估值的茎 = 叙事的果实
（老钱日日谈）
和《穿透财报》《穿透估值》《穿透叙事》的作者邹佩轩录了期播客，不少听友在评论区反馈节目不太好理解，确实，节目里一句带过的话，背后有不少的论证过程。所以根据邹的《叙事经济学》报告，以及《穿透叙事》的第一章内容，摘要了 50 条内容，算是对这期节目的补充。
1.《穿透叙事》这本书的副标题叫：寻找 A 股投资解析解。
解析解是数学术语，指能用有限步公式、初等运算和已知函数写出来的精确答案。
任意参数代进公式，就能瞬间得出结果，而且要对不同对象普遍适用。
它对标的是主流投研的「数值解」思路：每家公司都手工建模，先预测未来三年业绩、再给出半显性期增速、再折现回来，参数依靠拟合、依靠经验，换一家公司要从头重算一遍。
作者想探究，是否存在一个跨行业普适的公式，就是他这本书要寻找的东西。
2.决定股价高度的是叙事，决定股价涨跌的是叙事的变化。
「叙事」在本书中的定义相当严格：不同于通常说的故事，它是一套可证伪、可量化、能算出数的市场共识。
DCF 模型的本质就是一套叙事——站在此时此刻，我们并不知道未来到底是怎样，只能对未来的现金流做一个「目之所及」的预估，再折回今天。
证券交易的过程就是把这套叙事打包出售给另一个人，只要对方认可，交易就达成。
所谓的超额收益，来自这套叙事在两个时间点之间发生了变化，而不是叙事本身的兑现。
兑现叙事只能赚折现率。
3.「许诺精彩的未来，拿走现在的全部」。
只要未来足够精彩，资本市场对过程的容忍度可以非常宽松。
终局是白头偕老的话，过程波折一点，事后回看都叫浪漫。
可如果没有终局的善始善终，只有过程的轰轰烈烈，那就叫欺骗感情。
换到 DCF 语言里，三阶段增长模型中绝大部分价值都聚集在不再增长的稳态期，决定稳态期价值的就是稳态期的高度。
所以「叙事」在很多时候可以直接简化为一件事——公司的终局业绩呈现什么形态。
4.兑现叙事只赚折现率，这个结论其实可以从 DCF 直接推导出来。
如果 T0 时间点的叙事对应股价 P0，T1 时间点仍在演绎同一套叙事对应股价 P1，DCF 展开之后 P1/P0 会严格等于 (1+r)。
分子分母全都可以约分抵消。
持有期收益率与业绩曲线的形状没有任何关系——业绩是增长、下滑还是周期震荡，曲线是三角形还是五角星都不影响结果。
两家公司的叙事哪怕完全相反，只要都在按原叙事兑现，股价走势可以完全重合，都在赚折现率。
超额收益只能来自 T1 时点展望的未来现金流或折现率与 T0 时点不一样——分子分母约分抵消不了的时候，才会有 alpha。
景气度框架失效的根本原因就在这里——它本质上是在假设市场的定价视野特别狭窄。
5.故事可以是浪漫的、感性的、说得通就行。
叙事必须是可证伪、可量化、能算出具体数字的市场共识。
作者对叙事的定义比通常的「预期差」狭窄得多——它只指对行业终局空间的判断，以及对折现率的判断。
对下一期业绩的差、对短期高频数据的差，虽然日常也叫「预期差」，但它们对股价影响相当有限。
真正的超额收益都隐藏在远期叙事的松动或跃迁里。
大家太注重计算短期业绩了，更应该从价格反推市场相信的终局。
6.财报、估值、叙事，是投资研究的三层结构。
财报是「向下看」的，它挖不出来太多的向上预期差，尤其在 A 股，财报更多是帮你打牢地基、万一看走眼可以少亏损一点。
财报的核心是可靠性，它决定投资的下限，万一看错了损失可控。
估值是「向前看」的，是把财报与叙事连起来的衔接层，前瞻性和可靠性各占据一半。
叙事的核心是前瞻性，它决定投资的上限，是产业理解、时代脉络与商业模式最终收敛的地方。
穿透系列的三本书，作者推荐的阅读顺序是：叙事→ 财报 → 估值。
先看懂叙事这个果实的结论，再回头看清财报这个根打好地基，最后看透估值这个茎，理解衔接。
7.慎用统计回归，能用逻辑推理，就不采纳统计回归。
近年最流行的研究范式是通过历史数据拟合，把相关性当因果性——先证明 A 变量与 B 变量强相关，再证明 B 与 C 强相关，然后根据 A 的拐点去推导 C 的走势。
这个推理是错误的。
只有因果性能传递，相关性不能传递——爸爸和孩子有血缘、孩子和妈妈也有血缘，但推导不出爸妈有血缘。
上述判断的逻辑：爸爸→ 孩子，孩子 ← 妈妈，方向对不上就传递不过去。
相关性再显著也只是一种较弱的双向联系。
把它当因果链去推演，是投研很容易踩的一个坑。
8.仅凭数据分辨不清是继续背离还是均值回归——这是数据拟合的第二个根本问题。
举一个反直觉的例子：抛掷 10 次硬币，前 5 次全是正面，第六次投出正面的概率是多少？
选项一是相信趋势的力量（坚定看多正面），选项二是相信均值回归（押注反面），选项三是根据理论（概率仍然各 50%）。
三个都是错误的。
如果连续抛掷 5 次全是正面，应该做的第一件事是检验硬币是不是均匀的。
搬到投资里：一个变量的走势远远偏离历史规律的时候，先要问的一句话是——底层规则是不是已经发生变化。
押注趋势还是押注回归，都在其次。
9.既然数据拟合不靠谱，那对同一个现象有多种自圆其说的解释时，用什么标准挑选呢？
作者的判据是，用统一的框架解释尽可能多的现象，解释范围最广泛的往往是预测能力最强大的。
切忌为细分场景量身定做框架。
比如，日心说取代地心说，真正的原因是它的预测能力更强大，不是解释能力更强大。
地心说在哥白尼时代已经发展到极致，均轮套本轮的模型可以近乎完美解释内太阳系所有行星运动，本质是把行星轨迹分解为多个圆周运动的叠加——这套东西数学上等价于傅里叶级数展开，只要叠加的层数足够，可以拟合任意曲线，甚至能构造出「月心说」。
但地心说没有预测能力。
每发现一个新天体，本轮数就要重算一遍，参数不通用。
日心说的胜利，是可预测性的胜利。
10.类比 A 股，均轮套本轮的病最典型的表现是——把股票分成成长股、周期股、价值股，然后从成长股里再细分出大盘成长、周期成长、景气成长……
每增加一层细分，解释力都能提高，但意义有限。
因为贴标签这个动作本身就是一次价值判断，你再拿着标签的结果去评估公司的价值，是典型的循环论证：箭先射出去，靶再照着射中的位置补画。
这一幕在过去几年的 A 股市场比比皆是。
统一框架的诉求，就是要从头推到尾，不给任何一环里塞进「先判断再验证」的循环。
11.案例复盘的第一大陷阱是幸存者偏差——你能看到的样本都是活下来的，从这些样本归纳的「规律」天然带偏。
从统计学看，高斯-马尔可夫定理要求回归结果可靠必须同时满足五个假设：线性、随机抽样、非完全共线性、零条件均值、同方差。
其中最棘手的是样本偏误和内生性——样本有偏几乎无解，内生性问题的处理复杂到计量经济学一半的内容都在跟它作斗争。
A 股本身时间跨度有限，值得深度复盘的经典案例本来就寥寥可数，五个假设同时满足几乎是不可能的。
所以以案例为出发的复盘，一不留神就是幸存者偏差、样本选择偏误、遗漏变量、因果倒置的错题集。
方法论一旦出错，整个复盘就没有意义了。
12.「所有的模型都是盲人摸象。」
我们生活在一个有限样本、有限时间的世界里，可能轮不到大数定律登场——特异性和随机性是更重要的力量。
所有模型漏掉的参数一定远远多于纳入的参数，只不过外部环境稳定的时候，漏掉的参数暂时不发挥作用。
所以能用逻辑推理就不采纳归纳总结——归纳有严格的适用范围，推理没有。
证明和「拟合结果显著」，是两个完全不同的概念。
13.案例复盘的第二大陷阱是开后视镜。复盘时容易把偶然当必然，把散落几十次的偶然决策线性化、戏剧化。
按贝叶斯条件概率，投资逻辑的兑现往往需要 A、B、C…… 很多个必要条件同时成立，最终概率是每个条件概率相乘之后，再乘以一个未知项。
0.8 的四次方是 0.41，0.999 的一千次方是 0.37。
每一环都很可能，链条一旦拉长，市场就大概率不按剧本演进。
「福尔摩斯推票法」的每一步逻辑都可能很精妙，但精妙的逻辑相乘之后，最终概率所剩无几。
更有意义的研究应该把逻辑链扩展成贝叶斯网——每个节点做好预案，标出市场空间和信号，比单纯拉长逻辑链更有价值。
14.概率论的计算有时是反直觉的：
假设 A 股翻倍股占据 10%，某投资者识别翻倍股的准确度 80%（真是翻倍股时 80% 概率选出、不是翻倍股时 20% 概率误选），他认定一只股票为翻倍股的时候，实际是翻倍股的概率是多少？
答案不是 80%，是 30.77%。
用贝叶斯计算——真翻倍股占据样本 10%×80%=8%，误选的假翻倍股占据 90%×20%=18%，合起来他挑中的股票里真正翻倍的比例只有 8/(8+18)=30.77%。
如果误判后股票下跌 30%，他的预期收益率是 30.77%×100%+69.23%×(-30%) = 10%
刚好等于折现率。
如果被证伪后跌幅更加剧烈，总收益可能是负数。
能钓多少鱼不仅取决于钓鱼水平，还取决于池塘里有多少鱼。
这也解释了为什么没有任何叙事的「躺平股」和红利低波长期收益也不糟糕——它们的惩罚机制非常轻微，一旦选择失误也不会跌得太剧烈。
15.上面这条推导可以再引申一个结论——预期越激进的公司，一旦证伪，下行空间越可观。
所以样本方差过于庞大、拟合结果不显著的时候，惩罚机制是必须要考虑的。
预期收益率并不是「胜率×收益」这么简单的算式，是「胜率×收益 - 败率×亏损」。
后半段那个「败率×亏损」，才是长期决定胜负的关键。
这个逻辑在最后一章讨论杠铃策略、红利低波、长江电力的章节里会反复用到——低波资产的长期价值来自惩罚项被压缩到极小的水平。
16.「只用指南针能跨越大洋吗？」
答案是不能。
判断方向有很多种方式——白天观察太阳、晚上观察星星，指南针只是辅助工具，甚至不是必要工具。
远洋航海真正困难的是判断自己的位置。
不知道位置，只知道东南西北，是无法到达目的地的——因为你不知道目的地在你的北边还是南边。
在大洋深处，判断位置真正依靠的工具是四分仪加上高精度时钟：四分仪测量恒星与海平面的夹角来确定纬度，时钟对比出发地时差来确定经度。
搬到投资——DCF 就是投资的六分仪，它告诉你股价此时此刻在什么位置、隐含的叙事是什么。
仅仅有指南针（各种边际变化）是远远不够的，最重要的前提是知道股价此刻的坐标。
17.高景气度不一定涨。
2021 年到 2024 年，宁德时代的业绩表现从任何角度衡量都是「最景气」的。
2022 年逐季上修、超预期，2023 年跳空高开、还兑现了，2024 年再一次逐季上修——景气度投资三要素（业绩增速的绝对值、边际提升、超预期）每一条都符合。
但股价在 2021 年 10 月就阶段性见顶了，之后跟随创业板指走过三年，没有一分超额收益。
这个背离长达三年时间，绝不是三个月的波动可以糊弄过去的。
如果还要辩护「一阶导不行看二阶导，二阶导不行看三阶导」，就没有意义了——你不知道什么时候该查看几阶导，求导次数越加频繁指标越不稳定，这就跟「地心说」均轮套本轮同一种病。
18.低景气度不一定跌。
农业银行的业绩表现从任何角度衡量都是「最不景气」的：龙头维持较低的个位数增速，年年如此，远远称不上高度景气。
但股价从 2022 年四季度到 2025 年底走过三年「业绩不增长、强行拔估值」的行情，在各种质疑声中不断攀升。
让人更跌破眼镜的是，同期它甚至跑赢了以成长性著称的纳指。
把这两颗死穴摆在一起，传统的景气度投资框架就无法自圆其说。它没办法解释宁德时代与银行走势的此消彼长。
把这个背离归因为「市场风格」「资金流向」「审美偏好」，本质上是回避问题。
19.狭义景气度投资的弊端是，它只能判断行情的起点，判断不了行情的终点。经常怎么涨上去的，怎么跌下来。
更麻烦的是回落过程中景气度还在，所以会持续引诱投资者抄底，抄一次亏一次、越抄越深套。
这个问题必须回到 DCF 的第一性原理去重新梳理。
超额收益只能来自叙事的变化，这个结论直接推翻了景气度投资的立论基础。
把太多的精力花在很多并不重要的变量上时，真正重要的变量就被忽略了。
20.DCF 数学推导里有一条相当反直觉的结论——决定动态 PE 的是天花板高度，不是「多久到达」。
用极简 DCF 展开：当前利润为 1，业绩天花板 M 倍，N 年匀速增长到 M 之后维持永续，折现率 R。
把公式化简一下，动态 PE 由 M、N、R 三个参数决定。
但这三个参数的敏感性完全不同：分子端的 M 和分母端的 R 都没有参数对冲，是主要风险敞口。
而所有出现 N 的地方都有 M^(1/N) 和 (1+R)^N 形成对冲，N 消除不掉，但可以对冲掉相当可观的一部分。
翻译成人话：天花板高度和折现率是关键，几年到达天花板影响相对有限。
下面这些数字可以直接感受到：
10 年 2 倍对应 PE 15.3，5 年 2 倍对应 15.8。
10 年 5 倍对应 28.8，5 年 5 倍对应 30.0。
10 年 10 倍对应 48.6，5 年 10 倍对应 49.9。
只要 N 在 5-15 年这个覆盖了大部分公司的区间，年限差别几乎可以忽略。
21.这个数字结果最终收敛成一张速查表：
横坐标是天花板较当前业绩的倍数，纵坐标是折现率，格子里是合理动态 PE。
它的诞生方式非常严格：从 DCF 公理出发做严格推导，不做数据拟合。
它满足解析解的三大特征——有闭式公式、在给定假设下精确成立、跨行业普适（前提是公司当下有业绩、增长匀速、m 不超过 40）。
作者在书里的评价是「甚至可以称之为 A 股市场估值解析解」。
这张表是全书最重要的一张，后面所有行业的复盘都反复回到它。
即便被迫用了其他估值方法，只要有一天能算清楚天花板，都要以这张表为准。
22.传统 DCF 之所以「算不出精确结果」，DCF 本身没错，是打开方式反了。
常规的做法是先预测未来三年业绩、再给一个半显性期的增速和持续时间、再用折现率折算回来。
问题是：对于形如 (1+a)^b 的式子，输出结果对 a 和 b 都非常敏感，尤其是作为指数的 b。
增速持续时间少许偏差就会导致天花板高度剧烈变化。
所以传统 DCF 的每一步都在放大参数误差，最终折算出来的数字远离真相。
这才是「DCF 算不准」背后真正的机制，模型本身没有问题，问题在于使用方式反了。
23.正确的打开方式是倒过来推算。一步到位先推算天花板高度（也就是空间），再根据发育时间判断复合增速。
增速仅仅是观察公司能不能顺利到达天花板的窗口。
这条方法论的翻转是这本书最实操的一句话。
传统做法把「增速」当成因、「估值」当成果，作者把「天花板」当成因、「增速」当作过程验证。
思路一旦转换，DCF 从「结果不准的估值方法」变成了「最扎实的估值方法」。
后面复盘里的每一次判断都从「这家公司天花板在哪」开始，而不再是从「下一季业绩多少」开始。
24.从股价反推市场相信的终局，比从假设推算合理股价容易许多。
一家公司如果不知道天花板在哪，可以先审视它当前的市值和 PE，反推市场相信的终局是什么——然后你判断这个终局你认可不认可。
例：10% 折现率下，一家公司的动态 PE 是 20 倍，直接查表反推，市场隐含的预期是终极利润为当前的 3 倍。
你觉得终局高于市场预期，就买入。低于市场预期，就卖出。你觉得市场相信的这个 3 倍很离谱、又没办法证伪，就先别动手。
这是所有投资决策的朴素起点：不需要预判自己有多么精准，只需要判断此刻市场相信的是什么，你认可不认可。
25.基于上面的速查表，可以构建一个非常经典的「景气度陷阱」，这在 A 股比比皆是。
假设一家公司业绩预期从「10 年 5 倍」修正为「5 年 3 倍」：动态 PE 从 28.8 降到 20.9，但未来 5 年的复合增速从 17.5% 变成 24.6%，每一年业绩都比原来的预测更加突出。
产业调研全部指向盈利需要上修，而且不是一年两年，是未来 5 年每一年都在上修。
业绩绝对值突出、增速边际提升、每季都超预期——景气度三要素齐全。
可 PE 反而回落了，从近 30 倍回落到 25 倍，PE 的历史分位数已经处在历史低位。
按 PEG 或者景气度框架，此时的判断会是应该抄底。
这就是陷阱——你判断的是「业绩上修」，市场定价的是「天花板推算清楚了」。
分子分母一起放大，相除结果反而缩小。
26.不建议给任何公司赋予永续增长假设。
一方面，作者不认为存在能永续增长的公司。100 年前的标普 500 与现在的重合度是个位数，主动权益基金活到 20 年以上的极其稀少。
另一方面，既然已经一次性定价了终局，再赋予永续增长假设，等于预期打得过度饱满，没有容错率。
但前面的速查表仍然可以兼容永续增长。因为 DCF 的终值等于稳态期现金流除以 (r-g)，提高永续增长率 g 和降低折现率 r 在数学上是等价的。
所以想赋予 2% 的永续增长率，直接把折现率从 10% 换成 8% 查表就行。
不必单独在模型里塞进一个 g，等价而更干净。
27.折现率怎么选取？作者的建议是不要在折现率上做过多的文章。
A 股权益折现率长期选取 10% 就足够，从 00 年代到 20 年代都稳定在这个水平，估值倍数的拟合度非常突出。
这个数字有均值回归的倾向，不太受无风险利率变化的影响，利率处于高位的时候选取 10%，利率处于低位的时候也选取 10%，拟合准确度都相当突出。
差不多也是 A 股主动权益基金的长期复合回报率。
背后逻辑是，折现率就是必要收益率，是吸引投资者长期持有的最基本门槛。
A 股必要收益率不会太过低下，不然无法解释「岁月静好类资产」为什么长期欠配。
美股的经验值大约是 8%，同样长期稳定。
28.「无风险利率下行利好权益资产」这个流行说法在长期数据上完全不成立。
无论 A 股还是美股、日本还是欧盟，历史数据都不支持这个结论。
最典型的是 2022 到 2024 年，我国国债收益率几乎直线下降，权益资产没有迎来预期中的宏大时代。
2015 年以来沪深 300 与十年期国债收益率大部分时候是同向变化的。
反过来讲，如果无风险利率下降一定利好权益，股债应该永远同涨同跌，但在全球范围内，股债跷跷板效应更为常见。
真正显著的变量是风险溢价，不是无风险利率。
29.权益折现率 = 无风险利率 + 风险溢价。
后两者不是独立变量，存在非常突出的内生性。
无风险利率下降往往意味着增长机会减少，恰恰是因为投资者不愿意冒险了、转而增配固定收益类资产，才导致的无风险利率下降。
在这种时候，风险溢价上升的幅度往往更加显著，两者形成对冲，合计结果反而是稳定的。
从分子端审视也一样：无风险利率下降对应经济增长潜力下降，大部分企业盈利端支撑不住，分子跟着塌陷，分母端的对冲反而不足以挽救。
所以「利率下降→ 折现率下降 → 估值上升」这条链条从两端都是行不通的。
30.CAPM 模型计算出来的数值，作者的判断是「精确的错误」。
错在哪里？它把「全市场平均风险溢价」当成一个固定常数在使用。
但风险溢价本应该是一个客观的动态变量，它跟社会保障机制、社会对失败的容忍度、市场赚钱效应带来的风险偏好脉冲全都有关系。
把动态变量当成固定常数，CAPM 计算出来的每一个数字都精确、但错误。
更容易造成的误区是：它会让人得出「权益折现率随着无风险利率等额变化」的结论，而这个结论前面已经论证过是不成立的。
CAPM 的正确用法是给你一个思考框架，不是给你一个可以当作业绩基准的具体数字。
31.无风险利率变化真正影响的，是板块之间的深度分化，不是整体指数行情。
按 CAPM 的核心逻辑，个股折现率与「个股基本面与宏观经济的协方差」直接相关，协方差越接近零，越有可能受益于无风险利率下降。
证明这一点非常困难，需要一些机遇。通常要等宏观经济出现波动，市场才有机会发现某家公司的业绩可以穿越周期而屹立不倒。
这是很多红利资产拔估值的主要途径，大部分新兴行业享受不到。
但「出海」是一个特例，它能同时打开天花板高度、又降低与单一经济体的协方差。
翻译到那张表上，就是「斜着拔估值」，横向增加天花板倍数、纵向降低折现率，两条线一起攀升。
所以拥有出海逻辑的股票，同样业绩表现下，股价表现往往更加突出。
32.长牛股不是一路慢慢涨出来的，它其实是由几段厂字型上台阶拼接而成。
如果拉到年度审视，很多明星长牛股的股价与业绩几乎是同步增长的，看起来是「扎实的业绩支撑了长期慢牛」。
但把时间粒度切换到日度、还原到真实的持有过程，会发现完全另一个故事。
超额收益都集中在少数几段极其短暂的窗口里，其余大部分时间里股价都在横盘、或者跟随大盘走势。
腾讯是最典型的例子，从上市到 2021 年初上涨 1000 倍，中间是许多次不同规模的叙事跃迁拼起来的，不是一根均匀的斜线。
这也解释了一个反直觉的事实：大部分投资者没能从明星长牛股赚到可观的收益。
之所以能长牛，恰恰是因为叙事持续在跃迁。之所以叙事持续在跃迁，恰恰是因为大部分人一直判断错误。
33.扎实的 EPS 增长是股价长牛的必要不充分条件。
仅有扎实业绩、股价仍旧无法演绎成长牛。如果上市时预期就一次性打满了，业绩兑现的过程只是消化估值，赚得的是折现率。
真正演绎出长牛的公司都有一个共同点：起点时的市场预期非常保守，天花板是随着业绩释放被市场一步步上修上去的。
超额收益来自持续的叙事变化，而叙事持续变化的前提是，大部分人一开始就低估了它。
所以长牛股需要三件事共同发力：业绩优异、起点期望非常保守、市场一步步认识。
34.从估值的应然，切换到价格的实然，中间横亘着的是价格的形成机制。
市场的预期本质上是一个分布，不是一个点，所谓「一致预期」根本就不存在。
不同公司的预期分布还有天然差别：判断天花板需要的线索越强大的公司，预期分布越集中。
线索越薄弱的公司，预期分布越离散。
每个人的预期不一样，是因为对基本面理解不同。但股价具体反映谁的预期，跟基本面已经没有关系，取决于市场的交易机制。
基本面的作用是画出市场预期的分布曲线，到这一步就停止了。
股价具体停在分布上的哪个位置，跟基本面没有关系了。
35.美股允许做空 = 对冲机制，A 股基本不能做空 = 拍卖机制。
这是两个市场最根本的定价方式差异。
对冲机制下，多空观点可以相互抵消，股价由市场的平均预期决定，也就是正态分布曲线的中线位置。
拍卖机制下，悲观的人手里的票没办法投出去。
股价从最乐观的预期开始依次表态，出售到筹码出清为止，也就是分布曲线右侧的阴影面积等于公司流通市值可容纳资金量的位置。
最终拍卖出来的价格可能远远超过平均预期。
这个现象的根源在于交易结构本身，不是流动性的差异。
36.拍卖机制下，股价可以拆成两块审视：中线位置 + 截距位置。
中线位置反映市场平均预期，可以认为完全由客观的基本面决定。
截距位置反映交易机制导致的「股价漂移」，跟基本面无关。
截距位置由预期分布和流动性决定。
平均预期相同的两只股票，预期分布越离散、天花板越加算不清楚的那只，截距向右漂移的幅度越加显著，因为你永远不知道最乐观的资金有多离谱。
通俗理解：冲排名靠铁粉，只要不能给不喜欢的选手投负分，最符合大众审美的选手不一定夺得冠军，选美冠军的争议一般都比较激烈。
37.分歧越是显著的股票，在两个市场里的下场完全相反，这是拍卖机制很反直觉的一条推论。
在美股这样的对冲机制里，分歧越是显著的股票，预期收益率的方差越发放大、风险溢价越发抬升、估值往往越发压低。
在 A 股这样的拍卖机制里，分歧越是显著的股票越容易产生朦胧美：截距向右漂移的幅度越发放大，估值可能反而越发抬升。
所以同一类资产在两个市场的定价可以完全反向。
A 股「朦胧美溢价」这个特征既是它最主要的魅力，也是它最主要的风险点。
一旦流动性退潮，截距会以同样的速度往回收敛，涨跌同源。
38.流动性在拍卖机制里，是一个独立的定价要素，不再只是「提高定价效率」的辅助变量。
关注一家公司的资金从 1000 亿加到 2000 亿，只要流通市值支撑得住，定价的仍然是「最乐观的第 100 亿」，但 2000 亿人群里的第 100 亿一定比 1000 亿人群里的第 100 亿更极端。
所以后面新进来的 2000 亿即便和前面的 1000 亿平均预期完全一样、每种预期对应的比例都不变，股价照样往上移动。
这时候的股价上涨与基本面没有任何关系，完全由流动性冲击贡献。
反过来回落下来的时候也一样，不要强行寻找基本面解释。
39.把流动性冲击与预期分布结合起来，会得到一条二阶导为正的结论：朦胧美越浓厚的票，涨得越加猛烈。
正态分布假设下，右侧尾部越往外面积越加狭窄，随着流动性扩张，拍卖价格 y 会出现加速上涨。
弹性还与方差正相关，共识度越薄弱的公司，越容易被流动性拉起来。
这就解释了牛市后期的一个现象：一旦市场进入资金的正反馈循环，越是有基本面的票反而越难以跑赢指数。
干净基本面的公司天花板已经推算清楚了、预期分布很集中，反而没有「朦胧美」可以让流动性挤出溢价。
朦胧美加上短期不能证伪加上流动性泛滥，这三件事凑齐，就是牛市后期涨得最猛烈的公司画像。
40.大票风格还是小票风格，是估值的结果，不是估值的原因。
2022 到 2024 年 924 之前 A 股是大票风格，流行解释是「市场流动性不行，干流的水量都不足，支流早就干涸了」。
2013 到 2014 年 A 股是小票风格，同样是流动性不行、当时还有著名的资产荒，流行解释却变成了「市场上资金过于稀薄、拉动不了大票，只能去买入小票」。
两种解释都能自圆其说，但都是把结果当成了原因。
真正的机制是，流动性冲击加上预期分布共同决定截距漂移的方向，风格是这两个变量共同的结果。
把风格当成因，等于给地心说打上了一层新的补丁。
41.罗伯特·希勒在《非理性繁荣》里举过一个非常形象的比喻：
把话筒对准老式音响，鼓一下掌，掌声被话筒吸收、被音响放大、再被话筒吸收，如此往复就会产生长时间尖锐刺耳的噪声。
噪声的源头来自鼓掌，但持续时间与刺耳程度跟鼓掌本身无关，取决于话筒与音响之间的反馈机制。
A 股拍卖机制里的正反馈就是这个原理，由于没有做空力量制约，非常容易产生自我强化的循环。
牛市末期的疯狂上涨、熊市末期的加速下跌，都是这个反馈机制的产物。
它不算一种投资理念，更像一种投资哲学：可以不参与，但不能不知道。
42.结合前面的速查表，可以把股价的上涨机制拆成两种：横着拔估值加上竖着拔估值。
横着拔估值是打开天花板高度，在牛市的前半段，按照 10% 的长期稳定折现率把天花板上修到位。
这段拔估值可以让股价迈上一个台阶，只要后续基本面能跟上，涨幅不会回吐。
竖着拔估值是降低折现率，在牛市的后半段，由于流动性冲击和市场情绪亢奋，风险偏好脉冲式抬升。
但折现率有均值回归的倾向，这段拔估值只是加剧波动、不形成趋势，涨上去多少最终都要全部回吐。
所以横着拔的估值是「结构性的」，竖着拔的估值是「流动性的」，两者的持续性完全不同。
43.复盘的第一条铁律是：能用逻辑推理就不要采纳归纳总结。
归纳总结都有严格的适用范围，使用时必须小心翼翼。
逻辑推理没有，只要严格按照大前提、小前提、结论的方式推演，只要假设成立，结论就一定正确。
证明和「拟合结果显著」是两个完全不同的概念。
所以整本书是逻辑推理为主线、归纳总结为辅助：从 DCF 公理往下推导，得到理论结论；再用现实案例回验框架的准确性；不允许反向操作，即从案例归纳出规律。
这条方法论的翻转是这本书容易被忽略、但很重要的一层，它决定了后面所有复盘的读法。
读者应该关心的是「这个案例是不是验证了理论」，而不是「这个案例揭示了什么规律」。
44.在归纳总结不得不使用的场合，作者的建议是：做反方观点的最佳辩手。
借用显著性检验的思想：先假设结论不成立，再去寻找足够的理由推翻这个假设，才能反证结论。
比如检验药物是否有效，先假设药物与安慰剂等同，再寻找足够证据拒绝这个假设，才能推出「药物有效」。
「显著」的要求是非常严格的，不要随随便便对着两条线就说显著，很多直觉相关且看似相关的数据都无法通过显著性检验。
样本方差越加庞大就越难以拒绝原假设，越难以证明想要的结论。
在可选案例数量非常有限的时候，必须苛刻：穷尽所有可能都无法反驳所持观点、进而接受反方观点，才能认为原观点是正确的。
45.《穿透叙事》第二章开始的行业复盘，作者是这样选的：
光伏是成长股模板。
煤炭一己之力串起了成长股、价值股、周期股的完整循环，00 年代 WTO 是如假包换的成长股，4 万亿之后过热，供给侧改革让它变成价值股，双碳战略又给了它新叙事。
茅台是上一轮消费升级最典型的代表。
乐视是「为梦想窒息、结果被梦想窒息」的负面样本。
长江电力读懂了就读懂了泛红利与稳定类资产；腾讯是最值得复盘的公司，从上市到 2021 年初上涨 1000 倍。
科技和医药也可以套用同一套框架，这些行业书里没有单独复盘，但同样成立。
选行业的判据是能否验证前一章框架的不同侧面：成长、周期、价值分别落在不同案例上，涨幅本身并不是挑选的标准。
逻辑推理为主线、案例为验证的方法论，也决定了案例的挑选标准。
46.有效市场理论在这本书里的定位是：市场是动态有效的，既不是绝对有效也不是绝对无效。
市场会围绕合理值不断上穿、下穿、再上穿、再下穿，上穿就是高估、下穿就是低估。
所有人都在挖掘信息、信息交流越充分、市场就越尽可能迅速地回到合理值。
如果市场绝对有效，研究就没意义了，永远买入指数就行。
如果市场绝对无效，研究也没意义了，你判断低估市场也永远不认可。
正因为它是「波动式动态有效」，今天无效、明天马上有效、后天又高估、大后天又回到有效，所以研究才有价值。
短期是投票器，长期是称重器。
所谓「长期」，就是「大部分人看清楚的那一刻」。
47.「预期差」这个词其实不足够精准，作者更愿意用「叙事变化」这个词。
「预期差」在通常语境里包括的东西过于宽泛：对下一期业绩的差值、对短期高频数据的差值、对政策松紧的差值，全都算预期差。
但这些差值里大部分对股价影响很有限。
作者定义的「叙事」是狭窄的，它只指对行业终局空间的判断和对折现率的判断。
只有远期叙事发生变化，才会带来股价的跃迁。
超额收益的真正来源是远期叙事的变化，通常语境里那种宽泛的预期差不算。
其他的预期差充其量决定短期波动。
48.信息过载成为常态之后，分析师真正的护城河发生了变化。
以前是拼谁的调研更加勤奋、谁的高频数据更加快速、谁的产业消息更加灵通，这些今天全部被 AI 和实时通讯工具平权了。
真正的护城河是「基于公开信息的定价能力」，同样一份公开信息，因为处理方式、观察角度、方法框架的不同，可以得出差异巨大甚至相反的结论。
这才是终极 alpha。
背后是对底层估值体系、商业模式、经济发展脉络、乃至更宏观的时代叙事的深层次思考。
财务和估值是投资的元技能，成本最为低廉且有效性最为突出的信息获取方式，绕开这片富矿是得不偿失的。
49.提升研究能力的方式，作者的表述是：将研究「资本化」。
所谓「资本化研究」，是指得出的结论、走过的路径可以被复用——第一次研究是资产表上有一个资产，第二次研究是在这个资产的基础上再叠加一个资产，第三次再叠加，像资本开支型支出，能积累认知复利。
反过来「费用化研究」是每次都归零，今天跟踪高频数据、明天跟踪政策，对下一次研究没有任何推动作用。
时间是分析师最主要的支出。
所有花在费用化研究上的时间，都是非经常性损益，账面上有产出，长期分文无存。
增加资本化研究、减少费用化研究，是唯一能积累认知复利的路径。
50.估值到底是艺术还是科学？
作者的观点是：科学，而且科学的成分要给予远远远远更为可观的权重。
所谓「叙事」，90% 以上都是科学的成分，是可以计算出来的。
就算你对一个公司没有超额认知，也可以根据当前的股价反向推算出来市场此刻在交易什么叙事，这是一个具体的数字。
把估值当作艺术，本质上是给自己的模糊判断寻找一个借口。
真正的估值工作应该像物理学：公理清晰、推导严谨、结论可验证。
速查表就是这个态度的最直接体现，它是从 DCF 公理严格推导出来的封闭公式，每一次案例复盘都是对它的验证。
主题股票：
主题概念：
声明：遵守相关法律法规，所发内容承担法律责任，倡导理性交流，远离非法证券活动，共建和谐交流环境！
