投資中的認知邊界

投資中最難的關卡，在于識別自己的認知邊界。

隨著AI越來越快，模型越來越強。信息的獲取極其廉價，認知盲區的探索卻極為昂貴。

這句話我花了很長時間才真正理解。它與書本無關，完全是從一次次虧損和反思里磨出來的。

這段時間一直在整理自己之前反思和踩坑，收益做的并不好，但反思可能值點錢吧。

恐高的陷阱

「這個位置太高了，不敢買�！惯@句話我聽過很多次，也自己嘀咕過很多次。

但實際上，恐高的背后，是一種根深蒂固的信念，估值高了，遲早要回歸，估值低了，遲早要反彈�！妇祷貧w像萬有引力，永遠存在，必定到來 」 。

但問題在于：什么算高？什么算低？

很多人看通信ETF，覺得估值高、位置高、不敢買。但如果拆開看，通信行業的企業盈利增速預期在50%-100%。AI算力浪潮帶動光模塊需求爆發，中際旭創一季度凈利潤同比增長262%。在這個增速下，當前估值其實并不算高。

反過來看恒生科技。很多人覺得估值低、位置低、可以抄底。但恒生科技里的企業盈利增速普遍較低，港股還受海外美元流動性和人民幣升值的雙重壓制。過去一段時間跌得慘，不是被錯殺，而是基本面和流動性的真實反映。所以當前位置，并不算真正的低。

兩個行業，兩種判斷�？雌饋矶际窃谧鼍祷貧w的博弈，但本質完全不同。

恐高的真正陷阱，在于用后視鏡和線性外推去看估值，卻忽略了行業的變化和增長。

后視鏡中看歷史估值分位，覺得「漲多了就要跌」。但歷史估值的前提是基本面穩定。

當行業發生結構性變化——比如AI帶來的需求爆發——歷史估值分位就失去了參考意義。

同樣的，把過去的增速當成未來的上限。覺得通信過去漲了這么多，未來不可能持續。但AI算力需求才剛剛開始，800G光模塊的需求還沒完全釋放，1.6T、3.2T的技術迭代還在路上。用過去的增速去框定未來，是刻舟求劍。

換其他指數比較PE分位數也是一樣，當整體無風險收益率下行，現在的權益資產PE和五年前相比雖雖然高，但相對無風險收益的性價仍然有持有價值。

所以，真正應該問的問題是，你所關注的這個行業的基本面發生了什么變化？盈利增速的預期是否匹配當前估值？均值回歸的前提——穩定的均值——是否還存在？

恐高不是錯，錯的是恐高的理由。如果是因為估值真的脫離了基本面，那確實應該謹慎。但如果只是因為「漲多了」就覺得危險，那就是用舊地圖看新世界。

勤奮替代思考

我見過很多「勤奮」的人。每天讀幾十篇研報，追蹤上百個數據指標，跟蹤幾十個行業動態�？雌饋砗芘�，很專業。我現在也看到有人養了個OpenClaw，喂了一千多本投資炒股的書籍，讓它指導炒短線。

特別可笑的是，那個openclaw連昨日行情都取不到。

這種人，是在用勤奮逃避思考。

信息量不等于認知深度。讀了足夠多的報告，就能做出正確的判斷。這是錯覺，信息是原材料，思考是加工能力。沒有加工能力的人，給他再多原材料也只是堆積。

更可怕的是，信息過載會讓人更依賴直覺和既有框架，而不是深入分析。當大腦被信息淹沒時，我們傾向于用最快的方式處理，去套用既有模型，接受容易消化的結論。這其實是「confirmation bias」的溫床。

我自己也踩過這個坑。剛入行時瘋狂讀研報，以為讀得多就是懂得深。訂閱很多信息，解讀，速報。但回頭看，那些年讀的東西大部分是過眼不過腦的噪音。真正的認知提升，發生在少數幾次深度思考之后，而不是大量閱讀之中。

用戰術上的勤奮掩蓋戰略上的懶惰，是這個時代最常見的自我欺騙。

信息繭房的陷阱

比不勤奮更隱蔽的，是勤奮地待在信息繭房里。

最近看到一條微博，講的是國內宏觀分析師在出口研究上的盲區。出口實質上是外需，研究出口應該看海外訂單需求的變化，而不是國內的供給優勢或產品競爭力。但很多分析師的研究框架恰恰相反——他們盯著國內產能、成本、競爭力，卻忽略了真正決定訂單的外需端。

為什么會這樣？

語言壁壘是一個原因。一位有十幾年經驗的從業者觀察，分析師閱讀英文資料的時間不到中文的一半。信息接受量直接砍半，自然無法準確把握外部需求。

但更深層的原因是研究的路徑依賴和數據可得性。

國內宏觀數據，PMI、社融、工業增加值這些獲取門檻極低，打開Wind就能拉出一整張表格。模型搭建也很成熟，套一套公式就能產出一份像樣的報告。但跨國產業鏈的追蹤、海外宏觀指標的交叉驗證，需要極高的信息處理成本和專業知識儲備。

人們總是傾向于在路燈底下找鑰匙，單純因為那里亮。

研究美國科技股，不看英文媒體和財報原文；研究港股，不看港媒和外資行的英文報告；研究新能源，不看海外政策和產業鏈數據。為什么？因為中文資料讀起來快、容易上手、框架現成。

以為是全貌，其實只是站在信息地圖的一角。

信息源的選擇，本身就決定了認知邊界。信息繭房不是刻意建造的，而是自然形成的——因為我們天然傾向于待在舒適區，在路燈底下找鑰匙，讀容易讀懂的東西，接受容易理解的觀點。

打破信息繭房需要刻意努力：強迫自己讀一手信息，讀立場不同的信息，讀那些讓你不舒服的信息。這很累，但不這么做，認知就永遠被局限在一個小圈子里。

訴諸權威

「訴諸權威」，之前學寫argument了解到了這個概念，但仍然很難在日常中分辨。

因為人家的位置，title，把別人的觀點當成事實。投資分析里，這種混淆無處不在。

研報說這家公司競爭力強，我就信了。專家說這個行業有長期增長邏輯，我就接受了。賣方給的目標價是100塊，我就覺得合理。

但別人的觀點，不是事實。即使這個人是專家、是權威、是擁有金字招牌的機構。

前幾年我看過一份關于光伏行業的深度報告，結論是中國光伏企業的全球競爭優勢來自于「成本低」。這個結論被無數報告反復引用，幾乎成了行業共識。

但深入去看，低成本只是表象。真正的競爭優勢是一整套產業生態——設備國產化、工藝快速迭代、上下游協同、龐大市場支撐政策補貼。這些因素組合在一起，才構成了真正的壁壘。

如果只接受「成本低」這個表層結論，就會低估真正的護城河，也可能高估那些成本看起來也低的后來者。

一季度的時候，行業盛傳可插拔光模塊要被CPO替代，來源也是幾個看上去在臺灣的財經號或者臺灣一些媒體的截圖，甚至我看到小作文傳的圖片截圖都一樣。這種新聞，無論是站在產業鏈發展、大公司流程、甚至政治站位來講可信度就不高，但是仍然會有很多人用這種消息替代實際的調研思考，看跌通信或者光模塊。

為什么我們會輕易接受別人的觀點？思考很累，接受很輕松。專家已經做過研究了，我再想一遍豈不是多此一舉？但問題是，專家也可能錯，專家的框架也可能有盲區，專家的信息源也可能有偏差。

更關鍵的是，當我接受別人的觀點時，我其實是放棄了獨立判斷的機會。我不知道這個結論是怎么來的，不知道支撐它的證據是什么，不知道反駁它的理由在哪里。

區分觀點和事實，不是去質疑所有人的專業能力，而是把別人的觀點當作研究的起點，而非終點。

承認邊界，建立框架

投資中有一句話很流行：人只能賺認知范圍內的錢。

這句話對了一半。認知范圍確實決定了投資邊界。但還有另一半同樣重要：人很難意識到自己的認知邊界在哪里。

不知道自己不知道，是認知的常態。以為自己懂，其實只是懂了一點皮毛。高估自己的認知水平，是最常見的認知偏差。

犯錯之后，我開始有意識地建立一套對抗認知偏差的框架。不是什么高深的方法論，就是幾條硬規則。

第一，三段論加因果鏈

每次下結論前，我會強迫自己把邏輯拆成大前提、小前提、結論三個部分。

然后檢查每一環：大前提真的成立嗎？小前提有證據支撐嗎？因果鏈條是「因為……所以」，還是「因為……所以……但其實是因為」？

先說個顯而易見的例子， 很多投資者買基金的邏輯是：「這個基金最近漲了50%，肯定很厲害，我要買�！�

拆成三段論：

• 大前提：過去漲得好的基金未來也會漲得好

• 小前提：這個基金過去一年漲了50%

• 結論：所以買了能賺錢

從大前提來看，想想「過去漲得好的基金未來也會漲得好」這個大前提是正確的，還是不太嚴謹的，還是荒謬的。

再換個例子，我之前常常聽基金公司說要開始推ETF了，因為領導說市場空間巨大、競爭對手都在布局，所以必須加速推進。

這里面其實隱含兩個假設：

「ETF市場大，競爭對手要做，所以我們也要做」

分解為三段論則是：

大前提 ： 市場大而且對手在做的事情，公司必須做；
小前提： ETF是市場大而且對手在做的事情；
結論： 所以公司必須做ETF 。

「 因為ETF有先發優勢，所以我們必須加速推進以確保速度大于或等于競爭對手。 」

分解為三段論則是：

大前提：凡是誰先做誰占便宜的事，公司推進就不能慢；

小前提：做ETF，就是這種誰先做誰占便宜的事；

結論：所以我們得加速。

不管是大前提還是小前提，都需要進一步論證公司資源能力甚至持續運營能力。但領導，你這么著急，你是不是既要又要了啊

這種「大家都在做所以我也要做」的邏輯，在很多行業都出現過。新能源車最火的那幾年，多少企業沖進去，最后產能過剩、價格戰、毛利率歸零。他們看到的只是「對手在布局」，卻沒看到需求增速已經開始放緩。

這個習慣很折磨人，因為它強迫我直面每一個假設。但折磨之后，邏輯會變得異常清晰。那些看起來成立的結論，拆開一看常常漏洞百出。

第二，遞歸式追問

一個結論形成之后，不是終點，而是起點。我會問：這個結論依賴的核心假設是什么？這個假設站得住腳嗎？如果假設錯了，結論會如何改變？

追問的目的是找到論證鏈條中最薄弱的那一環。找到之后，不是急著否定整個結論，而是評估：這一環有多關鍵？有沒有辦法驗證或補充？

有次我記得今年前觀察到美股指數持續突破歷史新高。初始邏輯是：因為寬基指數屢創新高，所以宏觀經濟處于全面復蘇周期，企業應當順勢做多中小盤資產。

但反過來問下去：寬基指數的新高，等同于宏觀經濟的全面復蘇嗎？這個結論的核心假設「市值加權指數表現能夠代表全市場基本面」站得住腳嗎？

然后去查閱的收益歸因會發現指數漲幅幾乎完全由頭部科技巨頭的估值擴張驅動。剔除這些巨頭，剩余成分股正面臨盈利停滯和高息環境下的債務重置壓力。這個發現會讓你發現初始邏輯中用總量的觀點替代結構性的事實。

另外，很早前也有人和我抱怨資產凈值核對工作經常導致報告延遲。初始邏輯是：因為人工核對效率低下，所以企業必須采購全自動核對系統。但這個時候反過來問一下，耗時過長必然是因為缺乏自動化系統嗎？采購系統就等于提升業務效率嗎？

但實際上跟著日流程跑一遍就會發現，工作80%的延遲場景花費在參數設置問題，系統操作失誤，以及雙方反復確認數據口徑上。這個時候你就會發現問題不是出在工具落后，而是出在標準缺失的流程問題。

有的領導可能一拍腦袋再上個系統就好了，「上了系統你們都好了」。其實也沒有抓住根本的問題。這種遞歸式的追問，能避免用戰術上的技術升級去掩蓋戰略上的流程漏洞，也能強迫我去看那些真正制約效率的基礎設施（如數據治理標準）。

這種遞歸式的追問，能避免用觀點替代事實，也能強迫我去看那些被忽略的信息源。

第三，對立面思考

每一條邏輯鏈，我都會問自己：反過來的情況成立嗎？有沒有人持完全相反的觀點？他們的理由是什么？

這不是為了和稀泥，而是為了檢驗邏輯的邊界。一個經得起對立面挑戰的結論，才是真正站得住腳的結論。

比如在進行業務系統改造時，我也見過這樣的觀點「運營管理的終極目標是全流程自動化」。對立面思考讓我去問：反過來的情況成立嗎？過度自動化有沒有可能引發系統性災難？保留人工干預的環節反而是理性選擇？

復盤尾部市場行情（如高溢價資產的流動性危機）的處置記錄后發現，確實如此。因為自動化系統缺乏對無歷史數據參考的突發事件的定性判斷能力，所以在異常市場環境中，全自動指令往往會引發連鎖的錯誤交易。此時，經驗豐富的人工介入，比算法的盲目執行更具系統防御力。

同理，在構建投資組合時，市場通常把「資產價格的波動率等同于風險」奉為圭臬，從而得出高波動資產絕對不能碰的結論。對立面思考讓我去問：波動率有沒有可能不是風險，而是機會的來源？

因為優質資產的短期向下波動能提供更低的安全邊際，所以對于具備長線期限的資金而言，波動不僅不是風險，反而是以折扣價獲取優質股權的護城河。真正的風險并非賬面價格的起伏，而是資本的永久性損失和基本面的惡化。

這個視角的轉換，讓我重新界定了「風險控制」的邊界：它控制的不是數學模型里的標準差，而是底層的資產質量和資金的杠桿率。

任何分析結論，在沒有經過充分質疑之前，都只是假設。假設需要驗證，驗證需要時間，時間意味著倉位控制。

承認自己可能錯，比堅信自己一定對更需要勇氣。但承認之后，需要一套方法來不斷檢驗和修正自己的邊界。這套框架不完美，但它讓我犯錯的成本變低了，修正的速度變快了。

在投資這個持續犯錯的游戲里，這大概是最有價值的收獲。

作者：坦桑尼亞老云 | 編輯：栗加

每個視角都是拼湊世界真相的碎片，聽真誠的行業觀察者講述獨特的故事。我們有深耕行業的資深顧問，連續跨界探索的未來創業者，專注細節的產品匠人，和許多志同道合的你們，如果你有想要分享的故事或者感想，可以留言或者郵件聯系（AiysJY@outlook.com），也歡迎點分享給需要的朋友們，記得點一下在看和星標，期待共同在這個行業的宏大敘事中，留下一句詩。：）