本站最新域名:m.xakshu88.com
老域名即将停用！

GPU、ASIC、FPGA）的优劣分析笔记。“最初是几家都在看。但持续跟踪了大概半年多，通过财报、招股书（如果已上市）、技术发布会、专利情况、客户进展等，逐步排除了其他几家。有的是技术路线我觉得前景不明，有的是管理层不稳定，有的是财务结构有问题，或者估值太贵。XXX科技是其中，在技术自研、团队背景、财务稳健性和当时估值（相对其成长性）几个维度综合下来，赔率看起来最合适的一家。”

    “赔率？”唐磊抓住关键词。

    “对，赔率。”贝西克点头，从另一个文件夹里抽出一张A4纸，上面是一个简单的手写估值模型草稿。“这是我第一次尝试给XXX科技做粗略估值。不是那种复杂的DCF（现金流折现），而是基于几个关键假设：未来几年的营收增速、毛利率变化、市场份额、以及可能的估值倍数区间。算出来一个很宽泛的内在价值范围，然后对比当时的市值，看潜在上涨空间（赔率）有多大。同时，也评估了最坏情况：如果技术失败、竞争恶化、行业需求不及预期，股价可能跌到哪里。这个‘下行风险’的估算，和‘上行空间’的估算，结合起来，构成了最初的赔率判断。”

    唐磊看着那张充满假设和箭头的草稿纸，虽然粗糙，但核心思路清晰：寻找上行空间远大于下行风险的机会。“所以，你并不是一开始就认定它一定会成为大牛股，而是觉得，在这个位置买入，如果对了，赚得多；如果错了，亏得相对有限？而且这个‘有限’在你承受范围内？”

    “没错。”贝西克肯定道，“这就是‘赔率思维’。我不追求100%确定的机会，那种机会要么不存在，要么早已price in（价格已充分反映）。我追求的是‘不对称性’：向上的空间远大于向下的风险。这就需要深度研究来降低‘不确定性’，提高判断正确的概率，但更重要的是，识别出这种‘不对称’的结构本身。XXX科技在当时，就初步具备了这种结构：行业在爆发前夜，公司有核心技术，财务还算健康，市值不大。如果看对了，空间很大；如果看错了，由于市值小、有技术底子，也不至于归零，下行风险相对可控。”

    随着资料整理的深入，XXX科技的研究脉络越来越清晰。贝西克的研究不是一蹴而就的，而是持续数年的、迭代演进的过程。

    他们找到了贝西克跟踪公司每个季度财报后写的分析摘要，记录着他对营收、毛利率、研发费用、存货、现金流等关键指标变化的观察和解读，以及由此引发的对公司经营状况的推断和新的疑问。

    “看这里，”贝西克指着一份大约两年前的笔记，“这个季度毛利率环比下滑，我当时的分析是产品结构调整和初期规模效应不足，但需要观察是否可持续。我在旁边打了个问号，标注‘下个季度重点观察’。后来下个季度的财报显示毛利率企稳回升，我的判断是短期波动，不是趋势性问题，于是在旁边打了个勾。”

    还有对行业动态的紧密追踪：竞争对手的新品发布、技术路线的演进、下游大客户的订单情况、政策环境的变化……每一件可能影响公司竞争格局和行业前景的事件，贝西克都有记录和简评。

    “这是当时某国际巨头发布新一代GPU的新闻剪报，”唐磊翻出一张打印的新闻网页，上面有贝西克的批注：“性能提升显著，但功耗和成本仍是问题。对XXX科技在特定细分市场的差异化路线构成压力，但也可能加速行业洗牌，利好头部自有技术公司。需关注XXX科技下一代产品性能对比。”

    甚至还有一些看似零碎的信息：公司在招聘网站发布的职位信息（反映业务扩张方向）、核心技术人员发表的学术论文或会议演讲、供应链相关的小道消息（需交叉验证）……都被贝西克以各种形式记录、归档，试图拼凑出公司发展的完整图景。

    “老贝，你这研究的细致程度，快赶上卖方研究员了！”唐磊感叹，“不，比很多卖方研究员还细！他们很多时候是追热点、写报告，你是真的在‘理解’这家生意。”

    “研究员覆盖很多公司，我们只聚焦少数几家。”贝西克说，“我们的优势就是可以更深入、更持续。投资的本质是认知的变现。你对一家公司的理解，必须比市场上大多数人更深，才能发现他们没发现的价值，或者规避他们没察觉的风险。这就是‘认知差’的来源。”

    “认知差决定赔率空间。”唐磊想起大学笔记上那句话。

    “对。”贝西克点头，“深度研究的目的，就是创造这种认知差。当你看懂了行业的大趋势，看懂了公司的核心竞争力、管理层的执行力和未来的成长路径，而市场因为短期的噪音、偏见或无知，没有充分认识到这一点时，赔率就出现了。你的研究越深，认知差可能越大，潜在赔率就越高。当然，你也可能看错，所以需要风险控制。”

    他们接着整理出了贝西克在不同时间点，对XXX科技估值模型的迭代版本。从最初简单的市盈率（P/E）对比，到更精细的市销率（P/S）结合盈利预测，再到尝试搭建更复杂的、考虑研发资本化、潜在市场规模（TAM）和长期利润率的模型。每一个模型都伴随着大量的假设和敏感性分析，旁边标注着各种“如果……那么……”的情景推演。

    “这个模型，是你决定重仓买入前做的吧？”唐磊指着一个相对复杂的Excel表格打印稿，上面有贝西克手写的各种调整参数和结论。

    “是的。”贝西克回忆道，“那是经过近一年跟踪研究后，公司发布了具有里程碑意义的新一代产品，性能参数超出市场预期，同时拿到了一个重要客户的design win（设计中标）。我当时更新了模型，上调了未来增长预期，并评估了各种情景下的估值区间。最终得出的结论是，即使按照比较保守的假设，公司的内在价值也显著高于当时市值，赔率非常有吸引力。而且，经过持续跟踪，我对公司管理层的执行力和技术路径的信心也增强了。于是，在那个时间段，进行了集中加仓。”

    “这就是你常说的，‘逻辑、估值、赔率、仓位’四者共振？”唐磊问。

    “可以这么理解。”贝西克说，“逻辑是基础（公司好不好，行业趋势对不对），估值是标尺（贵不贵），赔率是决策依据（值不值得下注，下多少注），仓位是执行（将判断转化为实际行动）。四者缺一不可。逻辑错了，一切白费；估值太高，没有安全边际；赔率不够，不值得重仓；仓位不合理，要么赚不到大钱，要么风险暴露过大。”

    在整理决策记录时，他们发现了贝西克每次买卖操作的背后，都有相应的研究笔记作为支撑。买入，对应着逻辑强化、估值合适、赔率诱人；卖出或减仓，对应着逻辑部分兑现、估值过高、出现更好的替代机会，或者发现了新的潜在风险。每一次操作，都不是随心所欲，而是与研究结论紧密挂钩。

   &nb
『加入书签，方便阅读』
-->> 本章未完，点击下一页继续阅读(第4页/共5页)