我不追求100%确定的机会,那种机会要么不存在,要么早已pricein(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。
(本章未完,请点击下一页继续阅读)第179章木头体系雏形(第2/2页)
“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designwin(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
>>>点击查看《逆袭从木头人开始》最新章节