年初的时候，希望看看我的小伙伴们有什么有趣的idea，我找来熟悉的70-80名基金经理和少数研究员，大部分都非常资深，很多都是认识很多年的朋友，并且我对他们水平和能力都是相对认可的。我们的游戏规则很简单，写3个以内看多或看空的标的，但要求至少拿到年底（后来实际上我们允许在年中给了一次调仓的选择权），这样避免了选择一些短期投机标的而无法调仓的问题，我们期待所有参与者都会比较慎重的选择一些长期的标的（当然，因为这仅仅是游戏，而非真金白银组合，因此依然会出现一些比较极致的持仓选择）。这样一方面更为严肃认真和长期的选择也许可能会有更好的效果，另一方面，一些有趣的更长期的标的也可以给我们团队更多的时间来进行学习和研究。实际效果：分化巨大！半年下来，最优秀的组合获得了75%的收益，而最差的组合-60%。。。而平均收益在6.8%，中位数在4.2%。巨大的差异主要来自于比较大的预期落差能够在年初就选中AI和科技，特别是NVDA，TSLA，META的取得非常惊人的收益，而这在年初的时候还远远没有形成共识，甚至面临非常大的分歧。表现最好的前五组合：而表现最差的组合往往是重仓中国资产，特别是如果同时还做空了美国的标的则表现会更差。。。表现最差的前五组合：年初小伙伴最爱的股票分别是PDD，TSLA，Tencent，TSM，BABA，最爱做空的是XPEV，东方甄选，海底捞，AAPL，油气基金。策略本身很难保证投资的效果我们常常诟病说基金很多决策是因为过于短期，而如果做一些相对长期的决策则正确率会明显提高？也有说法说如果我们集中度提高，只选择highest conviction stocks，则正确率会高很多（也有很多大佬是如此执行的，如Buffett, Druckenmiller, 等等)实际的选股效果如何？好像也不尽然，首先我们的不调仓组合整体的收益率平均收益在6.8%，中位数在4.2%，是要高于

一、大脑这台”计算机“如何运作 如果把大脑想成一台计算机，在资源（卡路里、脑容量等）和算力有限的情况下，要实现核心功能运算和存储，必须在高性能和低功耗做出平衡。 人类的解决方案是：以”两个系统“实现运算，以”选择性记忆“实现存储。 1，如何运算——两个系统 系统1： 一种低功耗高效率方式。走捷径的处理方式，在问题和答案之间直接建立链接，省略了思考推理过程。或者用更简单的相关性问题替代回答因果问题。但这种直连也是基于高概率的基础上。表现出来是无脑反应、本能、经验、习惯……大部分的决策都通过系统1完成。 系统2： 一种高性能但低效耗能的方式。不走捷径，基于数据、推理、逻辑来决策。打个比方，就好比为了做一道菜，从种菜开始，准备食材调料，研究食谱，最终做出一道菜。基于第一性原理来解决问题，也是系统2的类型。系统2的特点是更可靠更准确解决问题的方式，但是太烧脑，总是用这种方式脑子就烧坏了。 例子： 计算14*14，很快得出答案，这种计算就是基于系统1；但计算17*24，大部分人无法很快得出答案而需要笔算，这种计算就是基于系统2。（须注意的是，系统1和系统2只是为了便于理解的人为划分，大脑并没有这样的系统划分） 两个系统如何协调 由于系统1效率高耗能小，虽然不够准确但是能在大概率上可用，而系统2消耗大效率低（慢）缺乏并行处理能力易被分散注意力。因此大部分时间用系统1，系统1解决不了再调用系统2参与。 例子 看不见的大猩猩录一段3分钟的白队和蓝队对攻打篮球的视频，让实验参与者数白队队员之间传球次数，在参与者回答后进一步问是否有在视频看到有只白色大猩猩从球场穿过，大部分人都表示没看到，而事实上视频中确实有一只大猩猩从场地穿过，十分明显但实验参与者看不到，就是因为数传球次数的任务启动了系统2，而系统2对脑力非常消耗，很难进行任务并行，使得在常态下很容易发现的大猩猩竟然在任务中没被觉察。

  Core Value： Value investing in the best growth opportunities and share with our investors on the way. What we are looking for: 1, Those with strong competition advantages, especially coming from economy of scale and customer captivity. 2, Those still have great potential to grow. 3, Those with honest, capable management. 4, Those who have not been overly priced for their future opportunities. In short: BEDROCK seeks out undervalued stocks of growing companies we understand with honest, capable management. Recent Thoughts: Recently, our portfolio has seen not a small drop and we feel pledged to reiterate our investment philosophy and methodology, recent trades, and future outlooks. Our investment philosophy and methodology: In short, our way of investing is: Global Systemat

对社会协作的数学思考 有机会阅读了1984年就发表的但似乎并非广为人知的《Evolution of Cooperation》，惊呼神书，很多备受争议的话题，比如人性本善还是性本恶啊？在人类社会，国际政治当中应该采用何种策略来为人处世？我们到底是听从父母建议，国家引导还是宗教教义来指引我们用何种方式来对待世界？这些非常复杂和非常具有哲理性，而且似乎根本扯不清楚的问题在这本书中竟然用一种更加科学性、工程化、逻辑性的方式做出了表达，非常具有启发性。 如何在一个没有中央政权的环境下产生合作关系？因为，通常情况下，帮助别人意味着一种牺牲，而由于没有中央政权，你并不能保证别人一定会给予回报。 囚徒困境当中往往选择的是背叛 在一个标准的囚徒困境当中，最好的结局明明是互相合作，但由于没法保证对方的选择，最后从自我利益最大化的角度出发双方各自最好的选择竟然是对双方整体最差的结果，既双发都会选择背叛。事实上，只要是在有限次数博弈过程当中，双方都会一直选择背叛。 那么为何合作会产生？ 而当条件稍稍改变，也是非常普遍的局面下，即参与者的相互博弈可能是未知次数的，或者说对未来未知的局面下，合作就可能会产生。 也就是说，如果对于决策者而言，今天做的决策不仅仅影响今天的结果，也会对未来产生的决策产生影响，那么对未来决策的考虑就会反过来影响今天的决策。 当然，未来相比今天的重要性要更弱一些，一方面因为人们对于未来的期望回报会随着时间逐渐下降，另一方面，毕竟未来参与者依然有不再见面的几率。因此对于未来决策的当期价值会随着时间逐渐下降，我们可以用一个参数w来代表折现率。 有趣的策略锦标赛 Robert Axelrod做了一个模拟的策略锦标赛，让各种参与者制定游戏策略，然后测算哪种策略能够胜出。出人意料的是，结果一种非常简单的策略笑到的最后，就是针锋相对（TIT FOR TAT）的策略。针锋相对的策略是一开始

整理团队年终总结时发现很多小伙伴都写得挺棒的，可以看到很多进步和反思，这里分享一些，这次分享投研部门的Jimmy & Eva的笔记。Jimmy篇：工作：2022年毫无疑问是充满挑战和转折的一年，开年就发生了俄乌战争、上海封城，然后是美国通胀率快速上升、美联储加息，中间穿插着佩洛西访台、英国首相下台等等一系列事件，到年底防疫政策180度转向，从动态清零直接变为全面放开，可以说没有一件事是能够提前预测到的。对于我所覆盖的半导体、SaaS、支付、crypto等行业来说，加息的影响毫无疑问是最大的，尤其是SaaS这种高成长、高估值的公司，以及crypto这种依赖低成本资金的资产；而对于半导体来说，最大的影响则是疫情时期的高需求开始回落、供应链流畅度缓解带来的行业去库存压力，而这种压力对于产业链上下游的不同公司是非常不一致的，比如更靠近消费者的NVDA、AMD都经历了大幅的收入下降，而更上游的晶圆厂TSM则保持了全年的高增速。我从今年下半年才正式开始全职工作，回顾这半年的研究经历，感觉有一个很重要的转折点，就是从研究新公司为主转变为深度研究和公司跟踪为主。之前的工作主要是不断研究新公司，虽然开拓了研究广度，但是很多公司的深度不够，在讨论中提出的很多问题没有解决。回顾今年的工作，最满意的还是台积电的收入拆解，从每一代制程的角度分析手机、HPC等下游应用对先进制程芯片的需求量，从而可以根据各个下游厂商的销量调整计算对TSM的收入影响。这种从下游开始思考的角度也给TSM未来的收入增速提供了更高的可预见性。最不满意的则是对SaaS公司的理解深度不够，主要还是因为SaaS产品主要是2B的，离实际生活更远，而且是新业务，没有那么多的统计数据，行业的成长空间、未来竞争格局都还有很大的不确定性，研究起来没有抓手。另一方面，由于是刚起步，对公司跟踪的意识和熟练度还不够，经常会错过各类数据更新、

本文作者为BEDROCK成员Barry 对行业的理解： 美国Digital Lending：科技提升效率 or Regulation arbitrage?   美国个人无抵押贷款市场：从2012年的总共欠款460亿美元上升到2020年1900万个贷款者总共欠款1500亿美元，Fintech公司的市占率也从5%快速提升到2019年的39% 。其中包括BNPL公司和各种digital lending公司，以夸张的UPST为案例：  UPST用ML模型+alternetive data更好的为个人信用风险定价，帮助没钱投入科技的中小银行发个人无抵押贷款，按照发的贷款金额按比例拿commission，公司账上不留债。目前有4家banks对UPST取消了FICO的硬性标准，最新季度单季度帮助银行发了发了30亿的贷款，达成2.3亿营收，250% yoy。 Bear Say Regulation arbitrage：Fannie Mae and Freddie Mac在08年前也开始用 "alterntive data" 发房贷；UPST这种按发贷款规模收费 + 无skin in the game 导致公司的incentive就是疯狂发债，能野蛮增长只是因为政策对这样的“科技公司”没有像银行或贷款公司一样去监管，只是 regulation arbitrage。暴雷/监管加强只是时间问题，长期的Runway可能完全看不清。 Bull Say AI>FICO：FICO是30年前创造的衡量标准，采用的数据、分析数据的方式太过于落后，没钱投入科技的中小银行审批贷款的流程更是成本高、慢、切不准确。UPST使用更多的数据、对数据更好的分析方式（各种ML模型）能更好的为信用风险定价，让消

谁是最伟大的CEO？ 很多人会说是Jack Welch，在他掌管通用电气公司的20年间（1981-2001），通用电气的股东年复合收益率达到了20.9%。可是，在此期间，标普指数年化增长14%，差不多是其长期收益率的两倍。也就是说，Welch是在一个大牛市中取得了20%的收益率，他的实际收益率只跑赢了市场6%。然而， Henry Singleton在其掌管Teledyne的27年间（1963-1990），给投资人带来的回报是年化20.4%，同期的标普500则是10%，也就是说Singleton跑赢了市场10%，还是在一个更长的时间内，在这期间市场经历了好几次漫长的熊市。 Singleton的成功并非源自于独特的、快速增长的业务，而是他无与伦比的资本配置能力。CEO的主要职责只有两个：管理运营和配置从业务中产生的现金流。大多数CEO都把工作重点放在了第一件事，而Singleton则把重心放在了第二件事。 资本配置的能力又可以分为两种：募资和配置。其中，募集资金的三个工具是：业务盈利，发债，发新股。而资产配置的五个选项是：投资现有业务，收并购，分红，还债，回购。 Singleton 把Teledyne的资金用于大规模回购股票和选择性的收并购。他很少发行新股，频繁使用债务（可以通过债务盾减少缴税），并且直到80年代末都没有分红（分红会被征税两次）。而他的同行们则是增发新股用于公司并购、派发红利，避免股票回购，通常很少借债。不同的资产管理方式带来的结果是云泥之别，Singleton的年化收益是20%而其同行的是11%。 如果把管理人力资源也看作是资产配置的一种，Singleton的方法也与别人完全不同。他崇尚去中心化的组织形式，总部只保留少部分员工，决策权力都交给各业务部门的总经理。而其他CEO们则是在总部雇佣了大批的副总裁和MBA，负责管理各个地区的业务。 Singleton不是

接着上文《对通胀问题的一些思考》，我们尝试对另一个让人头痛的问题：利率的定价问题也做了一些研究和思考，供参考。 到底什么决定了利率水平？ 如果我们看最近50年的美国长久期利率走势图，恐怖故事的版本似乎会过于惊悚（一旦从1980年开始的利率持续下降的趋势开始反转向上，那么我们目前似乎依然处于利率水平的低位。。。这也是Dalio一直在警告的），这也是最近美国资本市场风声鹤唳的原因。 首先请原谅我浅薄的经济学理论基础：我看了很多经济学家对合理利率的分析，方法论很多，很多我未必完全理解，所以这里仅仅写一下我自己的理解。 首先最重要的是：利率是资金的时间成本（不论有没有中央银行），有效的利率应该是使得资源在社会当中合理配置，比如在经济萧条，投资不足的时候，利率应该处于低位，有助于促进经济回复到合理水平（所谓合理就是在就业和通胀之间比较理想的状态）。因此，从这个角度来讲，合理的利率水平确实应该和经济的相对长期的经济潜在增速之间存在某种稳定的关系。从全社会参与者的角度来说， 这种关系应该更多的是和名义值更为相关，而非实际值（扣除通胀后），因为企业收入、盈利和投资决策都是以名义值为基础的。 利率的长期走势基本上和通胀的走势相吻合，但却不是唯一影响因素，美国通胀水平在1980年之后就基本处于稳定的2-4%波动区间，但1980年的利率依然高达8%，甚至更高，而1990年代也高达6%，一直到2010年之后才下滑到4%以内。 如果再结合美国名义GDP的增速也许就更好理解一些，大体上利率需要和名义值相吻合才能对经济活动的资金价格进行更为恰当的定价。其实内在原因比较好理解，名义增长值可以认为是全社会平均的收益增长，那么利率如果高于等于这个值那么社会平均而言就没有投资动力，因为增加值是低于利息的，而如果利率远小于这个值，那么社会平均投资冲动就会大幅增加，从而可能产生通胀等其他社会压力。 那么从长期

结合近期关于货币、财政方面的阅读，分享关于货币的思考。 一、”法币是不可或缺的“ ？ 有些观念人们不加质疑就接受了，似乎那些都是与生俱来的，比如法币。 法币——只依靠政府的法令使其成为合法通货的货币。不论货币是否足值/购买力是否稳定，接收者都不能拒绝。 帝王/君主/国家/政府垄断货币发行，也许在铸币时期确实起过认证金属重量和成色的作用，以及统一货币便利使用和记账的作用。 但事实真相是，“法币只不过是一种迫使人们在履行一份合同时接受某种他们在订立合同时从来就没有想过的东西的法律手段而已”。 一个例子：债权人曾在美元价值较高时借出债务，在要求归还时，债务人是否仅按票面价值归还即可？在一战后，欧洲经历了严重的通货膨胀，这个问题严峻的摆在人们面前，而德国马克在经历过极为严重的通货膨胀后，依然执行着”马克就是马克“的原则——尽管后来法官做出了一定努力，对于那些受损最严重的债权人提供了有限的补偿。 实际上，货币的诞生并不是经过有意设计而产生的制度，历史上私人货币也曾受偏爱，但似乎现在，大家都接受了货币的价值由国家赋予，否则货币就不具备价值的观念。 二、私人发行货币甚至去中心化的货币曾经受欢迎过 货币主要用于购买商品&服务、持有作为满足未来之需的储备、用于合同规定的延迟支付和会计单位。能够作为货币一般来说需要具备：1）可计量；2）有共识；3）提供流动性。 历史上，除了纸币、金属铸币之外，布匹、牛（拉丁文金钱pecus的来源)、盐、布帛、毛皮、鱼干、香烟、石头、干邑都曾作为过货币使用。 曾有过私人发币 汉武帝之前民间铸币被允许 武帝之前的汉代，中国的货币发行处于罕见的自由竞争状态，除了中央政府之外，民间和诸侯国也都可以发行货币 最早的纸币——宋代民间的交子 宋代为世界金融史贡献了最早的纸币——交子。交子的产生源自民间抵御政府不当政策。 当时的四川，是宋朝政府规定的铁钱区

by Barry 尽管近期Cloud市场波动显著，2022 年 5 月，EMCLOUD Index 公司的总市值降到 1.4 万亿美元，比 2021 年峰值跌掉了一半。 但我们认为，即使市场的波动可能还会持续一段时间，但不应该影响人们关于 SaaS 这一商业模式的共识：基于云的商业模式是自互联网发明以来最重要的范式转变，SaaS/Cloud 产业前景和潜力仍然存在，并将持续增长。  本文来自于BEDROCK成员Barry，及其和团队讨论记录。 如何快速理解一家SaaS公司 公司重要基本信息的收集 Q1：在客户公司里，使用这个SaaS软件的人是谁？是谁决策购买此款SaaS？ Q2：公司各个SaaS的是干什么用的？在使用这个SaaS之前，客户公司用的是什么解决方案？ Q3：客户为什么要使用这个SaaS？背后的时代趋势、驱动力是什么？ Q4：客户相关信息收集 公司竞争力壁垒来源Deep Dive 为何要研究与区分SaaS公司竞争壁垒的不同？ 研究是为了投资决策，决策需要定价。目前SaaS公司大多尚未盈利，影响SaaS公司定价的重要因素之一是当公司营收以通胀速度增长的时候，所能达成的营业利润率。营业利润率的影响因素很多，但我们认为最大的因素是一家公司竞争壁垒高低所导致。每家能做到净利润率的不同在市场上是没有被充分讨论的，所以很有必要区分下不同公司最后可能实现的净利润率，那么依据也就是不同公司的竞争壁垒。 一些成熟的软件公司营业利润率有很大的分化： 作为一些background，一些历史较长的软件公司过去十年的表现： ORCL为了维持1%的营收复合增长，付出的是每年~20%的S&M费用率，~17%的R&D费用率，做到了~35%左右营业利润率。 SAP为了维持6%的营收复合增长，付出的是~25的S&M费用率，15%的R&am

之前我们写了一篇文章探讨投资当中的概率、集中度与遍历性问题（ 概率、集中度与遍历性- 投资思考随笔（56）），后来觉得有必要对这一问题进行进一步细致的研究以更好的指导我们未来的投资。 赌场模型 假如你有一百万，现在有一个投资机会D，有50%概率赚60%，也有50%的概率亏损40%，你要投资吗？（不考虑破产、清仓等任何限制条件） 答案当然是yes，因为期望收益率是50%*60% + 50%*(-40%) = 10%，也就是说这是一个期望收益为正的游戏。不论游戏结果如何，做出投资决策的这一行为毫无疑问是理性的。 一轮游戏 现在，考虑另一种方案：假如有两个完全一样的项目D，你可以选择各投50万，或者是把100万全投到其中一个项目中，你会怎么选择呢？ 先算一下各投50万的期望收益：50%*(50%*60% + 50%*(-40%)) + 50%*(50%*60% + 50%*(-40%)) = 10%，也就是说这两个投资方案的期望收益率是相同的。那么区别在哪里呢？ 当只投一个项目时，结果只有两种：回报60%（概率是50%），或者亏损40%（概率是50%）。但是同时投两个项目时，结果有三种：回报60%（两个都赚了，概率是25%），亏损40%（两个都赔了，概率是25%），或者回报10%（一个赚一个赔，概率是50%）。 也就是 一次游戏结果的概率分布图，图左是只投一个项目，图右是同时投两个项目 显然，虽然两种策略的期望收益率一样，但是分散投资有一个明显的好处：亏损的概率从50%降到了25%，尽管代价是增加了中庸回报的概率。 两轮游戏 第一轮游戏结束之后，你的本金增加到了160万（或减少到了60万），这时你又遇到了一个项目D，你还要继续投资吗？ 答案当然是yes，因为期望收益仍然是正的。 那么换一种问法，假如你穿越到第一轮游戏之前，游戏规则改为必须连续玩两轮，并且上一轮结束后的资金必须

近期关于未来BTC能涨到多少有不小的争议，有很乐观的也有谨慎的，相比起来，我们相对乐观。这里仅仅做一个简单的情景分析，当然未必正确。本文来自于BEDROCK成员Eva全球财富（净资产）根据ubs的数据，2022年大约在454.4万亿，假设6%的增速（历史上增速要高于gdp增速），预计在2036年达到1,034万亿。其中，57%配置在了股票、固定收益、黄金、另类资产和加密货币上。根据测算，2023年底加密货币总市值1.65万亿，占全球全球财富（净资产）仅0.3%，比特币占比0.15%。按照最新数据，机构持有比特币的比例也仅12.7%；黄金etf 222b，BTC spot ETF AUM已经接近 57b，已经是黄金的25%，而比特币市值仅是all the above ground of gold value的11%左右，比特币将crossing the chasm。随着其去中心化“信仰”的传播和蔓延，etf等金融工具降低进入门槛，机构入场带来大量资金流入，比特币作为最成熟的加密货币资产，收益率和波动性也会逐渐趋缓，风险回报更加合理，但仍然相对其他传统金融资产吸引力更大等原因，比特币等加密货币具有从其他传统金融资产长期抢份额的逻辑，2036年金融资产（见下图）配置比例将在2036年占全球财富的47.7%，比如黄金假设下降到1.7%，固定收益和股票占比也下降，但另类资产预计可能会和加密货币一起高速增长。我们预计比特币在36年会达到全球财富的3%（也有可能尚未到头），参考2023年黄金（all the above-ground of gold）价值占比大约在2.5%（且一半都是珠宝等fabrication，流通性差）这里隐含的假设是比特币交易是商品交易，而比特币以外的部分涉及应用的加密货币交易可能被美国sec定义为investment contract的风险，发展速度可能低于比特币