投资的门槛现在只剩判断力了
「AI 时代怎么投」课程 · 第 1 章 / 共 10 章
先交代一下这个系列自己的事。这门课最早的版本还在教怎么写代码做分析，拉数据、清洗、算比率，一整套下来。那会儿这么教没错，2023 年想认真看一家上市公司的基本面，差不多就得写 300 行 Python，搭进去一整天，没什么别的路。现在这个前提站不住了，同样的分析丢给 agent，一句话，十秒钟、几毛钱，拿到的结果差不多。
所以整个系列推倒重写了。重写不光是因为快。快是真的，但我只能说，快是这里面最不要紧的一点。分析该多难还是多难，一点没变简单，变的是谁来做分析。对投资来说，拿到分析只是第一步，要紧的是下一步，就是 agent 交上来的东西，你能不能看出它对不对。
自己做分析，和判断一份分析靠不靠谱，完全是两码事，真的一点都不一样。大部分投资教育教的是前者，这个系列最早那版也是，那版还在教写代码。现在这版教后者，十章，零代码。
要的本事换了。很长时间里，做投资分析就两张入场券，一张是 Bloomberg 终端，一张是会写代码。agent 会写代码以后，第二张券就相当于人人都有了。它不免费，token 和 API 调用都要花钱，但够快也够稳，「会不会写代码」这道坎基本就平了。顶上来的是判断力，你得看得出 agent 给的东西对不对，有没有漏掉关键信息，哪些假设是它随手选的、该被你拎出来质疑。这些和会不会编程完全不沾边，而且大部分人还没练过。
AI agent 推倒了 Bloomberg 和写代码这两道旧门槛，剩下判断力这一道还立着——门槛没消失，是换了一道。
这些本事，传统投资课基本不教。agent 交来的东西，你不能扫一眼觉得「差不多」就收下，得一条一条去审。你自己的信念会随着时间慢慢漂，得有办法盯住，不然它会悄悄变形。「研究一家公司」这种大话，得拆成 agent 能干的小块，中间插上验证。金融模型你得懂到够用，不用自己算，但得知道 agent 算出来的数到底在回答什么问题。
所以投资基本功和 agent 协作，得一起学。不懂 DCF，你就判断不了 agent 算出来的 DCF 靠不靠谱，照单全收的话，那些数十有八九就是共识估值换了个壳。反过来，光懂 DCF 也不够。你不知道怎么给 agent 分任务、怎么交叉验证、怎么迭代，懂的那些东西就落不到手上。两头缺哪头都不行。
目录
1. 现在卡人的是判断力
投资教育七十年都是一个路子，读财报，拉数据，搭模型，拿出判断，下注，然后认结果。华尔街分析师这么走，自学的散户也这么走，差别只在前三步花了多少功夫。读得越多、模型搭得越深、验证做得越细，判断就越扎实。每本投资书都默认是这样，这七十年也确实是这样。
拿教程举个例子。2023 年，一篇教你读 10-K、搭分析流程的教程是真有用的，花八个小时走完，你手里就多了一套看单家公司的框架。今天这套流程，给 claude code 写一句话就行，「读这家公司最近四份年报，标出毛利结构、债务状况和现金流质量的变化」，不到一分钟就出来，几毛钱。
它给的东西不是每次都对，但错的时候，你查得出错在哪。要么缺背景，要么数据旧了，要么默认用了共识假设，这些都查得出来，也都改得了。手工分析的错反而更难抓。累了会看漏，只找支持自己结论的证据，脚注懒得读，这些毛病都在你自己身上，你自己看不见。
所以这个变化别只当成效率变高了，它是把排名重新洗了一遍。以前靠会写代码、有 Bloomberg 终端攒下的那点领先，现在掉价掉得很快，有 agent、有 API key，就能做出像样的基本面分析。现在卡人的是另一组本事。你得看得出输出对不对，知道该质疑哪些假设，还得分得清 agent 帮你整理出来的判断，到底是你自己的想法，还是共识换了层皮。这些和代码写得快不快没什么关系。
投资概念本身没变
今天谁都能给 agent 写一句：拉英伟达最近五年的财务数据，算效率比率，标出跟行业中位数比异常的地方。不到一分钟出结果，每个异常点都带解读，花几毛钱，一行代码都不用写。
背后的投资概念一点没动，还是那几个问题，哪些比率重要，「异常」放在具体情况里是什么意思，下一步该追问什么。换掉的只是你拿到分析的那条路。一门课要是把怎么拿到分析当核心技能来教，力气就花错了地方。
确实会丢掉一些东西
把分析交给 agent 是有代价的，这个得先说清楚。你自己动手把分析走一遍，会对数据有手感，也会碰巧撞见一些东西，比如脚注里反常的数字，季报的节奏规律，两个数据源对不上的地方。agent 会把这些出入悄悄抹平。亲手做才会碰巧发现的那些东西，交出去以后就很难再找回来了。
还有个问题更隐蔽，agent 默认走共识。估值、折现率、讲故事的框架，全照共识来，它不推演也不争，最后交给你一份看着像原创分析的共识。你觉得信息很足、判断很清楚，其实是在跟所有人犯一模一样的错。投资里这种错是最贵的。
这门课不装作这些代价不存在，它教你怎么补，靠验证流程，靠反方论证，靠跟 agent 的输出吵架，别照单全收。补也有成本，你得多花一份旧模式里不用花的精力，这个也得提前讲明白。
反正到这里可以先下个结论，以前那个前提，要么有 Bloomberg、要么会写代码，基本作废了。
2. 把自己当基金经理用
先讲一个结构，你可能没见过，但挺有意思的。一家中等规模的对冲基金里，几个初级分析师各盯一个行业，干的是读财报、搭模型、跟新闻、跑情景、写备忘录。但他们不做买卖决策，只管把证据和论点摆上桌。
桌子另一头坐着基金经理。他读备忘录，问刁钻的问题，把站不住的逻辑推回去，判断今天该信谁交上来的活，然后拍板。基金经理很少自己从头读年报，他最核心的本事是判断，知道哪个分析师说得对，哪个在找理由，哪个有漏洞。
到了 2026 年，你自己手里就能有一个缩小版的这种结构。分析师的活交给 agent，它们全天候跑，比人类初级分析师快得多，成本就是 API 调用费。一个盯财报，一个跟新闻，一个跑估值，还可以专门放一个来拆你的判断。拍板的是你，判断也由你来做。
你坐在基金经理的位置上只管拍板，四个 agent 分别盯财报、跟新闻、跑估值、当红队——分析交出去，判断留自己。
这个类比有几个地方不成立
类比好用，但也危险，哪里不成立得先讲清楚，不然后面会踩坑。现实里的基金经理，判断力是十到二十年练出来的，其中不少是亏钱亏出来的，你大概率没这个底子。课程能给你框架，但框架替不了直觉，这个绕不过去。
人类分析师会跟你顶。好的初级分析师敢拍着桌子说「你想错了，数据在这」。agent 不会，除非你专门设计它来反驳你。就算设计了，它顶得也远没有真人狠，真人可是把职业前途押在「做对」上的。信息茧房是实打实的风险。
基金经理和分析师之间的信任，是一年一年磨出来的，谁偏保守，谁偏激进，谁看科技股有盲区，他心里都有数。agent 攒不下这种默契，每个 session 都从头来，你之前纠正过它的地方，它不记得。
结论还是那个，分析交出去，判断留给自己，这么分是对的。但类比和现实对不上的这几处，恰恰最容易出错，上面三条都得记着。
要练的是四种能力
这四种都是能练出来的，谈不上什么天赋。传统投资课不教，但 agent 把分析的体力活接走以后，它们就成了核心。
第一种，验证。agent 给你一份估值，数字齐整，解释到位，几秒钟就出来，你会很想直接收下。要练的是反过来的本能，去审它。搞清楚哪些假设是它自己挑的，换一个假设结果会怎么变，默认输入动一动，结论会跟着动多少。第 5 章和第 8 章专门练这个。
第二种，追踪自己的信念。大部分投资者，散户也好，专业的也好，信念都会悄悄变形去迎合现实。你对「当初为什么买」的记忆会慢慢漂，漂到你希望自己当初是那么想的地方。想不漂只有一个办法，把判断写得具体、能被证伪，隔一段时间就拿事实对一对。第 7 章讲怎么做。
第三种，拆任务。「帮我研究这家公司」这种话，丢给一组 agent 等于没说。得拆成小块，比如读年报找 red flag（红旗信号），按三个情景算估值，拿看空逻辑压测你的判断，中间插上验证。难的是要拆得够细，细到 agent 能干，但拆着拆着，又不能把判断权也拆没了。第 8 章用五个模式专门教怎么拆。
第四种最容易被漏掉，就是知道模型在说什么。现金流折现、估值倍数、情景分析，每个金融模型都是故意把现实简化了，你得知道哪些简化能忍，哪些要命。agent 跑模型又快又准，但它不会告诉你「这个模型的前提在这个问题上已经不成立了」，这个判断只有你能做。第 3 到第 6 章从四个角度练它。
3. 进场容易了之后
这道门槛以前长什么样，拿 2020 年的一个场景讲。你想对比同行业三家公司，可 Yahoo Finance、SEC EDGAR、公司的投资者关系页面都只给原始数据，不帮你汇总，跨公司对比、标异常、做情景建模，一样都没有。你只能开 Excel，把三份年报手工录进去，等三家的数据对齐，一个周六已经没了，分析还没开始。同样的事，基金分析师在 Bloomberg 上点一下就搞定，下午拿去想更有意思的问题。两边的本事未必差多少，差的是工具，一张年费 2.4 万美元的许可证把这个差距锁死了。
所以 2023 年以前，个人想做认真的投资分析，路就那么几条。要么在基金上班，用机构的数据；要么自己掏 2.4 万美元年费订 Bloomberg；要么认了，在 Excel 里一格一格地磨。
但是也得替 Bloomberg 说句公道话，贵有贵的道理。它有很多私有的信息渠道，分析师调研纪要、交易对手数据、机构持仓变动，这些从公开渠道都拿不到。它推新闻也比公开媒体快，有时候差几分钟就是几百万美元。这部分 agent 补不上，因为数据源本身就不公开。
技术底子强的人有条路能绕过去，自己写代码，搭爬虫，写数据标准化的逻辑，手算比率。Stefan Papp 写 Investing for Programmers 就是照这个前提来的，这门课最早的版本也是。2023 年以前这条路走得通，会写代码，就能靠公开数据绕过 Bloomberg 这道墙。
然后 agent 学会写代码了。API 调用和算力要花钱，深度研究跑一次大概几美元，但已经够便宜、够快，过了一个临界点。只看公开数据的分析，Bloomberg 许可证和写代码的能力都不再卡人了。Bloomberg 的私有数据和速度还是占优，但学投资、练判断力，公开数据已经够用。剩下卡人的就是判断力。判断力一直是最难的那部分，只是以前工具的差距挡在它前面，不太看得出来。
但别过度解读
门槛降了是真的。但带着 agent 进场的人多了，研究的平均水平也上来了，你想真比别人强，要求反而更高。大家都能十分钟搞出一份像样的分析，分析这一步就拉不开差距了，差距挪到了别处。你问了什么别人没问的问题，质疑了什么大家都当真的假设，大家的 agent 吐出来的东西都摆在那，你从里面看到了什么只有你看见的。
也别觉得这下能跟机构平起平坐了。机构有专属数据源，有 alternative data（另类数据），卫星图像、信用卡消费数据、供应链追踪这种，还有几十年攒下来的行业积累。agent 补上的，只是分析公开数据时的工具差距，拿数据、人脉、经验这几样，差距一个都没动。
对想进场的人，说句实在话，体力活那道门槛是真没了，剩下判断力这一道，而且就这一道。用 agent 做投资也只是个起点。它最大的好处其实是给了你一个便宜的训练场，省时间倒是其次。你可以反复练读财报、拆估值、压测判断，每练一轮都在磨眼力。这么高强度的练习，以前不进基金基本拿不到，现在自己就能安排。
4. 要学的两条线
这门课两条线一起教，只学其中一条，你的判断总会缺一块。
第一条线：投资基本功
就是认真做投资的人用了几十年的思维模型、框架和决策规则。没有一条是新的，但条条都顶着分量，少了它们，agent 给你的东西你就没法判断。
- 第一性原理（第 3 章）：一只股票到底是什么，回报从哪来，市场为什么难赢。
- 读公司读模式（第 4 章）：三张报表各自在讲什么，怎么连起来看。
- 估值（第 5 章）：Damodaran 的框架，DCF 里每个数字背后都是一次叙事选择。
- 风险（第 6 章）：波动率为什么不算风险，四种真会咬人的风险是什么。
- 论点纪律（第 7 章）：一个站得住的判断需要六个要素。
只走这条线，你会有一套放在 1995 年也管用的底子，很扎实，但你不知道怎么在 2026 年这个速度下用它。
第二条线：agent 协作
这是 2026 年才出现的技能，还没有教科书。
- 四个 agent 角色（第 2 章）：分析师、红队、导师、执行者。
- 协作架构（第 8 章）：五个核心模式，委派、验证、迭代、组合、故障检测。
- 毕业实战（第 9 章）：选三家公司，跑一遍完整流程。
只走这条线，你能搭出很顺的流程，然后很自信地写出一份报告，讲的却是一家你根本不懂的公司。效率很高，但垃圾进垃圾出，而且你会信它，因为过程看着很专业。这比不用 agent 还危险。
十章各给你什么
第 1 章：门槛换了（本章）。课程框架，外加 workshop 里你自己框架的第一步。
第 2 章：agent 的四份工作。分析师、红队、导师、执行者，还有 agent 不管扮什么角色都做不到的六件事。
第 3 章：股票到底是什么。第一性原理，回报的三个来源。
第 4 章：读公司靠读模式。三张报表各看什么，案例是 Enron 和 Costco。
第 5 章：估值。Damodaran 的框架，数字背后全是故事选择。
第 6 章：风险到底是什么。四种真风险，加上 LTCM 的教训。
第 7 章：把判断写下来。六个要素，加上版本管理。
第 8 章：跟一组 agent 协作。五个核心模式，三套参考流程。
第 9 章：毕业实战。三家公司，一个仓位，4 到 8 小时。
第 10 章：从术到道。二十五年里真正一直在复利的是判断，不是信息量。
5. 怎么用这个课程
别把它当博客系列刷。这是一门十章的课程，只是按博客的节奏一章一章放出来，每章都值得坐下来认真读一到两遍。要重读是正常的，尤其第 4 到第 6 章。第一遍能跟上就行，隔一周再读一遍，框架一般是第二遍才在脑子里立起来的。
最重要的一个用法，是把 agent 当老师。碰到没想明白的概念，别硬往下读，停下来打开 claude code，用自己的话把这个概念讲给 agent 听，让它来挑你解释里的漏洞。第 2 章会详细讲这个用法，「导师」是四个角色之一。
练习也别省。每章都有 workshop，一个 30 分钟到 2 小时，只有第 9 章例外，要花好几天。时间上大概是这样，阅读 15 到 25 小时，练习 15 到 35 小时，毕业实战 4 到 8 小时，加起来 30 到 60 小时。
学完以后，你手里会多出一套守得住的分析框架，也能真在这套框架上跑研究流程。荐股、现成模型、交易系统，这门课都不提供。
不是投资建议
这门课是教育性质的，任何章节的内容都不构成买入、卖出或持有任何证券的建议。文中提到的公司都只是案例，不构成推荐。
Workshop · 你框架的第一步
时间 30 到 45 分钟。工具不挑，任何你已经在用的 AI agent 都行。
第一步：挑一只股票。可以是持有的，也可以是过去一年认真想过要买的。想不出来，就挑一家你自己在用、真在乎的产品背后的公司。
第二步：让 agent 写两样东西。三段看多逻辑，三段看空逻辑。
第三步：两份都读完，先不做笔记。留意自己在哪里点头，在哪里想反驳。
第四步：给两份逻辑打标。同意的打 ✓，不同意的打 ✗，判断不了的打 ?，只用你已有的知识和直觉。
第五步：在文档末尾写一句话。「我最不同意的一条是 __________，因为 __________。」
第六步：存好文档。文件名带上公司代码和日期，第 7 章会重新打开它。
第五步里那个「因为」，就是你框架的第一步。这一步不要求你判断对，要的是把你已经信的东西逼出来，逼到够具体，以后能跟它吵架。别跳过，第 7 章的对照练习要接着用这份文档。
门槛的事，这一章就讲到这。判断力具体怎么练，是后面九章的事。
第 2 章讲 agent 能扮演的四个角色：分析师、红队、导师、执行者。建议做完上面的练习再往下读。