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。那会儿这么教是对的，2023 年想认真看一家上市公司的基本面，差不多就是 300 行 Python 加一整天的活，没什么别的路。这个前提现在守不住了，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，快是这个变化里最不要紧的部分。分析该多难还是多难，难度一点没掉，换掉的是做分析的人。而对投资来说，拿到分析只是第一步，真正要紧的是下一步：agent 交上来的东西，你能不能判断它对不对。
做分析，和判断一份分析靠不靠谱，是两件事。真的是两件完全不同的事。大部分投资教育教的是前者，包括这个系列最早那版，那版还在教怎么写代码。现在这版教后者：十章，零代码。
关键能力换掉了。投资分析的入场券长期就两张，Bloomberg 终端，或者写代码的能力。agent 会写代码之后，第二张券等于人人都有。它不是免费的，token 和 API 调用都有成本，但够快也够稳定，「会不会写代码」这道坎基本就平了。顶上来的是判断力：agent 给的输出对不对，有没有漏掉关键信息，哪些假设是它自己随手选的、该被你拎出来质疑。这些跟编程能力完全不搭边，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。
这些能力，传统投资课基本不教。验证 agent 的输出，不能扫一眼觉得「差不多」就收下，得一条一条去审它；自己的信念随时间怎么漂，得有办法追踪，不然它会悄悄变形；「研究一家公司」这种大话，得拆成 agent 能执行的小块，中间插上验证；金融模型要懂到够用的程度，不用自己算，但得知道 agent 算出来的数字到底在回答什么问题。
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，那些数字十有八九就是共识估值换了个壳。但反过来，光懂 DCF 也不够——不知道怎么给 agent 分任务、怎么交叉验证、怎么迭代，知识落不成动作。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，形成判断，下注，承担后果。华尔街分析师是这个流程，自学的散户也是这个流程，区别只在前三步投入多少。读得越多、模型搭得越深、验证做得越细，判断就越扎实。每本投资书都默认这条关联成立，它也确实成立了七十年。
拿教程这个事举例子。一篇教你怎么读 10-K、怎么搭分析流程的教程，2023 年是有真实价值的，花八个小时走完，手里就多了一套评估单家公司的框架。这套流程今天写一句话给 claude code 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」，不到一分钟出来，几毛钱。
输出不是每次都对，但它错的时候，错得可诊断：缺背景、数据不新、或者默认了共识假设，这些都能查出来，也都能改。手工分析的错反而更难抓——疲劳的时候看漏、只找支持自己结论的证据、脚注懒得读，这些全藏在你自己身上，你自己看不见。
这个变化不能只当成效率提升，它把排名重新洗了一遍。会写代码、有 Bloomberg 终端建立起来的那种领先，含金量掉得很快；有 agent、有 API key，就能产出像样的基本面分析。卡人的地方换成另一组能力：看得出输出对不对，知道该质疑哪些假设，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。这些能力，跟代码写得快不快没什么关系。
投资概念本身没变
今天任何人都能给 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，每个异常点带解读，花几毛钱，不用写一行代码。
背后的投资概念一点没动：哪些比率重要，「异常」在具体语境下是什么意思，下一步该追问什么。换掉的只是获取分析的那条路。把获取方式当核心技能来教的课，力气花错了地方。
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。自己动手把分析流程走一遍，会跟数据建立手感，也会偶然撞见一些东西：脚注里的反常数字、季报的节奏规律、两个数据源对不上的地方。agent 会把这种出入默默抹平。「因为亲手做所以偶然发现」这个优势，交出去之后就很难找回来了。
还有个更隐蔽的问题：agent 默认走共识。估值、折现率、叙事框架，全按共识来，它不推演也不争辩，最后交给你一份看起来像原创分析的共识。你感觉信息很充分、判断很清晰，实际上在跟所有人犯一模一样的错。投资里这种错是最贵的一类。
课程不假装这些代价不存在，它教你怎么补：验证流程、反方论证、跟 agent 的输出吵架而不是照单全收。补救本身也有成本，要花旧模式里不用花的那部分精力，这个也得提前讲明白。
反正到这里可以先落一个结论：要么有 Bloomberg 要么会写代码，这个旧前提基本作废了。
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。中等规模的对冲基金里面，几个初级分析师各盯一个行业，活是读财报、搭模型、跟新闻、跑情景、写备忘录，但他们不做买卖决策，只负责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，他的核心能力是判断：知道哪个分析师说得对，哪个在找理由，哪个有漏洞。
2026 年，你手里就有一个缩小版的这种结构。分析师的活交给 agent：全天候跑，速度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，还可以有一个专门拆你的判断。拍板的位置是你的，判断由你来做。
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，得先讲清楚它在哪里不成立，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，这个没法绕。
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，就算设计了，力度也远不如一个把职业前途押在「做对」上的真人。信息茧房是实打实的风险。
基金经理跟分析师之间的信任，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，心里都有数。agent 这边攒不下这种默契，每个 session 都是从头来，你之前纠正过它的地方，它不记得。
结论不变：分析交出去，判断留给自己，这个结构是对的。但类比跟现实对不上的这几个地方，就是最容易犯错的地方，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技能，谈不上什么天赋。传统投资课不教它们，但 agent 把分析的体力活接走之后，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选的，换一个假设结果会怎么动，结论对默认输入有多敏感。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，不分散户还是专业，信念都会悄悄变形去迎合现实。「当初为什么买」的记忆会慢慢漂，漂向你希望自己当初那么想的方向。防漂移只有一个办法：把判断写成具体的、可证伪的形式，定期跟事实对照。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：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。难点在于拆得够细让 agent 能干，拆的过程又不能把判断权跟着拆没了。第 8 章用五个模式专门教拆解。
第四种最容易被漏掉：知道模型在说什么。现金流折现、估值倍数、情景分析，每个金融模型都是对现实的刻意简化，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。想对比同行业三家公司，Yahoo Finance、SEC EDGAR、公司投资者关系页面都只给原始数据，不做聚合，跨公司对比、异常标记、情景建模，一样都没有。你只能开 Excel，把三份年报手工录进去，等三家公司的数据对齐，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，下午的时间拿去想更有意思的问题。两边的技能未必差多少，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：在基金上班，用机构的数据；自己掏 2.4 万美元年费订 Bloomberg；或者认了，在 Excel 里一格一格地磨。
不过得替 Bloomberg 说句公道话，它贵不只是因为界面好看。它有大量私有信息渠道：分析师调研纪要、交易对手数据、机构持仓变动，这些公开渠道都拿不到。新闻推送也比公开媒体快，有时候几分钟的差距就是几百万美元。这部分优势 agent 填不了，数据源本身就不公开。
技术底子强的人有条绕路：自己写代码，搭爬虫，写标准化逻辑，手算比率。Stefan Papp 写 Investing for Programmers 就是这个前提，这门课最早的版本也是这个前提。2023 年以前它成立，会写代码，就能在公开数据上绕过 Bloomberg 的壁垒。
然后 agent 学会写代码了。API 调用和算力有成本，深度研究跑一次大概几美元，但够便宜也够快，到了一个临界点：在公开数据的分析上，Bloomberg 许可证和写代码的能力，都不再卡人。Bloomberg 的私有数据和速度优势还在，但学习投资、练判断力，公开数据已经够用了。剩下卡人的就是判断力。判断力一直都是最难的那部分，以前只是被工具差距挡在前面，看不太出来。
但别过度解读
门槛降了是真的。但更多人带着 agent 进场，研究的平均质量上来了，想拿到真实优势，要求反而水涨船高。大家都能在十分钟里搞出像样的分析的时候，分析这个环节的优势就被抹平了，优势挪去别的地方：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，在所有人的 agent 都输出了的内容里，注意到了什么只有你看见的东西。
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 填上的只是公开数据分析这一块的工具差距，数据获取、人脉、经验，这些差距一个都没动。
对想进场的人，诚实的说法是：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低成本的训练场，省时间反倒是其次。反复练读财报、拆估值、压测判断，每一轮都在磨眼力。这种训练强度，不进基金基本拿不到，现在自己就能安排。
4. 要学的两条线
课程同时教两条线，只学其中一条，撑不起完整的判断。
第一条线：投资基本功
认真投资者用了几十年的思维模型、框架和决策规则。没有一条是新的，但每条都承重，缺了它们，agent 给你的东西你没法判断。
- 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，你会拿到一套放在 1995 年也管用的底子，扎实，但缺少在 2026 年的速度下用它的方式。
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，很自信地产出一份关于你根本不懂的公司的报告。效率很高，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 更危险。
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，以及 agent 在任何角色下都做不到的六件事。
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，每章值得认真坐下来读一到两遍。重读是预期内的，尤其第 4 到第 6 章：第一遍能跟住就行，隔一周再来一遍，框架一般是在第二遍里成形的。
最重要的一条使用方式：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，单个 30 分钟到 2 小时，只有第 9 章例外，要花好几天。时间成本摆在这里：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。
学完手里多出来的，是一套守得住的分析框架，和在这套框架上跑研究流程的实操能力。荐股、现成模型、交易系统，这门课都不提供。
不是投资建议
这门课程是教育性质，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。这一步不要求判断正确，要的是把你已经相信的东西逼出来，逼成够具体、以后能跟它吵架的形式。别跳过，第 7 章的对照练习要拿这份文档接着用。
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。