投资的门槛换了 — 一份 AI 原生投资者课程

AI 原生投资者课程 · 第 1 章 / 共 10 章

2023 年，分析一家上市公司基本面，大概要 300 行 Python 和一整天。2026 年，写一句话给 agent，十秒，几毛钱，差不多的结果。

这个变化很多人读成"分析变简单了"。

没有。变的不是分析难度，是谁在做分析。以前自己做，现在 agent 替。但投资核心问题从来不是"能不能拿到分析"——是"拿到之后能不能判断它对不对"。

做分析和判断分析，两件完全不同的事。大部分投资教育教前者——包括这个系列最初版本。这个系列教后者。十章，零代码。

关键能力换了。以前做投资分析，要么 Bloomberg 终端，要么会写代码。现在 agent 会写了。不是免费——token 和 API 调用有成本——但够快够稳定，"会不会写代码"不再是坎了。新坎是判断力：agent 给你的输出，对不对？有没有漏关键信息？哪些假设是它自己选的、你该去质疑？跟编程能力完全不搭边。大部分人还没练过。

新坎需要的能力，传统投资课不教。验证 agent 输出——不是看一眼"差不多"，是审问它。追踪自己信念随时间怎么漂移，防悄悄变形。把"研究一家公司"拆成 agent 能执行的小块，中间加验证。懂金融模型到够用——不是自己算，知道 agent 算出来的数字到底在回答什么问题。

两件事得一起学：投资底层逻辑和 agent 协作。不懂 DCF，判断不了 agent 算出来的 DCF 对不对——照单全收，那些数字十有八九共识估值换壳。但光懂 DCF 不够。不知道怎么给 agent 分任务、交叉验证、迭代，知识就没法在合理速度下变成行动。两个缺一不可。

1. 关键能力换了，难度没降

投资教育七十年一个路子。

读财报，拉数据，搭模型，形成判断，下注，承担后果。华尔街分析师还是自学散户，流程一样。区别只在前三步投入多少——读越多、模型越深、验证越彻底，判断越扎实。每本投资书默认这个关联成立。

成立了七十年。

2023 年，一篇教你读 10-K 做分析流程的教程有真实价值。花八小时走完，手里多套针对一家公司的评估框架。2026 年，同一件事写一句话给 Claude Code——"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变化"——不到一分钟出来。

输出不是每次都对。但错时错得可诊断：缺背景，数据不新，或假设了共识。能查能改。手工分析的错法——疲劳、确认偏误、跳过脚注——反而更难抓。

很多人看到这会想：不就是效率提升？不对。旧技能不再是瓶颈，新技能取代它。排名洗牌了。

会写代码，有 Bloomberg 终端——2026 年这些不再是约束。有 agent 有 API 密钥就能产出基本面分析。真正约束变成了：看得出输出对不对吗？知道该质疑哪些假设吗？Agent 帮你整理出来的判断，是你自己的想法，还是共识换皮？

这些能力跟写代码快不快没半点关系。

具体差在哪

今天任何人能给 agent 写一句：拉英伟达最近五年财务数据，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。不用写代码。

背后投资概念没变——哪些比率重要，"异常"在具体语境下什么意思，下一步该追问什么。变的只是获取方式。以前把获取方式当核心技能教的课，教错了。

确实会丢掉一些东西

把分析交给 agent 有代价。

自己动手做分析流程时，跟数据建立手感。偶然撞见东西——脚注反常数字，季报节奏规律，两个数据源出入。Agent 会把这种出入默默抹平。"亲手做所以偶然发现"的优势，交出去更难找回来。

还有个更隐蔽的问题：agent 默认走共识。拉共识估值，用共识折现率，用共识叙事搭框架。不推，不质疑，不争，拿到共识穿了"原创分析"外衣。感觉信息充分、判断清晰。实际上跟所有人犯一模一样错——投资里，最贵那种错。

课程不假装代价为零。它教怎么补——验证流程、反方论证、跟 agent 输出吵架不是照收。但补救本身有成本，需要旧模式里不用花的那部分精力。

旧模式核心前提——要么 Bloomberg 要么会写代码——不再是门槛了。

2. 你不再是分析师了，你是基金经理

先看个你可能不知道的结构。

中等规模对冲基金，几个初级分析师各盯一个行业。活：读财报，搭模型，跟新闻，跑情景，写备忘录。注意——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。读备忘录，问刁钻问题，推回站不住的逻辑，决定今天该信谁的活，然后拍板。基金经理很少自己从头读年报。核心能力就一个字：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，手里有个缩小版这种结构。分析师是 agent——全天候运转，速度碾压人类初级，成本 API 调用费。一个盯财报，一个跟新闻，一个跑估值，一个专门拆你的判断。

基金经理是你。判断是你做的。

这个类比哪里会骗你

类比好用但危险。不说清在哪不成立，后面踩坑。

真正基金经理靠十到二十年经验练出判断力，很多亏钱练的。大概率没这底子。框架能给你，框架替不了直觉。

真正分析师会跟你顶。好的初级分析师拍桌子说"你想错了，数据在这"。Agent 不会——除非专门设计它反驳。就算设计，力度比职业前途押"做对"上面的真人弱得多。信息茧房实打实风险。

真正基金经理和分析师之间，信任年头磨出。清楚谁偏保守，谁偏激进，谁看科技股有盲区。用 agent，永远带一支没记忆的新团队。

结论不变：分析交出去，判断留给自己——结构是对的。类比和现实那条缝，恰恰犯错最多地方。

当基金经理需要四种能力

不是天赋。能练的技能。传统投资课不教，但 agent 接管分析体力活后，它们变成核心。

验证纪律。Agent 给你估值，接受冲动很强——数字齐整，解释到位，几秒出来。该练反过来的本能：审问它。什么假设它自己选的？换一个会怎样？结论对默认输入多敏感？第 5 章和第 8 章专门训。

大部分投资者——不分散户和专业——信念悄悄变形匹配现实。"当初为什么买"记忆慢慢漂移，漂到你希望自己当初想的方向。得把判断写成具体、可证伪的形式，定期跟事实对照。防漂移唯一办法。第 7 章讲怎么做。

任务拆解。"帮我研究这家公司"——这种话交给一组 agent 等于没说。拆成小任务：读年报找红旗，三个情景算估值，拿看空逻辑压测判断——中间插验证。核心难度：拆得够细 agent 能干，但拆过程不能丢掉判断。第 8 章把拆解拎出来教，五个模式。

还有一个常被漏掉的能力：知道模型在说什么。现金流折现、估值倍数、情景分析——每个金融模型是对现实的刻意简化。得知道哪些简化忍，哪些要命。Agent 跑模型又快又准，但不会告诉你模型前提让问题毫无意义。这个判断只有你能做。第 3 到第 6 章分四个角度练。

3. 进场容易了，赚钱没有

2023 年前，个人做认真投资分析，三条路至少占一条：在基金上班有机构数据，自己掏 2.4 万美元订 Bloomberg，或在 Excel 一格一格磨。

手磨什么体验？2020 年版本：想对比同行业三家公司。Yahoo Finance、SEC EDGAR、公司投资者关系页面——给你原始数据，不做聚合。没跨公司对比，没异常标记，没情景建模。开 Excel，下三份年报，手工录入。等三家公司数据对齐，周六没了，还没开始分析。另一边基金分析师 Bloomberg 上点一下搞定，下午时间花在真有意思的问题上。

不是技能差距。工具差距，锁在一个年费 2.4 万美元许可证后面。

但得说清：Bloomberg 贵不只做界面好看。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——公开渠道拿不到。新闻推送比公开媒体快，有时候快几分钟几百万美元差距。这些优势 agent 填不了，数据源本身不公开。

技术底子强的有绕路：自己写代码。搭爬虫，写标准化逻辑，手算比率。这是 Stefan Papp 写 Investing for Programmers 的前提，也是课程最早版本前提。2023 年前提成立——会写代码能在公开数据上绕过 Bloomberg 壁垒。

然后 agent 学会写代码了。API 调用和算力有成本，深度研究一次大概几美元，但够便宜够快，到临界点：公开数据分析上，Bloomberg 许可证和写代码能力不再是门槛。Bloomberg 私有数据和速度优势还在——但学习投资、训练判断力，公开数据够用。门槛变成判断力——一直最难那部分，以前被工具差距遮着。

容易进不代表容易赢

门槛低是真的。但别过度解读。

更多人带 agent 辅助分析进场，不等于投资变简单——恰恰相反。研究平均质量上来，有真正优势的门槛跟着升。大伙儿都能十分钟搞出像样分析，分析本身不是优势。优势搬去别处：问了什么别人没问的问题？质疑了什么大家都当真的假设？Agent 输出里看见了什么——所有人的 agent 都输出了但只有你注意到的？

别觉得跟机构平等竞争。机构有专属数据源、另类数据（卫星图像、信用卡消费数据、供应链追踪），几十年攒的行业积累。填上的只是公开数据分析工具差距。其他差距——数据获取、人脉、经验——没动。

对想进场的人，诚实说法：体力活门槛没了。判断力门槛一直在那，现在唯一一道。

用 agent 做投资不是终点，起点。最大好处不是省时间——给个低成本训练场。反复练习读财报、拆估值、压测判断，每轮训练眼力和理解。以前这训练只在基金拿得到，现在自己能安排。

4. 两件事得一起学

课程同时教两样。只学一样，不够。

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、决策规则。没一条新。每条都承重——缺它们判断不了 agent 给的东西。

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）：三张报表三面镜子。
估值是叙事（第 5 章）：Damodaran 框架。DCF 里每个数字是故事选择。
风险（第 6 章）：波动率为什么不是风险。四种真会咬人的风险。
论点纪律（第 7 章）：防弹判断六个要素。

只走这条线，拿到 1995 年也管用的扎实底子。但没有 2026 年速度下去用的方式。

第二条线——Agent 协作

2026 年才有技能。没教科书。

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，跑完整流程。

只走这条线，搭出顺畅流程，自信地产出关于根本不懂的公司的报告。效率很高，垃圾进垃圾出——而且会信它，因为过程看着专业。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，加 workshop 里你框架第一步。

第 2 章 — Agent 有四份工作。 分析师、红队、导师、执行者。讲清 agent 在任何角色下做不到的六件事。

第 3 章 — 股票到底是什么。 第一性原理。回报三个来源。

第 4 章 — 读公司：读模式，不数页码。 三张报表三面镜子。案例：Enron、Costco。

第 5 章 — 估值是被数字包着的故事。 Damodaran 框架。

第 6 章 — 风险不是波动率。 四种真风险。LTCM。

第 7 章 — 没写下来不算判断。 六个要素。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。 二十五年真正复利的不是信息量。

5. 怎么用这个课程

不是博客系列。 十章课程，博客一章一章放。每章认真坐下来读一到两次。

重读是预期内的。 尤其第 4 到第 6 章。第一遍跟住，隔一周再来，第二遍框架真正成形。

把 agent 当老师。 课程最重要一条元指令。碰到没想明白的概念，别硬往下读。停下来，打开 Claude Code，自己话说给 agent 听。让它找你解释漏洞。第 2 章详细讲——"导师"四个角色之一。

做练习。 每章都有 workshop。每个 workshop 30 分钟到 2 小时。第 9 章例外——要好几天。

时间成本说清楚。 阅读 15 到 25 小时。练习 15 到 35 小时。毕业实战 4 到 8 小时。总共 30 到 60 小时。

最后拿到的不是荐股，不是模型，不是交易系统。是守得住的分析框架，加框架上跑研究流程的实操能力。

不是投资建议

课程教育性质。任何章节内容不构成买、卖或持有任何证券建议。提到公司都是案例，不是推荐。

Workshop · 你框架的第一步

时间： 30 到 45 分钟 工具： 任何你已在用的 AI agent

第一步——挑一只股票。 持有的，或过去一年认真想过要买。想不出来就挑一家自己用、真在乎的产品背后公司。

第二步——让 agent 写两样。 三段看多逻辑，三段看空逻辑。

第三步——两份都读完，不做笔记。 留意哪点头，哪想反驳。

第四步——给两份逻辑打标。 ✓ 同意的，✗ 不同意的，? 判断不了的。只用已有知识和直觉。

第五步——文档末尾写句话： "我最不同意的一条是 __________，因为 __________。"

第六步——存好文档。 文件名带公司代码和日期。第 7 章重新打开。

第五步"因为"，框架第一步。

不是在追求判断正确。是把已经相信的东西逼出来，够具体、以后能跟它吵架的形式。

别跳过。后面内容需要有东西接上。

旧门槛没了——Bloomberg 终端、编程能力、表格里磨时间耐心。留下来的是判断力。

第 2 章讲 agent 能扮四个角色：分析师、红队、导师、执行者。做完上面练习再往下走。