第一性原理 · 投研思维工具箱
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_818aedf2/first-principles-investing
技能介绍
要解决的问题
研报里「过去 5 年 20% 增速,未来按 20% 定价」的写法普遍存在;PE「回归历史均值」被当成公理;「全市场都这么看」被当作支持理由;重仓时没人写清「什么信号会杀死这套逻辑」。这类失败的共同点是:用归纳替代演绎,用共识替代证据,用表态替代证伪。本技能不补充财务模型,也不替代数据库查询,只负责「怎么想问题」的底层结构。
技能如何工作
核心能力:7 个心智模型按「触发条件 → 推理步骤 → 投研映射 → 局限」组织,运行时按固定序列执行:
- 问题路由:把输入归类到研报审查、估值、新赛道、转型事件、共识行情、持仓复查、财报拆解等场景;
- 模型匹配:按场景速查表选择
模型 1–模型 7中的 1–3 个组合,例如成熟公司估值用模型 2 + 模型 3,财报大涨大跌用模型 5拆回要素; - 关键步骤:
模型 1审计「过去=未来」的每一环,追问连续性假设是否仍成立;模型 2用三层追问定位基石假设,再问「拿掉它逻辑会塌吗」;模型 3用 2–3 条公理重建从生意模型到估值的推导链;模型 4区分「破基石」与「改内容」;模型 5把成本与价值链拆到要素层,判断「贵」来自要素还是组合方式;模型 6交叉验证多元视角,并把强共识当作审查信号;模型 7做三洽、可证伪与反共识收尾,产出「结论 + 基石 + 什么证据会推翻它 + 边界条件」。 - 反模式护栏:不画直线、不被共识击破、不用单一锤子、不建不可证伪逻辑;执行中随时扫描,陷入外推或面子上头立即回到对应模型的验证步骤。
适用边界
本技能只覆盖逻辑结构与判断纪律:短周期市场情绪、股价噪音不在能力范围内;财务数据以你本地数据源为准,最终决策责任在使用者。公理选错则整条推导链坍塌;反共识本身不是美德,只有「非共识且正确」才有价值。它同时承认演绎与经验数据间的张力,建议在跨曲线、新业务、大变局场景优先演绎,而非用演绎取代全部经验。
使用场景
- 收到一份「看好 XX 公司」的研报,需要甄别其中「历史增速即未来」的假设环节,并定位整条逻辑的基石假设。
- 龙头公司宣布二次创业或新战略,需要判断它替换了更深层的基石假设,还是只在旧系统内核做改良、换话术。
- 某标的已成全市场一致预期,需要拆清这波行情来自基本面改善还是资金接力,并写明失效条件与离场机制。
- 财报披露后股价大涨大跌,需要把利润变化拆回到量、价、成本等要素层,确认驱动实际来自哪个环节。
适合人员
- 买方或卖方研究员:每篇个股报告定稿前,需要一套可重复的框架,把结论背后的基石假设、证伪条件显式写出来。
- 基金经理:在建仓或加仓重仓股前,除财务模型外还需要一份逻辑结构与纪律自查清单,避免被共识和历史外推带偏。
- 股权投资与尽调人员:面对新赛道或转型期公司,需要检验其商业模式隐含假设、成本结构与护城河是否真正成立。
- 个人投资者:读财报与研报时,想分清哪些是客观证据、哪些只是市场共识,并给已有持仓建一份「杀它的证据清单」。