投资中的稳打稳扎

币界网Dipublikasikan tanggal 2024-08-15Terakhir diperbarui pada 2024-08-15

币界网报道:

在昨天那篇文章中我回忆了自己过往投资经历中的一些片段以及由这些片段串起来形成的一种投资方式。

这种投资方式实际上非常类似风投。

在这种方式中无论是我们的思维还是我们的操作,在风格上都是迎着风险而上的

我们面对的场景都是全新从未有过的;

我们要理解的事物是有违“常理”和“常识”的;

我们要买入的资产是没有经过足够长时间验证,并且无法用传统的营收模式来衡量的。

这些感悟我以前也有,但是最近这半年当我读了与巴菲特投资相关的书籍后感受更加强烈。

昨天在写文章的时候,我就想干脆趁这个机会也和大家分享一下我对巴菲特投资方式的一点浅薄理解,给大家提供一种不同的视野和思维。

巴菲特的投资方式与上面这种截然不同,甚至可以说是南辕北辙。

如果直接和上面这种投资方式进行对比,

我觉得巴菲特/芒格的投资方式可以描述为:无论在思维上还是在操作上都要躲开风险

我们要面对的场景是全新从未有过的,巴菲特选取的场景全都是已有的

对未知场景,我在他的公开表述或文字中看到提及时所用的形容都是谨慎、甚至负面的。

我们要理解的事物是有违“常理”和“常识”的;巴菲特理解的事物不仅不能违背“常理”和“常识”,而且还要是他自认为能够比常人理解得更深、更好的

对有违“常理”和“常识”的东西,巴菲特/芒格的处理方式非常简单:直接置之不理。

我们要买入的资产是没有经过足够长时间验证,并且无法用传统的营收模式来衡量的;而巴菲特买入的资产不仅要经过足够长时间的验证,而且最好能估计其在未来15年、20年乃至更长时间内的现金收益,它一定要能用传统的营收模式清晰地衡量

在选取投资标的时,以我们的投资方式,很多时候我们倾向选取业务模式新、甚至从未有过但“想象空间”巨大的标的;但巴菲特会选取业务模式非常成熟,并且他理解得非常深刻的标的

巴菲特/芒格平常最主要的工作就是读公司年报和财经资讯,以此来掌握各个行业的情况以及各个行业中各个公司的情况,从而了解一个行业、一个公司的盈利模式,并尝试理解一个公司未来15年、20年乃至更长时间是否还有持续营收的能力以及这种能力是否具有门槛,让一家公司在一个行业中立于不败之地。

852y54yjFN5wzmxqmeKdhFB1p1tADN6fDnXzXl1b.png

当他收购一个公司或者购买一个公司的股票时,往往在此前的十多年甚至更久他就已经通过大量的阅读和学习对这个公司所处的行业甚至这个公司有了非常深的理解。在这十多年,他一直在耐心等待那个符合他心目中标准的公司出现或者等待那个目标公司的股价达到他购买的标准。

而一旦买入一家公司的股票,除非公司的运营、模式、风险、门槛等出现了变故,或者他发现了好得多的其它投资标的,否则他不会轻易出售持有的股票。

如果我们回看他过往出售股票的操作,会发现他的那些操作事后都被证明是明智的。

如果是因为公司出现问题导致他出售,那是因为他已经对这个公司的行业、这家公司了解得滚瓜烂熟,公司的某些细微变动都能让他提前看到别人看不到的风险和问题,使他能在风险以及问题爆发前就离场。

如果是因为他发现了其它更好的标的导致他出售现有的股票,那后面的状况也证明确实他新买入的其它股票要比出售的股票更合适。

所以整体看,巴菲特的投资方式是稳打稳扎似的投资。

这种方式对人的思维挑战或者常识挑战没有那么大,但需要投资者在了解行业和公司方面下异于常人的苦功夫--------像巴菲特/芒格那样常年大量阅读枯燥的财报、行业分析以积累对行业和公司超出常人的理解和敏感。

当我对比这两种不同的投资方式时,除了好奇投资领域的神奇(南辕北辙的投资方式都能找到自己的适用场景)之外,也感受到了思维上的剧烈冲击。

我经常听到一些投资人说自己既要做风投也要像巴菲特那样做二级市场的投资。如果真的能把这两种方式都驾驭得游刃有余,那简直就像《神雕侠侣》中老顽童的左右手互搏,能够天下无敌了。

Bacaan Terkait

Huang Renxun: Prompt Sudah Usang, Loop adalah Paradigma Baru

**Ringkasan:** **Prompt Sudah Ketinggalan Zaman, Loop adalah Paradigma Baru.** Menurut Huang Renxun (Jensen Huang), pendiri NVIDIA, tugas utama di era AI sekarang bukan lagi menulis perintah (prompt), tetapi **menulis dan mengelola loop (siklus).** **Apa itu Loop?** Loop adalah sistem di mana Anda mendefinisikan suatu tujuan, dan AI menjalankannya secara mandiri—memeriksa hasil, memperbaiki kesalahan, dan mengulangi proses tersebut hingga tugas selesai atau mencapai batas tertentu. Manusia beralih peran dari "pemberi perintah" menjadi **"perancang aturan" atau "arsitek sistem."** **Loop vs. Agent:** Agent adalah "pekerja" yang menjalankan tugas. Loop adalah **mekanisme pengelolaan** yang memungkinkan Agent bekerja terus-menerus tanpa pengawasan manusia. Agent dengan loop menjadi sistem yang dapat berjalan otomatis. **Contoh Penerapan:** Produk seperti Claude Code (dengan fitur /loop, /goal, /schedule) dan OpenAI Codex telah menerapkan konsep ini. Mereka membagi tugas kompleks ke beberapa Agent yang berjalan paralel di lingkungan terisolasi, dengan model terpisah untuk menulis kode dan memvalidasi hasil, memastikan objektivitas. **Bagaimana Memulai Loop?** 1. **Uji Kelayakan:** Pastikan tugas berulang, dapat divalidasi otomatis, dan anggaran token mencukupi. 2. **Mulai dari Loop Minimal:** Bangun sistem dengan pemicu otomatis, keterampilan (skill), file status (STATE.md), dan "gerbang" validasi (seperti pengujian). 3. **Pisahkan Pemeriksa dan Pelaksana:** Gunakan model atau Agent berbeda untuk menulis kode dan memeriksa/mengujinya. Ini kunci untuk kualitas. 4. **Hindari Jebakan Umum:** Tetapkan batas pengulangan dan token, simpan status, hindari tugas yang membutuhkan pertimbangan manusia, dan tetap tinjau perubahan kode (diff). 5. **Ukur Efektivitas:** Metrik utama adalah **biaya rata-rata per perubahan yang diterima.** **Evolusi Paradigma:** Perkembangan AI menunjukkan pergeseran berkelanjutan: 1. **Prompt Engineering** (2023-2024): Fokus pada cara menulis perintah. 2. **Context Engineering** (2024-2025): Fokus pada informasi dan latar belakang yang diberikan ke AI. 3. **Harness Engineering** (2025-2026): Fokus pada lingkungan eksekusi dimana AI dapat menggunakan alat dan sumber daya. 4. **Loop Engineering** (sekarang): Fokus pada merancang sistem siklus otomatis yang berjalan mandiri. Konsep loop memiliki akar akademis, seperti dalam framework **ReAct** (Reasoning + Acting) yang dikembangkan oleh Yao Shunyu dkk., yang menggabungkan penalaran dan tindakan dalam sebuah siklus. **Catatan Penting:** Meskipun menjanjikan, teknologi ini masih awal. Perlu kehati-hatian terhadap biaya token dan kompleksitas. Seperti dikutip Andrej Karpathy, **"Anda dapat mengalihdayakan pemikiran Anda, tetapi Anda tidak dapat mengalihdayakan pemahaman Anda."** Pemahaman mendalam tentang masalah tetap berada di tangan manusia.

marsbit1j yang lalu

Huang Renxun: Prompt Sudah Usang, Loop adalah Paradigma Baru

marsbit1j yang lalu

GPT Merancang GPT

OpenAI akhirnya merilis chip pertamanya, Jalapeño. Meski banyak yang menganggapnya sebagai tantangan bagi Nvidia, inti dari langkah ini justru adalah pengakuan terbuka OpenAI bahwa mereka tidak puas hanya menjadi perusahaan model AI. Mereka ingin mengontrol seluruh proses produksi kecerdasan, dari model, chip, hingga pusat data dan energi. Perbedaan kemampuan model semakin menyempit, namun kesenjangan dalam komputasi justru melebar. Dalam era AI, satuan biaya terpenting bukan lagi harga server atau GPU, melainkan biaya produksi setiap Token. Sebagai penyedia layanan seperti ChatGPT dan API, OpenAI menghadapi kenyataan bahwa semakin sukses produk mereka, semakin besar "pajak inferensi" yang harus dibayarkan ke penyedia hardware eksternal. Jalapeño adalah upaya membangun "pabrik Token" sendiri untuk mengurangi ketergantungan ini. Yang menarik, siklus pengembangan chip Jalapeño hanya sembilan bulan, jauh lebih cepat dari standar industri. Kunci percepatan ini adalah pengetahuan OpenAI tentang beban kerja model nyata. Mereka bahkan menggunakan model AI mereka sendiri untuk mempercepat bagian proses desain dan optimasi chip. Ini menciptakan siklus umpan balik: model yang lebih baik membantu mendesain chip yang lebih baik, yang kemudian menurunkan biaya menjalankan model generasi berikutnya. Jalapeño difokuskan untuk inferensi, bukan pelatihan. Inferensi adalah pengeluaran tunai harian yang masif, terutama dengan berkembangnya Agent dan tugas-tugas rantai panjang. Dengan mengurangi "pajak inferensi" ini, OpenAI dapat meningkatkan margin keuntungan layanannya. Strategi OpenAI semakin mirip dengan Apple: membangun ekosistem tertutup yang terintegrasi, dari model (perangkat lunak intelijen), antarmuka seperti ChatGPT, hingga chip dan infrastruktur fisik. Mereka tidak ingin menjual "sekop" (seperti Nvidia), tetapi memiliki "tambang" dan menjual "kecerdasan" yang dihasilkannya. Pada akhirnya, artikel ini menyimpulkan bahwa aset terpenting di era AI sedang bergeser. Model akan terus berubah seperti "aliran traffic," tetapi infrastruktur produksi—chip, jaringan, pusat data, energi—akan menjadi "tanah" yang dikuasai oleh sedikit pemain. Dengan Jalapeño, OpenAI menyatakan ambisinya: tidak hanya menjadi perusahaan paling cerdas, tetapi mengontrol produksi kecerdasan itu sendiri.

marsbit1j yang lalu

GPT Merancang GPT

marsbit1j yang lalu

Direktur Eksekutif Sementara Yayasan Ethereum Bicara: Apa Misi Kami?

**Misi Ethereum Foundation (EF): Memperkuat Otonomi dan Ketahanan Ethereum** Ethereum Foundation (EF) secara resmi mendefinisikan misinya: memastikan Ethereum tetap sebagai infrastruktur *permissionless* yang menjamin kedaulatan diri—tahan sensor, terbuka, pribadi, dan aman. Ini adalah jawaban final atas pertanyaan tentang tujuan EF. **Apa yang BUKAN Tujuan EF:** EF bukan untuk kepentingan jangka pendek, popularitas, menyenangkan spekulan, atau menciptakan lembaga keuangan besar yang baru. **Inti Tindakan EF: Mengatasi Kelemahan** EF berfokus memperkuat Ethereum di semua lapisan (protokol, akses, pengguna, kelembagaan) untuk mencegah eksploitasi, kontrol kartel, atau pengawasan otoritatif. Tindakan konkret meliputi: 1. **EF Memimpin dengan Contoh:** Beralih ke gaji dan transaksi dalam ETH/stablecoin asli Ethereum untuk merasakan tekanan produk secara langsung. 2. **Melawan MEV Berbahaya:** Melindungi netralitas Ethereum dengan memerangi *Maximum Extractable Value* (MEV) yang merusak di alur transaksi, mencegah monopoli pembangun blok, dan meningkatkan transparansi. 3. **Prioritas Privasi:** Privasi default yang kuat adalah kebutuhan mutlak. Buku besar publik tanpa privasi adalah platform pengawasan. Ethereum harus menawarkan privasi tanpa syarat terlebih dahulu. 4. **Staking sebagai Infrastruktur:** Staking bukan sekadar produk hasil. EF akan mendukung desain agar staking tetap *permissionless*, terdesentralisasi, dan pribadi, mencegah konsentrasi risiko. 5. **Antarmuka Akses yang Otonom:** Fokusnya adalah membuat pengguna (individu & institusi) lebih mandiri dan kurang rentan terhadap paksaan, bukan mengorbankan nilai inti Ethereum untuk adopsi. **Memanfaatkan Peluang:** EF juga akan membangun masa depan dengan mengejar peluang seperti: * Menjadi infrastruktur global pertama yang tahan serangan kuantum. * Menciptakan tumpukan protokol yang sepenuhnya terverifikasi dan otonom tanpa celah. * Menjadikan Ethereum sebagai "uang digital biasa" yang pribadi dan bermartabat. * Mengintegrasikan agen AI dengan dompet pribadi yang dijalankan pengguna, mempertahankan kedaulatan atas aset dan model. * Membuktikan bahwa infrastruktur netral dapat menangani koordinasi skala besar secara kompetitif untuk aplikasi institusional. * Skalabilitas yang mempertahankan jaminan otonomi. **Tata Kelola Internal:** Artikel juga menyentuh perubahan internal EF, termasuk kepergian beberapa staf dan spin-off proyek tertentu, yang dilakukan untuk menyelaraskan kembali organisasi dengan misi intinya. EF akan mendanai pekerjaan eksternal hanya jika sangat penting dan selaras dengan misi memperkuat otonomi Ethereum, bukan untuk sekadar melanjutkan proyek atau menjaga hubungan. Kesimpulannya, EF berkomitmen penuh untuk membangun Ethereum sebagai infrastruktur netral yang tangguh dan berumur panjang, yang mampu mendukung koordinasi otonom dalam skala besar untuk peradaban masa depan.

marsbit1j yang lalu

Direktur Eksekutif Sementara Yayasan Ethereum Bicara: Apa Misi Kami?

marsbit1j yang lalu

Trading

Spot
Futures
活动图片