投资中的稳打稳扎

币界网Publicado a 2024-08-15Actualizado a 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。

Lecturas Relacionadas

Huang Renxun: El Prompt está quedando obsoleto, Loop es el nuevo paradigma

En el mundo de la IA, se está produciendo un cambio de paradigma: el "prompt" (instrucción directa) pierde relevancia frente al "loop" (bucle o ciclo). Según expertos como Jensen Huang (fundador de NVIDIA), Peter, Boris Cherny (creador de Claude Code) y Andrew Ng, la nueva tarea clave no es escribir prompts detallados, sino diseñar y gestionar loops. ¿Qué es un loop? Es un sistema automatizado donde la IA recibe un objetivo general, ejecuta tareas, las verifica automáticamente y, si no cumple los criterios, reintenta de forma independiente hasta completarlo o alcanzar un límite. Esto libera al humano de supervisar cada paso, transformándolo de "instructor" a "diseñador de reglas". Un loop no es lo mismo que un agente de IA: el agente ejecuta, mientras que el loop es el mecanismo que orquesta y automatiza su trabajo continuo sin intervención constante. Productos como Claude Code y OpenAI Codex ya implementan esta idea. Claude Code ofrece funciones como `/goal` (ejecución orientada a objetivos) y `/schedule` (tareas programadas), utilizando modelos separados para generar código (modelo principal) y para validarlo (modelo más pequeño como Haiku), asegurando una verificación objetiva. Codex emplea una "línea de ensamblaje automatizada" con múltiples subagentes que trabajan en paralelo. Boris Cherny describe cómo dirige cientos de pequeños agentes en loops automatizados que manejan desde issues de GitHub hasta fallos en CI, interviniendo solo en casos excepcionales. Para implementar loops efectivos, se recomienda: 1) Evaluar si la tarea es repetitiva, verificable automáticamente, con presupuesto de tokens viable y con herramientas adecuadas. 2) Comenzar con un loop mínimo viable (disparador, habilidad/Skill, archivo de estado STATE.md y compuerta/Gate de verificación). 3) Separar siempre la generación de código de su validación, usando agentes o modelos independientes para evitar sesgos. 4) Evitar errores comunes: establecer condiciones de parada claras (límites de tokens, iteraciones), persistir el estado en archivos, asignar solo tareas con criterios objetivos verificables por máquina (como corrección de Lint) y revisar los cambios (diffs) para mantener la comprensión del código. 5) Medir el éxito por el "costo promedio por modificación aceptada"; una tasa de aceptación inferior al 50% indica ineficiencia. Este enfoque representa la evolución natural en la ingeniería de IA: desde el "Prompt Engineering" (2023-2024, enfocado en redactar instrucciones), pasando por el "Context Engineering" (2024-2025, organizar la información de fondo), luego el "Harness Engineering" (2025-2026, crear entornos de ejecución con herramientas), hasta el actual "Loop Engineering". El nivel de control humano asciende desde frases específicas hacia el diseño de sistemas autónomos. Conceptos académicos como el marco ReAct (Reason+Act, 2022) de Shunyu Yao, que integra razonamiento y acción en un ciclo, sentaron las bases teóricas. A pesar del entusiasmo, expertos como Addy Osmani (Google) advierten sobre la etapa temprana de esta tecnología y los costos de tokens. Andrej Karpathy subraya una reflexión crucial: aunque la IA puede externalizar la ejecución, la comprensión profunda del problema sigue siendo responsabilidad humana. El loop marca un paso hacia una automatización más autónoma, pero su adopción requiere cuidado y criterio.

marsbitHace 1 hora(s)

Huang Renxun: El Prompt está quedando obsoleto, Loop es el nuevo paradigma

marsbitHace 1 hora(s)

GPT diseña GPT

OpenAI ha presentado su primer chip, Jalapeño, un cambio estratégico que va más allá de competir con Nvidia. La empresa busca controlar todo el proceso de producción de inteligencia artificial, desde los modelos hasta el hardware, la energía y los centros de datos. La brecha entre modelos líderes se está reduciendo, mientras que la ventaja competitiva se desplaza a capas más profundas: suministro de computación, costes de inferencia y eficiencia de sistemas. Cada token generado implica un costo, y OpenAI, con productos de gran consumo como ChatGPT, necesita reducir esta "tasa de inferencia" para fortalecer su rentabilidad y defensa competitiva a largo plazo. Jalapeño, un chip ASIC optimizado para inferencia de modelos de lenguaje, fue desarrollado en solo nueve meses con Broadcom. Este plazo résubevela la ventaja clave de OpenAI: utiliza su propio conocimiento interno sobre cómo se ejecutan sus modelos masivos en producción para guiar el diseño del hardware. Esencialmente, GPT ayuda a diseñar las máquinas que ejecutarán la próxima generación de GPT, creando un ciclo de retroalimentación potente. El enfoque en la inferencia es crucial porque, a diferencia del entrenamiento (una inversión puntual enorme), la inferencia consume el flujo de caja diario. Al optimizarla, OpenAI reduce costes operativos fundamentales para su escalabilidad comercial, especialmente con futuros agentes de IA que realizarán cadenas largas de razonamiento. Este movimiento refleja una ambición mayor: OpenAI no quiere ser solo un proveedor de modelos, sino construir un ecosistema integrado al estilo de Apple, donde el software, el hardware y la infraestructura se optimizan mutuamente en un ciclo cerrado. A corto plazo depende de Nvidia, pero al trazar su propia hoja de ruta de chips, emerge como un nuevo tipo de actor en la infraestructura de IA. En resumen, OpenAI ya no aspira solo a crear la inteligencia más avanzada, sino a controlar los medios completos de su producción.

marsbitHace 1 hora(s)

GPT diseña GPT

marsbitHace 1 hora(s)

La directora ejecutiva interina de la Fundación Ethereum alza la voz: ¿Cuál es nuestra misión?

El director interino de la Ethereum Foundation (EF), Aerugo, define la misión de la fundación: garantizar que Ethereum sea y siga siendo una infraestructura verdaderamente sin permiso, resistente a la censura, privada y segura, y que permita la coordinación a gran escala respetando la soberanía individual. El artículo detalla en qué **no** se centrará la EF: popularidad, atraer a grandes instituciones financieras o satisfacer a especuladores a corto plazo. Su propósito es **eliminar vulnerabilidades** en capas clave del ecosistema: * **Proceso de transacciones/MEV**: Combatir la extracción dañina de MEV, evitar monopolios en la construcción de bloques y garantizar la ejecución neutral. * **Privacidad**: Es fundamental. Un libro mayor público sin privacidad por defecto se convierte en una plataforma de vigilancia. * **Staking**: Debe ser accesible, privado y diverso para evitar puntos centralizados de control. * **Interfaces de acceso**: Facilitar que los usuarios (individuales e institucionales) interactúen con Ethereum de forma autónoma y resistente a la coerción. La EF también debe **aprovechar oportunidades**, como convertir a Ethereum en: * La primera infraestructura global resistente a ataques cuánticos. * Efectivo digital privado y una plataforma para la coordinación privada. * La base para carteras personales con agentes de IA controlados por el usuario. * Una opción competitiva y sin custodia para casos de uso institucional. Respecto a los cambios internos, el artículo confirma salidas de personal por ajustes estratégicos o de rol, pidiendo respeto y evitando el debate público sobre casos individuales. También anuncia que algunos trabajos se externalizarán en "empresas derivadas" (spin-offs). La EF solo financiará proyectos externos si son cruciales para su misión, evitando apoyar trabajos que se desvíen de sus principios fundamentales. La postura final es clara: La EF no es neutral respecto a la dirección de Ethereum. Su compromiso es con los principios de infraestructura sin permiso y neutral que respete la soberanía, y colaborará con quienes compartan este objetivo.

marsbitHace 1 hora(s)

La directora ejecutiva interina de la Fundación Ethereum alza la voz: ¿Cuál es nuestra misión?

marsbitHace 1 hora(s)

Trading

Spot
Futuros
活动图片