价值投资遇上新兴科技：用技术终局判断法找到真正的成长股

一说价值投资，很多人脑子里跳出来的画面是低市盈率、高股息、现金流稳健的老牌公司；一说新兴科技行业，又马上联想到高估值、不盈利、烧钱换增长、技术路线一天一个样。这两件事放在一起，总让人觉得别扭——价值投资讲究的是确定性和安全边际，而新兴科技行业最不缺的就是不确定性和想象空间。我在刚开始接触这个领域的时候，也一度认为价值投资和新兴科技是水火不容的两条路，直到后来深入研究了几家从早期亏损一路走到行业龙头的公司，才慢慢想明白了一件事：价值投资的底层逻辑并没有失效，失效的只是套用在新兴科技行业上的那套旧工具。

这篇文章想和你聊的，就是我这个过程中的完整思考。我会先说说为什么传统的价值投资方法在科技行业会失灵，再讲一套我这些年反复打磨出来的分析框架，包括怎么判断技术赛道、怎么选公司、怎么给不确定性估值、又怎么用仓位管理来对冲判断失误的风险。全程不预测股价，也不推荐具体标的，只聊方法和框架。不管是刚开始接触价值投资的新手，还是已经有一定投资经验、想在科技行业里找机会的朋友，这篇文章都可以当作一份可上手的地图来用。

1. 价值投资和新兴科技，真的水火不容吗

1.1 传统价值投资的“旧地图”为什么失灵

先回顾一下价值投资的经典操作。格雷厄姆和巴菲特给这一派定的规矩很朴素：买股票就是买公司，而公司的价值等于它未来能产生的现金流的折现值。所以传统价值投资者要做的事大致可以分为两步，第一步是估算公司未来的自由现金流，第二步是用一个合理的贴现率把它折算到今天，然后跟当前市值比较，看有没有安全边际。

这套方法用在成熟行业里非常好用。一家卖饮料的公司，市场格局稳定，品牌护城河清晰，未来五年的销量和利润率都能大致推算出来，DCF模型跑下来八九不离十。但一旦把同样的问题抛给一家新兴科技公司，麻烦就来了。比如一家做AI芯片的创业公司，现在还在亏损，产品有没有大规模落地都不知道，技术路线可能过两年就被新架构颠覆，你让我预测它未来十年的自由现金流？这几乎是在做科幻创作。

更关键的问题在于，新兴科技公司的估值锚并不在当期财务数据上。市场愿意给高估值，是因为相信它未来能占领一个巨大的市场，而这个市场可能现在还不存在。用DCF去给这样的公司估值，等于拿一张旧地图去航海，地图上根本没有你要去的那片大陆。我见过很多用传统估值方法看科技股的人，最后得出的结论永远是“太贵了”，然后眼睁睁看着公司从亏损到盈利，市值翻了几倍。这不是说他们看错了，而是他们用的那套尺子根本量不了这个行业。

1.2 换掉旧地图：从“现金流折现”到“技术终局判断”

那是不是说价值投资这套逻辑在新兴科技行业就彻底没用了？我的看法恰恰相反。价值投资的内核从来都不是“现金流折现”这四个字，而是“买股票就是买公司”这个基本判断。我们需要换掉的，只是“怎么评估一家公司的价值”这件事的具体方法。

传统价值投资买的是正在结果的桃树，你看见它每年结多少果，就知道它值多少钱。新兴科技公司则更像一棵正在抽条的树苗，它现在不结果，甚至看起来还很脆弱，但你要判断的是这棵树苗能不能活下来、能不能长成大树、将来的果实有多大的市场。这种判断当然更难，更考验认知，但它本质上还是在做价值判断，只是判断的对象从“当下的现金流”变成了“未来的行业格局和终局赢家”。

所以我给这套新方法起了个名字，叫“技术终局判断法”。它的核心逻辑是三步走：第一，判断这项技术是不是真的在改变某个行业的成本结构或效率；第二，判断这个行业未来会形成什么样的竞争格局，是赢家通吃还是百花齐放；第三，判断在终局格局下，谁最有可能成为那个最大的赢家。这套方法的焦点不在明年的财报上，而在三到五年后的行业图景上。你会发现，这个思路其实和巴菲特说的“如果你不想持有一家公司十年，就不要持有它十分钟”是一脉相承的，只是把“持有”的前提从“现金流可预测”改成了“终局可判断”。

2. 先回答四个问题，再看要不要碰一条科技赛道

2.1 需求是真刚需，还是“伪需求”

我评估一条科技赛道时，第一个要回答的问题往往不是“技术有多先进”，而是“这个东西到底有没有人真的需要”。听起来像是废话，但科技行业里最容易犯的错误，就是被技术的酷炫程度冲昏头脑，忽略了一个朴素的事实——技术再先进，如果解决的问题不够痛，用户就不会买单。

判断需求真伪，我常用的核心标准是看两条：能不能显著提高效率，或者能不能显著降低成本。二选一就行，但必须足够“显著”。比如云计算的兴起，本质上是把企业IT的固定成本变成了可变成本，大幅降低了一家公司自建机房的资本开支，这是典型的降低成本；一家做仓库机器人公司提供的方案，如果能让人工拣货的成本下降40%，这是提高效率的硬需求。这类技术哪怕早期产品还很粗糙，需求也是实打实的。

反过来，有一些概念看着热闹，但你追问下去会发现它烧钱炫耀的意味大于实际用途。判断的方法很简单，你问自己一个朴素的问题：这个产品如果明天就消失，会有多少人觉得损失惨重？如果答案是“只有投资人觉得损失惨重”，那就要小心了。我自己还有一个“三个用户”的笨办法：不要看发布会上的演示视频，去找三个真实用户，问问他们购买这个产品前后有什么变化，有没有真的离不开它。如果连三个都找不到满意的，基本可以说明需求还不够扎实。

2.2 技术成熟度：在S曲线上找位置

确定需求真实之后，第二个问题是时机。再好的技术，如果太早进入，可能要陪着行业熬十年的冷板凳；太晚进入，又可能在格局已定的时候去接盘。这里最核心的参照系是技术扩散的S曲线和Gartner的炒作周期曲线。

S曲线的逻辑很直观：一项新技术刚诞生时，渗透率提升很慢，因为技术不成熟、成本高、用户有疑虑；跨过某个临界点之后，产品成熟度上升、成本下降、示范效应扩散，渗透率会出现一段快速拉升；最后市场趋于饱和，增速重新降下来。历史上智能手机、云计算、新能源汽车都走过这样一条路。实操中我的判断方法是关注渗透率数据，当一个品类渗透率从个位数突破到接近两位数，往往是行业从导入期进入加速期的转折点，这个阶段做投资研究，性价比会明显高于早期。

Gartner的炒作周期曲线则是另一个维度，它描述的是市场情绪的变化。一项新技术刚出现时，媒体和资本会把它捧上预期膨胀的顶峰，随后发现商业化不及预期，跌入泡沫破裂的低谷，之后技术才在逐渐落地中进入稳步爬升的光明期。价值投资者最应该关注的，往往是泡沫破裂之后、真实应用开始浮现的那段时期。这个阶段市场情绪冷淡，估值回落，但真正有技术实力的公司反而在踏实做产品。举个例子，某家做基因检测的公司，在最喧嚣的时候市场给了天价估值，后来行业进入寒冬，估值缩水大半，但公司并没有死掉，反而在低谷期把成本做下来了，变成了行业里毛利最好的那一个。踩在正确的时间点买入，收益率会完全不一样。

2.3 商业模式能不能走向盈利

需求真实、时机合适，还要看商业模式这套“赚钱逻辑”能不能闭环。技术型公司常见的错误，是把技术做得好当成了公司能赚钱的充分条件。事实上，技术只是创造了价值，能不能把价值的一部分变成收入和利润，走的是完全不同的逻辑。

判断商业模式能不能走通，我一般从三个维度入手。第一，谁付费。技术产品的使用者是谁，付费方又是谁，这两者之间有没有断层。比如一些面向消费者的科技硬件，使用者喜欢产品但不愿意掏大价钱，付费能力不足，商业模式就很难成立；而面向企业的技术方案，只要能够显著降低成本，付费方通常更果断。第二，单位经济模型。生产一个产品、服务一个客户带来的毛利能不能覆盖获客成本和运营成本，还是卖得越多亏得越多。卖得越多亏越多，不叫成长，叫失血。第三，复购逻辑。客户买了第一次之后，还会不会再买？产品是耐用品还是消耗品？有没有订阅制、服务费这样的收入模式可以形成粘性？

我特别喜欢画一条“商业模式路演线”：从客户第一次接触产品到持续付费，中间每一步的转化率和毛利情况。如果一个技术公司在路演线前段做得很好，后段却结不了账，通常说明它的技术价值还没有完全转化成商业价值，需要等它的商业化团队跟上。

2.4 行业终局：会不会赢家通吃

最后一个问题，也是最重要的一个问题：如果这个赛道真的发展起来了，行业格局会变成什么样。科技行业的竞争逻辑和传统行业有一个显著区别，很多细分领域天然具有“赢家通吃”的属性。

赢家通吃通常由三个因素驱动。一是网络效应，用户越多产品越好，产品越好用户越多，社交平台、操作系统、云计算都是这种逻辑；二是数据飞轮，产品使用过程中产生的数据反过来训练和改善产品，让头部产品和新进入者之间的差距越拉越大，自动驾驶、推荐算法都是典型；三是规模经济和成本曲线，边际成本趋近于零的数字产品可以无限复制，摊薄到每个用户的成本远低于后来者。

判断一条赛道会不会赢家通吃，我的方法是看“用户迁移成本”和“边际成本”。如果用户转去用另一个产品几乎没有成本，那市场就很难被垄断；如果边际成本极高、每个项目都要重资产投入，比如一些高端制造业，那也很难出现一家独大的局面。反过来，只要存在网络效应或者数据飞轮，我基本会默认这个赛道最终会形成一个少数玩家垄断的格局，这时候买赛道里的老二老三意义就不大，因为终局大概率是老大拿走绝大部分利润。这个判断会直接影响后面的选股策略：与其分散买行业里的好几家公司，不如集中研究最可能胜出的那一个。

3. 选公司：拿到项目后怎么按顺序看

3.1 技术护城河：挖得深不深，能不能持续

赛道判断清楚了，接下来是选公司。我评估一家新兴科技公司时，除了常规的商业分析，会额外花很多时间看它的技术护城河。相比传统行业里靠品牌和渠道建立的壁垒，科技公司的护城河形态完全不一样，有几种常见类型：专利和知识产权壁垒、核心研发团队壁垒、数据和算法壁垒、网络效应壁垒、以及深度绑定的生态壁垒。

这里面最容易让人走眼的是“先发优势”和“技术壁垒”的区别。先发优势只是比别人早跑了两年，如果产品本身没有形成专利、数据、人才或生态上的深层次积累，后来者完全可以用更激进的做法追赶甚至弯道超车。一家公司如果只是“第一个做出来”而没有后续持续研发投入构建的技术密集度，它的先发优势会随着时间迅速贬值。我每次看一家科技公司的硬实力，都会关注三个细节：研发费用占收入的比例和走向、核心专利的申请量和引用量、以及核心技术人员是不是还在一线。研发费用率太低，说明它只是在消耗之前的存量技术，而不是在积累新的壁垒；核心技术人员流失严重，就算专利挂在公司名下，也很难保持持续的创新能力。

3.2 收入质量：增长背后的“含金量”

科技公司都喜欢讲增长速度，但增长和增长不一样。我见过一些公司，收入增速很漂亮，一看毛利率逐年下滑，再往下拆是依靠补贴和低价获客换来的收入，这种增长的质量很低，等补贴一停，增速和用户都会一起滑坡。反过来，一些看起来增长没那么猛的公司，比如一家毛利率常年稳定在70%以上的软件公司，收入像滚雪球一样自然复购，这种增长的质量就高得多。

判断收入质量，我重点看几个指标。首先是毛利率。一家公司能不能形成长期竞争力，毛利率是最直接的窗口：高毛利说明产品有定价权，客户愿意为它的价值付溢价；低毛利说明它只能靠拼价格取胜，随时可能被成本更低的对手淘汰。其次是净收入留存率，英文缩写叫NDR，意思是同一批老客户在下一年继续给公司贡献多少收入。如果NDR超过110%甚至120%，说明老客户在自然增购，这是产品力和客户粘性的直接证明；如果NDR只有80%左右，那就说明公司像猴子掰玉米，需要一直靠拉新才能维持收入，极度消耗销售费用。最后是现金回收周期，收了钱不能及时变成现金的公司，数字收入再高也只是账面富贵。

需要特别警惕的是三种收入增长的“质量陷阱”：通过一次性大额合同冲业绩的、通过给渠道压货制造虚假繁荣的、以及收入确认政策激进到把未来收入提前算进来的。这些事情在财报附注里都有迹可循，但大多数只看利润表的人根本不会去翻。

3.3 管理层和团队：技术创始人的优势与盲区

投资科技公司本质上是在投资人。我越来越觉得，科技公司的创始团队决定了这家公司的天花板，尤其是技术背景创始人为主的团队，优势非常突出，但盲区也很致命。

技术创始人的优势在于对产品和技术的敏感度极高，他们通常能在行业方向还模糊的时候提前看到终局，也敢于在关键技术节点上下重注。很多伟大的科技公司，最后拉开差距的就在那几个关键决策上，比如是否坚持自研核心部件，是否在市场冷淡时逆势投入研发，这些判断没有深厚的技术功底做不出来。但技术创始人也容易踩两个坑：一是不太重视商业化，认为“好东西自然会有人买”，结果产品极客化、脱离市场真实需求；二是组织管理能力偏弱，公司大了之后制度跟不上，优秀人才留不住。

我判断管理层是否值得托付，除了看学历背景和过往成绩，更喜欢观察他们在困难时期的做法。看他们在业务不好的时候是选择对外坦诚沟通，还是用漂亮话掩盖真实问题；看他们的融资策略是谨慎把控股权稀释，还是大手大脚花投资人的钱收买增长数据；看他们面对业务瓶颈时，是把板子打在团队执行上，还是自己先反思战略是否出了偏差。这些细节藏在历年的访谈和致股东信里，多对比几个年度的说法，就能看出一个团队是不是真的言行一致。

3.4 现金流与“烧钱速度”：撑得到黎明吗

新兴科技公司普遍要经历一个长期不盈利的“烧钱期”，这时候能不能活到黎明，就变得比利润表好看更重要。我见过太多技术和团队都不错的公司，最后死在资金断裂上。所以我对每一家准备研究的科技公司，都会画一张现金跑道表。

具体算法很简单：把公司的现金及等价物、短期投资加总，减去月度的运营净消耗，就能算出它还能撑多少个月。月度运营净消耗可以用过去几个季度的经营现金流和资本开支估算，注意不要只看亏损额，因为有些亏损是股权激励和折旧这种非现金项目，实际烧的现金要少很多。如果一家公司按当前烧钱速度只剩下不到12个月的跑道，同时又还没有看到盈亏平衡的迹象，那它就非常依赖外部融资环境。这个时候你必须额外评估它的融资能力：股东背景是否雄厚、有没有知名投资机构在背后持续输血、公司的品牌知名度能不能在资本寒冬里依然吸引到新投资人。

我还特别看重公司的资本效率，也就是每花一块钱能换来多少经营性收入增长。有些公司烧钱换增长，一个单位的资本投入能带来两个单位的收入提升，这种虽然账面上还在亏损，但属于“烧在刀刃上”；有些公司烧完一大笔钱，收入却纹丝不动，这种就属于纯粹在给房租和人员工资买单。把资本效率和现金跑道结合着看，你才知道这家公司是在抢时间准备起飞，还是在原地空转等救援。

4. 估值，不是算出来的，是“对赌”出来的

4.1 为什么传统DCF在新兴科技面前失灵

到了估值这一步，很多人又卡住了。新兴科技公司没有利润，传统的市盈率法失效；自由现金流是负的，DCF法变成天方夜谭；市销率倒是能用，可怎么确定合理的市销率又成了一道主观题。于是很多人只剩下一个选择：追着市场情绪走，贵的时候嫌贵不敢买，涨了一倍又追进去当接盘侠。

我一直觉得，估值不是计算器按出来的数字，而是一份“你和市场对赌的合约”。传统DCF的思路是预测未来、把预测折现成今天的一个价格，它隐含的假设是未来现金流足够可预测；而新兴科技行业的现实是，未来不确定性极高，任何单一数字的预测都站不住脚。这时候更合理的方式不是把不确定性硬压成一个数字，而是把不确定性摆到台面上，用情景分析和对赌的方式来处理。

我常用的做法叫“反推预期”。具体操作是：不先急着回答“这家公司值多少钱”，而是先假设当前的市场价格是合理的，然后反推——这个价格究竟隐含了市场对公司未来什么样的预期？如果一家市值两百亿的公司，市场等于在期待它五年内做到多少收入、多少利润率？这个期待值达到目标需要什么样的市场渗透率和竞争格局？把结论摆出来之后，再判断这个预期是太高、太低还是刚好。这个方法最大的作用不是算出精确的价值，而是逼着你把模糊的“贵”和“便宜”翻译成具体的、可以验证的假设。

4.2 从市值反推预期：看懂市场在“定价什么”

反推预期有一套相对固定的步骤。先确定目标公司的潜在市场规模，再估算终局时它可能拿到的市场份额，然后乘上合理的净利率，就能得到它稳态时期的年利润，最后再乘上一个与行业匹配的估值倍数，得到它的终极市值。把这个终极市值折现到当下，如果远高于当前市值，说明有安全边际；如果远低于当前市值，说明市场已经在定价一个你无法认可的未来。

举个例子。假设一家做工业AI视觉检测的公司，当前市值150亿，年收入只有8亿，还在亏损。先看潜在市场：工业质检这个市场，全球一年大概500亿人民币，这是一个相对靠谱的规模判断。再假设它在AI质检细分领域能做到20%的份额，也就是年收入100亿。如果稳态净利率能做到20%，就是20亿利润。给一个30倍的合理估值，对应市值600亿。把这个600亿用10%到12%的贴现率折现到五年后的今天，换算过来大约340亿到370亿。这样比下来，当前150亿的市值就显得不算贵了。这个例子里唯一主观到需要反复验证的，就是“20%的份额”和“20%的净利率”这两个假设靠不靠谱，这才是研究的真正重点。

反过来，如果反推出来的情景极端到必须做到“包揽整个行业80%的市场份额”才能支撑当前市值，那大概率不是你看错了某个巨大机会，而是市场暂时癫狂了。每次算到这里，我都有一种感觉：估值不是一个纯粹的数学问题，而是一个逼迫你摊牌的认知测试。它逼着你在纸上写下自己相信什么、相信到什么程度，然后拿自己的钱去为这个相信负责。

4.3 情景分析法的具体操作

反推预期解决的是“市场现在的价格隐含了什么假设”，接下来还需要回答另一个问题：“如果我的判断对了或者错了，我会各赚多少、亏多少”。这里我强烈建议用情景分析，而不是在Excel里列一堆公式自嗨。

方法很朴素，分三种情景来估值：悲观情景，假设技术路线被颠覆、公司份额持续流失，五年后只能维持当前收入或更糟；中性情景，假设行业按预期发展，公司成为第二梯队的参与者，收入规模、利润率和估值倍数都取一个保守但不过分的数值；乐观情景，假设公司在终局中胜出，拿下一个领先的市场份额，收入和利润率都向行业最优看齐。给三种情景分别设定一个你觉得合理的概率，然后把三个估值乘以概率再加总，得到的就是一个概率加权的预期价值。

我常用的表格长这样：

把概率加权值加起来，就得到一个当前的合理预期价值。在这个例子里，预期价值是385亿，如果当前市值低于这个值，就有了一笔可以下注的筹码；如果当前市值已经高于这个值很多，即使故事再好听，从盈亏比的角度也已经不值得参与了。这套方法最大的优点是不回避不确定性，而是把不确定性变成了仓位的依据——概率越有把握，仓位就可以越重；概率越模糊，仓位就应该越轻。

4.4 分步建仓：把不确定变成仓位管理

最后一步，也是最考验人性的部分：知道该买什么之后，怎么买。我对新兴科技公司从来不会一次性把仓位打满，因为这类公司的不确定性太高，任何基于当前信息得出的判断，都可能在半年后因为一项新政策、一个新对手或者一次技术突破而被颠覆。所以我常年用的方法是分步建仓，也称金字塔式加仓。

具体操作是：先在自己认为合理偏低的价格用计划总仓位的四分之一建立底仓，然后把剩余资金分成几份，只有当股价相对底仓价格下跌20%到30%，同时我重新检查基本面和初始判断没有发生变化时，才继续加仓。这样做的逻辑有一个很实在的出处：从概率上讲，如果我看重的基本面逻辑没坏，股价大跌要么是市场情绪错杀，要么是市场在暗示我漏掉了什么信息。如果是前者，下跌后的加仓能显著拉低持仓成本；如果是后者，我手里还有足够的子弹和主动权，而不是一次满仓被深套。

仓位管理方面，我还有两条铁律。第一，单个新兴科技公司的仓位，任何时候不超过总仓位的20%。再看好也不破例，因为再充分的案头研究，也无法消除“黑天鹅”这个词存在的意义。第二，同一个科技赛道里的公司加在一起，不超过总仓位的40%。看着是两家不同的公司，但行业景气和流动性是联动的，市场紧缩时它们通常会一起跌，高集中度带来的不是更高收益，而是更高风险。把仓位控制在“晚上能睡得着觉”的水平，这可能是我在科技投资里学到的最重要的一课。

5. 价值投资者踩过的坑与应对经验

5.1 常犯的心理陷阱

聊了这么多方法，最后一定要说说踩坑的经历。我在新兴科技行业的投资上栽过的跟头，几乎全是心理层面的问题，很少是因为模型算错了。最常见的一个陷阱，是把“热门”当成了“伟大”。某条赛道成为市场热点的时候，情绪会传染，你会在三个月里看到一百篇看多的文章，会上车一种“不上车就错过时代”的紧迫感。但热点和伟大之间隔着一条巨大的鸿沟：热点是资金驱动的短期现象，伟大是技术和商业长期积累的结果。回头看那些真正的大牛科技股，在它们早期的时候往往都不在聚光灯下，反倒是炒作最凶的时候，离泡沫破裂也就不远了。

另一个高频陷阱，是把“想象力”当成了“护城河”。很多科技公司在没有盈利的时候，喜欢用宏大叙事来包装自己，讲一个天花板极高的故事。故事本身没有错，错的是把故事当成了事实。护城河这个东西，归根到底要落在专利、数据、网络效应、客户粘性这些可验证的实体上；如果一家公司只能靠PPT和愿景来说明自己的竞争优势，那它很可能什么都没有。我有一个屡试不爽的检验方法：把它所有的美化的故事语言翻译成可测度的指标，比如毛利率、净收入留存率、单位经济模型，翻译不了的故事原则上都是不可投资的故事。

还有一个更隐蔽的陷阱叫“线性思维惯性”：面对高增长公司时，容易把当前的增长速度简单外推，觉得今年翻倍明年还会翻倍；面对技术成熟时间表时，也容易低估从实验室到量产之间的漫长距离。我自己吃过最大的亏，就是在一家新能源概念公司上太相信技术路线图，结果产品的量产时间比规划晚了整整两年，市场早已切换了对赛道的热情。从那以后，我给自己定了一条规矩：所有技术成熟时间表，一律乘以1.5到2倍来做预期管理。

5.2 实战排查清单：下单前过一遍六个问题

经历过足够多的失败之后，我现在对每一家想买的新兴科技公司，在下单之前都会强制自己过一遍六个问题。这六个问题看起来简单，但每一个都能拦住一次草率的交易。

第一，它解决的需求是真实的，而且三年后还存在吗？如果这个需求只是当下的流行趋势，大概率撑不到投资回报兑现的那一天。第二，它的技术路线最大的风险是什么，如果这条路线被颠覆，公司有没有备用方案？很多科技公司押注单一路线，赢了通吃，输了归零，你要确保自己知道赌注在哪。第三，商业模式跑通了吗，毛利率是在朝好方向走还是朝坏方向走？没有毛利率改善趋势的公司，往往只能靠融资续命。第四，管理层是不是诚实地面对困难？我喜欢看他们在业绩不好时的措辞，遇到问题只谈光明不谈困难的，基本都埋着雷。第五，当前估值隐含的预期有多高，如果一切顺利我会赚多少，如果不顺利我会亏多少？盈亏比达不到三比一，我宁可放弃。第六，如果这只股票明天跌了50%，我会加仓还是割肉？这个问题能真真切切测出你对这家公司的信心是来自研究，还是仅仅来自浮盈。

这六个问题里，第六个永远是最残酷的。它的残酷之处在于逼着你直面一个事实：你可能并没有你以为的那么了解这家公司。如果你在浮盈时相信它，却在一根大阴线之后就动摇，那说明当初的买入依据本身就不够硬。这是好事，因为这比真金白银亏出去之后才承认要好得多。

5.3 用周期思维看待科技行业

最后想分享的一点，是心态层面的调整。做科技投资时间长了，你会发现科技行业虽然看起来日新月异，但它的投资机会也有明显的周期规律。技术扩散有S曲线，资本开支有高峰和低谷，市场情绪有亢奋和冰点，融资环境有宽松和紧缩。这些周期叠加在一起，形成了科技股价格剧烈波动的底层原因。

明白了这个规律，价值投资者反而有了最大的优势：在别人恐惧时贪婪，在别人贪婪时恐惧。越是市场对某个科技主题狂热追捧的时候，越要保持冷静，把仓位压在经过验证的基本面上；越是市场对技术行业冷淡、融资困难、公司估值大幅回落的时候，反而越值得认真研究，因为好的价格往往出现在这个阶段。我自己的实际操作习惯是，在市场最冷清的时候建立研究清单，在市场情绪回暖、业绩开始兑现的时候逐步买入。用最大的耐心、最小的仓位、最高的关注度，去等待属于价值投资者的那个击球区。

做价值投资本身就不是一件热闹的事，做新兴科技行业的价值投资更是如此。它要求你同时具备两种看似矛盾的能力：一方面要像科学家一样，敢对未来下判断；另一方面又要像会计一样，拧干数据里的水分。这两种能力的修炼没有捷径，唯有多研究、多踩坑、多复盘。我个人在实际操作中最大的体会是，投资新兴科技行业，最需要战胜的不是市场，而是自己内心那个总想抓住每一次机会的冲动。把这个问题想通了，方法和纪律其实都是水到渠成的事。