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。炒作周期阶段市场情绪估值水平价值投资者策略技术触发期好奇、试探偏高但标的少观察为主广撒网建情报圈预期膨胀期亢奋、狂热极高且波动大克制不追热点泡沫破裂期失望、逃离大幅回落开始认真研究筛选真公司稳步爬升期谨慎、务实合理偏低重点建仓验证商业模式生产成熟期共识、认可合理反映基本面按传统价值投资方法正常评估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情景五年后年收入稳态净利率合理估值倍数终局市值发生概率概率加权值悲观20亿5%15倍15亿30%4.5亿中性80亿15%25倍300亿50%150亿乐观150亿22%35倍1155亿20%231亿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。