拾貳、藏鋒資本五大投資流程
邏輯 vs 流程的根本差異
- 邏輯課程 = 知識、工具、理論
- 流程課程 = 實戰、應用、工具化
「想法永遠是想法。
我以前曾經想要買台北的房子，但到最後沒有買。
我當年想要開 85 度 C，但我沒有開。
唯有流程才是實戰化，才可以帶來實際的活力。」
五大流程概觀
1. 資訊（Information）— 高含金量資訊獲取
↓
2. 選股（Stock Selection）— 長期/波段選股
↓
3. 分析（Analysis）— 五大商業邏輯 + AI 協作
↓
4. 觀測（Monitoring）— 多維度觀察清單
↓
5. 交易（Execution）— 個股交易 + 投資組合管理
這是五個有順序的環節，不可能跳過。
流程一：資訊（Information）
三層資訊架構（出自《勝出》一書）
在「事實 → 資訊 → 觀點 → 判斷 → 理念 → 信仰」中，與資訊相關的是前三個。
後三個（判斷、理念、信仰）依據著你投資的核心信念 — 例如長峰的信仰是「信奉週期」。
| 層次 | 定義 | 範例 |
|---|---|---|
| 事實 | 發生過、具備法律責任的客觀數據 | 年報、季報、電話會議、法說會逐字稿 |
| 資訊 | 把事實加工成指標、圖表 | 歷年財報數據彙整、產業排行 |
| 觀點 | 新聞媒體/分析師的主觀預測解讀 | 投顧推薦、產業報告、社群文章 |
第一個盲點：把雜訊當決策
「看新聞就做決策，看到消息就交易。
把大多數沒有效益的雜訊都當成你投資的訊號。」
第二個盲點：把觀點當事實
「哪一個部分你看起來是最舒服的？絕對是觀點。
看事實的時候、看財報會舒服嗎？覺得舒服的舉手 — 哈哈哈。
大家把目光都聚焦在觀點 — 當你把別人的觀點當成客觀的事實時，其實就掉進陷阱了。」
含金量分級
一般投資人 80% 時間花在 1-2 顆星：
- 股價、成交量
- 加工過的財報摘要（不是原始）
- 技術分析指標
- 投資達人分享
這些含金量都不高。
三顆星高含金量資訊來源
| 主題 | 推薦來源 |
|---|---|
| 一般財經 | Morgan Stanley、JPMorgan、Bloomberg、麥肯錫、貝萊德 |
| 科技與創新 | MIT Technology Review |
| 太空經濟 | SpaceNews |
| 半導體 | IEEE |
| 地緣政治 | CSIS（戰略與國際研究中心） |
| 經濟趨勢 | World Economic Forum、S&P Global |
大部分文章免費。
都是英文，但有 AI 翻譯不是問題。
一篇高品質文章勝過 50 篇台灣新聞。
案例：S&P Global 75 圖表報告
S&P Global 銅產業報告：
- 25,000+ 字
- 75 個圖表
- 第 32 個圖表揭示「機器人是下一波資料中心需求驅動者」
- 未來十年銅的需求 = 機器人零部件需求
一篇報告 = 一個小時的閱讀 = 對產業的深度理解。
應用：「光進銅退」事件後，銅何時再起？— 機器人時代。
案例：CSIS 地緣政治戰爭專欄
CSIS（戰略與國際研究中心）有伊朗戰爭專欄：
- 美國軍方準備採取什麼行動、花多少錢
- 戰爭對全球能源市場意味著什麼
- 油價飆升後接下來發生什麼
一個網站、一個專欄就能解決對地緣政治事件的全景理解。
為什麼台灣新聞含金量低？
「很遺憾，在台灣沒有什麼太好三顆星的觀點。
在我摸索資訊的過程中，你還是要到國外網站去看一些高品質的觀點。」
AI 在資訊環節的應用
「AI 不是你的大腦，AI 是你的小助理。
你應該把學到的投資邏輯 + 收集的關鍵資訊告訴 AI，
他絕對能產出比你想像更優質的答案。」
AI 工作流範例
1. R 用 Notebook LM 處理電話會議簡報（50+ 頁）
- 以前要花 1 個月人工整理
- 現在 AI 1 小時搞定
- 不會產生幻覺（封閉式 AI）
2. 把整理結果丟到 Google Drive 雲端
3. 訓練 Gemini 成為長峰投資邏輯的 AI 助理
- 連動雲端硬碟
- 用五大商業邏輯回答任何問題
資訊環節 SOP
Step 1：訂閱 5-10 個高含金量來源（國外）
Step 2：每天閱讀 30-60 分鐘
Step 3：把重要報告下載到 Google Drive
Step 4：用 Notebook LM 整理成摘要
Step 5：用「五大商業邏輯」拆解每篇文章
Step 6：日積月累，建立產業知識庫
流程二：選股（Stock Selection）
長期投資選股 SOP
Step 1: 用企業生命週期分類所有股票
Step 2: 鎖定成長中期、成長後期
Step 3: 用 IBES、Seeking Alpha 看 G（成長率預估）
Step 4: ⚠️ 用 Coinfin 看 GAAP EPS（重要！）
Step 5: 計算動態 PEG
Step 6: 排序，優先研究 PEG ≤ 0.8 的
為什麼要用 GAAP EPS（不是 IBES）？
「IBES 跟 Seeking Alpha 給的 EPS 是 NON-GAAP（加回了擇救、攤銷、股票薪酬等）— 數字好看但失真。
投資真正要用的是 GAAP EPS（一般公認會計原則）— 真實獲利。
只有 Coinfin 提供全世界的 GAAP EPS。」
Coinfin = 「窮人版的彭博終端機」
- 彭博終端機：一年 100+ 萬
- Coinfin：一年不到 2 萬
「實話實說，這就是窮鬼的彭博終端機。」
案例：Credo (CRDO)
一位學員：
- 看到 Credo 營收連續兩年加倍
- 看到投資達人推薦
- 跟著買進 → 虧錢
Allen 用 Coinfin 算出：買入價對應 PEG = 3（極度高估）
結論：「有流程才能用上帝視角看真相。」
波段投資選股 SOP
Step 1: 跑藏鋒系統 → 列出空多轉折候選清單
Step 2: 從中挑「淺灰色」（第一週出現）
Step 3: 識別產業 → 是主軸還是副軸？
Step 4: 同產業多檔同週出現 → 整個產業要動
Step 5: 從 Google 找產業概念股
Step 6: 拆解上中下游 → 找賠率最高個股
Step 7: 加入交易清單
- 系統訊號：華城、中興電（2022/12/9 同週）
- Google 搜尋「華城 中興電」設定 12 月區間
- 找到「台電 5500 億強韌電網計畫」新聞
- 找出受惠股：士電、亞力、東元、大亞、大同
- 賠率分析：華城營收基期最低 + 大功率 → 賠率最高
- 等個股輪動：1 月士電、2 月亞力、3 月東元...
流程三：分析（Analysis）
報告深度與資金部位的關係
| 投資金額 | 所需報告完整度 |
|---|---|
| < 100 萬 | 簡單分析（如系統訊號 + 五大商業邏輯一句話） |
| 100-500 萬 | 中等深度（產業供應鏈 + 賠率分析） |
| 500 萬+ | 深度報告（如 Allen 的 MELI 報告 — 500 小時 / 4-5 個月） |
「光做這個 MELI 報告就 4-5 個月，那我們怎麼波段投資？光做這個報告就飽了！」
AI 協作打破時間瓶頸
| 維度 | 沒有 AI（巴菲特時代） | AI 時代 |
|---|---|---|
| 蘋果分析 | 巴菲特花數年累積 | AI 1 小時產出 |
| MELI 報告 | Allen 4-5 個月 | AI 1 小時產出 |
| 半導體技術架構 | 學一輩子 | AI 輔助理解 |
AI 的決策輸入處理輸出
「如果你問的問題邏輯很鬆散、資訊很破碎、隨性提問 →
AI 處理上一定比較沒有效率 → 輸出結果非常籠統 → 對你決策沒幫助。
反過來，如果你提供完整邏輯 + 高品質資訊 →
AI 處理有效率 → 輸出可理解、攸關。」
案例：問 AI「分析 RKLB」
提問：「幫我用五大商業邏輯分析 RKLB」
AI 回答：「產業趨勢是從單純的發射模組轉向衛星製造與空間應用 ⋯」
Allen 評語：「聽君一席話，如聽一席話。好像懂了什麼，但對決策來說根本沒用。」
同樣問題，但 AI 連動了：
- 雲端硬碟（RKLB 年報、季報、電話會議）
- 長峰投資邏輯使用說明書
AI 回答：「太空產業正處於商業化初期 → 放量成長期。
大 M 從小眾擴大到全球幾十億用戶 ⋯」
Allen 評語：「聽君一席話，深讀十年書。」
工作流：Google 生態系最佳
- Google Drive — 雲端硬碟存放企業資料
- NotebookLM — 封閉式 AI 整理（不會幻覺）
- Gemini — 連動雲端的大腦
完整 AI 分析工作流
graph TD
A[官網下載年報/季報/電話會議] --> B[存到 Google Drive 雲端]
A --> C[丟給 NotebookLM 整理摘要]
C --> B
B --> D[Gemini @連接雲端硬碟]
E[長峰投資邏輯說明書] --> D
D --> F[輸入公司代號]
F --> G[產出五大商業邏輯分析]
G --> H[補充資料庫]
H --> B
正向循環
- 雲端資料庫越來越豐富
- 投資邏輯說明書越寫越詳細
- AI 助理越來越精準
- 產出資訊越來越優質
- 又補充回資料庫 → 更精準
流程四：觀測（Monitoring）
觀測什麼？
觀測的不是股價，而是訊號：
- 新資訊（政策、財報）
- 系統訊號（空多轉折）
- 量價變化（量大強漲）
- VCP 突破訊號
觀測週期分級
| 階段 | 觀測週期 |
|---|---|
| 一般觀察清單 | 週觀測 |
| 出現空多轉折 | 改為日觀測 |
| 進入交易清單 | 日觀測 + 盤前盤後 |
| 持有中（投資組合） | 日觀測 |
詳細在「拾參、清單管理」
觀測清單、交易清單、投資組合的詳細規劃 → 見 下一章
流程五：交易（Execution）
兩個層次
個股交易：
- 觀察買進訊號 → 市價單進場
- 設條件單停損
- 觀察賣出訊號 → 出場
投資組合管理：
- 個股佔比監控
- 整體 Beta 值調整
- 與 MMTH 連動避險
個股交易紀律
「拜託 100% 市價單，沒有任何猶豫的空間。
限價單可能買不到 → 漲一段你後悔。」
投資組合的 Beta 管理
「你原本明明領先大盤這麼多 — 你 400% 大盤只有 30%，你領先 370%。
但漲上去跟漲下來，反而輸大盤。本來贏大盤 37%，後來輸大盤 — 非常可惜。
一定要視股市的情況跟量化心態，調整你投資組合的 Beta 值。」
Beta 調整原則
| MMTH 狀態 | 投資組合 Beta | 操作 |
|---|---|---|
| > 70% | 高（1.5+） | 滿手強勢股 |
| 50-70% | 中（1.0-1.5） | 部分強勢股 |
| < 50% | 低（< 1.0） | 減碼，部分避險 |
| < 30% | 反向（負 Beta） | 放空 / 反向 ETF |
五大流程的層層遞進關係
graph LR
A[資訊<br/>1000 條] --> B[選股<br/>50 檔]
B --> C[分析<br/>10 檔]
C --> D[觀測<br/>5 檔]
D --> E[交易<br/>2-3 檔]
「先寬後窄。
量化程式選股 → 寬條件
基本面分析看賠率 → 中條件
量價分析型態看勝率 → 窄條件
你的漏斗越來越窄 — 買進、加碼、減碼、賣出，下一輪。」
團隊分工的必要性
| 環節 | 負責人 | 角色特性 |
|---|---|---|
| 資訊 | R | 大量閱讀國際資訊 |
| 選股 | Allen | 系統設計與訊號判讀 |
| 分析 | Eddy | AI 協作與深度報告 |
| 觀測 | 全員 | 每日盯盤 |
| 交易 | Allen + Justin | 個股操作與紀律 |
「Mark Minervini 也是創了 12 人團隊才勉強做到產業輪動波段投資。
我們需要 partner 一起跑這個流程。」
重要觀念複盤
- ✅ 五大流程：資訊 → 選股 → 分析 → 觀測 → 交易（順序不可顛倒）
- ✅ 80% 時間花在三顆星資訊（國外權威機構）
- ✅ 投資要看 GAAP EPS（Coinfin），不是 IBES
- ✅ AI 是助理不是大腦（要餵投資邏輯+資訊）
- ✅ Google 生態系（Drive + NotebookLM + Gemini）最佳
- ✅ Beta 調整避險 — 成也 Beta 敗也 Beta
- ✅ 漏斗式選股 — 先寬後窄