年初的时候，希望看看我的小伙伴们有什么有趣的idea，我找来熟悉的70-80名基金经理和少数研究员，大部分都非常资深，很多都是认识很多年的朋友，并且我对他们水平和能力都是相对认可的。我们的游戏规则很简单，写3个以内看多或看空的标的，但要求至少拿到年底（后来实际上我们允许在年中给了一次调仓的选择权），这样避免了选择一些短期投机标的而无法调仓的问题，我们期待所有参与者都会比较慎重的选择一些长期的标的（当然，因为这仅仅是游戏，而非真金白银组合，因此依然会出现一些比较极致的持仓选择）。这样一方面更为严肃认真和长期的选择也许可能会有更好的效果，另一方面，一些有趣的更长期的标的也可以给我们团队更多的时间来进行学习和研究。实际效果：分化巨大！半年下来，最优秀的组合获得了75%的收益，而最差的组合-60%。。。而平均收益在6.8%，中位数在4.2%。巨大的差异主要来自于比较大的预期落差能够在年初就选中AI和科技，特别是NVDA，TSLA，META的取得非常惊人的收益，而这在年初的时候还远远没有形成共识，甚至面临非常大的分歧。表现最好的前五组合：而表现最差的组合往往是重仓中国资产，特别是如果同时还做空了美国的标的则表现会更差。。。表现最差的前五组合：年初小伙伴最爱的股票分别是PDD，TSLA，Tencent，TSM，BABA，最爱做空的是XPEV，东方甄选，海底捞，AAPL，油气基金。策略本身很难保证投资的效果我们常常诟病说基金很多决策是因为过于短期，而如果做一些相对长期的决策则正确率会明显提高？也有说法说如果我们集中度提高，只选择highest conviction stocks，则正确率会高很多（也有很多大佬是如此执行的，如Buffett, Druckenmiller, 等等)实际的选股效果如何？好像也不尽然，首先我们的不调仓组合整体的收益率平均收益在6.8%，中位数在4.2%，是要高于

  Core Value： Value investing in the best growth opportunities and share with our investors on the way. What we are looking for: 1, Those with strong competition advantages, especially coming from economy of scale and customer captivity. 2, Those still have great potential to grow. 3, Those with honest, capable management. 4, Those who have not been overly priced for their future opportunities. In short: BEDROCK seeks out undervalued stocks of growing companies we understand with honest, capable management. Recent Thoughts: Recently, our portfolio has seen not a small drop and we feel pledged to reiterate our investment philosophy and methodology, recent trades, and future outlooks. Our investment philosophy and methodology: In short, our way of investing is: Global Systemat

对社会协作的数学思考 有机会阅读了1984年就发表的但似乎并非广为人知的《Evolution of Cooperation》，惊呼神书，很多备受争议的话题，比如人性本善还是性本恶啊？在人类社会，国际政治当中应该采用何种策略来为人处世？我们到底是听从父母建议，国家引导还是宗教教义来指引我们用何种方式来对待世界？这些非常复杂和非常具有哲理性，而且似乎根本扯不清楚的问题在这本书中竟然用一种更加科学性、工程化、逻辑性的方式做出了表达，非常具有启发性。 如何在一个没有中央政权的环境下产生合作关系？因为，通常情况下，帮助别人意味着一种牺牲，而由于没有中央政权，你并不能保证别人一定会给予回报。 囚徒困境当中往往选择的是背叛 在一个标准的囚徒困境当中，最好的结局明明是互相合作，但由于没法保证对方的选择，最后从自我利益最大化的角度出发双方各自最好的选择竟然是对双方整体最差的结果，既双发都会选择背叛。事实上，只要是在有限次数博弈过程当中，双方都会一直选择背叛。 那么为何合作会产生？ 而当条件稍稍改变，也是非常普遍的局面下，即参与者的相互博弈可能是未知次数的，或者说对未来未知的局面下，合作就可能会产生。 也就是说，如果对于决策者而言，今天做的决策不仅仅影响今天的结果，也会对未来产生的决策产生影响，那么对未来决策的考虑就会反过来影响今天的决策。 当然，未来相比今天的重要性要更弱一些，一方面因为人们对于未来的期望回报会随着时间逐渐下降，另一方面，毕竟未来参与者依然有不再见面的几率。因此对于未来决策的当期价值会随着时间逐渐下降，我们可以用一个参数w来代表折现率。 有趣的策略锦标赛 Robert Axelrod做了一个模拟的策略锦标赛，让各种参与者制定游戏策略，然后测算哪种策略能够胜出。出人意料的是，结果一种非常简单的策略笑到的最后，就是针锋相对（TIT FOR TAT）的策略。针锋相对的策略是一开始采

整理团队年终总结时发现很多小伙伴都写得挺棒的，可以看到很多进步和反思，这里分享一些，这次分享投研部门的Jimmy & Eva的笔记。Jimmy篇：工作：2022年毫无疑问是充满挑战和转折的一年，开年就发生了俄乌战争、上海封城，然后是美国通胀率快速上升、美联储加息，中间穿插着佩洛西访台、英国首相下台等等一系列事件，到年底防疫政策180度转向，从动态清零直接变为全面放开，可以说没有一件事是能够提前预测到的。对于我所覆盖的半导体、SaaS、支付、crypto等行业来说，加息的影响毫无疑问是最大的，尤其是SaaS这种高成长、高估值的公司，以及crypto这种依赖低成本资金的资产；而对于半导体来说，最大的影响则是疫情时期的高需求开始回落、供应链流畅度缓解带来的行业去库存压力，而这种压力对于产业链上下游的不同公司是非常不一致的，比如更靠近消费者的NVDA、AMD都经历了大幅的收入下降，而更上游的晶圆厂TSM则保持了全年的高增速。我从今年下半年才正式开始全职工作，回顾这半年的研究经历，感觉有一个很重要的转折点，就是从研究新公司为主转变为深度研究和公司跟踪为主。之前的工作主要是不断研究新公司，虽然开拓了研究广度，但是很多公司的深度不够，在讨论中提出的很多问题没有解决。回顾今年的工作，最满意的还是台积电的收入拆解，从每一代制程的角度分析手机、HPC等下游应用对先进制程芯片的需求量，从而可以根据各个下游厂商的销量调整计算对TSM的收入影响。这种从下游开始思考的角度也给TSM未来的收入增速提供了更高的可预见性。最不满意的则是对SaaS公司的理解深度不够，主要还是因为SaaS产品主要是2B的，离实际生活更远，而且是新业务，没有那么多的统计数据，行业的成长空间、未来竞争格局都还有很大的不确定性，研究起来没有抓手。另一方面，由于是刚起步，对公司跟踪的意识和熟练度还不够，经常会错过各类数据更新、

  Core Value： Value investing in the best growth opportunities and share with our investors on the way. What we are looking for: 1, Those with strong competition advantages, especially coming from economy of scale and customer captivity; 2, Those still have great potential to grow; 3, Those with honest, capable management; 4, Those who have not been overly priced for their future opportunities; In short: BEDROCK seeks out undervalued stocks of growing companies we understand with honest, capable management. Recent Thoughts: 1, In a low and even negative interest rate environment, everybody is urgently cashing out future stories, making our way of value investing in growth even more difficult. 2, The interest in HongKong market suddently surged during the first month of 2021 with

本文作者为BEDROCK成员Barry 对行业的理解： 美国Digital Lending：科技提升效率 or Regulation arbitrage?   美国个人无抵押贷款市场：从2012年的总共欠款460亿美元上升到2020年1900万个贷款者总共欠款1500亿美元，Fintech公司的市占率也从5%快速提升到2019年的39% 。其中包括BNPL公司和各种digital lending公司，以夸张的UPST为案例：  UPST用ML模型+alternetive data更好的为个人信用风险定价，帮助没钱投入科技的中小银行发个人无抵押贷款，按照发的贷款金额按比例拿commission，公司账上不留债。目前有4家banks对UPST取消了FICO的硬性标准，最新季度单季度帮助银行发了发了30亿的贷款，达成2.3亿营收，250% yoy。 Bear Say Regulation arbitrage：Fannie Mae and Freddie Mac在08年前也开始用 "alterntive data" 发房贷；UPST这种按发贷款规模收费 + 无skin in the game 导致公司的incentive就是疯狂发债，能野蛮增长只是因为政策对这样的“科技公司”没有像银行或贷款公司一样去监管，只是 regulation arbitrage。暴雷/监管加强只是时间问题，长期的Runway可能完全看不清。 Bull Say AI>FICO：FICO是30年前创造的衡量标准，采用的数据、分析数据的方式太过于落后，没钱投入科技的中小银行审批贷款的流程更是成本高、慢、切不准确。UPST使用更多的数据、对数据更好的分析方式（各种ML模型）能更好的为信用风险定价，让消