社区

华尔街“印钞算法”揭秘：Momentum ETF与Quantitative ETF的真正威力 过去几十年，普通投资者主要依靠： * 基本面分析 * 价值投资 * 宏观判断 来做投资。 但如今，越来越多资金正在转向： “系统化投资”。 也就是： 不依赖情绪， 不依赖预测， 而依赖： * 数据 * 因子 * 数学模型 * 统计规律 * 自动化交易 其中最核心的两大方向： 1. Momentum ETF（动量ETF） 2. Quantitative ETF（量化ETF） 它们代表的是： “市场开始从人脑时代， 进入算法时代。” —————————————————— 一、什么是Momentum ETF？ —————————————————— Momentum（动量）是金融学历史上最强大的因子之一。 核心逻辑非常简单： “强者恒强。” 即： 过去上涨最强的股票， 未来一段时间继续上涨的概率更高。 这听起来违反直觉。 很多人认为： 涨多了应该跌。 但现实是： 市场存在： * 情绪惯性 * 资金惯性 * 趋势惯性 因此： 上涨趋势往往会持续。 Momentum ETF就是： 专门寻找： “市场当前最强势股票”。 —————————————————— 二、Momentum ETF的核心特点 —————————————————— 趋势跟随能力极强 Momentum ETF最大的特点： 会自动追逐： 市场最强方向。 例如： 2020-2021年： 它们大量配置： * Tesla * NVIDIA * 半导体 * 云计算 而在能源周期中： 它们又可能切换至： * 石油 * 天然气 * 工业金属 本质上： Momentum ETF是： “市场热点自动追踪器”。 —————————————————— 牛市攻击性极强 动量策略在： * 科技牛市 * AI行情 * 流动性宽松周期 往往表现极其惊人。 因

AI基金经理时代降临：最值得关注的AI增强ETF、AI主动ETF与AI管理ETF全景解析 过去二十年，华尔街最大的趋势是： “ETF取代传统基金经理。” 而未来十年，市场可能进入下一阶段： “AI开始取代人类基金经理。” 越来越多ETF开始使用： * 机器学习 * 深度学习 * NLP自然语言模型 * AI量化分析 * 自动调仓系统 来决定： * 买什么 * 卖什么 * 权重多少 * 如何控制风险 这意味着： ETF已经不再只是“被动跟踪指数”。 而正在变成： “会思考、会学习、会动态进化的投资机器。” 其中最值得关注的， 主要分为三大方向： 1. AI增强ETF（AI Enhanced ETF） 2. AI主动ETF（AI Active ETF） 3. AI管理ETF（AI Managed ETF） —————————————————— 一、AI增强ETF： “AI辅助基金经理” —————————————————— 这一类ETF的核心特点： 人类负责框架， AI负责分析。 本质上： AI更像“超级研究员”。 它帮助基金经理： * 分析海量数据 * 寻找市场因子 * 动态优化组合 * 提高选股效率 代表产品： —————————————————— 1. $QRAFT AI-Enhanced U.S. Large Cap Momentum ETF(AMOM)$   —————————————————— 这是目前最有代表性的AI增强ETF之一。 QRAFT利用AI模型分析： * 市场趋势 * 动量变化 * 因子轮动 * 盈利预期 动态选择： “当前最强势的大盘成长股”。 它的核心优势： * AI能够快速捕捉市场热点 * 对AI科技牛市敏感 * 动量爆发力强 *

项羽式抄底 vs 韩信式定投：用Livermore顺势加仓，把投资从豪赌变成体系 ⸻ 市场里最常见的两种投资风格，其实可以用两个历史人物来形容： * “项羽式投资”：重仓抄底单一个股，靠判断决定生死 * “韩信式投资”：多标的、分批推进、体系化执行 前者讲的是勇，后者讲的是“胜率 × 结构”。 我过去更接近“项羽”： 看到跌得多的标的，觉得“便宜”，一把重仓押进去。但结果很现实——判断一旦错，回撤极其致命。 直到系统学习Jesse Livermore的顺势加仓体系，并把它与“定投+分散”结合，我才逐渐转向“韩信式打法”：用体系代替判断，用结构放大胜率。 ⸻ 一、为什么“项羽式抄底”长期难以复制 重仓抄底的逻辑看似简单： * 跌多了 → 便宜 → 买入 → 等反弹 但这里有一个致命假设： 你必须判断“底在哪里” 问题在于： * 底部是事后定义的 * 下跌趋势中，价格可以远超你的“合理估值” 结果就是： * 一旦判断错误 → 重仓被套 * 资金被锁死 → 无法参与新机会 👉 本质问题： 把结果押在“单点判断”上 ⸻ 二、“韩信式定投”的本质优势（体系化作战） “韩信式投资”并不是简单的“分散买入”，而是三个核心结构： ⸻ 1）多标的分散（降低个体风险） * 不把命运绑在一只股票上 * AI、医疗、能源等不同赛道配置 👉 单一错误不会致命 ⸻ 2）资金分批（时间维度管理） * 不一次性投入 * 分阶段进入市场 👉 避免“买在错误时间点” ⸻ 3）规则驱动（弱化主观判断） * 固定资金投入机制 * 纪律优先于情绪 👉 这是普通投资者最稀缺的能力 ⸻ 但传统定投也有明显缺陷： * 不看趋势 * 下跌持续加仓 * 容易陷入“越跌越买”的陷阱 👉 这也是为什么很多人定投几年，收益依然平庸。 ⸻ 三、引入Livermore：让定投从“平均成本”升级为“放大趋势” Jesse Livermo

把时间“倒流”的黑科技：iPSC重编程如何开启万亿级再生医学赛道？ ⸻ 在现代生物医学中，能够将成熟细胞“重置”为干细胞状态的核心技术，是诱导多能干细胞技术（Induced Pluripotent Stem Cells, iPSC）。这项技术被认为是继基因测序之后，对生命科学最具颠覆性的突破之一。 ⸻ 一、技术本质：细胞“逆生长”的底层逻辑 iPSC技术的核心，是通过导入特定转录因子（即著名的Yamanaka因子：Oct4、Sox2、Klf4、c-Myc），将已经分化的体细胞（如皮肤或血细胞）重新编程为类似胚胎干细胞的状态。 这个过程本质上是一次表观遗传层面的“系统重置”： * DNA甲基化、组蛋白修饰等被“清零” * 与分化相关的基因被关闭 * 干细胞相关基因重新激活 * 细胞恢复多能性（pluripotency），可分化为几乎所有组织类型 👉 简单理解： 把一个“已经定型的员工”，变回“刚毕业可塑性极强的应届生”。 ⸻ 二、技术意义：为什么这是“诺奖级赛道”？ iPSC技术在2006年诞生，2012年直接获得诺贝尔奖，其产业价值体现在三大方向： 1）再生医学（终极应用） * 心脏病：再生心肌细胞 * 帕金森：替换神经元 * 糖尿病：生成胰岛β细胞 👉 日本已在2026年批准首批iPSC疗法进入临床应用 ⸻ 2）药物研发（当前最成熟商业化） * 用“人源细胞”替代动物实验 * 构建患者特异模型（精准医学） 👉 iPSC能显著提升药物研发成功率 ⸻ 3）抗衰老（潜在最大想象空间） * 细胞“年轻化” * 重置生物年龄（表观层面） 👉 当前多家公司正在探索“部分重编程”（Partial Reprogramming） ⸻ 三、产业链结构：谁在赚钱？ iPSC产业链可以拆成三层： 1. 上游工具（试剂、设备） 2. 中游平台（细胞生产、CDMO） 3. 下游应用（细胞治疗公司）

用PEG挖掘被低估的成长股：彼得·林奇方法的实战指南 在众多投资大师中，彼得·林奇之所以长期跑赢市场，一个核心原因在于他用极其“接地气”的方式，将复杂估值问题简单化。而其中最具代表性的工具，就是PEG比率（市盈率相对盈利增长比）。 ⸻ 一、PEG的核心逻辑：用“增长”校正估值 传统的PE（市盈率）存在一个天然缺陷——它忽略了公司的成长性。而PEG的出现，本质上是对PE的修正： * PEG = PE ÷ 盈利增长率（通常用未来3–5年预期增长） 这意味着： * 同样是30倍PE，如果一个公司增长率是30%，PEG=1 → 合理 * 如果增长率只有10%，PEG=3 → 明显偏贵 林奇的经验法则非常清晰： * PEG < 1：低估的成长股（重点关注） * PEG ≈ 1：合理定价 * PEG > 2：估值进入危险区 ⸻ 二、为什么PEG < 1意味着机会？ PEG<1的本质，是“市场低估了公司的成长速度”。 这种错配通常出现在三种情形： 1）短期利空压制优质成长 例如行业周期低谷、一次性事件、宏观恐慌。 2）机构尚未充分覆盖 中小市值公司、冷门赛道，信息不对称更严重。 3）增长被市场低估 公司正在进入新产品周期或商业模式升级阶段。 ⸻ 三、实战选股：用PEG筛选潜在标的 结合当前市场结构，可以从以下几个方向寻找PEG<1的机会： 1）AI算力与软件应用（增长确定性强） 例如： * $英伟达(NVDA)$   虽然PE不低，但在AI爆发期，盈利增长速度极快，历史上多次出现PEG接近1甚至以下的区间。 * $Palantir Technologies

实战分享：无脑定投到顺势加仓，用Livermore模型重塑我的收益曲线 ⸻ 很多投资者把“定投”当作长期制胜法宝，但实际执行几年后会发现一个现实问题：收益很大程度取决于运气（买在什么周期），而不是方法本身。 我曾长期采用传统定投，但在系统研究Jesse Livermore的交易体系后，逐步把“时间定投”升级为“顺势加仓定投”。这一变化，本质上不是优化频率，而是改变资金与确定性的关系。 ⸻ 一、Livermore顺势加仓的底层原理（核心机制） Livermore的体系不是简单的“追涨”，而是一套严格的资金递进模型（Pyramiding）。它解决的是一个关键问题： 在不确定的市场中，如何让仓位与正确性同步增长？ ⸻ 1）三层逻辑结构 （1）试探性建仓（Pilot Position） * 初始仓位很小（通常10%–30%） * 目的不是赚钱，而是验证判断是否正确 👉 本质：用最小成本换取市场反馈 ⸻ （2）市场验证（Market Confirmation） Livermore认为： * 价格本身就是最真实的信息 * 上涨说明资金在认同这个方向 因此只有当： * 股价突破关键阻力位（pivot） * 或持续创新高 才说明逻辑被市场认可 ⸻ （3）递进加仓（Pyramiding） 一旦市场验证正确： * 第一次加仓：趋势确认 * 第二次加仓：趋势强化 * 第三次加仓：趋势加速 👉 关键点： 每一笔加仓都建立在“已有盈利”的基础上 ⸻ 2）核心约束（极其重要） Livermore体系最容易被误解的地方在这里： * ❌ 绝不在亏损中加仓 * ❌ 不抄底 * ❌ 不预测反转 * ✅ 只在盈利中加仓 * ✅ 只做已经发生的趋势 ⸻ 3）数学本质（专业视角） 这个策略的核心优势来自： 正向凸性（Positive Convexity） * 错误时：小仓位 → 小亏损 * 正确时：大仓位 → 大盈

油价飙升+霍尔木兹封锁：滞胀时代的“硬通货”，一文看懂农产品配置与弹性模型 当全球市场还在被科技股反弹吸引注意力时，一个更具杀伤力的宏观变量正在迅速积累——高油价叠加供应冲击，正在把全球经济推向“滞胀”边缘。随着中东冲突持续、霍尔木兹海峡运输受阻，能源价格已回到近年高位。这不仅仅是能源问题，而是会通过成本与供给链条传导到整个经济体系。 在这种环境下，历史经验反复验证：农产品，往往是滞胀周期中最具防御性与进攻性的资产之一。原因在于，农产品不仅直接受益于通胀，还会通过能源价格的传导形成“放大效应”。 从逻辑上看，油价对农产品的影响主要通过三条路径实现。第一是生产成本。农业高度依赖柴油、化肥和农药，而这些都与石油或天然气紧密相关，油价上涨会直接推高种植成本。第二是运输成本。全球粮食贸易依赖海运，一旦关键航道受阻，运输成本上升会进一步推高终端价格。第三是生物燃料替代效应，这也是最关键的一点——当油价上涨时，玉米、甘蔗、大豆等农产品会被更多用于生产乙醇或生物柴油，从而挤压食品供给。 在这一框架下，不同农产品对油价的敏感度并不相同。结合历史周期（2008、2011、2022等能源上涨阶段）的经验数据，可以构建一个实用的弹性模型：当油价上涨10%时，各农产品的价格反应大致如下——白糖上涨约6%至12%，玉米上涨约5%至10%，大豆上涨约4%至8%，而小麦上涨约2%至5%。 这个排序非常关键：白糖 > 玉米 > 大豆 > 小麦。背后的本质，是它们与能源的关联强弱不同。 白糖是弹性最大的品种。因为在巴西，甘蔗既可以用于制糖，也可以用于生产乙醇。当油价上涨时，更多甘蔗会流向燃料端，从而减少糖的供给，价格弹性极强。这使得白糖成为能源上涨周期中的“放大器”。 玉米则是进攻性最强的农产品之一。美国约40%的玉米用于乙醇生产，因此油价上涨会直接推升其需求。同时，玉米还承担饲料功能，需

别再追存储了！AI电力革命爆发：功率芯片成最强补涨主线，这几只美股正在“印钞” 当市场还在轮动存储、光模块的时候，一个更底层、却更关键的变量正在悄然爆发： 👉 AI的真正瓶颈，正在从“算力”转向“电力” 随着AI数据中心规模指数级扩张，一个现实问题浮出水面： * GPU可以堆 * 服务器可以加 * 但电力系统跟不上 而这正是功率半导体（Power Semiconductors）爆发的根本原因。 ⸻ 一、为什么功率芯片成为AI下一个风口？ 核心逻辑只有一句话： 👉 AI不是算力问题，而是供电问题 ⸻ 三个关键变化正在发生 1、功耗爆炸 * 单个AI机柜功率： 从10kW → 100kW+ 👉 传统供电体系已经失效 ⸻ 2、架构升级：交流 → 直流（800V DC） * 更高效率 * 更低损耗 * 更适配AI负载 👉 预计2027–2028年开始规模部署 ⸻ 3、新材料替代 * 硅 → 碳化硅（SiC） * 硅 → 氮化镓（GaN） 👉 提升效率 + 降低能耗 ⸻ 二、核心投资逻辑 功率半导体的本质是： 👉 AI基础设施的“电力分配系统” 如果说： * NVIDIA卖的是“算力” * AWS卖的是“云” 那么功率芯片公司卖的是： 👉 让AI能跑起来的电 ⸻ 三、重点受益美股公司 ⸻ 1、AI功率芯片“最纯标的” $纳微半导体(NVTS)$   核心定位 氮化镓（GaN）功率芯片龙头 ⸻ 优势分析 1、绑定AI生态（含NVIDIA合作） 推进800V直流供电 2、GaN技术领先 相比传统硅： * 更高效率 * 更低发热 3、股价弹性极强 过去一年涨幅超过700% ⸻ 投资逻辑 👉 AI电力革命最直接受益者 ⸻ 2、数据中心电力基础设施龙头

如果说AI的上半场是ChatGPT，那么下半场，很可能就是——改写人类寿命曲线。 以哈佛大学David Sinclair教授为代表的研究路径，正在把“衰老”从不可逆过程，变成可编程系统问题。而你提到的OSK重编程、AI筛选分子，本质上已经形成一个清晰产业链： 上游：AI药物发现 → 中游：抗衰靶点 → 下游：基因/药物干预 问题是：哪些上市公司，真正站在这条链上？ 下面这几只美股是目前最值得跟踪的“抗衰+AI”核心标的。 ⸻ 一、赛道划分：你必须先看懂这三种公司 在推荐个股前，先给你一个“投资级框架”： 1）AI制药平台（最确定性） * 用AI降低研发成本 * 不直接押注“逆转衰老”，但吃到红利 👉 类比：卖铲子的人 ⸻ 2）抗衰机制公司（高弹性） * senolytics / NAD / mTOR * 已进入临床阶段 👉 类比：正在造火箭的人 ⸻ 3）重编程路线（最大想象力） * OSK / 表观遗传重置 * 目前几乎都未上市 👉 类比：试图曲率引擎的人 ⸻ 二、核心推荐标的 ⸻ 1）AI制药龙头：$Recursion Pharmaceuticals, Inc.(RXRX)$   核心逻辑 * AI + 自动化实验室（wet lab + dry lab闭环） * 与大药企合作，形成数据飞轮 优势 * 数据规模巨大（数十亿细胞图像） * AI模型不断迭代 → 护城河增强 * 已有多个临床项目推进 为什么重要？ 👉 OSK这类复杂路径，未来一定需要AI筛选分子辅助 ⸻ 2）AI药物发现代表：$Schrodinger Inc.(SDGR)$   核心逻辑 * 计算化学

买不到Anthropic？这几只“影子持股”才是真正的AI财富入口 当Anthropic以爆炸式增长成为AI下半场最核心资产时，市场面临一个现实问题： 👉 这家公司没上市，普通投资者买不到 但资本市场从来不会缺“替代路径”。 如果你无法直接买Anthropic，那么最合理的策略是： 👉 买那些“间接持有Anthropic股权或深度绑定其增长”的资产 目前市场上已经出现了一些ETF与公司，它们的共同特点是： * 持有Anthropic股权（或间接权益） * 或深度绑定其算力 / 分发 / 商业化 * 成为AI下半场的“隐形受益者” ⸻ 一、最纯正标的：直接持有Anthropic的ETF ⸻ 1、$通用人工智能 ETF-AGIX(AGIX)$   核心定位 👉 全球首批“直接持有Anthropic”的ETF ⸻ 关键数据 * Anthropic持仓约 4%+ * 同时持有xAI、SpaceX等私募资产 * 覆盖60+ AI公司 ⸻ 投资风格 👉 “公募+私募混合”的AI全产业链ETF ⸻ 优势 1、真正解决“买不到Anthropic”的问题 直接持有私募股权，这是ETF历史上的创新 2、风险分散 同时配置： * NVIDIA * Microsoft * Amazon 等 3、同时押注多个AI独角兽 不仅是Anthropic，还有xAI等 ⸻ 核心结论 👉 目前市场上最接近“直接投资Anthropic”的工具 ⸻ 二、第二类：类似AGIX的“私募+二级市场”混合标的 ⸻ 2、DXYZ 核心定位 👉 持有多家未上市科技公司的公开交易载体 ⸻ 投资风格 * 类似“公开交易的VC基金” * 持有多家AI独角兽（包括潜在Anthropic敞口） ⸻ 优势 1、Pre-IPO稀缺性资产