投研自修课 | 01：关于投研的What和Why
本文共计3800字，建议阅读时间5分钟
无独有偶，投研这件看似高大上的事情也注定逃不出经典的灵魂三问——“是什么？为什么？怎么做？”。
这在国际上被称为3W法则，即What、Why、How。
诚然，「投研自修课」系列文章的核心是关于How的实践教学。
但对于部分从未主动尝试过投研实践的朋友来说，整明白前两个W也尤为重要，甚至完全不亚于最后一个。
#1.投研的What
许多人对投研的第一印象，来自于卖方机构的研报。
券商研报也确实是很多研究员的重要“口粮”，甚至部分研究员在时间匆忙时，会选择摘取多份券商研报的内容汇总汇报。
但这是投研吗？恐怕不是的，因为那完全是别人的研究和观点。
投研是什么？在我看来，投研是通过各种论据和分析方法，对相关问题的内在本质和规律而进行的调查研究的活动。
投研的目标，是为了求真。而求真，是为了实用，最终为某项决策做依据。
在二级市场里，常见的决策比如买入、持有、卖出。同时在这里，投资与投机长期花式共存，相爱相杀。但不论是投资还是投机，都是一个概率性问题的比较和选择。这不仅是简单的数学题，甚至也不是超高理解力的阅读理解。
从视角方面，它涉及方向、未来、叙事等等；从计算方面，它又涉及价格、赔率、空间等等。因此，无论投资决策还是投机决策都需要做深度研究，都得“投研”，你才有机会获得霍华德·马克斯说的“第二层思维”。
即使是不做投资决策，做生意、做学问、学投资，都需要用科学的方法去做深度研究。
比如要学习价值投资，第一件事应该是深入地研究：巴菲特和芒格这类常青树是如何成功的，哪些可以学、哪些不可学。
巴菲特致股东的信有几十封、写巴菲特和芒格的书有数十本、伯克希尔股东大会的问答也有海量文字和视频。这些内容需要系统阅读、认真消化，才能称得上对巴菲特、芒格和价值投资有所“研究”。
再以大家比较熟悉的买房为例。
当我们决定是否买房时，除了考虑投资和自住，还免不了要考虑一下“短期看金融，中期看土地，长期看人口”。
当我们确定想购入一套房子，首先要看房子的地段，户型，小区，物业，绿化，房龄，容积率，电梯比和车位比等等，以此来判断这是不是好房子。
同时，还要对比同小区的挂牌价，对标类同地段的挂牌价，对标类似房源的成交价，以此来判断这是不是一套值得入手的房子。
这些其实都属于研究。
#2.投研的Why
上文说完投研的What，其实也聊到了投研的目标/原因是为决策做依据。
市场七亏二平一赚的原因，就是有太多人只听市场讨论、只选热门股票，人云亦云而没有建立对股票的独立认知。
而我认为，你看过一个公司，与你研究过一家公司，和你买入一个公司，以及你重仓一个公司，是完全不同的四件事。
除了为决策做依据的功能，独立思考的投研也能为市场参与者带来了稳定的心态。我一直觉得，无论是投资还是投机，在心态方面最终都是殊途同归的。
毕竟人脑没有一种设定，可以让你盈利很开心，亏钱却云淡风轻。所以，要么是盈利开心亏损难过，要么是盈亏都可以云淡风轻。
另一方面，有些人做投研是因为工作要求或是个人兴趣。其投研结果或是投研观点可以清晰地输出，比如自媒体文章，或是卖方的路演材料，亦或是买卖方的研究报告等等。
但从时间上看，我们很难知道投研什么时候会带来回报。
人性都喜欢及时反馈，恨不得今天栽树明天就能乘凉，因此短期投机天然特别符合人的这个喜好。
可是靠投研驱动投资不是这样的，一个财务门外汉学会看财报可能需要几个礼拜甚至几个月的钻研；为了调研公司的业务，研究员可能要花费数月甚至半年学习相关材料、接触上下游，构建研究体系和信息渠道。
而从知识体系来看，知识是学无止境的，对一家公司的了解当然也没有尽头。在投研时，我们又不得不接受这个世界是灰度的。忘记是谁这么说过一句话，我觉得很值得玩味。
“我们研究一家公司，或者随便研究其他什么东西，都会面临这样一个困境：干净的信息一定是不全面的，全面的信息一定是不干净的。一手的信息一定是片面的信息，全面的信息一定是多手的信息。”
尤其是自诩为价值投资者的人做投研，多多少少会有一点心理洁癖。
公司是不是行业龙头？资产负债率高了点？ROE怎么不到15%？自由现金流如何？净现比怎么不足100%？企业历史有没有过污点？估值需不需要打个折？
回头投研上来，那要做到什么地步才算是投研入门呢？
我认为，从基本面投研的角度上来说，在有一定商业思维的前提下，能够把企业经营层面的情况，和财报数据相结合，建立起属于自己的企业分析系统，就可以称得上是投研入门了。
当然，投研的方式、技巧甚至工具有很多很多，但最重要的是在过程中发自本心、兴趣使然、认真投入。
在这个投研的过程中结合自身过往经历，逐渐塑造对研究事物的认知，从不知道自己不知道什么，到知道自己不知道什么。当然，这免不了需要付出很多时间和精力。
更加残酷的是，就算付出再多，还是有可能赚不到钱、收不到回报。投研这条路，过程比结果更重要，沿途收到的反馈甚至比最后的投资回报率更重要。
#3.杂谈其他
最近行业内有不少小伙伴担心研究员被诸如GPT等AI取代一事，甚至开始质疑投研工作的意义，我也一并谈谈我的看法。
众所周知，投资是一件很个性化的事情。不同的人条件不一样，与之配套的投资方案和方式也不一样。而机器给出一些答案则具有普适性，能做到60分甚至70分。但是它做不到90分，90分是人类付出一定努力才能取得的成绩。
机器给出的答案乍一看还行，但实际上经不起推敲。换句话说，它了解一些这个行业的专业知识和数据，但是不够专业全面。
比如有这么一个不复杂的问题：对比江苏白酒市场和四川白酒市场的小微白酒厂商近十年的真实利润变化情况，并说明各自变化的原因。AI能做这个工作吗？看起来好像并不难。
然而它其实做不了，就算勉强做点表面东西出来，结论大概率也是错误的、片面的。
为什么呢？因为AI要做这件事，需要的是庞大并且真实的原始数据，而这个原始数据是不存在的。
或许你会纳闷，网上那么多调研信息和相关研究，看得人眼都要花了。为何AI不能拿来用？为何AI不能写报告呢？
因为每个厂商的真实利润之下，还有收入确认方式、生产成本、销售费用计入方式、各类税收、营业外开支、经销商欠款、资金占用和成本、与股东的种种条款。
它的利润背后是一整套的体系，绝不是一个简单的数字。这些体系性的数据在网络上绝不存在，即使存在，也不太具有可信度。
而要把这些体系性的数据挖掘出来，整理出来，逐一核实真伪，需要的是极其庞大的人力。并且这种人力投入还必须长期维持，否则就无法更新出实时准确的数据。
如果通过政府强行规定，为了让AI得到真实全面的原始数据，以后所有小微白酒厂商都必须全面上传真实利润数据和相关信息，该数据和信息还必须分享给AI。
如果真的出现这种情况，假设你是白酒厂商，你慌不慌？
所以，由于难以跨越的物理界限，AI无法完成原始数据的收集。除非AI进化到能代替人去收集数据，不过那就是机器人的时代了。但还是那个道理，没有人会把所有数据分享给机器人，无论是考虑执行权限问题还是开源隐私问题。
OK，这篇文章勉强又算我铺垫了一篇。下一回我们开始讲极其重要的一篇文章——基本面投研框架，请各位朋友们准备好小本本。
还是那句话：这个系列如果有价值的话，分享和鼓励将是对我最大的赞许。
文末声明：本文仅用于记录个人投资、学习思考，不作为任何投资建议。本人执业年限尚短，故可能有屁股决定脑袋的扭曲成分，文中不足之处，还请大家批评指正。另外，文中提及个股均具有极大的风险，切记勿当倒霉蛋。