高毅投研内部培训：学习把最重要的事情做到极致
作者：高毅资产首席研究官卓利伟
本文为高毅资产董事总经理、首席研究官卓利伟和研究员团队的投研分享讨论会的部分纪要。
我先就自己从业这么多年做研究和投资的一些体会，和大家做一个分享。
时间是每个人唯一稀缺的资产，要学会研究最重要的问题
做研究最为重要的是时间管理，我们每一个人最稀缺的就是时间。研究工作面对的是一个非常复杂的、非结构化的海量信息。时间的稀缺性与信息的无限性就会派生出两个问题：
我一直说，我们研究的应该是大问题，要把握的是产业与企业的大方向，并在判断与决策上获得大概率上的正确。概括起来就是，大问题、大方向、大概率。
无论是资深的分析师还是学校刚毕业的初学者，都一样要去学习站在产业的最高处、最前沿，以企业老板的角度去思考大问题，即使在一些细枝末叶的问题上做得多么完美，其价值也是有限的。大问题上的模糊准确远远比小问题上的完美精确更为重要。
解决效率问题的第一步是要树立科学合理的正确的研究方法，然后通过不断的学习，去持续优化这个思维框架与方法体系。要在正确的路径上持续地积累，守正出奇。不能在丛林里面的羊肠小道里奔跑，要找到穿越丛林的阳关大道。在正确的道路上即便像乌龟一样爬也能爬到终点，而在无方向的丛林里奔走却可能一直迷失。在正确路径上，持续积累的力量是非常强大的。
我们怎样思考，什么是最重要的问题？我个人的总结，研究一个课题，可以通过四个逻辑框架去思考，即：宏观逻辑、产业逻辑、业务逻辑与财务逻辑。
■宏观逻辑，包括宏观经济因素，还要从社会思潮、群体心理、甚至政经关系等大格局去看问题。比如在全球化和互联网的大环境下，传统商业的逻辑机会发生很大的变化，企业与各种组织变得边界更为模糊，对竞争的理解就要从全产业链的生态去思考；再比如，这个时代商业的影响力、伟大企业家的影响力，都要远远超过以往时代，影响力即权力，由此社会、经济、产业的发展逻辑都会与以往时代显著不同了。
■产业逻辑，不同的产业在不同的发展阶段，其核心驱动因素与竞争要素是发生变化的，而且在当前互联网与全球化的时代，其变迁的原理更加与以往不同。比如，由于创造性破坏更为普遍，厂商与用户的关系发生本质变化，技术优势与商业模式的生命周期也变得更短。
■业务逻辑，看一个企业的业务首先还是要看其战略布局、业务方向是否符合前面说的宏观逻辑与产业逻辑，是否符合社会大潮与产业大方向。即使一个公司的团队是多么牛，如果是逆着这两个大方向，其经营的难度还是会非常大，成功的概率还是很低。
■财务逻辑，财务就像数学是对其他自然科学最好的表达一样，财务是对企业过去的经营行为进行数字化、结构化的总结与记录，通过这些数据可以很好地分析与验证其业务上的特征与问题。
这四个维度是看一个公司和一个产业的相互验证、相互有勾稽关系的逻辑闭环。研究一个微观的企业一样要有很强的自上而下的思维，在大逻辑上有严重瑕疵的公司，一方面成功的难度很大，另一方面研究的难度也很大，研究的投入产出比就很差。
不同产业在经济学与商业模式的本质上有着显著的特点。比如水电行业的产能发挥与下游需求长期比较稳定，成本结构、产量、价格等指标也比较清楚，其本质更像是一个加了杠杆（高负债）的利率产品；传统零售业也接近于商业地产的租赁业务；动画行业更像是一个内容创意与计算机软件相互加强的IT行业。
看一个产业，还要看驱动产业发展与企业成长的核心要素是什么。比如芯片技术驱动了计算机的计算能力，才导致TMT行业各个领域硬件、软件与应用的飞速发展，技术路径选择与全产业链的生态竞争是相关公司最为重要的战略；比如消费品的核心驱动力是产品力，产品力越强的公司相对于渠道的谈判地位就越高，产品力在时间上的累积与空间上的传播才形成了在消费者心目中的品牌。
研究一个产业的长期方向，在一些拐点时刻把握关键变化也十分重要。比如现在这个时点的TMT行业，智能手机的普及与流量红利可能已经基本上结束了，移动互联网用户的使用时长开始接近天花板，增量的创新变得越来越难、更多可能是存量之间的替代竞争。而这些相对小的创新，也更容易被大公司进行早期并购。在这个背景下，理解相关的细分行业与具体公司的逻辑与方法都要和前几年有本质的区别。
再如对于消费品而言，由于人口红利的逐渐消失、商品的普及率和渠道的渗透也已经结束等原因，大单品增长的时代也基本上结束。现在的机会可能更多的是存量的结构升级与中小规模的品类创新，这对基数特别大的公司来说就不是好事，因为其产品创新的边际贡献会比较有限，业绩增长就比较困难。但对一些非常具备创新能力、能够深刻理解消费者的中小公司来说，可能反而是不错的机会。
从时间、空间、人这三个维度可去看产业与企业，也是说明很多本质原理的重要角度。
■好的商业模式要顺应社会大势的发展、顺应人性的良性发展、顺应为社会贡献更多的总福利，这样的商业才是可持久的，是时间的朋友。
■还有一个概念是空间。一个好的企业除了做时间的朋友外，同时还不能做规模的敌人。大部分商业活动，随着规模扩张，一般都会出现效率递减，或者说空间（规模、地域、管理幅度、多事业部等）与利润之间可能有一个最优解或次优解，超过这个最优解的空间拓展，反而会导致规模不经济。比如依赖于厨师的餐饮公司，就是规模的敌人，凡是实现了有效连锁扩张的餐饮企业，几乎都是不依赖于厨师的。流程标准化是服务业规模化的前提。好的商业模式要应该在时间与空间上具备不断复制与持续优化的系统能力。
■另外一个最重要的维度就是人，其中最核心的是企业家精神。一个公司的核心竞争力本质上是公司治理结构。而好的治理结构是企业家与一小部分团队的思想成果，这在相当大的程度上取决于企业家的心胸、情怀、战略，以及团队的执行力，取决于企业家持续的学习、分享与创新。创始人、企业家、治理结构，是一个公司最终的核心竞争力，伟大的企业家与优秀的治理结构才会激发每一个人的正能量与创造力，好的组织与好的商业模式应该充分激发人性善的一面。只有人，才是创造价值的终极源头。
一个企业的核心能力是能够构筑相对于竞争者形成的可持续的壁垒，比如强大的系统能力形成可持续的成本优势与规模优势、强大的研发能力形成技术或产品创新上的持续领先、非常好的产品与服务形成很好的品牌与用户粘性，这些结果上的核心竞争力本质上都来源于企业家的远见胸怀与优秀的公司治理结构。
从宏观逻辑与产业逻辑看，消费品行业有几个重要的因素需要关注：
1）消费的人口红利基本消失。中国特殊的人口结构（尤其是过去一胎制的人口政策的结果）与过去二十年在生产与渠道上的快速扩产，商品普及与渠道渗透基本完成；未来消费的顾客数量与人均消费量几乎没有什么增量、甚至会出现下降，大单品的增长时代基本结束。
2）中产阶层的人口与互联网一代的人口占比会在未来几年迅速提高，存量市场的结构升级与品类创新会有机会，体验、服务、健康、审美等需求成为购买决策的重要因素，但创新的边际贡献会递减，对大公司来说边际贡献不会太大。
3）厂商与消费者的关系。从过去的厂商导向，到现在的消费者导向，消费者才是最终最有影响力的引导者，但好的厂商深刻理解消费者又要超越消费者。对厂商来说，最重要的是要和消费者建立高效互动的沟通模式。现在的IT技术可能会帮助他们做到这一点，用大数据去记录消费行为的全流程，用这些数据来进行深度挖掘。做到流程更加优化，供应链效率更高。并在这些数据的基础上不断启发有效的创新，带来更多的，产销对路的产品。过去厂家生产太多品质凑合的、消费者也凑合购买的商品，以后更多应该是更为精准的东西。
4）品牌与产品力。互联网的普及基本上消除了信息不对称，消费者的认知能力大幅度提高，消费者相对于厂商的谈判地位上升，品牌忠诚度的挑战更大，但同时优质品牌获得更多的市场份额的效率会更高。期间更为确定的是渠道的价值大幅度被压缩、差的品牌被迅速淘汰。从这个意义上来说，产品力（广义的内容，包括服务）的价值将更容易得到体现，持续的产品创新能力、有效准确的传播（代替传统意义上的形象代言与广告）、与消费者的良性互动变得越来越重要。
在这样的宏观逻辑与产业逻辑下，观察企业微观的业务与财务数据就和过去有不同的侧重点。比如，我们就要看一个老品类的毛利率是否在提升或维持、新品类的占比是否提高、新品类创新的边际利润是否提升、总量上的市场份额是否提高等指标。
再比如对消费者的观察还要看客户人数、客单价、复购率等多个维度的业务数据与财务数据，去验证这个企业是否具备持续的学习与创新能力。
宏观逻辑上看，在商品消费普及基本结束的背景下，体验消费与服务消费的占比将持续提升，这也符合宏观经济意义上人均GDP达到一定水平后的居民消费倾向的特征；同时商品与服务的融合也越来越普遍，对于消费者的认知来说，“服务即产品、产品即广告”。在当前的宏观经济背景与中产阶层占比快速提升的条件下，服务业的空间仍非常大。
产业逻辑上看，从马斯洛需求层次理论来说，在生理需求、安全需求等生存需求满足后，社交、尊重、爱等归属需求以及自我实现的心灵需求就会大幅度增加。所以，服务业最重要的是要站在用户的角度，建立更好的体验、口碑和以及由此递进的用户粘性，是要提升消费者在功能需求、体验满足、情感共鸣与文化认同上的总效用。
顺着上述两个逻辑，看服务业企业的业务与财务，可以有一些重要的维度：
用户数及其变化，这是一切的基础，尤其要看可以产生交易或付费的用户数量；
用户的续单率（对应的流失率）与ARPU值（或ASP），这是对口碑与体验最好的数据验证；
获得新客户的边际成本与边际利润：一个企业通过品牌、传播、广告获取新客户的能力非常重要，获取新客户是否有边际利润；比如客户推荐率指标就是非常好的数据，好的产品或服务，老客户是最好的传播者。
客户的学习成本是否够低、转换成本是否较高，即客户更容易进来而不容易离开。
当然，服务业是一个非常宽泛的概念，既包含传统的服务业，也包含基于互联网基础实施的各种信息服务业，但背后的核心逻辑原理是相似的，理解与研究的框架完全可以打通。但传统服务业与有互联网属性的新兴服务业在用户、流量或销售额、现金流、净利润等业务与财务数据的发展路径有显著差别，传统服务业更接近于时间与空间上的线性增长，而有互联网属性的新兴服务业更表现出某种指数级增长的特征，以及由此导致的赢者通吃(极少数公司占据大部分市场份额)的行业格局。
从宏观逻辑看，制造业（包括广义的硬件）有以下几个要点：
1）中国制造业的总体能力仍较难被其他经济体所替代，经过过去20多年的积累，中国制造业全产业综合配套能力在全球仍有较强的竞争力、甚至这个竞争力还会进一步提高；
2）尽管中国的整体的人口红利消失，但工程师、高素质劳动者的人力资源红利仍可能维持较长时间；
3）更为特殊的因素是中国有着非常庞大的本土市场作为很好的试验场，对于很多企业来说，其试错的成本就远比其他经济体低得多；
4）由于发达国家总体经济较为低迷，一些制造业企业的财务状况较差，这给中国的领导型企业带来了难得的全球化机会。
这几个因素给我国的制造业升级提供了较为有利的条件，但可能只有少数非常优秀的企业在这些方面把握住机会。
从产业逻辑看，传统制造业的核心逻辑是产品与流程的标准化与规模化，从而达成在时间与空间上的自我复制能力，上个世纪后期以日本企业为代表的精益生产充分体现了这个逻辑，这个逻辑在现在的中国还会适用一段时间，我国的白电行业也充分地说明了这个逻辑。
另一方面，在计算技术、大数据与云计算飞速发展的现在与未来，过去难以规模化的非标准产品也可以在相当程度上实现全流程的数字化改造，并可能实现个性化量产，这在一些细分行业（如定制家具、制衣等原先非常难以实现行业集中度提高的行业）已经开始出现，以突破非标品“规模是敌人”的可能，当然这个过程的摸索过程会较长、研发的前期沉没成本会较高，其难度也远远高于标准品的产能复制规模化，但做成功以后的壁垒也会更高，这方面的研究在长期战略上要重视、在投资时间上要严谨与有耐心。
从业务与财务逻辑看，无论是产能复制式还是个性化量产的模式，制造业有两个因素非常重要：
一是广义产能规模（财务上包含固定资产、无形资产、商誉等因素，业务理解上也包含制造、研发、营销等一线人员的数量）的扩张是否带来正的边际利润，好的扩张还会带来边际利润率不断上升，从而有能力提升公司总体的ROE水平。
二是这个规模的扩张是否带来显著的长期竞争力的提升，如对有壁垒的核心技术的掌握、终端的规模在品牌上的持续积累并因为这个品牌导致的产品溢价与份额提升。总结起来就是，在空间上形成规模与成本优势，在时间上积累品牌溢价。
从宏观逻辑看，技术进步是经济长期增长潜力最为重要的因素之一，过去几十年TMT行业集中了人类历史上最大规模的技术进步与商业模式创新，也是全球过去几十年最为重要的增长动力。科技革命，尤其是过去二十多年的互联网革命完全重构了全球经济格局、产业演进与人类生活方式的全新面貌。
但从另外角度看，也许技术进步的速度已经超过了宏观总需求的增速，再加上创造性破坏的特征，在过去十年显示出经济总量低增长与低就业的效应。科技革命加上现代金融技术与资本的力量，又使得初次分配更容易集中到技术精英与资本（股东）身上，普通劳动者的报酬并没有显著提高，在全球包括发达国家的贫富分化继续加剧，也许这是08年以来的金融危机的深层原因之一。就像《人类简史》中论及的，普通民众，无论作为劳动者（更大程度的被机器与数据替代，机器的生产率提升空间可能大于人）还是作为消费者（报酬提升很少，消费弹性降低）来说，其经济价值可能仍将持续贬损。
从产业逻辑看，TMT的技术演进路径、技术成果的商用普及以及由此带来商业模式的创新路径尤为重要。技术与商业模式的领导者将由于“报酬递增原理”，其领先优势与市场份额在相当长的时间里持续扩大，行业集中度迅速提高。无论是硬件，还是软件、服务，都显示出这个特征，比如芯片、显示、存储、各种应用软件、流量平台、社交网络等各个细分行业都是如此。所以，在同一个细分行业，不同公司的命运是天壤地别的，产业中观的研究尤为关键。
站在现在时点看，智能手机的普及与流量红利基本上结束，新的技术进步需要跨越到下一个S行曲线，大级别的技术创新可能需要较长时间的探索，大数据、云计算、下一代智能终端的形态（AI、AR/VR，难以形成几亿量级的标准化大单品，更可能的是硬件、软件、内容、服务的融合）都和前二十年的发展逻辑又将有新的变化。
从企业的业务逻辑看，TMT行业的技术路径选择的错误成本非常高，错误的选择会是灭顶之灾，经典商业读物《追求卓越》案例中的一些“伟大企业”，现在不是惨淡经营就是已经不在了；主流技术的领先性所主导形成的全产业链研究尤为重要。
从财务逻辑看，技术导向型的企业，其收入，利润，现金流的变化，不像传统制造业那样线性变化。对于技术研发型的企业来说，最先增加的可能是技术人员与研发费用，然后才是收入，净利润与现金流更为滞后；对于商业模式创新的服务型企业来说，最新体现的可能是流量与用户，再有收入的增长，最后是净利润与正的现金流。
上面说到的几个大类行业，并不是一个严格的区分，这些粗线条的大逻辑只是简单说明了一些重要的共性与规律性的东西。很多产业本身可能具备多个特征的综合，当然这些特征会有显著的主次关系，对于具体的细分行业还要做更为深入的分析，并形成严谨的逻辑框架。另外，在现在的经济与产业背景下，跨学科的、融会贯通的研究越来越重要。
研究一个问题，或认识一个问题包含三个过程，即归纳、演绎/推理、实证。三者之间是互相促进、相互验证的过程。
归纳：我们要把碎片化的信息进行格式化，先解构再重构。按照矛盾的主次关系，我们要知道哪个是最重要的，排第一和第五的是哪个，把次要的先放一边。归纳的过程中，我们不仅是信息的传递者，更是信息的整合者，要搞清楚问题的逻辑关系与主要矛盾。
演绎：在归纳的基础上提出最有可能的几种假设，研究科学史的时候知道，整个科学史就是一个假设演绎法的推演过程。我们对过去的信息、理论进行归纳后，提出几个最有可能的假设，再通过实证研究进行验证。演绎需要一种有逻辑的、突破线性框架的创造性思维，假设的过程中可以需要一定的理性的想象力。没有想象力的话，过去的互联网公司都没法投资了。
实证：科学家在研究自然科学需要做实验去验证假设与推理。100年前爱因斯坦提出的引力波，他自己也怀疑，然后全球最牛的一批科学家花了100年最终证明了引力波的存在。实证研究的结果，有时候可能会彻底否定之前的几个假设，却获得了新的答案。在实证的过程中还可以启发更多新的思维，这是实证研究意外的收获。在找桃子的过程中可能找到了苹果，这也很好。在研究A问题的时候，有时候会获得研究B问题的思路。
当然对做博弈的投资人来说，他们可能只做了归纳与推理，或者在逻辑和推理上可能比别人稍早一步、更强一些，他也能赚到了智力优势的钱，但却很难持续获得成功、过程也会比较忐忑。但对基本面研究来说，我们要努力把这三个步骤都做好。我们要做的是把通常60%确定性的理解提升到90%以上，事实上60%确定性的判断几乎是没有决策价值的。
这个原理可能是这样的：通过更有效的实证研究，也许掌握的只是比市场多出10%的有效信息，却可能让你对问题的理解力、基础信息的处理能力提升了一个档次；从而把研究的确定性提升到显著高于大部分人的水平。这个可能就是创造阿尔法价值的过程。
要做好研究与投资，我个人认为从业者需要一些显著不同于其他行业的特质。某个公司在校园招聘上提到三个词：求知欲、诚实，独立。我认为这是非常牛的总结。
第一个，求知欲/好奇心。这个才是一个人内心最深的自我驱动力，是一个人内心的底层代码。我把这个称为“无压力与无任务情况下的自我驱动力”，没有考试压力、没有考核压力、没有人给你布置任务的时候，你都会痴迷于研究某一个有意义的问题，那么在天性上，你就非常适合做研究工作。
第二个，诚实。实际上大部分人、包括我自己，在这方面都做的远远不够。诚实这个东西看起来是很简单的要求，但实际上是非常不容易做到的。人总是更容易接受、甚至强化对自己有利的事情，有利于证明自己观点的论据，更容易接受获得被认同的东西。如果有个人和你PK，大部分人就会逃避或抵触，这个对投资或研究问题是不利的。我们要有非常强的自省和纠错的能力。最重要的是要知道自己错在什么地方，让自己每次错的成本越来越小，并且不断减少错误的次数。 投资不应该有什么悲观的或乐观的看法，只有客观的看法，对研究对象要客观，对自己的认识更要客观与诚实。对自己能力边界的认识要非常清醒，要知道你一直不敢面对与自我逃避的重要问题，总会在某一天找上门来的。“如果你不够真诚，你终将成为自己的牺牲品”。
第三个，独立。如果我们讲的东西都是别人的二手资料和二手观点，是没有多少价值的。独立的思考与判断，其最重要的好处就是能够进行清晰的归因分析，并会逐步积累属于自己的可以持续优化的思维体系。另外，无论是多么权威的意见，也要经过自己严谨的独立判断，不宜直接引用，否则创新思维就不可能发生。
《异类》一书中说，人们眼中的天才之所以卓越非凡，并非天资超人一等，而是付出了持续不断的努力。1万小时的锤炼是一个人从平凡变成专业的必要条件。对于年轻一点的研究员或者刚毕业的来说，不管做什么工作，要经过1万个小时的职业训练，才会有一个从量变到质变的过程，得有5年左右的时间才能成为专业的选手。如果天资悟性好的，你每天的有效工作时间又比别人多出20%，那么你成长的时间就会缩短。对于过去学习很好的学霸们来说，入行不久的人经常会有一点迷茫，会比较着急，需要树立正确的态度。
对资深的人，我们又反而需要强调先放下一切经验。在这个互联网与技术进步对全社会进行深入改造的时代，很多过去传统的思维方式反而会成为研究很多问题的绊脚石。我们需要放下过去的成见，以清零的心态去面对这个世界。从业时间越长，有的时候在某些方面更容易犯错误。从这点来说，对于自己某些非常笃定的观点，反而要更为刻意的重视反方观点。要感谢那些和自己反复PK的人。
另外，如果一个研究员要做的好，必须要有属于自己独立判断的成功案例和错误案例，是那些刻骨铭心的成功案例和刻骨铭心的错误案例，才能帮助自己成长。
不管是资深的还是刚从业的，都要学习逐步建立属于自己的智慧圈。在一个重要课题上，要有3个以上的行家里手成为你的朋友。这样对研究那个课题，是站在那3个牛人的肩膀上。为什么是3个？因为即使是一个很牛的人，即使是企业家自身，也可能因为自我立场（利益立场、情感立场等）的偏见导致错误的判断。芒格说，“立场导致偏见”。假设每个人的脑子里有5个重要课题，每个课题有3个朋友，那就有15个人；每个人背后又有几个朋友，这样的智慧圈就非常厉害，这有点类似互联网思维，这也是一种认知盈余。我们每个人的大脑是无边界的，智慧圈也是无边界的。我们每个人不可能成为很多领域的专家，但可以通过不断向很多专家与牛人学习、经常进行深度的思想分享，互相启迪思维。
我们这个研究工作本质上就是学习。向同行学习，向同事学习，也向书本学习。除了眼前的当下的任务之外，要进行广泛的阅读，对长期重要课题的深度阅读与前瞻思考非常重要。广泛的阅读、独立的思考、深度的讨论与互动。
要按照自己的方式建立单独属于自己的行业与公司研究的逻辑框架与方法体系，对于年轻人来说，更需要把基础的工作做踏实，在做基础数据的同时才会有自己的思考沉浸其中。要通过持续的学习、不断的积累来持续优化与修正这个体系。
日常工作中的研究效率怎么提高？建议把自己的工作底稿进行结构化记录。比如对于一个重点研究的公司，可以把各种重要信息放在一个EXCEL表格里，把各种要素进行有逻辑的数字化表达。过去调研的，阶段性思考的东西，都放在这些文件里面，然后不断的更新。下次拿出来讨论、编写与输出文档的时候，就非常方便。几年下来，这些研究成果沉淀下来是非常有价值的，还方便对自己过去的研究进行复盘。
Q：时间管理上，研究员覆盖的行业与公司数量通常较多，时间上怎么高效利用？怎么快速决定在哪些上面快速花时间？有些短期机会，不一定是大牛股，属于经营节奏的改变，怎么让研究员做好时间分配？怎么预判一个行业或公司值不值得看？对于一些市场短期的很多热点，研究员怎么很快的判断是否值得深挖？
A：从研究的时间精力分配上，我个人觉得应该将70%-80%的时间花在重要问题上。而把较少的时间花在短期变化的公司上。要把大部分时间放在一个产业最重要的大方向与最关键的变化上，以及在这个逻辑下的最重要的少量公司。每个人在漫长的职业生涯里，一定要树立做重要事情的思维，才可能磨练这个能力，越早明白越有利。如果一直忙于做短期的事情，那么思考长期重要问题的能力就难以积累，人们通常容易忽略短期不紧迫、而长期十分重要的事情，反而忙于应付短期紧迫、长期价值不高的事情，这是本末倒置的。
研究一个课题的出发点一定要是这样的，当然具体问题具体分析。其实很多行业与公司用排他法就可以判断。比如长期趋势非常明显向下、而且行业底部难以判断、总体估值又不低的行业，基本上就不要看；比如那些在熟悉领域都没有做出多少成绩、团队又没有换的公司，他说要在一个全新的行业做到如何如何，这基本上就是吹牛；比如一个说自己技术如何牛、如何高科技，你发现其产品毛利率很低、人均收入很低，基本上就是假的。这些简单的常识判断就可以排除很多公司，对于这些类型的公司，无论涨的多么牛，都不是我们研究的对象，就像前面我说的，研究的目的是要把高价值的事情、重要的事情的确定性提高到非常高的水平，才有真正的决策参考意义。
Q：比如说某个行业，年底复盘的时候发现，属于我们认同的基本面驱动的牛股有好多个，我们如何要求研究员把握这些公司？
A：举个例子，中国制造业升级的公司，分散在各个行业，假设20家公司需要研究。其实这20个公司一定会有某一些显著的共性，在宏观的、产业中观与企业微观层面的一些显著的特征是共通的，依据这些逻辑假设我们深度研究了其中的5家公司，最后在3家公司上重仓买入，并获得非常好的收益，我认为这个投资就非常成功，或者说买入的3家公司的收益率好于20家公司的总体收益，这就是成功的投资。至于没有投另外的15个公司，逻辑上根本没有关系。如果要让一个研究员在一年内对20个公司进行非常高质量的研究，其实是非常难得。把5个公司研究到90分远比把20个公司研究到70分，反而要容易得多，而70分的研究是没有阿尔法价值的。
Q：如果要研究好5个公司，那就要把那20个公司也研究好啊？
A：这个在逻辑上不矛盾。研究好这5个公司，肯定也要看另外的15个公司，是在这20个公司比较之后，按照重要性原则选出5家公司进行真正深度的研究，对这5家公司的研究一定要做到显著好于同业；另外，从这20个公司中通过一些方法挑出要重点研究的5个公司，这个并不难。前面谈到的四个研究逻辑、对产业核心要素和关键变化的判断、对企业家精神与公司治理结构的理解，都是挑出某个领域少量重点公司的研究方法，至少在很大程度上可以做到排除法的结果。
Q：哪些机会是一定要把握的？哪些机会是错过了不行的？
A：前面也说过，代表了社会、经济发展重要方向与产业关键变化的东西要把握住。但我还是认为，在这些行业代表中可能有10个公司，如果研究员能够抓住3个并形成投资实际贡献，这就很好。如果要求把10个都抓住，可能实际上投资实践的确定性反而是降低的，可能在过程中患得患失、不敢重仓也不敢较长期持仓，还是要把这3个的研究确定性大幅度提高。如果在这些代表重要方向与关键变化中的10个公司中，一个都没有抓住，那一定是研究方法体系有问题。
回过头来看，其实市场中基本面驱动的牛股非常多，大部分投资者对很多公司不是没有研究过，而是研究的深度不够，才会在投资的过程中患得患失错过很多机会、或者中途下车，最后收益率不够理想。另外，当组合的股票只要超过一定的数量，其风险的分摊就有显著的提高，业绩的波动其实是不大的，这个逻辑非常简单。
对于研究员来说，不管什么行业，还是要自己学会亲手去建立一个属于自己的思维框架和研究体系。通过这个体系有逻辑的去发掘机会与管理时间。
Q：研究了好公司，但估值较贵怎么办？
A：这个主要是基金经理需要考虑的，和研究员的关系不是最大。这是对整体估值的考量，包括大类资产之间的估值比较，包括行业之间的估值比较，更包括不同产业生命周期、企业成长轨迹、不同业绩增长逻辑下不同公司之间估值比较的问题。
不同行业、不同公司的估值是否贵，终极的思维还是按照长期的自由现金流贴现的思路来思考，即判断未来的价值，而不是简单的、当期的PE、PB等指标，深度的基本面研究可能是判断未来的价值最为可靠的方法。
如果组合中所有股票的估值都比其他资产（如债券类资产）显著贵了，那自然是整体卖出股票的时候，如果A公司股票显著贵于B公司股票，那就是要把A换成B。当然，好公司估值低的时候通常不多，但A股市场较大的波动性却经常提供了市场错误定价导致的投资机会，今年也有很多这样的机会。具备了前瞻的深度研究，自然就不会错过这些机会。对于研究员来说，要持续研究与跟踪前面说的最重要的公司是关键，市场总是会提供我们买入机会的。
Q：工作的时间里面，多少精力花在对重要东西跟踪上，多少精力花在找新的公司？
A：对于基金经理来说，我自己更多的时间会花在对产业大方向、关键变化以及重点公司的持续研究方面，有与产业界朋友的交流、与研究员的讨论，也有自己对相关问题广泛的阅读与思考。而对于新的标的，更多的idea也是来自于上述的研究与阅读过程，其实产业与公司的变化在短时间不会是那么显著，所以真正重点研究的新公司的更新速度也不会那么快。当然，我还会有一部分时间花在一些似乎与当前工作没有直接关系的阅读上，喜欢看各种书籍。
Q：很多机会不在目前的覆盖范围之内，怎么把握和分配时间？
A：这类似于上一个问题。要广泛地阅读，通过与自己的智慧圈的交流，获得启发。实际上，只要你持续保持对重要问题的研究，保持与产业界持续的交流，保持有前瞻性的阅读，新的机会与灵感一定会有的，很多idea是在过程中产生的，不是闭门造车出来的，“为者常成、行者常至”就是这个意思。
Q：平时一天的工作时间安排计划是怎么进行的？平时看哪些东西？广度阅读的话，阅读什么，有什么推荐？
A：对基金经理与研究员来说，这肯定是有所不一样的。对于我自己来说，我的时间分配大约是这样的：主要的时间还是在研究上，这方面内容主要是产业中观上的重要逻辑验证、以及相关重点公司的跟踪，包括调研、与研究员、产业专家或投资圈朋友的讨论与学习、阅读公司公开信息，自己也会经常去做一些重要数据的格式化与积累，其中可能特别重视的是对关键问题的深度讨论与思考。其次是阅读也占用较多的时间，会在一个阶段可能集中阅读自己认为未来重要课题相关的一些素材，也包括一些最有影响力的企业家的言论；也有相当的时间阅读与短期投资关系不大的东西，比如喜欢阅读哲学、心理学、科学史等书籍或文章，也阅读各个领域一些很好的写手在新媒体里的文章，这些文章的启发其实很多。另外，我自己特别重视与产业界朋友的互动与学习，包括一些非常有意思的创始人，与他们的交流总是有非常大的收获。
对于研究员来说，我建议要把更多的时间花在建立与持续优化自己的研究体系，培养判断产业大趋势与关键变化的能力上，并能够对其中最重要的少数公司做到业内一流的研究水平，而不要把时间花在碎片化的细枝末叶上。对于新入行的人来说，要先从一个重点领域入手学习做深的方法，并把这个方法逐步拓展到其他领域。
总体来说，不管是基金经理还是研究员，还是刚入行的年轻人，都要树立思考大问题的习惯。研究大问题、大方向，做大概率的事。对于小的问题上判断正确，作用很小。人生最缺的就是时间，时间是每个人唯一稀缺的资产，要把时间和精力放在最重要的地方，要学习把最重要的事情做到极致。
