Leto Bao

罗伯特・诺齐克（Robert Nozick）提出的「非侵害原则（Non-Aggression Principle, NAP）」与约翰・罗尔斯（John Rawls）的「正义即公平（justice as fairness）」看似对立，实则都在回答同一件事：社会如何正当地分配自由、权利与资源。先设定边界与规则，再安排资源的流动。这套思考路径挪到资本市场，得到的第一性原理同样朴素：先定义「能长期复利的底层机制」，再谈择时、选股与交易。换句话说，我不试图「更聪明地预测价格」，而是试图「更聪明地选择人和制度」。

把这个原则稍微形式化：人才密度 × 优秀的管理层 × 可持续竞争优势 ＝「组织级复利」。你买入的不只是当前利润，而是持续吸引与留住顶尖人才的能力；当「人才→产品→现金流→再投资→更强的人才」形成正反馈，复利的齿轮才真正咬合。

投资，就是让最顶尖的人替你赚钱

巴菲特从「捡烟蒂」转向「以合理价格买入伟大公司」，本质是从一次性价格错配走向组织能力的长期复利；彼得・林奇强调「投资你看得见、用得着的世界」，其实是在利用日常信息更早识别「谁在持续赢得用户与人才」；约翰・博格用指数化把这件事工程化：当主动投资者彼此稀释超额收益时，「拥抱胜者集合」把资本稳定交给更强经营者。三条路的共同结论是：与其在每一次判断上赢过别人，不如在「选择谁来替你赚钱」这件事上一次做对，然后把时间交给复利。

个人的能力与认知都有上限，市场对手里有无数专业选手和制度化资金。试图在短期预测上战胜他们，极难可持续。更可复制的办法，是把资本外包给更强的人——那些能持续吸走顶尖人才、在正确激励下把小优势变成大优势的组织。投资的关键不是每次都判断对，而是尽早绑定能反复正确的人与制度。

如何找到「最顶尖的人」

寻找顶尖人才，最粗暴但有效的方式就是「直接投资市值最高的公司」。不是因为市值是万无一失的真理，而是因为它综合了盈利、增长、风险、流动性与预期在内的巨大信息集。像 Google（Alphabet）、Meta 这类公司，长期吸引 MIT、Harvard、Stanford 等顶尖人才进入研发与产品一线；普通人很难进入这样的组织，但可以持有它们的股权——让它们替你赚钱。市值是人才密度的影子，影子会走形，但在足够长的时间里，影子大多贴着身形。

当然，市值也可能被故事抬高，所以需要交叉验证：看长期 ROIC 是否稳定高于资本成本、自由现金流是否健康、再投资机会是否充足、股权激励是否以长期为导向，以及在关键转折点是否展现出「快速、正确、无情」的执行。市值给你第一枪，证据让你敢持有。

如果不想在个股上承担过多风险，那就把难题交给更大的制度。指数化的本质，是让「市场的制度」去定期筛掉落后者、纳入新赢家。美国市场之所以适合作为全球配置的核心，并不仅因为产业宽度，更因为「法治 + 资本市场深度 + 高校与移民体系」共同构成的人才与资本漏斗；S&P 500 就是一台「胜者升级、落者出列」的自动化机器。正如《持续买入》所强调的：少判断、低成本、长期持有，往往击败大多数高频的聪明。把指数当作默认，并不是「躺平」，而是利用了两个强事实：赢家会被自动加权，失败者会逐步边缘；你的操作频率越低，犯错的机会越少，复利越完整。

如果愿意承受更高波动，逻辑可以进一步集中到「伟大公司的集合」。近年的市场中，「MAG7（Magnificent Seven）」贡献了指数回报的相当比例；有投资者索性通过相关主题 ETF（如「MAGS」）直接押注这组最顶尖的公司——AI 芯片、造车与自动驾驶、社交与广告、云服务、操作系统与电商，它们在人才、生态与资本上的耦合极强。集中意味着更高的期望回报，也意味着更大的路径波动与回撤。是否采用，取决于你的现金流稳定性与心理承受力。

在更进一步的主动层，我采用「一个行业只投一家，且优先押注龙头」的原则。原因在于现代产业的「赢者通吃」结构日益明显：网络效应、生态锁定、品牌与数据的叠加，常让第二名做对的事，结果却在帮第一名更强。以 AI 芯片为例，若同等优秀的人才同时拿到 NVIDIA 与 AMD 的 offer，他们一定会更倾向于前者；而人才投票又会反过来强化生态飞轮。这并不是对技术细节的忽略，而是把「人才流向」当作一条强证据链，并用它校准仓位与持有时间。但这里并不是建议只投资一家公司，而是投资多个看好的行业，比如你看好 AI 领域的话，那就在芯片设计、制造、发电、稀土、应用等，每个行业投一家。

生命周期与杠杆

把时间维度纳入系统。《生命周期投资法（Lifecycle Investing）》的核心观点是：年轻时期人力资本占比高、金融资产少，但是抗波动能力更强，可以把风险敞口适度前置，让更长的时间去平滑噪音；而年长时期资产多、抗波动能力弱，应当降杠杆、抬现金、提高分散度。其实贷款买房就是最典型的生命周期投资法，年轻时用 2 成首付买房，相当于加了 5 倍杠杆，然后花 30 年还贷款，还贷款的过程就是逐渐降低杠杆的过程，30 年后贷款还完，杠杆也就回到了 1 倍。既然可以贷款买房，为什么不贷款投资收益更高而且确定性也更高的 S&P 500 呢？

把这条思想落到实践，含义很直接：只在「资金成本 < 优质公司长期资本回报率」时使用温和杠杆；利率抬升、收入不确定或估值偏离时，主动收杠杆。现实世界里，温和杠杆的来源往往是成本较低的消费信贷或抵押融资——本质是用更低利率的资金去「加速绑定」高回报主体。关键在于护栏：设置 6–12 个月的生活现金缓冲，明确负债上限与偿债来源，对失业、加息与市场深度回撤做情景推演。你想赢的是二十年的复利，而不是某一年的漂亮曲线。

当你已经决定配置一笔资金，学术与机构研究在统计上更支持「一次性买入（lump-sum）」优于「定期定额（DCA）」：
Thorley（1994, Financial Analysts Journal）论证 DCA 的预期收益劣于一次性入场；Knight & Mandell（1993, Financial Services Review）从期望效用框架得出类似结论；Vanguard Research（2012）在多市场样本中发现，一次性投入约在多数时期胜出，DCA 更像是「把风险推迟」；与此同时，Statman（1995, Journal of Portfolio Management）提醒，DCA 的行为好处在于更易坚持。

把「借未来 1–2 年可支配收入」作为一次性配置的资金来源，是生命周期视角的自然延伸：相当于把未来现金流前置，让复利更早开始。执行上我会写入三条纪律：其一，「只在职业与现金流稳定」时使用；其二，「利率高、估值高、收入不确定」三者任一出现时暂停或减半；其三，「每年一次固定复盘」，复盘的对象是「假设与纪律」，而不是短期净值。为了降低行为偏差，我会卸载交易 App，把查看频率降到季度/半年度；把再平衡写成 If-Then 规则，尽量自动化，避免把临场情绪当作理由。

选择谁来替你赚钱，然后给他们足够长的时间。默认用指数绑定制度化的胜者集合；在可承受的波动下，以龙头集合增强；当认知与把握度足够高时，在行业层面「只选一」，并用清晰的护栏管理错误；年轻时用生命周期框架温和前置风险，同时把一次性投入与行为工程结合起来。把复杂留给制度，把时间交给复利。