90s.PM.Investing 股票分析流程 - 101：前言

這不是只一個課程，這是一場你早就該經歷的啟蒙運動

90s.pm.investing

Mar 21, 2026

I. 一個你可能很熟悉的場景

你打開手機，看到某個財經 KOL 很篤定地說：「這支股票是下一個 Nvidia！」

你心跳加速，點進去看。故事很性感：AI、量子計算、太空科技，每一個關鍵詞都在刺激你的想像。你也不是沒做功課。你看了幾條 YouTube 影片，翻了幾個論壇帖子，發現大家幾乎都在說好。

於是，你按下了買入。

三個月後，股價腰斬。

你不知道到底發生了什麼。更痛的是，自己甚至說不清，當初到底錯在哪裡。

這個場景，我見過太多次了。不是因為你不夠聰明。恰恰相反，會主動搜尋、會看研究、會追蹤市場的人，通常已經是最用功的一群。問題從來不在於你不努力，而在於你努力的方向錯了。

你缺的不是更多資訊。

你缺的是一套能幫你過濾資訊、拆解故事、驗證假設的系統。

II. 我是誰

我是一個在大廠工作的 90 後 SaaS Product Manager，也是一個用自己資金下場的財經分析者。我的背景橫跨產品、商業與投資研究：通過了 CFA 考試，也曾在企業退休金績效審核委員會裡評估 Fidelity、Invesco 等頂級基金經理的表現；自己的資金一直真實地承受市場檢驗，並跑贏大市超過 2 倍。

但老實說，我最驕傲的不是這些頭銜。

過去三個多月，我在 Threads 累積了 26,000+ 追蹤者，Substack 也來到 6,300+ 訂閱者，甚至成為 finance 類別的 Top 3 Rising Channel。這樣的成長速度，連我自己都始料未及。

我後來慢慢明白，原因其實很簡單。因為我寫的每一篇文章，無論是在拆妖股、看估值、講融資稀釋，還是分析商業模式，背後其實都在做同一件事，也是我們一直追求的事：看得更清楚。

但寫著寫著，我也越來越明白，真正能保護你的，從來不是我的警告，而是你自己腦袋裡的那套思維框架。

所以我決定把我分析股票的完整流程——從行業與公司背景資料搜集、判斷市場共識、建立核心假設、做 MECE 拆解、追蹤關鍵數據、驗證估值，到倉位分配——一步一步整理出來，分享給所有人。

我不是要告訴你買什麼、賣什麼。我想教你的，是怎樣自己把事情想清楚。

而且，我不打算收你一分錢。

因為這件事對我來說，從來不是一門生意。

III. 一銅幣都沒收過的人，教會了我最重要的事

這種信念，其實很早以前就種在我心裡了。

我從小家裡不富裕，沒有太多娛樂。但魔獸世界，徹底改變了我對「社群」這件事的理解。

那時候我什麼都不懂，等級低、裝備差、連任務怎麼接都搞不清楚。可是公會裡有一群素未謀面的人，願意花自己的時間帶我打副本、陪我解任務，甚至把自己打到的裝備直接給我，只因為一句：「你比我更需要。」

沒有人跟我收錢。
沒有人問我要什麼回報。
年長的帶年幼的，老手帶新手，每個人為了公會最後那個共同目標，把攻略、站位、技能循環全部攤開來分享。

我第一次真切感受到一件事：當知識被分享，整個群體會一起變強。

後來我長大，開始做投資研究，才發現金融世界幾乎完全相反。這裡的規則往往是：資訊不對稱就是優勢。分析師不會把完整邏輯告訴你，付費群組永遠只給結論、不給過程，而個人投資者通常是最後知道真相的人。

這件事一直讓我很不舒服。
因為我很早就知道，世界不必只能這樣運作。

在遊戲裡，一個人打不過的副本，四十個人可以。
在投資裡，我也相信，一個人看不到的盲點，一群願意分享框架、互相驗證假設的人，可以一起看見。

這就是我堅持免費的真正原因。

不是因為這套東西不值錢。恰恰相反，這套框架是我花了很多年、用真金白銀在市場上反覆驗證出來的。也正因為我知道它有價值，我才更不想把它變成一扇只對付費者打開的門。

因為一旦它被設計成單純的收費商品，它就會偏離我做這件事最初的原因。

公會裡那些曾經帶我升級的人，從來沒有向我收過一銅幣。因為他們知道，當整個公會的人都變強了，大家才有可能一起推倒最難的副本。

投資世界其實也是一樣的。

當越來越多人學會畫自己的樹、測試自己的假設、分享自己的發現，我們就有機會創造出單一分析師、單一 KOL，甚至機構都無法複製的東西：Community Driven Alpha。

所以我把研究框架完全公開。
你學會之後，可以用你自己的行業經驗去改進它，再把你的版本分享給下一個人。

不是我一個人厲害。
而是我們一起厲害。

IV. 核心哲學: 用樹狀思維做決策，用科學證偽故事

華爾街有一個公開的秘密：大多數財經內容，並不是為了幫你做決策而寫的；它更像是為了讓某個結論更容易被接受、更容易被傳播、更容易被成交而寫的。

在商業社會裡，簡報有一個很常見的慣例：先講結論，再講原因。這不是巧合，而是一種設計。因為人類本來就是故事動物，而一場 presentation 的目標，很多時候也不是求真，而是讓別人採取某個行動 (不論是買入或是賣出，或是加倉另一只收費高昂的衍生產品)。

所以，對外，研究報告必須能被快速理解、快速轉發、快速說服；對內，它必須能被快速交差、快速上會。當研究、銷售、投行在同一套商業激勵下運作時，研究內容自然就很難完全脫離商業誘因。

於是你會看到一種很穩定的寫作模式：風險被寫得像保險條款，存在，但不影響結論；假設被調整到剛好撐得住目標價；反例被塞進註腳；主幹則只剩下一條通往單一結論的高速公路。整篇東西語言嚴謹、格式漂亮、敘事流暢，但你讀完之後的感覺，常常不是更清楚，而是更容易被說服。

不是因為世界真的那麼直。而是因為直線最容易讓人走到底。

要理解這門課在做什麼，你需要先理解一個更底層的結構。Steven Pinker 提過一個很重要的觀點：世界是網狀的，結構是樹狀的，文字是線性的。

這句話放到投資研究裡，幾乎就是整個問題的核心。

市場本來就是一張網。利率、估值、情緒、流動性、競爭、政策、產業週期，全部互相纏繞、彼此影響。這張網沒有單一起點，也沒有線性因果。而且，沒有任何一個人能夠看到整張網。

你看到的永遠都是局部。

負責任的分析，不是把這張網講得更漂亮，而是把它降維成一棵樹：把問題拆成互斥且窮盡的假設，標出主幹與分岔，逐一驗證。最後才把那棵樹寫成讀者能跟上的線性報告。

而金融業最常見的問題，就是它交付給你的，往往是一條沒有樹的線。

因為樹狀分析很痛、很慢、很容易得罪人。它要求你正面處理反例，要求你把失效條件寫清楚，要求你誠實面對風險情境，也要求你承認這個世界並不只存在一條路徑。

但一旦你開始做這些事，故事就不再那麼好賣，成交就不再那麼順滑。

因此，很多報告最後都會長成兩種你很熟悉的樣子。

第一種：完美故事。
從一堆網狀雜訊裡挑出幾個最亮的點——熱門題材、單季超預期、管理層金句、巨大 TAM——再把它們串成一條漂亮直線，讓你以為自己理解了因果。其實它只是把不確定性寫成必然性，把概率寫成命運。

第二種：事後孔明。
股價崩了、基本面翻車了，分析師回頭整理出「三大原因」「五個訊號」，語氣篤定、邏輯閉環，甚至還帶一點療癒感。但這種內容很多時候只是把結果倒推回去，重新剪出一條看似合理的線，並沒有提供任何事前真正可操作的決策樹。

而這門課要教你的，就是怎樣自己把那棵決策樹畫出來。

假設驅動——每一個投資判斷，都要從一個可被驗證、也可被推翻的假設出發。不是「我覺得這支股票被低估了」，而是「市場低估了某個業務在某個時間點達到某種結果的概率」。
相互獨立——假設樹上的每一個分支不能重疊。你不能把「管理層優秀」和「戰略清晰」混成同一件事，因為那是兩個不同的節點，需要不同的證據。
完全窮盡——你必須逼自己看見所有重要變數，而不是只看最想見的那一個。最常犯的錯，就是只看見主劇本，卻忽略了第二、第三種可能。

當你真的學會畫樹之後，你持有一支股票的理由，就不再是「它還沒漲到目標價」，而會變成「我的核心假設尚未被推翻」。同樣地，你賣出一支股票的理由，也不再只是恐慌，而是因為某個關鍵分支的證據已經翻轉。

這就是從資訊不對稱，走向認知不對稱的關鍵躍遷。你看到的數據也許跟別人一樣，但因為你的框架更好，所以你得出的結論不同。而這種能被結構化論證的不同意見，才是真正超額收益( Alpha) 的來源。

不靠權威，靠邏輯。
不靠直覺，靠框架。
不靠信仰，靠可以被驗證、也可以被推翻的科學假設。