要警惕推演思维，里面会有很多幻想和投射， 与之相对的是论证思维，里面会多很多事实的基础。 那么问题来了，终局思考法是推演思维吗？还是论证的成分会更大一些。

《the book of elon》里面的一句话-把知识视为语义树是一种重要的思维方式。在深入研究细节（树叶部分）之前，务必先理解其基本原理（树干和主要分支），这样才能有据可依。 感觉投资知识也是这样，一个具体的投资标的是树叶，背后有一个抽象的投资策略作为树枝，背后再有诸如经济学,博弈论，信息论，逻辑学等基础知识作为树干。 投资策略需要先在抽象层次接受严格的反驳，确保它不直接违背已知的知识，并且能应对已知的错误—诸如为什么它可以对抗有效市场理论，反身性理论，市场竞争理论等等 然后才是再这个策略指引下，找到符合策略的投资标的。 大多数投资者好像都是直接跳到第三层，而忽视了第二层和第一层的建设。

感觉这一轮的AI牛市带着比较明显的投资驱动的增长特征，而不是消费驱动的增长。 大量的投资直接变成了基础设施厂商-主要是硬件厂商的收入，继而引发了一轮硬件牛市。 但是这个事情能持续下去要依赖巨额投资能否会转化为持久、不对称的收入增长，这个判断目前还是待证实的，我自己的看法是不太乐观

这两天听川主推荐的台湾老师李天豪讲民国历史，有2个细节还挺让人意外和好玩的 1、清朝实际上是被老太后为了维护清朝的统治出的编练新军的政策搞死的，袁世凯是这个政策最大受益者。 2、日本害怕清朝退位后袁世凯一统中国，反袁是很起劲的，蔡锷的护国军背后日本出了不少力 3、民国当大总统时候是个赔钱的买卖，黎元洪讲过当民国总统，每个月要赔进去3万大洋，一年要赔36万。家底不是很厚的冯国璋当总统时候，把中南海里面的鱼都捞出来卖钱了😂 看来历史的真相要远比我们想象的要复杂啊

saylor清理掉零息但有到期日的刚性债务，大力发行高息但无到期日的优先股的思路还挺有趣的。 另外一个有趣的联想是大部分优秀的长期投资者都在讲杠杠是万恶之源，投资中要避免使用杠杆。 那么saylor通过发行strc来融资的策略算是一种例外吗？ 我现在有一点感觉strc相对于saylor有点类似保险浮存金相对于巴菲特。

今日AI金句： 好的投资者通常也是更深刻的人——但不是因为投资让他们深刻，是因为深刻让他们投资好。

今天和几个朋友再讨论能否用期权去抓这一轮大爆发的存储企业的机会。这个策略要成功我觉得有三个隐藏假设 1、周期是可以被识别的 2、可以用上下游分析的方式找到一个类似ai这样的热门新产业的价值链 3、在这样的前提条件下可以定性分析出一个资产短期（6个月）的走势 我自己对能否在ai的帮助下做到这几点是持怀疑态度的。理由有两个 1、构建一个关于新资产的解释天然就是困难的 2、构建一个短期的价格预测天然也是困难的。

看到不懂经公众号发了一篇文章-《信息即武器：AI没有杀死真相，它只是让真相变得无关紧要了》 mp.weixin.qq.com/s/-01e2D5On… 文章主要讨论了在有了ai的时代，真相变得更难直接从互联网获取了。每个人不是更难，而是更容易陷入信息茧房里面了。 感觉它讲述的这个点还挺有共鸣的，尤其是在最近关注挺多的美伊战争的讨论中，感觉我们都是在以真相之名来捍卫自己的立场和情绪。 在如何应对上，给了三个意见 一是更关注信息的来源而不是信息内容 二给你的注意力征收"关税"。 不是"少刷手机"那种正确但无用的建议。而是有意识地在信息进入你大脑之前，设一道减速关卡。 具体的做法应该是： 看到任何引发强烈情绪的内容，给自己24小时冷却期，第二天再决定要不要分享。你会发现第二天你大概率已经不想分享了，因为那股氛围已经散了，剩下的只有信息本身。而信息本身往往没什么好分享的。 对任何你准备相信的重大事件，至少找三个独立来源交叉验证。不是同一个平台上的三个账号（它们可能转的是同一个源头），而是三种不同的信息渠道。 回归长文本。书籍和深度报道天然具有一种算法无法提供的功能：减速。算法把一切压缩成3秒判断。书籍强迫你花3小时沉浸在同一条思路里。这不是效率的损失，这是思维的校准。这也是一件非常消耗算力的事。 第三件事：重建小规模的、基于真实关系的信任网络。 如果大规模的公共信息空间已经不可逆地被"氛围化"了，那个人能做的最重要的事，不是在那个空间里更聪明地辨别真假，而是在那个空间之外找到锚点。 那篇关于媒介与机器融合的文章有一个判断：当一切可见之物都被吞噬后，唯一剩下的"超额收益"是那些拒绝数字化的东西。脱网的体验，直觉，老友之间无需言语的沉默。 麦克卢汉又一次很可能是对的，电子媒介会让我们回归到"部落"状态，你应该认真地重建你的部落。不是算法推荐给你的那个部落，是你真正认识的、有共同记忆的、可以面对面追问的人。 在一个一切都可以被伪造的世界里，最难伪造的东西是长期关系。 顿时感觉过去几年搞得e2m读书会是一个很有价值的事情了😂

感觉ai给的批评比表扬更值得信赖，在这个前提下，构建一个让ai否定而不是赞同自己观点的体系会比较有价值

找ai请教昨晚和儿子的一段不太成功的对话，ai提示我说问题可能出在我对儿子的了解很大程度是来源于我对他的推断，而不是观察和他的告知。 顿时让我想起来上周和心理咨询师沟通时候，请教了她的另一个问题----人和人对话时候最容易犯的错误是什么？她给我的答案是我们经常是和自己幻想中的他人而不是真实的他人对话。 听的时候还有点不太理解这句话，现在有一点感知到了。

一大早就被ai震惊到了： 一个在市场里待了十年的人，自我感觉经验丰富，但他积累的其实不是准确的判断能力，而是一套越来越精致的自我辩护系统。他知道怎么解释每一次亏损让它看起来不是自己的问题，也知道怎么解释每一次盈利让它看起来是自己判断的功劳。这套系统非常稳定，也非常难被外部挑战动摇，因为它已经经历了太多次"验证"。 这就是用脏的学习强化错误自我模型的终点。 感觉这个话可以描述的还不仅仅是投资，而是每一个自己有问题但又不自知的能力领域。 如何区分干净学习和脏学习，如何尽可能建立干净学习的习惯可能是一个非常值得投入时间的元领域

AI告诉我，在我和他人对话时候，最需要注意的事情是避免在情绪上先进入防御姿态。 ai还告诉我，进入防御姿态以后，我最大的特点是语言会开始变得泛化，模糊化和抽象化😂。 不得不说，在这一点上ai观察的很准确，清晰的说出来了我一直有点模糊的感觉，但又说不出来的东西。

公开市场的有效性和公开理论的有效性似乎是因为他们底层都体现了批评的客观性

了解成本是公正的开始，这句话还挺有启发的，感觉很多时候孩子觉得不公正就是没有了解很多事情背后的成本。

不管是社会还是个人，决策过程都避免不了一种结构性困境：任何试图将多个维度的偏好综合为单一决定的系统，都可能出现某个维度获得与其"真实重要性"不相称的影响力。 很多时候你会发现，真正在控制结果的，不是你以为最重要的那个因素，而是某个你没有刻意设计但自然占据了关键节点的东西——一个习惯性的风险阈值，一个特定的信息来源，一个你信任的人的意见。 识别出这个真实的控制节点，比优化你以为重要的那个因素，对改善决策质量更有价值。 尤其要警惕临时起意的决策，这种决策很多时候都是一堆理性分析的背后站着一个隐形的感性决策者。

畅通无阻的意识、整体的意识、有理性的意识是健康的意识。受阻的意识、逃避的意识、被自我冲突撕裂的、分崩离析的意识、被恐惧瓦解或因沮丧而丧失活动力的意识以及脱离现实的意识，都是不健康的意识。 看到《自私的德性》里面这段话还挺有感触的，感觉很多时候投资的理念也是这样。 早期的自己的投资理念就是有点混乱的，自我冲突的，然后吃了很多亏

《侦察兵思维》里面这段话感觉还挺好玩的： 人们通常将“理性”解读为能够运用有力的论据论证自己的观点。 实际情况往往是你的论证对于你来说当然很有说服力，每个人都认为自己的论证很有说服力。动机性推理就是这么进行的。 事实上，认为自己理性可能会适得其反。你越认为自己客观，越相信自己的直觉和观点符合事实，也就越不可能质疑自己的观点。 一个延伸思考是-对于自己的观点过于没有信心会不会带来行动迟缓。

平庸化风险” (Risk of Mediocrity)：如果你过多地在低位增持标普 500，并在高位卖出大猩猩的 Call，长期下来，你的组合表现会逐渐向标普 500 靠拢，从而失去了“大猩猩资产”本该带给你的那种改命级别的爆发力。 权衡建议：永远记住，你这套系统的灵魂是那 70% 的大猩猩资产。标普 500 和备兑期权只是为了让你在波动的波谷中**“活得更体面”**，不要为了眼前的稳定而丢掉了对未来最锋利的下注。 让AI评价了一下我的持仓和应对周期的计划，被AI的这句话惊到了永远记住，你这套系统的灵魂是那 70% 的大猩猩资产