polymaster
860 posts

polymaster
@polymaster
Prediction Markets Analyst: https://t.co/aYTBwX2ooC | MACRO CAL: https://t.co/UvpAfaKoOX

我要笑晕了。 今天早上 7709 最高从 29 块钱冲到了 103 块,盘面一看,直接显示暴涨 300%。 很多人都懵了:什么情况?哪里来的 103 块? 大家开始疯狂寻找这个神秘买家。 结果查来查去,居然查到了我群友身上给我笑晕了。 她跟我说,她只是很早以前挂了一个限价单,结果不知道为什么成交了,然后直接把 7709 的价格顶到了一个离谱的位置。 她甚至跑来问我: “这个能不能找券商索赔啊?” 我也懵了。 因为按正常理解,你挂一个远高于市场价格的限价单,不应该这么容易成交啊。怎么一个订单,直接把整个股票的最高价打到天上去了? 这件事情真的让我再次感受到金融市场的魔幻。 很多人以为影响股价的一定是机构、大资金、庄家。 但现实里,有时候改变一根 K 线的,可能只是一个普通投资者随手挂的一笔单。 尤其是流动性比较差的小票,一笔异常成交,就可能让整个市场看到一个完全不同的价格。 所以交易这个东西,真的不是只有“看方向”这么简单。 规则、盘口、流动性,每一个细节都可能决定结果。 有时候你不是在交易股票,你是在跟整个交易系统玩一场大型解谜游戏。

6天前他给投资人写了一封信:"这轮下跌是买入机会。" 6天后他把所有持仓卖光了。 包括Anthropic的股份,也在找人接盘。 写这封信的人是管了240亿美元、上半年赚了439%的AI圈第一多头。 Leopold Aschenbrenner,前OpenAI研究员,写过AI投资领域引用率最高的那篇论文"Situational Awareness"。 2024年被OpenAI解雇后创立同名对冲基金,All in AI基建、电力、算力、存储、矿机。 上半年赚了439%,Stripe创始人、前GitHub CEO、Jane Street全是他的LP。 华尔街最炙手可热的AI基金,没有之一。 然后7月AI暴跌来了,四倍杠杆,三周时间。 SK海力士、Bloom Energy、CoreWeave、闪迪,持仓全是重灾区,CNBC确认,他已经把所有公开市场持仓一次性卖给了一个买家。 基金目前只剩私有资产,Anthropic的股份也在找人接盘。 7月24号那封信里他还在说"Anthropic IPO是下半年最大的催化剂"。6天后Anthropic的股份就成了他急着变现的筹码。 从"这是机会"到"全卖了",6天。这就是四倍杠杆对一个人判断力的扭曲,6天前你还觉得自己是对的,6天后保证金通知替你做了决定。 他对AI的判断错了吗?没有。他的论文到今天还是AI投资的圣经。他赌对了方向,赌对了赛道,上半年赚了439%。 但方向对了不够,四倍杠杆意味着只需要跌25%就归零。市场不需要证明你错了,只需要在你扛不住的时候晃一下,你就出局了。 上半年赚了439%,三周后被迫清掉所有公开持仓。 方向从来不是问题,杠杆才是。

OpenAI的ARR正在大幅度缩小与Authropic的差距,这应该是今天最值得关注的新闻。看CNBC的报道OpenAI首席财务官SarahFriar在周三Openai内部员工会上明确表示,7月的年化经常性收入(ARR)已超过整个第二季度(Q2)的总额。应该怎么理解? 1、看TickerTrenda的数据,整个二季度OpenAI的ARR:4月底是288亿美金、5月底是330亿美、6月底是373亿美金。 整个二季度arr的增量114亿美金。 对应到单月营收(按arr/12来计算) 4月是24亿美金、5月是27.5亿美金,6月是31亿美金。四五六三个月累计是82.5亿美金。 2、OpenAI CFO说7月净新增 ARR 收入规模,超过整个二季度的新增总和(同口径对比,都是净增额)。那就有两种解释: 1)第一种理解:7月净新增 ARR 收入规模,超过整个二季度的新增总和(同口径对比,都是净增额)。 OpenAI 二季度ARR合计新增约 114亿,openAi在7月的arr已经大幅调涨到500多亿美金,正在快速追赶Authropic。 2)第二种理解: 7月单月营收超过二季度三个月营收之和,上面算过二季度四五六三个月单月营收之和是82.5亿美金,那就意味着7月单月营收超过了82.5亿美金、年化ARR已经超过1000亿美金,这有点不敢想了。 保守点按第一种来算,那也意味着正在大幅度缩小与authropic的营收差距。 3、快速增长的原因则来自于 1)GPT-5.6系列模型发布。 2)新企业代理产品ChatGPT Work。 3)AI编码工具Codex的采用持续增长。之前这里x.com/thsottiaux/sta…也披露了codex和work的用户在7月大幅度表飙升。

美股博主推荐 02| 市场上的垃圾信息越来越多,但真正能帮助我们判断的信息,好像没有增加。 一条新闻出来,几百个账号同时转发解读。经历得多了才发现,市场上很多所谓的“共识”,只是同一条消息被AI重复解读了很多遍。 也是因为这个原因,第二期我想推荐@polymaster。 他真正值得看和学的,不是信息,是他怎么处理信息 用一句话介绍他,他不是帮你收集更多消息的人,而是帮你给热门叙事泼冷水的人。 他的个人介绍是 Prediction Markets Analyst,平时关注 AI、半导体、科技公司和预测市场。 但我觉得他最有特点的地方,是他写一件事情时,会把不同层次的信息分开: 最开始的新闻到底说了什么?公司后来又回应了什么?哪些内容已经被证实? 哪些只是媒体推测? 这些区别看起来很普通,但真正做投资的时候,很多人其实不会分。 我们经常把新闻当成事实。把分析师的观点当成新闻。又把自己希望发生的事情,当成公司未来一定会发生的事情。 最后,事实、推测和立场混在一起。 等股价真的开始波动时,才发现自己相信的东西,可能从来没有被证实过。 这是我觉得他最有价值的地方。他不一定能替你找到正确答案,但会提醒你: 先别急着相信这个答案。这也是很多小白最需要建立的习惯 所以我建议重点看他的三类内容。 第一类:他怎么找热门叙事的反方 最近市场讨论 AI,大多数内容都在讲需求有多大、资本开支有多高、未来会诞生多少伟大的公司。这些观点未必错。 但如果每天只看同一个方向,很容易慢慢把“AI 会改变世界”和“现在所有 AI 公司都值得这个估值”当成同一件事。 他最近整理了一篇吉姆·查诺斯看空 AI 基础设施的文章。 原帖: x.com/polymaster/sta…、 这篇文章有一个地方我比较喜欢。 他在开头就先说明,自己认为 AI 泡沫真正到来可能还早,这篇文章属于反方观点。文章的核心逻辑,也明确标注来自北美王路飞的视频,自己做的是事实核查和逻辑整理。 也就是说,他没有为了让文章更有说服力,假装所有观点都是自己原创的。 他把自己的立场、原始来源和整理部分分开了。 而这篇文章真正值得看的,也不是“AI 到底是不是泡沫”的最终结论。 而是查诺斯看待这些公司的几个问题: 利润能不能真的变成现金?投资回报能不能覆盖资金成本? 增长来自真实需求,还是把未来的需求提前搬到了今天? 我们经常会把两个完全不同的问题混在一起: AI 技术会不会成功?现在建设 AI 基础设施的公司会不会赚钱? 一项技术最后改变世界,不代表今天参与这项技术的每家公司都能活到最后。 互联网确实改变了世界。但这并没有拯救互联网泡沫时期所有高价买入的投资者。 第二类:他怎么拆一条市场传闻 他写过一篇关于“SK 海力士收购 Intel 俄亥俄工厂”的文章。 原帖: x.com/polymaster/sta… 这类新闻特别容易在市场上传播。 标题足够大。涉及 Intel、SK 海力士、美国制造和 AI 芯片。 任何一个词单独拿出来都有流量,放在一起以后,更容易让人直接开始交易。 但他的处理方式不是马上判断利好还是利空。而是先把信息拆开。 最初的报道来自哪里?SK 海力士到底否认了什么? Intel 的回应是什么?监管文件里的正式措辞又是什么? 然后他再继续分析: 整体收购为什么在财务、政治和工程上阻力很大? 如果不是收购,双方有没有可能在先进封装、HBM或者工厂运营上合作? 我觉得这篇最值得学习的,不是最后那个合作推测。 而是他把内容分成了两层: 前面先澄清事实。后面再做合理推测。 这两个部分不能混在一起。 如果你长期看这类文章,以后再遇到并购传闻、合作消息或者所谓的“知情人士爆料”时,可能不会第一时间问这只股票明天会不会涨? 而是先问现在确定发生的,到底是什么? 第三类:他会把参考来源留下来 这一点我很看重。 现在很多长文看起来很专业。数字很多,逻辑也很顺,读完以后会让人产生一种感觉:作者应该做了很多研究。 但如果文章没有留下来源,我们很难判断这些数字从哪里来,也不知道哪些内容可以继续核对。 polymaster 的一些文章会在后面列出参考资料。 少读者可以顺着链接继续往前走,而不是只能选择相信或者不相信作者。 这对小白特别重要。 因为真正建立研究能力,不是从找到一个永远正确的人开始。而是从学会追问来源开始。 长期关注他,能慢慢建立三个习惯。 第一个习惯,是遇到市场共识时,主动寻找反方。 第二个习惯,是把事实和推测分开。 第三个习惯,是顺着引用找到原始来源。 我做这个系列,不准备把所有写长文的人都放进推荐名单。 文章长,不等于研究深。 引用多,也不代表结论一定可靠。 我更关心的是: 这个人有没有提供一个别人很难替代的观察角度? 他会不会区分事实、立场和推测? 他的内容能不能让我们减少对结论的依赖? 他有没有把读者继续核查的入口留下来? polymaster 我觉得比较适合这几类人: 每天看很多美股消息,却越来越不知道应该相信谁; 长期关注 AI 和半导体,担心自己只看到了市场最乐观的一面; 经常因为并购、合作和新产品传闻冲动交易; 不想永远依赖别人的结论,希望慢慢学会自己核对信息。 如果你也整理 X 关注列表,我建议把他放进这三个分类: AI 反方观点 科技行业事实核查 市场叙事分析 最后的结论 @polymaster,值得关注。 当市场上的故事越来越整齐时,他会提醒你停下来,再检查一次。 投资里最危险的,有时候不是完全错误的信息。而是一个听起来非常合理、所有人都愿意相信,却从来没有被认真核对过的故事。 如果长期看他的内容,能让你在按下买入键以前,多查一个来源,多找一个反方,多问一句“这件事真的已经发生了吗”,我觉得这份关注就已经有价值了。 后面会持续更新,如果觉得对你有帮助,辛苦走个面儿~哈哈,我是纯白,我们时间线里见。


过去二十年美股历史上的调整幅度:昨晚上美股进一步大跌纳指此次最高点调整幅度-9%多,一月前有说今年美股阵风局应该会看到-15%左右的调整(不用那么精确),可以回顾下过去二十年美股调整的幅度来为当下做个参考: 1、在个人判断体系里美股调整幅度(以纳指为例、标普大部分时间幅度会比纳指小一点): -10%上下属于小级别的调整; -15%~-20%上下属于中级别调整; -25~-30%往上属于大级别调整。 2 、过去二十年里,大级别的调整有四次 1)22年初到11月,纳指-28%、标普-32%,主因通胀创四十年最高纪录,联储胡近十年最快加息节奏; 2)20年3月,一个月之内纳指和标普均是-30%多的大跌,主因疫情全球蔓延引发的流动性大冲击; 3)18年10月到18年12月底,纳指-25%、标普-21%,主因是美联储上上一轮加息最快最后的阶段和中美贸易战; 4)07年10月到09年3月,纳指-56%、标普-58%,主因还是金融危机。 3、中级别的调整: 1)24年7-8月,纳指-17%,标普-11%,衰退担忧、套息交易退潮冲击; 2)23年8-10月,纳指-15%、标普-11%,通胀反弹、国债回购危机; 3)15年7月-16年2月,纳指-20%、标普-15%,首次加息、科技股估值消化; 4)11年5673月-11月,纳指-20%、标普-23%,主因是欧债危机、美国经济增长放缓; 4、小级别(-10%)的调整,最近两次就是24年4月(纳指-10%),23年2月-3月,如果再往前看每年都会有一到两次。 5、其实当下美股的调整只是达到了小级别调整的范畴,看到有人开始喊金融危机了,如果对历史上每一次调整的幅度和成因很熟悉的话其实大可不必。现在还远没金融危机的地步,此次调整核心原因: 一是川普政策的“阵痛期”引发市场预期转向(从之前的“通胀走低经济走强“转向“通胀反弹下不去经济放缓停滞”的滞涨预期); 二是 市场估值高位市场变得敏感,需要估值回归完成估值消化。 细看市场并没有系统性的风险: 当下金融压力指数还在低位没有飙升; 银行间隔夜担保利率sofr也是正常状态; 十年美债收益率还处于下行趋势; 前两天聊到市场进入极度恐慌状态可以买点(开第一枪),但是市场预期转向惯性还很大所以还会有进一步逢低买入的机会(分批买),现在接近-10%的调整幅度其实开始进入之前预期-15%的调整范围之内,分批买还是合适的。

Money statement, quite literally, from Intel 10-Q. There is so much captured in this statement people told me I'd be wrong about.... $INTC






