第一章 预测对了，然后呢
2022年10月的一个晚上，我接到一个电话。
电话那头是我认识多年的朋友，声音很平静，但那种平静是压着什么东西的平静。他说：“我把腾讯卖了一半。”
他是在400多港元开始买的。后来涨到700，他没有卖。后来跌到200，他一路补仓。每补一次，他就重新算一遍DCF。每一次结论都一样：更便宜了。
他对腾讯的所有预测都是对的。广告会恢复，游戏会恢复，监管会缓和——后来这些全部发生了。到2024年年中，腾讯涨回了400多。
但他没有赚到那笔钱。
他输给的不是预测。他的预测没问题。他输给的是时间。LP要撤资，净值接近清盘线，他在底部被迫卖掉了近一半仓位。
这个故事对我的冲击很大。它让我意识到，投资的成败，不全在预测的准确度。预测对了，也可以亏钱。甚至可以亏得很惨。
第二章 巴菲特预测吗
很多人以为巴菲特不预测。其实他预测。只是他预测的周期很长。
他的预测能力配得上他的系统。这个能力分两层。第一层，他有能力做出长周期、高置信度的商业判断。第二层，他的资金结构允许他等得起。到2024年底，伯克希尔的保险浮存金规模是1710亿美元。过去五十年，这笔钱的平均成本是1.72%，其中绝大多数年份是负成本——保费收进来的钱，比赔出去的钱还多。没有人能找他强制赎回这1710亿。这意味着他的预测可以花十年慢慢兑现。时间站在他那边。
但大多数人没有这两层能力。很多人没有巴菲特那样的商业判断力，更少人有他那样的资金结构。腾讯那位朋友，商业判断没问题，但资金结构不对。他没有1710亿浮存金，他有LP。
于是出现了一个奇怪的现象：巴菲特赚了很多钱，但直接模仿巴菲特的人，不少亏了钱。不是巴菲特的错。是模仿者在用一个需要超强预测能力的系统，但自己并不具备这个能力。
第三章 系统的前提
如果一个系统的前提是“你必须预测对”，那么当你预测错的时候，系统就会惩罚你。
在投资里，这个惩罚不只是亏钱。更常见的惩罚是在底部被迫卖出。价值投资的标准叙事里有一个隐含假设：只要你看对了企业，你就能扛到价值回归的那一天。但“扛到那一天”本身就是一个前提，这个前提需要资金和时间来支付。很多人支付不起。
这就是为什么，一个好的投资系统，不应该依赖高分辨率、短周期的预测。
这里需要澄清一件事。我不是说投资可以完全不要预测。完全不预测是不可能的。买入任何资产，本身就是一个关于未来的判断。你买股票指数，隐含的判断是人类经济会继续增长，股权资产长期回报会高于现金。这不是“没有预测”，这是“做了一个几乎不可能错的、跨度极长的底层判断”。
问题不在于有没有预测。问题在于预测的分辨率。一个系统如果把“下个季度谁涨谁跌”、“明年这个行业会怎样”作为必须正确的前提，这个系统就极其脆弱。因为这种分辨率的预测，没有人能持续做对。但如果一个系统只依赖“人类经济长期会增长”、“波动率风险溢价长期存在”这种底层判断，它就不需要任何一次具体预测的准确来存活。系统要消灭的，不是预测本身，是那些你其实并没有能力做对的高分辨率预测。
第四章 系统如何吸收错误
过去几年，我一直在做一件事：在我的系统里，把所有要求“高分辨率预测必须正确”的环节，一个一个换成“低分辨率判断加冗余设计”。这件事可以拆成四个步骤。
第一步，不知道谁赢怎么办？不选。买指数。核心宽基指数用最低成本拿到市场本身的长期增长。这里不需要预测赢家，只需要一个几乎不会错的底层判断：股权资产长期向上。但我必须补一句：这个底层判断成立的前提，是你买的是一个长期向上的市场。美股过去一百年的数据支持这个判断。如果你在A股这样做，同样的逻辑需要更长的时间维度、更强的耐心，也许还需要更复杂的配置。这是这套系统一个真实的前提限制，我不打算回避它。
还有一层容易被忽略的好处：指数不卖。不卖，资本利得税就无限期递延。调仓、止盈、被迫减仓——这些主动操作每发生一次，就触发一次税务摩擦。省下来的税，长期复利下来，本身就可能是一笔可观的超额收益。
第二步，不知道什么时候涨怎么办？不等。建立现金流。现金流来自两个方向：一个是备兑策略，在指数持仓基础上卖出看涨期权，持续收取权利金；另一个是现金担保看跌期权，在打算加仓的位置卖出看跌期权——市场跌到目标价就接货，相当于打折买指数，跌不到就白收权利金。两者都是把“等”这件事变成有收入的过程。卖期权不是免费的午餐——备兑牺牲了一部分上涨空间，现金担保看跌期权在市场暴跌时可能被迫高位接盘，两者都有尾部风险。但它们解决了“等不起”的问题。这里隐含的结构性假设是波动率风险溢价长期存在。这个假设不是每次都对，但在统计意义上足够稳健。有了现金流，就不需要在底部卖股票。有了现金流，就等得起。
第三步，不知道什么时候恐慌怎么办？看信号，做动作。这一步的核心目的不是防御——是进攻。当市场极度恐慌、隐含波动率飙升、Put/Call比率极端、市场宽度显示全面下跌、价格大幅偏离长期均线时，信号体系会触发加仓判断。反过来，当市场情绪亢奋、波动率处于低位、指数连续新高、估值分位偏高时，信号体系会触发减仓判断。超卖时加仓，新高时减仓——这套动作循环往复，会产生超越指数本身的超额收益。这部分超额收益有两个去向：一是再投回指数底仓，让底仓越滚越大；二是作为现金流储备，进一步提高系统抗打击能力。整个循环的核心逻辑是：资产效率更高，底仓才能更大，底仓更大，第二步的现金流就更充沛——三个步骤不是线性的，是螺旋上升的。
这里必须澄清一点：这不是单一指标系统。判断“超卖时该不该加仓、新高时该不该减仓”，需要一套完整的信号体系：隐含波动率反映市场情绪，Put/Call比率反映极端仓位拥挤，市场宽度反映下跌是全面性的还是局部性的，价格与长期均线的偏离度反映恐慌是否已经过度，基本面估值分位反映价格和价值的偏离程度。单独任何一个信号都不够，它们合在一起，才能形成一个大致的判断框架。大原则是：信号是辅助，不是命令。它们的作用不是告诉我“一定该怎么做”，而是在我情绪最容易被裹挟的时候，给我一个停下来、看一看、再决策的缓冲。
第四步，不知道未来发生什么怎么办？留余地。杠杆上限不超过1.5倍。留足备用现金。不管市场发生什么，系统都能继续运转。
这个1.5倍上限是怎么来的？学术界测算过伯克希尔浮存金带来的实际杠杆水平——AQR的Frazzini、Kabiller和Pedersen在2013年那篇研究巴菲特超额收益来源的论文里，测算出伯克希尔通过保险浮存金获得的杠杆大约是1.6到1.7倍。这个数字不是巴菲特刻意设计的，是他的资金结构自然形成的结果。我的逻辑很简单：这个世界上最会用杠杆的人，在他几乎无法复制的最优资金结构下，杠杆也只有1.6倍出头。我凭什么用得比他更高？1.5倍留了一点安全边际。
这四个步骤，每一个都在做同一件事：把“我必须预测对”这个前提，替换成“我几乎肯定会犯错，但系统不会因此崩溃”。指数不是不预测，是只做几乎不可能错的预测，同时你得知道自己买的是什么市场。现金流不是不预测，是依赖统计上稳健的结构性假设，把等待的时间变成有收入的过程。信号体系不是不预测，是用多维度的观察替代单一判断，在别人恐慌时有规则可依地加仓，在别人亢奋时有纪律地减仓。规则不是不预测，是把最坏情况提前写进系统。
这套结构在2022年活了下来。不是因为我判断对了市场方向——我完全没有判断方向。是因为系统设计的时候就没假设自己能预测对。约束框架起了作用，杠杆上限阻止了在下跌中过度加仓，期权现金流提供了底部操作的子弹和持续的收入来源，指数保证了在反弹中没有缺席，信号体系在极度恐慌时给了加仓的规则，而不是勇气。
第五章 能力圈与系统圈
价值投资有一个核心概念，能力圈。在自己懂的范围内做决策。这个概念极其重要。但它是一个关于预测的概念——能力圈划定了“你可以在哪里做高分辨率预测”。
但我发现还有一个概念同样重要，而且很少被讨论：系统圈。
系统圈不问你“能预测什么”。它问的是：在你预测不了的事情上，你的系统如何保证你不出局？在你能力圈的边界之外，你的系统如何吸收错误，而不是被错误摧毁？
能力圈是收益的来源。系统圈是生存的来源。能力圈决定了你能赚多少钱。系统圈决定了你赚到的钱能不能留得住。大多数人把全部精力花在扩大能力圈上，却忽略了另一件同样重要的事：系统圈如果太小，能力圈的收益会在一次系统性崩溃中被清零。
巴菲特是个特例。他的能力圈和系统圈都被拉到了极致——他的商业判断力几乎无人能及，而他的浮存金结构本身就是一套强大的吸收错误的系统。正因如此，他几乎无法被复制。普通人两者都做不到极致，但系统圈有一个能力圈没有的属性：它不需要天赋，只需要诚实。诚实地面对自己不知道什么，然后围绕这个“不知道”来设计规则。扩大能力圈很难，扩大系统圈很难吗？很难，但难在诚实，不在智商。
第六章 围绕无知设计系统
过去几年，我越来越觉得，好的投资系统和坏的投资系统，区别不在于谁预测得更准，而在于系统如何对待预测错误。
坏的系统，假设自己不会错。它把预测当作前提，一旦预测落空，系统没有内置的纠错机制。腾讯那位朋友的系统就是这样。他的商业判断没问题，但系统里没有为“LP会撤资”、“净值会到清盘线”、“情绪会崩溃”这些意外留出余地。他假设自己能扛到价值回归，结果没扛到。
好的系统，从设计之初就假设自己会错。指数，不是因为我预测不出赢家，是因为我知道自己可能选错赢家。期权现金流，不是因为我预测不到什么时候涨，是因为我知道自己一定会预测错时间。信号体系，不是因为我预测不到情绪波动，是因为我知道自己会在恐慌中做出错误判断。杠杆上限和备用现金，不是因为我预测不到意外，是因为我知道意外一定会来，只是不知道什么时候。
你会发现，这整个系统的逻辑起点，不是“我知道什么”。是“我不知道什么”。
投资不是围绕你的判断设计的。投资应该围绕你的无知设计。
第七章 价值投资的价值
在AI、半导体和科技资产被市场热烈追逐、增长和未来期权被不断重估的时代，传统以估值、现金流和安全边际为核心的价值投资，还有没有价值？
我的答案是：价值投资真正的价值，不只在于教我们如何选股，更在于教我们如何构建系统——这后一半，恰恰是最容易被忽略、也最少被讨论的部分。
格雷厄姆教我们安全边际，巴菲特教我们能力圈，芒格教我们反过来想。这些概念，本质上都不是关于企业分析的技巧，而是关于如何在一个不确定的世界里，为自己争取生存空间的系统设计原则。安全边际，是把“我可能看错”写进买入价格。能力圈，是把“我只在这些地方看得懂”写进决策边界。反过来想，是把“我知道自己会死在哪里”写进风险管理。
这些，都是系统圈的雏形。
AI时代，市场对公开信息的定价效率已经高到近乎变态。财报出来，AI在秒级完成解读、建模、下单。价格在人类分析师还没打开PDF的时候就移动完了。但有一件事AI还做不到：它不能替你设计你的系统。它不知道你的资金能等多久，不知道你的LP什么时候会撤资，不知道你的心理防线在哪里。这些只有你自己知道。而围绕这些“不知道”来设计系统，恰恰是价值投资留给我们最珍贵的遗产。
价值投资的价值，不是DCF公式，不是市盈率倍数，不是护城河清单。它是一套关于“如何在不确定的世界里不被清零”的系统思维。这套思维，在AI时代，比以往任何时候都更有价值。
第八章 结尾
这篇文章的标题叫“系统圈”，但我真正想说的是：真正决定投资结果的，往往不是你能做对多少预测，而是你的系统在你预测错的时候还能不能继续运转。
我用了几年时间，慢慢把自己的系统改造成现在这个样子。指数、期权、信号、规则——这些只是改造过程中偶然捡到的工具。它们不重要。
重要的是那个设计原则：假设自己会错，然后围绕这个假设搭建一切。
真正的风险，不是预测错。真正的风险，是你的系统假设自己不会预测错。
诚实，不是美德。是设计系统时唯一理性的起点
险自负。