我一直认为 炒股的本质就是 信息收集 和 处理，在这个过程中会衍生出 方法论，套路，经验框架 等副产物，我不会特别迷信这些副产物，哪怕是自己总结出来的，在遇到的新的领域，老老实实的做好信息收集和处理，在这个过程中遵循第一性原理 ，这才是最重要的
第一性原理 远比 自己总结的的方法论，套路，经验框架重要，我理解的第一性原理就是 逻辑推理，因果关系，有点类似于我们在学习数学 ，物理时里面的一些概念，我们唯一应该坚持的就是第一性原理，而不是经验套路
回到信息收集和处理这一环节，之所以把收集和处理放在一块说，是因为这两者本身就是深度融合，相互促进的，收集信息的质量越高，处理的效率越高，信息处理中逻辑关系，关键词，梳理的越清晰，越有助于后续 更深度的信息挖掘收集
我觉得可以有一些关键词描述上述过程：关键词搜索，发散，聚焦，链条，知识网络，多维度，深度优于广度 等等
上面扯了一堆抽象概念，下面就说些具体的经验（还是那句话，经验永远比不上第一性原理，可以参考，不要盲从）
1.信源选择方面：一手消息优于二手消息，权威公告优于小道消息，具体操作上可以参考，我之前写的一篇文章 <关于炒股信息源的一些个人经验> ，全文截图如下：
2.整体与细节：从一般角度而言，我们更想要的是那种 论断性，针对性 更强的概论，综述性 信息，这种信息 倾向于直接给出相关事物的整体性结论，可以说是炒股人的最爱，但这里有个问题，我们如何进一步验证结论的真实可靠性？对于非专业人士 了解细节当然也有用，但是非专业人士猛扣细节，容易雾里看花，水中捞月，所以细节要看，同行评议更要看，同行评议的重要性可以说是无与伦比，获得同行评议的最好方式 就是观察现实和网络中的各种具有高热度的事件，冲突，论战，从其中搞清楚当前的共识与争议，这些会成为今后研究的宝贵线索
3.保证信息摄入方式的随机性和多样性非常重要，因为大多数时候，你所寻找的关键信息和线索 ，都会以一种意想不到的方式 呈现在你面前，你很难以一种简单、线性、可预测的方式获取这些重要的弱关联信息， 自由，不设限，非功利的心态 意味着 更多的可能性
4.社区讨论 与 同行评议， 在中文社区势微的当下，去中心化的辩论式论坛成为稀有物种了，未来有更进一步萎缩的可能性， 主流的观点通常被 各种大v把持，由于同行评议的缺失，实际上我们越来越难获得客观的认知，如果没有意外，普通人在 未来的信息认知差 会越来越大，正因为如此，知乎 和 reddit 这种去中心化的辩论式论坛 才显得弥足珍贵
5.可信度与关联性，通常来说，我们获取的信息并不那么尽如人意，有些信息可信度很高，和我们关注的题材 关联不大，有些信息可信度较低，和我们关注的题材 直接相关，问题来了：高可信度的弱关联信息 和 低可信度的强关联信息 如何选择？我的看法：选择哪种信息不重要，重要的是你要知道信息的局限性在哪，千万别把一切强关联信息都奉为真理（典型的例子就是：资本市场中 各种董秘，董事长，纪要，研报狂吹），也别把一切高可信度信息当做神药，信息的处理要综合来看
6.定性与定量之辩：定性与定量 可以说是 信息收集处理中 最为棘手的一个问题，定性一般来说比较容易解决，定量就非常困难了，尤其是可靠可信的定量数据千金难求
我认为 无论是定性还是定量，都是辅助我们认知事物的一种工具，定性和定量认知都很重要，实际操作中，我们可能永远无法获得绝对真相，定性和定量只是共同辅助我们逐步逼近事物的真相，减小认知差距
举个最近比较火的例子：分析AI算力需求增速
chatgpt推动未来AI算力需求爆增，我想已经是共识，分歧在于这个增速到底有多快，我看到的各个版本的数据，openai说 3-4个月翻倍，华为孟晚舟说 7年 500倍，信通院报告说 每年增速 60%，oppo说 公司内部算力每年增速 150%，一些机构研报说 每年增速 80%，我们到底应该选择相信哪一个？真相到底是哪一个？
我的方式是，收集行业大佬各种峰会的演讲涉及到的各种信息，综合分析，我认为 华为孟晚舟7年500倍的说法，并不算瞎吹牛逼，折合成年化增速 也就是 140% 和 oppo的说法接近，如果你认可 未来几年AI算力增长 几百倍，就会明白 800G光模块 和 浸没式液冷 为何会涨这么多！定性帮助确定方向，定量帮助确定高度，毕竟 5倍，10倍，50倍，500倍 是有数量级差距的
定性消息 和 定量数据 是相互促进，相互验证的，定性的动作和事件可以 辅助验证定量数据 的真实性，可靠性，定量的数据 可以 提升对 定性趋势的 深度认知
为了增强对量级的把控，我的一个经验是 多看巨头大佬在行业峰会论坛上的演讲视频，这里面有大量的有价值的细节信息
7.深度与广度：我认为必须要坚持深度优先，深度优先意味着 搞懂一个股票的逻辑 比 走马观花 10个股票的逻辑有用的多，持续在一个细分领域发力 比 同时在多个方向瞎jb乱看有效的多， 深度本身就包含了广度，实际操作中，对于一个特定领域学习时要进行全链条，多维度的信息搜索，信息收集时要发散，信息整合时要聚焦，整体上围绕一个核心的点，进行树状层次知识网络的构建
简单来说，深度优先需要具备 打破砂锅问到底的精神，各种迂回曲线救国的技巧，勇于探索信息源头的决心，厌恶二手喂饭的主观能动性，一种理想状态就是：在一定程度上放弃部分功利心，研究某些东西并不是完全为了炒股，而是为了证实自己的某种猜想和预判，当自己的猜想和预判得到验证时，会获得极大的成就感，炒股赚钱此时成了副产物，不过一般人包括我自己很难做到
举几个例子：chatgpt 刚出来时，有没有阅读过openai 的技术报告原文或者翻译版？ 美国经常对中国进行制裁，有没有认真研究过 美国商务部的ear列表的使用查询方法？
8.对于非行业相关人员，多维度的视角和观点是控制信息摄入风险的关键，做投资最应该进行风控的其实是信息本身，陷入信息迷雾已经成为亏损的最大来源