| 发布于: | 雪球 | 回复：0 | 喜欢：1 |
狡辩没有意思。我已经说了，每个细分赛道都有业绩增长的，主材也有。你的原意是主材竞争格局不好，辅材好，不是吗？ 事实并非如此。再说回福斯特，一季报从收入端看也没有增长，利润增长是因为原材料价格下滑的因素。行业沉沦，板上订钉。
所以竞争格局问题啊，海优四季度亏损一季度接着亏影响福斯特赚钱了吗？更不要说再后面那些企业了，这就是行业竞争格局更好，因为总量装机量是上升的。组件厂之所以拉不开差距就是因为行业竞争格局太差一些，技术变化更快，龙头和二三线拉不开明显差距
有时候一个行业太大未必是好事，大行业一般性很难出现一个绝对的霸主公司，尤其还是中间制造业。因为市场太大，所以玩家太大。反而一些细分赛道，行业空间有限，如果有企业能够迅速做大，拉开和后排的差距，可以进退自如，掌控节奏，尤其是通过控制产品毛利率，吊打小弟，形成真实的一超多强格局。
同一板块，肯定是一荣俱荣，一损俱损，但是当走出周期看，还是有差距的。尤其是竞争格局差的赛道，可能下一次换龙头了。比如下一轮周期，胶膜的老大铁定是福斯特，但是主材的老大就未必了。
过度归纳是一种逻辑谬误，指的是从有限的、特殊的例子中得出过于宽泛的结论。换句话说，它是一种归纳推理的错误，其中结论超出了所提供证据的支持范围。
以下是过度归纳的几个特点：
基于不充分的证据：结论是基于太少的例子或数据点得出的，这些例子或数据点不能代表整体。
以偏概全：观察到某个特定群体或类别中的一些个体具有某些特征，就错误地认为该群体或类别的所有成员都具有这些特征。
忽略例外情况：没有考虑或忽视了与普遍结论相矛盾的例外情况。
推广性错误：将特定情境下的结论错误地推广到所有情境。
未能考虑变量：在归纳过程中未能考虑到可能影响结果的其他变量。
例如，如果某人观察到几个大学生在特定时间表现懒散，就得出所有大学生都很懒散的结论，这就是过度归纳。这个结论忽略了其他可能影响学生行为的因素，如个人差异、时间、环境等，并且没有考虑到所有大学生的行为。
在科学研究和日常生活中，避免过度归纳是很重要的，因为它可能导致错误的判断和决策。正确的归纳推理应该基于充分、有代表性的证据，并考虑所有相关的变量和例外情况。