/~learn/s/b27743b8
本文档基于字节跳动前员工「3000万炒股辞职」主角的公开复盘，提炼一套普通人可以刻意训练的逻辑推演能力与市场敏感度方法论。核心回答一个问题：普通人如何用「身边的信息」做交易？
---
以下为视频原文的核心叙事，保留原话以作一手资料：
> 去年八月，Leto在自己搭一个小型量化平台，需要存几十T的行情数据。他在拼多多下单买了两块希捷大容量硬盘，收藏链接打算不够再补。过了几天价格涨了，又过几天再涨。同一个型号、同一家店，一周调价好几次，而且只涨不跌。
关键动作：他没有当成普通涨价忽略过去，而是当成一个反常信号。
> 一个产能很大、高度标准化的工业品，零售价不该这样单向上行。他用比价工具把这款盘几个月的价格曲线拉出来，又对比了希捷稀疏的其他大容量型号，结论一致：不是单一型号的问题。整条大容量机械盘产品线都在涨，持续单向，不像促销引发的短期波动，背后一定有一个更大的原因。
关键动作：把「感觉变贵了」变成「数据曲线」，从印象升级为证据。
> 往下追逻辑逐渐清晰，AI在抢硬盘，市场都在盯显卡，但AI对存储的需求同样巨大。大模型训练和推理会产生海量数据，需要长期低成本保存。这活儿主要靠的不是SSD，而是大容量机械硬盘。数据中心用的这类盘叫nearline企业级硬盘，微软、亚马逊、谷歌、Meta都在大量采购。希捷正好踩在这波需求上，它的HAMR技术能大幅提高单盘容量，对应数据中心的胃口。产能有限的情况下，厂商优先供应利润更高的企业级订单，零售端供给被挤压。拼多多上的涨价本质上是AI数据中心的采购需求一路传导到了消费端。
关键动作：从现象往上追溯产业链逻辑，找到结构性需求驱动力。
> 他查了希捷财报，最近一个季度营收同比涨了39%，毛利率创下纪录。市场也开始把存储板块当成AI产业链的一环来定价。
> 逻辑确认他在150多美元买入500股，把理由和仓位发进了公司内部的美股交流群。自己想清楚还不够，他要确认机构资金是不是也在做同样判断。美股有一项公开数据：管理规模超过一亿美元的机构每季度必须披露持仓叫13F，任何人都能查，他没有立刻加仓而是多看了一两个季度，单季度变化可能是偶然，连续几个季度同方向才更可信。等到三季度的13F出来把希捷过去一年的机构持仓连成一条线，方向已经很清楚。
> 2024下半年这只票基本无人问津，持有它的机构维持在八百多家甚至略有下降，机构数从八百多家涨到一千二百多家，持仓市值一年涨到456亿，其中很大一部分来自股价上涨，不全是新增资金，但机构家数新建仓数量这类"广度"指标更能说明问题。逐季递增说明这不是一两只基金押注，而是一批专业资金在持续进场，确认到这一步他才大规模加仓，后续又通过LEAPS看涨期权继续加仓希捷和闪迪。
关键动作：不急着加仓，等连续多个季度的13F确认趋势，把「广度指标」（机构家数、新建仓数量）作为核心验证信号。
> 买硬盘那天希捷收盘150多美元，现在965美元出头，涨了六倍多，去年一度超过Palantir成为标普500全年涨幅第一，仅最早那500股账面浮盈就有四十万美元左右，后续加仓的部分还没算进去，两块硬盘最终牵出这样一笔交易。
> 他也提醒这不保证每次都对，他也盯过一些涨价信号，最后证明只是短期波动，那些没有发到群里但同样真实存在的幸存者偏差很明显。这是一次个人复盘，不构成投资建议，但这套思路值得记住。
---
从上述案例中，可以提炼出一套完整的、可复用的推演框架：
察觉反常 → 量化验证 → 追问根因 → 定位标的 → 资金验证
(敏感度) (数据化) (产业链) (选股) (13F)
核心能力：对「不该发生的事」保持警觉。
| 反常类型 | 日常场景举例 | 可能指向 |
| --------- | ------------ | --------- |
| 持续涨价 | 同款商品反复调价、只涨不跌 | 上游供给收缩或下游需求爆发 |
| 突然缺货 | 常买的东西突然买不到、排长队 | 供需结构失衡 |
| 排队/预约周期变长 | 餐厅、服务、产品的等待时间异常拉长 | 需求超预期 |
| 奇怪的新玩家入场 | 八竿子打不着的公司开始做某业务 | 行业利润率高，吸引跨界者 |
原文金句： > 日常接触的东西出现反常，涨价、缺货、排队往往比新闻和财报更早，普通人拿到一手信号的时间有时比专业机构还早。
训练方法：
核心能力：把主观感受变成客观数据。
> 不要停在"好像变贵了"的印象上，把价格拉成曲线是趋势还是噪音基本能判断出来。
原文动作链：
训练方法：
核心能力：从消费端异常反向追溯产业链上游。
> 再往上追问这背后是不是一个长期的结构性需求。
原文推演链：
硬盘涨价 → 不是单一型号 → 整条产品线涨 → 大容量机械盘需求爆发
→ 谁在大规模采购？→ 数据中心 → AI训练/推理需要海量低成本存储
→ 机械硬盘（非SSD）是主力 → 希捷HAMR技术正好匹配
→ 厂商优先供应企业级订单 → 零售端供给被挤压 → 拼多多涨价训练方法：
核心能力：把产业逻辑映射到具体上市公司。
判断标准：
原文金句： > 找到能直接受益处在产业链关键位置的上市公司。
核心能力：用公开数据验证自己的判断，避免「自嗨」。
> 自己想清楚还不够，他要确认机构资金是不是也在做同样判断。
原文方法：
训练方法：
---
对自己高频消费的商品建立心理价格基线：
| 品类 | 建立基线的方法 |
| ------ | ------------- |
| 电子产品 | 定期浏览比价网站，记住常买型号的价格区间 |
| 日常消费品 | 超市购物时留意价格标签变化，记录异常 |
| 服务类 | 注意理发、外卖、打车等服务的价格变化 |
| 订阅/软件 | 关注SaaS产品的定价调整公告 |
每天花30秒问自己三个问题：
每次发现反常信号后，记录以下内容：
日期：
反常现象：
价格数据（如能获取）：
第一层原因（直接原因）：
第二层原因（产业链原因）：
第三层原因（结构性原因）：
可能受益的上市公司：
后续验证结果：
复盘：判断对了还是错了？为什么？---
> 他也盯过一些涨价信号，最后证明只是短期波动，那些没有发到群里但同样真实存在的幸存者偏差很明显。
应对方法：
| 涨价原因 | 是否可交易 |
| --------- | ----------- |
| 短期促销结束 | ❌ 噪音 |
| 季节性需求波动 | ❌ 可预测但不持久 |
| 单店/单渠道行为 | ❌ 不是产业链级别 |
| 上游原材料涨价传导 | ⚠️ 需要看持续性 |
| 长期的、结构性的需求爆发 | ✅ 核心机会 |
| 供给侧的永久性收缩 | ✅ 核心机会 |
普通人没有的优势：资金量、信息速度、研究团队、交易工具
普通人真正有的优势：
关键认知：这套方法的精髓不是「比机构更快」，而是「用机构没有的信息源（日常生活体感）+ 用机构的验证手段（13F）来确认」，形成信息差和确认环的闭环。
---
> 日常接触的东西出现反常，涨价、缺货、排队往往比新闻和财报更早，普通人拿到一手信号的时间有时比专业机构还早。
> 不要停在"好像变贵了"的印象上，把价格拉成曲线是趋势还是噪音基本能判断出来。
> 再往上追问这背后是不是一个长期的结构性需求。
> 找到能直接受益处在产业链关键位置的上市公司。
> 单季度变化可能是偶然，连续几个季度同方向才更可信。
> 逐季递增说明这不是一两只基金押注，而是一批专业资金在持续进场。
> 下次你常买的东西无故涨价，可以顺势想一想这笔钱被谁赚走了？那家公司是不是已经上市？
---