P2B-C4 · 真实 walkthrough (NVDA)¶

核心一句话

第一次跑真案例 — 4 维框架放到 1 只真票上, 你会发现你哪里假装懂了。

Layer 2 · 看一只票 — 学完产业, 现在落地到一只票

L2-C4 (共 5 章). 学完这一章, 你能用 NVDA 走完 1 个完整 thesis 循环 — 从 transcript 到 4 维 yaml 到 KPI predictions 到财报后 update。

1. 问题: 框架在脑里 work, 落到真票就 freeze¶

C2 你写了 yaml 模板, C3 你认识了术语. 但拿到 NVDA Q4 transcript 你还是不知道:

transcript 100 页, 该跳到哪一节?
管理层说 "We had a record quarter" — 这是信息还是噪音?
分析师问 "Vera Rubin timing?", CEO 回 "production samples H1, full ramp H2" — 这是 bull 还是 bear?
怎么从这堆话里抽出 3-5 个 KPI predictions?

→ 框架空跑不算会. 拿 1 只真票走完 6 步, 你才知道 C2/C3 哪里你假装懂了.

2. 解决方案: 用 NVDA 走 6 步循环¶

NVDA 是入门最好的票, 因为:

8 quarters transcripts 都公开 (Motley Fool 免费)
公开 13F 路径展示机构持仓变化 + 财报 timeline 8 quarters
下个 catalyst (Q1 FY27 财报) 就在眼前 — 你能实时验证

6 步循环 (每步明确填 4 维哪一维):

步	干什么	主要填 4 维哪一维
Step 1	看现状 (公司是什么)	背景 (C2 yaml header)
Step 2	读 transcript	WHAT + WHY (找 segment / guidance)
Step 3	填 4 维 yaml	全部 4 维
Step 4	拆 KPI predictions	SO WHAT (catalyst look_for)
Step 5	多视角 sanity check	RISKS (anti-thesis)
Step 6	财报后 update	全部 4 维 (re-fill)

3. 工作原理: 6 步详解¶

Step 1 — 看现状 (5 分钟, 填 C2 yaml header)¶

字段	NVDA 值
ticker	NVDA (NVIDIA Corp), NASDAQ
市值	~$3.3T (前世界第一)
业务	AI GPU + 数据中心网络 + 自动驾驶
Latest thesis version	v91 v8 (含 CRWV circular financing red_flag)
Latest financial	Q4 FY26 (2026-02 报告), revenue $39.3B, gross margin 75%, EPS $0.89

下个 catalyst: Q1 FY27 财报 2026-05-20 — 这就是 walkthrough 最好的时机.

Step 2 — 读 Q4 FY26 transcript (1 小时, 填 WHAT + WHY)¶

从公开 Motley Fool NVDA Q4 2026 transcript 入手 (Motley Fool 财报后 1-2 天免费发布).

入门读法:

跳过开场 — CEO 总说 "we had a record quarter", 没信息量. 直接看 finance 部分
看分部 + YoY (这是 WHAT):
- Data Center: $35.6B (+93% YoY) ← 主头
- Gaming: $2.5B (+13%)
- Auto: $0.6B (+103%)
看 guidance (这是 SO WHAT 锚):
- Q1 FY27 revenue: ~$43B (consensus $44B)
- Gross margin: 73.5-74% (从 75% 降, Blackwell 量产 ramp 成本)
看 Q&A — 最高密度信息部分:
- 分析师真实问题揭示他们关心什么
- 管理层unscripted 回答揭示真实情况 (vs prepared remarks 营销话术)

Q&A 关键问题示例 (NVDA Q4 FY26 真实)¶

Q (Morgan Stanley): "Vera Rubin 出货 timing?" A (Jensen): "Production samples shipping H1 calendar 2026, full ramp H2" → 信号: Rubin 比预期早 1-2 quarters, 填进 WHAT supports (bull for FY27).

Q (Bernstein): "How are you managing Samsung HBM3e qualification?" A: "We work with all three [Hynix/Micron/Samsung], qualifying Samsung is ongoing process" → 信号: Samsung 没 qualify 是 bear, 填进 RISKS red_flag (但 NVDA 有 backup, 不致命).

Step 3 — 填 4 维 yaml (15 分钟)¶

直接把 Step 2 抽出的信号塞进 C2 模板:

ticker: NVDA
view: bull
confidence: medium
core_thesis: |
  NVDA 受益于 AI 基础设施 capex, Q1 FY27 财报验证需求强度,
  关注客户质量风险 (CRWV).

# WHAT 维
supports:
  - "2026 hyperscaler capex $725B+, NVDA 主受益"
  - "CRWV $99.4B backlog (NVDA $36.6B 持股)"
  - "327 家机构 13F NVDA 仍 AI 底仓"
  - "Vera Rubin samples H1 2026 (Q&A Morgan Stanley)"

# RISKS 维
red_flags:
  - text: "Samsung 罢工 → HBM 供应扰动"
    trigger: "罢工启动 + 持续 >7 天"
  - text: "CRWV-NVDA circular financing 担忧"
    trigger: "CRWV 客户集中度恶化 OR NVDA 对 CRWV 敞口扩"

# SO WHAT 维
catalysts_90d:
  - date: 2026-05-20
    event: "Q1 FY27 财报"
    look_for: "Data Center >$30B, FY27 guide >$200B, GM >74%"

price_outlook:
  base_90d: "$215-235"
  bull_90d: "$245-260"
  bear_90d: "$190-205"

Step 4 — 拆 KPI predictions (15 分钟, 填 SO WHAT look_for)¶

好的分析流程 (Part 3 教过的对冲基金 / Buffett / Anti-thesis 系列) 都强制每只 thesis ≥ 3 个可验证 KPI predictions. NVDA Q1 FY27 KPI 范例:

predictions:
  - kpi_name: revenue_quarterly
    expected_value: 43
    expected_range: [42.5, 44]
    unit: USD billion
    reporting_quarter: "Q1 FY27"
    verify_at: 2026-05-20
  - kpi_name: data_center_segment_revenue
    expected_value: 36
    expected_range: [34, 38]
    unit: USD billion
    reporting_quarter: "Q1 FY27"
    verify_at: 2026-05-20
  - kpi_name: gross_margin_non_gaap
    expected_value: 74.0
    expected_range: [73.5, 75]
    unit: percent
    reporting_quarter: "Q1 FY27"
    verify_at: 2026-05-20

财报后 (5/20) KPI verifier 自动 cron 跑, 对比 prediction vs actual, 给每个 prediction 打 confirmed / partial / wrong 标签.

这步是 SO WHAT 落地: 没 KPI predictions = catalyst 当天你没标尺.

Step 5 — 多视角 sanity check (30 分钟, 强化 RISKS)¶

不要孤立看 NVDA fundamental — 同时看:

Multi-PM 视角 (Layer 3 详)¶

Value PM (Buffett-style): "P/E 30x 不便宜, 但 ROE 100%+ 史无前例, 暂 hold"
Growth PM (Druckenmiller-style): "FY27 guide $200B+, growth 仍 50%+, 加仓"
Macro PM (Soros-style): "AI capex 宏观主线, 但 Fed 鹰派 + 10Y 4.5% 估值压制, hold 不加"

反 thesis (anti-thesis)¶

如果你是 NVDA 空头, 你会怎么 argue?

"Hyperscaler capex 是 over-investment, $725B 是泡沫顶, ROI 不及预期" — SemiAnalysis (Dylan Patel) 写过此 angle
你 thesis 必须有 explicit reply: "我认为不是泡沫因为 X / Y / Z" (参 P3-C5 Anti-thesis)

→ 没 anti-thesis 的 thesis 是情绪 thesis.

Macro overlay¶

当前 regime = mixed, near-term = neutral — 不是 risk_off 也不是 risk_on. 对 NVDA: 利率上行 (压制估值) + 流动性改善 (支撑) → 净中性, 不变 bull thesis.

Technical overlay¶

NVDA trend = uptrend, momentum = neutral, ADX 30.9 (强趋势). - entry: $210-218 (20d SMA 211.3 + Bollinger middle) - exit/stop: $236-240 阻力 / 跌破 $200 止损 - → "Fundamental bull + Technical bull but momentum neutral" = 不该追高, 等回踩 20d MA 加仓

Step 6 — 5/20 财报后 update (1 hr 当晚 + 1 hr 1 周后)¶

财报当晚 (盘后)¶

读 management commentary + Q&A (Motley Fool 1-2 天后出 transcript)
对照 KPI predictions:
- revenue 实际 vs $43B 中位预测
- Data Center 实际 vs $36B
- gross margin 实际 vs 74%
看下季 guidance:
- Q2 FY27 guide >$50B? = bull confirmation
- <$45B? = 警告

财报后 7-14 天¶

13F 报告披露 (Q1 持仓 5/15 前后) — 跟 13F support 验证
卖方 analyst 上调/下调目标价 — 看 differentiation
thesis 决定: maintain v8 / 升级 v9

4. vs C3 你已经会的¶

C3 给你单个术语怎么读. 但 C4 教你多个术语怎么连成 1 个完整循环:

维度	C3 你能做	C4 你能多做
单术语理解	✓	✓
从 transcript 抽信号	✗	✓
把信号塞进 yaml 4 维	✗	✓
拆 KPI predictions	✗	✓
财报后 verify	✗	✓

C4 是第一次跑闭环 — 入 → 出 → verify → 再入. 跑一次, 你 C2/C3 的 gap 全暴露.

5. 试一下: 用 NVDA 走完 1 圈, 再挑你最熟 ticker 走第 2 圈¶

任务 (~3 小时分散在 2 周):

**NVDA 跟读** (今天 1 小时):
- 打开 Motley Fool NVDA Q4 FY26 transcript
- 跟着 Step 2 把分部 / guidance / Q&A 抽出来
- 跟着 Step 3 填完整 yaml
**NVDA Q1 FY27 财报 verify** (5/20 当晚 30 分钟):
- 对照 Step 4 的 KPI predictions
- 看哪个 confirmed / partial / wrong
- 你 thesis 哪个 support 强化, 哪个失效
挑 1 只你最熟的 ticker (TSM / AMD / GOOGL 推荐, 因为 transcript 易读), 重做 Step 1-5 (2 周内完成)

Self-check (完成第 2 圈才算 C4 done):

你能跟朋友解释 "为什么我把 Vera Rubin 那段抽进 supports 而不是 catalysts"
你 KPI predictions 至少 3 个, 每个都有 expected_range 不止 expected_value
你能说出你自己 ticker 的反 thesis 强论点 + invalidation triggers (不是抄网上)

3 项全 yes → C4 完成. 1 项 no → 不要往 C5, 回去补 C3.

6. 接下来¶

NVDA + 1 只你自己 ticker = 你跑了 2 圈. 但实战是 5-10 只 active thesis 同时维护.

你需要:

自己 thesis 的存储格式 (markdown / Obsidian / git)
周 / 月 / 季 review 节奏 (不然 thesis 跟你脱节)
5 项 self-check (确保每只都达 C2-C4 标准)

→ L2-C5 · 你自己写一个 thesis — 模板 + 节奏 + 6 个月后你 library 应该长什么样.

7. 深入 (optional): KPI verifier 怎么 cron 跑 / multi-PM 怎么自动化¶

点开看 prediction verification 的工程化

KPI verifier 工作流:

每只 thesis 写完, predictions 存入 predictions table (kpi_name + expected_range + verify_at)
verify_at 当晚, cron 跑 kpi_verifier:
- 查 financial provider API (Yahoo / Polygon) 拿 actual
- 对比 expected_range:
  - actual in [low, high] → confirmed
  - actual 偏离 < 15% → partial
  - actual 偏离 > 15% → wrong
- 写回 prediction_results table
每周 / 每月 aggregate: 你哪类 KPI 总错 (revenue? gross margin? 客户增长?) → 你 supports 哪类来源不可靠

multi-PM 视角自动化:

每只 thesis 跑 3 个 LLM 视角 (value / growth / macro), 每视角填 view + confidence + 1 句关键理由. 然后看 3 视角是否共识或分歧:

3 视角全 bull → high signal
2 bull 1 neutral → medium
1 bull 2 bear → 你 thesis 有 risk 你没看见, 必须改写

→ 这套机制把 "我以为我 bull" 变成 "3 个独立视角都验证我 bull" — 信号强度质的差别.