P2A-C2 · Mental Models (Buffett / Munger / Graham)¶
核心一句话
Latticework — 跨学科 70+ mental model 交织, 单 1 model 看不全, 5 个 model 同时用看清。 — Munger
通用投资模型 — 任何行业都用
P2A-C2 (Part 2.A 第 2 章). 学完这一章, 你能用 5 个核心 mental model 拆任何投资决策, 不再单视角。
1. 问题: 你只用 1 个 model 看投资 — 必错¶
散户 model 数量: - "fwd PE 30x 太贵" — 1 model (估值) - "AI 是未来" — 1 model (TAM) - "Druckenmiller 加仓我跟" — 1 model (follow smart money)
Munger 1990s 演讲名言: "To the man with a hammer, everything looks like a nail."
→ 你 model 工具箱越大, 拆解越精准. Munger 自己有 70+ models from 多学科 (经济 / 心理 / 物理 / 生物 / 历史).
2. 解决方案: 5 个核心 model — 投资必备¶
| Model | 来源 | 核心问题 |
|---|---|---|
| 1. Margin of Safety | Graham 1934 | 你买价 vs fair value 有多少 buffer? |
| 2. Moat (经济护城河) | Buffett 1990s | 别人为什么 10 年追不上? |
| 3. Circle of Competence | Buffett 1996 | 你 10 年后能预测这公司吗? |
| 4. Latticework Thinking | Munger | 用多 model 交叉验证, 不单视角 |
| 5. Inversion (反向思考) | Munger | 不问 "怎么成功", 问 "怎么失败" |
5 个 model 同时用看 1 个决策 — Munger 真实做法.
3. 工作原理: 5 model 详解 + AI 应用¶
3.1 Model 1: Margin of Safety (Graham)¶
Graham 1934 《Security Analysis》核心:
"投资跟投机差别 = margin of safety. 你算出 fair value $100, 不要付 $99, 付 $70-80."
为什么 20-30% buffer: - 你 fair value 估算可能错 20% - 市场可能继续跌 - 不可预见事件 (recession / 黑天鹅)
AI 应用 (P2A-C1 学过): - NVDA fair value range $100-150 (反向 DCF), 当前 $135 → buffer 不够, 不该 chase - 等 $100-110 buy on dips, 即使没 DeepSeek-type panic 也 ok
3.2 Model 2: Moat (经济护城河)¶
Buffett 1990s 定义:
"Great business 不在于今天多赚钱, 在于 10 年后别人想抢都抢不走."
4 类 moat (P3-C2 教过): - 品牌 (Coca-Cola / Apple) - Switching cost (NVDA CUDA / Microsoft Office) - Network effect (Facebook / Visa) - 规模 + 成本 (Walmart / Amazon)
AI 应用:
| 票 | Moat 数 (4 中) | 评 |
|---|---|---|
| AAPL | 4/4 (品牌 + iOS + App Store + 规模) | 极强 |
| MSFT | 3.5/4 (Office switching + Azure 规模 + AI 加品牌) | 强 |
| NVDA | 2/4 (CUDA switching + 规模) | 中强 |
| OpenAI | 1.5/4 (ChatGPT 品牌 + 弱 network) | 弱 |
→ Moat 多 = 长期 hold 候选. Moat 少 = trade 候选.
3.3 Model 3: Circle of Competence (Buffett)¶
Buffett 1996 致股东信:
"Define 你的能力圈不需要超大, 但严格遵守边界比能力圈大小更重要."
测试问题: - 10 年后这家公司还在吗? - 它的 business model 跟今天一样吗? - 你能 1 句话解释它怎么赚钱吗?
3 yes → 圈内. 任 1 no → 圈外.
AI 应用:
- **NVDA 10 年后还在** — yes (大概率)
- **NVDA business model 一样吗** — 不确定 (推理? agentic? 别的?)
- 1 句话怎么赚钱 — 卖 GPU? 卖 platform? 不清晰
→ **NVDA 严格说不在你 / 我 / Buffett 圈**. 你可以 trade, 不可 long-term core.
3.4 Model 4: Latticework Thinking (Munger)¶
Munger 1994 演讲:
"你脑子里要有几十个 model, 来自不同学科. 单 1 model 你 systematically 错, 多 model 交叉减错."
主要学科 model:
- 经济学: scale economics / network effects / disruptive innovation
- 心理学: confirmation bias / anchoring / loss aversion (P2A-C5 详)
- 生物学: evolutionary fitness / 协同 vs 竞争
- 物理学: 临界质量 / 摩擦力 / 复利 (Einstein 称"第 8 奇迹")
- 历史: base rate (P2A-C3 详)
AI 应用 (NVDA 例): - 经济: scale economics + network (CUDA) = moat - 心理: 群体性思维 = 估值可能 stretched - 生物: 物种竞争 (AMD / Google TPU / 中国 Ascend) = 长期 fitness 不定 - 物理: 复利效应 (revenue scaling) = 短期 alpha - 历史: 1999 Cisco base rate = capex 过度风险
5 个学科 model 看 NVDA → 全面图像.
3.5 Model 5: Inversion (Munger)¶
Munger 名言:
"Invert, always invert. 不问 'how to succeed', 问 'how to fail, then avoid'."
应用流程: - 不写 "怎么 long thesis 赢", 写 "怎么 long thesis 失败" - 列 5 个失败 scenario (P3-C5 anti-thesis 是 inversion 的具体应用) - 避免每个 scenario 的 trigger
AI 应用:
不问: "NVDA 怎么 5 年 +200%" 问: "**NVDA 怎么 5 年 -50%**"
5 个 failure scenarios: 1. Hyperscaler capex 持平/下调 2. AMD/Intel/TPU 大替代 (>30% 市场份额) 3. 地缘 (台海 / 大规模出口管制) 4. Algorithm 突破 (DeepSeek-2 类) + capex 减半 5. AI 应用 ROI 不兑现 → 客户砍 capex
→ Invert 给你 anti-thesis + invalidation_triggers.
4. vs 散户做法¶
| 维 | 散户 | 你能改的 |
|---|---|---|
| 用 1 model 看 (PE / TAM / KOL) | 用 5 model 交叉 | ✓ 30 分钟做完 |
| 只看 "怎么赢" | 用 Inversion 看 "怎么输" | ✓ Munger 5 步 |
| 不知道圈边界 | Explicit circle of competence test | ✓ 5 分钟 self-check |
5. 试一下: 用 5 model 拆你 1 个 thesis¶
任务 (~45 分钟):
| Model | 你的 thesis 答 |
|---|---|
| Margin of Safety | 你 fair value range? 当前价 buffer 多少? |
| Moat | 你公司 4 类 moat 占几项? |
| Circle of Competence | 你 10 年后能预测这公司吗? |
| Latticework | 用 3 学科 (经济 + 心理 + 历史) 各看一遍, 共识 / 分歧? |
| Inversion | 5 个 failure scenarios + 每个 trigger? |
Self-check (3 项符合 → 进 P2A-C3):
- 你能用 5 model 给 1 个 thesis 各做 1 段评估
- 你能 Invert 写 5 个 failure scenarios
- 你能解释为什么 Munger 说 "用 1 model = 必错"
6. 接下来¶
5 model 是当下决策工具. 但历史可比 (dotcom / mobile / 工业革命) 给你 base rate — 单凭当下分析不够, 要 base rate.
→ P2A-C3 · 历史可比 — 给 AI 找历史 anchor。
7. 深入 (optional): Munger 70 model 完整 list¶
点开看 Munger / Howard Marks 推荐 reading
Munger 70 model 完整 list 见 Poor Charlie's Almanack (公开 PDF 网上可下).
核心 70 list 摘要: - 数学 / 统计: 复利 / 概率 / 期望值 - 经济: scale / network / 寡头 / supply-demand - 心理: 25+ biases (P2A-C5 6 大) - 工程: redundancy / breakpoint / margin of safety - 物理: 临界质量 / equilibrium - 生物: 进化 / adaptation / niche - 历史: base rate / cycle / regression to mean
Howard Marks 强化 reading: - 《The Most Important Thing》 (book, 公开 epub 多) - 月度 memos (oaktreecapital.com)
推荐 starting order: 1. Buffett 1996 致股东信 (circle of competence) 2. Buffett 2008 致股东信 (margin of safety + recession) 3. Munger Poor Charlie's Almanack Chapter 11 (psychology) 4. Marks "I Beg to Differ" (second-level thinking) 5. Graham 《Intelligent Investor》Chapter 8 + 20 (Mr. Market + margin of safety)