OUR PERSPECTIVE
让长期洞察，经得起系统验证。
对科技进步的信心，需要与对信号、估值和持有方式的严格要求并存。我们关注能够被重复检验的投资依据，并以市场状态、样本外表现和组合结果持续审视研究质量。对于值得投入时间的机会，耐心本身也是投资方法的一部分。
研究重点
科技主线与经济含义
围绕 AI、半导体、计算基础设施及技术应用形成研究问题，分析需求扩张、盈利变化与市场行为之间的联系。每个信号都需要回答其经济来源、可能持续的原因，以及在哪些条件下会衰减。行业成长、估值扩张与个股特征应被分别识别。
数据质量与研究可复现性
验证从数据开始。研究需要检查时间口径、样本覆盖、复权方式、缺失记录和信息可得时点，降低未来信息泄漏与幸存者偏差的影响。固定研究规则、保留版本与失败结果，使结论可以追溯到数据、假设和当时可获得的证据。
区分产业收益与信号贡献
科技股上涨并不自动证明模型有效。通过同类股票池、随机样本和市场基准进行比较，研究信号能否改善收益分布质量、单位风险回报或组合分散度。我们同时审视结论对参数设定、样本选择与执行摩擦的敏感性，避免将单一市场阶段的顺风误认为可持续的研究优势。
持有期限与收益兑现
信号与持有期限需要共同设计。我们比较同一组信号在不同观察窗口中的收益分布、回撤路径、资本占用与样本完备度，辨析不同持有期限和趋势暴露方式的差异。对尚未完成观察的样本单独标识，使时间带来的信息增量得到准确呈现。
市场状态与前向检验
信号有效性取决于所处环境。我们关注趋势、波动、流动性和风格轮动，结合样本外验证与前向监测判断历史关系是否延续。当证据减弱或市场结构变化时，研究应预先界定何时收缩风险预算、暂停纳入或重构研究假设。
从研究信号到组合质量
组合评估将相关性、行业集中度、组合周转约束、市场承载能力、执行摩擦与风险暴露置于同一框架。单个信号的统计表现，只有进入真实资本约束与实施条件后才具有决策意义。我们以收益来源的可解释性、风险预算的适配度与研究流程的可持续性，衡量系统化研究的投资价值。
对方向有信念，对证据有要求
长期看好科技，并不意味着所有科技资产在任何价格都值得持有。我们要求产业判断、系统证据和估值条件相互支持，并持续检验持有逻辑。模型的研究结果需要经过样本外、前向跟踪及成本检验，才能用于评估组合中的实际作用。