又到年度檢視的時間，今年投資現金流維持穩定，整體殖利率提高，但帳面績效不如去年，也落後今年大盤。
主要落後來自部分投資假設高度依賴事件催化，而相關事件進度未如預期落地，像天災、匯率、政治、工程延宕等不可控因素，使市場評價反映被迫延後。這也提醒我，事件型假設的問題往往不在方向判斷，而在時間不確定帶來的等待成本；如果沒有把等待期的風險與資金運用設計好，再正確的論點也可能在過程中被波動消耗。
在事件延後與波動加大的情況下，這一年反而更清楚體會了現金流、資金分層與部位紀律的重要性：因為這決定了我能否維持策略一致性，並在等待催化劑的期間承受波動、持續追蹤。去年我寫下 2025 的三個方向：深化 AI 工具應用、擴大能力圈、完善交易紀律。回頭看，雖然績效落後，這三項目標仍持續推進，且已逐步具備制度化的雛形。
一、AI 工具應用：從入門走到流程化
隨著 AI 模型的進步，這一年我花了不少時間在指令模組、GPTs、Gem、Google Apps Script，以及不同模型之間測試與整合，思考要如何放進研究流程裡應用。這一年比較明確的改變，是不再把 AI 當成查資料工具，而是把它放進研究流程裡：先整理資料、再拆假設、再補證據，最後用固定模板輸出。
第一個有感的進展是內容輸出品質更穩定，主要開始建立模板，讓研究報告、法說會、財報、通用摘要都能以一致的結構輸出。這不只是省時間，而是希望能把分析框架具體化，要做到每次產出的結果品質一致，才能被重複檢視及使用。模板化的目的，也不是為了更快產出，而是讓每次分析都能用同一套框架回頭檢查，避免今天寫一套、明天又換一套。
第二個改變，是建立交叉驗證的習慣。尤其面對重要資訊，我主力是用 ChatGPT 再搭配 Gemini 等工具互相對照，再配合 Google Doc、NotebookLM 做資料整理，讓研究時能有完整的資料整合與分析結果。重要資訊至少用兩套工具互相對照，再把來源與結論整理進同一份筆記，避免只靠單一敘事做判斷。
第三個改變，是我開始用「自動化」的角度看研究流程。某些需要固定更新的產業資訊，我逐步往定期整理的模式推進。採用這些工具的目標不是更快產出，而是讓研究輸出可被回測、可被複用。
二、投資方向：擴大能力圈，但不追題材
今年我仍然嘗試更多產業與情境，也看了許多公司。不免俗的，公司都會把故事說得很美好，但我也更習慣把市場敘事拆成可驗證的假設。當外界對某些趨勢充滿想像時，我會先回到關鍵前提與時間點，確認需求是否真的存在、成長是否真的會在投資期間內發生。擴大能力圈的方式也更聚焦在商業模式與產業鏈位置，用同一套語言去比較不同產業，而不是被題材牽著走。
今年也進一步花費資金去租借衛星拍攝衛星圖，驗證公司的說法是否符合，讓研究的資訊不對稱下降，並把結論建立在更扎實的證據上。這類一手驗證的習慣，對我而言的價值是先把資訊不對稱降下來，再回到估值與部位的判斷。
三、交易紀律與管理機制
在各種政治及不可控的因素下，市場波動明顯放大。今年更有種體會，長期投資不是靠忍耐，而是靠紀律。
在資金管理上，一直以來我都把資金分成兩個部分：一部分為保留資金，用來保障家庭生活品質、教育與突發狀況的緩衝；另一部分才是可動用的投資資金，用於在出現更好條件時加碼。這樣的作法，才讓我在市場波動時不會被迫做出短線的選擇，也能更理性地等待催化劑的發生。資金分層對我最大的價值，是在波動時不會被迫縮短決策時間，讓我有餘裕把研究做完、把假設追蹤清楚。
在部位上，我持續維持曾提過的核心／衛星倉的配置原則，不做槓桿並刻意避免過度集中，盡量把波動控制在自己可承受的範圍內。核心／衛星倉的原則，今年更像是用來管理集中度與波動，而不是用來替交易找理由。現金流對我而言也不是績效的補充說法，而是系統的一部分，用來支撐等待期、延長決策時間。
四、投資自己：把效率與方法論納入長期複利
今年另一個重要進展，是把時間與資源投入在自己的能力成長上。Wharton 與 Columbia 的課程，讓我重新用更完整的框架整理原本零散的經驗與知識，也更清楚看見過去決策的問題所在。回頭檢視過往的錯誤時，有種感覺好像原本不懂或似懂非懂的部分，都逐漸看懂了。也更容易分辨哪些是事實、哪些是推論，哪些是需要繼續驗證的假設。
即然今年績效衰退已成事實，重點是要怎麼在未來修正精進。所以會再逐步調整了自己的研究與操作方式，先把投資論點拆成幾個關鍵前提，並把反證條件寫出來，明確定義什麼情況代表前提被推翻。估值不再用單一價格當作結論，而是用不同情境去建立合理區間；部位的加減碼也要求對應明確理由與觸發條件，例如估值回到預設區間，或關鍵KPI出現方向性變化，才會做調整。這些改變的目的很單純：讓決策更一致、更可檢討，也更容易在錯誤發生時回頭校正。接下來我也會把這些做法固定成流程，在季度回顧時檢查假設是否仍成立，讓調整更加有方向感。
新的一年祝大家事事順心，平安健康