投资理念：绝对收益导向 - 投资的本源是力争让每一笔交易都挣到钱，而非超越基准或追求相对排名[2][8] - 绝对收益与相对收益并不矛盾，长期看两者统一，例如3-5年年化收益达到双位数的基金经理自然会有靠前的排名和超额收益[8] - 主动产品若波动过大，会损害零售客户的持有体验，控制回撤能降低其买入难度并提升长期持有体验[5][31] 核心策略：三价打分体系 - 通过“三价打分体系”（买入价、极限底价、卖出价）进行标的定价，该体系能解决60%-70%甚至更多的波动控制问题，确保组合绝对收益[2][9][11] - 买入价必须从DCF模型得出，是深度研究后的认知；极限底价参考公司历史净利润最差时的估值低位；卖出价结合基本面与市场热度、情绪等量化指标[11][13] - 系统覆盖500多个标的并强制打分，市场好时组合加权打分降低，系统会提示基金经理调仓至高分标的，长期重复此动作以控制波动和保障收益[16] 科学与艺术的结合：量化与主动的协同 - 投资本质是“科学”与“艺术”的结合，量化负责捕捉高股息、低估值等客观规律，主动负责处理无法量化的内容[1][5][18] - 采用“基本面量化”模式，量化团队将基本面研究员的投资逻辑抽离出来，按行业建模，建立指标与股价的可跟踪、可检验的映射关系[6][11][18] - 先用量化策略打底提高成功概率，再用主观研究深化，要求所有量化模型从基本面或行业研究员的知识体系中抽离逻辑，本质是模仿研究员的认知过程[18][19] 组合构建与风险管理 - 组合构建以保持整体高分状态为基础，通常持有40-50家公司，前十大持仓占比30%-40%，通过自上而下判断选择方向并避免单一行业过度暴露[21] - 绝对收益策略中，60%-70%依赖选股，20%-30%靠关键点择时（如两年一次的大级别仓位调整），10%-20%靠系统减少错误投资行为[9][22] - 系统作为“尺子”约束非理性行为，例如股价高位时提示避免追高，在标的跌破极限底价时提示加仓，触及卖出价时提示减持[3][17] 团队管理与考核机制 - 考核机制以绝对收益为导向，当年产品亏损则不及格，但极端市场下可用相对高排名弥补，以平衡波动控制和避免过度保守[26] - 研究员考核以实盘贡献为主，只有“推荐→买入→上涨”才能获得高分，引导研究转化为实际收益，并通过系统留痕形成投研互动闭环[26] - 投资总监对所有产品质量负责，以最差产品为考量，旨在提升团队整体业绩而非依赖个别明星产品，体现平台和团队能力[26] 市场观点与投资方向 - 当前基本面企稳概率较大，依据是“资本开支/折旧摊销”指标接近2007年以来下限，同时企业盈利、库存均处历史低位，三季度可能是盈利底[23] - 看好两个方向：一是与资本开支周期相关、出清充分的中游资本品和化工行业；二是全球份额上升快的出口领域，受欧美制造业周期上行支撑[24]

人工智能在量化投资中的应用 - 人工智能出现革命性技术突破，通过整合强化学习与大语言模型架构，使机器学习具备自我思考能力，突破人脑思维边界 [1] - 机器学习在自动驾驶、机器人等领域实现重大技术突破 [1] - 基金经理施荣盛将机器学习应用于量化投资，采用“白盒化”方式，属于公募量化中的“少数派” [1] 安信量化精选沪深300指数增强基金业绩表现 - 安信量化精选沪深300指数增强A近一年回报达45.63%，优于对比产品（38.12%、38.55%、38.18%、36.48%）[2] - 该基金近一年最大回撤为-10.90%，优于对比产品（-11.98%、-11.65%、-12.85%、-12.94%）[2] - 基金规模从2024年末的1.06亿元增长至2025年中的12.05亿元，规模增长10.99亿元，在2025年上半年规模增长超3亿的同类产品中表现突出 [2][3] - 自2023年8月24日管理以来，累计收益率36.53%，历史年化收益16.62%，跑赢沪深300指数14.89% [4] - 该基金在不同市场环境下表现稳健，指数上涨时表现分位数达100%，指数下跌时为78.9%，成长占优时为96.1%，价值占优时为82.9%，大盘占优时为94.7%，小盘占优时为94.7% [18] “白盒化”机器学习模型框架 - 采用统一模型管理所有指数增强产品，框架为预期收益率y来自x因子的挖掘和f因子的组合 [11] - 主动筛选因子，运用遗传算法、深度学习、大语言模型等方法挖掘因子，并进行主动检测以确保数据质量 [13] - 采用因子随机剔除（dropout）机制进行模型训练，以增强模型稳健性，例如剔除北向因子后模型结果无显著差异 [13] - 建立统一的指数增强框架，适用于不同市值和风格指数（如沪深300、上证科创综指、红利增强等），确保因子普适性，避免过度拟合 [13][14] - 通过跟踪数十个指数增强策略表现，理解模型有效性及市场特征，实现统一策略评估和调整 [14][15] 模型优化与创新 - 采用集成学习方式，使用多个模型互相验证，而非依赖单一模型 [17] - 模型训练时考虑交易成本并设置严格风险约束，追求Pure Alpha [17] - 进行动态优化，模型根据实时市场表现自行调整约束条件和优化目标 [19] - 采用模块化处理，将收益率预测、因子挖掘筛选、组合优化、风险管理、交易执行等环节标准化，形成可持续迭代能力 [21] - 积极探索大语言模型（如DeepSeek）挖掘因子，通过API接入进行测试，保持模型创新 [22] 行业比较与竞争优势 - 该基金超额收益与其他公募量化产品相关性低，源于底层方法论的差异 [21] - 多因子模型仍是公募量化主流，而机器学习在私募基金中应用更普遍，该策略结合了公募与私募量化投资的优势 [21][22] - 通过持续创新寻找低相关性Alpha，改善基金组合风险收益比 [22] - 在工具化产品盛行的时代，积极拥抱AI、有效训练模型的“白盒化”量化策略具备竞争优势 [24]

文章核心观点 - 全球AI大模型已实现飞轮正循环，由算力、模型、应用、数据四大环节相互驱动形成正向反馈 [1][17] - 基金经理马磊基于对AI产业趋势的精准判断，其管理的多只基金在近一年取得显著超额收益，3只基金实现翻倍 [4][5] - 汇添富基金通过独特的全球研究资源、高效的组织架构和逆势扩张的团队，在科技产业研究中建立了竞争优势 [6][7][8] AI产业趋势判断 - 2023年ChatGPT的出现标志着第三次全球科技革命（AI革命）的开始，此前两次分别为2000-2010年的互联网革命和2010-2020年的移动互联网革命 [12] - AI大模型迭代速度显著加快，从过去的半年或一年更新一次，发展到每月甚至每周快速更新 [13] - 2024年7月OpenAI发布的“草莓”模型是技术重大突破，将强化学习与Transformer架构整合，使模型具备了思考能力，从“婴儿时代”进入“小学生时代” [14] - DeepSeek的出现并未导致“算力通缩”，反而激发了全球科技巨头的AI军备竞赛，加速了技术创新 [15] - 2025年四五月期间，算力的token调用量出现拐点向上的加速度，多模态和强化学习技术快速发展 [16] 飞轮正循环的具体表现 - 算力投入训练出更好的模型，更好的模型打开更多应用场景，应用产生收入和高质量数据，收入和数据再反哺算力投入，形成正反馈 [17] - 从海外科技龙头的中报看，AI带来了大幅的业绩上调，例如某全球企业级软件/数据库龙头接到4500亿美元的AI订单，其中OpenAI占3000亿美元 [28] - 某全球半导体芯片龙头在财报中预测，2030年全球AI投资将达到3万亿至4万亿美元，相比2025年约6000亿美元的投资增长数倍 [28] 投资策略与框架 - 投资聚焦于“真成长的好公司”，判断是真创新还是假创新，关注科技对社会效率的真实提升 [20] - 不过度集中单一赛道，通过反复比较挑选2-3个核心主线进行重点配置，例如明确算力为业绩增速最快板块后，重点配置光模块、PCB和服务器环节中全球领先的中国企业 [22][25] - 投资组合采用战略与战术结合，约三分之二仓位配置于高确定性的战略品种，三分之一配置于高弹性的战术品种 [24] - 超额收益需走在业绩兑现前面，根据企业未来3-5年的利润空间判断市值空间，而非进行景气度趋势投资 [23][24] 未来看好的方向 - 全球AI科技创新：模型军备竞赛加速，多模态和以数理编程Agent为代表的底层推理能力是明确发展方向 [27][28] - 硬科技中的自主可控：在复杂国际形势下，实现芯片产业链国产化至关重要，关注受益于全球AI创新和国产化率提升的公司 [29] - 港股科技：聚集了中国科技各领域的龙头企业，估值性价比高，当前股价尚未完全反映其中长期竞争优势和成长空间 [29] 汇添富科技团队优势 - 拥有得天独厚的海外研究资源，每年组织投研人员进行海外调研，特别是在硅谷进行长达一周的深度调研，覆盖半导体、云计算、自动驾驶等龙头公司 [6][7][36] - 研究架构采用研究大组模式，由基金经理和资深研究员担任组长，提高了研究成果的实战性和投研转化效率 [7][31] - 科技团队在过去三年逆势扩张一倍，形成由老将和中生代构成的稳定人才梯队，研究颗粒度细致，将AI产业链划分为“芯、云、端、网”四大环节并由专人跟踪 [8][32] - 团队成员分享机制完善，每周进行固定头脑风暴，基金经理也承担研究职责，深入一线 [33]

文章核心观点 - 价值投资成功的关键在于运用四个过滤器原则，特别是对管理层“德”与“才”的判断，以及投资者自身具备独立思考、情绪稳定和深刻理解人性与机构行为的气质，以把握风险收益不对称的机遇 [1][2][3][4] 价值投资四个过滤器 - 四个过滤器原则是价值投资的核心理论，旨在提高投资确定性，其中前两个过滤器涉及对好生意和护城河的判断，属于商业模式风险 [1][2] - 投资中真正的困难在于第三个过滤器，即对“德才兼备”管理层的准确判断，这涉及到代理人冲突的“德”和资本配置的“才” [2] - 第三个过滤器所论述的问题属于公司治理中偏艺术性的复杂问题，涉及人性层面的自私基因 [2] 投资者气质 - 巴菲特认为未来接班人需具备独特气质，即在无先例情况下能洞察罕见风险，这种气质比智商更重要 [3][4] - 所需气质的三种具体属性是：独立思考、情绪稳定、对人类和机构行为特征有透彻认知 [4] - 独立思考旨在防范社会认同的误判，避免盲目从众的仓鼠效应错误 [5] - 情绪稳定要求投资者在市场极端波动时保持冷静，避免追涨杀跌，但逆向操作需基于高确定性判断 [5] - 对人类和机构行为的透彻认知涉及理解资本市场中的“双重代理人”机制及其导致的共谋问题 [6][7] 公司治理与代理人冲突 - 公司治理存在三种结构：管理层即实控人（无代理人冲突）、有实控人但不在管理层、无实质控股股东（最常见） [8][9] - 在无实质控股股东的结构中，“机构惯性”现象严重，董事们本应代表缺席的实控人利益，但往往因缺乏正直或独立思考能力而行动不力 [9][10][11] - 巴菲特提出董事的三个必要条件是：生意精明、真正独立、凡事从股东角度出发，但大部分董事连一个条件都不具备 [11][12] - 企业选择董事的标准常基于才能或多样性，而非股东利益，导致错误难以纠正，形成“愉快的共谋” [13] 机构惯性现象 - “机构惯性”是一种强大的商业力量，导致机构拒绝对现行政策做实质性改变，盲目占用资金，无脑接受同行做法及领导者的愚蠢决策 [14][15] - 该现象使得理性的力量枯竭，即使体面的管理层也可能出现篡改数据、平庸却拿高薪等行为，而董事会因“和谐气氛”未能有效制约 [15][16] 管理层的德与才 - 管理层的“才”尤其体现在资本配置能力上，但许多高管因在营销、生产等特定领域出色而被晋升，缺乏资本配置技能 [17] - 若管理层10年内每年配置10%留存收益，则近60%净财富将受其影响，糟糕配置可能毁灭财富，且其失误易被好生意属性掩盖 [18] - 试图将资本配置责任转嫁下属或投行往往加重问题，董事沉默导致不明智行为发生 [19] - 巴菲特的策略是只与喜欢、信任、仰慕的人做生意，但需结合生意经济特征，无法与坏人做成好生意 [20] 双重代理人机制与风险 - 基于所有权与经营权分离，资本市场存在“双重代理人”机制，华尔街投行与企业高管共谋追求短期利益，如注重短线交易收取佣金 [21] - 对冲基金的“2/20”费率机制（2%固定年费加20%利润提成）造成风险收益非对称激励机制，导致羊群效应和幸存者偏差 [21] - 资金规模扩大易使投资业绩下滑，但经理人仍寻求新资金以增加管理费 [21] 价值投资理论演进 - 价值投资理论早期注重格雷厄姆的Net Net清算价值定量分析，后期巴菲特借鉴费雪理论，加入好生意属性和企业家精神定性分析 [22][23] - 理论框架一半科学一半艺术，格雷厄姆借鉴欧几里得几何学奠定科学基础，而巴菲特对气质的描述具有很强的艺术性 [23] - 四个过滤器理论（好生意、护城河、德才兼备管理层、内在价值）是逻辑严密的科学推演，但对气质的把控是艺术性的风险管控 [23][24]

案件判决结果 - 法院判决被告讯兔科技立即停止不正当竞争行为并删除下架侵权内容 [5] - 被告需赔偿原告经济损失400万元及合理开支10万元 [5] - 被告需在其网站和APP首页刊登声明以消除不良影响 [5] 侵权内容范围 - 侵权内容包括线上路演会议的回放音频、纪要全文及AI纪要摘要 [3][6] - 未经授权复制使用的内容需全部下架 [6] 法院对不正当竞争行为的认定 - 未经授权复制使用线上路演会议内容并提供给公众违反证券业商业道德 [7] - 被告行为扰乱市场竞争秩序并损害原告合法竞争利益 [9][10] - 利用AI人工智能工具不影响对竞争行为正当性的判断 [13] 行业合规性与商业道德 - 线上路演会议白名单机制是证券行业应遵守的商业道德 [7] - 公司严格遵守证券业合规性要求并对买方客户进行适当性管理 [9] - 第三方平台的形式遮掩修改不影响侵权实质判断 [14] 被告过错与侵权情节 - 被告明知内容需白名单管理却仍向公众开放属于过错明显 [16] - 侵权时间长短和会议场次是裁量情节严重程度的参考指标 [18] - 被告在诉讼后仍不停止行为进一步扩大损害后果 [19] 公司市场地位与行业呼吁 - 公司通过多年经营在证券业线上路演平台服务行业占有市场地位 [21] - 公司呼吁行业合作伙伴共同落实投资者适当性管理要求 [22] - 效率革命不应以牺牲证券业合规性为代价 [21]

文章核心观点 - 美联储降息启动全球流动性宽松周期，推动有色金属板块成为顺周期投资的核心赛道 [1][3] - 有色金属板块在降息前已因强劲的基本面逻辑（供给约束、低库存、需求增长）而显著上涨，中证有色金属指数自2025年4月7日低点上涨59.6% [1][3] - 宏观顺风、供需缺口和业绩兑现三力共振，使有色金属成为兼具贝塔弹性和阿尔法安全垫的硬资产 [6][7][17] 宏观顺风 - 美联储降息开启全球宽松周期，历史数据显示首次降息后6个月内金价平均涨幅达10.43%，最大涨幅达40.85% [8] - 国内“反内卷”政策加码，基建与制造业投资为铜、铝等工业金属需求提供安全垫 [9] 供需缺口 - 铜冶炼厂加工费下跌导致减产，而新能源车、风电光伏等领域持续拉动铜需求上行 [10] - 国内电解铝产能接近天花板，2024年及2025年净增产能仅37万吨和65万吨，相对于4500万吨总产能增长有限 [12] - 能源金属受出口管制和供给侧扰动影响，价格居高不下，库存处于近五年低位 [13][14] 业绩兑现 - 2025年上半年申万有色金属行业归母净利润956.36亿元，同比增长36.78%，一季度和二季度同比分别增长67.97%和18.71% [15] - 行业市盈率处于近十年37%分位，盈利增速与估值剪刀差显著 [15] - 2025年二季度有色主动公募持仓比例环比提升0.4个百分点，创一年内新高 [16] 中证有色金属指数与ETF - 中证有色金属指数（000819）覆盖50只成分股，工业金属占比过半，前十大重仓股（如紫金矿业、北方稀土等）合计权重48.11% [19] - 2025年上半年申万有色5个子行业均实现营收和归母净利润同比双增，其中能源金属归母净利润53.05亿元，同比大幅增长1389.34% [21][23] - 有色金属ETF（512400）及其联接基金（004432/004433）提供一键布局整条赛道的工具，有效分散个股风险 [4][24] 投资策略 - 场内可关注有色金属ETF（512400）进行T+0交易，场外可定投南方有色金属联接A（004432）或C（004433） [4] - 指数化投资有助于规避个股在矿山寿命、冶炼节奏等方面的不确定性，把握板块整体周期红利 [24]

投资理念与框架 - 投资理念基于未来高度不确定的世界观，核心是构建具有风险收益比的组合，以在判断正确时获得良好回报，判断错误时控制下行风险[11] - 投资目标是守住收益下限，寻找风险收益不对称的机会，使产品在不同市场环境下表现稳健，为客户提供明确的预期[12][13] - 投资结果在短期维度具有随机性，更注重决策过程和组合构建的正确性，以及对下限结果的控制[9] 可转债投资策略 - 转债择券核心理念是基于正股特征的风险收益比分析，将转债拆分为价格、溢价率、正股行业和公司基本面四个因素进行考量[3][9][20] - 转债仓位择时主要依据转债相较股票的赔率，在转债估值较低时增加风险暴露，高估时降低仓位，实现资产切换[17][18][30] - 偏好左侧投资转债，因其价格下限（约100元）和上限（140-150元）相较股票更易把握，能更好克服流动性问题并实现涨跌不对称性[9][22] - 高赔率机会通常出现在市场低迷或恐慌时，例如2024年四季度买入隐含波动率和估值均低的中小盘科技成长转债，后在市场修复中实现双击[3][24][25] - 转债组合的期望收益是转债赔率乘以正股胜率，赔率优势可提供容错空间，客观赔率的权重略高于主观胜率[9][20][21] 资产配置与组合管理 - 在含权资产配置上不做小择时，但会做大择时，根据市场中长期位置调整权益仓位，市场高位时逐步降仓以保持风险收益特征稳健[29][34] - 股票与转债配置以转债估值为锚，估值高时以股票为主，估值低时以转债为主，例如2021年初减股票加中小盘转债，2023年四季度重仓某银行转债[30][31][32] - 组合构建追求行业和风格均衡，股票偏好大盘价值龙头公司以控制波动，转债偏好中小盘科技成长公司以最大化不对称性，形成互补[35][36][37] - 纯债部分不做信用下沉，主要配置3A资质央企国企，久期调整频率低，不参与利率债交易博弈[39] 业绩表现与归因 - 中银产业债A过去一年收益率达9.31%，跑赢业绩比较基准6.95个百分点[2] - 中银产业债A过去五年同类排名前22%（49/225），中银转债增强A在2023年熊市同类排名前20%，2024年熊转牛同类排名前10%[14] - 超额收益主要来自含权资产，通过在高性价比时减股票加转债的操作，将部分股票收益让渡给转债，提升整体风险收益比[41]

文章核心观点 - 价值投资的核心策略之一是套利，其本质是价值投资者在洞悉风险与收益后，选择性把握风险收益不对称的投资机会[1] - 套利策略在巴菲特投资组合中曾占比高达30%，其与格雷厄姆定义的“特殊情况”本质相同，获利取决于上市公司特定事件的发展而非大盘涨跌[2][3][14] - 套利投资的关键在于通过公式量化预期收益与风险，并持续判断特定事件成功的概率，其特点是高度可预测性和风险可控性，年化收益率可达10%-20%[5][16] 格雷厄姆的“特殊情况”理论 - 格雷厄姆在1951年《证券分析》中首次定义“特殊情况”，指依赖上市公司特定事件进程、即使大盘不涨也能获利的投资机会[4] - 格雷厄姆将“特殊情况”分为七大类别，包括重组、并购、清算、诉讼等，并提供了量化预期收益的套利公式：预期收益率=[G×C - L×(1-C)] / (Y×P)，其中G为成功盈利、L为失败亏损、C为成功概率、Y为持有时间、P为当前股价[4][5][6] - 套利公式的核心在于对成功概率C的判断，投资者需根据事件进展不断更新概率估算，从而系统性评估风险收益比[5][8] 巴菲特合伙人公司的套利实践 - 巴菲特在1956年成立合伙人公司后将投资分为三类：一般类、套利类和控制类，其中套利类策略直接源于格雷厄姆的“特殊情况”理论[10][14] - 套利类投资的收益与市场相关性低，熊市中仍能稳定获利，且因可预测性强，巴菲特甚至允许对该策略适度使用杠杆以提升收益[14][16] - 控制类投资后期操作与“特殊情况”中的E类高度一致，即通过推动清算或资本重组释放公司内在价值，体现“企业死了比活着更值钱”的理念[12][18] 套利案例与风险分析 - 1988年巴菲特详细披露Aracat套利案例：伯克希尔以33.5美元买入股票，最终通过收购要约和红木森林索赔获得总计约4540万美元收益，年化收益率达15%[20][21][23][24] - 巴菲特提出套利需回答四个原则性问题：事件发生概率、资金锁定时间、竞争性收购可能性、以及意外事件导致计划失败的应对措施[20] - 套利风险与股价波动性无关，而取决于反垄断审查、政府审批、股东反对等具体事件因素，需逐案分析[25] 价值投资与华尔街的风险收益观对比 - 价值投资者以本金安全为核心定义风险，强调复利重要性，反对华尔街用股价波动性衡量风险的CAPM模型[26] - 价值投资者通过提升对生意的理解程度来提高投资成功概率，偏好简单、可理解的商业模式，而非依赖复杂概率模型[28][29] - 套利策略体现了价值投资者主动识别并把握风险收益不对称机会的能力，而非被动接受“高风险高收益”的市场共识[26]

A股市场表现与基金业绩 - 今年前八个月A股市场强势上行 公募权益类基金平均净值增长率超25% 95%以上产品实现正收益 超过30只基金实现净值翻倍 [1] - 上证指数于今年8月22日时隔10年重新站上3800点 上一次突破该点位是在2015年8月19日 [2] - 自2015年6月市场高点以来 行业结构、资金偏好和投资理念发生深刻变化 ETF成为市场焦点 引发对主动权益基金超额收益能力的讨论 [2] 绩优基金业绩表现 - 2015年6月至2025年9月期间 Top50绩优基金全部实现十年累计收益翻倍 其中22只基金净值增长超两倍 17只基金年化收益率超过15% [5][9] - 华商优势行业A以464.66%的区间净值增长率位居榜首 东吴移动互联A以423.71%的增长率位列第二 [4][10] - 自去年"9·24行情"以来 50只基金中有9只实现净值翻番 其中华商优势行业A期间回报达100.64% 东吴移动互联A达110.57% [9][10] 领先基金具体分析 - 华商优势行业A成立以来年化收益超23% 居同类第一 今年以来收益超85% 二季度重仓通信、电子和计算机行业 前三大重仓股为新易盛、中际旭创和紫金矿业 [12][13] - 东吴移动互联A由刘元海管理超9年 任职年化回报超20% 长期重仓电子行业 近期聚焦AI算力、汽车智能化及AI硬件 重仓股包括新易盛、沪电股份等 [18][19] - 华商新趋势优选由童立管理 区间净值增长率338.52% 专注投资符合国家战略的新兴行业 当前重仓国防军工、有色金属和电子 [14] 基金公司分布 - 华安基金与国投瑞银基金各有4只产品入选Top50 华安旗下包括胡宜斌管理的华安媒体互联网A、王斌管理的华安安信消费服务A等 [24] - 富国基金、景顺长城基金、大成基金、万家基金和交银施罗德基金各有3只产品入围 [25] - 易方达、博时、华商、工银瑞信等公司各有2只基金上榜 [25] 基金经理表现 - 谢治宇管理的兴全合润A年化回报超16% 为"双十基金经理" 去年9·24以来收益超58% [27] - 工银瑞信杜洋管理的工银战略转型主题A年化回报超13% 主打金融地产板块 [27] - 富国基金曹晋管理的富国中小盘精选A近十年收益率超435% 展现持续选股阿尔法能力 [22] 特殊产品表现 - 招商中证白酒A是榜单中唯一被动指数型基金 成立以来年化回报超12% 侯昊管理期间年化回报超10% [27] - 博时黄金ETF和易方达黄金ETF因国际金价上涨进入榜单 成立以来年化收益均超10% 规模均超200亿元 [28]

文章核心观点 - 文章通过加里·史蒂文森的职业生涯，揭示了金融交易行业的运作逻辑和结构性不平等问题 [4][5][7] - 个人在金融市场中成功的关键在于利用市场共识的错误，而非自身判断的绝对正确 [34][36][47] - 金融体系存在系统性偏袒，财富从普通家庭和政府流向少数富人，导致结构性危机 [40][41][63] 加里·史蒂文森的早期经历与进入金融业 - 加里出身伦敦东区贫民窟，凭借数学天赋进入伦敦政经学院 [11][13][14] - 通过参加花旗银行“交易游戏”获胜获得实习机会，游戏揭示了市场情绪可被操纵的特性 [15][17][19] - 2008年入职花旗银行短期利率交易部，成为伦敦最年轻的交易员 [4][21][23] 金融危机期间的交易业务与早期成功 - 2008年雷曼兄弟破产后银行间拆借停滞，外汇掉期成为唯一可行的借贷方式 [25] - 外汇掉期业务价差扩大，加里第一笔交易借出2.4亿瑞典克朗，三个月赚取70万美元利润 [26] - 2009年加里成为花旗首位第一年赚取1200万美元的交易员，获得39.5万英镑奖金 [28][29][31] 交易哲学与重大成功案例 - 交易盈利核心在于当所有人都错了时你是对的，价格严重偏离价值时预测正确者可暴富 [34] - 2011年加里逆市场共识操作，大举买入欧洲美元产品押注经济不会复苏 [38][42] - 日本“3·11”大地震后市场加息幻想破灭，加里一周进账数百万美元，当年为花旗赚3500万美元，个人获245万美元奖金 [44][46][47] 行业结构性问题的认识与离职 - 加里认识到经济不平等是结构性危机，财富不断从普通家庭和政府流向少数富人 [40][41] - 花旗东京办公室市场死气沉沉，加里决心离职但为争取约200万英镑奖金与公司抗争 [54][56][57] - 经过长期周旋于2014年正式离职，从金融游戏参与者转变为游戏规则的揭露者 [58][59][63] 离职后的转向与公众倡导 - 加里进入牛津大学攻读经济学硕士，系统研究财富流动与结构性不平等问题 [63] - 创办YouTube频道和撰写专栏，用直白语言解释经济机制与金融权力真相 [63] - 加入慈善组织，公开呼吁对富人征税和改革金融体系，为未被邀请进入游戏的人发声 [63][64][65]