[BidClub_]
Shanghao Jin · · 113 min

Trade review

阿越真的很严格tifMarc V. DennisMichael ChenCloud Zhu

EquitiesSemisAI & SoftwareInvestingMacro
X Space ↗
TL;DR
  • 这次复盘的核心错误,是知道流动性会收紧,却高估了 AI 资产抵抗资金冲击的能力。 金老师承认,八月低位买入的仓位仍然亏损,“打我们脸这个事情你肯定得认”。他没有撤回产业判断:接触 CSP、模型厂及亲自使用 AI 后,他看到真实需求与投入意愿仍强,错的是把这种强度推导成了股价的防御能力。
  • 他认为,当前最危险的拥挤交易,是做多高估值防御股、同时做空半导体。 他以沃尔玛约4%—5%的增长、约45倍 PE,以及 Costco 约10%的增长、接近50倍 PE,对比被压低估值的 AI 半导体。三至六个月 momentum 策略可能继续卖出科技股至明年一月至三月,但他对防御股多头的判断非常坚决:“一定会出问题。”
  • AI 投资能否兑现,关键是 ARR 能否追上 CapEx,而不是把某几个月的增长率直线外推。 金老师认为,市场先把每月20%—60%的 adoption 增长推算成收入很快覆盖投入,随后又把增速放缓理解为永远无法覆盖;两种推算都忽略了 workflow 跑通后收入“一个台阶,一个台阶”上升。部分项目从2028年延至2029年,在他看来更可能拉长周期,而非证明需求消失。
  • 他用两条方向相反的算力远期曲线,解释为什么当前愿意买股票而不愿意追空。 CSP 真金白银预订 GPU、产能形成的曲线向上,股票市场却在交易未来需求不足、算力过剩。若相信过剩,他认为更一致的交易是卖出价格较高的远期算力;在两条曲线已明显背离时继续做空股票,“风险很大”。
  • 重新买回 Intel 是对价格和业务变化的下注,不是对十二月大反弹的保证。 金老师在财报前受“封装良率是零”的传闻影响卖出,现称该消息是假的,前一晚已大幅买回但尚未恢复全部仓位。他看重 agent workflow 对 CPU 的需求、良率改善带来的毛利提升,以及融资和外部客户约束的变化,同时明确不知道股价会不会再创新低。
  • 存储可能参与第一轮反弹,但他不把 DRAM 当作最好的长期产业表达。 他的疑虑包括渠道库存、LTA 补货压力、HBM 与 DRAM 的利润关系,以及行业更依赖商品涨价而非持续产品改进;对 MU,他仅表示相对三星、海力士稍好一些。NAND 的较长周期判断来自 agent workflow 对 CPU 和存储的需求,但他强调,未来几个月的价格行动仍主要受同一批拥挤仓位支配。
  • 流动性的潜在转折有条件,Fed 很快大规模救场并非他的基准判断。 他预计关税通胀影响逐步减退,十二月可能加息、三月最多再加一次;若油价不再上涨,日本和欧洲可能比美联储更愿意管理长端利率。他强调真正放大冲击的是利率变化的速度、波动率和保证金需求,而非“加息就跌”,估值压缩仍可能持续一段时间。
  • 认可 AI 大周期,并不等于认可所有应用、New Cloud 或中国 AI 仓位。 金老师认为模型厂可能直接吞掉应用利润,New Cloud 的竞争力则可能随着供货由信用转向预付款而向大型 CSP 倾斜。对中国模型和相关股票,他给出“不买”的个人答案,理由涉及训练算力、合规和政策不确定性;这与他承认相关资产可能反弹并不冲突。
Digest · the substance, structured for research

1. 八月抄底失利,错在把需求强推成了股价强

  • 金老师把这场讨论定位为交易复盘:他曾在七月底、八月低位比较坚决地买入,持有至今仍出现明显亏损。他不回避结果,“资本市场上肯定打我们脸”,至少短期判断犯了错,需要区分这是暂时偏离,还是更长周期的基本面问题。
  • 他原本从五、六月就判断长端利率会趋势性走高,不论是否加息,都将压低估值。后来转向看多 AI,并非改判流动性宽松,而是认为新兴生产力可以承受更高利率,像“癌症一样把流动性吸走”,挤压只有3%—5%增长的传统行业。
  • 改变他的,是五月至八月接触头部 CSP、模型厂及自己的使用经验:现实端反馈是供给紧、投入坚决;资本市场却被投资规模吓住,更愿意给传统行业资金。他说,如果没有这些接触,自己很可能仍会延续原来的空头判断。
  • 对市场情绪,他限定了观察范围:身边的 hedge fund 几乎没有看多者,资产管理人对科技股的悲观,在他的感受中甚至超过2008年。但他也承认,持不同意见、仓位高或带杠杆的人,可能已经被淘汰出局。

2. 流动性释放需要财政与货币两端共同转动

  • 金老师的框架是,财政端敢于借钱,还要配合货币端购买、贴现或释放资产负债表空间,流动性的“双向飞轮”才转得起来。他把 QE、日本 YCC、欧洲在2022年回购国债及联储贴现窗口,放在这个框架下理解。
  • SLR 在他看来也是加杠杆:不一定由联储直接买资产,可以让 private sector 的 balance sheet 承接。他回顾此前判断大泡沫时,依据之一就是这类安排可能释放银行体系约四五万亿美元的空间;现在暂时看不到同等规模的新增来源。
  • 他不认为财政部调整长短债发行比例、减少长债或回购长债,就足以替代货币端配合。油价推高通胀约束,令双向飞轮难以启动;结论是进入偏紧周期,而非所有资产必然大跌。

3. 防御股的高估值,才是他反复强调的泡沫

  • 金老师拿沃尔玛作对照:增长约4%—5%,他认为明年很难超过5%,PE 却约45倍;Costco 约10%的增长,也接近50倍 PE。与此同时,利率约4%—4.5%,市场还预期继续加息,这种增长与估值的组合令他极不认同。
  • 他的反差是,部分 AI 半导体标的可能增长70%,估值却只有“大概十倍 PE”。他认为本轮资金分配与自己理解的产业革命经验相反:新技术获得更少资金,低增长传统行业反而得到更高估值。
  • 对 JNJ、Pfizer 等药厂,他质疑市场逻辑自相矛盾:这些公司的 pipeline 明年、后年都不会有5%的增长,市场却可能因为相信 AI 而给药厂后年50%的增长预期;与此同时,看到 AI 时却给它后年负增长的预期。
  • 他还给出反向检验:当前全球实际增长约3.5%,并引用高盛、Morgan Stanley 对明年约3.3%—3.4%的预期。若支撑增长的 AI 投资真崩了,传统消费和防御股凭什么保住高倍数?因此,他对这批拥挤多头的判断是“一定会出问题”,只是没有给出时间。

4. 三至六个月的 momentum,把半导体多头逐步翻成空头

  • 金老师把仓位变化看得比单条新闻更重要。越来越多资金要求做 Alpha,通过 long 涨得好的股票、short 跌得差的股票运行;他认为过去三十年市场表现中,momentum 的贡献很大,而这种策略近年的规模继续扩大。
  • 七月半导体涨幅和仓位都过于集中,量化仓位出现冲击;八月接盘时,他原以为估值足够低,momentum 也会恢复。但调整持续太久,三个月、六个月回看窗口逐渐把半导体从多头名单移出,甚至转成空头。
  • 他用 S&P 中“做多涨幅最高的百分之五”“做空跌幅最大的百分之五”说明机械性:三个月策略已经做空,六个月策略可能还在平仓,之后还要从多转空。按七月开始调整的时钟,这股压力可能延续至明年一月至三月。
  • “估值本身没错,是算出来的,但是资金面不是算出来的。”他的警告有两面:低估值不保证立刻反弹;但当空头集中在半导体、多头集中在防御股时,反向挤仓也会非常危险。他用“百分之一万”强调自己对后者最终出问题的确信。

5. AI 的需求没有消失,部署中的短板却会不断变化

  • 金老师看到四大 CSP 高管的危机意识很强:担心赖以生存的业务模式被替代,因此投入“no hesitation”。他承认电力、人员、审批、政治因素和地域选择都会增加瓶颈,但没有因此观察到全球投入决心改变。
  • 他接受部分降温逻辑:CapEx 增速可能出现拐点,多种瓶颈也会改变不同半导体环节的收益。但他把这些归为 deployment 的曲折,反对直接推导成需求不存在,“当年弄电,拉电线都有曲折,然后拉铁路也有曲折”。
  • 对把需求封顶在 coding、约三千亿美元的说法,他用了最鲜明的比喻:这像铁刚出现就说铁只能造桥,伦敦几条河上的桥造完便没有需求。未来哪些 workflow 能跑通、需要多少 token,他的答案是“没有人知道的”。

6. ARR 是阶梯,CapEx 是另一条需要等待交汇的曲线

  • 金老师反对用“今年 ARR 必须到一万亿美元”来直接检验过去两万亿美元投入的合理性,也不接受仅凭卡只能使用三年的说法,就断言投入无法兑现。他认为基础设施先建设、经济效益随后发生,真正的问题是收入与投入两条曲线会不会相交。
  • 三、四月部分 AI 业务出现每月10%—20%的增长,有一个月可能达到60%;市场便外推到明年年底能追上投入。他说自己当时就不相信这种斜率能永远持续;如今增长变平,市场又反过来定价两条线永远不相交,仍是同一种外推错误。
  • 他的收入模型是“一个台阶,一个台阶”:workflow 跑通时增长非常快,之后需要等待下一个流程跑通。华尔街习惯用 SaaS 的 month-on-month 平滑增长套 AI,却忽略供给算力也不足以支撑无休止的直线上升。
  • 对 CapEx,他仍描述为向上的曲线,只是增速可能放缓。部分原定2028年的项目因审批、换州或移至东南亚延到2029年,在他看来会让周期更长;他不相信一个工业革命级周期,会在真正大规模 CapEx 仅两年后就结束。

7. 算力实物订单与股票,是两条方向相反的远期曲线

  • 金老师把 CSP 订 GPU、GPU 厂商再向上游订产能的真金白银,视为算力的实际远期曲线,形状是向上的 contango;股票市场交易出来的半导体远期预期,却指向需求不足、库存和过剩,两者已明显背离。
  • 他借外汇实际远期与 NDF 的差异解释:可以认定实物端错了,继续下注金融市场那条线,但当价差已经很大,做空更低的一条、或做多更高的一条,都意味着承担更大风险。
  • 如果坚信算力会过剩,他认为可以把手中算力按今天甚至更高的远期价格卖出去;若未来供给铺开、价格下跌,这笔交易便兑现。相反,股票已经定价需求不足,他选择买股票,让后续实际数据不断检验这项预期,并称之为“carry trade”。

8. 一季度的通胀与油价,决定流动性改善的条件

  • 金老师把通胀影响拆成 AI build out、关税和能源,认为其中 AI 建设影响最小、关税影响最大,而关税影响正在淡去。他强烈认为明年一季度通胀“不会太差”,届时更多需要盯住能源价格与 AI 建设。
  • 利率路径上,他判断十二月会加息,三月“最多再加一次”;若一季度数据稳定,四、五月继续加息,他觉得“不太会”。这是他对路径的预测,并非认为眼下已经具备宽松条件。
  • 更重要的条件是油价不再继续上涨:无论靠协议、僵持还是默认共识。一旦成立,他认为美联储未必愿意管理长端,日本和欧洲却“很有可能会管”,因此流动性边际变化不能只盯 Fed。
  • 他把明年一月至三月视为可能仍较紧张的阶段,也认为当前已交易了不少悲观预期。但“到了冰点”不等于立即放水,他反复否认自己在等待年初那样规模的流动性释放。

9. 买回 Intel,是接受价格而非保证反弹时点

  • 金老师披露,财报前曾比较坚决地卖出 Intel,受到“封装良率是零”的消息影响;消息来自他认为可靠的人,他担心财报后市场炒作。现在他明确称那是假消息,前一晚已买回很多,但没有全部恢复。
  • 他并未把买入解释成十二月必有大反弹:整体流动性还不友好,momentum 调整可能拖至明年一月至三月。但他认为当前价格已经足够 attractive,愿意承担时间上的不确定性,而不是非要等看见反转才持有。
  • 他把未知说得很清楚:未来会不会跌穿现在、会不会找到更低买点,都“不知道”。他希望同时保留对市场不确定性的尊重,以及对自己认定的产业革命确定性的尊重,这两件事在他看来并不矛盾。

10. NVIDIA 的利润会被重新分配,但长期压力不等于两年内兑现

  • Speaker 2 以 Jensen 离任为前提,问 CSP 自研 ASIC、芯片设计和 CPO 是否会拿走半导体利润。金老师同意 NVIDIA 相对 ASIC 的 margin 长期可能下降,但不认为会立刻发生在今年或明年。
  • 他解释 NVIDIA 能拿到70% 以上的 margin,靠的是 performance per watt 快速改善,以及为供应链承担风险、花钱推动 risk production 和架构更新。高利润不只是短缺租金,也对应持续推出新产品和提前承担成本。
  • 对未来两年,他的前提是各方 honor 原有协议:供货与很多安排已经锁定,因此 margin 不容易立刻改变。但他也承认 Jensen、台积电和供货关系存在很多变数,“具体会发生什么事情我也不知道”。

11. New Cloud 的关键,是供货信用会不会变成预付款

  • 对 New Cloud,金老师给出很强的条件判断:“只要 Jensen 在,New Cloud 就没问题。”他的比喻是 NVIDIA GPU 像“印钞机”,只要拿得到分货,就可以开展业务;这并不代表他认为每一家小公司都不会失败。
  • 他真正担心的是交易条款改变:台积电能要求预付款,NVIDIA 也可能要求。大型 CSP 有现金,小型 New Cloud 未必付得起;原先依靠 on credit 快速转动的链条,一旦每一端都要求现金,业务就会向有钱的公司倾斜。
  • 他认为小型 New Cloud 倒下几个并不意外,Microsoft 等大型 CSP 可以接走需求,技术 stack 也已能兼容不同架构。因此,个别融资主体出问题,与整个算力需求被证伪,是他刻意分开的两件事。

12. 应用会出现,但模型厂也可能直接吃掉应用利润

  • 当 Speaker 2 主张 AI 下半场可能由应用接棒、因此不必继续买基建时,金老师追问:“他投哪个应用啊?”他反对直接照搬互联网和 SaaS 的历史路径,因为最终应用形态与利润归属都还不清楚。
  • 他以 Cursor 为例表达对模型厂的警惕:按他的描述,Cursor 曾替模型厂承担约50%—60%的 distribution,随后模型厂利用后续能力自己做 coding,挤压应用。他把这视为模型提供者可能直接吞掉优质生意的案例,而非默认应用层一定获益。
  • 对把模型用于高频、量化交易,他同样追问:为什么确信模型厂拿到数据后不会自己进入?盈利能力越好的业务,越可能成为目标。所以他承认应用存在巨大机会,却不接受“应用出来,投应用就行”这条过于省略的推论。
  • 金老师还说,讨论中的 AI 业务已经有正的 ARR,甚至正的 operating income;在他的逻辑里,只要现金流能打平、接单后能继续投资,就不必要求马上赚取很大利润。市场要求收入曲线迅速拉起,是另一套更苛刻的检验。

13. Intel 的顺风,来自 CPU 需求、良率和融资约束的变化

  • 对养老金诉讼,金老师认为跌成这样被告并不稀奇,暂不改变投资主线;他的保留条件是,不要涉及他提到的陈立武相关 deal。面对 AMD、NVIDIA 和 CSP 自研 CPU 的竞争问题,他更重视整个需求市场正在扩大。
  • 他认为 agent workflow 会让 CPU 慢慢变得与 GPU 一样重要,过去“只有 training 的 GPU 重要”的定价有误。高端供给又与良率挂钩,他用“128-die”与“64-die”说明:良率提高,不只增加产出,还能增加高毛利产品占比。
  • 他回顾2023、2024年的 Intel:必须投 EUV,否则 CPU 工艺追不上;依赖台积电,又难以和 AMD 竞争,结果陷入重投资、缺钱和需要外部客户的困境。现在,他认为融资后资金够用,缺货周期也改善客户问题,业务已不同于此前40块钱、国家注资时。
  • PC 端疲弱,他拆成中国收入占比较高、切线不如 AMD 快,以及更保守的预期。他认为后者可能有政治因素,也可能受台积电份额影响;存储涨价造成的 PC slowdown 则是真实的,但他把这些视为局部问题,而非原先的“心腹大患”。

14. DRAM 更像商品,HBM 短缺不足以支撑单点神话

  • 金老师不再结构性看多 memory,尤其不喜欢 DRAM。他认为七月市场把 HBM 当作唯一短板,但所有人都在优化 workflow、填平短板;当其他环节也成为瓶颈,原先那一个短板所能独占的收益便会下降。
  • 他质疑 HBM 与 DRAM 的利润关系:按他的理解,三星、海力士的大部分利润仍来自 DRAM,HBM 相对 DRAM 的 premium 没有大到足以证明其独立稀缺价值。厂商称 HBM 良率低、消耗更多 DRAM,他仍不确定这些材料究竟被消耗,还是进入库存。
  • 他援引自己认识的深圳等地供应商:DRAM、NAND 囤货很多,部分库存正在亏损;分销商既要决定是否折价清仓,又可能必须按 LTA 继续采购。他认为这与六、七月价格上涨、库存持有人赚钱的局面已经不同。
  • 他另提到海力士低价出售存储、换取 NVIDIA GPU 的安排,并承认不知道具体如何运转;也对相关掌舵者约8%的持股及其与 SK Telecom 的利益取舍存疑。相比三星、海力士,他对 MU 只是“稍微”更乐观,核心仍是把存储看成更接近石油的 commodity 生意。

15. NAND 的较长周期判断,不等于近期股价能够独立上涨

  • 金老师认为 NAND 可能比 DRAM 拥有更长的周期,理由是 agentic workflow 的需求更倾向 CPU 和 NAND;HBM 则位于 rack 内,需求更受机架配置约束。他特别限定,这是自己的产业判断,而非已经得到市场验证的确定路径。
  • 对首轮反弹,他不区分存储、光通信或其他半导体:现在同一批仓位做空整个板块,若 short squeeze 发生,资金会一起卖防御、回补科技。因此,即使不喜欢 DRAM 的长期结构,也认为它可能参加第一轮反弹。
  • 他对时间保留弹性:可以现在、一个月后或其他时候发生。只有 momentum 仓位清理后,投资者才可能重新研究子行业;也许到明年、甚至明年年中,memory 才会与 AMD、光通信等出现更明显分化。对未来几个月,他的判断是价格走势会高度相关。

16. 模型垄断与 IPO 的担忧,最终落到开源的算力依赖

  • Speaker 4 引述 Stan 对2027年下半年的悲观看法,并猜测某模型厂 IPO 可能是“historically short”:市场约500亿美元资金无法全部承接,首日员工出售所得却可能流回其他 AI 股票,因此他又看好“明天”AI trade 的反弹。这是提问者提出的交易猜测。
  • 金老师主要回应模型竞争,而未据此给出 IPO 交易结论。他明确说不喜欢中国模型,认为若美国认真限制 compute power,中国模型将很难继续成长;他区分华为卡做 inference 与 training,并对后者作出必须依赖 NVIDIA 的强判断。
  • 对蒸馏,他依据自己的使用经历声称,Anthropic、OpenAI 已在 conversation log 上隐藏或伪造过程:“结果是对,但是它的过程是给你假的。”他据此推断,模型厂会防止别人从任务分解和推理记录中学习,而不是无限开放可复制路径。
  • 他把开源支持者的利益与两家模型厂分开:Microsoft、Amazon 等 CSP 有动力支持 open source model,而闭源实验室站在另一边。未来开源能否持续推进,在他的框架里不仅是技术问题,也取决于算力供给与平台利益。

17. 中国宏观压力的主线,是债务背后资产减损

  • 金老师对中国经济给出的解释,是长期债务对应的资产发生减损,而问题没有解决。他预计明年可能进入比较严重的通缩周期;AI 并没有像在韩国那样,为中国整体经济提供同等规模的收益。
  • 他强调 AI 的影响并不均匀:少数相关企业改善,存储涨价却可能让广东大量电子产品企业更难经营,再叠加房地产问题。“易中天”等光模块公司的体量,在他看来不足以代表或扭转整个经济。
  • 对高层是否犹豫投入高科技,他特别限定为“听说有一种说法,不一定对”:讨论可能涉及收益最终归谁、对治理稳定有什么影响。这是他提出的政策不确定性来源,不是他已经确认的政策结论。
  • 当 Speaker 2 把他的意思概括为“中国经济不管 AI 发不发展都不看好”时,金老师立即纠正:“我没讲过这话。”这处纠正不能省略:他谈了具体阻力和通缩预期,却拒绝接受对方扩写成的全面判断。

18. 对中国 AI 仓位,他的个人答案是“不买”

  • 当问题落到智谱、“易中天”等具体仓位,金老师回答:“我不会买,period。”他承认可能有反弹,但认为高科技投入态度、美国限制及中国自身监管带来太多变数;包括境外建厂,也未必总能得到政策支持。
  • 他以原文所称“AOI”作价格比较:公司通过 ATM 直接向市场卖股,为备货和 CapEx 融资,希望明年十二月达到4.7亿 run rate;按他的估计,明年 PE 可能约7倍。其用意是说明,中国同类资产未必便宜很多,却叠加了额外政策风险。
  • 对模型算力,他担心 NVIDIA 更加合规后,会采取过去没有采取的限制措施。他认为 Jensen 过去对某些流向睁一只眼闭一只眼,也没有使用远程关闭等手段;这些是他对未来合规变化的风险判断,并非已经发生的行动清单。

19. 利差冲击会定向打到要钱的人,而非让所有股票一起跌

  • Speaker 5 的反驳值得保留:如果只是绝对流动性变差,为什么价值股能涨到天上、科技股跌到地上,long-short 是否才是根源?金老师认可这一点,并补充流动性收紧会放大原有仓位方向和对重投入行业的担心。
  • 他描述的传导是 interest rate move,进入 credit spread、sovereign credit spread,再影响 New Cloud 融资,最后折射回 AI CapEx 和相关股票。因此,债市冲击在股市上可能呈现“靶向”效果,而非所有行业均匀下跌。
  • 他不认为整个融资市场绝对无力承担 AI 投资,口头估计 private loan 等市场约18万亿美元,消化明年几千亿美元并非不可能。问题在需求难预测:借款人融完又融,会让 debt holder 不放心,流动性少时,持续要钱的人更容易被惩罚。
  • 对用 SOFR、HYG 等数据看不出严重紧张的疑问,他建议看 GS Financial Conditions Index,简称 GSFCI,综合利率、股票、外汇等。他承认最近 credit 流动性略有改善,但认为九月底、十月 high yield 上升时就该更果断退出,自己当时“觉得不妥,但是没怎么动”。

20. 主权信用与能源波动,把冲击传进整个衍生品体系

  • 金老师用法国债从约80个基点走到150个基点举例,变化约70个基点,最高时可能达到100个。他的推演是,主权风险会直接抬升 BNP 等金融机构的 funding rate,并传到 SocGen 的 CDS,而非停留在国债市场内部。
  • 银行间交易再把冲击放大:Goldman 与 SocGen 做交易,CVA charge 上升会进入交易价格,interest rate swap 等头寸也受影响。加上庞大的利率衍生品市场,vol 上升意味着更多 collateral 和保证金需求,流动性会被迅速消耗。
  • 他对本轮波动的个人解释是,市场无法假设 Fed 会控制长端,又需要一个通胀定价锚,于是将利率连接到油价、能源价格;能源波动更大,等于把 volatility 从能源市场导入利率市场。这不是把全部责任归给 Fed。
  • 他回顾十月曾写“Strong wind looking ahead”,却低估了后来像 hurricane 一样的冲击。他修正的不是 AI 能力判断,而是 AI 资产的防御能力:“会超过其他行业”,这一点自己错了,市场选择了另一种定价。

21. Fed 很快救场不是基准,银行监管也存在额外阻力

  • Speaker 4 用“沃什 core”形容政策制定者站在旁边、让市场自行收紧,并认为只要银行不出问题就不会行动。金老师认为 forward curve 已反映不少这类预期,也直说不期待 Fed 很快出手,multiple compression “会持续一段时间”。
  • 他反对“加息就跌”:过去缓慢加息、喊 higher for longer 时,股票也能上涨,包括2024年的经验。疫情后那轮不同之处是速度快,带来利率波动率上升;在他的框架里,需要特别警惕的是利率快速移动,而不只是利率水平。
  • 被问到 XLF、KIE 开始下跌,他也不把银行当避风港。他把 Elizabeth Warren 在 Senate Banking Committee 的影响视为监管风险,同时保留区别:Senate 不能直接阻止 Fed 放松监管,但每一次放松监管,可能面对更严厉的质询。
  • 对是否能靠银行监管放松抵消紧缩,他没有完全否定,却不期待迅速释放巨量流动性。他最后仍把矛盾落在估值压缩的分配:科技股被压低,沃尔玛、药厂等拥挤多头却没有同等承受,他认为这种局面终将出问题,时点仍然未知。
Full transcript