研究与投资的方法论框架 - 时间是研究中最稀缺的资产，必须用于研究最重要的问题，即把握产业与企业的大方向，追求大问题、大方向、大概率上的正确 [3] - 研究需要在正确的路径上持续积累，建立科学的方法论并不断优化，其力量远胜于在错误方向上的努力 [4] - 分析重要问题应从四个逻辑维度展开：宏观逻辑、产业逻辑、业务逻辑与财务逻辑，形成一个相互验证的闭环 [5][6] - 研究需把握产业的本质、核心驱动要素与关键变化拐点，不同产业有显著不同的经济学与商业模式特征 [7][8] - 评估企业应从时间、空间与人三个维度出发，好的商业模式是时间的朋友而非规模的敌人，而企业家精神与公司治理是核心竞争力的源头 [9][10] - 研究过程包含归纳、演绎与实证三个环节，三者相互促进，通过实证将理解的确定性从60%提升到90%以上才能创造决策价值 [23][24][25] - 优秀研究员需具备求知欲、诚实与独立的个体特质，诚实要求客观面对自己与研究对象，独立则能形成可持续优化的个人思维体系 [26][27][28][29][30] - 研究员需经历约1万小时（约5年）的必要训练，资深者则需放下经验，以清零心态面对新变化，并从成功与错误案例中深刻学习 [31][32] 消费品行业分析 - 宏观与产业逻辑显示，中国消费品行业的人口红利与渠道渗透已基本结束，大单品增长时代告终 [11] - 未来机会在于存量市场的结构升级与品类创新，但创新对大型公司的边际贡献有限 [11] - 厂商与消费者的关系已从厂商导向转为消费者导向，建立高效互动的沟通模式至关重要 [12] - 互联网消除了信息不对称，产品力价值凸显，持续的产品创新、精准传播和与消费者良性互动变得更重要 [13] - 微观分析应关注老品类毛利率、新品类占比及边际利润、市场份额、客户数、客单价、复购率等指标 [13] 服务业分析 - 宏观逻辑上，在商品消费普及后，体验与服务消费占比将持续提升，符合人均GDP增长后的消费倾向 [14] - 产业逻辑上，服务业需满足消费者在功能、体验、情感与文化认同上的总效用，建立更好的体验与用户粘性 [14] - 分析服务业企业应关注：可产生交易的用户数、用户续单率（流失率）与ARPU值、获取新客户的边际成本与利润（如NPS值）、客户的学习成本与转换成本 [15][16] - 传统服务业增长接近线性，而具互联网属性的新兴服务业可能呈现指数级增长和赢者通吃的格局 [17] 制造业分析 - 宏观逻辑上，中国制造业的全产业综合配套能力全球竞争力强，工程师红利、庞大本土试验场及海外并购机会为升级提供有利条件 [18] - 产业逻辑上，传统制造业核心在于产品与流程的标准化、规模化以实现复制，如精益生产模式 [18] - 计算技术、大数据与云计算使得非标产品的个性化量产成为可能，虽难度大但成功后的壁垒更高 [19] - 业务与财务上，需关注规模扩张是否带来正的边际利润及利润率的提升，以及是否形成了可持续的成本优势、规模优势或品牌溢价 [19] TMT行业分析 - 宏观逻辑上，技术进步是长期增长关键动力，但技术进步速度可能超过总需求增速，加剧贫富分化 [20] - 产业逻辑上，技术领导者因“报酬递增原理”优势持续扩大，行业集中度迅速提高，中观研究尤为关键 [21] - 当前智能手机普及与流量红利基本结束，需等待下一条S曲线，大数据、云计算、下一代智能终端（AI、AR/VR）的发展逻辑将发生变化 [21] - 企业业务逻辑上，技术路径选择错误成本极高，需重视全产业链研究 [21] - 财务逻辑上，技术型企业收入、利润、现金流变化非线性，研发型企业先增研发费用后增收入，商业模式创新型企业先体现流量与用户增长 [22] 日常工作与时间管理 - 研究员应将70%-80%的时间花在重要问题、产业大方向及关键变化上，而非短期机会 [39] - 可通过常识与排他法快速筛选公司，例如长期趋势向下、团队在新领域无成功记录、低毛利率与人均收入却自称高科技的公司应排除 [40][41] - 深度研究少量公司（如5家）至90分，远比广泛覆盖多家公司（如20家）至70分更有价值，更能产生阿尔法 [42] - 应建立个人智慧圈，在每个重要课题上至少有3位行家里手作为朋友，以克服个人立场偏见 [33] - 需进行广泛且深度的阅读，构建并持续优化独属于自己的研究体系与方法论 [35][36] - 建议使用结构化的研究文档（如Excel）记录工作底稿，便于信息更新、讨论与复盘 [37] - 对于估值问题，深度基本面研究是判断未来自由现金流贴现价值的最可靠方法，市场波动会提供错误定价的买入机会 [46] - 新的研究灵感来源于对重要问题的持续研究、与产业界的交流以及前瞻性阅读，而非闭门造车 [48]