W讀Podcast｜你的投資組合裡，5% 的決策貢獻了多少報酬？從創投思維看價值投資

TL;DR

Power Law（冪次法則）不只存在於創投，價值投資的報酬分布一樣極度不均勻。Kyle Grieve 自己 40 筆投資中，只有 2 筆貢獻了 45% 的總報酬
創投的「部分去風險化」框架可以直接搬到公開市場。Buffett 2016 年才買 Apple，等的就是技術風險、產品風險、通路風險全部消退之後的甜蜜點
價值投資人最大的盲點是「錨定買入價」，當一家好公司持續成長，你可能永遠等不到當初的價格再出現
創投用 MOIC（投入資本倍數）衡量績效，價值投資人用 multi-bagger，本質上是同一件事。重點是追求不對稱的報酬結構
「長期視野套利」（Long Horizon Arbitrage）是散戶最大的結構性優勢：你不需要跟法人比速度，你只需要比他們更有耐心
Moore's Law 和 Metcalf's Law 是理解科技股護城河的兩把鑰匙，網路效應一旦建立，後來者幾乎不可能追上
Kill Criteria（終止準則）能幫你在一開始就設定好「什麼情況下該賣」，避免事後才在情緒裡做決策

這集在 2026 年 3 月 22 日播出的 We Study Billionaires（TIP）是 The Investor's Podcast Network 旗下的旗艦節目，累積超過 1.9 億次下載，算是英文世界裡價值投資社群的指標性 podcast。主持人群包括 Stig Brodersen、Preston Pysh、William Green、Clay Finck 和 Kyle Grieve。這集是 Kyle Grieve 的獨白集，沒有來賓。Kyle 是一個從 2017 年開始投資、2020 年轉向價值投資的散戶投資人，同時管理自己的家族投資組合。他的 Twitter 帳號 @IrrationalMrkts 有超過一萬五千追蹤者。老實說，他的背景不是什麼華爾街金童，就是一個認真研究、持續學習的一般投資人，反而讓他分享的東西更接地氣。

冪次法則：你的報酬分布長什麼樣？

如果讓你想像「100 筆投資的報酬分布圖」，大部分人腦中浮現的是一個漂亮的鐘形曲線，大部分集中在平均值附近，兩端各有一些贏家和輸家。

但真實世界不是這樣運作的。

Kyle 在這集開頭就丟出一個數據：有一家叫 Horsley Bridge 的投資公司，從 1985 年到 2014 年間投資了超過 7,000 家新創。結果呢？60% 的報酬來自僅僅 5% 的資金部署。這個數據來自 Sebastian Mallaby 的書《The Power Law》。對比一下，2018 年 S&P 500 前 5% 表現最好的子產業只貢獻了 9% 的報酬。差距是巨大的。

這就是 Power Law（冪次法則）的核心概念：極少數的贏家，扛起絕大多數的報酬。

Kyle 接著攤開自己的帳本。他投資股票大約六年，做了大約 40 筆投資，結果只有 2 筆貢獻了 45% 的總報酬。只有 5% 的決策在真正創造價值。

聽起來命中率很低？但這正是重點。

賣太早的代價：Micron 的 9 倍教訓

講到 Power Law，Kyle 分享了一個讓他痛到現在的故事。他在大約 45 美元買進 Micron，持有兩年多，在 53 美元左右賣掉，報酬率大概 9%。

然後他說了一句：「我今天查了一下股價，雖然我盡量避免這樣做，因為太痛了。Micron 現在 420 美元。」

9 倍。如果他沒賣的話。

這不是一個「早知道」的故事。每個投資人都有類似的遺憾。但 Kyle 從這裡提煉出一個很實用的框架：他現在的策略是，只要一家公司持續改善、現金流持續增長，他就不賣，除非價格進入明顯的泡沫區間。

他目前投資組合裡報酬最高的兩個持倉，都還在他手上，而且他相信它們的現金流在未來幾年還會繼續成長。

我覺得這個思維轉換是整集最值得記住的一課。散戶最常犯的錯，不是買錯股票，是把對的股票賣太早。

去風險化：Buffett 為什麼 2016 年才買 Apple？

創投有一個核心概念叫「de-risking」（去風險化），意思是在投入大量資金之前，先確認關鍵風險已經被排除。

Kyle 用了一個很經典的例子：Don Valentine（Sequoia 的創辦人）在 1974 年投資 Atari。Valentine 去了 Atari 總部，覺得那裡比較像一個社團活動室，回來之後不太買帳。他的態度是：除非 Atari 的風險降低到一定程度，否則他不會再加碼。

不要賭身家，請使用閒錢投資。

然後 Kyle 把這個概念拉到 Buffett 買 Apple 的故事上。Apple 1976 年成立，iPod 2001 年、iPhone 2007 年、App Store 2008 年。但 Buffett 直到 2016 年才開始買。為什麼？

因為到了 2016 年，Apple 的技術風險消失了，產品風險消失了，通路風險也解決了。剩下的問題只有兩個：這家公司的護城河夠不夠持久？現在的價格夠不夠便宜？

Buffett 用大約 10 倍本益比買進。就算現金流不以歷史速度成長，他對終端價值的判斷依然很有信心。這就是為什麼這筆投資對 Berkshire 股東來說如此成功。

我自己在看投資標的的時候，也越來越傾向這種思路。你不需要在最早期進場才能賺到錢。等關鍵風險消退、商業模式被驗證之後再進場，報酬倍數可能不會像創投那樣 100 倍，但你承擔的風險也大幅降低。

Kyle 整理了四個主要的風險來源：

買太貴：如果市場重新定價，砍掉 50% 的估值倍數，你就虧一半
現金流風險：成長放緩、停滯、甚至轉負。市場有預期，低於預期就會被修正
槓桿：公司如果還不了債，股東基本上血本無歸
競爭：沒有競爭優勢的公司，市佔率遲早被吃掉

這四個風險你都可以持續追蹤。當某個風險從「很高」變成「可控」的時候，就是一個值得考慮進場的訊號。

Moore's Law 和 Metcalf's Law：兩個塑造科技股的底層定律

這段我覺得對科技股投資人特別有參考價值。

Moore's Law（摩爾定律）大家可能都聽過：積體電路上的電晶體數量大約每兩年翻一倍。Kyle 的觀點是，這個定律的精神可以推廣到所有技術領域。當一項技術越來越成熟，成本就會持續下降。LCD 電視剛出來的時候要四五千美元，現在幾百塊就有了。

Metcalf's Law（梅特卡夫定律）可能比較少人熟悉，但對投資更有用。Robert Metcalf 是 Ethernet（乙太網路）的發明人，他發現網路的價值大約跟使用者數量的平方成正比。一台電腦連上網路沒什麼價值，兩台有一個連接，三台有三個連接，十台就有 45 個可能的連接。

Amazon、Meta、Google 都是 Metcalf's Law 的超級受益者。一旦網路效應建立起來，你要取代它幾乎不可能。Meta 有 30 億月活用戶，你要從零開始挑戰它？基本上做不到。

這也是為什麼有些看起來「估值很高」的平台公司，其實比你想像的便宜。因為它們的護城河是指數級的，不是線性的。

向上加碼：價值投資人最難跨過的心理門檻

這段我覺得是整集最反直覺、但也最有價值的部分。

傳統價值投資的邏輯是：我 20 塊買的，漲到 40 塊我就開心，但絕對不會再加碼。「我怎麼可能用 40 塊買我 20 塊就買到的東西？」

Kyle 承認他以前也這樣想。但這個想法讓他錯過了在真正好的公司上加碼的機會。

他引用了一段他在 Millennial Investing Podcast 第一集訪問 Paul Andriola 的對話。Paul 講了一個 Bowflex（後來改名 Nautilus）的故事：他在 1 美元左右買進，一年半漲到 10 倍，他覺得自己是天才就開始賣。結果這檔股票後來（加上分割）漲到 250 到 300 美元。

Paul 的結論是：「我最大的錯誤從來不是買了一檔然後下跌的股票，那很正常。我最大的錯誤永遠是，我手上有一檔持續成長的股票，然後我因為它漲了就把它賣掉。」

Kyle 現在的做法是：不要錨定在買入價格上。如果你判斷一家公司能持續複合成長，那你很可能永遠買不到當初的價格了。你應該關注的是：這家公司是不是持續在變好？現在的估值倍數是多少？

他舉了一個具體例子。假設你用 15 倍本益比買了一家好公司，它的盈餘用 26% 的速度複合成長三年，盈餘翻倍。然後市場開始注意到，本益比被拉到 30 甚至 40 倍。接著市場修正，公司又出了一個一次性的費用導致 EPS 下降，投資人恐慌拋售，本益比被壓到 12 倍。

這時候，你的確是用更高的絕對價格買進，但估值倍數比你第一次買的時候還低。

這個策略就是他目前管理投資組合的核心邏輯。他報酬最高的兩個持倉就是這樣操作的：公司持續變好，但估值倍數在市場波動中會被壓低，那就是加碼的時機。

Kill Criteria 和 White Hot Risk：什麼時候該放手？

Kyle 提到 Kleiner Perkins（KP）有一個很好的框架叫「white hot risk」，意思是：先找出一個投資案裡最關鍵、最可能毀掉整個 thesis 的風險，然後用最少的資金去驗證這個風險是否可控。

1974 年，KP 的一個成員想創辦一家做電腦備份系統的公司，叫 Tandem。KP 的判斷是：技術風險高，但市場風險低（因為當時根本沒有電腦備份系統，需求是確定的）。所以他們先投了 5 萬美元，只佔基金 1% 的資金。等 Tandem 證明技術可行之後，其他創投都沒跟進，KP 就自己追加了 100 萬美元換取 40% 股權。後來營收在短時間內成長 14 倍，其他創投才開始搶著投。

這裡的關鍵學習是：KP 是根據「數字驗證」而非「敘事」來加碼的。商業模式被數據驗證了，他們才提高投入。

Kyle 也把這個概念連結到 Annie Duke 的 Kill Criteria（終止準則）。核心很簡單：你在投資之前就先設定好，什麼時間點、哪些 KPI 要達到什麼水準。如果到期沒達標，就賣掉。如果達標了，就加碼。

這比事後在情緒裡做決策好太多了。我自己在做投資決策的時候也開始用類似的框架，雖然執行起來比想像中難。人在虧損的時候特別容易找理由不賣，在獲利的時候特別容易找理由賣掉。預先設定好規則，至少能讓你在決策的時候有一個錨點。

資金流向的啟示：SaaS 到 AI 的大遷徙

Kyle 提到一個很有趣的觀察：2025 年上半年，AI 相關的融資金額大約 3,770 億美元，超過了 2024 年全年。但這些錢不是憑空出現的，很多是從 SaaS 板塊流出來的。

這讓我想到之前在這篇文章聊過的 SaaSpocalypse 現象。市場把 SaaS 當成 AI 的犧牲品在賣，但 Kyle 的觀點是：如果你能找到那些被市場錯殺、但五到十年後依然會存活的 SaaS 公司，現在可能是很好的進場點。

他也提到一個反面例子：Duolingo。他認為用 ChatGPT 直接學語言太容易了，如果 Duolingo 的多頭論述是「使用者不是為了學語言，是為了遊戲化體驗」，那 Duolingo 的競爭對手就不是語言學習 app，而是幾萬款手機遊戲。這個邏輯我覺得蠻銳利的。

關於 AI 對 SaaS 的衝擊，之前在這篇也聊了不少，包括 AI Agent 會怎麼壓縮 per-seat 收費模式。Kyle 這集的觀點跟那篇的方向蠻一致的，但他是從資金流向的角度切入，提供了另一個看問題的維度。

評估 CEO：跟對人比選對產業更重要

Kyle 講了一個 Peter Thiel 投資 SpaceX 的故事。Thiel 在反省為什麼 Founders Fund 錯過了 Uber 之後，得出一個結論：應該對那些看起來「怪怪的」或「極端的」創辦人更有包容性。

所以 2008 年在一場婚禮上碰到 Musk，Thiel 決定放下過去在 PayPal 的恩怨，投了 2,000 萬美元換取 SpaceX 4% 的股權。那時候 SpaceX 連一支成功的火箭都沒有，已經炸了好幾次。但 Thiel 認為 Musk 是那種能從錯誤中學習的人。

如果 Thiel 一直持有到現在，SpaceX 的估值大約 1.25 兆美元，他的持股價值約 500 億美元。從 2008 年到現在，年化報酬率大約 54%。

Kyle 從這裡延伸出一個對公開市場投資人也適用的原則：如果你跟某個 CEO 有過成功的經驗，當他去做新的事情時，你應該排第一個去投資。

他分享了一個自己參加投資研討會的小故事。他和另一個人一起跟 Beware 的 CEO Owen Moore 聊天，旁邊有個老先生說 Owen 之前帶他在兩家公司上賺過錢，所以他也投了 Beware。那時候股價 0.20 加幣，現在 0.91。

然後 Kyle 列了幾個具體評估 CEO 的方法，我覺得很實用：

翻季度 Q&A 紀錄：看他們過去幾年說要做什麼，實際做到了沒有。現在可以直接把逐字稿丟給 LLM 幫你分析
分析他們的語言：是短線思維還是長線思維？LLM 在這方面的判斷力出乎意料地好
觀察 KPI 的變化：他們在財報裡用的指標有沒有換來換去？有些經理人會在數字難看的時候偷偷換掉 KPI
看資本效率：ROIC（投入資本報酬率）和 ROE（股東權益報酬率）是在上升、持平還是下降？
看激勵結構：管理層的薪酬跟什麼 KPI 綁定？他們被激勵去做什麼，就會專注做什麼

這裡面第一點和第二點我覺得在 AI 時代特別好用。以前要翻好幾年的電話會議紀錄很痛苦，現在丟給 Claude 或 ChatGPT 就搞定了。

Long Horizon Arbitrage：散戶的結構性優勢

這是 Kyle 在整集最後引用 Robert Hagstrom 的概念，我覺得是整集的精華收尾。

Long Horizon Arbitrage（長期視野套利）的意思是：因為大部分法人機構被迫關注短期績效（季報、年度排名、客戶贖回壓力），所以市場上長期的定價效率反而是最差的。如果你是散戶，你沒有這些限制，你可以利用這個結構性的資訊不對稱。

創投因為持股流動性極低，天生就被迫採取長期視角。他們不會盯著 K 線圖決定什麼時候賣，而是關注這家公司五到十年後值多少錢。

Kyle 認為公開市場的投資人也應該這樣做。如果一家公司的盈餘能力在增長、護城河在擴寬，長期來看市場遲早會給它合理的估值。短期的波動，就讓它波動。

Hagstrom 分析了 2009 到 2018 年 S&P 500 中跑贏大盤的 161 家公司，發現一個共同點：它們的現金報酬率都高於資本成本。即使是營收成長低於平均的公司，只要現金報酬率夠高，年化報酬率也有 15%。營收成長高於平均的，則是 17%。

這告訴我們：不一定要追成長最快的公司，但一定要找到資本配置效率高的公司。

MOIC 和 Multi-bagger：同一件事的兩種說法

創投用 MOIC（Multiple on Invested Capital，投入資本倍數）衡量績效。投入 25 萬美元，退出時拿到 1,000 萬美元，MOIC 就是 40 倍。Peter Lynch 用的 multi-bagger 本質上是同一個概念，50-bagger 就是 MOIC 50x。

Kyle 分享了他投資組合裡的數字：第一大持倉 MOIC 5 倍，第二大持倉 4.5 倍。他用這個框架評估新的投資機會時，會看三種情境：

悲觀情境（Bear Case）：2 倍
基準情境（Base Case）：3 倍
樂觀情境（Bull Case）：10 倍

如果一筆投資在悲觀情境下都能有 2 倍的報酬空間，那不對稱性就非常吸引人。這也是為什麼他基本上不看那種「可能有 20% 上漲空間」的純均值回歸型投資。

他也攤開了自己的命中率：在 2025 年 Q4 的投資組合更新中，大約 50% 的選股報酬率是正的，50% 是負的。聽起來很糟？但他的贏家平均年化報酬率 51%，輸家平均只虧 17%。這就是不對稱性的威力。你可以在一半的股票上虧錢，但只要贏家的幅度夠大，整體績效依然能跑贏大盤。

三個心智模型：生態系統、催化劑、臨界質量

Kyle 在最後用三個心智模型做收尾，我簡短帶過：

生態系統：創投就像野火過後的森林。大部分種子不會存活，但環境有利於快速成長和高度適應的物種。他用了 lodgepole pine（扭葉松）的比喻，這種松果需要高溫才能打開釋放種子，野火反而是它繁殖的催化劑。新創公司也是如此，大部分會死，但在對的條件下，少數能爆發性成長。

催化劑：Vinod Khosla 投資 Juniper 和 Sorrent，是因為他看到頻寬需求即將垂直上升的催化劑。催化劑不只是產業趨勢，也可以是創辦人的突破、監管環境的改變、或者平台效應的啟動。

臨界質量：就像核反應需要足夠的可裂變物質才能自持，企業成長也有一個臨界點。一旦過了這個點，成長就變成自我強化、可防禦、資本效率高、難以取代。創投的目標就是在臨界質量之前進場，提供達到那個點所需的資金和資源。

我的幾個 Takeaway

聽完這集，我最大的感受是：創投和價值投資看似南轅北轍，但在最底層的邏輯上其實是相通的。兩者都在做同一件事，就是在不確定性中尋找不對稱的報酬機會。

差別在於進場時機和風險控制的方式不同。創投在企業還是一張白紙的時候就進場，用分散投資和高倍數目標來對沖極高的失敗率。價值投資人在企業已經被驗證之後進場，用估值折扣和基本面分析來保護下檔。

但兩者都需要理解 Power Law，都需要有耐心持有贏家，都需要接受大部分的決策不會帶來超額報酬。

Kyle 那個 Micron 的故事我反覆想了好幾次。45 塊買、53 塊賣、現在 420 塊。9 倍的差距。有時候投資最大的風險不是虧錢，是賺太少。

想看更多這類投資思維和產業觀察的整理，可以訂閱 wilsonhuang.xyz，我會持續把這些值得消化的內容翻成繁體中文，讓你不用自己啃兩小時的英文 podcast。