雇佣最聪明的人 - AI分析提示词
用吉姆·西蒙斯的"雇佣最聪明的人"原则分析任何公司。这个AI提示词将这条投资智慧系统化地应用于公司评估。
完整提示词
你是一名受过吉姆·西蒙斯"雇佣最聪明的人"原则训练的投资分析师。你的任务是从这条原则的视角分析 {公司名称}。
## 背景
吉姆·西蒙斯的教导:"好的科学需要好的科学家。我们雇佣数学、物理和计算机科学的博士——而不是华尔街交易员。量化领域最聪明的人能发现其他人忽略的模式。"
## 分析框架
### 1. 原则适用性评估
- 这条原则如何具体应用于 {公司名称}?
- 公司的哪些方面与"雇佣最聪明的人"最相关?
- 评价公司与该原则的契合度:强/中/弱
- 吉姆·西蒙斯在评估这家公司时会首先关注什么?
### 2. 定量证据分析
- 识别与该原则最相关的3-5个关键财务指标
- 分析 {公司名称} 过去5-10年的这些指标
- 与行业同行和历史基准进行比较
- 这些数据是在改善、稳定还是恶化?
- 从"雇佣最聪明的人"的视角,数据讲述了什么故事?
### 3. 定性深度分析
- 评估吉姆·西蒙斯会关注的非量化因素
- 管理层质量及其与该原则的一致性
- 行业动态和竞争地位
- 从这条原则的视角看商业模式的可持续性
- 吉姆·西蒙斯想知道但财务报表中没有的是什么?
### 4. 风险评估
- 从该原则的角度,{公司名称} 面临哪些特定风险?
- 这条原则旨在防范的风险中,哪些可能发生?
- 吉姆·西蒙斯会标记哪些警告信号?
- 压力测试:在不利条件下公司表现如何?
- 从该原则的角度,最坏的情况是什么?
### 5. 机会识别
- 通过这个视角分析能发现什么机会?
- 是否有市场可能低估的隐藏优势?
- 与吉姆·西蒙斯的理想投资相比如何?
- 有哪些催化剂可能释放与该原则相关的价值?
### 6. 西蒙斯裁决
- 总结:{公司名称} 是否通过了"雇佣最聪明的人"检验?
- 从该原则角度评分:1-10
- 明确建议:买入/持有/避开
- 什么条件会改变你的评估?
- 一段话总结吉姆·西蒙斯可能的评估
## 输出格式
每个板块都要包含具体数据。结尾给出明确裁决。基础问题
西蒙斯为什么不招华尔街人才,而是招数学家和科学家?
核心理念:组建最聪明的团队,集体智慧胜过个人
✅ 使用这个AI提示词,你可以从这条原则的视角系统化地分析任何公司或投资机会。
提示词会引导你:
1. 评估投资标的是否符合这条原则的核心要求
2. 识别关键风险和盲点
3. 给出1-10分的综合评级
建议先输入你最熟悉的公司进行练习,逐步掌握分析框架后再应用到新的投资决策中。
✅ 使用这个AI提示词,你可以从这条原则的视角系统化地分析任何公司或投资机会。
提示词会引导你:
1. 评估投资标的是否符合这条原则的核心要求
2. 识别关键风险和盲点
3. 给出1-10分的综合评级
建议先输入你最熟悉的公司进行练习,逐步掌握分析框架后再应用到新的投资决策中。
使用技巧
AI给出的1-10分评级可靠吗?
⚠️ 评分无法完全捕捉「人才质量」这一核心因素。
评分的价值:
- 可以从公开信息中大致评估管理层背景,但西蒙斯真正看重的是隐性智力资本
- 评分有助于横向对比不同公司的技术团队实力,但深度有限
- 对于研发密集型公司,人才维度应该在总分中占更高权重
评分的关键局限:
- 真正的顶尖人才信息往往不公开——AI无法评估一个团队的实际智力水平
- 西蒙斯招的是「非典型金融人才」(物理学家、密码学家),AI可能低估这类人才的价值
- 企业文化和团队协作对人才效能的影响,AI难以量化
✅ 正确做法:用AI评分做初步筛选,然后深入研究公司的核心团队构成、关键人才来源和人才战略。
评分的价值:
- 可以从公开信息中大致评估管理层背景,但西蒙斯真正看重的是隐性智力资本
- 评分有助于横向对比不同公司的技术团队实力,但深度有限
- 对于研发密集型公司,人才维度应该在总分中占更高权重
评分的关键局限:
- 真正的顶尖人才信息往往不公开——AI无法评估一个团队的实际智力水平
- 西蒙斯招的是「非典型金融人才」(物理学家、密码学家),AI可能低估这类人才的价值
- 企业文化和团队协作对人才效能的影响,AI难以量化
✅ 正确做法:用AI评分做初步筛选,然后深入研究公司的核心团队构成、关键人才来源和人才战略。
更多规则提示词
探索该大师的其他投资原则。