从新闻到变量
什么消息值得研究？
先区分事实、市场解读和情绪，再把新闻翻译成订单、成本、产能、政策或估值变量，判断它是否真正值得研究。
【这一课解决什么问题】
市场每天都有新消息，但“新”不等于“重要”。真正值得研究的新闻，必须改变某个能够落到企业经营或资产定价上的变量。这个变量可能是订单、产能、成本、价格、政策资源、融资条件，也可能是市场原先相信的一条逻辑开始失效。
读完这一课，你应该能够把事实和观点分开，找出新闻改变的关键变量，并判断它值得立即研究、加入观察，还是直接略过。
【核心判断框架】
面对一条消息，不要先问“利好哪只股票”，先依次回答五个问题：发生了什么；谁是信息源；改变了哪个变量；市场原来相信什么；接下来用什么证明。
完整路径是：事实是什么 → 变量变了什么 → 原有预期是什么 → 谁会受到影响 → 下一次如何验证。
【具体操作步骤】
第一步，把标题改写成无情绪事实。例如“五角大楼突然锁定七年产能，军工股要起飞”混合了事实、情绪和结论。先改写成：“某项采购安排覆盖更长周期，涉及特定产品及供应商。”如果连这句话都无法由原始文件支持，就暂时不要继续推演。
第二步，给信息来源分级。监管文件、政府正式数据和正式合同公告属于最高等级；公司投资者关系页面、财报电话会和管理层公开演讲次之；有明确署名和原始链接的主流媒体可用于交叉核对；匿名爆料、截图和无来源转述通常只能生成观察问题。来源等级不是简单判断真假，而是决定你能够下多重的结论。
第三步，把消息翻译成经营变量。不要停留在“政策支持”“需求旺盛”。继续问：采购规模是否增加，交付周期是否延长，供应商是否扩产，单位价格是否变化，客户是否预付，原材料是否涨价，融资成本是否上升。只有能够继续找数据的变量才值得跟踪。
第四步，判断影响持续多久。一次性冲击只影响一个季度或一批库存；周期变化可能持续几个季度，但会随价格和产能反转；结构变化则会改变行业标准、客户习惯、竞争门槛或长期资本开支。一次性订单不能直接按长期增长定价，结构性变化也不能因为单季波动就轻易否定。
第五步，判断市场已经知道多少。新闻是真的，不代表股票还便宜。检查消息公布前后的股价、成交量、市场预期和公司指引。如果价格早已大幅上涨，研究重点就从“事件是否成立”变成“未来兑现是否高于已经计入的预期”。
【数据和原始资料】
优先使用 SEC 的10-K、10-Q、8-K，公司投资者关系页面，政府部门及监管机构正式发布，FRED等宏观数据库。媒体报道用于发现线索，重要判断尽量回到其引用的原始文件。阅读10-K时，可以从业务、风险因素、管理层讨论和财务报表四个区域交叉检查消息是否真正改变公司。
【老司机案例：军工长期采购安排】
研究“美国导弹产能是否不足”时，先确认采购安排的原始发布方、合同对象、产品范围和期限；再判断变化落在需求数量、采购期限、预付款还是扩产支持；随后区分合同上限、已获订单和实际交付；继续寻找发动机、制导、推进剂、电子元件、测试或认证中的瓶颈；最后记录后续合同分配、积压订单、资本开支、交付节奏和毛利率作为验证点。
这样，新闻不再只是“军工需求爆发”，而会变成一个可跟踪的问题：长期采购安排是否真的改善了特定供应商的订单确定性和产能利用率？
【常见误区】
看到标题就找股票代码；把公司目标当成已经完成的结果；把行业增长等同于每家公司的利润增长；只判断消息真假，不判断市场是否已经计价；只找支持观点的信息，不找反面证据；用一个宏大故事解释所有价格变化。
【课后练习】
任选今天的一条财经新闻，把标题还原成事实，并找出唯一最重要的变量。如果无法写出下一份验证资料，就先把它放入线索箱，不要形成投资结论。
下一课将学习：当变量指向某个行业时，怎样拆开产业链，找到真正收款的人。
检查清单
- ·原始信息由谁发布
- ·能够确认的事实是什么
- ·改变了哪个经营或定价变量
- ·市场原来相信什么
- ·影响是一次性、周期性还是结构性
- ·当前价格可能已经反映多少
- ·有哪些反面证据
- ·下一份验证资料和检查日期
从产品到收款人
产业链怎么拆，钱最后流向谁？
从最终需求和付款方出发，拆出产品、核心部件、设备与原材料，找到扩产最慢、认证最难、真正拥有定价权的环节。
【这一课解决什么问题】
热门主题经常讲得很大：AI、机器人、电网升级、国防、极端天气。但行业增长不会平均分配给产业链上的所有公司。有人拿到订单，有人承担扩产成本，有人被客户压价，也有人只是被题材带动。
读完这一课，你应该能够把一个主题画成可验证的收款路径，找出瓶颈、议价权和风险集中在哪里。
【核心判断框架】
不要从股票代码开始，要从最终需求开始：最终需求 → 谁付款 → 购买什么产品或服务 → 核心部件 → 生产设备 → 原材料与能源。
画完主链后，重点检查四个位置：供给瓶颈、认证壁垒、转换成本和定价权。真正重要的不是公司是否属于热门行业，而是新增的一块钱经过谁的账户，谁能留下更多利润。
【具体操作步骤】
第一步，确认最终需求和真正付款方。使用者、采购决策者、合同签署方和最终付款方可能不是同一个主体。AI应用的用户可能免费使用，但云服务商、模型公司或广告主承担成本；国防装备由军队使用，现金来自政府预算。
第二步，把产品拆到不可轻易替代的一层。例如AI数据中心不能只写GPU，还要继续拆服务器、网络、供电、变压器、开关设备、冷却、机房建设、土地、电力接入和融资。当你能够解释某个环节为什么不能在六个月内被更多供应商复制，颗粒度才基本够用。
第三步，同时记录数量、价格和时间。需求增加多少，供应商能交付多少；售价能否提高，成本是否同步上涨；认证、扩产和交付需要多久。订单很多但交付需要数年，短期利润未必增长；需求强但供给扩张更快，价格甚至可能下降。
第四步，确认公司在链条中的真实位置。用收入分部、主要客户、产品说明和资本开支验证：相关业务占公司多少收入，增长来自数量还是涨价，公司是直接供应商、分销商、设备商，还是只有少量相关业务。
第五步，寻找第二层受益和反向受损。第一层通常最明显，也最容易被市场提前交易。第二层可能来自扩产设备、融资、保险、物流、测试或关键材料。同时记录谁承担电价、原料、人工和融资成本。
【数据和原始资料】
优先查看公司10-K中的业务分部、客户集中度、供应链和风险因素；用10-Q核对收入、积压订单、库存、资本开支和交付变化；把客户、供应商和设备商的披露互相对账。客户宣布增加资本开支，供应商订单是否同步增长；供应商宣布扩产，设备商是否真的收到订单。
【老司机案例：AI电力设备链】
“AI需要更多电”只是起点。最终付款方可能是云服务商、数据中心开发商、公用事业公司或基础设施基金。资金随后流向发电资源、电网接入、变压器、开关设备、配电、备用电源和冷却。
真正的瓶颈可能是并网排队、设备交期、合格供应商认证或当地许可，而不只是发电量。对每家公司继续检查相关业务收入占比、订单积压、交付周期、扩产支出和毛利率。长交期加严格认证可能形成定价权；巨额前期投入加容易替代的产品，则可能让需求先变成资本压力。
【常见误区】
用行业名称代替产业链；只看需求不看新增供给；把收入占比很小的业务当作主业；把合作或入选供应商当成确定订单；只找受益者不找成本承担者；忽略认证、建设和交付时间。
【课后练习】
选择本站一篇AI、电力或军工研究，只画产业链，不写股票结论。至少拆出五个环节，并为每个环节写出付款方、扩产时间和替代难度。
下一课将检查：产业链逻辑成立以后，订单和热度是否真的进入收入、利润和现金流。
检查清单
- ·真正付款方是谁
- ·新增资金购买了什么产品或服务
- ·产业链是否至少拆到五个环节
- ·哪个环节扩产最慢
- ·认证壁垒与转换成本是否真实
- ·数量、价格和交付时间如何变化
- ·相关业务占公司收入多少
- ·最可能受益和受损的环节分别是谁
从订单到现金流
行业热度有没有真正兑现？
区分订单、积压订单、合同金额、收入、利润和现金流，检查热门主题是否真正变成企业可持续的盈利能力。
【这一课解决什么问题】
很多投资故事最后都落在“订单很多”，但订单、积压订单、合同金额、收入、利润和现金流是不同的事。公司可能公布大额合同，却多年不能确认收入；收入快速增长，却因为应收账款和库存占用而没有现金。
读完这一课，你应该能够沿着财务报表判断：行业热度到了哪一步，在哪一道门被卡住。
【核心判断框架】
把兑现过程分成六道门：市场需求 → 订单或合同 → 可执行积压订单 → 产品交付 → 收入与毛利 → 经营现金流与自由现金流。
每过一道门都问两个问题：上一阶段有多少能进入下一阶段，需要多长时间？
【先分清六个概念】
新接订单通常表示一段时间内新签的订单，但公司定义可能不同，也可能包含可取消部分。积压订单是已签但尚未确认为收入的订单，能提高未来收入可见度，却不保证全部按期交付。合同总额可能只是多年框架上限，不代表客户已承诺全部采购。
收入要等产品交付或服务履约满足会计条件后确认；利润还会受到产品组合、定价、材料、人工和折旧影响；经营现金流与自由现金流则进一步告诉你，账面利润有没有变成现金，以及扩产需要多少投入。
【具体操作步骤】
第一步，找到公司的订单口径。阅读10-K、10-Q、财报演示和电话会，确认订单是否可取消、是否包含长期框架合同、预计何时转化为收入。不同公司的定义不同，不能机械比较绝对数字。
第二步，计算订单转化速度。连续记录新订单、期末积压订单和收入。积压持续增长可能代表需求强，也可能代表公司交不出来。若交付周期、库存和资本开支同时上升，就要判断是主动扩产还是运营受阻。
第三步，把收入增长拆成数量、价格、并购和汇率。同样增长20%，可能来自销量、提价、并购并表或一次性交付，质量完全不同。
第四步，检查毛利率和费用。需求旺盛但毛利率下降，可能是材料和人工涨价、产品组合恶化、客户压价或新产能尚未达到效率。订单质量必须同时看规模和单位利润。
第五步，对照利润与现金流。重点看应收账款是否快于收入增长，库存是否堆积，合同资产是否增加，预付款是否带来现金，资本开支是否远高于折旧。利润长期跑在现金流前面，必须找到合理解释。
第六步，判断资本开支是机会还是压力。检查新增产能有没有客户、何时投产、由内部现金还是债务融资，以及设备迭代或需求延迟会不会让投入失去回报。
【数据和原始资料】
10-K用于理解长期结构和会计政策，10-Q用于跟踪季度收入、营运资本与现金流，8-K用于核对重大合同和当前事项。财报附注常常比新闻稿更重要，尤其是收入确认、合同资产、库存、债务和资本承诺。
【老司机案例：军工订单与AI资本开支】
军工项目要区分合同上限、已拨款、已下单和已交付。多年总额需要按预算、产能和交付节奏拆开，再观察企业是否要先扩建工厂、增加库存和招聘人员。即使需求确定，前期现金流也可能先承压。
AI数据中心则要从云服务商资本开支继续往下核对：GPU、网络、电力设备、机房和融资环节分别拿到多少订单，供应商收入增长是否同时伴随毛利率和自由现金流改善。
【常见误区】
把合同上限当成收入；只看积压订单不看取消条款和交付能力；把收入增长全部归因于需求；只看调整后利润不看现金流；把所有资本开支都视为增长；只比较一个季度而没有趋势。
【课后练习】
选一家公司，整理最近四到八个季度的收入、应收账款、库存、经营现金流和资本开支。先标出增长最快的项目，再写出至少两种可能解释。
下一课将把公司数据放回宏观环境，理解同样的业绩为什么会得到不同定价。
检查清单
- ·公司如何定义订单和积压订单
- ·合同是否可取消或只是金额上限
- ·订单预计多久转化为收入
- ·收入增长来自数量、价格还是并购
- ·毛利率是否与收入同步改善
- ·应收账款和库存是否异常增长
- ·经营现金流能否跟上利润
- ·资本开支由什么资金支持
从宏观数据到资产价格
市场为什么这样走？
不孤立预测单个数据，而是建立“数据—政策—利率与美元—行业利润—估值”的传导链，并用市场反应持续校准。
【这一课解决什么问题】
宏观研究最常见的错误，是把CPI、就业或利率当成孤立答案。市场交易的不是一个数字本身，而是它相对预期发生了什么变化，以及它会不会改变政策、资金成本、汇率和企业利润。
读完这一课，你应该能够把宏观数据落到行业和公司，而不是每天猜数字高低。
【核心判断框架】
每次宏观数据公布后，沿着五层路径分析：数据相对预期 → 政策路径变化 → 利率与美元反应 → 行业收入和成本变化 → 估值与资金流变化。
例如：油价持续上涨 → 通胀预期抬头 → 降息预期后移 → 长债收益率上升 → 长久期、高估值资产承压。这只是一条待验证的传导链，不是自动成立的公式；任何一环没有发生，都要重新检查原判断。
【具体操作步骤】
第一步，先记录市场预期，再看公布值。研究表至少保留前值、市场预期、公布值和后续修订值。通胀仍高但低于预期，市场反应可能偏宽松；就业看起来不错但前值大幅下修，含义也会改变。
第二步，观察价格如何回应。依次看短端利率、十年期美债收益率、美元、主要股指和相关行业。数据看似利空但资产不跌，可能说明坏消息已经计价，也可能是市场在交易另一个更重要的变量。
第三步，分清增长冲击和通胀冲击。增长走强且通胀稳定，有利于收入；增长走弱且通胀下降，债券可能受益但盈利风险增加；增长走弱而通胀上升，政策空间受限。同样是收益率上涨，来自增长改善还是通胀和风险溢价上升，对行业含义不同。
第四步，把宏观变量落到公司。检查公司现金流主要在多远的未来，是否依赖融资，债务是固定还是浮动利率，客户预算是否对利率敏感，原料与能源成本能否转嫁，美元变化如何影响海外收入。
第五步，给传导链设置观察窗口。市场价格可按日观察，官方数据按月，企业订单和利润按季，结构性产能按半年或年度。不要用一天的价格变化否定需要几个月验证的逻辑。
第六步，保存当时真正能获得的数据。宏观数据会修订，不能用今天修订后的结果假装过去已经知道。FRED可以查看时间序列，ALFRED可以帮助还原某个历史时点当时的数据版本。
【数据和原始资料】
优先使用FRED、ALFRED及美国劳工统计局、经济分析局、美联储等原始发布机构，同时查看政策声明、会议纪要和公司财报。宏观数据只能说明环境，最终仍要回到订单、成本、利润、现金流和估值。
【老司机案例：油价、美债与高估值科技股】
不要停在“油价涨，所以科技股跌”。先判断油价上涨是短期事件还是会持续影响通胀预期；再观察降息概率和十年期美债收益率是否同向变化；区分实际利率上升和通胀补偿上升；最后检查高估值公司的现金流久期、融资依赖和估值敏感度。
反面条件同样重要：如果油价回落、经济数据转弱或长债收益率不再上升，原传导链可能中断。厄尔尼诺与糖价也应逐层验证：天气影响供给预期，供给影响商品价格，商品价格再进入企业成本与替代品需求，不能从天气直接跳到股票结论。
【常见误区】
只看公布值不看预期和修订；把相关性当成稳定因果；数据公布后只看股票不看债券和美元；用修订后数据回看过去；从宏观直接跳到个股；每天改变长期观点却没有观察周期。
【课后练习】
选择一次CPI、就业数据或美联储会议，用当时可获得的信息写出完整传导链。一周后回看价格反应，找出哪一环成立、哪一环没有发生。
下一课将进入公司比较：产业和宏观逻辑成立后，怎样判断哪家公司更好、当前价格是否已经计入好消息。
检查清单
- ·前值、市场预期和公布值分别是多少
- ·数据后来是否可能修订
- ·政策预期是否发生变化
- ·短端利率与十年期收益率如何反应
- ·美元和相关行业是否同向验证
- ·变化属于增长冲击还是通胀冲击
- ·宏观变量如何进入具体公司的收入或成本
- ·传导链最薄弱的一环是什么
从好公司到好价格
同一个主题里，公司应该怎样比较？
先统一产业位置和商业模式，再比较增长质量、现金流与资产负债表，最后判断当前估值已经要求公司兑现怎样的未来。
【这一课解决什么问题】
好公司不一定是好投资，便宜公司也不一定真的便宜。公司比较不是选出“指标最高”的一个，而是判断谁拥有更好的业务质量，谁更可能兑现增长，以及当前价格要求它未来做到什么程度。
这一课不要求先建立复杂估值模型，而是学会用统一口径比较公司、现金流和市场预期。
【核心判断框架】
把比较拆成三层。公司层面看商业模式、客户、产业位置、竞争优势和管理执行；财务层面看增长质量、利润率、现金流、资本需求和资产负债表；价格层面看当前估值隐含了多少增长和确定性。
最终问题不是谁的市盈率最低，而是：在相似风险和增长条件下，谁能产生更多、更稳定的未来现金流；现在的价格为这些现金流付出了多少。
【具体操作步骤】
第一步，确认公司是否真的可比。设备制造商、软件平台、公用事业公司和资产管理公司不能因为都受益于AI就直接比较市盈率。先统一产业位置、收入模式、客户、资本强度和周期属性。
第二步，建立公司层面的比较。逐一回答：收入来自产品、订阅、广告、抽成还是长期合同；客户是否集中，转换成本多高；公司掌握瓶颈、渠道、品牌、数据还是低成本产能；增长依赖行业扩张还是抢份额；管理层过去的资本配置和目标兑现记录如何。
第三步，用统一财务口径比较。至少观察三到五年的收入增长、毛利率、经营利润率、经营现金流、自由现金流、净现金或净负债，以及股本稀释。强周期公司要使用正常周期利润，不能只拿景气顶点的一年计算低市盈率。
第四步，选择与商业模式匹配的估值尺度。尚未稳定盈利但收入质量可比的公司可先看市销率，同时检查毛利率与未来利润空间；盈利稳定公司可以看市盈率，但一次性收益、高负债或周期高点会让它失真；资本结构不同的公司可以看企业价值倍数；自由现金流收益率可观察现金产生能力，但扩产期可能短暂承压。
第五步，写出价格隐含的要求。当一家公司的估值显著高于同行，不要只说“贵”，要写明它必须维持多高的增长、利润率和竞争优势，才能证明当前价格合理。
第六步，建立乐观、中性和悲观三种情景。每种情景只改变两到四个关键变量，并写出验证信号。目的不是计算一个精确目标价，而是判断当前价格更接近哪一种未来。
【数据和原始资料】
使用公司10-K、10-Q、8-K、投资者材料和电话会，并回到原始报表校准第三方数据。特别注意股本、债务、现金、期权和股权激励披露。估值比较必须保证分子和分母口径一致。
【老司机案例：AI电力链与Google】
假设三家公司分别处在设备制造、项目建设和电力供应环节。设备商可能拥有长交期和定价权，但要检查扩产后是否供给过剩；项目建设公司订单充足，却可能利润率低、营运资本占用高；电力供应方现金流稳定，但需要巨额资本开支和长期审批。三者不能用同一个市盈率机械排序。
Google与AI数据中心案例则说明，好公司并不等于任何价格都值得买。既要检查核心业务现金流和平台优势，也要核对AI资本开支、潜在新增收入及市场已经支付了多少乐观预期。
【常见误区】
同一主题就认为公司可直接比较；只看收入增速不看利润和现金流；用周期高点利润计算低市盈率；估值分子和分母口径不一致；把历史平均估值当成固定合理价格；给出单一目标价却没有假设和失败情景。
【课后练习】
从同一主题选择三家公司，先不使用估值数字，只完成商业模式和产业位置比较。确认可比后，再加入三项统一财务指标和一个合适的估值指标，最后解释市场为什么愿意给其中一家更高估值。
下一课将把判断变成可长期维护的观察卡，持续检查哪些假设正在成立、削弱或被推翻。
检查清单
- ·三家公司是否处在可比较的产业位置
- ·商业模式和客户结构有什么差异
- ·增长来自行业、份额还是并购
- ·毛利率与自由现金流质量如何
- ·资本开支、负债和股本稀释是否可控
- ·选择的估值指标是否匹配商业模式
- ·当前价格隐含了怎样的增长要求
- ·乐观、中性和悲观情景各看什么信号
从结论到证伪
一个观点应该怎样持续跟踪？
把研究结论转化成可更新的观察卡，提前写下关键假设、加强信号、削弱信号、推翻条件和下一次检查时间。
【这一课解决什么问题】
很多研究在发布结论时结束，但真正的研究从那时才开始。未来数据不断变化，原判断可能被加强、削弱或彻底推翻。如果没有提前写下证伪条件，人很容易只寻找支持自己的信息。
读完这一课，你应该能够把文章结论转化成一张可更新的观察卡，并与网站“正在观察”板块直接连接。
【核心判断框架】
每个可跟踪观点都应包含七项：当前结论、关键假设、加强信号、削弱信号、完全推翻的条件、下一次检查日期与数据源，以及新数据出现后观点发生的变化。
完整循环是：提出结论 → 写出关键假设 → 设置信号 → 等待数据 → 更新置信度 → 修改或放弃结论。
【具体操作步骤】
第一步，把结论写成可被否定的句子。“AI长期会发展”几乎无法证伪。更好的表达是：“未来四个季度，AI数据中心新增项目会继续推高某类电力设备订单，并使相关公司积压订单和价格保持上升。”它包含时间、对象和可观察变量。
第二步，找出结论依赖的两到四个关键假设。假设太多，通常说明研究还没有抓住重点。AI基础设施判断可能依赖终端需求、融资持续性、设备利用率，以及电力和建设进度。
第三步，分别写加强、削弱和推翻信号。加强信号代表方向正确且强度高于预期；削弱信号代表结论仍可能成立，但概率或空间下降；推翻条件意味着核心机制已经失效。股价下跌通常不能自动作为推翻条件，更有效的条件是订单取消、客户下调资本开支、关键产品被替代、毛利率长期恶化或融资链中断。
第四步，给每个信号指定数据源和检查频率。订单和利润按季度，审批和产能按月或季度，市场利率按周，突发政策在事件发生时检查。没有数据源和时间的信号，最后只会变成凭感觉更新。
第五步，更新的是置信度，不是面子。观点状态可以分为早期线索、初步验证、验证中、明显加强、明显削弱和已证伪。每次更新只回答三件事：发生了什么，改变了哪项假设，下一步看什么。
第六步，保留历史版本。不要覆盖旧结论。保留日期、当时证据和后来的变化，才能复盘错误来自信息不足、分析链错误、估值过高还是突发事件。
【数据和原始资料】
优先使用下一次财报、电话会和监管文件，并用客户、供应商与竞争对手披露交叉验证；跟踪政府采购、项目许可、行业产能和价格数据；宏观判断保存原始数据与后续修订；网站自己的研究文章和观察记录则负责保留判断历史。
【老司机案例：Robotaxi平台入口】
假设当前观点是：“网约车平台可能成为自动驾驶车队触达用户的重要分发入口。”关键假设包括车队需要现成流量，平台与车队能形成可持续分成，监管允许商业化扩大，真实订单能够覆盖运营成本。
加强信号可以是商业运营城市增加、合作范围扩大、真实付费订单增长和单位经济性改善；削弱信号包括项目延期、订单低于预期或平台议价权下降；推翻条件可能是车队普遍选择自建入口、监管长期阻断规模化，或平台合作无法产生经济收益。
一条合格更新不需要写成长文：“新城市开放商业运营，支持规模扩张假设；但订单和分成尚未披露，观点由早期线索调整为初步验证，下次检查季度运营数据。”
【常见误区】
结论过于宽泛，任何结果都能解释成正确；只写利好信号不写削弱和推翻条件；用股价涨跌代替基本面验证；数据不符时只延长时间范围；每天更新长期观点或长期不检查；覆盖旧记录导致无法复盘。
【课后练习】
从本站任意一篇研究文章中提取一个核心判断，用观察卡重新表达。必须包含明确时间范围、三个关键假设、至少两个削弱信号和一个推翻条件，再把它与“正在观察”的对应项目连接。
完成这一课后，六课形成闭环：新闻提供线索，产业链确定收款路径，财报检查是否兑现，宏观环境解释定价，公司比较判断价格要求，观察卡负责持续验证。下一次遇到新消息时，从第一课重新开始循环。
检查清单
- ·当前结论是否包含时间和可观察变量
- ·关键假设是否控制在两到四项
- ·加强判断的信号是什么
- ·削弱判断的信号是什么
- ·完全推翻观点的条件是什么
- ·每个信号的数据源和检查频率是什么
- ·新数据改变了哪一项假设
- ·历史判断是否被完整保留
