别把55亿美元13F长仓当成55亿美元收益：读AI对冲基金先把五种数字拆开
AH-0116是一篇极其容易让人上头的金融故事。 一个年轻的AI研究者写了一份AGI长文，随后成立对冲基金，用公开市场表达自己的世界观。源文把论文、AI基础设施、DeepSeek、矿场转数据中心、电力、光互联、存储、期权和监管备案串成一条完整叙事。 它最值得学的不是“抄谁的持仓”。 而是一种更基础的研究纪律： 先问你看到的数字到底是什么，再问它说明什么。 因为这篇内容里至少同时出现了五
别把55亿美元13F长仓当成55亿美元收益：读AI对冲基金先把五种数字拆开
AH-0116是一篇极其容易让人上头的金融故事。
一个年轻的AI研究者写了一份AGI长文，随后成立对冲基金，用公开市场表达自己的世界观。源文把论文、AI基础设施、DeepSeek、矿场转数据中心、电力、光互联、存储、期权和监管备案串成一条完整叙事。
它最值得学的不是“抄谁的持仓”。
而是一种更基础的研究纪律：
> 先问你看到的数字到底是什么，再问它说明什么。
因为这篇内容里至少同时出现了五种完全不同的金融数字。
第一种：13F long value
13F披露的是特定机构管理人满足条件的美国上市证券长仓等信息。
它不是：
- 基金全部资产；
- 基金净资产；
- 全部多空风险；
- 实时持仓；
- 基金收益率。
源文自己其实提醒得很好：公开长仓从约2.5亿美元扩张到55亿美元，不能解释成“把2.5亿炒成55亿”，因为其中可能包含新增LP资金、持仓变化和期权口径。
这是全文最该被放大的纠错。
第二种：RAUM / Adviser disclosure
投资顾问监管文件里的Regulatory Assets Under Management反映的是顾问管理资产口径。
它仍然不是基金赚了多少钱。
截至2026-08-13，SEC Investment Adviser Public Disclosure仍显示Situational Awareness LP为SEC注册投资顾问，注册自2025年2月24日生效。
SEC EDGAR也有其相关基金实体2026年3月提交的Form D/A。
这些文件可以证明：
- 实体存在；
- 监管登记；
- 募资/发行相关披露。
不能单独证明：
- 某一年的净收益；
- 某个LP赚了多少；
- 当前持仓全貌。
第三种：Fund Inflow
如果新的LP把钱交给基金，AUM会增长。
这和投资赚钱是两个来源。
一个极端例子：
期初2亿美元。
全年投资收益0。
新LP进入8亿美元。
期末AUM可以变成10亿美元。
所以任何“1年从2亿到10亿”的基金故事，都必须拆：
Investment P&L
和
Net Capital Flow。
不拆这一步，募资成功会被误写成投资回报。
第四种：Option Notional / 13F option line
期权披露尤其容易被视觉数字误导。
期权一行可能按相关标的数量或名义价值呈现，和实际支付的权利金、Delta风险、最大损失、实际资本占用完全不是一回事。
看到“数亿美元看涨/看跌期权”时，至少要问：
- call还是put；
- long还是别的结构；
- expiration；
- strike；
- premium；
- delta；
- 组合中有没有另一条对冲腿。
仅凭13F很难复原完整交易。
所以不能根据一张季度持仓表，复制所谓“真实仓位”。
第五种：Return
真正的基金收益率应该讨论：
- 时间区间；
- 净/毛；
- 费用；
- 现金流调整；
- 基金份额；
- 审计/第三方来源；
- 波动；
- 最大回撤。
源素材引用了媒体报道中的某阶段净回报，也展示了一个个人研究者根据延迟13F做的copycat回测。
这两者更不能混：
Fund Return 是基金自身业绩。
Copycat Backtest 是第三方按公开披露、延迟执行的一套模拟策略。
后者即使做得严格，也不是基金回报。
13F还有一个天然问题：时间滞后
季度末的持仓，不等于你看到文件当天的持仓。
公开以后，基金可能已经：
- 加仓；
- 减仓；
- 平仓；
- 对冲；
- 改用衍生品；
- 换了另一条表达方式。
所以“跟着13F抄作业”不是复制基金经理。
更像：
> 看到他过去某个时间点公开披露的一张部分资产快照。
源文真正值得学的是“Thesis Stack”，但也必须拆证据层
作者把基金方法总结成：
世界观 → 物理瓶颈 → 受益层 → 公司 → 仓位。
这个框架非常适合作为研究方法。
但世界观越大，越要防“每个事实都被解释成支持同一个故事”。
所以要增加两列：
Disconfirming Evidence
和
Alternative Scenario。
以“AI基础设施CapEx长期爆发”为例，至少同时列：
- 模型效率大幅提升；
- 应用收入兑现不足；
- 电力瓶颈缓解；
- 资本成本上升；
- 新供应快速进入；
- 技术替代；
- 政策变化。
一个世界观如果所有新信息都能解释成“我还是对的”，它就失去可证伪性。
“位置就是Alpha”也需要边界
源文强调研究者嵌入AI、政策和投资圈带来的信息优势。
公开市场研究当然非常依赖信息质量和理解速度。
但任何涉及非公开重大信息的交易都有明确合规风险。
所以alphahole不会把“圈内位置”写成获取内幕的技巧。
更稳妥的版本是：
Primary-source proximity
也就是比市场更早认真读：
- 技术论文；
- 公司财报；
信息优势应该来自更深的公开研究，而不是越过信息边界。
网站资产：Fund Thesis & Disclosure Lab
本批实际生成 fund_thesis_disclosure_lab.html。
你录入一个基金/投资故事里的数字，先选择：
- 13F Long Value；
- RAUM；
- Fund Inflow；
- Option Notional；
- Fund Return；
- Copycat Backtest。
工具会提醒：
这个数字能证明什么、不能证明什么，以及还需要哪类文件。
再录入一个投资Thesis，要求填写：
- Primary Evidence；
- Financial Link；
- Disconfirming Evidence；
- Falsifier；
- Disclosure Lag。
它不会输出“抄哪只股票”。
这才是这篇材料真正值得alphahole保存的能力：
> 一个故事越精彩，越要把资金规模、持仓规模、名义价值和收益率拆开。
如果连数字类型都没分清，再聪明的宏大叙事也只是故事。