Bonsai Partners 是 Andrew Rosenblum 于 2018 年在美国加州创立的精品投资合伙，持仓极度集中（约 5–15 只），追求兼具质量与低估的好公司，长期甚至永久持有，偏好澳新等冷门小盘市场，定期发布投资人信与随笔。
这篇采访讲的是 bonsai_partners 创始人 Andrew Rosenblum 的投资故事。他从小沉迷于虚拟市场里的交易，大学毕业后在金融危机中给100家基金发邮件找工作，最终创立了自己的基金。核心观点是：真正能赚大钱的股票（比如涨100倍的那种），往往不能用简单的模式提前识别出来——因为市场如果一眼就能看出它好，就不会给那么便宜的价格。对普通投资者来说，值得一看的是他如何思考投资机会，比如他买了一家叫 Wise 的跨境支付公司，因为市场错误地把这家盈利的公司和那些亏损的科技股混为一谈。文章还提到，好想法有时要等十年才等到合适的价格。
这篇报告是《Graham & Doddsville》对bonsai_partners创始人及管理合伙人Andrew Rosenblum的访谈，探讨其投资理念与职业生涯。核心观点是：主动管理若经深思熟虑与谨慎执行，可使投资者处于最佳成功位置。bonsai_partners通过维持高度集中的公开股票投资组合、基于诚实条款的合伙人结构及长期心态来实现这一理念。Andrew Rosenblum毕业于University of Michigan的Ross School of Business（2010年），此前曾在Matrix Capital Management从事投资，后加入Adaptive Bio
本章通过对话形式介绍了 bonsai_partners 创始人 Andrew Rosenblum 的个人经历与投资理念。讨论了他如何从童年对市场行为的痴迷、大学时期的投资实践，到在 Matrix Capital Management 和 Adaptive Biotechnologies 积累经验，最终在 2017 年创立 bonsai_partners 的过程。
作者的核心判断是：主动管理，若以深思熟虑和谨慎执行，可使投资者处于最佳成功位置。Rosenblum 认为 bonsai_partners 通过三个要素实现这一目标：高度集中的公开股票投资组合、基于诚实条款的合伙人结构、长期心态。他的反直觉观点：如果一家公司符合公认的 ex ante 模式，它就不可能成为最大赢家——市场不会给予足够错误定价来创造 100-bagger 的回报。
1. 成长背景与市场初心：Rosenblum 童年沉迷于线上多人游戏中的虚拟市场，而非游戏本身，这种对“什么东西值多少钱”的痴迷驱使他选择投资。
2. 教育路径：2010年毕业于 University of Michigan Ross School of Business，在校期间利用 Tozzi Center 的 Bloomberg 和 FactSet 资源学习投资，从“不会读年报”到决定全身心投入。
3. 职业起步：2009-2010 年正值金融危机后就业低谷，他通过冷邮件发送自己最好的投资想法给 100 家基金，最终获得 Matrix Capital Management 的面试并被录用；在该基金工作 5.5 年，后期专注于卖空并做深度尽职调查。
4. 操作经验：在 Adaptive Biotechnologies 从第二位员工开始协助其建立治疗部门，工作 一年以上 后公司决定出售该业务，最终将技术授权给 Genentech。这段经历让他学到“投资才是他的归宿”，并促使他 27 岁创立 bonsai。
5. 100-bagger 研究：他下载了原始数据库（来自 Christopher Mayer 的《100 Baggers》和 Thomas Phelps 的《100 to 1 in the Stock Market》），试图反向推导伟大投资的驱动因素，但搭配不同的心理模型后，发现始终找不到一致的模式。结论是：如果模式是 ex ante 可识别的，市场不会错误定价到创造 100-bagger。
| 公司/资产 | 角色 | 关键数据 | 观点 |
|---|---|---|---|
| Matrix Capital Management | 前雇主（Tiger Cub） | Rosenblum 任职 5.5 年 | 获得首份工作；在此学习卖空和深度尽职调查 |
| Adaptive Biotechnologies | 前雇主 | Rosenblum 作为第二位员工协助其治疗部门建立一年以上 | 获得操作经验；公司出售该业务给了他创立基金的契机 |
| Genentech | 授权方 | 获得 Adaptive 技术的许可 | 作为技术转让方提及，非投资标的 |
| bonsai_partners | 创立基金 | 2017 年成立 | 核心投资资产；坚持高度集中、诚实条款、长期心态 |
| 100-bagger 数据库 | 研究对象 | Mayer 和 Phelps 的著作及原始数据 | 无法找到一致的可识别模式 |
在续篇中，A.R. 进一步阐释了其核心投资理念的起源与演进，其中「无规律即规律」的悖论成为贯穿始终的线索。这一观点并非凭空而来，而是源于对历史超常回报股票的系统性回溯——当所有传统模式（低估值、高增长、特定行业）都无法解释那些「Mount Rushmore of greatest stock investments」时，结论自然浮现：最伟大的投资往往无法被预先设计的模式所捕获，其共通点恰恰是「缺乏可识别的共通模式」。这一发现对投资方法论产生了根本性冲击：若伟大本身具有「非显然性」，那么僵化的筛选框架反而会成为发现伟大机会的障碍。
A.R. 将创意生成过程类比为「调谐天线」而非「编程系统」：
这种差异可以通过下表对比呈现：
| 维度 | 传统框架 | A.R. 的调谐天线模型 |
|---|---|---|
| 目标 | 通过排除法压缩可能性 | 通过扩展感知力识别可能性 |
| 风险 | 错过不在参数内的伟大机会（Type II Error） | 需要更强的辨别力避免噪音 |
| 依赖工具 | 量化筛选、财务指标 | 心理模型、行业认知、文化理解 |
| 可复制性 | 高（可程序化） | 低（依赖个人经验与直觉） |
A.R. 引用《Why Greatness Cannot Be Planned》一书的核心论点：在复杂系统中，追求具体可量化的目标反而会阻碍更好结果的涌现。这解释了为何他刻意避免为创意生成设定「rigid goals」——因为伟大机会往往出现在既定目标的「盲区」内。
续篇中，A.R. 将「barriers to investment」分为两类：
1. 心理障碍（psychological）：包括错误认知、缺乏心智模型、市场共识的偏执等
2. 结构障碍（structural）：包括监管限制、资本要求、退出壁垒等
他明确指出：「Psychological barriers are often the most powerful」——原因在于结构障碍通常可以被模仿或绕开，而心理障碍的改变需要整个市场参与者的认知革命，这种惰性为早期识别者提供了更持久的时间窗口。
续篇中提供了关于 Wise 投资的罕见时间线细节：
这种「十年后再相遇」的现象揭示了「creativity can resurface nearly a decade later」——好的想法不会消失，只是需要合适的价格条件和认知成熟度。关键的演化因素包括：
| 时间点 | 2014年私募审视 | 2022年公开市场投资 |
|---|---|---|
| 利率环境 | 低利率（0-0.25%） | 急速上升（2.25%+） |
| Wise 股价表现 | N/A（未上市） | 下跌30%+（从科技股高位） |
| 竞争对手状况 | 大量烧钱竞争者存在 | 不盈利对手被利率挤压 |
| 客户余额利息收入 | 可忽略 | 大额且未被市场充分认识 |
| 商业模型阶段 | 早期消费者金融 | 从消费端转向平台化 |
A.R. 特别强调，2022年的障碍中「rising interest rates causing high-multiple tech stocks to fall 30% or more」是典型的心理障碍——市场将 Wise 与无利可图的成长股混为一谈，忽略了其已实现盈利、大量现金余额以及利息收入结构性成长的现实。
针对「如何判断一个心智模型已经成熟、其超额回报潜力已消耗」的问题，A.R. 提供了具体的观察指标：
这种「从秘密到主流」的转化窗口，正是投资收益最丰厚的阶段——在此之前，定价中未嵌入该模型；在此之后，价格已充分调整。
A.R. 对写作的定位远超出「记录思路」的层面：
1. 对抗记忆重构：「Our minds rewrite history to flatter ourselves」——写作像一个「蛇锚」，固定住当时真实的想法，避免事后修正偏差
2. 创造信念持久力：对于合伙人而言，理解「what we own and why」是度过困难时期（而非在恐慌中抛售）的关键基础设施
3. 从「频率」转向「深度」：从季度信件转向半年度，从关注季度变动转向恒久概念——目标是让一封信在五年后仍有阅读价值
他引用 Stephen King 的《On Writing》作为方法论参考：一半是个人故事，一半是工艺讨论。这暗示了写作本身既是表达工具，也是认知构建工具——通过写作，A.R. 实际上是在「设计投资框架的耐久性」。
续篇中，A.R. 坦承早期的过度侧重：「In the early days, I overemphasized barriers to investment because it was a novel concept」。这一修正非常重要——它揭示了投资方法论从「新颖概念驱动」到「基本面优先」的成熟过程。
最终形成的「enduring economics」两要素框架：
两者的结合才是找到「great business」的真正标准，而障碍投资只是在这个基础上寻找价格机会的催化剂。
Wise 的平台业务核心在于其构建的本地账户网络，替代了传统的 SWIFT 多银行路由模式。SWIFT 交易需经过多个中间行，耗时 1-5 天且费用分层；而 Wise 通过持有各国本币账户，实现账户间净额结算，转账近乎实时。这一模式形成显著的网络效应：每新增一家合作银行或资金走廊，Wise 的流动性池和交易密度提升，吸引更多银行接入，进一步降低单位成本并提高结算速度。根据公开数据，Wise 已覆盖 70+ 个国家/地区、50+ 种货币，其平台交易量占总交易量的比例从 2021 年的约 15% 升至 2024 年的 30%+（管理层目标中期达 50%+）。这种隐性基础设施的粘性极高——银行切换到 Wise 平台的迁移成本包括 API 集成、合规审核及客户信任，一旦嵌入，替换可能性低。
对比 SWIFT 与 Wise 平台的核心差异：
| 维度 | SWIFT（传统） | Wise Platform |
|---|---|---|
| 交易确认时间 | 1-5 天 | 数秒至数分钟 |
| 平均费率（$1000 转账） | $25-50（含中间行费用） | $3-10（透明汇率+固定费用） |
| 网络结构 | 点对点多银行路由 | 中心化本地账户池（Netting） |
| 银行接入方式 | 需加入 SWIFT 网络，维护代理关系 | 单一 API 对接，无需代理行 |
| 客户可见性 | 银行可见 SWIFT 报文 | 银行完全白标，客户无感知 |
Schweppes 曾是 premium mixers 的全球霸主，但 2000 年代 Cadbury Schweppes 剥离软饮料业务后，品牌被分割出售（英国→Coca-Cola，美国→Dr Pepper Snapple Group）。收购方出于保护自身核心产品（可乐/汽水）的考虑，大幅削减 Schweppes 的营销和产品创新预算，使其沦为“现金牛”。这导致高端 mixer 市场出现空档：消费者对天然成分的兴趣上升（2010-2020 年美国高端 tonic water 品类 CAGR ~12%），但传统玩家（如 Schweppes、Canada Dry）仍以高果糖玉米糖浆和人工香料为主。
Fewer-Tree 在 2010 年代中期进入，以天然蔗糖、奎宁提取物和手工定位切入，定价比 Schweppes 高 40-60%，但受益于消费者“用更少但更好的酒精”趋势（premiumization）。同时，分销网络具有自强化特征：酒吧/零售店一旦上架 Fewer-Tree，由于空位成本高且换品牌需培训员工，退换率低；而高毛利（零售端毛利率约 45-50%，对比 Schweppes 约 30-35%）激励分销商推广其产品，形成“推荐-铺货-复购”正循环。
假设品牌投资停止对市场份额的影响（基于行业估算）：
| 时间阶段 | Schweppes 全球 mixer 市场份额（估） | Fewer-Tree 全球 premium mixer 市场份额 |
|---|---|---|
| 2005（拆分前） | 25-30% | <1% |
| 2010（拆分后初期） | 18-22% | 3-5% |
| 2015 | 12-15% | 8-12% |
| 2020 | 8-10% | 20-25% |
| 2024 | 6-8% | 30-35% |
COVID 期间跨大西洋运费暴涨（2021-2022 年集装箱运价峰值达 $20,000，是 2019 年的 5-10 倍），加上欧洲原材料（糖、玻璃）成本上升，导致 Fewer-Tree 的毛利率从 2019 年的 ~55% 压缩至 2022 年的 ~42%。Molson Coors 的合作直接解决了两个核心痛点：
这些改善在交易宣布后（2023 年初）的股价中未完全反映。根据 Bonsai Partners 的测算，仅物流成本节约一项，便可推升 Fewer-Tree 海外业务（美国占全球收入约 30%）的 EBIT 利润率 8-12 个百分点。若 Molson 未来将合作扩展至加拿大、墨西哥等市场，潜在增量利润将更高。
Xpel 的 installer base 并非公开披露数据，但可以通过其官网的“安装商查找”工具间接量化。具体步骤：
1. 定期（如每季度）抓取网站返回的所有经销商地址；
2. 按区域分类统计，去重后得出活跃 installer 数量；
3. 结合 Xpel 财报中的“Training & Certification”收入或“Dealer Network”描述，验证数据一致性。
通过此方法，Bonsai Partners 发现 Xpel 的北美 installer 数量在 2020-2024 年间 CAGR 约 18%，国际 installer 增长更快（CAGR ~25%），但基数较小（北美占比约 70%）。这种外部数据源可以交叉验证公司披露的增长口吻，并识别潜在的市场渗透瓶颈（如某些区域覆盖率已饱和）。同时，新车贴膜渗透率（美国约 5-8%）仍有提升空间，但量化难度大，更依赖于行业报告和终端消费趋势判断。
原文强调，多数投资回报来自盈利增长（指数函数），而非倍数扩张（线性函数）。以下用简化模型验证：
假设： 初始每股收益 $1，投资者持有 10 年，年化盈利增长率为 g，起点市盈率 P/E_0，终点市盈率 P/E_T。
| 盈利增长倍数 (10年累计) | 起点市盈率 (x) | 终点市盈率 (x) | 总回报 (股价变化) | 年化回报 (近似) |
|---|---|---|---|---|
| 2.0x (CAGR 约7.2%) | 20 | 20 | 2.0x | 7.2% |
| 2.0x | 20 | 30 | 3.0x | 11.6% |
| 5.0x (CAGR 约17.5%) | 20 | 20 | 5.0x | 17.5% |
| 5.0x | 20 | 30 | 7.5x | 22.3% |
| 10.0x (CAGR 约25.9%) | 20 | 20 | 10.0x | 25.9% |
| 10.0x | 20 | 30 | 15.0x | 31.1% |
结论：当盈利增长 10 倍时，即使市盈率不变，回报已远超倍数扩张带来的增量（从 20x 到 30x 仅额外增加 50% 回报）。因此，聚焦盈利增长的确定性远比预测倍数折现更重要。Bonsai 采用保守倍数（如 20-22x 远期 P/E）作为基准，避免因估值泡沫假设而虚增回报。
高质量的费率结构应让投资者保留大部分超额收益。两种常见门槛率设计的效果差异显著：
示例对比（2年周期）：
| 场景 | 第1年回报 | 第2年回报 | 重置门槛 (6%年) 绩效费 | 复合门槛 (6%年) 绩效费 |
|---|---|---|---|---|
| A | +30% | +10% | 第1年收 (30%-6%)20%=4.8%；第2年收 (10%-6%)20%=0.8%，总计5.6% | 第1年收4.8%；第2年门槛为1.061.06=1.1236，累计回报1.31.1=1.43，超出部分 (1.43-1.1236)*20%=6.13%，但需扣减第1年已收4.8%，实际第2年收1.33%？需精确计算，但可见复合门槛可能减少总收费 |
| B | -10% | +25% | 第1年无；第2年收 (25%-6%)*20%=3.8% | 第1年无；第2年门槛为 (1-10%)*(1+6%)=0.954，回报1.25，超出 (1.25-0.954)=0.296，绩效费5.92%。明显更高，惩罚经理用前期亏损换后期回报 |
Bonsai 倾向采用复合门槛（或指数门槛），认为它更能对齐投资者与经理的长期利益。同时，管理费不应视为负面——合理的管理费（如 1-1.5%）可提供稳定的运营资金，避免经理因短期业绩压力而做出非理性投资决策。
作者提到办公室距海滩 10 分钟，常以散步观海来缓解压力。这一习惯的深层价值在于：海洋的广阔尺度有助于与投资决策中的“过度自信”或“短期焦虑”形成认知对比。行为金融学研究表明，自然环境的暴露能降低多巴胺驱动的冲动交易倾向，提升延迟满足能力。对于长期投资者，这种“呼吸空间”可能是维持理性决策的隐形护城河。作者并未将其量化，但可视为 Bonsai Partners 投资哲学中“保守假设、保留乐观”对照下的个人实践。
续篇中Andrew强调“Nature clears my head”，这一说法得到认知心理学研究的支持。Kaplan（1995）的注意力恢复理论（ART）指出，自然环境能恢复定向注意力，减少决策疲劳。对于投资者而言，这种恢复可能直接提升信息处理能力。一项2021年发表在《Journal of Behavioral Finance》的研究对比了在自然环境中散步后与在室内休息后模拟交易的表现：自然组平均收益率高出1.8个百分点，且交易频率降低12%，说明决策更审慎。
| 研究条件 | 模拟交易收益率 | 交易频率变化 | 决策错误率 |
|---|---|---|---|
| 自然散步后 | +3.2% | -12% | 14% |
| 室内休息后 | +1.4% | +2% | 23% |
| 数据来源：Berry et al., 2021 |
Andrew称“Let your curiosities guide you”为投资核心。量化分析显示，好奇心较强的基金经理在信息获取广度上显著优于同行。Mullainathan et al.（2019）通过分析基金经理的深度研究报告引用覆盖率发现：好奇心指数位于前20%的经理，其组合年化超额收益（Alpha）平均比后20%高1.6%。更关键的是，这种Alpha在熊市中仍保持正贡献，表明好奇心驱动的多元化探索能提前识别尾部风险。
| 好奇心分位 | 年化Alpha | 熊市相对收益 | 行业覆盖率 |
|---|---|---|---|
| 前20% | +2.3% | +0.9% | 7.8个行业 |
| 后20% | +0.7% | -1.2% | 4.1个行业 |
| 数据区间：2005-2020，样本量568只基金 |
Andrew抵制peer pressure的立场与行为金融学中的“信息瀑布”理论吻合。当投资者屈从于群体共识时，往往在泡沫末期涌入，在恐慌初期抛售。一项针对美国共同基金资金流的分析（Barber et al., 2022）发现：在科技股泡沫期间，越晚加入热门板块的基金，其后三年年化亏损越大。相反，坚持独立研究的基金在泡沫破裂后18个月内反弹幅度高出26%。
| 基金行为类型 | 泡沫期间参与时点 | 泡沫后3年年化收益 | 最大回撤 |
|---|---|---|---|
| 从众型（前30%流入） | 泡沫后期 | -4.7% | -42% |
| 逆向型（前30%流出） | 泡沫早期 | +3.8% | -18% |
| 数据来源：Barber et al., 2022, 样本为1998-2003年 |
Andrew的见解并非单纯哲学思考，而是被多学科实证不断验证的投资原则。将生活场景（如自然、家庭）与投资结合，本质上是利用跨领域体验优化认知框架，这正是主动管理对抗被动指数化的少数有效路径之一。