从字节跳动到财务自由："字节哥"Leto逆袭3000万的投资判断力是怎么练出来的？

整理：PANews背景这篇文章整理自币安广场"区块链一百人"栏目衍生节目《传统金融速成班》的一场直播访谈。节目预告以"全网独家，字节哥 Leto 首次开麦"为噱头，介绍嘉宾是从字节跳动辞职、后靠美股投资实现财务自由的 Leto（推特 @leto_bao）——他的故事此前被 200 多万人围观，也被无数人质疑过真实性。直播主题定为"打工人 Leto 首次开麦，复盘美股逆袭 3000 万之路"，节目于 2026 年 7 月 5 日 20:00（UTC+8）在币安广场直播，直播前还公开征集了观众问题，并在节目中随机抽取三个现场提问。（相关阅读：字节炒股爆赚3000万辞职主角：我在拼多多买硬盘，竟意外上车存储？普通人如何捕捉“身边信息”做交易？）引言在这场直播里，主持人 Jenny 邀请到了 Leto——字节跳动出身的数据工程师，在过去几年科技与经济剧烈震荡的周期里，他做出了几个让身边人颇为好奇的决定，也拿到了不错的结果。比起结果本身，更有意思的是他怎么思考、怎么做决策，以及财务自由之后，他又把目标投向了哪里。数据驱动的思维，是从字节带出来的Leto 的投资方法论，很大程度上要追溯到他在字节跳动做 data engineer 的那几年。每天跟数据打交道，让他对数字变得异常敏感——看到一个数字变动，他会本能地去追问背后的含义。这是职业训练留下的直觉。更重要的是字节的工作方式本身。作为一家全球 tier one 级别的公司，字节内部很多技术栈和产品逻辑都走在行业最前沿，公司里聚集的同事也大多是清北、NUS 等名校背景的顶尖人才。"我们公司里很多人都比我更聪明，"他这样形容当年的同事圈子。这种长期浸泡在高密度智力环境里积累的经验，后来直接影响了他做数据架构、做交易决策的方式。但技术背景也是一把双刃剑。Leto 观察到，很多程序员出身的投资者容易踩的坑，恰恰是"过度相信自己懂的东西"——因为身处互联网行业，就天然认定互联网公司会一直涨。这种思维惯性在过去一两年里让不少人吃了亏：大科技公司资本开支太大、存储成本高企，股价持续走弱，但很多人依然固守"我懂这个行业，它一定会涨回去"的信念，结果继续亏钱。在他看来，"深耕"和"探索"并不矛盾。他自己一直没有跳出数据工程这个领域，但辗转于不同发展阶段的公司——有处于上升期的，也有衰退期和平稳期的——正是这种在同一垄道里反复切换场景的经历，让他能从更多角度看同一个问题。用 A/B Test 的思维做投资决策字节是一家高度依赖数据驱动决策的公司，任何产品功能上线前，都要先做 A/B test：把用户分成两组，一组用新功能，一组不用，看数据说话，而不是老板的主观判断。这种思维方式后来被 Leto 直接搬进了投资决策里。他给普通投资者的建议很朴素：如果你是新手，觉得指数涨得太慢，可以把仓位一分为二，一半定投指数，一半自己选股。一两年后回头看数据——涨幅、回撤、Sharpe ratio——如果自选股没能跑赢指数，就说明投资逻辑有问题，该放弃选股、老老实实投指数，或者重新复盘逻辑漏洞在哪里。这套方法几乎可以套用在任何"我是不是适合做这件事"的判断上。一次硬盘生意里读出的信号：拼多多买硬盘案例复盘节目里，Leto 复盘了一笔他认为最能代表自己判断逻辑的交易。故事要从去年 8 月说起。那段时间他的仓位已经转向价值投资，主力资金投在纳斯达克 100 指数上，只留一小部分主动选股。8 月的一天，他在网上看到一本讲"尾部对冲"策略的书，想复现书里的方法，搭建自己的数据库来做回测——于是他在拼多多上买了两块硬盘，用来搭建存储环境。买的时候硬盘价格只有 2000 多块，可买完没几天，价格开始持续上涨。他留意到两个信号：第一，有报告指出 AI 需求正在推高内存价格；第二，作为字节的数据工程师，他亲身感受到公司内部因为存储资源紧张，一直在压缩数据的生命周期（TTL）——原本能存两三年的数据，如今要求缩短到一年甚至半年。两个信号叠加一些研报分析，勾勒出一个趋势，但还称不上"实锤"。真正让他把仓位加满的，是后来看到的 13F 文件——机构连续三个季度都在加仓存储相关标的。这一波仓位他一直拿到了今年，收益颇丰，目前仍在持有。这个案例背后的逻辑，其实和他做产品的方式一脉相承：先有假设，找信号验证，再等一个足够硬的确认信号才真正下重注。期权是什么？用买房的比喻讲清楚节目中很大一部分篇幅，Leto 用了一个通俗的比喻来解释期权。（相关阅读：字节员工 2 万变 200 万？揭秘暴富背后的“末日期权”真相）假设有一套房子要价 100 万，你听说开发商要在附近搞拆迁补贴，一年后房价可能暴涨 50%。如果你手里正好有 100 万现金，直接买下这套房子——这就是普通的买股票。但如果你只想先交 10 万块定金，锁定"明年可以以 100 万价格买入"的权利，不管到时候市场价多少，这份权利本身就是一份 call option（看涨期权）。开发商愿意收这笔钱，因为这 10 万块不管你最后买不买都归他。如果你同时交了 10 份定金（也就是 100 万），一年后每套房子涨到 150 万，你能拿到的收益是 400 万——用同样的资金，比直接买一套房子多赚了 10 倍，这就是期权自带的杠杆效应。Put option（看跌期权） 则正好相反，相当于给资产买保险：你判断房子会跌，付一笔保险费，锁定未来能以固定价格把资产卖出去的权利。如果真的发生了下跌，你的损失被锁死在保费范围内；如果没跌，保费清零，仅此而已。回顾自己最早期做期权交易的经历，Leto 坦言，最开始买入 UPS、Google 这些标的其实是"有逻辑但没实锤"——疫情让人们居家网购，快递需求激增，是他买入 UPS 的理由；居家办公带来的用户日活暴涨，是他买 Google 广告业务的逻辑。这些判断算不上完全的赌博，但确实带有一定的运气成分，好在当时本金只有 2 万美金，风险可控。值得冒的风险，与不该碰的风险风险管理是整场访谈里 Leto 花了不少篇幅去讲的话题。他的核心判断标准很简单：风险要匹配你的人生阶段和现金流状况。如果你二十出头，没什么存款，抗风险能力天然就强——即便炒股清零，几个月工资就能补回来，随时能找到新工作，没有房贷车贷、没有家庭负担，这种情况下适度冒险完全没问题。但一旦跨过某个门槛：家里上有老下有小，背着房贷车贷，冒险的后果就不再只是自己承担，而是会连累整个家庭。他也提到一个具体的边界：拿几万块去创业失败，几个月能赚回来，这是值得冒的风险；但借几十上百万去创业，一旦失败拖累全家，这就是不该碰的风险。亏得最惨的一次：跟着佩洛西买英伟达节目里 Leto 也分享了自己投资生涯里最痛的一段经历。2022 年，他看到佩洛西买入英伟达，判断对方可能有内幕消息，便跟着大举 all in，买入价是 180（后来英伟达 1:10 拆股，相当于现在的 18 块）。结果赶上美国加息，整个市场普跌，英伟达从 180 跌到 120，回撤近 40%。那段时间他甚至把交易软件卸载了，不想再看。好在后来 ChatGPT 引发的 AI 浪潮把股价重新拉了回来。这段经历给他留下的认知是：判断一家公司值不值得投资只是一部分，时机和大环境同样重要。佩洛西没看错英伟达这家公司，但买入的时间点撞上了加息周期，说白了就是"买得太早"。后来佩洛西在 2023 年一度清仓部分英伟达，又在 OpenAI 爆发前重新买回，这一轮操作反而赚了更多。给新手的入门清单对于完全没接触过美股的新手，Leto 的建议非常直接：第一步不要选股，先买指数。如果实在想练手，可以先用模拟仓，但模拟仓的结果不能完全当真——因为不是自己的真金白银，拿得住和拿不住是两件事。真正靠谱的检验方法，还是那套 A/B test 思路：自己也拿一部分钱投资，一两年后跟指数收益做对比，跑赢了才说明真的适合选股，跑不赢就老实投指数。至于第一笔钱该投多少，答案取决于风险承受能力——年轻、无负担、这笔钱清零也不影响生活的话，可以投得更激进一些。那些天天出现在新闻里的名词，到底要不要懂CPI、非农、美联储、财报季——这些高频出现在财经新闻里的词，在 Leto 看来其实并不难理解：CPI（物价指数）：美联储紧盯的核心指标，CPI 走高代表通胀，走低代表通缩。美联储的长期目标是把 CPI 稳定在 2% 左右——温和通胀是良性信号，代表整体经济活动健康运转。非农就业数据：跟通胀存在一定关联（就业旺盛容易推高通胀），但不是严格的线性关系。美联储：一个独立于美国政府的机构，通过制定利率相关政策来调节经济。他也坦言，自己不认为这些宏观信息是纯粹的"噪音"——正是因为忽视了加息这个大环境，才让他在英伟达那笔交易上吃了大亏。一个数据工程师的信息系统Leto 的信息获取方式，本质上是把自己在字节积累的数据架构经验，搬到了个人投资系统里。他搭建了一套 AI agent workflow，连接 IBKR 的 MCP 服务，再对接到 Claude Code——每天早晚各推送一份早报和晚报，汇总持仓异动和值得关注的市场动态，自动整理进 Notion 文档。交易数据（tick、trades、分钟级数据）每天同步到本地的机械硬盘和固态硬盘，做冷热存储分层。他还用 Rust API 接入实盘数据做回测，主要用来预测风险，而不是做高频量化交易。一个自动化的交易 bot 专门负责用期权做对冲，但股票的买卖决策始终由他本人做出——bot 不参与股票交易。这种"人做决策、机器做辅助"的分工，也贯穿在他的复盘习惯里：每天有简要复盘，每周固定做一次系统性复盘，检查每笔交易是不是真的有逻辑支撑，还是被情绪左右了。书单：从入门到进阶Leto 推荐的书单，按投资水平分了几个层级：入门必读：《生命周期投资法》和《持续买入》，两本他都认真读完。进阶（已经跨过指数投资阶段，想自己选股）：彼得·林奇的《战胜华尔街》。想了解期权：《Options as a Strategic Investment》，系统讲期权策略的一本书。期权实战进阶：一本讲尾部对冲的书，教你在大跌前如何用期权保护仓位；以及一本暂无中文版、书名大致译作《第二条腿》（The Second Leg）的书，讲的是市场已经跌了一半、你判断还会继续跌，但 put 已经变贵的情况下该怎么办。他还提到《嘲笑华尔街》（Laughing at Wall Street），这是《战胜华尔街》思路的现代版：作者 Chris 习惯从 TikTok、Reddit 上的用户评论（UGC）里捕捉华尔街分析师看不到的消费趋势信号，比如疫情期间人们转向户外骑行的趋势，早于市场发现了一支自行车品牌股票的机会，最终涨了 60%~80%。认识你自己：四种人的风险画像Leto 曾提出一个简单的框架，把普通人分成四类：负债多、没存款的；有存款但没兴趣研究投资的；有存款又热爱研究的（以及暗含的第四类，负债不多但也没什么存款的）。他认为其中最容易在市场里受伤的，是负债多、抗风险能力最弱的那一类人——因为一旦亏损，受影响的不只是自己，还有身边的家人。至于普通人为什么选股很难，他的解释也很直接：人和 AI 大语言模型一样，都太依赖自己已有的知识库，不太会主动纳入新信息去修正判断——而这些基于个人经验的"逻辑"，往往不是市场真实规律的反映。判断自己是否适合选股，最简单的方法依然是那套 A/B test：拿一小笔钱实盘对比指数收益，跑不赢就承认自己不适合。近期市场：存储板块的调整是出清还是出问题被问及近期市场，Leto 直言存储板块最近调整幅度较大。他区分"正常出清"和"真出问题"的标准很简单：当初买入的逻辑有没有变。他分析认为，最近存储股的下跌主要是机构季度再平衡带来的抛压——比如养老基金按照固定的股债配置比例（八二或七三法则）进行调仓，前期存储股涨得太猛导致偏离配置目标，触发再平衡。这类波动属于短期噪音，整体的存储投资逻辑并未改变。他此前已经预判到这个风险，提前买入了一些 put 做保护，因此这一轮下跌对他影响有限。财务自由之后，投资什么聊到财务自由之后的状态，Leto 的答案跳出了投资本身——他现在最看重的是健康，健身和"干净饮食"成了日常标配，甚至打算买最贵的保险来对冲健康风险。他把这个逻辑也套进了期权框架里："给自己买保险，其实也是买 put——万一健康出现大跌，有一个 put 可以做保护。"目前驱动他的新目标，是正在筹备的一次 AI 方向的创业——写 BP、见 VC，是他最近的主要精力所在。谈到 AI 对个人投资和知识管理的影响，他认为最大的价值是"复利效应"：过去做研究要手动收集、整理信息，现在只需要写一个 skill 让 AI 去执行，未来有新需求就迭代这个 skill，不再有重复劳动。被问到五年后希望大家提起自己的名字时先想到什么，他的回答很干脆："我希望是我未来创建的公司，而不是我炒股发财了。"观众提问：波动率管理、杠铃策略与被低估的赛道节目最后环节，Leto 回答了三个观众提出的问题：1. 你在期权交易里更多是买方还是卖方？从收益期望来看，卖方（收保费的一方）整体更赚钱，但 Leto 表示自己主要还是扮演买方角色——因为期权对他而言不是主要盈利来源，而是给正股仓位做平滑波动的辅助工具。他常用 LEAPS（长期看涨期权）来加杠杆，长期持有到期行权，同时买入 OTM put 做风险管理。2. 你最信奉的交易策略是什么？答案是 Universa 式的"杠铃策略"，并结合自身情况做了改进：把绝大部分仓位放在债券或指数这类稳健资产上，只用一小部分（5%~10%）仓位去搏高风险高波动的机会。这部分即便清零，也不会拖累整体组合；但一旦命中，翻几倍甚至十几倍的收益足以显著拉高整体回报——回撤有限，上行空间可观，这正是杠铃策略的精髓。3. 机器人、航天、核能电力这些热门赛道现在处于什么位置？Leto 的判断分别是：机器人：他认为是这几个方向里目前最有机会的，但坦言自己对这个领域了解有限；航天：短期更多是情绪驱动，长期看好但当前估值偏高，他此前投资 SpaceX 上市初期股份，涨到 200 多美元便获利离场；传统核电：修建周期长达十几年，合规审批复杂，回报周期太长，难成主流；小型模块化反应堆（SMR）：因为要适配所有环境，安全标准被拉到最高，导致单位成本远高于大型核电站，性价比不划算；天然气发电：他判断这才是短期真正的主流方向——像马斯克数据中心直接部署天然气发电机的模式，因为可以快速部署、没有产能限制、发电效率高，反而让相关设备制造商（如 GEV、CAT）在整个电力板块里涨幅最好。结语整场访谈下来，最打动主持人 Jenny 的一点，是 Leto 从没把字节跳动的那段经历当成一个想要逃离的起点，而是当成了让自己变得更强的地方——后来的每一个决定，某种程度上都是那段经历的延续。从数据工程师到期权交易者，再到财务自由后转向创业和健康管理，贯穿始终的其实是同一套方法论：用数据和信号说话，用 A/B test 验证判断，用有限的风险敞口去博取不对称的收益。 查看更多