從字節跳動到財務自由："字節哥"Leto 逆襲 3000 萬的投資判斷力是怎麼練出來的？

整理：PANews

背景

這篇文章整理自幣安廣場"區塊鏈一百人"欄位衍生節目《傳統金融速成班》的一場直播訪談。 節目預告以"全網獨家，字節哥 Leto 首次開麥"為噱頭，介紹嘉賓是從字節跳動辭職、後靠美股投資實現財務自由的 Leto（推特 @leto_bao）——他的故事此前被 200 多萬人圍觀，也被無數人質疑過真實性。 直播主題定為"打工人 Leto 首次開麥，複盤美股逆襲 3000 萬之路"，節目於 2026 年 7 月 5 日 20:00（UTC 8）在幣安廣場直播，直播前還公開徵集了觀眾問題，並在節目中隨機抽取三個現場提問。 （相關閱讀：位元組炒股爆賺3000萬辭職主角：我在拼多多買硬碟，竟意外上車存儲？普通人如何捕捉“身邊信息”做交易？）

引言

在這場直播裡，主持人 Jenny 邀請到了 Leto——字節跳動出身的數據工程師，在過去幾年科技與經濟劇烈震蕩的周期裡，他做出了幾個讓身邊人頗為好奇的決定，也拿到了不錯的結果。 比起結果本身，更有意思的是他怎麼思考、怎麼做決策，以及財務自由之後，他又把目標投向了哪裡。

數據驅動的思維，是從位元組帶出來的

Leto 的投資方法論，很大程度上要追溯到他在位元組跳動做 data engineer 的那幾年。 每天跟數據打交道，讓他對數字變得異常敏感──看到一個數字變動，他會本能地去追問背後的意義。 這是職業訓練留下的直覺。

更重要的是位元組的工作方式本身。 作為一家全球 tier one 等級的公司，字節內部許多技術堆疊和產品邏輯都走在行業最前沿，公司裡聚集的同事也大多是清北、NUS 等名校背景的頂尖人才。 "我們公司裡很多人都比我聰明，"他這樣形容當年的同事圈。 這種長期浸泡在高密度智力環境中累積的經驗，後來直接影響了他做資料架構、做交易決策的方式。

但技術背景也是一把雙面刃。 Leto 觀察到，許多程式設計師出身的投資者容易踩的坑，恰恰是"過度相信自己懂的東西"——因為身處網路產業，就天然認定網路公司會一直漲。 這種思維慣性在過去一兩年裡讓不少人吃了虧：大科技公司資本開支太大、存儲成本高企，股價持續走弱，但很多人依然固守"我懂這個行業，它一定會漲回去"的信念，結果繼續虧錢。

在他看來，"深耕"和"探索"並不矛盾。 他自己一直沒有跳出資料工程這個領域，但輾轉於不同發展階段的公司──有處於上升期的，也有衰退期和平穩期的──正是這種在同一壟道裡反覆切換場景的經歷，讓他能從更多角度看同一個問題。

用 A/B Test 的思維做投資決策

位元組是一家高度依賴資料驅動決策的公司，任何產品功能上線前，都要先做 A/B test：把使用者分成兩組，一組用新功能，一組不用，看數據說話，而不是老闆的主觀判斷。 這種思維方式後來被 Leto 直接搬進了投資決策。

他給一般投資人的建議很樸素：如果你是新手，覺得指數漲得太慢，可以把部位一分為二，一半定投指數，一半自己選股。 一兩年後回頭看數據——漲幅、回撤、Sharpe ratio——如果自選股沒能跑贏指數，就表示投資邏輯有問題，該放棄選股、老實投指數，或者重新複盤邏輯漏洞在哪裡。 這套方法幾乎可以套用在任何"我是不是適合做這件事"的判斷上。

一次硬碟上讀出的訊號：拼多多買硬碟案例複盤

節目裡，Leto 複盤了一筆他認為最能代表自己判斷邏輯的交易。 故事要從去年 8 月說起。

那段時間他的部位已經轉向價值投資，主力資金投在納斯達克 100 指數上，只留一小部分主動選股。 8 月的某一天，他在網路上看到一本講"尾部對沖"策略的書，想復現書裡的方法，搭建自己的資料庫來做回測——於是他在拼多多上買了兩塊硬碟，用來搭建儲存環境。

買的時候硬碟價格只有 2000 多塊，可買完沒幾天，價格開始持續上漲。 他留意到兩個訊號：第一，有報告指出 AI 需求正在推高記憶體價格；第二，身為位元組的資料工程師，他親身感受到公司內部因為儲存資源緊張，一直在壓縮資料的生命週期（TTL）──原本能存兩三年的數據，如今要求縮短到一年甚至半年。 兩個訊號疊加一些研報分析，勾勒出一個趨勢，但還稱不上"實錘"。

真正讓他把倉位加滿的，是後來看到的 13F 文件——機構連續三個季度都在加倉存儲相關標的。 這一波倉位他一直拿到了今年，收益頗豐，目前仍在持有。

這個案例背後的邏輯，其實和他做產品的方式一脈相承：先有假設，找訊號驗證，再等一個足夠硬的確認訊號才真正下重註。

期權是什麼？ 用買房的比喻講清楚

節目中很大一部分篇幅，Leto 用了一個通俗的比喻來解釋選擇權。 （相關閱讀：位元組員工 2 萬變 200 萬？揭秘暴富背後的「末日選擇權」真相）

假設有一間房子要價 100 萬，你聽說開發商要在附近搞拆遷補貼，一年後房價可能暴漲 50%。 如果你手上剛好有 100 萬現金，直接買下這棟房子——這就是普通的買股票。 但如果你只想先繳 10 萬塊訂金，鎖定"明年可以以 100 萬價格買入"的權利，不管到時候市價多少，這份權利本身就是一份 call option（買權）。 開發商願意收這筆錢，因為這 10 萬塊不管你最後買不買都歸他。 如果你同時交了 10 份訂金（也就是 100 萬），一年後每套房子漲到 150 萬，你能拿到的收益是 400 萬——用同樣的資金，比直接買一套房子多賺了 10 倍，這就是期權自帶的槓桿效應。

Put option（看跌期權） 則正好相反，相當於給資產買保險：你判斷房子會跌，付一筆保險費，鎖定未來能以固定價格把資產賣出去的權利。 如果真的發生了下跌，你的損失被鎖死在保費範圍內；如果沒跌，保費清零，僅此而已。

回顧自己最早做選擇權交易的經歷，Leto 坦言，最開始買入 UPS、Google 這些標的其實是"有邏輯但沒實錘"——疫情讓人們居家網購，快遞需求激增，是他買入 UPS 的理由；居家辦公帶來的用戶日活暴漲，是他買 Google 廣告業務的邏輯。 這些判斷不算是完全的賭博，但確實帶有一定的運氣成分，好在當時本金只有 2 萬美金，風險可控。

值得冒的風險，與不該碰的風險

風險管理是整場訪談裡 Leto 花了不少篇幅去講的話題。 他的核心判斷標準很簡單：風險要配合你的人生階段和現金流狀況。

如果你二十出頭，沒什麼存款，抗風險能力天然就強——即便炒股清零，幾個月工資就能補回來，隨時能找到新工作，沒有房貸車貸、沒有家庭負擔，這種情況下適度冒險完全沒問題。 但一旦跨過某個門檻：家裡上有老下有小，背著房貸車貸，冒險的後果就不再只是自己承擔，而是會連累整個家庭。

他也提到一個具體的邊界：拿幾萬塊去創業失敗，幾個月能賺回來，這是值得冒的風險；但藉幾十上百萬去創業，一旦失敗拖累全家，這就是不該碰的風險。

虧得最慘的一次：跟著裴洛西買英偉達

節目裡 Leto 也分享了投資生涯裡最痛的一段經驗。 2022 年，他看到裴洛西買入英偉達，判斷對方可能有內幕消息，便跟著大舉 all in，買入價是 180（後來英偉達 1:10 拆股，相當於現在的 18 塊）。 結果趕上美國升息，整個市場普跌，英偉達從 180 跌到 120，回撤近 40%。 那段時間他甚至把交易軟體卸載了，不想再看。

好在後來 ChatGPT 引發的 AI 浪潮把股價重新拉了回來。 這段經歷留給他的認知是：判斷公司值不值得投資只是一部分，時機和大環境同樣重要。 裴洛西沒看錯英偉達這家公司，但買入的時間點撞上了升息週期，說白了就是"買得太早"。 後來佩洛西在 2023 年一度清倉部分英偉達，又在 OpenAI 爆發前重新買回，這一輪操作反而賺了更多。

給新手的入門清單

對於完全沒接觸過美股的新手，Leto 的建議非常直接：第一步不要選股，先買指數。 如果你實在想練手，可以先用模擬倉，但模擬倉的結果不能完全當真——因為不是自己的真金白銀，拿得住和拿不住是兩件事。 真正可靠的檢驗方法，還是那套 A/B test 思路：自己也拿一部分錢投資，一兩年後跟指數收益做對比，跑贏了才說明真的適合選股，跑不贏就老實投指數。

至於第一筆錢該投多少，答案取決於風險承受能力──年輕、無負擔、這筆錢清零也不影響生活的話，可以投得更激進一些。

那些天天出現在新聞裡的名詞，到底要不要懂

CPI、非農、聯準會、財報季－這些高頻出現在財經新聞裡的詞，在 Leto 看來其實並不難理解：

• CPI（物價指數）：聯準會緊盯的核心指標，CPI 走高代表通膨，走低代表通貨緊縮。 聯準會的長期目標是把 CPI 穩定在 2% 左右——溫和通膨是良性訊號，代表整體經濟活動健康運作。

• 非農業就業數據：跟通膨有一定關聯（就業旺盛容易推高通膨），但不是嚴格的線性關係。

• Fed：一個獨立於美國政府的機構，透過制定利率相關政策來調節經濟。

他也坦言，自己不認為這些宏觀信息是純粹的"噪音"——正是因為忽視了加息這個大環境，才讓他在英偉達那筆交易上吃了大虧。

一個資料工程師的資訊系統

Leto 的資訊取得方式，本質上是把自己在位元組累積的資料架構經驗，搬到了個人投資系統裡。 他搭建了一套 AI agent workflow，連接 IBKR 的 MCP 服務，再對接到 Claude Code——每天早晚各推送一份早報和晚報，匯總持倉異動和值得關注的市場動態，自動整理進 Notion 文件。 交易資料（tick、trades、分鐘級資料）每天同步到本地的機械硬碟和固態硬碟，做冷熱儲存分層。

他也用 Rust API 接取實盤資料做回測，主要用來預測風險，而不是做高頻量化交易。 一個自動化的交易 bot 專門負責用選擇權做對沖，但股票的買賣決策始終由他本人做出－bot 不參與股票交易。 這種"人做決策、機器做輔助"的分工，也貫穿在他的複盤習慣裡：每天有簡要復盤，每週固定做一次系統性複盤，檢查每筆交易是不是真的有邏輯支撐，還是被情緒左右了。

書單：從入門到進階

Leto 推薦的書單，依投資水準分了幾個層級：

• 入門必讀：《生命週期投資法》和《持續買進》，兩本他都認真讀完。

• 進階（已經跨過指數投資階段，想自己選股）：彼得林奇的《戰勝華爾街》。

• 想了解選擇權：《Options as a Strategic Investment》，系統講選擇權策略的一本書。

• 期權實戰進階：一本講尾部對沖的書，教你在大跌前如何用期權保護倉位；以及一本暫無中文版、書名大致譯作《第二條腿》（The Second Leg）的書，講的是市場已經跌了一半、你判斷還會繼續跌，但該判斷該怎麼辦貴的情況。

他也提到《嘲笑華爾街》（Laughing at Wall Street），這是《戰勝華爾街》思路的現代版：作者 Chris 習慣從 TikTok、Reddit 上的用戶評論（UGC）裡捕捉華爾街分析師看不到的消費趨勢信號，比如疫情期間人們轉向戶外騎行的趨勢，早於市場發現了一支自行車品牌股票的機會，最終漲了80% 80%。

認識自己：四種人的風險畫像

Leto 曾經提出一個簡單的框架，把普通人分成四類：負債多、沒存款的；有存款但沒興趣研究投資的；有存款又熱愛研究的（以及暗含的第四類，負債不多但也沒什麼存款的）。 他認為其中最容易在市場裡受傷的，是負債多、抗風險能力最弱的那一類人──因為一旦虧損，受影響的不只是自己，還有身邊的家人。

至於普通人為什麼選股很難，他的解釋也很直接：人和 AI 大語言模型一樣，都太依賴自己已有的知識庫，不太會主動納入新資訊去修正判斷——而這些基於個人經驗的"邏輯"，往往不是市場真實規律的反映。 判斷自己是否適合選股，最簡單的方法依然是那套 A/B test：拿一小筆錢實盤對比指數收益，跑不贏就承認自己不適合。

近期市場：儲存板塊的調整是出清還是出問題

被問到近期市場，Leto 直言儲存板塊最近調整幅度較大。 他區分"正常出清"和"真出問題"的標準很簡單：當初買入的邏輯有沒有變。 他分析認為，最近儲存股的下跌主要是機構季度再平衡帶來的拋壓——例如退休基金按照固定的股債配置比例（八二或七三法則）進行調倉，前期儲存股漲得太猛導致偏離配置目標，觸發再平衡。 這類波動屬於短期噪音，整體的儲存投資邏輯並未改變。 他先前已經預判這個風險，提前買入了一些 put 做保護，因此這一輪下跌對他影響有限。

財務自由之後，投資什麼

聊到財務自由之後的狀態，Leto 的答案跳出了投資本身——他現在最看重的是健康，健身和"乾淨飲食"成了日常標配，甚至打算買最貴的保險來對沖健康風險。 他把這個邏輯也套進了選擇權框架裡：「給自己買保險，其實也是買 put——萬一健康出現大跌，有一個 put 可以做保護。」

目前驅動他的新目標，是正在籌備的一次 AI 方向的創業——寫 BP、見 VC，是他最近的主要精力所在。 談到 AI 對個人投資和知識管理的影響，他認為最大的價值是"複利效應"：過去做研究要手動收集、整理信息，現在只需要寫一個 skill 讓 AI 去執行，未來有新需求就迭代這個 skill，不再有重複勞動。

被問到五年後希望大家提起自己的名字時先想到什麼，他的回答很乾脆："我希望是我未來創建的公司，而不是我炒股發財了。"

觀眾提問：波動率管理、槓鈴策略與被低估的賽道

節目最後環節，Leto 回答了三位觀眾提出的問題：

從收益期望來看，賣方（收保費的一方）整體更賺錢，但 Leto 表示自己主要還是扮演買方角色－因為選擇權對他而言不是主要獲利來源，而是給正股部位做平滑波動的輔助工具。 他常用 LEAPS（長期買權）加槓桿，長期持有到期行使，同時買進 OTM put 做風險管理。

答案是 Universa 式的"槓鈴策略"，並結合自身情況做了改進：把絕大部分倉位放在債券或指數這類穩健資產上，只用一小部分（5%~10%）倉位去搏高風險高波動的機會。 這部分即便清零，也不會拖累整體組合；但一旦命中，翻幾倍甚至十幾倍的收益足以顯著拉高整體回報——回撤有限，上行空間可觀，這正是槓鈴策略的精髓。

Leto 的判斷分別是：

• 機器人：他認為是這幾個方向裡目前最有機會的，但坦言自己對這個領域了解有限；

• 航太：短期較多是情緒驅動，長期看好但當前估值偏高，他此前投資 SpaceX 上市初期股份，漲到 200 多美元便獲利離場；

• 傳統核電：修建週期長達十幾年，合規審核複雜，回報週期太長，難成主流；

• 小型模組化反應器（SMR）：因為要適應所有環境，安全標準被拉到最高，導致單位成本遠高於大型核電站，性價比不划算；

• 天然氣發電：他判斷這才是短期真正的主流方向——像馬斯克資料中心直接部署天然氣發電機的模式，因為可以快速部署、沒有產能限制、發電效率高，反而讓相關設備製造商（如 GEV、CAT）在整個電力板塊裡漲幅最好。

結語

整場訪談下來，最打動主持人 Jenny 的一點，是 Leto 從沒把字節跳動的那段經歷當成一個想要逃離的起點，而是當成了讓自己變得更強的地方——後來的每一個決定，某種程度上都是那段經歷的延續。 從資料工程師到選擇權交易者，再到財務自由後轉向創業和健康管理，貫穿始終的其實是同一套方法論：用數據和訊號說話，用 A/B test 驗證判斷，用有限的風險敞口去博取不對稱的收益。