问题定义与收集计划：情报循环的前两步

回忆热身

在开始新内容之前，不看笔记回答以下问题：

1. 情报循环的五个步骤是什么？用你自己的语言简述每一步的核心动作。
2. OSINT 的定义中有两个关键限定词，分别是什么？为什么这两个限定词很重要？
3. Mauboussin 把投资者的优势分为三类，OSINT 直接对应其中哪两类？

为什么问题定义决定一切

上一篇讲了情报循环的全景图，五个步骤看起来都很重要。但如果你去问真正做过情报分析的人——无论是 CIA 分析师还是做空基金的调查员——他们都会告诉你同一件事：前两步（Requirements 和 Planning）决定了整个分析的质量上限。Clark 在《Intelligence Analysis: A Target-Centric Approach》中说得很直接："The success of analysis depends on an accurate problem definition."（分析的成功取决于准确的问题定义。）

这句话背后有一个残酷的现实：错误的问题定义不会在后续步骤中被修正，只会被放大。如果你在 Requirements 阶段就问错了问题——比如"这只股票会涨吗"而不是"这只股票的隐含预期是什么、哪些催化剂可能改变预期"——那你后续收集的所有数据都是在回答一个无用的问题。你可能爬了十万条数据、做了精美的可视化，但方向错了，一切归零。

Clark 指出，问题定义是"structured argumentation"（结构化论证）的第一步，而这个过程的核心动作是"breaking a problem down into parts"（把问题分解成组成部分）。他提出了一个叫 strategies-to-task 的方法：

"Deconstruct the highest level abstraction of the problem into its lower level constituent functions until you arrive at the lowest level of tasks."（把问题的最高层抽象分解为更低层的组成功能，直到你到达最底层的可执行任务。）

这种层级化分解在情报分析中表现为一个 requirements hierarchy（需求层级）：高层反映决策者视角和优先级，底层反映收集和分析的具体任务。高层问题（"伊朗局势对原油市场的影响"）很难直接回答，但分解到底层（"霍尔木兹海峡过去7天的船舶通行量变化"）就变成了一个可以收集、可以量化、可以验证的任务。

你在原油交易中其实已经做了这件事。你的高层问题是"原油会长期高位运行吗"，然后你把它分解成了一系列子问题：哈梅内伊死亡对伊朗派系的影响、霍尔木兹海峡的通行率、波斯湾停泊船只数量、伊朗的战争动机分析。每个子问题都有对应的数据源。这不是偶然——这就是 strategies-to-task 的投资版本。

graph TD
    A["高层问题
原油是否长期高位运行？"] --> B["伊朗是否会攻击 GCC？"]
    A --> C["霍尔木兹海峡会否被封锁？"]
    A --> D["全球供应替代方案是否充足？"]
    B --> B1["伊朗内部派系动态
（Telegram RSS、本地新闻）"]
    B --> B2["军事调动信号
（卫星影像、航运保险费率）"]
    C --> C1["海峡通行速率
（AIS 船舶追踪）"]
    C --> C2["波斯湾停泊船只数量
（自建看板）"]
    D --> D1["OPEC+ 产能缓冲
（官方数据+历史对比）"]
    D --> D2["美国 SPR 释放意愿
（政治分析+历史先例）"]
  

来源评估：不是所有信息都值得收集

问题定义清楚之后，下一个关键步骤不是立刻开始爬数据，而是评估你的信息来源。Clark 在证据评估框架中提出了来源评估的三个核心问题：

来源评估不是信息过滤器，而是信息权重调节器。一个有偏见的来源不一定要丢弃——做空基金的报告虽然有偏见，但 Hindenburg 和 Muddy Waters 的调查质量极高，因为他们的钱押在上面，错了要赔钱。关键是你要知道偏见的方向和程度，在分析时给它一个合理的权重。

Clark 还特别强调了一个经常被忽略的维度：传播渠道评估。信息从来源到你手中经过了多少个节点？每个节点是否会产生失真？他把传播渠道称为"可靠性拼图中的关键部分"。一条路透社的原始报道和一个 Twitter 用户对这条报道的二手转述，信息内容可能相同，但可靠性完全不同——因为传播链条上每多一个节点，信息就多一次失真的机会。

美国政府情报体系对信息可信度有一个层级划分：

这个层级对你特别重要，因为你自己爬取的一手数据在可信度层级上天然高于大多数二手来源。你的 World Monitor 抓取的 400+ 新闻源是 Indirect Information，但你的伊朗 Monitor 中波斯湾船只数量、霍尔木兹海峡通行速率——这些是你直接从数据源爬取的 Direct Information。在分析时，后者的权重应该显著高于前者。这就是为什么做爬虫的人天然具有 OSINT 优势：你跳过了传播链条上所有的中间节点。

收集策略：Target Model 与 Problem Breakdown 的配合

有了清晰的问题定义和来源评估，接下来是制定收集策略。Clark 在这里提出了一个关键原则：target model（目标模型）和 problem breakdown（问题分解）必须并行使用。

什么意思？Target model 是你对调查目标的全景认知——比如你在调查一家公司，target model 包括它的股权结构、管理层背景、财务状况、供应链关系、竞争格局、监管环境等所有已知信息。Problem breakdown 是你的具体调查问题的分解树。Clark 警告说：

"仅用 target model 会让客户被大量细节淹没；仅用 problem breakdown 会导致 tunnel vision（隧道视野）。"

这句话在投资调研中太常见了。纯做 target model 的人——读了公司所有的 10-K、看了所有分析师报告、参加了每一次 earnings call——信息量巨大，但没有焦点，不知道哪些信息和自己的交易论点直接相关。纯做 problem breakdown 的人——只盯着一个假设去找证据——容易陷入确认偏差，只看到支持自己结论的数据。

收集策略的正确做法是两者结合：先用 problem breakdown 确定收集的焦点和优先级，同时用 target model 保持对周边信息的敏感度，防止遗漏意外发现。

Clark 还给出了收集策略设计的几条实操原则：

Lowenthal 在《Intelligence: From Secrets to Policy》中补充了一个重要观点："Collection derives directly from requirements. Not every issue requires the same types of collection support."（收集直接源自需求。不是每个问题都需要相同类型的收集支持。）这看起来是废话，但在实操中很多人犯的错误就是对所有问题用同一套收集方法。调查一家中概股的财务造假和追踪原油地缘政治风险，需要的数据源、工具链和分析方法完全不同。

OSINT 工具链：把方法论落地的具体手段

Michael Bazzell 在《OSINT Techniques》（第11版）中系统整理了 OSINT 从业者的核心工具链。这里不是全面罗列（那是一本 500 页的书），而是挑出对投资调研最直接有用的几类。

搜索引擎高级操作符。Google 的 site:、filetype:、引号精确匹配、时间范围过滤，这些是最基础但威力巨大的工具。Bazzell 特别强调 site: 操作符："My favorite operator is the 'site:' function... It will only provide results of pages located on a specific domain."（我最喜欢的操作符是 site: 功能...它只返回位于特定域名上的页面结果。）比如 site:sec.gov "10-K" "risk factors" "supply chain" 可以精准定位 SEC 10-K 中讨论供应链风险的段落。

网站历史存档。Wayback Machine 是 OSINT 投资调研的核武器之一。公司改了官网上的产品描述？管理层从"关于我们"页面消失了？招聘岗位突然全部下架？这些变化如果不做历史对比你永远不会注意到。Bazzell 列出了多个归档平台，核心是 Wayback Machine（web.archive.org），还有 TimeTravel（Memento协议）、葡萄牙网络档案馆（arquivo.pt）等备用来源。

公司注册与企业信息库。Open Corporates（opencorporates.com）可以搜索全球公司注册信息；OCCRP Aleph（aleph.occrp.org）是跨国反腐调查联盟的企业关联搜索引擎；AIHIT 可以用邮箱、电话等字段反查关联企业。对于美股，SEC EDGAR 是核心——Bazzell 指出 EDGAR 的全文搜索覆盖了超过二十年的申报文件，可以用关键词精准定位 DEF-14（proxy statement）中的董事高管薪酬、关联交易等信息。

社交媒体搜索与聚合。Social Searcher 可以跨平台搜索社交媒体内容并导出 CSV。更基础的方法是 Google 精确搜索 + site: 限定社交平台。对投资来说，LinkedIn 是最有价值的社交平台——公司关键人物的履历变化、团队扩张/收缩、供应商员工的跳槽方向，这些都是 Direct Information 级别的信号。

robots.txt 与隐藏内容。一个经常被忽略的线索来源：公司网站的 robots.txt 文件。它列出了网站"不希望被搜索引擎索引"的目录。Bazzell 举了 CNN 的例子，robots.txt 中的 Disallow 目录暴露了 /cnnbeta、/development、/partners 等未公开路径。对投资来说，一家公司的 robots.txt 如果突然新增了一个 /new-product 或 /acquisition 目录——即使这个目录还是空的——这本身就是一个信号。

目标中心分析法：Clark 对传统情报循环的修正

Clark 在《Intelligence Analysis: A Target-Centric Approach》中对传统情报循环提出了一个重要修正。传统循环是线性的：需求 -> 收集 -> 分析 -> 传播。但 Clark 认为这个模型过于简化，在复杂目标上效果很差。他提出的 target-centric approach 强调三个关键特征：

协作性：让 collectors（收集者）、analysts（分析师）和 consumers（使用者）围绕一个共享的目标模型协同工作，而不是在线性流水线上各干各的。Clark 指出："involving customers increases the likelihood that the resulting intelligence will be used"（让客户参与其中，能提高情报被使用的可能性）。翻译成投资语言：如果你在做调研，你的"客户"就是那个要做交易决策的你自己。让做决策的那个你参与定义调研问题，而不是把调研和决策分成两个独立过程。

非线性：收集和分析不是先后关系，而是持续交替的。你在分析过程中发现新的信息空白，立刻回到收集阶段补充；你在收集过程中发现了意外线索，立刻回到问题定义阶段重新评估。这和你在原油交易中的实际做法一致——你不是先收集完所有信息再分析，而是收集、分析、调整、再收集，持续循环。

参与式：Target-centric approach 能缓解两个传统情报循环中的顽疾——"information glut"（信息过载）和客户对更多细节的无限需求。通过让所有参与者共享目标模型，每个人都能看到全局，知道自己的工作如何嵌入整体，从而避免无效收集。

对你来说，这个方法论最直接的启发是：不要把调研和交易当成两个分离的过程。你的调研框架（看板、爬虫、数据源）和你的交易决策（仓位、止损、目标价）应该共享同一个目标模型。每一次新的数据点不仅更新你的目标模型，也直接影响你的仓位管理。这就是为什么你为原油交易专门搭建看板是对的——看板本身就是一个共享的目标模型。