投資向來是一場長期信念競賽，瞬息浮動的數字只是表相。（資料照片／陳愷巨攝）
對許多投資人而言，股市迷人的地方，在於它總會讓人以為自己「看懂了」。未來學、行為經濟學、反身性理論、分析師的各種看法，表面上對市場各說各話，其實都在描述同件事：市場是一個會因人類信念而改變的動態系統，不是一台冷冰冰的計算機。
預測股市之困難，並非因為訊息量不夠，實際上預測市場本身會改變交易行為，進而改變價格，摧毀原本的預測前提。
「未來學」無法預測股市
這就是為什麼「未來學」或許能幫我們看看趨勢前景，卻無法精準預測股市。它可以提醒我們哪些力量正在累積，例如利率走勢、政策周期、地緣政治、產業變化與資金流向，但它無法將市場變成靜態模型。因為市場參與者不只是觀察者，他們還同時進場積極反應。當大量資金根據相似的預測進場出場，預測就不再中立，而成了定價的一部分——股市與天氣預報最大的不同在此，天氣不會因為氣象單位預測下雨就改變走勢，但股市會。
「行為經濟學」則進一步說明，這種市場「干擾」並非偶然，而是群眾心理機制所造成。例如「過度自信」讓投資人高估自己對市場的掌握，認為自己的判斷比別人更准；「確認偏誤」則讓人只關注支持同溫層的資訊，忽略反向訊號。兩者相加相乘，會讓投資人產生一種熟悉的錯覺：「我是對的，我不是在抱牢戀棧，我是在等市場證明我是對的」。於是，當估值已高、量價背離、利多不漲、甚至基本面轉弱，這些原本應被視為風險警報的訊號，卻被解釋成合理震盪、釋放能量。於是，持股抱牢效應就這樣被心理偏誤放大。
從「金融大鱷」索羅斯（George Soros）的「反身性理論」來看，這並非個人問題，是集體問題。索羅斯的核心觀點是，市場中的預期會反過來改變現實，而現實再回頭強化預期。因此，市場泡沫不是單純因為大家「看錯」，而往往是因為大家一同看多、一同追價、一同把價格上漲誤認為基本面改善而且前景樂觀。當價格上漲，更多人相信自己判斷正確，於是更願意加碼，又推升價格，價格上漲再度驗證樂觀，形成正向回饋循環。當心，市場泡沫就這樣被吹起來。
由此，「行為金融學」能不能衡量泡沫前後集體樂觀的極限？很難。學界通常看分析師預測分歧、估值偏離、價格動能、成交量集中度、資金槓桿與市場情緒。然而如果眾家分析師對同一標的目標價、獲利預期、成長率預測逐漸收斂，價格卻持續快速上漲，這種分歧則可能是市場共識過熱的參考訊號。
風險常常來自大家都說同一套故事。這點在現代最典型的案例，也許就是2000年網路泡沫。當時華爾街幾乎一致相信所謂「新經濟」會改寫估值規則，網路流量、使用者與市占率被當成企業實現未來獲利的替代品，分析師共識高度集中，市場集體沉醉在類似的成長敘事。
然而，當「現金流」無法跟上網路世界的想像，美好故事就失去支撐，泡沫破裂。那是個分析師共識過度一致的時代，大家都太相信「這次不一樣」，進而忽視風險。
必須尊重市場的不確定性
今天的AI科技熱潮，難免讓人聯想到2000年那段歷史，卻又不能畫上等號。主要差別在於現金流結構。
2000年的科技龍頭與新創企業，幾乎都是靠外部融資與高估值撐起成長故事，現金流薄弱，甚至未能證明商業模式可以持續；今天的AI巨頭則不同，許多本來就擁有巨額穩健的現金流，能夠一邊賺大錢，一邊投資算力、資料中心與晶片。簡而言之，AI熱潮是「先有現金流、再加強投資故事」；網路泡沫則是「先講故事、現金流再說」。
但是這不代表AI科技熱潮沒有風險。值得警惕的是現金流再強，也有可能抵不住資本支出膨脹與高估值透支。
如果市場對AI獲利速度過度樂觀，分析師共識又持續收斂到同一種高估值框架，那麼泡沫未必現在爆破，但市場脆弱性會逐步累積。AI重要性愈被高估，市場就更容易過度定價，技術的重要性被過度金融化，風險於是擴大。
所以，或許真正成熟的投資態度，不是追求預測勝率與高度成長，而是「尊重不確定性」。與其問「下一波怎麼走」（攻擊），不如問「如果會出錯，哪裡會先出現破綻？」（防禦）。分析師意見是否收斂、預測是否過度一致、價格是否脫離基本面、資金是否過度集中、槓桿是否升高，這些都比故事更實際、更重要，因為市場最危險的時候，往往是大家都覺得自己「看懂了」。
投資是一場長期信念競賽，瞬息浮動的數字只是表相。當預測取代市場實況，當共識替代客觀分析，當樂觀從合理判斷變成無腦習慣，市場集體心理嚴重失真，泡沫就不再只是來自價格高估而已。也因此，投資風險管理正是防止自己被共識帶向市場之巔。高處不勝寒，必須保持警戒。
