（1）激动人心的时刻

直到最近，我对人工智能及其对市场的影响还一无所知，过着无忧无虑的生活。作为一个"设定即忘"的投资者，没有任何雇主强迫我使用AI，我的个人项目和"工作"最多只需要在查资料时忽略谷歌AI概览。但这一切在2026年发生了翻天覆地的变化。在我终于决定在一个项目上尝试AI编程后，我初次体验到了令人震撼的AI编程能力（不，输出并没有那么好，但它确实能用，而且速度快）。一些重大新闻（或博客文章）从金融领域扩散到大众新闻中——主要是关于一半或全部人失业的耸人听闻报道。

接着，在3月份，我有一小笔投资的私募基金作为封闭式基金（CEF）上市（直接在纽交所上市，代码为\$VCX），价格立即飙升，短暂触及资产净值溢价近3000%，随后暴跌，但交易仍保持波动，存在相当大的非理性溢价。（上市前投资者受锁定期限制，因此我无法实现这些收益。）低流通量、过度炒作的广告宣传以及大量散户买入是影响因素，但AI集中投资组合的强势无疑是最重要的因素。上市前不久，VCX的持仓约20%为Anthropic，10%为OpenAI，5%为SpaceX，并包括其他知名AI公司如Databricks和Anduril的大量股份。

在2026年第一季度AI热潮之后，我决定是时候审视我的投资了。我相信不需要说服任何人，AI交易是当今推动市场的主要主题。

关于可能出现的AI泡沫的担忧，有些仅仅是因为股票上涨。但AI不仅仅是市场叙事；它也是一种广泛的社会和文化现象。这项技术强大且具有明显的实用性，但我（过于简化）的看法是，这种炒作部分是一种集体幻觉。与聊天机器人互动时，你使用的是自然语言界面（NLI），而且不仅仅是你在和电脑对话——电脑也会回应你，使整个体验成为会话式自然语言界面（CNLI）。CNLI部分至关重要，因为它触及了人类几千年来对创造智能、类人生物的深层迷恋。几个例子：上帝用尘土创造亚当和夏娃（原始人类）；维克多·弗兰肯斯坦将生命注入一堆无生命物质；魏岑鲍姆教授在20世纪60年代创建了一个基本的模式匹配聊天机器人，它说服了一些用户相信它有人类情感，这就是所谓的ELIZA效应。当人类特征以某种方式从通常的卵子和精子有性生殖机制之外出现时，这确实能激发人们的想象力。

我们人类的自负在于，能够产生、理解和"感受"复杂语言使我们与地球上其他一切区分开来。在ChatGPT发布之前，基于提示的图像生成已经公开存在了几个月，但OpenAI的DALL·E 2（可以说是最容易使用的）在推出两个月内仅积累了数百万用户，而ChatGPT则达到了1亿。虽然图像生成器"使用"自然语言，但它们不是对话式的，主要被视为花哨的软件工具。ChatGPT会与人对话。有些人认为它近乎人类，甚至超人类，它已经引发了DALL·E永远无法做到的AI诱发性精神病案例。对通用人工智能（AGI）的痴迷是同一现象的延伸。（语音模式和视频头像当然在加剧这个问题。）

这一切使得向某些投资者灌输AI理念并说服他们投入巨额资金变得容易得多，我认为这是AI热潮中大多数主要股票的主要支撑。如果对投资回报率和终端客户收入（即不是投资者来源的收入）的预期远远超前于现实，那么即使投资者信心受到轻微冲击，或者预期时间表延迟几年，或者行业内资金优先级的重新调整，都可能重创股价。而且，有很多很多理由对当今的投资回报率预测不完全确定。

我是一个普通的散户投资者，在401(k)中持有指数基金，在其他地方持有广泛资产类别ETF——没有个股。我负责任地管理我的钱，因为我有一个家庭要养，而目前投资是我们唯一的收入来源。私募交易、风险投资和复杂债务安排当然是系统的重要组成部分，但我的重点将放在对我最相关和最容易获得的投资上：公开股票和债券/固定收益基金。

（2）公司正在赚真金白银

Owenomics博客从定量和行为经济学角度分析市场。有一个很好的"泡沫观察"系列，你可以阅读以了解该博客的方法和风格。拉蒙特先生采用数据驱动的方法（"四骑士"）来判定泡沫，并且（到目前为止）在预测即将到来的厄运时没有犯错——即刚说市场要跌市场却继续上涨的情况——但他的最新更新显示对更多泡沫指标出现的担忧日益增加。只剩一个指标（"即将到来的IPO浪潮"）他才会正式宣布泡沫，但即便如此，市场顶部可能还有数年之遥。

虽然我非常感谢拉蒙特先生愿意分享所有这些信息，包括许多值得关注的指标（我用来构建自己的泡沫观察仪表盘），但AI热潮的具体情况可能是一个重要的盲点。"四骑士"指标自互联网泡沫以来没有真正改变。但正如广泛报道的那样，AI与互联网狂热完全不同，对吧？到1999年，许多公开上市的互联网公司，尤其是面向消费者的公司，银行账户空空如也，没有正经收入，严重依赖"眼球"等替代指标来支撑股价（通过后续发行融资）。作为投资，这些互联网IPO的质量并不比最近加密货币泡沫期间的垃圾币ICO好多少。相比之下，几乎所有公开上市的AI赢家都拥有/或赚取大量现金。因此，我们不应因低质量的互联网IPO和低质量的AI IPO之间的差距而麻痹大意。

>>> 📊 图1：AI融资流程图 <<<

这个流程图追踪了资金如何流经AI-工业综合体。它可以粗略地总结为四列：

  • 参与者（画成火柴人）是最终做出财务决策的个人和企业，包括终端客户（使用AI的人）和投资者（为扩张以销售AI提供资金，并希望获得投资回报）。
  • 软件栈中的公司设计/工程化AI需要在芯片/计算机上完成的工作。资金在这些公司之间因各种原因流动，它们也显著地面向消费者，吸收行业大部分终端客户收入。
  • 一切都汇聚到数据中心，第三列中唯一的盒子。这是物理芯片/计算机所在的地方。
  • 从那里，一切又分散到数据中心建设的受益者。

有一些立即可见的要点。首先，集中式数据中心是整个体系的关键。是的，AI也可以本地化、边缘化、去中心化等，但可以合理得出结论，到目前为止90%以上的AI相关公开股票增长与大规模数据中心有关（ChatGPT分析）。

其次，通过系统流动的投资者资金很快转化为"华尔街结果"，远早于任何支持主要AI论点的证据必须出现。无论谁收到初始投资，都不会将其报告为收入——OpenAI没有在3月底筹集1220亿美元，然后立即说"我们本季度赚了1220亿美元。"但一旦这笔投资用于准备土地、采购NVIDIA芯片、建造实际建筑和安装燃气轮机，它确实会成为\$EQIX、\$NVDA、\$FIX、\$GEV以及许多其他公司的收入（通常由于建设强度高而利润率丰厚）。

注意以下简化：

  • 除了绿色的投资者箭头，我只绘制了客户关系流，其中金钱换取非货币价值的东西（不是股权等金融资产）。这保持了简洁，避免了显示客户-投资者资金循环，这些循环在彭博社今年广为流传的文章中有所展示。
  • 循环交易基本上仍被包含在"投资者"火柴人中，其中包括来自其他框的公司（如NVIDIA（框8）、谷歌（框6）和OpenAI（框5））的决策者，以及软银和风投基金等外部参与者。
  • 我没有包括股票/股权投资者流动，因为那样就会在投资者和图表中的每个其他框之间出现双向绿色箭头。股权仍然非常重要——它是拉蒙特先生的最后一个指标，我们正在看到重要的发展，如\$GOOG发行800多亿美元股权、\$SPCX IPO以及即将到来的Anthropic和OpenAI上市。

（3）上涨中的脆弱性，下跌中的加剧

当前的AI融资体系过度依赖投资者。我得到了一个（承认是粗略的，但合理支持的）来自ChatGPT的猜测，即行业现金流中不到25%可以追溯到终端客户。（这里我将超大规模资本支出归类为"投资"，实际上它确实是。）这本身不是坏事。在建设新业务和扩大实物资产时，投资者承担大部分费用是正常的。通常，用于建造新公寓楼的100%资金是"投资者"的钱，在租户搬入之前（建设完成后）没有"终端客户"租金支付。

区分一级市场（直接注入现金）和二级市场（投资者之间交易金融利益，不涉及公司）非常重要。众所周知，一级市场投资往往导致有效全损，而不会产生更广泛的系统性影响（想想Meta在Reality Labs上迄今花费的900亿美元，本质上是一个"内部创业公司"，或软银在WeWork上损失的140亿美元）。我真正担心的是对二级市场的影响，那里持有每个人的公开股票。

一旦资金开始流动，它就会出现在下游上市公司的收益（以及未来预测和股价）中。而上游注入/投资/烧钱的上市公司的股价可能不会受到相应惩罚，因为他们被期望从其投资中获得健康的回报，就像我们其他人一样，对吧？只要现金持续流动，股票市场就会在流动的两端持续上涨。由于生态系统资金中超过75%最终来自投资者，因此投资者乐观情绪是决定市场成败的关键因素。

这不一定表明泡沫正在膨胀或即将破裂。如果围绕AI的财务增长预测最终（按时）被证明正确，那么现金流将大部分（按时）变成客户驱动，投资者（按时）拿回他们的钱。那么，今天乐观的股价就是"正确"的价格。然而，很多因素取决于这些预测，而这些预测似乎与所有超大规模资本支出和向AI实验室开出的支票同步增长。那么，这些预测合理吗？整个融资机制是有弹性的，还是脆弱的？

任何可能削弱投资者乐观情绪，从而减缓或阻止投资者现金流的事情，都是股价的风险。以下是我（不完整）的风险清单：

  • 超大规模竞争：在AI之前，许多大型科技公司并没有认真竞争，通过运营垄断或寡头来增加利润。如今，有足够多的数据中心运营商（超大规模和新型云）使得运营卡特尔更加不稳定。数据中心投资已变成囚徒困境，至少谷歌和Meta公开表示，建设不足的风险大于过度建设的风险。（你可以把这看作是"历史上最昂贵的懦夫博弈之一"，大致相当于美苏核军备竞赛的规模。）过度建设是可能的，这可能导致计算供应过剩，从而对定价能力、利润以及超大规模和新型云股票构成压力。另一方面，停止竞争将打击数据中心建设受益者的股票。
  • 模型商品化：LLM和相关技术已经足够普及，足以支持多个严肃的竞争对手。技术配方简单，知识产权保护不强。许多模型制作者有商业或地缘政治动机，以低价提供高容量模型或免费赠送，终端客户已经对价格信号作出反应，在OpenRouter市场上使用中国模型多于美国模型。
  • 潜在的小模型或本地AI竞争：高价格足以推动终端客户转向更小、自托管和无计量的AI——甚至在对隐私、安全、可靠性和数据主权产生担忧之前。人们低估了硬件和软件在这一水平上的表现有多好，以及兼容平台（如NVIDIA或AMD消费级GPU和Apple M系列SoC）已经有多普遍。这直接与计算提供商竞争，并损害服务于它们的公司。
  • 芯片设计演进：常听到的说法称GPU电路"完美"适合驱动AI计算并不完全正确。顾名思义，GPU针对计算机图形进行了优化，它们在AI中的粘性很大程度上归功于围绕NVIDIA已有二十年历史的CUDA平台构建的成熟GPGPU计算生态系统。将AI工作负载从CPU转移到GPU是一个从"糟糕的低效"过渡到"相当低效"的转变。所有主要超大规模公司，以及Groq、Cerebras和Etched等初创公司，都推出了针对AI特定使用模式量身定制的竞争设计，并以一定的灵活性为代价展示了明确的性能改进，这是一个针对标准化、广泛部署的推理工作流程的极好折中。一如既往，真正的竞争会牺牲利润（和股价）向客户提供更低价格。（然而，NVIDIA最近确实通过 stealth acquihire 收购了 Groq 消除了部分竞争，而没有受到反垄断审查。那些叛徒！）
  • 盈利期限：我们仍处于AI的蜜月期，乐于忽略高支出和低收入，因为承诺事情很快就会改变。这不可能永远持续下去。预测超大规模公司将从2028年开始产生快速增长的FCF。是的，其中一部分来自预期的资本支出下降。但是，除了微软之外，预测趋势与AI前时代相比，明显反映了远超AI前基线的FCF增长预期。至于AI实验室，它们即将面临与数据中心运营商签订的"取或付"合同带来的支付壁垒。现金影响就像ARM抵押贷款在介绍期结束后重置的涡轮增压版本。如果这些关键日期仍没有出现利润，投资者不会高兴。
  • 政治反对和基础设施不足：监管和电力短缺使得数据中心的建设更加困难和缓慢。没有持续的建设与升级，建设受益者赚的钱更少，尽管计算稀缺可能有利于上游公司。
  • 宏观经济背景压力：通胀仍在，美联储可能很快加息。许多人已经指出与2000年和2008年崩盘的相似之处，当时美联储利率在2006年分别达到6.5%和5.25%的峰值。AI可能通过推高RAM和电力价格使情况恶化。

另一种泡沫风险是过度膨胀，这在上涨过程中不会增加脆弱性，但会加剧下跌时的痛苦。急剧下跌对那些在高点附近买入或过度杠杆的人伤害最大。股价过高意味着下跌空间更大，并可能引发"AI崩盘蔓延"，波及行业之外：

  • 超大规模竞争（再次）：超大规模公司为建造数据中心支付的时间越长，数据中心建设者和供应商赚的钱就越多。投资者可能因低估这种增长水平不可持续的风险而支付过高价格。
  • 计算需求污染：我问ChatGPT，超大规模公司是否披露了多少计算用于训练（大部分不是终端消费者资助）与推理（终端客户实际付费）。回答基本上是"这不太容易弄清楚。"终端客户需求决定了最佳容量和长期股价。没有足够清晰度，投资者可能假设情况比实际更好。
  • 弱盈利质量：投资者用于定价股票的最重要指标之一是盈利——这就是市盈率是最突出的估值指标的原因。如果盈利数字被夸大，股票也可能被夸大。嗯，AI公司可能通过多种（完全合法）方式夸大盈利。多篇文章指出，未实现的投资收益被直接丢进季度盈利，这对微软、谷歌和亚马逊来说很好，因为它们持有OpenAI、Anthropic和SpaceX的股份。这些盈利叠加在"实际现金"盈利之上，与控股公司特定的终端客户需求关系不大。Groundbreaker的文章还详细介绍了其他粉饰盈利的方式：自行选择较长的折旧期限，以及备受诟病的循环/卖方融资策略，该策略通过将现金传递一圈后将其重复计算为利润。
  • 稀缺租金在定价能力中：如果你无论如何都会售罄，那么提高价格到客户能容忍的程度是合理的。当他们都很"富有"并且非常想要某样东西时，这很好。（任何以前买过房子或奢侈品的人可能会觉得熟悉。）非竞争行业的现有公司也有动机过度收费，并以比客户希望更慢的速度扩张（说的就是你，台积电）。然而，假设稀缺租金在繁荣市场中会持续是不现实的，尽管有迹象表明一些股票的定价正是基于此（你可以用免费账户阅读Alphaville）。一些现有公司将选择扩张，而高度有动力的挑战者最终将出现，如英特尔和Rapidus试图打入台积电的市场。更多供应和竞争上线，客户价格下降，股价调整。
  • 债务、类债务工具和过度杠杆：当公司需要筹集资金时，大致有两种方式——发行债务或发行股权。普通股持有人（如我和大多数股东）害怕债务，因为它在资本结构中严格优先。普通股的价值总是清偿所有债务后的剩余部分。自然，公司明显承担大量债务（如一些超大规模公司）会对其自身股价造成压力。因此，看到公司承担大量隐形债务并不令人安心，因为细节隐藏在私人合同和非标准披露中，而不是投资者习惯分析的季度报告中。超大规模公司参与了未来租赁承诺和购买承诺，NVIDIA正在以不平凡的支撑进行计算证券化。这种金融工程产生的许多负债将由养老金和保险公司持有，它们对如果整个AI交易开始瓦解可能发生的同步违约几乎没有容忍度。虽然这些东西很多可能不是经典债务，但它们肯定在法律上可强制执行，方式将迫使偿还并优先于普通股。就像经典杠杆一样，只要一切持续上涨，股权回报就非常好，但如果开始下跌，就会变得非常糟糕。
  • 宏观经济背景压力（再次）：美国国家债务很高。是的，人们已经抱怨了几十年，但它最近达到了开始真正重要的程度。2024年是利息支出超过军事预算的第一个完整年份，各政治派别的政治家都不想解决福利或税收问题，赤字支出看起来更像战时而非和平时期，增长前景不够乐观，除非AI真的兑现。就像2022年一样，债券可能再次无法在熊市中成为有效的投资组合对冲，尽管今天的收益率有更多下降空间。这次，政府可能需要发行如此多的债务来弥补税收缺口，以至于长期债券收益率保持高位。AI也可能通过"投资级"超大规模公司债务发行挤占对政府债务的需求，进一步提高收益率和利息支出。

（4）泡沫观察

我把一组书签网页放在一个文件夹里，以回答这个问题：我们是否可能处于AI股市泡沫的后期阶段？ 在做出任何重大投资组合变动之前，无论数字如何，我想有一个自信的"是"的回答。没有单一指标本身表明泡沫，但当大量指标亮红灯时，是时候准备交易了。

如果我只有两个高质量指标就好了——一个是"AI投资者乐观情绪强度"，另一个是"报告的AI相关收入中最终来自可持续终端客户需求的比例"。只要其中一个仍然很高，我就非常有信心说，虽然我们可能处于或可能不处于泡沫中，但肯定还不是后期阶段，还有时间乘着市场上行。不幸的是，我认为我永远无法找到足够全面的数据来为两者给出精确评分，尤其是在互联网上免费获得。我在这里能做的最好就是继续关注新闻，让专业分析师拆解所有主要上市公司的季度业绩，并报告他们的发现。尽管如此，我认为这两个指标比所有书签加起来都重要，并将随着新闻的推进不断更新我对它们的直觉。

我的书签主要关注审视股票的不同方式，以试图判断股权投资者是否几乎耗尽。出于各种原因，公司倾向于尽可能避免发行股权（这看起来不好，而且高管薪酬主要用股票支付，发行太多会稀释自己）。一旦他们依赖卖股票，那就表明其他选择已经用尽，更难找到新的现金注入系统。如果股权随后开始耗尽，一些流动可能会减缓或冻结。我认为这将破坏信心，并阻止市场在下跌开始后重新夺回高点。

这比跟踪价格、市盈率、52周范围等标准观察清单数据更复杂，因此我只计划每月查看一次所有内容。顺便说一下，这些网站都是免费的。我认为除了雅虎财经之外，其他都不需要注册。

>>> 🖇️ 附件：AI泡沫观察书签 <<<

使用"下载ZIP"或右键单击"Raw"按钮并选择"链接另存为"来获取HTML文件。浏览器的书签管理器（Chrome中：设置 > 书签 > 打开书签管理器）中应该有一个"导入书签"菜单选项，可以用于该文件。另外两个JS文件是Tampermonkey用户脚本，你可以直接高亮复制粘贴到Tampermonkey UI中；discountingcashflows.com的那个过滤掉不相关的行，stockanalysis.com的那个突出显示大额IPO交易规模，以便更容易跟踪超大或巨型IPO。

A部分包括不同的市场范围指标，从CAPE、实际10年期收益率和远期市盈率开始。这些是拉蒙特先生建议的跟踪高估的一种方式的输入。值得注意，目前逆CAPE减去10年期收益率略为负值，这是一个泡沫指标，尽管我似乎使用了不同的数据序列，因为我无法使2025年11月的结果与拉蒙特先生的帖子匹配。

接下来的两个页面是总股权发行和净股权发行的粗略度量，这是拉蒙特先生最喜欢的泡沫指标（"第三骑士"）。我不太理解FRED图显示的内容，但它大致与拉蒙特先生的折线图匹配，所以我就用吧。

然后是两个IPO页面。stockanalysis.com的那个要求每次页面加载时打开"指标"下拉菜单并选择"交易规模"才能看到IPO规模。

最后是跟踪EFFR、SOFR和公司债券利差的图表。仅仅关注新闻可能比看这些有价值得多，但我认为将它们与近期历史进行比较是有用的。

B部分试图跟踪投资者情绪。前两个链接实际上是同一个。它们都指向耶鲁管理学院关于价格是否高估以及一年后是否会更高的投资者调查数据。拉蒙特先生认为，当投资者同时相信两者（"价格太高"）时，这是一个明显的泡沫指标。你需要自己从下拉菜单中选择正确的数据集。

最后一个页面是Robinhood的IR网站。"月度指标仪表板"提供了关于客户数量、股票交易量和期权交易量的有用概览数据。它显示一年趋势，每月更新。

C只是我的雅虎财经观察清单（它出奇地比谷歌好）。我不能将内容复制到书签中，所以你必须自己设置。我设置了以下列以大致了解估值：股票代码、最后价格、52周范围、市盈率（TTM）、远期市盈率、PEG比率。列表中的实际股票代码是：

  • 一级：NVDA, GOOG, MSFT, AMZN, ORCL
  • 2A级：MU, AMD, CRM
  • 2B级：AMAT, APLD, ASML, AVGO, CAT, CBRS, CIFR, CRWV, CSCO, DELL, EQIX, FIX, GEV, GFS, HUT, INTC, IREN, KLAC, LITE, LRCX, LTBR, NBIS, OKLO, SMCI, SMR, TSM, VRT
  • ETF：SPY, QQQ, SMH, AIQ, DTCR, CHAT, RACK, FPX, IPO

我计划随着相关公司上市继续添加更多股票代码。

这个选择很广泛，也有些随意。我可能不需要三家投机性核电公司，但为什么不呢？另外，2A/2B的划分并不重要。我试图将列表分成子组以便于管理，但事情重叠太多，不值得麻烦。当我放弃并按字母排序时，我只是忘了包括那三家公司。

D是所有股票代码的"高级图表"视图。我特别关心的是交易量（工具 > 指标 > 成交量图）。越来越高的成交量可能表明散户参与度饱和、持有期短以及普遍的投机过度。

E部分跟踪所有股票代码的空头利息。拉蒙特先生指出，长期的泡沫最终会阻止做空者，因为他们持续亏钱（"泡沫如何结束"）。做空者越少，意味着表达"价格过高"观点的参与者越少，这进一步膨胀了后期泡沫。

F部分跟踪期权的看跌/看涨比率。理由与跟踪空头利息类似：更高的相对看涨成交量（更低的看跌/看涨比率）表明乐观过度。

G部分跟踪非ETF股票代码的流通股数量。这受到拉蒙特先生关于发行观点的启发。大多数图表看起来仍然平静，符合常规回购的趋势，但转机的开始可以从\$GOOG、\$ORCL和\$INTC看到，可能其他公司很快也会出现。

在H部分，我包括了一部分股票代码来跟踪债务水平和盈利质量。即使行业存在大量隐形债务，也值得一试。以下是我感兴趣的行（我的用户脚本隐藏了其他所有行）：

  • 债务比率：大致了解公司的"净资产"健康状况。接近1时，净资产接近0。
  • 总债务资本化：显示公司融资需求对债务的依赖程度。
  • 现金流量对债务比率：大致显示公司多快能赚到足够的钱来偿还债务。
  • 现金转换比率：这只是经营现金流除以盈利。它将实际流入的美元与公司经过所有会计调整后报告的收益进行比较。如果这个比率太低，可能表明现金流问题或公司很大一部分业绩不是来自核心盈利活动。例如，初创公司投资的未实现收益增加盈利但不影响经营现金流，降低了这个比率。

I部分仅包含ETF和\$NVDA的1年价格图。在这种情况下，我认为谷歌比雅虎财经更干净、更熟悉。我在这里没有做任何花哨的事情——只是试图看看是否有任何明显的峰值可能表明顶部。ETF包括广泛指数、特定行业投资和专注于IPO的基金。

（5）我的投资策略

我是一个资产类别配置者，我将使用流行的代表性ETF来指代不同的资产类别。因此，除非另有说明，"SPY"代表"大盘美国股票"或"基本上整个美国股市"，而不是特指SPY或它持有的任何个股。在我看来，任何与SPY强相关的基金基本上等同于SPY。重要的是避免选择高费用基金。

我的目标不仅仅是"避开泡沫"。如果那是我唯一关心的，我可以在现在卖掉所有东西，永远持有现金，保证跳过这个泡沫和所有未来的泡沫。我想保持投资，并在我的风险承受能力允许的范围内，尽可能多地捕捉现代资本主义创造财富的好处。这包括合理定价的长期背景上行潜力，以及任何非理性的泡沫溢价。

我已经有一定程度的防御性配置，部分是由于对AI高估的担忧，部分是因为我没有主动收入。与通常的SPY/VEU/AGG/现金分配不同，我的美国股票配置大部分向质量、价值和低波动性倾斜（VIG, SPYV, JEPI）。这是一个广泛的配置决策，而不是对反AI论点的精确表达——\$AVGO在许多股息基金中，许多超大规模公司可以在价值基金中找到（如SPYV中的\$AMZN），而JEPI持有\$NVDA。我也持有比通常建议更多的AGG和现金。然而，我确实认为仍然有足够的时间骑乘市场上行。即将到来的Anthropic和OpenAI IPO将注入数千亿美元。一些超大规模公司仍有可用的FCF可烧，预计将挤压现金流到2027年。而旨在从机构债务投资者那里筹集资金的新型数据中心融资工具大多在过去一年内加速发展，仍有很大的扩张空间。人们仍然期待持续的投资和低终端客户增长，因此在相当长一段时间内很难令人失望。

>>> 📊 图2：纳斯达克互联网泡沫峰值及随后的熊市反弹峰值 <<<

我认为在顶部即将到来之前试图精确判断顶部是不值得的。不确定性太大。相反，我寻找的图表形态是一个明显的峰值，随后是"大"幅回调，以及未能重新夺回高点的反弹。以互联网泡沫为例，2000年全年可以看到这种模式的多次出现。我的计划基本上是猜测熊市反弹何时发生，利用我的直觉和泡沫观察书签给出一个概率，判断"泡沫已经破裂，大幅下跌即将来临"，然后根据该概率进行重大再平衡。（这样如果我错了，可以在以后用剩余的头寸再次尝试。）是的，这个帖子的标题有点误导性；我实际上计划在市场见顶后退出。

>>> 📊 图3：纳斯达克互联网泡沫的熊市陷阱和虚假熊市反弹峰值 <<<

当然，我为灵活性和判断留下了空间。上述计划不是一套严格的规则输出二元是/否卖出决定。也许泡沫没有膨胀到足以在破裂时造成真正的损害。或者也许消息如此糟糕，以至于等待数周熊市反弹毫无意义。特别重要的是过滤掉与AI乐观情绪、融资或书签无关的剧烈市场波动。大幅回调是预期的，我不想被"虚假熊市反弹"误导而提前多年退出。即使股票下跌，一些事项并不意味着AI泡沫的结束：

  • 上面"过度膨胀"列表中的任何事项；
  • 投资者或现金充裕的公司宣布注入更多现金的交易，即使它们是循环的；
  • 随机的、特质的、短期的季度盈利变化，特别是如果不是跨行业相关的；
  • 美国可能用政策控制的外部冲击（关税、石油）；
  • 纯粹的估值担忧，与现金流可持续性没有直接联系；
  • 对美联储紧缩的恐惧而没有实际紧缩。

重大再平衡将如下所示（如果我一次性完成100%）：退出SPY（如果超大规模公司处于泡沫中）。略微减少VEU（它有台积电、三星、SK海力士、ASML）。略微减少VIG、SPYV和JEPI。作为对冲，大幅增加债券，并混合BSV和AGG以偏向较短久期，因为国家债务问题可能导致AGG在股市崩盘中表现不佳。此外，投入几个百分点到长期、稍微虚值的看跌期权（根据需要滚动）上，标的物为流动性好的东西如QQQ或SMH，取决于最大成分股是否属于泡沫（超大规模、实验室、新型云、芯片等可能不会同时被高估）。这是负责任的保险，不是试图赌博以获得巨额回报，并且如果AI相关股票下跌，它能更干净地赚钱，不受美联储、通胀或国家债务的干扰。并持有一大笔现金。

至于判断底部或退出交易，这也将同样困难。我还没有想那么多。现在我假设我会采取标准的反向策略，等待AI ROI悲观情绪盛行，然后重新回到"正常"配置，由于风险承受能力而略微防御，但不像现在这样。我希望我给其他人提供了一些关于如何度过这个市场有用的思路。祝你好运！

本作品采用CC BY 4.0许可。