投资中究竟什么是泡沫？

开篇：泡沫看的不是涨了多少，是价格押了什么

一个赛道，究竟怎样才算热，怎样才算很热、过热，又怎样才算陷入了疯狂的泡沫？这是本文要回答的问题。我想给出一个能拿来判断的办法，而不是再添一个形容词。

从第一性原理说起。任何价格，都是对未来的一个断言：买家付这个价，等于断言这项资产未来产生的现金，足够值这个价。断言可以对，也可以错，所以判断一个赛道处在什么状态，要追问三件事：它要求的未来能不能兑现；为了兑现这个未来投进去的钱，挣不挣得回来；这些钱是谁出的，出了问题谁来承担。常见的几种说法回答不了这三个问题。"涨得多"说明不了断言对不对，"估值高"可以贵得有道理，"技术是假的"更站不住，历史上不少泡沫押的技术，后来都成了现实。

三个问题，对应我分析用的三层。估值层问价格要求的未来能不能兑现：把市值反推成所需的利润、收入和终端需求，看它落在历史上同类增长的什么位置。投资层问投进去的资本挣不挣得回：新增资本的回报是否高于资本成本，收入是不是终端客户真付的钱。资金层问买单的钱从哪里来：是经营现金流挣来的，还是借来的，一旦出问题，谁会被迫卖出。三层的次序有道理，越往后，出了问题波及的人越多，也越难收场。估值层出问题，伤的是持有人；投资层出问题，要伤到产业链；资金层出问题，连借钱给他们的人和金融体系都要受牵连。

四级就是这三层的脆弱性逐层叠加出来的。热：三层都没有明显的脆弱性，需求和盈利真实增长，价格上涨有基本面解释。很热：估值层先出现脆弱性，价格要求的未来逼近乐观情形的上沿，任何一个环节低于预期，价格都要调整，但钱还挣得回来，资金也稳。过热：再叠加投资层的脆弱性，资本以接近甚至低于资本成本的边际回报加速涌入，供给开始制造过剩。疯狂泡沫：再叠加资金层的脆弱性，外部融资、杠杆和循环融资进场，价格与资金互相推高，估值方法被放弃。所以分级看的是三层里有几层已经靠不住了，涨幅不在这套标准里。

分析的单位也先交代一下。我说的赛道，指的是被同一个叙事驱动的一池资本，比如AI。AI同时拉动芯片、电力、云、模型和应用，这些环节所处的阶段可以完全不同，所以三层要逐环节判断，不能打一个总分。

一、光看涨幅识别不了泡沫，几个条件同时出现才有预测力

先回应最强的反对意见。尤金·法玛认为泡沫无法事前识别，因为能识别的话，价格早就调整了。我认为这个立场有一半是对的。

格林伍德、施莱弗和尤（Greenwood, Shleifer, You）在 2019 年发表的《Bubbles for Fama》研究了行业价格大涨后的表现。需要把两件事分开：大涨之后，平均后续收益未必异常低；但出现崩盘的概率会升高。平均收益与尾部风险，不能混为一谈。

同一研究还发现，波动率、换手率、发行活动和上涨路径等特征，有助于进一步识别后续风险。因此，涨幅可以提供线索，但不足以单独认定每一次上涨都是泡沫。本文的方法，仍是把价格与其他条件放在一起判断。

还有一个经济学上的反论必须正视。帕斯托和韦罗内西（Pástor, Veronesi）在2009 年发表的模型中指出，技术革命期间，高估值和高波动本身可以是理性的：新技术能否普及、普及到什么程度都不确定，估值里本来就含有期权价值。所以"贵"不能拿来定义泡沫。

二、同样涨一倍，可以是热，也可以是疯狂

我的风险识别框架重点看三个成分：价格偏离基本面，价格上涨自己制造买入（正反馈），以及脆弱的资金结构。仅凭高估就宣布泡沫，容易忽略增长和不确定性；但脆弱融资也不是所有泡沫的必要定义条件。后两项主要用于判断泡沫如何自我强化，以及破裂会造成多大损失。

四级的划分，开篇已经按脆弱性逐层叠加讲过，这里不再重复。要强调的只有一点：每一级的判断，都对应一个可以检验的问题，不依赖涨了多少。同样涨一倍，盈利和现金流跟得上，是热；靠借来的钱，是另一回事。

三、贵不是泡沫，不可能才接近泡沫

方法很朴素：把市值反推回去。这个市值要求多少利润，这些利润要求多少收入，这些收入要求终端需求占某个行业支出的多大比例。然后对照历史上同类增长持续的情况，看这个要求落在分布的什么位置。

这里要分清"贵"和"不可能"。贵的，可以靠盈利增长慢慢消化。不可能的，没有任何现实路径。前者是价格问题，后者才接近泡沫。

要看的是指数的盈利收益率与国债收益率之差，把它当作估值比较的一个起点。这个差值并不等于完整的股权风险溢价，还要考虑增长、盈利口径及风险。

四、开支超过收入很正常，增量回报低于资本成本才危险

基础设施建设期，资本开支领先收入是常态。铁路、电网、云计算都是这样。所以"开支远超收入"这件事本身说明不了问题。

要问的是：新增的每一块钱，在资产的使用寿命内，能不能挣回高于资本成本的回报？资产寿命很关键。铁路路基能用几十年，服务器和加速卡的更新周期短得多，这意味着它们必须更快挣回本钱。

再看收入从哪来：终端用户真付费，还是同行之间互相采购、投资方补贴、供应商给客户融资？订单中相当一部分如果来自自己投资或融资的客户，这部分收入的含金量要打折。1999到2000年，思科、朗讯等设备商为客户提供融资，客户拿着融来的钱买设备，报表上的收入漂亮，等到客户资金链断裂，订单一并消失。

供给的反应同样重要。回报高，必然吸引新增产能。电力、先进封装这类硬约束可以推迟过剩，但约束一旦松开，过剩可能更集中地释放。

五、决定风险性质的是钱从哪来，不是投了多少

同样一笔资本开支，资金来源不同，风险的性质完全不同。用经营现金流投，亏了是股东的事；靠借债、表外安排、私募信贷投，亏了就变成债权人和金融体系的事。

还有价格对资金流入的敏感度。加贝克斯和科伊恩（Gabaix, Koijen）提出的"非弹性市场假说"估算，一美元的净流入，大约能推动市场总市值增加好几美元，乘数量级在5左右，具体数值取决于样本和方法。含义是，市场的承接力比我们想象的弱，资金流入会被放大，流出同样如此。

关于集中度，市场广度窄本身不是可靠的泡沫信号，窄也可能只是因为利润确实集中。更好的检验是比较这些权重股占指数市值的比例，与它们占指数利润的比例。两者差距越大，对少数公司兑现预期的依赖越深。

六、泡沫很少是被真相戳破的，多半是被融资条件掐断的

推动机制是个回路：价格上涨，叙事变强，资金进来，价格再涨。索罗斯称之为反身性。

想象中，泡沫是被"发现真相"终结的。实际上，历史上更常见的导火索是融资条件的变化：边际买家耗尽，融资成本跳升，订单低于预期，供给突然释放。很少有哪一次，是因为某项技术被证明没用。

由此得出一个实际的结论：盯一个赛道会不会出问题，重点该放在融资端，而不是技术新闻。

七、有没有信贷参与，决定泡沫破裂后谁来买单

泡沫的后果取决于它是怎么被资助的。约尔达、舒拉里克和泰勒（Jordà, Schularick, Taylor）2015 年的研究覆盖了17个发达经济体自1870年以来的数据，发现伴随信贷扩张的泡沫，之后的衰退更深、复苏更慢；没有信贷扩张的股票泡沫，代价小得多。

所以"泡沫"二字的信息量很低。读者真正该问的是：这次是谁在承担后果。

八、把判断落到财报：先核实估值，再看回报与融资

按开篇讲的三层，可以把方法落实到 AI 产业链。本文重点是识别框架，而非即时行情。下面用明确的情景假设说明计算方法与观察指标，不把示例当作已经核实的当日市场判断。

假如指数创新高，但站上 200 日均线的成分股不足一半，就要问：上涨是否由少数权重股推动？进一步比较它们在指数市值和利润中的占比。这个问题的分析单位，应该是受到同一叙事推动的资本，而不是把整个市场一概而论。

再做一个利率示例。假设 10 年期美债收益率为 5.3%，它的倒数约为 19 倍。这个数只是与股票盈利收益率比较的粗略参照，不是合理市盈率的上限。股票的盈利收益率也不等于投资者可以实际拿到的总回报。若龙头公司的预期市盈率高于这个参照，说明投资理由更依赖未来增长；是否已经"很热"，仍要结合盈利质量、增长持续性、集中度和融资结构，不能只用 19 倍划线。

估值已经预支很多未来时，后面两层更要紧。要看的是两组可以从公开财报中追踪的指标。

第一组，增量回报相对于资本成本的变化。5.3% 在上面的例子里只是无风险利率，公司的资本成本还要计入风险和融资结构。公司通常不会单独披露 AI 项目的回报，只能寻找替代指标：例如，云业务收入增速相对于折旧摊销增速的变化。建设初期折旧跑在收入前面并不罕见；值得警惕的是连续几个季度收入增速放缓，折旧增速却加快。这个剪刀差是调查线索，不能直接当作项目回报率。还要看剩余履约义务、客户集中度，以及客户的付款来自经营收入、融资，还是供应商的投资支持。

第二组，资本开支占经营现金流的比例，以及缺口的融资方式。这个比例长期接近或超过 100%，意味着需要检视现金储备、资产处置或外部融资。接着看债券发行、债务余额、利息负担，以及尚未起租的租赁承诺。强资产负债表能提供缓冲，所以比例要和偿债能力一起读。私募信贷、合资及项目融资的披露可能分散在报表、附注与专项融资公告中，也需要追踪。

我的改判条件可以提前写清：如果收入与折旧的剪刀差持续扩大，资本开支缺口又日益依赖举债，我会把风险判断从"很热"向"过热"移动；只出现一项，则继续观察，而不是抢先定论。反过来，资本开支由经营现金流覆盖，可以降低对外部融资的依赖，却不能排除资产减值、行业过剩或估值损失。

九、判断出泡沫，不等于该离场；误判繁荣的代价同样真实

判断泡沫，并不等于能从中赚到钱。泡沫可以持续很久。把真实的繁荣误判成泡沫，代价同样真实：如果盈利和现金流持续增长，一路空仓的人也可能付出明显的机会成本。

所以我把判断翻译成风险暴露的规则，而不是买卖信号。热和很热的阶段，可以参与，但清楚价格已经预支了多少未来。过热阶段，降低暴露，只留现金流能覆盖的部分。疯狂阶段，别幻想卖在最高点。

再说一个反例，热而不是泡沫。以我的判断，2010年代云计算的扩张就更接近这种情形：资本开支主要来自大公司自己的经营现金流，这种融资结构有助于降低信用传染的风险，但不意味着整个行业没有信用事件。我的判断仍需要读者用数据自己验证。

最后，留一份三问清单，读者可以拿去给任何一个赛道打分：

1. 价格要求的未来，在历史上同类增长分布的什么位置？
2. 新增资本的回报，高于资本成本吗？收入来自终端客户吗？
3. 钱是自己挣的还是借的？一旦出问题，谁会被迫卖出？

三个问题的答案越是同时往坏的方向走，这个赛道就越接近疯狂。

以上仅为个人研究与思考，不构成投资建议。