阿斯沃斯·达摩达兰（Aswath Damodaran）：这不是一个追求确定性的市场

（原标题：Aswath Damodaran: This Is No Market for Certainty）

📊 估值核心逻辑与商业本质

• 故事驱动而非模型堆砌：估值的本质在于构建并验证一个可信的商业故事，而非单纯依赖财务建模。每一个关键财务指标（如增长率、利润率）必须对应具体的市场现实、竞争优势及可执行的战略路径。若缺乏底层业务逻辑支撑，估值仅沦为“Excel 模型”，无法反映真实价值。
• 分子优先原则：在现金流折现分析中，现金流（分子）的准确性远比折现率（分母）的关键性高。大多数估值错误源于对业务增长潜力、长期利润率或再投资回报率的误判，而非风险参数计算的微小偏差。投资者应聚焦于单位经济学和规模限制，避免陷入每股收益等衍生指标的表层辩论。
• 拒绝循环论证：价值由增长、利润率、再投资和风险共同决定，这是定义性关系而非因果循环。不同公司估值差异的根本原因在于其商业模型的可扩展性及单位经济学的结构性不同。投资者需从顶层向下思考故事合理性，识别业务模式断裂点，而非仅依赖线性数据推导。

🌐 市场认知偏差与系统性风险

• 大市场幻觉与泡沫破裂：在 AI 等颠覆性技术领域，所有参与者均宣称将胜出，但市场容量无法支撑所有故事同时成立。历史表明（如 PC、互联网、社交媒体），此类泡沫破裂后虽有人亏损，但技术仍会改变生活方式。当前 AI 领域类似早期互联网或社交媒体，处于从用户增长转向盈利模式验证的“Bar Mitzvah 时刻”。
• 共识与分歧的本质：投资者对估值的争论本质是底层商业故事的冲突，而非表面数字差异。市场已投入约 2.5 万亿美元 AI 资本支出，相当于建造史上最大工厂但产品未定，存在巨大泡沫修正风险。投资者需警惕“确定性”幻觉，接受结果的不确定性，专注于风险回报比而非绝对预测。
• 主观价值与二元决策：不存在唯一的“真实价值”，只有基于个人故事的主观估值。唯一客观事实是市场价格，投资者需据此做出买入或卖出的二元决策，而非模糊评级。内在价值非固定锚点，而是基于当前信息的条件值，价格与价值均随时间波动，需在特定时点比较二者做决策。

💡 投资决策原则与胜率管理

• 不确定性管理与组合构建：未来不可控（如突发新闻），即使严谨分析也仅能保持约 52%-55% 的胜率。成功依赖构建包含 10-15 家公司的组合，确保整体赢家多于输家，以获取超额回报。主动投资者应构建包含 40 只股票的分散组合，降低单次决策压力，避免在低胜率游戏中过度自信。
• 谦逊优于傲慢：区分“聪明钱”与“愚蠢钱”是伪命题，应区分“傲慢资金”与“谦逊资金”。傲慢者高估自身能力，易因过度杠杆和集中持仓导致毁灭；谦逊者承认运气成分，接受 52%-55% 的胜率即可通过分散投资获利。80%-85% 的人适合被动指数投资以规避心理陷阱和择时错误。
• 主动投资的低胜率现实：过去 18 年指数基金 90% 的时间跑赢主动投资者，9/10 的主动管理者（含大型捐赠基金）若转为被动投资表现会更好。低成本、无需资源的指数基金长期表现优于选股者。若主动投资者仅依赖机械规则筛选（如本杰明·格雷厄姆标准），AI 将使其失去存在价值；被动投资占比已超 50%，AI 将进一步加剧这一趋势，使机械化投资的错误以更高速度放大。

📉 AI 冲击、经济反噬与监管风险

• 角色反转与收入损失：AI 成功将导致高收入白领（银行家、顾问）失业，而非仅工厂工人；由此引发的收入损失规模是传统制造业失业的 10 至 15 倍。高收入群体失业若导致消费能力下降，将动摇整体经济销售基础，形成负向经济反馈循环。
• 监管反噬风险：失去工作的白领拥有更强的政治影响力，将推动针对 AI 的严厉监管，其力度可能远超烟草行业的历史案例。过去两年市场对软件公司的估值下调（因担忧被 AI 代码取代）可能过于草率，低估了人类适应能力及监管对 AI 发展的制约作用。
• 企业韧性与临界点风险：美国企业在过去 15-16 年展现出极强的宏观适应性，在新冠疫情、2025 年关税冲击及高利率环境下均能快速恢复盈利。然而，市场当前依赖创纪录的盈利增长支撑，需警惕这种适应性达到极限后的“临界点”，即宏观风险打破盈利周期导致现金流断裂。

🤖 AI 对估值分析的影响与工具化

• 机械性替代与效率提升：AI 将取代执行数据收集、消除计算错误等线性且机械化的分析师工作，成为超级高效的工具。这将大幅降低信息获取成本，提高数据处理速度，使传统基于信息不对称的投资策略失效。
• 人类优势保留领域：AI 难以捕捉非数字化的商业逻辑洞察（如 CEO 管理风格缺陷或业务模式断裂点）。投资者需从顶层向下思考故事合理性，识别 AI 无法量化的定性风险与机会。估值分析将从数据驱动转向叙事验证，强调对商业本质和竞争动态的深度理解。
• 投资范式转变：随着 AI 普及，机械化投资的错误将以更高速度放大，迫使投资者更加重视分散化和风险控制。被动投资占比将进一步上升，主动投资者需具备更强的宏观适应性和微观洞察力，才能在低胜率环境中获取超额回报。

⚖️ 结论与策略建议

• 投资策略分化：80%-85% 的投资者适合被动指数投资以规避心理陷阱和择时错误。主动投资者应构建分散组合（40 只股票），降低单次决策压力，避免在低胜率游戏中过度自信。需警惕“确定性”幻觉，接受结果的不确定性，专注于风险回报比而非绝对预测。
• 市场展望与修正期：AI 行业将经历痛苦但必要的修正期，以区分真正具备商业模式的业务与仅靠炒作存活的企业。投资者需关注单位经济学和规模限制，避免陷入每股收益等衍生指标的辩论。估值非固定锚点，而是基于当前信息的条件值，需在特定时点比较价格与价值做决策。
• 长期视角与适应性：技术变革虽伴随泡沫破裂，但终将改变生活方式。投资者应区分“傲慢资金”与“谦逊资金”，承认运气成分，通过分散投资获利。需警惕宏观风险打破盈利周期导致现金流断裂的临界点，保持对商业故事合理性的持续验证。