Cybervincent 臻于价投 2026年7月12日 19:49
欢迎关注【臻于价投】，两位价值投资践行者的个人公众号。希望读者们：
坚持阅读，偶受启发，臻于投资，快乐生活。
（本文字数：4756 字，建议阅读时间：15分钟）
2026年上半年，Terry Smith做了一件很不像Terry Smith的事。
这位以“买好公司、别付太贵、什么也不做”闻名的基金经理，开始把基本面动量和股价动量纳入决策。Fundsmith Equity Fund同期下跌2.9%，MSCI World上涨11.2%。
几乎同时，张坤管理的易方达蓝筹精选增聘两位基金经理。截至2026年3月末，这只基金过去五年回报为-37.93%，同期业绩比较基准为-5.42%。
一个开始重新考虑何时买，一个开始重新安排由谁管。两件事隔着市场、制度和投资方法，本来很难放在一起。可它们都碰到了同一堵墙：一项判断即使最后正确，也可能先在等待中失去客户、资金，甚至失去继续验证的资格。
国内公募增聘经理，还受到团队制改革、规模管理和能力互补等因素影响。这里无意把结果简单归因于业绩。真正想追问的是：
当AI能在几分钟内读完财报、纪要和卖方报告，当资金越来越愿意为眼前的增长付钱，找到一家好公司，然后耐心等待，还够不够？
我起初觉得当然够。写到后来才发现，变化的也许不是价值本身，而是等待价值实现的成本。
先说结论：
第一，AI没有让价值失效，却让容易获得的价值信息更快失效。
读财报、搜纪要、整理卖方观点、做简单估值，正在从研究能力变成研究基础设施。
第二，市场未必变得更正确，却正在变得更快。
它更快形成共识，也更快惩罚那些缺少边际改善的公司。
第三，未来的价值投资，不只要计算一家公司值多少钱，还要管理价值兑现的路径。
行业天花板、边际变化、资金结构和仓位，都要进入同一张决策表。
一
先看一道题。
市场里有两家公司。
甲公司今年利润增长30%，明年订单大概率继续增长。产业趋势清楚，每个季度都有新数据可供验证。
乙公司品牌不错，现金流稳定，估值也低。麻烦在于行业需求疲弱，拐点也许两年后出现，也许四年后出现。
甲贵得刺眼，乙便宜得让人安心。
传统的选法很自然：甲透支未来，乙提供安全边际。
可是，当大多数人都能用AI读取公告、拆解电话会、比较同行、追踪订单时，哪家公司会先得到资金？
多半还是甲。
甲每交出一次业绩，持有者就更容易说服自己继续拿着。乙越便宜，市场的问题反而越多：库存何时见底？需求会不会永久下台阶？过去的护城河，究竟是城墙，还是上一轮景气留下的布景？
市场愿意为“每个季度都能验收的未来”付高价，却不愿把钱长期押在一个没有日程表的反转上。
这就出现了一个反直觉现象：趋势顺畅时，跟随盈利上修，短期内可能比抄底缺乏催化剂的便宜公司少受些折磨。
当然，确定性也有价格。买的人太多，最结实的共识也会变成拥挤的出口。
二
1945年，哈耶克在《知识在社会中的运用》里，把价格系统比作一套通信装置。
社会里的知识分散在无数人手中。没有谁掌握全貌，价格却能把其中最要紧的变化压缩成一个数字，像工程师面前的几枚仪表，让人们在不了解全部原因的情况下作出反应。
AI把这套通信装置推快了。
一篇2026年的研究抓住了大型语言模型服务意外中断的时段。同类新闻照常发布，差别在于投资者一度无法正常调用模型。比较中断前后，研究者估计，模型可用时消除了至少46%至61%的隔日价格漂移。这个近似天然实验提示，机器确实缩短了公开信息被消化的时间。
分析师也在变化。有研究发现，AI辅助的研报使用了更多估值方法，部分样本里的盈利预测更加准确。另一项基于FactSet AI平台的研究发现，信息来源增加40%的同时，预测误差上升了59%。材料涌到眼前，人仍要决定什么值得相信。
机构仍有专有数据、专家网络、交易系统和资本优势。AI真正拉平的，主要是处理公开信息的门槛。
过去，认真读完年报也许已经胜过大多数人。现在，对手同样“读完”了，只是由机器代劳。
竞争随之往前挪了一步：营收增长20%，要看市场原来预期18%还是22%；ROE达到25%，要追问还能维持几年；商业模式看起来优秀，还得估量行业天花板是否正在下降。
答案越来越便宜，问题开始变贵。
三
1980年，Grossman和Stiglitz发表《信息有效市场的不可能性》。他们提出一个悖论：
如果价格已经完美反映所有信息，研究便没有回报；无人愿意承担研究成本以后，价格反而失去了赖以有效的信息。
在他们的模型里，价格只能部分揭示付费获得的信息。那部分未被价格吃尽的收益，是研究活动继续存在的激励。
AI降低了其中一部分成本。过去，研究的超额回报常来自“我知道而别人不知道”；后来变成“大家都知道，但我理解得更深”。现在还要再往前一步：大家知道得同样快，手里的分析工具也越来越相似。
我试着把剩下的优势分成三层：
- 第一层是事实价差。谁更早拿到公告、纪要和行业数据。AI正在迅速压缩这一层。
- 第二层是解释价差。同一项研发支出究竟是浪费还是未来资产；高资本回报来自护城河，还是恰好站在周期顶部；眼前的坏消息已经进入价格几成。这些问题没有统一答案。
- 第三层是承受价差。即使判断正确，谁有足够长的资金、合适的仓位，等到它兑现？
事实价差过去最容易被看见。AI时代，解释和承受可能更值钱。
麻烦也埋在这里。更有价值的判断往往需要更久才能验证，资金给基金经理的时间却在缩短。
四
凯恩斯在《就业、利息和货币通论》第十二章里，用选美比赛比喻职业投资。
参赛者要选出最美的脸，获胜的办法却不是坚持自己的审美，而是猜中别人会选谁。再往上一层，还要猜别人如何猜别人。
他在同一章里留下一句刻薄的话：从名声考虑，随众而败往往比逆众而胜安全。
九十年过去，这句话对开放式基金经理仍然有效。
基金经理手里有两只钟。一只按照企业价值走，可能几年才响一次；另一只按照净值排名和申购赎回走，每天都在响。
持有一家公司一年不涨，过去只是没有赚钱。AI主线上的公司不断兑现业绩时，这份等待还意味着跑输基准、同业和客户预期。逻辑可能最终正确，资金却未必等到那天。
Terry Smith在最新半年信里谈得很直白：若基金在被证明正确之前已经因资金流出而难以维持，事后的正确没有意义。那句“什么也不做”，开始松动。
2026年上半年，Fundsmith的组合换手率达到51.8%。他买入台积电、Netflix、Uber、AppLovin等公司，卖出LVMH、耐克、诺和诺德、联合利华等持仓。
他的门槛没有撤掉。新组合加权平均已动用资本回报率（ROCE）仍为31%，自由现金流收益率约4.3%。变化落在时机上：基本面继续负责选股，基本面与股价动量开始影响进场和离场。
我不敢断言这次修正一定正确。动量越拥挤，反转往往越凶。研究者Lou和Polk发现：低拥挤时，动量有助于纠正市场的迟钝；拥挤升高以后，价格更容易越过基本面，随后出现强烈反转。
左侧买入通常便宜，代价是漫长而不确定的等待；等到基本面和价格都转向，买入成本往往已经高了一截。投资者只是在两种风险之间做选择。
五
A股还有另外两股力量：被动资金和量化交易。
2025年底，境内股票ETF规模达到3.83万亿元。与此同时，量化资金在价格形成中的分量，也已经很难忽略。
证监会披露的2024年“程序化交易”口径显示，这类投资者持股约占A股流通市值的5%，成交金额约占29%。
29%很大，却不能直接换算成“定价权”。量化交易里既有选股策略，也有套利、做市和大额订单的拆单执行。它们还决定不了企业的长期价值，短期价格路径却越来越难绕开这些交易。
平静时，自动化交易能提高成交效率，帮助市场消化大额订单。压力来临，模型同质化又可能诱发羊群式卖出。
便宜的股票因此还能更便宜。第一次下跌反映情绪，第二次下跌修正盈利预测，第三次下跌也许只是某些持有人必须卖出。几股力量并不约好时间。
价格下跌本身，既没有增加企业价值，也没有替投资者证明判断。
六
价值投资者很喜欢“落难王子”的故事。
一家优秀公司暂时遇到麻烦，市场过度悲观，投资者以便宜价格买入，等王子重新穿上礼服。巴菲特在色拉油丑闻中买入美国运通；Terry Smith在最新信中，又把微软列为同类例子。
故事的问题出在“暂时”二字。
凯恩斯早在1936年就注意到：人们形成长期预期时，会给眼前事实过大的权重；除非有足够明确的理由，往往把现状直接线性外推到未来。
AI没有让投资者只相信眼前。AI龙头的高估值恰好说明，市场愿意为遥远的未来付钱。它偏爱的，是能被频繁验证的未来：订单、资本开支、用户数、盈利上修，每隔几个月便能验收一次。
落难王子的未来通常没有日程表。白酒这几年的经历很能说明问题。
贵州茅台2023年营业总收入增长18.04%，2024年又增长15.66%。报表并不难看，白酒板块的估值却持续承压。年报记录的是已经发生的销售，市场盯着的则是下一阶段的需求、渠道库存和价格体系。
第一次下跌可以解释为估值回归。渠道数据迟迟没有改善以后，投资者开始怀疑问题会延续不止一个季度；再往后，连过去习惯给予的估值中枢也会被重新审视。公司的利润仍在增长，股票却可能继续难熬。
右侧信号只回答一个问题：事情是否开始变好？渠道库存下降了吗？批价稳定了吗？动销和经营现金流是否同步改善？等待其中一两项转向，相当于用一部分潜在收益购买证据。
这就是右侧信号的意义：
它不是为了买在最低点。
而是为了避免在一个错误的行业天花板下面，反复证明自己很勇敢。
七
麻省理工学院的Andrew Lo提出过“适应性市场假说”。在他的描述里，投资者聪明但会犯错，会学习，也会随着环境改变策略。市场效率取决于参与者、竞争程度和当时存在的机会。
一项经典研究跟踪了97个收益预测变量：样本外回报比样本内低26%，论文发表后低58%。作者据此估计，其中约32个百分点的衰减，可能与投资者知晓并交易这些规律有关。
AI会加快这种淘汰。凡是能写成提示词、因子公式或固定流程的优势，复制成本都会下降。主观投资者开始使用盈利修正、价格趋势和拥挤度，量化投资者也会加入财务质量、产业逻辑和文本分析，两边逐渐靠近。
同质化又会产生新的盲区。许多人使用相似模型和数据源时，观点容易一起收窄；等到事实与模型不符，交易又可能同时转向。
主动投资大概会留下两项工作：处理无法标准化的判断，以及在判断错误时及时改口。前一项考验理解，后一项更考验人。
八
普通投资者能做什么？
我把第三章的三层价差，变成三张很笨的表。
第一张是事实表。
每个重要判断后面写清来源：财报、公司纪要、行业数据，还是别人的二手转述。再标出哪些信息早已公开，哪些证据确实来自自己的调查。公开信息依然有用，只是别把“AI替我整理过”误认为研究优势。
第二张是解释表。
公司很好，然后呢？行业天花板还在上升吗？市场原来预期多少？哪些数据能证明情况转好？什么事实出现，说明护城河判断错了？周期反转和困境修复尤其需要这张表。先写下愿意等待的信号，也写下愿意为确认多付多少价格。
第三张是承受表。
如果两年没有兑现，仓位、资金和情绪能否撑住？几个定性判断不足以支撑极端仓位。十家公司若都受地产、消费或AI资本开支驱动，本质上仍是一笔交易，分散应该落到不同的盈利来源和资产负债表上。
高股息也放在这张表里。5%的股息率可能来自稳定现金流，也可能来自股价暴跌、杠杆过高或周期顶部。自由现金流能否覆盖分红、公司是否持续归还资本，比一个静态数字更有用。
逆向投资最难的动作，或许是事实变化时，敢于站到过去的自己对面。
九
回到开头。
Terry Smith没有抛弃那三句话。他只是发现，“什么也不做”需要一个前提：企业继续变好，持有人也允许你等。
张坤增聘基金经理，同样不足以宣告某种投资方法失败。它提醒我们，单一基金经理、单一能力圈和漫长的价值兑现周期，正在承受新的压力。
价值投资仍要相信称重，也要承认称重结果出现以前，投资者先活在投票里。企业价值决定终点，资金结构、仓位和右侧信号，决定一个人能否走到终点。AI时代新增的功课，是判断价值，也管理等待。
格雷厄姆说的称重机还在。
AI让投票机转得更快，票数也更容易倒向同一边。等称重机启动以前，投资者要穿过更急的潮水。
海水比过去透明，潮汐却未必温柔。
作者：Vincent
修订：F.Lee
版权声明：
《臻于价投》原创文章，未经许可，不得转载。
（本文内容仅供参考，不构成任何形式的投资和金融建议；市场有风险，投资须谨慎。）
微信扫一扫赞赏作者
大道 · 目录
作者提示: 个人观点，仅供参考