解读霍华德·马克斯的访谈：对高估值时代资产价格的定量与行为金融学分析

参考文献 Bloomberg Television. (2025年8月22日). US Stocks 'In The Early Days' For A Bubble Says Oaktree’s Howard Marks[视频]. YouTube. https://www.youtube.com/watch?v=WcWINNcLtEg

作者注:

本文基于霍华德·马克斯先生在彭博电视台（Bloomberg Television）YouTube频道上发布的一段公开访谈，提供深度的分析与解读。文中的所有论述均以该公开视频内容为基础，旨在用于学术交流、研究与评论目的。文中对马克斯先生言论的所有解读，以及相关的定量与理论分析，均为作者本人的观点，未必反映彭博有限合伙企业（Bloomberg L.P.）的看法。强烈建议读者观看原始访谈视频，以形成自己的判断。

第一部分：宏观图景：估值、自满情绪与均值回归的幽灵

霍华德·马克斯（Howard Marks）在访谈中提出的核心问题——为何在负面消息频出的宏观背景下，资产价格依旧坚挺——触及了现代金融理论的根本性矛盾：市场有效性与投资者行为偏差的博弈。马克斯认为，相对于基本面，股票价格已然昂贵，其背后深层原因是长达16年未经历深度回调所滋生的投资者自满情绪。这一观察不仅是对当前市场状态的描述，更是对金融市场周期性、投资者心理以及风险定价机制的深刻反思。本文将以此为起点，构建一个多层次的分析框架，融合行为金融学、资产定价理论与计量经济学方法，对马克斯的观点进行深入的剖析、验证与延展。本部分旨在为霍华德·马克斯的核心论断——即美国股市价格昂贵，且由于长期未经历显著回调，投资者心理已变得自满——建立量化与理论基础。本文将超越简单的事实陈述，深入探讨估值的内在机制、均值回归的统计学特性，以及维持此类市场环境的行为金融学偏误。

1.1 量化市场高位：多维度估值指标的实证分析

评估市场估值水平的首要步骤是采用经受了时间考验的、能够平滑短期波动的指标。罗伯特·席勒（Robert Shiller）教授的周期性调整市盈率（CAPE ratio），或称席勒市盈率，正是这样一个工具。它通过将当前股价与过去十年经通胀调整后的平均盈利进行比较，提供了一个更稳健的长期估值视角。

根据最新数据，标普500指数的席勒市盈率已达到约37.1至37.8的水平。这一数值远高于其约20.5的“现代”（1950年后）平均水平，也显著超越了整个20世纪约15.21的长期历史均值。从统计学角度看，当前的市场估值处于其现代历史均值以上2.0个标准差的位置，这明确地量化并验证了马克斯关于“股票相对于基本面是昂贵的”这一初步判断。

席勒市盈率的分析价值不仅在于其对当前市场温度的衡量，更在于其对未来长期回报的预测能力。席勒本人的研究以及后续大量学术文献证实，初始席勒市盈率与未来10至20年的年化实际回报率之间存在着强烈的负相关关系。历史数据清晰地表明，当投资者为股票支付的相对于其长期盈利能力的溢价越高时，他们未来能够实现的超额回报就越低。

审视历史，我们可以发现，自1881年以来，席勒市盈率超过25的时期仅有三次：分别是1929年、1999年和2007年前后的几年。这三个时期无一例外地都成为了重大市场崩盘的前奏。1929年的峰值预示了大萧条的到来；1999年的极端高位是互联网泡沫破灭的前夜；而2007年的高点则紧邻全球金融危机。当前约37的席勒市盈率水平，已然进入了这一历史上的“危险区域”，为马克斯对市场前景的谨慎态度提供了强有力的历史数据支持。

除了基于历史盈利的席勒市盈率，前瞻性估值指标同样发出了警示。标普500指数的远期12个月市盈率（Forward P/E）已达到22倍，这一水平位于其过去20年估值范围的第95个百分位以上。同样，以科技股为主的纳斯达克100指数的远期市盈率更是高达27倍。这些数据表明，无论从后视还是前瞻的角度看，市场估值都处于极端区域。

然而，对估值指标的解读也需审慎，并考虑其局限性。批评者，如杰里米·西格尔（Jeremy Siegel）教授指出，席勒市盈率未能充分考虑会计准则的变迁，特别是在1990年代之后，这些变化可能导致报告盈利被系统性低估，从而人为推高了市盈率。此外，市场的结构性变化，例如高增长、轻资产的科技公司在指数中的权重不断增加，以及长期处于低位的利率环境，都可能成为支持市盈率中枢系统性上移的合理论据。毕竟，经济结构与1960年代已大相径庭，期望估值水平完全回归到那个时代的水平可能并不现实。因此，虽然估值指标发出了明确的警示信号，但对其的解读必须结合当代的经济与市场结构进行动态调整。

表1：标普500指数历史席勒市盈率（CAPE）与随后的10年期年化实际回报

数据来源：基于罗伯特·席勒的公开数据库构建。数据涵盖自1881年以来的月度数据，根据起始席勒市盈率进行分位排序。回报为未来10年的年化总实际回报。当前约37的席勒市盈率水平落入最高的10%分位区间。

席勒市盈率历史分位	平均起始席勒市盈率	随后的10年期平均年化实际回报率 (%)
最低10% (Decile 1)	9.85	14.2%
第二个10% (Decile 2)	12.43	11.5%
第三个10% (Decile 3)	14.67	8.8%
第四个10% (Decile 4)	16.89	6.5%
第五个10% (Decile 5)	18.91	5.1%
第六个10% (Decile 6)	21.03	4.3%
第七个10% (Decile 7)	23.55	3.1%
第八个10% (Decile 8)	26.78	1.9%
第九个10% (Decile 9)	30.12	0.5%
最高10% (Decile 10)	35.98	-1.2%

1.2 均值的引力：对均值回归的理论探索

马克斯指出，投资者最大的错误在于将当前状态线性外推，而忽视了“均值回归”（Reversion to the Mean）这一基本规律。这一概念在金融学中源远流长，但其理论基础与实证证据却充满了争议。马克斯的核心信念之一是预期均值回归，而非假设当前状况会永远持续。这一理念在金融理论中有着坚实的数学基础，即资产价格的均值回归（Mean Reversion）过程。根据萨默斯（Summers, 1986）的开创性工作，我们可以将对数股价过程 p_t 分解为一个永久性成分 p^*_t 和一个暂时性成分 z_t。

其数学表达式为：

p_t = p^*_t + z_t

其中，永久性成分 p^*_t 代表了由基本面决定的内在价值，通常被建模为一个随机游走过程，意味着新的基本面信息会被永久地反映在股价中。而暂时性成分 z_t 则代表了股价对内在价值的短期偏离，这种偏离可能是由市场情绪、过度反应或噪音交易引起的。这个暂时性成分被建模为一个自回归过程，最简单的形式是一阶自回归（AR(1)）模型：

z_t = ρ * z_{t-1} + ε_t

在这个模型中，ρ 是自回归系数，其值介于0和1之间 (0 < ρ < 1)，ε_t 是一个白噪声扰动项。ρ 的值小于1是均值回归现象得以成立的关键：它确保了任何由暂时性冲击 ε_t 引起的对均值的偏离 z_t 都不会是永久的，而是会随着时间的推移以 ρ 的速率衰减，最终回归到零。这正是马克斯所描述的“钟摆”运动的数学化表达。

为了更直观地理解回归速度，学术界引入了“半衰期”（half-life）的概念，即一个冲击的影响消散一半所需的时间。半衰期的计算公式为 h = ln(0.5) / ln(ρ)。实证研究对均值回归的半衰期给出了宽泛的估计范围。例如，Balvers等人（2000年）对18个发达国家的研究发现，半衰期约为3.5年。然而，其他涵盖更长历史时期（超过一个世纪）的研究则得出了更长的半衰期，平均约为13.8年至18.5年。

这种估计上的巨大差异本身就揭示了一个深刻的问题：均值回归是一个极其缓慢且难以预测时间点的过程。这完美地解释了马克斯的观察，即市场可以在相当长的时间内（例如他提到的16年）保持昂贵或便宜的状态，而不会立即“修正”。更进一步的研究发现，均值回归的速度并非恒定不变，而是具有状态依赖性（state-dependent）。在经济高度不确定的时期，如大萧条、二战期间以及1970年代的石油危机，均值回归的速度会显著加快。相反，在经济平稳、市场波动性较低的时期——正如过去十几年大部分时间所经历的那样——均值回归的过程可能会异常缓慢。这种现象为马克斯观察到的长期市场坚挺和投资者自满情绪的滋生提供了理论解释。当前稳定的宏观环境可能正在抑制均值回归的自然力量，使得钟摆在摆向极端后停留的时间比历史上任何时期都要长。

与随机游走模型不同，均值回归现象可以用奥恩斯坦-乌伦贝克（Ornstein-Uhlenbeck, O-U）过程来刻画。O-U过程是一种描述随机变量如何围绕一个长期均值波动的数学模型，常用于利率和商品价格的建模。对于一个估值指标 X_t（例如Shiller市盈率），其O-U过程可以表示为如下随机微分方程：

dX_t = θ(μ - X_t)dt + σdW_t

其中：

• μ 是 X_t 的长期均值或均衡水平。

• θ > 0 是回归速度参数，表示 X_t 偏离 μ 后向其回归的速度。θ 越大，回归速度越快。

• σ > 0 是波动率参数，代表随机冲击的强度。

• dW_t 是一个维纳过程或布朗运动，代表随机扰动。

这个模型的核心在于 θ(μ - X_t)dt 这一项，即“漂移项”。当 X_t > μ 时，漂移项为负，拉动 X_t 下降；当 X_t < μ时，漂移项为正，推动 X_t 上升。这种机制确保了 X_t 始终有向 μ 回归的趋势。与随机游走模型相比，O-U过程的方差在长期内是收敛的，而随机游走的方差随时间线性增长，这从根本上反映了两者对市场长期动态的不同描述。

对均值回归的实证研究汗牛充栋。Fama和French在1988年的论文《股票收益的永久和暂时成分》（Permanent and Temporary Components of Stock Prices）中，通过方差比检验（Variance Ratio Test）发现，长期（3-5年）股票收益率存在显著的负自相关性，支持了均值回归。同样，Campbell和Shiller在1998年的《股票市场的估值比率与长期股票收益》（Valuation Ratios and the Long-Run Stock Market Outlook）中指出，周期调整市盈率（CAPE，即Shiller P/E）对未来10年的真实股票收益率具有显著的预测能力。CAPE越高，未来长期收益率越低。

当前市场（以2023-2024年为例）的CAPE比率持续处于历史高位，远高于其长期历史均值。根据上述理论和实证证据，这预示着未来十年的年化真实回报率可能会远低于历史平均水平。马克斯所言“16年没有像样的回调”，正是导致CAPE比率持续膨胀的直接原因。缺乏回调的市场环境削弱了投资者的风险感知，强化了“这次不同”（This Time is Different）的信念，从而系统性地推高了估值，为未来的均值回归埋下了伏笔。

马克斯的警告——“投资者犯的最大错误是假设当前的情况会永远持续下去”——实际上是对金融市场中“趋势跟踪”（trend-following）行为和“可得性启发”（availability heuristic）的批判。当长期牛市成为最容易被回忆起的经验时，投资者会系统性地高估其持续性，而低估发生剧烈反转的可能性。

1.3 顶部的心理学：行为金融学的视角与资产间竞争

当资产价格脱离基本面时，其背后的驱动力往往源于投资者心理的集体转变。马克斯观察到市场情绪从对股票的中性态度转变为“过度的喜爱”，这与行为金融学的核心理论高度一致。罗伯特·席勒将这种现象定义为“非理性繁荣”（irrational exuberance），即价格上涨本身激发了投资者的热情，这种热情通过心理传染（psychological contagion）在人与人之间传播，并在此过程中放大了为价格上涨辩护的理由，吸引了越来越多尽管对真实价值存疑但仍被吸引入市的投资者。

这种心理传染的具体机制可以通过“羊群行为”（herding behavior）来解释。羊群行为指的是投资者模仿他人的行动，而不是基于自己的独立分析做出决策。在持续上涨的市场中，看到他人（尤其是那些利用杠杆和集中投资的投资者）获得巨大成功，会引发一种混合了嫉妒和错失恐惧（FOMO）的情绪，促使更多人放弃审慎原则，加入追涨的行列。这种行为模式系统性地忽视了估值过高等早期预警信号，直接违背了有效市场假说（EMH）关于投资者理性的基本假设。

现代金融研究已经发展出量化这种市场情绪的方法。通过运用文本挖掘和机器学习技术，研究人员可以分析社交媒体评论、新闻报道和网络搜索查询数据，构建出投资者情绪指数。这些指数为马克斯所描述的难以捉摸的“市场心理”提供了一个可观测的代理变量，并发现这些情绪指数与市场波动性及未来回报存在显著关系。

除了心理因素，资产间的相对吸引力也塑造着估值水平。从20世纪初到1950年代末，标普500指数的股息收益率通常高于10年期美国国债收益率，为投资者持有风险更高的股票提供了直接的收益补偿。然而，此后这一关系发生了历史性逆转。如今，10年期国债收益率远高于标普500的股息收益率。这种转变意味着，股票相对于债券的传统收益优势已经消失。在过去十几年中，极低的利率环境催生了“别无选择”（There Is No Alternative, TINA）的说法，即投资者被迫涌入股市以寻求回报。但随着利率正常化，债券现在提供了一个有竞争力的、风险更低的回报来源，这从根本上挑战了支撑高股票估值的核心逻辑之一，并对股权风险溢价（Equity Risk Premium）构成了压力。

从理论上讲，这种关系可以通过戈登增长模型（Gordon Growth Model）和名义债券收益率的分解来理解。股票的预期回报（或收益率）可以近似表示为 R = D/P + G，其中 D/P 是股息收益率，G 是预期的股息增长率。而名义债券收益率则可以分解为 BY = RRF + EINF + IRP，其中 RRF 是实际无风险利率，EINF 是预期通胀率，IRP是通胀风险溢价。所谓的“美联储模型”（Fed Model）错误地假设股票的盈利收益率（E/P）应该等于名义债券收益率，这在理论上是站不住脚的，因为它混淆了实际增长（对股票有利）和名义通胀（对债券不利）。然而，历史数据显示，两者之间确实存在着时而出现的强相关性，这往往是由通胀预期驱动的。当通胀预期上升时，债券收益率会上升以补偿购买力的损失，同时，高通胀往往与经济不确定性增加和企业盈利能力下降相关联，从而推高了股权风险溢价，也推高了股票的收益率（压低了市盈率）。当前的情况是，实际利率 RRF 已经上升，使得债券本身更具吸引力，这直接增加了股票的机会成本，对股权风险溢价施加了下行压力，从而挑战了高市盈率的合理性。

所有这些因素都可以被归结为赫伯特·西蒙（Herbert Simon）提出的“有限理性”（bounded rationality）概念。该理论挑战了传统金融学中关于投资者是完美理性计算者的假设，认为人类的决策过程受到认知局限、情绪和启发式偏差的影响。在一个长达16年未见像样回调的市场中，投资者的风险感知能力会系统性地钝化。近期经验的权重被过分放大（即可得性启发法），而对历史上崩盘的记忆则逐渐淡忘。这种环境创造了一个自我强化的反馈循环：市场的持续上涨证明了看涨是正确的，这鼓励了更多冒险行为，从而进一步推高价格。这种循环正是马克斯所指的“泡沫早期阶段”的典型特征。

这种由长期稳定所催生的自满情绪，形成了一个独特的市场悖论。市场长达16年没有经历深度回调，这本身就成为了推高估值的结构性驱动力。这个过程形成了一个危险的反射性（reflexivity）循环：市场越是长时间地避免衰退，投资者就越相信它不会衰退。这种信念的强化，使得他们愿意为资产支付更高的估值倍数，从而进一步推迟了均值回归的发生。换言之，缺乏负面反馈（即一次像样的回调）系统性地削弱了投资者的风险厌恶情绪，这直接导致了股权风险溢价（Equity Risk Premium）的压缩。从数学上看，一个更低的风险溢价要求，自然会支撑一个更高的市盈率水平。因此，长期的稳定不仅仅是自满情绪的背景，它本身就是估值扩张的催化剂。缺乏均值回归，反而成为了导致价格进一步偏离均值的核心原因，将钟摆推向了比历史经验所示更远的位置。

第二部分：历史的回声？当前科技股市场与互联网泡沫时期的比较分析

马克斯将当前市场描述为泡沫的“早期阶段”，并将其与1997年左右的科技股热潮进行比较。这个判断引出了金融领域最具挑战性的问题之一：什么是资产泡沫？我们如何识别它？

当被问及当前市场环境与历史的相似之处时，马克斯指向了1997年至1999年期间，即互联网泡沫的鼎盛时期。这一类比引出了一个核心问题：今天我们所见的，究竟是历史的重演，还仅仅是相似的韵脚？本部分将对这两个时代进行严格的、数据驱动的比较，以检验马克斯关于我们正处于泡沫“早期阶段”且估值尚未“疯狂”的论断。

2.1 资产泡沫的理论定义

从学术角度看，资产泡沫的定义远比直观感受复杂。一个被广泛接受的定义是“资产价格高于其基本价值的部分”。然而，基本价值本身是不可观测的，它依赖于对未来现金流、增长率和贴现率的预期，而这些预期都具有高度的不确定性。

学术界通常将泡沫分为两类：

1. 理性泡沫（Rational Bubbles）：由Blanchard和Watson在1982年的论文《非理性繁荣时期的泡沫、理性预期与金融市场》中提出。理性泡沫的特点是，即使投资者知道价格已经高于基本价值，他们仍然愿意持有并以更高价格购买，因为他们预期未来能以更高的价格卖给下一个人。这种泡沫的持续依赖于一个“无限接盘”的假设。其数学表达式可以写作：P_t = E_t[P_{t+1} / (1+r)] + D_t，其中 P_t 是当前价格，D_t 是当期股息，r 是贴现率。通常我们认为价格由未来股息的期望现值决定，即 P_t^f = Σ_{i=1 to ∞} E_t[D_{t+i} / (1+r)^i]。但上述公式允许一个额外的泡沫项 B_t 存在，使得 P_t = P_t^f + B_t，只要 B_t = E_t[B_{t+1} / (1+r)] 即可。这种泡沫项满足自身预期的实现，因此被称为“理性的”。然而，在有限生命周期的投资者模型中，理性泡沫通常难以维系。

2. 非理性泡沫（Irrational Bubbles）：这是更为主流的观点，其根源在于投资者的心理偏差。Robert Shiller在其著作《非理性繁荣》（Irrational Exuberance）中，系统性地阐述了非理性泡沫的形成机制。他认为，泡沫是由一系列社会心理因素驱动的，包括：

   • 叙事经济学（Narrative Economics）：引人入胜的故事（如互联网革命、人工智能时代）会像病毒一样在人群中传播，激发投资热情，而无需严谨的基本面分析。

   • 羊群效应（Herding Behavior）：投资者倾向于模仿他人的行为，即使这些行为没有理性基础。这在信息不对称和评价模糊的环境中尤为突出。

   • 反馈环（Feedback Loops）：价格上涨本身吸引了更多投资者入场，从而进一步推高价格，形成一个正反馈循环。媒体的报道和“专家”的背书则强化了这一循环。

马克斯所描述的“人们从对股票的中性态度转变为过度喜爱”，正是非理性泡沫心理基础的生动写照。

识别泡沫是一项极具挑战性的任务，因为我们无法直接观测基本价值。计量经济学家发展了一系列方法来检验泡沫的存在。其中，由Peter Phillips、Shi和Yu在2015年提出的“广义上确界ADF检验”（Generalized Sup Augmented Dickey-Fuller, GSADF）是目前最前沿的方法之一。

传统的单位根检验（如ADF检验）只能判断一个时间序列是否平稳，而不能识别其是否存在“爆炸性”行为（explosive behavior）。GSADF方法通过在一个滚动的时间窗口内反复进行右尾ADF检验，来检测资产价格序列中是否存在多段泡沫时期。该检验的原假设是“无泡沫”（即价格序列是单位根过程），备择假设是“存在泡沫”（即价格序列在某些时段是温和爆炸性的）。其检验统计量构建如下：

GSADF = sup_{r_w ∈ [r_0, 1]} sup_{r_2 ∈ [r_w, 1]} {ADF(r_w, r_2)}

其中 r_w 是窗口的起始点，r_2 是窗口的结束点，r_0 是设定的最小窗口长度。这个双重“上确界”结构使得该方法能够捕捉到泡沫的产生、发展和破裂的全过程，并能识别历史上的多个泡沫。

将GSADF方法应用于当前的S&P 500指数或特定科技股（如“七巨头”），很可能会发现存在显著的爆炸性行为。这为马克斯“早期阶段”的判断提供了量化支持。然而，正如马克斯所强调的，识别出泡沫并不意味着可以准确预测其破裂的时点。他提到格林斯潘在1996年底发出“非理性繁荣”的警告后，市场继续上涨了超过三年，这说明泡沫的持续时间可以远超理性预期。这被称为“格林斯潘难题”（Greenspan's Conundrum），即货币政策制定者和投资者在面对疑似泡沫时所处的两难境地。

2.2 估值的今与昔：两个顶峰的故事

从宏观市场层面看，马克斯的观察是准确的。在互联网泡沫的顶峰时期（1999年末至2000年初），席勒市盈率一度突破了44倍的惊人水平，这是有记录以来的历史最高点。相比之下，当前约37倍的水平虽然已属极高，但确实尚未触及那个时代的“疯狂”程度。

然而，一个更深层次的指标揭示了令人不安的相似之处。目前，标普500指数中约有20%的成分股的企业价值与销售额之比（EV/Sales）超过10倍。这一估值门槛在历史上仅出现过两次：一次是在2000年互联网泡沫的顶峰，另一次是在2021年的科技股飙升期间。EV/Sales比率的计算公式为 EV/Sales = (MC + D - CC) / Annual Sales，其中MC是市值，D是总债务，CC是现金及现金等价物。该指标通常用于评估尚未盈利或处于高速增长阶段的公司，因为它忽略了盈利能力和资本结构的影响，纯粹关注市场愿意为每一美元的销售额支付多少企业价值。其在当前市场的广泛高企，表明投资者对未来增长的预期极为乐观，甚至可能达到了投机性过度的程度，愿意为那些尚未证明其盈利模式的公司支付高昂的价格。

尽管存在这种估值上的相似性，但深入市场内部，审视领涨板块和核心公司的差异，则会发现根本性的不同。互联网泡沫的核心是科技、媒体和电信（TMT）板块，尤其是以“.com”为后缀的纳斯达克上市公司。对纳斯达克100指数的分析显示，在1999年底，该指数的整体市盈率高达73倍。而截至2023年底，尽管同样由科技巨头主导，纳斯达克100指数的市盈率约为31倍。这一数据揭示了两者之间根本性的差异：当前市场的领军企业，其估值水平远比它们在20世纪末的前辈们来得理性。当时的市场情绪对任何与互联网相关的概念都给予了极高的、甚至是无限的估值，而投资者普遍不关心传统的估值指标。

2.3 价格背后的实质：企业基本面与商业模式的演变

马克斯将当前与1997年进行比较，这是一个非常精妙的观察。1997年是互联网泡沫的加速期，但尚未达到1999-2000年初的顶峰。当时的共同点是：

• 技术叙事驱动：当时是“互联网改变一切”，现在是“AI改变一切”。

• 估值漠视：人们不关心传统的估值指标，认为它们不适用于“新经济”。

• 市场广度收窄：少数科技股（当时的“四大骑士”：思科、戴尔、英特尔、微软）贡献了市场绝大部分涨幅。

然而，也存在显著差异：

• 盈利能力：当前的“七巨头”（Magnificent Seven）是拥有巨大现金流和坚实盈利能力的成熟公司，而1990年代末期的许多互联网公司仅有概念，没有盈利。

• 利率环境：当前我们正处于一个利率从历史低位回升的时期，而1990年代末期利率水平相对较高且稳定。利率环境的差异对估值模型中的贴现率有着根本性的影响。

马克斯认为当前估值尚未达到“疯狂”程度，这是一个关键的量化判断。我们可以通过比较两个时期的估值水平来验证。例如，1999年底，纳斯达克100指数的远期市盈率超过80倍，而当前（2024年）虽然很高，但仍显著低于那一水平。这支持了马克斯“早期阶段”而非“顶峰”的判断。

两个时代最本质的区别，在于价格标签背后所代表的“商品”质量。互联网泡沫时代的许多明星公司几乎没有盈利，甚至没有清晰的盈利模式。当时，诸如“网站流量”、“眼球数量”等非财务指标被用来替代传统的盈利和现金流分析，作为公司估值的依据。这种脱离基本面的估值方式是泡沫的核心特征。

相比之下，当今市场的领导者——“七巨头”（Magnificent Seven）——是全球盈利能力最强、现金流最充裕的企业。以下表格通过具体数据，直观地展示了两个时代领军企业在基本面上的天壤之别。

表2：科技泡沫时期与当前市场领军企业基本面对比

数据来源：Pacer ETFs

指标	1999年12月31日 (纳斯达克100指数前10名)	2023年12月31日 (纳斯达克100指数前10名)	增长率 (%)
总销售额 (百万美元)	$119,948	$2,329,279	1,842%
总盈利 (百万美元)	$21,217	$362,724	1,610%
总自由现金流 (百万美元)	$25,994	$408,824	1,473%
总市值 (百万美元)	$1,660,075	$14,532,363	775%
派息公司数量	1	5	400%

数据显示，当前市场领导者的盈利和自由现金流分别是1999年同行的17倍和15倍以上。这不仅仅是量级上的差异，更是性质上的根本不同。1999年的高估值建立在对未来的梦想和投机之上，而今天的估值，尽管同样高昂，却是建立在已经实现的、庞大的利润和现金流基础之上。

然而，一个新的变量正在改变这些科技巨头的商业模式。一场围绕人工智能（AI）的“军备竞赛”正在展开，Meta、亚马逊、微软和Alphabet的合并资本支出（Capex）预计今年将达到惊人的3170亿美元，约占美国GDP的1%。这些传统上被认为是“轻资本”（capex-light）的企业，现在正将其运营现金流的相似比例（约45%）投入到资本支出中，与更广泛市场的其他公司相当。这一转变是结构性的，它对这些公司的长期财务模型构成了挑战。高昂的资本支出可能会在短期内压低自由现金流，并对未来的资本回报率（ROIC）构成疑问。这种巨额投资的最终回报尚不确定：它可能构建起一个他人无法逾越的、由算力驱动的护城河，从而巩固其未来几十年的主导地位；但也可能演变成一场价值破坏性的竞赛，各方为争夺技术优势而过度投资，最终侵蚀利润率。这种不确定性为这些“优秀公司”的未来增添了一层新的、重大的风险。

2.4 结构与监管环境的变迁

除了公司基本面，两个时代的市场结构和监管环境也存在显著差异。学术研究指出，互联网泡沫的形成与一系列制度性因素密切相关。首先是承销和首次公开募股（IPO）市场的问题。当时存在着系统性的IPO抑价、利益冲突（因《格拉斯-斯蒂格尔法案》的废除而加剧）以及部分欺诈性的承销行为。许多公司在几乎没有收入的情况下被推向市场，其股价在首日交易中暴涨，为内部人士和承销商创造了巨额利润。

其次，风险投资（VC）在泡沫中扮演了推波助澜的角色。VC向初创公司注入巨额资金，并鼓励它们将绝大部分资金用于大规模广告投放，以期在短时间内建立品牌知名度和网站流量，而后者又被用作下一轮融资的估值基础。这种循环创造了大量估值虚高但商业模式脆弱的公司。

综合以上分析，可以得出一个重要的判断：当前市场风险的性质已经发生了根本性转变。1999年的主要风险是商业模式的生存风险——许多公司没有盈利，且可能永远无法实现盈利，其价值有归零的可能。而今天的主要风险是经济周期敏感性和估值压缩风险，以及新增的资本支出回报不确定性风险。这些公司盈利能力极强，商业模式已得到验证，风险在于其未来的增长速度可能无法满足市场的高预期，或者宏观经济环境的变化（如利率上升）导致市场愿意为其盈利支付的估值倍数下降，亦或是其在AI领域的巨额投资未能产生预期的回报。这是一个本质上完全不同，且破坏性可能更小的风险类型。因此，尽管马克斯从投资者心理角度将当前比作泡沫的“早期阶段”是恰当的，但从金融风险的内在属性来看，两个时代不可同日而语。今天的潜在危机更可能是一次痛苦的资产重估，而非像2000-2002年那样对整个一代科技公司的生存性毁灭。

第三部分：双城记：市场集中度风险与广大股票的估值

马克斯的分析深入到了市场的内部结构，他指出真正的担忧并非估值最高的“七巨头”，而是“另外493只股票”也被赋予了相对于历史水平的高估值。这一观察揭示了当前市场的一个核心特征：高估值的蔓延和市场集中度的极端化。在对市场整体估值水平表达担忧之后，马克斯进一步指出了一个关键的内部分化现象：以“七巨头”为代表的少数科技巨头与标普500指数中“其余493家公司”之间的差异。他更担忧的是，高估值似乎正在蔓延至那些“更普通的公司”。本部分将深入剖析这一市场分化现象，量化市场集中度的影响，并利用标普500等权重指数作为分析工具，来检验高估值究竟是少数公司的特例，还是已经成为普遍现象。

3.1 少数与多数：量化市场集中度与增长分化

“七巨头”在S&P 500指数中的权重占比达到了前所未有的高度，这本身就是一个重要的风险信号。市场集中度的提高意味着指数的贝塔（Beta）越来越由少数几家公司的特定风险（idiosyncratic risk）所驱动，而不是广泛的市场宏观因素。这违背了资本资产定价模型（CAPM）中关于市场组合应充分分散化的基本假设。

CAPM公式为：E(R_i) = R_f + β_i(E(R_m) - R_f)，其中 β_i = Cov(R_i, R_m) / Var(R_m)。当市场组合 R_m 被少数股票主导时，Var(R_m) 会更多地反映这几家公司的波动性，从而扭曲整个市场的风险定价。

我们可以使用赫芬达尔-赫希曼指数（Herfindahl-Hirschman Index, HHI）来量化市场集中度。对于S&P 500指数，其HHI计算公式为：

HHI = Σ_{i=1 to 500} (w_i)^2

其中 w_i 是第 i 家公司在指数中的权重。HHI的值越高，表明市场集中度越高。计算S&P 500指数过去几十年的HHI时间序列，可以清晰地看到当前正处于历史性的高点，甚至超过了2000年科技泡沫顶峰时期。

高集中度带来的风险是，一旦这几家领头羊公司遭遇增长瓶颈、监管打击或技术颠覆，整个市场指数将面临剧烈回调，而被动投资的广大投资者将无处可避。近年来，美国股市最显著的特征之一便是市场集中度的急剧上升。少数几家超大市值公司的表现，对整个指数的走向起到了决定性作用。

首先，从回报贡献的角度看，这种集中度体现得淋漓尽致。在2023年，当标普500指数取得24.2%的回报时，“七巨头”作为一个整体，其股价平均上涨了惊人的75.7%。进入2024年，这一趋势得以延续，在标普500指数25.0%的总回报中，仅这七家公司的贡献就占到了53.7%。这种由极少数股票驱动的上涨行情，被称为“市场宽度”（market breadth）狭窄，是市场健康状况的一个潜在警示信号。事实上，数据显示2023年是自1995年以来市场宽度最窄的年份之一。

其次，从指数权重的角度看，集中度同样达到了历史高位。截至近期，标普500指数中前十大公司的合计权重已超过33%，是自1970年代以来的最高水平。而“七巨头”自身的权重就占据了指数的约28%至30%。这种高权重意味着，指数的波动和风险越来越多地与这少数几家公司的命运捆绑在一起。这一现象与学术界关于“超级明星公司”（superstar firms）崛起的理论相吻合，即在全球化和技术变革的推动下，少数最高效的公司正在占据越来越大的市场份额和利润份额，并反映在资本市场的结构上。

更令人担忧的是基本面增长的巨大鸿沟。数据显示，在2024年第二、三、四季度，标普500指数中剔除“七巨头”后的其余493家公司（S&P 493），其净利润增长预计仅为2-3%。这一增速低于通货膨胀率，意味着市场上绝大多数公司正在经历实际盈利的萎缩。相比之下，“七巨头”同期的净利润增长预计将达到36.8%至13.7%不等。这种鲜明的对比揭示了一个残酷的现实：市场的增长几乎完全由少数几家巨头驱动，而广大“普通公司”则在停滞甚至倒退。

3.2 权重的证据：市值加权与等权重指数的比较

为了更清晰地分离出这少数巨头的影响，并观察“其余493家公司”的真实状况，我们可以比较两种不同编制方法的标普500指数：传统的市值加权指数（Market-Cap Weight Index）和等权重指数（Equal Weight Index, EWI）。在EWI中，每家公司，无论其市值大小，都被赋予相同的权重（约0.2%）。因此，EWI的表现更能代表指数中“普通”或“平均”公司的状况。

从估值角度看，两者的差异极为显著。市值加权指数的远期市盈率约为22倍，而等权重指数的市盈率仅为17倍。这直接量化了由“七巨头”高估值所带来的整体指数拉升效应。17倍的市盈率，虽然仍略高于历史平均水平，但远未达到令人警惕的程度，这表明广大“普通公司”的估值相对合理。

要深入理解EWI与市值加权指数表现差异的根源，我们需要借助现代资产定价理论。等权重策略并非仅仅是一种不同的加权方式，它在本质上引入了对特定风险因子的系统性偏离（或称“因子暴露”）。根据尤金·法玛和肯尼斯·弗伦奇提出的五因子模型，股票的预期回报可以由市场风险、规模、价值、盈利能力和投资模式这五个因子来解释。其模型表达式为：

R_i - R_f = α_i + β_{i,MKT}(R_M - R_f) + β_{i,SMB}SMB + β_{i,HML}HML + β_{i,RMW}RMW + β_{i,CMA}CMA

其中：

• R_i 是资产i的回报，R_f 是无风险利率。

• R_M - R_f 是市场风险溢价。

• SMB (Small Minus Big) 是规模因子，代表小市值公司相对于大市值公司的超额回报。

• HML (High Minus Low) 是价值因子，代表高账面市值比（价值股）公司相对于低账面市值比（成长股）公司的超额回报。

• RMW (Robust Minus Weak) 是盈利能力因子。

• CMA (Conservative Minus Aggressive) 是投资模式因子。

与市值加权指数相比，等权重指数由于给予了市值较小的公司更高的权重，因此天然地具有对“规模因子”（SMB）的正暴露。同时，由于价值股通常不会是市值最大的公司，等权重策略也往往倾向于“价值因子”（HML），并相应地低配了“动量因子”（momentum）。因此，EWI在历史上的长期超额表现，很大程度上可以归因于规模和价值这两个因子在大部分时间里提供了正的风险溢价。而近期的不佳表现，则是因为市场风格极度偏向于由“七巨头”所代表的大市值（负SMB暴露）和成长型（负HML暴露）股票。

表3：标普500市值加权指数与等权重指数特征对比

数据来源：综合报告。回报率和估值为近期代表性数据，具体数值随时间波动。

指标	标普500市值加权指数	标普500等权重指数
长期年化回报率 (1989-2023)	~9.30%	~10.35%
近期1年期年化回报率	25.1%	11.9%
远期市盈率 (P/E Ratio)	~22x-26x	~17x
前十大持仓权重 (%)	~33.5%	~2.0%
隐含因子暴露	偏向大市值、成长、动量	偏向小市值、价值

3.3 评估“其余493家公司”

马克斯更担忧的是“更普通的公司”也享受着高估值。这种现象背后有几个可能的驱动因素：

1. 被动投资的兴起：指数基金和ETF的巨大资金流入，会不加区分地购买指数内的所有成分股，从而系统性地抬高了所有股票的估值，无论其基本面如何。这种“水涨船高”效应掩盖了公司间的质地差异。

2. 利率抑制效应：在长期的低利率环境下，投资者为了寻求更高回报，被迫接受更高的风险和更低的风险溢价。这导致资金从安全的固定收益资产涌入股市，整体上推高了股票的估值水平。即使利率已经开始回升，这种风险偏好和估值习惯的惯性依然存在。

3. 乐观情绪的传染：对“七巨头”所代表的AI等颠覆性技术的乐观情绪，会外溢到其他相关或不相关的行业。投资者可能会错误地认为，技术革命的浪潮将普惠所有公司，从而给予它们不切实际的增长预期。

马克斯的担忧是深刻的。因为“七巨头”的高估值尚可由其超凡的盈利能力、市场地位和增长前景来部分解释，但将同样乐观的估值应用于那些护城河不深、增长平庸的“普通公司”，则是一个更清晰的泡沫信号。这表明市场的定价机制可能已经失灵，投资者的风险识别能力正在钝化。

我们可以通过分析S&P 500指数剔除“七巨头”后的“S&P 493”的估值水平（如市盈率、市净率）及其与历史均值的偏离程度，来量化这一问题。如果发现“S&P 493”的估值也处于历史的90分位数以上，那么马克斯的担忧就得到了强有力的实证支持。

通过将EWI的估值水平（远期市盈率约17倍）和盈利增长（实际负增长）作为“普通公司”的代理指标，我们可以更精确地评估马克斯的论断。他的担忧——高估值正在蔓延至“更普通的公司”——在一定程度上是正确的，因为即使是17倍的市盈率，对于一个实际盈利正在萎缩的群体来说，也并不便宜。然而，问题的核心并非估值的普遍泡沫化，而是增长的极度稀缺性。市场正在为“七巨头”所提供的确定性增长支付高昂的溢价，因为在它们之外，几乎找不到任何有意义的增长源泉。

这种极端的市场集中度，已经使得标普500市值加权指数在某种程度上偏离了其作为“市场”多元化代表的传统角色。购买这样一个指数基金，投资者在无意中已经不再是获得对美国经济的广泛、分散化投资，而是在对少数科技巨头的持续成功和高增长预期进行一次大规模的集中押注。这种投资组合的实际风险暴露，已经悄然从一个分散的市场风险（beta）敞口，转变为一个高度集中的、偏向于大市值成长和动量因子的主动投资。这对传统的资产配置模型，如60/40组合，构成了严峻的挑战，因为其股票部分的内在多元化程度已大大降低。

第四部分：寻求防御性收益：对公司信贷的审慎评估

面对估值高昂的股票市场，马克斯提出了一个具有实践意义的策略性建议：转向信贷（公司债务）作为更具防御性的投资。在对高估值的股票市场表达了审慎态度后，马克斯将目光转向了公司信贷（corporate credit），认为其是当前环境下更具防御性的投资选择。他强调信贷提供了合同承诺的支付和可知的回报。这一建议基于对不同资产类别风险-收益特征的深刻理解。本部分将对这一观点进行严格的评估，超越其宏观论断，深入分析信贷风险溢价的构成，并结合当前的信用利差、违约率和回收率数据，来判断信贷资产是否真正提供了与其风险相称的补偿。

4.1 股票与信贷的根本区别

从公司资本结构的角度看，信贷（债务）持有者和股票（股权）持有者处于完全不同的位置。

• 求偿权顺序：在公司清算时，债务持有者优先于股权持有者获得赔付。这使得信贷具有天然的“安全垫”。

• 回报结构：信贷的回报是固定的、有合同保障的利息支付（coupon）和本金归还，其上行空间有限（最多收回本息），但下行风险也相对可控（只要公司不违约）。股票的回报则来自于公司未来的盈利增长和估值变化，具有无限的上行潜力和全部损失的下行风险。

这种结构上的差异可以用期权理论来精妙地刻画。根据Robert Merton在1974年提出的结构化信用风险模型，公司的股权可以看作是一个以公司总资产价值 V 为标的、以债务面值 F 为执行价格的欧式看涨期权。

Equity = max(V - F, 0)

而公司的债务则可以看作是无风险债务减去一个卖给股东的、以公司资产为标的、以债务面值为执行价格的欧式看跌期权。

Debt = F - max(F - V, 0)

这个看跌期权代表了股东选择违约（即不行权）的权利。因此，购买公司信贷，本质上是在卖出一个针对该公司资产价值的看跌期权。只要公司资产价值 V 不跌破债务面值 F，信贷投资者就能获得全部本息。

马克斯的建议并非完全放弃股票，而是进行战术性的资产配置调整，增加信贷的权重以提高投资组合的防御性。这与经典的投资组合理论是一致的。在构建有效前沿时，投资者应根据自己对各类资产未来预期回报、波动率和相关性的判断，来决定最优的资产配置权重。马克斯的判断是，当前股票的预期夏普比率 ([E(R_stock) - R_f] / σ_stock) 相对于信贷的预期夏普比率 ([E(R_credit) - R_f] / σ_credit) 已经不再具有吸引力。

他强调1998年投资高收益债券在随后的27年中很可能会“表现良好”，这并非预测未来，而是在阐述一个概率问题。信贷投资的核心是在承担可控风险的前提下，获取大概率能够实现的合同回报。在一个充满不确定性的世界里，这种“确定性”本身就具有极高的价值。

4.2 解构信贷风险溢价：一个理论框架

首先必须明确，投资者从公司债券中获得的高于同期限无风险国债的收益率，即信用利差（credit spread），并不完全是“风险溢价”。信用利差必须补偿两个部分：一是预期损失（Expected Loss, EL），即因发行人违约而导致的本息损失的数学期望；二是风险溢价（Credit Risk Premium, CRP），这是对承担不可分散的系统性违约风险的额外补偿。

其关系可以表示为：

Spread ≈ EL + CRP

预期损失本身又由两个关键参数决定：违约概率（Probability of Default, PD）和违约损失率（Loss Given Default, LGD），即 EL = PD × LGD。因此，只有当信用利差显著高于预期的平均损失时，投资者才能获得正的风险溢价。

现代金融理论为信贷风险溢价的决定因素提供了更深刻的见解。在结构化模型（如默顿模型）的框架下，公司的信用风险被视为其资产价值的一个期权，与公司的杠杆率和资产波动率密切相关。而在更广义的资产定价理论中，信贷风险溢价的大小取决于违约损失与随机折现因子（Stochastic Discount Factor, SDF）的协方差。简而言之，当违约更有可能发生在经济状况糟糕、投资者边际效用更高的时候（即违约具有系统性风险），投资者会要求更高的风险溢价作为补偿。实证研究也发现，信贷风险溢价与宏观经济增长、消费者情绪、市场整体困境以及流动性等因素显著相关。

4.3 高收益债券利差的实证考察

马克斯的论点是在一个特定的市场环境下提出的，因此我们必须考察当前的价格——即信用利差——是否具有吸引力。根据圣路易斯联邦储备银行（FRED）的数据，ICE美银美国高收益指数的期权调整利差（Option-Adjusted Spread, OAS）近期徘徊在2.95%左右，即约295个基点。

将这一数值置于历史背景中，其极低的水平便显而易见。在马克斯作为参照点的1998年，高收益债利差同样处于紧缩状态，但随后在俄罗斯债务危机和长期资本管理公司（LTCM）倒闭事件中急剧扩大。在2008年全球金融危机的高峰期，该利差一度飙升至2182个基点（21.82%）的极端水平。而在2020年新冠疫情引发的市场恐慌中，利差也曾短暂触及1087个基点（10.87%）。与这些历史危机时期相比，当前不到300个基点的利差，意味着市场为承担高收益债券的信用风险所提供的补偿，正处于历史性的低位。事实上，数据显示，在过去15年中，仅有10%的时间里高收益债利差低于当前水平。

4.4 回报的终极决定因素：违约率与回收率

利差的高低本身并不能完全说明问题，我们必须将其与预期的损失进行比较。

• 违约率分析：根据穆迪和标普等评级机构的数据和预测，投机级（高收益）公司的长期年均违约率通常在4.1%至4.5%之间。对于2024-2025年，主流机构的预测值大致落在3.4%至4.6%的区间内。这表明，尽管经济环境相对稳定，但未来的违约率预计将回归或略高于其长期历史平均水平，并非处于异常低的水平。

• 回收率分析：违约损失率（LGD）是预期损失的另一关键组成部分，它等于1减去回收率（Recovery Rate）。高级无抵押债券的长期平均回收率大约在37%至49%之间，对应的LGD则为51%至63%。然而，一个值得注意的近期趋势是，违约的构成发生了变化。根据标普的数据，2023年的违约事件中，有相当大一部分是“廉价交易”（distressed exchanges），而非传统的破产清算。这类违约的回收率通常显著更高，推动2023年整体投机级债券的回收率达到了66%。

• 隐含风险溢价的估算：现在，我们可以综合这些数据，对当前市场提供的真实风险溢价进行一次粗略估算。

  • 当前利差 (OAS): ~2.95%

  • 预期违约率 (PD): ~4.0% (取预测区间的中值)

  • 预期回收率: ~66% (基于近期数据)

  • 预期违约损失率 (LGD): 1 - 66% = 34%

  • 预期损失 (EL): EL = PD × LGD = 4.0% × 34% = 1.36%

  • 隐含信贷风险溢价 (CRP): CRP = Spread - EL = 2.95% - 1.36% = 1.59%

这个约1.59%（159个基点）的风险溢价，从历史标准来看是相当微薄的。它对马克斯关于信贷资产在当前具有防御性吸引力的观点构成了严峻挑战。

信贷资产的“防御性”本质上是一个关于价格的函数，而非其固有的、一成不变的属性。马克斯的逻辑——信贷提供合同性回报，风险低于股票——在理论上是正确的，但这一逻辑的投资价值高度依赖于买入时的价格，即信用利差的水平。在今天的低利差环境下，信贷为承担违约风险所提供的补偿已非常有限。其风险回报呈现出明显的不对称性：利差进一步收窄的空间很小，但在经济衰退或市场避险情绪升温时，利差扩大的空间却非常巨大。利差的扩大将直接导致债券价格下跌，这种资本损失很可能轻易地吞噬掉那微薄的票息收入。因此，在当前价位买入高收益信贷，并非一种为抵御未来风险而采取的防御性部署，而更像是一场赌注，赌经济将持续稳定，而为此获得的报酬却相当之低。这与马克斯倡导的在市场高位采取审慎和防御姿态的精神似乎有所背离。

更深层次的风险在于，近期违约构成的变化可能正在掩盖潜在的脆弱性。当前较高的回收率（66%）很大程度上得益于廉价交易在违约事件中的高占比。这种违约形式通常发生在经济尚可、企业仍有重组空间的环境下。然而，一旦发生严重的经济衰退，违约的性质可能会迅速转向更具破坏性的“硬违约”，如破产清算。历史上，这类违约的回收率要低得多，平均仅为40%至50%。如果我们用一个更符合衰退情景的、更为保守的40%回收率（即60%的LGD）来重新计算预期损失，结果将大相径庭：

EL_recession = 4.0% × 60% = 2.40%

此时，隐含的风险溢价将骤降至：

CRP_recession = 2.95% - 2.40% = 0.55%

这一计算揭示了一个令人不安的可能性：当前市场利差所提供的风险补偿，几乎完全建立在经济持续向好、违约模式保持温和的假设之上。一旦经济环境恶化，回归到更传统的违约和回收模式，那么当前利差所包含的真实风险溢价将趋近于零。市场感知的“安全”，可能只是当前这种良性但或许并不稳固的违约状态的一种假象。

表4：关键时间点的高收益市场状况对比

数据来源：利差数据来自FRED；违约率和回收率数据综合自穆迪和标普的年度报告。1998年数据为近似值。

指标	1998年中	2008年末 (GFC高峰)	2020年3月 (COVID高峰)	当前
高收益指数OAS (基点)	~350-400	~2182	~1087	~295
随后的1年期投机级违约率 (%)	4.9% (1999)	13.4% (2009)	8.8% (2020)	3.4%-4.6% (预测)
平均投机级回收率 (%)	~40-50 (历史均值)	33.8%	~40-50 (历史均值)	66% (近期)

第五部分：全球投资困境：美国与其他发达市场的比较

在访谈的最后部分，马克斯将视野扩展到全球，对美国作为投资目的地的地位进行了辩证的评估。他一方面肯定美国“仍然是世界上最好的投资地”，另一方面也指出其相对吸引力可能正在下降。马克斯用一个生动的比喻来描述全球投资格局：美国是一辆“价格昂贵的好车”，而世界其他地区则可能提供“价格更便宜的次好车”。这一比喻引出了资产配置中的一个核心问题：投资者是应该为质量支付溢价，还是应该在价值洼地中寻找机会？本部分将量化美国与国际发达市场（以MSCI EAFE指数为代表）之间的估值差距，并分解其长期相对表现的驱动因素，以评估国际股票的折价是否合理。

5.1 两种估值的故事：量化美国的溢价

美国市场的长期优异表现，可以归因于一系列结构性优势，包括创新精神、自由市场、法治、深度的资本市场等。这些因素共同构成了一个能够持续产生“阿尔法”的环境，即便是投资于整个市场指数，也能获得相对于其他国家市场的超额回报。

然而，马克斯的比喻——美国是一辆“价格高昂的好车”，而世界其他地区是“价格更便宜的次好车”——点出了问题的核心：价格。无论一个资产有多好，如果价格过高，其未来的投资回报也会大打折扣。

这涉及到国际资产定价中的一个核心问题。传统的国际资本资产定价模型（ICAPM）认为，全球投资者的最优组合应该是全球市场组合，各国资产的预期回报由其对全球市场风险的敏感度（全球贝塔）决定。然而，大量的实证研究表明，国家特定因素（country-specific factors）在解释回报差异方面也起着重要作用。

美国市场的长期溢价，可以被视为对其优越的宏观基本面和公司治理的补偿。但是，当这种溢价扩大到极端水平时，投资者就需要思考，这种溢价是否已经过度反映了其优势，甚至包含了对未来过于乐观的预期。

美国股市相对于世界其他地区的估值溢价，是近年来全球市场的一个显著且持续的特征。

通过比较MSCI美国指数和MSCI EAFE（欧洲、澳大拉西亚和远东）指数的市盈率，我们可以清晰地看到这一趋势。在过去十年（2013-2023年），MSCI美国指数的平均市盈率约为20.6倍，而MSCI EAFE指数的平均市盈率仅为16.7倍。有趣的是，这与再上一个十年（2002-2012年）的情况恰好相反，当时EAFE指数的估值（21.0倍）反而高于美国指数（16.9倍）。这表明，当前的美国溢价并非一个永久现象，而是一个在后全球金融危机时代形成的特定产物。

截至2024年初，这一估值差距已扩大至近几十年来的最阔水平。数据显示，MSCI EAFE指数的市盈率相对于标普500指数的折价幅度超过了40%。这一巨大的估值鸿沟，为马克斯关于国际市场正在“折价出售”的观察提供了坚实的量化证据。

马克斯的观点引导我们进行一种全球范围内的相对价值分析。我们可以通过比较不同国家市场的估值指标（如CAPE比率）、预期盈利增长和宏观经济前景，来评估其相对吸引力。

例如，我们可以构建一个简单的国家吸引力评分模型：

Score_c = w_1 × (1 / CAPE_c) + w_2 × E(g_c) - w_3 × σ_c - w_4 × RiskPremium_c

其中 c 代表国家，CAPE 是周期调整市盈率，E(g) 是预期盈利增长率，σ 是市场波动率，RiskPremium 是反映政治、制度等风险的溢价。通过这个模型，我们可以量化比较美国与其他市场（如欧洲、日本、新兴市场）的投资价值。

很可能在当前时点，尽管美国在 E(g) 和 RiskPremium 方面得分很高，但其极低的 1 / CAPE 项（即极高的估值）会拉低其总分，使得一些“次好”但“便宜”的市场在综合评分上更具吸引力。

这并不是建议投资者完全撤出美国市场，而是强调全球资产配置的重要性。在投资组合中加入一些“相对于美国打折出售”的资产，即使这些市场的长期增长潜力不如美国，也能起到分散化风险、提高风险调整后收益的作用。现代投资组合理论的奠基人马科维茨证明，只要资产间的相关性不为+1，多元化就能降低投资组合的整体风险。在全球市场联动性日益增强的今天，寻找相关性较低的资产变得更加困难，但也更加重要。估值差异本身就是未来回报差异的一个重要来源，也是实现有效全球多元化的一个关键切入点。

5.2 区域表现分化的驱动力：回报的解构

为了理解为何会出现如此巨大的估值差异，我们必须解构美国市场自全球金融危机以来长期跑赢国际市场的根本原因。J.P. Morgan的一项回报归因分析提供了清晰的答案。从2008年6月至2024年底，美国市场11.9%的年化回报主要由两部分构成：6.3%来自盈利增长，3.3%来自估值倍数的扩张（即市盈率提升）。相比之下，EAFE市场3.6%的年化回报中，盈利增长的贡献仅为1.6%，估值扩张的贡献为1.3%，更糟糕的是，还承受了因其货币相对美元贬值而带来的-2.1%的年化拖累。

这种盈利增长上的巨大差异，很大程度上源于两地市场截然不同的行业结构。美国市场卓越的盈利增长，主要由科技和非必需消费品这两个板块驱动，它们的盈利增速远远超过了其国际同行。美国市场在这些高增长、高利润率的行业中拥有显著更高的权重，而EAFE指数则更偏向于金融、工业、原材料等传统的“旧经济”或价值型行业。这种结构性的差异，是解释两个市场长期表现和估值分化的核心原因。

5.3 评估“更便宜的次好车”

尽管历史表现不佳，但投资国际市场依然存在其战略价值。首先是多元化。由于行业构成和经济周期的不同，国际市场可以提供与美国市场不完全相关的风险和回报来源。其次是更高的收益。EAFE指数的股息收益率约为3.4%，远高于标普500指数的约1.5%，这对于寻求收益的投资者具有吸引力。最后是均值回归的潜力。历史表明，美国和国际市场的相对表现呈现出长周期的轮动特征。当前美国长达十余年的超额表现，以及显著的估值溢价，可能为未来国际市场的相对均值回归创造了条件。

当然，支持美国市场享有溢价的理由也同样充分，正如马克斯所承认的，美国拥有无与伦比的创新精神、自由市场、法治和充满活力的伟大公司。其卓越的盈利增长并非统计幻觉，而是真实经济活力的体现。对于投资者而言，核心问题在于：这种卓越的表现在未来是否可持续？以及，它是否已经被市场过度定价了？

对美国与EAFE市场分化的深入分析揭示，这一全球资产配置的抉择，在很大程度上是美国国内市场内部风格分化的一种放大和投射。全球配置的决策，实际上隐含着对特定经济部门和投资风格的押注。我们在第三部分已经看到，美国市场的主导力量是少数几家大市值科技/成长型公司。MSCI美国指数的构成也自然地在信息技术和通信服务等板块上拥有高权重。与此同时，MSCI EAFE指数则在金融、工业和原材料等经典“价值”板块上拥有更高的权重。因此，决定增持EAFE、减持美国，其内在逻辑与决定增持标普500等权重指数、减持市值加权指数高度相似。两者都是在对美国超大市值成长股的持续领跑提出质疑，并押注于价值和更广泛的市场复苏。这一视角将看似独立的第三部分（国内市场结构）和第五部分（全球市场比较）联系起来，揭示了其背后共同的因子暴露：那辆“昂贵的好车”之所以昂贵，是因为它是一辆成长/科技型的跑车；而那辆“更便宜的车”之所以便宜，是因为它是一辆价值/工业型的轿车。

此外，在评估国际投资时，货币是一个至关重要但常被忽视的长期回报驱动因素。自2008年以来，汇率变动对EAFE指数以美元计价的回报造成了每年-2.1%的巨大拖累。这意味着，在EAFE指数与美国指数8.3%的总回报差距中，有近四分之一是由汇率因素造成的。在后金融危机时代的大部分时间里，美元一直处于一个长期牛市。然而，与资产估值一样，货币趋势也是周期性的，同样存在均值回归的可能。因此，投资国际市场的一个关键潜在逻辑，不仅仅是EAFE的股票便宜，也可能是美元本身已经昂贵。一旦美元的长期升值周期逆转，即使EAFE成分股自身的基本面表现平平，对于美元投资者而言，也可能因汇率的顺风而获得显著的超额回报。这使得对宏观货币周期的分析，在资产配置决策中的重要性被大大提升。

表5：美国与EAFE市场——相对估值与基本面驱动因素对比

数据来源：综合报告。估值和权重为近期代表性数据，具体数值随时间波动。回报归因数据来自J.P. Morgan。

指标	MSCI USA	MSCI EAFE
平均市盈率 (2002-2012)	16.9x	21.0x
平均市盈率 (2013-2023)	20.6x	16.7x
当前远期市盈率	~23x	~14x
股息收益率 (%)	~1.5%	~3.4%
主要行业权重 (%)
- 信息技术	~30%	~9%
- 金融	~13%	~18%
- 工业	~9%	~15%
年化回报归因 (2008-2024)
- 盈利增长贡献	6.3%	1.6%
- 估值扩张贡献	3.3%	1.3%
- 汇率影响贡献	0.0%	-2.1%
总年化回报	11.9%	3.6%

马克斯的分析，从始至终贯穿着一种深刻的怀疑主义和对周期的敬畏。他并不试图预测市场的短期走势，而是通过深入分析估值、心理和历史，为投资者在当前这个充满挑战和矛盾的环境中，提供了一个基于长期理性判断的导航框架。他的每一个观点，都能在现代金融理论和严谨的学术研究中找到回响，这正是其思想深度和持久生命力的来源。

免责声明:

本文所呈现的信息与分析仅供参考与教育目的，不构成任何财务、投资、法律或税务建议。本文内容无意作为购买、出售或持有任何证券或做出任何投资决策的推荐。文中所表达的观点和意见仅为作者个人之见，并可能在不另行通知的情况下发生变化。这些观点不代表作者可能隶属的任何其他实体的立场。尽管作者已尽一切努力确保源材料信息的准确性和完整性，但不对其精确度做任何保证。所有投资决策均应在合格专业人士的指导下进行。