90s.PM.Investing 股票分析流程 - 103: 故事《修訂版》

一切由故事開始

90s.pm.investing

Aug 28, 2026

∙ Paid

上一篇（102: 北極星），我們建立了一個核心信念：Alpha 的本源，是你擁有一個市場目前尚未定價的洞見。

這裡有一個很多人疑惑的問題：市場共識真的會錯嗎？不是偶爾錯一兩個百分點，而是系統性地、結構性地錯？

這篇文講三件事：市場共識為什麼會錯，錯的時候長什麼樣，怎麼在它錯的時候看出來。

一、市場大部分時間是對的，靠的是機制

傳奇分析師Michael Mauboussin 用過一道題解釋這個機制。問 100 個人：以下哪一位不是 1960 年代樂隊 The Monkees 的成員？

A. Peter Tork

B. Davy Jones

C. Roger Noll

D. Michael Nesmith

正確答案是 C。Roger Noll 是史丹福大學的經濟學家，跟樂隊毫無關係。

假設有 100 個人回答。他們懂的程度是這樣分佈的：

只有 7% 的人知道答案，超過三分之二完全狀況外。 隨機抽一個人來回答，你大概不會信任這個答案。

現在假設不懂的人隨機亂選，把票逐項數出來：

其餘 66 票大致平均分散到 A、B、D，各得約 22 票。答案C Roger Noll 以 34 對 22 勝出。

請留意那 68 個完全不懂的人。

他們投出 68 票，其中約 17 票落在正確答案，另外約 51 票平均散落在三個錯誤答案上，每個各分到約 17 票。

他們在四個選項之間鋪了一片平坦的噪音。這片噪音抬高了所有選項的票數，卻沒有改變任何選項之間的相對高低。

於是那 7% 的人，決定了 100 個人的集體答案。

這就是股票市場的機制。

電視節目《百萬富翁》裡，參賽者向現場觀眾求助的正確率超過 90%；而致電一位精挑細選的親友，通常是某個領域的聰明人，正確率只有大約三分之二。

一群大部分不懂的人，贏過一個挑選出來的專家。股票市場做的是同一件事。價格之所以大致合理，不是因為場內都是天才，是因為不懂的人各自亂猜、互相抵銷，剩下的就是懂行的人的判斷。

但這個機制有一個前提：噪音平坦。

噪音之所以平坦，是因為那 68 個人錯的方向各自不同：一個選 A，一個選 B，一個選 D，加起來才會互相抵銷。James Surowiecki 把這個條件叫做多樣性，它是整個機制的物理前提。

而人類的錯，偶爾會是集體性的。

二、黑猩猩贏過人類，證明人類的錯誤有方向

瑞典醫生、統計學家 Hans Rosling 花了十幾年問全世界同一批問題。先試四題，每題三選一，記下你的答案：

過去 20 年，全球極端貧困人口的比例……A）幾乎翻倍　B）大致不變　C）幾乎減半
今天全球 1 歲兒童中，有多少比例接種了至少一種疫苗？A）20%　B）50%　C）80%
在全球低收入國家，有多少比例的女孩讀完小學？A）20%　B）40%　C）60%
過去一百年，每年因自然災害死亡的人數……A）翻了一倍以上　B）大致不變　C）減少了一半以上

答案全部是 C。完整題目在下方，值得做一次。

https://www.statcrunch.com/surveys/view?surveyid=23104

2017 年，Rosling 的團隊用完整的 13 題測了 14 個國家、約 12,000 人。撇開幾乎人人答對的氣候題，12 題平均答對 2 題，15% 的人零分，答對超過 4 題的大約一成。他在諾貝爾得主、世界銀行、達沃斯論壇的演講現場也做過同一份測驗，結果沒有更好。

一隻黑猩猩隨機選香蕉，正確率 33%，12 題答對 4 題。人類平均 2 題。

這是全文最重要的一個推論。如果只是不知道，你會隨機猜，拿到 33%。低於 33%，代表大家錯的方向是同一個。

大部分人認為世界變得愈來愈差。

回到市場。那 68 個人不是一片平坦的噪音，他們是一群本來就往同一邊傾斜的人。差的，只是一個開關。

三、故事就是那個開關

「美國房價不會下跌」

2006 年，美國新發放的房貸裡，次級貸款佔了超過兩成，約 6,000 億美元；同年全球 CDO（擔保債務憑證）發行量超過 5,000 億美元，底層大部分就是這些貸款，而評級機構給了 AAA，跟美國國債同級。市場的故事是「美國房價不會下跌」。房價一跌，故事碎了，活了 158 年的雷曼兄弟在幾天內消失。

「石油已死」

2020 年 4 月 20 日，WTI 原油期貨收在負 37.63 美元。人類歷史上第一次，有人付錢求你把石油拿走。

市場當時的故事是「石油已死」：ESG 資金流出，疫情把需求打垮，兩個力量疊加，一個暫時的需求衝擊被定價成永久的結構衰退。

兩年之內，WTI 從負數升到 100 美元以上。

一個故事流行起來，不懂的人不再四散亂投，集體倒向同一個答案。平坦的噪音有了方向，抵銷機制失效，價格開始脫離價值。

而這個慣性並不限於散户。在華爾街的大行分析師，亦用同一個邏輯撰寫分析報告。

業績有數字可查。但，分析師用哪一重估值方法，卻是藝術。所以估值不是先有數字，而是先有故事。故事決定你用什麼框架、什麼 Peer、什麼倍數、什麼假設，數字只是把故事翻譯成 Excel。

所以第一件事不是算，是讀：市場現在正在說什麼故事？

四、市場的故事沒有數字可查，但有五個地方留下痕跡

市場故事不像 EPS 共識有一個數字。它是隱含的、分散的。你浸淫得夠深會「聞到」它：賣方報告的語氣是興奮還是防守，管理層答問的節奏是自信還是閃躲，社群的溫度是 FOMO 還是冷漠。那種「感覺不對」的直覺是真的，你的潛意識偵測到了故事和現實之間的裂縫。

但直覺只能生成假設，不能作結論。下面五個信號，是把直覺變成可以檢驗的線索。

信號一：看分析師用什麼指標估值。

用 P/E，代表分析師認為這是盈利穩定的成熟公司，重點是賺多少。用 EV/Revenue，代表這是成長期公司，盈利現在不重要，重點是長多快。用 P/B，代表週期股或資產股。用 SOTP（分部加總），代表有部分被低估，要拆開看。指標不是技術選擇，是故事的直接表達。

操作：收集 3 到 5 份最新賣方報告，記錄主要估值方法。一致，故事已經穩定。分裂（有人 P/E、有人 EV/Revenue），市場在敘事轉換的中途，框架一旦統一，倍數會大幅跳動。

信號二：看分析師拿誰來比。

Peer Group 是第二種定義投票。NVIDIA 的報告裡 Peer 是博通、TI、AMD，故事是「半導體週期股」，倍數天花板是半導體的歷史區間。Peer 開始出現 Microsoft、Google、Oracle，故事在往「基礎設施平台」走，天花板完全不同。

操作：追蹤 Peer Group 在最近 6 到 12 個月有沒有漂移。漂移的早期，就是敘事重置的早期。

信號三：看財報電話會上分析師問什麼。

分析師在 Q&A 問的，是他們模型裡最不確定的那個假設，也就是故事裡最核心的部分。不斷問「AI 營收佔比」，市場想聽成長。不斷問「利潤率守得住嗎」，故事在從成長切換到守利潤。不斷問「回購和分紅」，市場已經把它當 cash cow。不斷問「win rate 有沒有受影響」，市場擔心護城河。

操作：讀最近 2 到 3 季的 transcript（FinChat、Seeking Alpha 免費），只讀 Q&A，統計高頻主題。提問方向的轉變，比管理層的引導更誠實。

信號四：看錢放在哪裡。

嘴上說的是一回事，錢放在哪裡是另一回事。ETF 歸屬是最機械的定義投票：被放在科技 ETF 還是能源 ETF，決定了被動資金怎麼對待它，「科技股」被拋售時所有成分股一起被賣，不管基本面。持倉結構告訴你什麼類型的投資者在買這個故事：成長型基金為主，故事是成長；價值型基金佔比上升，市場在把它重新歸類。資金流方向最即時：成長基金在賣、價值基金在買，敘事正在轉換，而倍數可能還沒跟上。

操作：13F 持倉看 WhaleWisdom，ETF 歸屬看 ETF.com，基金風格佔比看 Morningstar 的 ownership 頁。

信號五：看媒體和社群的一句話標籤。

故事最終會被壓縮成一句話，短到可以在 X 上傳播，強到可以驅動整個板塊的資金。「AI 賣鏟人」：不管誰贏，這家公司都收費。「石油已死」：需求會結構性歸零。「中國不可投資」：不管個股如何，在中國就有不可控風險。「成長見頂」：該看利潤了。「燒錢機器」：收入是用虧損換的。

操作：公司名加關鍵詞，搜主流財經媒體和社群（Threads、X、富途、PTT 股板、Reddit），找最常出現的那一句。那就是市場故事的濃縮版。

五個信號指向同一個故事，你就找到了市場的敘事共識。

五、五個信號一致，代表機會

很多人的反應是：信號這麼一致，市場應該是對的。

剛好相反。五個信號完全一致，正是多樣性消失的狀態：分析師用同一套指標、拿同一批 Peer、問同一類問題、錢往同一個方向流、標籤是同一句話。這就是 68 個人排好隊的樣子。市場在這一刻最有可能出錯。

房地產泡沫爆破前夕，Michael Burry 做的事一點也不神秘。他逐份讀 MBS 的公開說明書，看底層貸款的組成，發現大量借款人無收入、無工作、無資產，利率兩年後自動重設跳升。數據是公開的，任何人都可以看。沒有人看，因為大家都在重複同一個故事，翻說明書顯得多餘。

所以，下一步就要問：這個故事，成立嗎？

要問得準，你需要知道故事通常錯在哪裡。我歸納了六種。

六、故事通常錯在六個地方

第一種：身份定義錯誤

市場把公司放進錯的類別，於是用了錯的 Peer、錯的倍數、錯的天花板。這是最常見的一種。

把 Ferrari 當汽車製造商，Peer 是 Toyota、BMW、GM，營業利潤率預期 5% 到 10%，P/E 天花板 8 到 15 倍。但 Ferrari 的營業利潤率超過 25%，因為它賣的是一張排他俱樂部的會籍。正確的 Peer 是 Hermès，P/E 可以 30 到 50 倍。同一家公司，類別不同，天花板差三倍。Amazon 在 2015 年拆開披露 AWS 之前，也是被當低利潤電商估的。

怎麼發現：信號二。如果你覺得分析師拿來比的公司根本不對，就是身份問題。信號一的指標分裂也是線索。

第二種：永久性假設錯誤：把暫時當永久，或反過來。

負油價故事就是教科書案例。我自己的第一桶金也是那時來的：OXY 十幾美元的時候買入，理由不是什麼洞見，只是不接受「石油已死」把一個暫時的需求衝擊講成永久。IEA 和 OPEC 2020 年的基準預測，都是需求在 2023 年前回到疫情前水平，之後繼續增長。反方向同樣成立：2021 年不少 SaaS 公司被給了 30 到 50 倍 Revenue，市場把疫情帶來的暫時加速當成永久，增速回到正常後估值跌了 60% 到 80%。

怎麼發現：信號五。標籤裡出現「永遠」「再也不會」「結構性」「不可逆」，警報就該響。

第三種：生命週期錯位：用錯階段的框架估值。

早期公司靠故事定價，成熟公司靠數字。錯位有兩個方向：太早，用成熟期的 P/E 天花板壓住一家還在高速增長的公司；太晚，用成長期的 EV/Revenue 美化一家增速已經放緩的公司。Meta 2022 年是前者，市場把它定價成一家增長結束的公司，年底 P/E 不到 10 倍；2023 年營收重新增長 16%，股價翻了近兩倍。科技公司的週期比傳統行業壓縮得多，用傳統節奏估科技股，本身就是錯位。

怎麼發現：信號三。增速還在 30% 以上，分析師已經在問回購，太早。增速降到個位數，還在問下一個增長引擎，太晚。

第四種：敘事慣性。業務已經質變，故事還停在舊版本。

Facebook 2012 年 IPO 時被質疑「無法在手機上賺錢」。之後一年半，行動廣告佔比從零升到一半以上，數字在大聲喊故事變了，但 2013 年不少報告仍在討論那個已經被回答的問題。Microsoft 2013 到 2014 年也一樣：Nadella 全力轉雲端，市場仍把它當「衰退中的 Windows 授權商」，P/E 停在 14 倍左右。原因是分析師的 coverage 分組、GICS 行業分類、ETF 成分股都有慣性，一旦被歸類為「社交媒體」或「軟體授權」，Peer 和倍數不會自動更新。

怎麼發現：把信號五的標籤和最新財務數據對比。標籤是「燒錢機器」但已經連續兩季現金流轉正，是慣性；標籤是「Windows 公司」但雲端營收佔四成，也是慣性。信號四也有用：成長基金在買一家被歸為價值股的公司，有人已經在為敘事轉換下注。

第五種：離散事件的概率定價錯誤。

市場把一個事件定價成全有或全無，而不是概率加權。

人類不擅長估概率，小概率事件要麼完全忽略、要麼過度放大。M&A 被市場定價成九成半機率成交（示意），交易破裂，股價跌回基本面。藥企 FDA 審批被定價成九成通過，被拒，腰斬。這類定價的共同點是沒有中間狀態。

怎麼發現：信號三。所有分析師在問同一個事件，而且問法已經把結果當成確定，市場很可能在用二元定價。信號一也有用：股價明顯高於基本面估值，差額就是市場給這個事件的隱含概率。

第六種：宏觀敘事傳染。板塊級的故事覆蓋個股基本面。

宏觀故事透過 ETF 資金流、指數權重、被動投資的機制傳播，不分青紅皂白地改變所有被歸入該類別的公司。「中國不可投資」時，KWEB 從 2021 年高位跌了超過 80%，裡面包括基本面完全健康的公司。「AI 改變一切」時，任何沾邊的公司都享受倍數膨脹，不管 AI 營收是 50% 還是 0.5%。市場懶得逐一判斷每家公司被宏觀變數影響多少，直接用宏觀敘事覆蓋所有個股，個股層面的錯價就是這樣來的。