煉金小二看那麼多書，加上從2000年來的親身歷史，身在泡沫中，日後才知，要如何提早預防泡沫，從書中可以學到。
在狂牛的市場，傻瓜只要投入錢也能賺大錢，但常常就輸在，不知道什麼時候該跑。
首先你要先有一個基本的認知，金融泡沫的本質，加上技術分析的技巧，衝浪兩次後，第三次常是瘋狗浪，輸到虧本，可能還負債。
這四本書從不同角度探討了金融危機與泡沫，但它們的核心訊息卻驚人地一致：儘管金融工具、國家和時代各不相同，但人性、週期和政府政策的缺陷，使得金融災難不斷重演。
書籍核心總結與金融泡沫的形成原因
以下是這四本書的觀點匯總，針對金融泡沫的形成原因：
- 《異常流行幻象與群眾瘋狂》 (Mackay)： 這本書被譽為群眾心理學的經典。它強調泡沫的根源在於 「人性」與「群體心理」。當一個新的概念或機會出現時（如鬱金香狂熱、南海泡沫），人們的貪婪、從眾心理和對快速致富的渴望，會戰勝理性，使得數百萬人共同追逐一個幻象。泡沫的形成，本質上是人類集體喪失理智的過程。
- 《金融投機史》 (Chancellor)： 這本書是《異常流行幻象》的現代版延伸。它同樣強調人性，但更著重於 「信貸」與「創新」 在投機狂潮中的作用。作者指出，金融投機史就是一部信貸週期史，每一次的泡沫都伴隨著信貸的快速膨脹。新技術或新市場的出現，往往成為信貸氾濫的藉口，讓投機者相信這次的機會是「新」的，因此與過往不同。
- 《這次不一樣》 (Reinhart & Rogoff)： 這本書提供了堅實的 「量化數據」 基礎。作者們證明，所有危機都源於一個共同的心理誤判——「這次不一樣」，並用八個世紀的數據證明，無論是股票泡沫、房產泡沫還是主權債務危機，其背後都有 過度信貸擴張、政府或民間債務快速增加 等可量化的數據指標。它將心理學上的「這次不一樣」謬論，轉化為可驗證的經濟學事實。
- 《財富、戰爭與智慧》 (Biggs)： 這本書將視野擴大到 「宏觀事件」，特別是戰爭與政治。畢格斯認為，股市具有驚人的「群眾智慧」，能在重大事件發生前有所預知。他強調在最混亂的時代，市場的智慧仍能指引我們。這本書提醒我們，除了經濟和心理因素，地緣政治與戰爭等「黑天鵝」事件，也是導致財富大規模破壞和重分配的關鍵，而市場往往能提前反映這種預期。
歷史回測：重點特徵與數據參考
將這四本書的觀點結合，我們可以建構一個更全面的金融泡沫回測模型。
金融泡沫的重點特徵：
- 人性狂熱與從眾效應： 這是最本質的特徵，由麥凱與錢斯勒所強調。在泡沫頂點，市場參與者普遍喪失理性，只關注價格上漲，而非價值本身。
- 信貸過度擴張： 這是最具體的量化特徵，由萊茵哈特和羅格夫深入探討。所有大型金融危機幾乎都伴隨著信貸的異常增長。
- 資產價格與基本面脫鉤： 這是泡沫最直觀的表現。資產價格的上漲速度遠超其內在價值（如企業盈利、租金收益）。
- 新故事與新敘事： 錢斯勒指出，每個泡沫都有其獨特的「故事」來合理化投機行為，例如網路泡沫時的「新經濟」、加密貨幣泡沫時的「去中心化金融」。
- 市場領先指標性： 畢格斯提醒我們，市場（特別是股市）本身可能具有預知潛在危機的能力，其走勢往往領先於實體經濟的數據變化。
歷史資料的數據參考：
- 信貸數據： 總信貸佔 GDP 比重、私人部門債務佔 GDP 比重、信貸增長率。
- 資產價格數據： 股票指數、房價指數、特定資產（如黃金、加密貨幣）的價格與成交量。
- 基本面數據： 企業市盈率（P/E）、市淨率（P/B）、股息收益率；房產租售比、空置率。
- 宏觀經濟數據： GDP 增長率、通脹率、利率變動、外國資本淨流入。
- 市場情緒數據： 測量市場恐懼與貪婪的指標（例如 VIX 指數），以及歷史上的市場情緒新聞報導。
如何從研究報告對應未來可能的泡沫與生存之道
- 對應未來可能的泡沫：
- 心理層面： 觀察周圍的人們是否普遍熱衷於某個資產，並開始將其投資視為輕鬆致富的捷徑。當「這一次真的不一樣」成為主流論調時，務必提高警覺。
- 量化層面： 定期追蹤主要經濟體的信貸數據，特別是與房地產或新興產業相關的信貸增長。當信貸增長率長期高於 GDP 增長率時，預示著潛在的去槓桿化風險。
- 宏觀層面： 關注地緣政治風險、貿易衝突或潛在的戰爭風險。這些「黑天鵝」事件可能會突然改變市場情緒，引發大規模的財富破壞。
- 生存之道：
- 量化研究： 畢格斯指出，持有穩健的資產配置（例如以股票為主的被動投資）在長期能提供優異回報。同時，當市場出現非理性上漲時，應根據 P/E 或其他估值指標，逐步減持高估資產。
- 保留流動性： 在市場高點時，保留充足的現金，既能應對潛在的資金需求，也能在市場崩潰時，以極低的價格買入優質資產，實現「用麻袋裝滿打骨折的資產」。
- 學習歷史： 錢斯勒和麥凱都強調，從歷史中學習是最低成本的防錯方式。當你看到類似的狂熱、從眾行為和新故事時，你就能比大多數人更早地意識到風險。
點擊便能為這篇文章進行評等！
[評等總次數: 0，平均評等: 0]
