历史市场规律何时失效：投资者为什么需要重构分析框架

一、信号

A股积累了不少被奉为圭臬的"经验法则"。自2024年以来，这些统计规律正以前所未有的速度被打破。

连续提估值不超过两年：2006–2007、2014–2015、2019–2020，每轮估值扩张都未超过两年。但2024—2025连续两年估值正贡献后，2026年估值仍在继续抬升。

单一行业领涨不超过三年：过去几轮牛市里，领涨行业持续大多在两年半到三年之间，而电子、通信板块自2023年以来整体强势已超三年。

基金持仓20%意味着顶部：2004年以来，公募基金对单一行业配置比例触及20%附近共出现过6次，几乎都对应行业股价高点。但本轮电子行业自2025年一季度突破20%后，已持续一年半，股价维持强势。关键区别在于：电子的绝对配置比例虽高，但超配倍数仅为0.6倍，远低于此前6次的0.8至2.6倍。

图1　电子行业超配倍数：本轮远低于历史水平

情景	基金配置比例	超配倍数	"20%见顶"是否成立
历史6次（2004年以来，触及20%附近）	≈20%	0.8–2.6×	多对应行业高点
本轮（2025Q1突破20%后，持续1.5年）	>20%	0.6×	仍未（相对拥挤度低）

差异完全来自相对拥挤度。历史6次触及20%时超配倍数在0.8–2.6倍之间，本轮仅0.6倍，相对拥挤度显著偏低。数据来源：公募基金季度报告、Wind。

TMT成交占比40%是历史上限：从智能手机周期的17%，到移动互联网的30%，再到5G时代的40%，每一轮科技浪潮都将成交占比中枢推上一个台阶。本轮AI周期中，TMT成交占比已达到约45%，处于2011年以来的99%历史分位，峰值一度触及49.8%（2026年6月3日）。

衡量这场注意力集中，有两套数据口径：

• 涨幅口径：A股5000多只股票中，仅有584只创下历史新高，其中70%是AI算力相关标的。
• 成交口径：约270只股票（成交额排名前5%）吸走了市场近一半的交易资金。

两套口径共同指向同一件事：本轮更像是市场结构层面的变化，而非过去周期中的行业轮动。全市场涨跌幅中位数进一步印证了这一点，期间多数股票并未参与这场盛宴。

面对这些变化，市场通常出现两种声音：一种认为"这次不一样"意味着泡沫，另一种认为旧规律已彻底失效。但无论哪一种，本质上都停留在预测层面：前者预测下跌，后者预测上涨，只是方向相反。

这些经验为什么会开始失灵？短期周期的扰动，还是更深层次的结构力量在起作用？

二、市场规律，源于市场结构

规律究竟从哪里来，决定了它会在什么条件下失效。绝大多数所谓"历史规律"，都是特定时期内产业结构、资金结构与政策框架共同作用后的统计结果。当其中任何一个底层结构发生变化，原有统计规律自然可能失去解释力。

产业结构：供给刚性切断了自我修正闭环

传统A股长期由金融、地产、消费、周期品等行业主导。这些行业需求受经济周期影响明显，供给可以相对快速调整，行业竞争格局相对稳定。因此，行业轮动、估值均值回归等规律能够长期成立。

AI周期最大的不同，在于供给端存在更强的时间约束。这是本轮一切变化的起点。

传统制造业中，只要有利润，产能可以在几个季度内快速扩张。但AI产业链的供给释放受到物理规律的硬约束：高端晶圆厂的建设周期通常需要3–5年，关键光刻设备的交付周期也在2–3年。传统周期中"需求增长→供给释放→价格回落"的传导链条被显著拉长。

全球半导体行业在2026年营收有望首次站上1万亿美元大关（据SIA/WSTS预测），而AI基础设施的资本投入仍以数千亿美元的量级持续加码。供需缺口的弥合需要时间，而时间恰恰是决定景气持续长度的新变量。

这意味着，传统周期分析中那个自我修正的闭环（"价格上升→产能扩张→供给过剩→价格回落"）在供给刚性的环节里被切断了。只要需求不崩塌，高价格无法快速召唤出足够的供给，景气就可以在更长时间里维持。

这是我们目前对"三年见顶"经验失效最信服的解释，也是理解本轮AI行情的一把钥匙。我倾向于认为，这条解释的权重远高于其他几条。

供给刚性真正成立的范围，局限于存在物理产能约束的少数卡口：HBM与先进DRAM、CoWoS等先进封装、3nm以下晶圆代工。这些环节产能扩张受设备交期或良率爬坡硬约束，供给无法被利润快速召唤。

而通用服务器组装、普通线缆与连接器、边缘推理芯片的部分型号，准入门槛低、替代方案多，一旦需求确认，供给扩张可以在数个季度内完成，这与传统制造业并无本质区别。技术叙事可以推高股价，但无法替代商业模式的验证。市场最容易犯的错误，就是把真实存在的产业变化，外推成所有相关资产上涨的理由。

这个判断不光适用于A股。美股出现过三次成交高度集中的阶段：1995-2000年科网时代、2007-2008年金融危机避险、2017年至今AI时代。每一次，都伴随着技术革命或市场结构变化。如果以过去的区间作为阈值，每一次都会"过早"判断见顶。1998年如此，2020年如此，近年来的A股可能也是如此。美股七大科技巨头总市值占比已超过30%。韩国仅三星电子和SK海力士两家公司就占据了KOSPI总市值的近四成。A股并不特殊。

这种集中甚至不限于科技领域。医药行业，礼来（Eli Lilly）凭借GLP-1药物的商业化突破，市值在过去五年间实现了数量级式的增长，目前已站上万亿美元量级。但作为GLP-1药物真正的开创者，诺和诺德（Novo Nordisk）的市场份额已被礼来反超，市值较高点回落超过三成。两家公司合计仍占据了这个赛道的绝大部分份额，但赢家最终只有一个。

技术革命能解释赢家为什么出现，但无法替代估值纪律。

回看这几轮行情，最先失灵的不是涨幅，而是我们用来判断"见顶"的那套工具。

资金结构：居民趋势化与机构控温化

居民资金持续流入市场，融资余额突破3万亿元关口，单年增量约5000亿元。新开户热情仍高，基金赎回潮明显放缓；存量主动基金中，回本的数量占比已过半。居民资金的共同特点是更关注趋势。

机构资金则逐步由"托底"转向"控温"。主要宽基ETF累计规模与2023年10月前后相比基本走平，主动公募仓位小幅下行，但持仓结构更加极致化：电子、TMT板块的绝对仓位已突破历史区间，但超配比例仍未到达历史高位。机构资金的共同特点是更关注风险控制。

这种"居民趋势化、机构控温化"的资金结构，不同于2014—2015年杠杆资金主导的行情，也不同于2020—2021年公募发行主导的行情。因此，一些建立在历史资金行为基础上的经验，例如"大幅加仓后必然调整"，也开始失去稳定性。以通信板块为例，机构持仓在多个季度里逆势上行，同期超额收益并未如经验所示转负。

政策框架

这一条最不确定。政策约束的非线性太强，难以像产业数据那样被稳定观测。

过去二十年，库存周期接近底部时，市场往往预期政策刺激即将出现。但自2023年以来，这种对应关系明显减弱：产成品库存增速早在2023年年中就已滑落至历史低位，市场等待的"政策大拐点"始终没有出现。

财政克制背后，是政策理念从短周期稳增长转向长期结构优化。对内，地方和企业部门债务压力压缩了杠杆空间；对外，中美利差收窄与汇率稳定构成硬约束。过去那种"政策大拐点→全面宽松→权益资产系统性拔估值"的传导链条，在当前环境下已经很难完整复现。但到底会怎么演化，我没有把握，先记下来。

三、不变的是第一性原理

当越来越多历史经验开始失效，是否意味着过去所有投资规律都已经失去意义？

并不是。统计规律会随结构变化失效，但盈利驱动价格的逻辑规律始终成立。市场最终仍然围绕企业盈利能力运行：业绩决定价值，价值决定价格。

2026年一季度的数据提供了一个直观注脚（据Wind，截至2026年3月末）：按营收与扣非增速排序，最靠前的10%公司区间平均涨幅超过40%；与此同时，现金流、股息率、估值这些通常被视为"防御"的因子，与股价表现却呈反向：现金越厚、分红越高、估值越便宜的公司，区间跌幅反而更深。

市场把最丰厚的溢价给了增长最快、估值最高、分红最少的公司，这种"越贵越涨"的极致景气定价，恰恰说明"业绩驱动价格"这一第一性原理依然成立。

统计规律依赖特定市场结构，结构一变就可能失效；逻辑规律来自经济运行本身，相对更稳。行业领涨不超过三年、持仓20%意味着见顶、成交40%意味着风险、均值回归、政策拐点配置，这些经验会随结构变化而松动；但盈利决定长期价值、业绩驱动价格、供需决定景气长短、估值纪律，这些仍是锚。

但第一性原理不等于"高增长永远正确"。短期里，价格可以围绕主题、流动性和情绪大幅摆动。它指向的始终是：长期价格最终仍需要盈利能力作为锚点。

当前最大的研究难点，是两个问题的叠加：其一，对于AI这类技术周期，盈利兑现可能滞后于产业景气数年，传统估值体系中的"盈利锚"在此期间并非始终清晰；其二，市场的提前定价速度是否已经跑在了盈利兑现速度的前面。这是接下来要重点盯的事。

---

结语

旧规律失效时，需要重建的是研究框架本身，而不是对市场下一步的判断。

下次某条沿用多年的规律突然失灵，先问的是：这条规律原本建立在哪个结构之上？那个结构，现在还成立吗？这个问题答不上来，任何方向上的预测都缺乏根基。

我们并不认为投资需要更多复杂的预测模型。本文的框架仍有几个需要持续验证的环节：供给刚性的适用边界，目前仅限于少数卡口环节，后续需跟踪产能投放节奏与良率爬坡曲线的实际兑现；盈利锚在AI技术周期中的滞后特征，盈利兑现是否已落后于产业景气，仍需观察2026年下半年财报数据的边际变化；政策框架换挡的判断，非线性较强，只做记录，不作为结论。

The goal is not to predict markets, but to understand them.

我们的目标不是预测市场，而是理解驱动市场的力量。

*作者：Magic Econ · Common Sense Jack*

Magic Econ 旨在透过宏观与产业的表象，寻找驱动市场运行的底层结构。本文是这一探索的起点。

本文基于公开市场数据及公开研究资料整理（数据来源包括TrendForce、SEMI、Omdia、SIA、WSTS、各公司财报、Wind、中国人民银行、中国证监会、基金业协会，以及路透社、CNBC等公开财经报道），旨在通过案例分析验证产业研究框架的有效性，仅供学习交流，不构成任何投资建议。