有时候我挺佩服那些每天刷AI行情的人。

盯着英伟达、盯着海力士、盯着一堆看不懂的半导体代号，涨了担心卖早，跌了担心割肉，平盘又觉得是不是有什么不知道的风险在酝酿。
那状态，我见过，像守着一锅滚开的水，既怕烫手又舍不得关火。
说白了，涨也累，跌也累。
这种痛苦，很多时候不是来自亏钱，而是来自一种说不清楚的感觉：我不知道这玩意儿到底值多少，但我又必须做个决定。

DCF嘛，我们都背过公式。
未来现金流折现，算出内在价值，然后跟市价一比，贵就卖、便宜就买。
教科书里写得干净漂亮。
但英伟达从2022年的熊市底部到现在，净利润翻了将近17倍，有几个分析师当时用DCF算出来了这个数字？几乎没有。
不是他们水平差，是这个工具在这里根本派不上用场。
AI产业的盈利轨迹跟过山车差不多，SK海力士相邻两年利润可以差出十倍，2023年亏损九万亿韩元，2025年又创历史新高，你让人家怎么预测现金流？
预测这种数字就像让人猜下一场地震在哪里，猜的人不笨，是这道题本身没有答案。

经济学里有个概念叫奈特式不确定性，说的是有一种不确定性连概率都算不出来，不是"我知道自己不知道"，而是"我不知道自己不知道"。
AI现在面对的，就是这个。
拿一个需要精确预测的工具去处理一个根本无法预测的问题，输出来的数字看上去像科学结论，但里头全是假设堆出来的猜测，只是包装得很体面。
PE就更别提了。
拿同行业的公司做比较？
可是这条产业链上，不同公司走着完全不同的技术路线，今天看着差不多，三年后可能天上地下。用同一个行业来框定"可比公司"，就像我跑步，跑得慢，然后拿博尔特的成绩来衡量自己算不算正常，这个参照系本身就歪了。
更别说跟历史均值比，说什么"已经超过二十年平均值一个标准差，高估了"，这句话听着专业，但本质上是拿旧世界的刻度尺去量新世界的东西。
2004年有人拿传统媒体的PE去衡量谷歌，说严重高估；
2010年有人拿零售业的PE去衡量亚马逊，说贵得离谱，计算没有错，参照系错了。
那有人说，既然估值没用，看市场情绪总行吧。AI概念满大街都是，投资太拥挤，这时候反向做，不去人多的地方。
听起来挺聪明。

但你想想，跟着人群买，是让别人的情绪替你做决定；逆着人群卖，也是让别人的情绪替你做决定，只是方向反了。
两种都是把决策权交出去了。
而且更麻烦的是，情绪顶部只有事后才知道在哪里。
2000年互联网泡沫顶部，当时谁知道就是顶？每一次大泡沫之前，市场情绪都在高位，但高位里面还有更高位，没有一个刻度盘告诉你"这里就是头了"。
所以问题来了，估值工具不好使，情绪指标也靠不住，难道就干看着？
也不是。
东吴证券首席经济学家陈李提了一个视角，我觉得有意思，他说，与其问"这只股票值多少钱"，不如换一个问题："这类资产在我整体的组合里，应该占多大比例，扮演什么角色？"
这个转换挺关键。从预测价格，变成管理组合。

举个最实在的：英伟达2022年最大回撤超过65%，那不是意外，那是超级成长股的正常生命周期。
如果你持有的AI仓位某天跌掉60%，你的生活计划会不会被打乱，睡不着觉？
如果答案是"承受不了"，那说明你现在的仓位，已经超出了你真实的风险边界，不管这些股票在你眼里看上去多么"值得长持"。
还有一点，五年内不会用到的钱和三年内可能要动用的钱，对波动的承受能力完全不一样。没什么比在低点被迫变现更狼狈的事了。
资金有时间属性，仓位配置得跟这个属性搭。

再就是再平衡。
设一个目标区间，比如AI相关仓位目标15%，涨到22%，不用猜还会不会涨，直接机械地减回15%；跌到9%，补回15%。这个动作跟股价预测毫无关系，只跟你自己的组合比例有关。它把"要不要减仓"从一道市场预测题，变成了一道执行题。
塔勒布那个杠铃策略也挺有道理，一端放极保守的资产比如现金短债，另一端放小仓位的高弹性资产，AI成长股天然属于那个高弹性的端点。
中间那些"中等风险"的资产，反而是最尴尬的存在，保护不了你，也飞不了多高。
用这套框架想问题，涨的时候不会懊悔卖早了，因为决策从一开始就不是基于价格预测；跌的时候也不会慌，因为你建仓的时候就已经算好了这个仓位对应的最大波动，它在你能承受的范围里。

说到底，真正让投资者痛苦的，往往不是亏了多少钱，而是一种感觉：我在一个错误的坐标系里做了个决定，然后被迫用更多的错误去修补它。
涨跌这件事，让市场说了算。
你自己的组合，自己说了算。