沒有故事的那一邊

AI 只是這一輪的表面題材

這套想法不該叫「AI 時代的價值投資」。AI 只是二〇二六年最明顯的擁擠敘事；換個年代，它是網路泡沫、能源轉型、電動車與 SPAC、元宇宙、加密貨幣、熱門生技、某個國家或產業的資金狂潮。表面題材會換，結構不會。

所以做的其實是價值投資裡兩個很老的動作：拒絕用過高的價格買熱門故事，以及主動去找因為那個故事而被冷落的耐久資產。傳統價值投資問「價格是否低於內在價值、市場為什麼錯」；這裡只多問一句——市場是不是因為追一個題材，而系統性低估了另一群公司？

三個條件，缺一不算

1. 被冷落

   相對自身歷史、相對同業，估值已經明顯折價或報酬明顯落後。

2. 沒壞掉

   現金流、毛利率、資本報酬率、負債結構、客戶黏著度或資產價值仍然健康。這一條是用來擋掉真正在衰退的公司。

3. 被某個熱門敘事排擠

   便宜的原因不只是普通的週期下行，而是資金與注意力被更熱門的題材吸走，於是這類公司被貼上「沒故事」「落伍」「不是下一個成長主軸」的標籤。

價值投資最容易踩的陷阱，就是把「真的在衰退」誤判成「被錯殺」。三個條件裡最難的是第二個，因為它不能只看便宜。

為什麼不去做空泡沫

做空擁擠敘事最大的問題是路徑風險：即使最後看對，泡沫也可能先漲到讓你被迫出場。看對而活不下來，在市場上不算看對。

買進被冷落的資產，風險結構比較好——不需要精準猜泡沫何時破，下檔由現金流、股利、買回或資產價值支撐，時間比較可能站在自己這邊。如果熱門題材退潮，資金也可能重新去找估值合理、現金流穩定的地方。

但要誠實講最痛的地方。「估值在低分位、而且已經落後一兩年」這個條件，翻譯過來就是在買一檔動能還在往下的股票。即使命題最後成立，套牢期可能長到把紀律磨光。所以硬條件裡可以加上選配的止穩訊號——那是明確的取捨：犧牲一部分左側買進的空間，換取縮短接刀期。不是雙贏，是選一邊。

台股讓這件事更難

台股大盤高度集中在半導體與 AI 供應鏈，前幾大權值股就佔掉市值加權指數很大一塊。在這種結構下，前一百大裡的「被冷落側」幾乎固定會是同一批面孔：金控、塑化、鋼鐵、傳產。而其中不少是真實的長期結構性衰退，不是敘事錯殺。

更麻煩的是：如果拿全市場橫斷面去算估值分位，那實際上做的是「半導體對非半導體」的產業對比，而不是在各個產業裡找被錯殺的公司。看起來像選股，其實是在下一個產業賭注。

所以有三個設計上的要求：估值與相對報酬都在自身產業內計算；比較基準不直接用市值加權指數，因為那會被單一權值股扭曲——熱門題材上漲期機械性落後、退潮期機械性領先，分不出哪些是方法的效果、哪些只是「沒有持有權值股」；以及金融業另用一組指標，同業樣本不足就標示資料不足，不用中位數去填補製造假的精確。

哪些能交給程式，哪些不能

能交給程式的是「候選名單產生器」——把便宜、而且基本面看起來沒壞掉的公司篩出來。能交給 AI 的是質化初審、反方論點、風險摘要與研究排序。

不能程式化成自動買進。因為真正困難的部分從來不是算估值倍數或資本報酬率，是判斷「市場為什麼錯」以及「這家公司是不是真的沒壞掉」。那兩件事很難交給固定公式。程式與 AI 能做的是把人從「大量審查者」變成「少量終審者」——不是把終審責任移交出去。

兩句對自己的誠實話

一、量化那一層沒有它看起來那麼特別。真正在做「避開擁擠敘事」判斷的只有兩個因子，合計只佔兩成權重；其餘八成就是標準的價值與品質因子。照這個配置跑出來的名單，很可能跟一般的價值篩選高度重疊。所以現階段的定位就寫明白：量化層本質上是價值品質候選產生器，「避開熱門題材」的判斷主要靠 AI 層與人工終審。不讓分數假裝做到它做不到的事。

二、AI 那一層沒辦法用歷史回測驗證。拿當代模型去回放某個歷史日期，模型的訓練資料裡已經包含那天之後發生的事，於是它給出的「錯殺假說」會被後見之明系統性污染，回放結果一定高估 AI 的價值。這件事沒有捷徑：歷史回放只能誠實驗證量化層；AI 層的預測力只能靠往前累積的凍結樣本。要等時間，等不掉。

它不能拿來做什麼

不是選股清單，也不是買賣建議。這一頁講的是怎麼縮小研究範圍、怎麼排研究順序、以及怎麼避免把衰退當錯殺。本站不會列出候選名單，也不會告訴讀者該持有什麼。

終審那三個問題永遠不能省略：市場到底錯在哪裡？公司是不是真的沒壞？時間是不是站在你這邊？這三題沒有人能替誰回答。

要看我們怎麼讀當期市場，見誰在被迫交易；要看當期的實際判讀與失效條件，回到週報。計分權重與指標族攤在計分表攤開來。