线性思维为什么会让投资判断失真？全栈工程师的非线性市场复盘

投资线性思维陷阱：市场不是“输入 A 就稳定输出 B”的程序。单一因果、历史拟合和过度自信，最容易让一个逻辑看起来很完整，却无法解释新的事实。真正可执行的改进不是把模型写得更复杂，而是提前写下反证条件、仓位上限和退出纪律。

这篇复盘写于 2026 年 1 月 20 日，同一天我还写了 昆仑万维投资复盘。 那个具体案例让我看到，哪怕“AI 业务逻辑成立”这个判断没有立刻被推翻，股价路径也不会只由一个变量决定；兑现节奏、估值、风险偏好和仓位压力会同时作用。把其中任何一个变量当成稳定输入，都会让模型看起来比现实更确定。

为什么工程思维容易把市场过度线性化

写代码时，我们可以控制输入、依赖和运行环境；市场却同时受盈利、估值、流动性、政策、竞争、预期和情绪影响。同一个利好在不同估值和市场环境下，结果可能完全不同。因此“过去几次都是这样”只能形成假设，不能形成必然关系。

最危险的不是模型简单，而是模型遇到反例后仍不断增加解释，让任何结果都能被原逻辑吸收。这就是投资里的过拟合：模型永远不会错，因为我们总能事后找到一个理由。

反证条件比继续解释更重要

我现在更重视“什么出现时证明我错了”。如果一项判断依赖订单增长，就提前写清楚订单、收入确认或现金流中哪一个变化会破坏假设；如果判断依赖行业景气，就记录竞争格局、价格和库存的反向信号。事实触发反证时，先降低风险，再决定要不要建立新模型。

同时，仓位是认知不确定性的物理表达。越无法确定的变量，越不应该靠一句“长期看好”把仓位无限放大。更多投资复盘集中在 Investing；压力环境下的执行规则见 交易纪律复盘；关于卖出后的结果偏差见 过早止盈复盘。

下一次怎样避免重复掉进同一个陷阱

建仓前写“支持证据”和“反证证据”两列；给仓位设上限，而不是给观点设置信仰；复盘时把错误分成信息错误、模型错误和执行错误。这样做不会让预测变得确定，但能让错误更早暴露，并限制单次判断失误对整个组合造成的伤害。

本文讨论投资决策框架，不构成个股建议。