2026 年如何投资：基于研究而非预测的计划

如何在 2026 年投资：一份建立在研究而非预测上的计划 2026 年 7 月 23 日 · 9 分钟阅读 · 查看原文 ↗ AI Finance Marketing 现在是 2026 年。标普 500 刚刚录得连续第三年的两位数涨幅。前十大公司如今占指数约 40%，创下历史纪录，几乎是十年前权重的两倍。按 CAPE 衡量的估值，历史上只有过一次比现在更高——那就是互联网泡沫的顶点。而其余每一篇头条都在承诺告诉你"2026 年该投资什么"。 本文回答同一个问题，但不靠预测。只讲数据实际展示的东西：横跨 26,000 只股票的 100 年统计（Bessembinder）、25 年的 SPIVA 主动基金记分卡、来自 Vanguard、Morningstar 和 J.P. Morgan 的研究，以及一份对 66,465 个真实券商账户的拆解。结尾是一套 7 步协议。下面每一条论断都能对照原始来源核查。 1. 个股：数学对你不利 亚利桑那州立大学的 Hendrik Bessembinder 教授把 1926 年以来每一只美股——大约 26,000 个代码——都算了一遍，看它们当中究竟哪些真正创造了财富。 结果值得牢记于心： 57.4% 的股票，在其整个生命周期里，回报低于一个月期国库券。超过一半的股票跑输了市场上最无聊的品种。中位数股票的终身回报是负的。 美国股市 90 年的全部净收益，来自 4% 的公司。其余 96% 加在一起，只追平了国库券。仅仅五家公司，贡献了有史以来创造的全部财富的 10%。 2020 年，Bessembinder 用全球数据重复了这个实验：从 1991 年到 2020 年，几十个国家共 64,000 只股票。结果甚至更残酷：全球市场的全部净收益，75.7 万亿美元，来自 2.4% 的公司。 对普通人来说，结论很直接。买个股，意味着在玩一个你需要从 25 家公司里找出 1 家的游戏。买整个指数，意味着你保证在任何人知道赢家是谁之前，就拥有了每一个未来的赢家。 2. 主动基金：最新成绩是 100 家输 79 家 好吧，我自己不选股，我把钱交给专业人士。这件事也有精确的数字。S&P Global 已经连续 25 年在其 SPIVA 记分卡里发布这些数字。 2025 年的结果：79% 的主动型大盘美国基金跑输标普 500。这是该记分卡 25 年历史里第四差的一年。前一年是 65% 跑输。 放到长期视角会更一边倒：20 年以上，大约 92% 的基金跑输指数。 也许你只需要挑一个优秀经理？SPIVA 也测了这一点，在一份叫 Persistence Scorecard 的报告里。在 2021 年排进前半段的基金里，只有一小撮在随后四年里留在前半段。对大盘基金来说，这个结果甚至比随机分布还差。S&P 自己的原话是：当一只主动基金跑赢市场时，通常是运气，不是能力。 一个带着分析师团队和 Bloomberg 终端的专业人士，5 次里有 4 次跑输指数。这就是指数基金的核心论据，而且它是统计性的，不是哲学性的。 3. 费用：唯一能可靠预测结果的指标 2016 年，Morningstar 的 Russel Kinnel 测试了基金的哪些特征真正能预测未来收益：过往业绩、评级、星级。费用赢了。Morningstar 自己的结论，逐字引用：费率（expense ratio）是未来基金收益最有据可查的预测指标。 研究里的数字：在最便宜的五分之一基金里，62% 是成功的（存活下来并跑赢了同类）。在最贵的基金里：20%。 现在看看这在美元上意味着什么。拿 10 万美元、30 年、7% 的市场收益。费用接近零时，你最终大约得到 761,000 美元。每年 1% 的费用：大约 574,000 美元。差额是 187,000 美元。1% 的费用吃掉了最终资本的四分之一。 一个实用的基准：覆盖全市场的大型指数 ETF 如今每年收费 0.03% 到 0.20%。任何超过 0.5% 的费用都需要非常严肃的理由。任何超过 1% 的，在统计上都在跟你作对。 4. 交易与择时：四项研究，一个结论 研究 1。频繁操作杀死回报。Barber 和 Odean，《Journal of Finance》，2000 年：一份对 1991 年到 1996 年 66,465 个真实券商账户的拆解。最活跃的交易者每年赚 11.4%，而市场收益是 17.9%。最不活跃的：18.5%。在成本之前，两组的收益几乎相同。是交易吃掉了全部差额。论文标题说明了一切：Trading Is Hazardous to Your Wealth（交易危害你的财富）。 研究 2。日内交易。同一团队研究了台湾每一位日内交易者，历时 15 年，1992 年到 2006 年。该国所有日内交易者的合计结果每年都是负的，无一例外。 研究 3。踏出市场。J.P. Morgan Asset Management，20 年的标普 500 数据。一个满仓组合：每年 10.6%。错过 20 年里最好的 10 天：6.4%。错过 20 天：3.7%。错过 30 天：1.5%。五千天里的 30 天几乎决定了一切。而关键细节是：10 个最好交易日里有 7 个落在 10 个最差交易日的两周之内。恐慌性卖出恰好把你按在观众席上，眼睁睁错过最赚钱的那些天。 研究 4。普通投资者在自己的操作上损失了什么。Morningstar 的 Mind the Gap 2025 报告。10 年间，基金每年回报 8.2%。投进这些同样基金的平均每一美元，赚到的是 7.0%。这个 1.2 个百分点的年化差额，约占全部收益的 15%，纯粹是在进出场上损失的。这个差距大致维持在这个水平上已经十年了。 四个独立的研究团队，数十年的数据，一个结论：平均而言，每一次多余的操作都要花钱。 5. 何时进场：现在，或者分批 经典的恐惧：市场在高位，我一投进去它立刻就会跌。Vanguard 用 1976 年到 2022 年的数据跑过数字，对比"一次性投入全部"和"分摊到几个月"。 结果：一次性全部投入在 68% 的情况下胜过分批。逻辑很简单：市场上涨的时候比下跌的时候多，每一个等待的月份都在损失预期收益。对一个 100% 股票的组合，仅一年后，中位数差距就是 2.2%。 与此同时，分批投仍然在 69% 的情况下胜过一直拿着现金。所以三个选项里最差的从来不是"在错误的时刻进场"，而是根本不进场。 实操翻译：如果你有一笔整钱，现在就投。如果收入是每月到账，就每月自动投，投向任何市场，无论顶部还是底部。第二个选项就是同样的定期买入，只是少掉了"我在抄底"的幻觉。 6. 2026 年有什么特殊之处 两个把今天的市场和历史平均值区分开的事实。 集中度。前十大公司占标普 500 约 40%。2015 年这个数字大约是 19%。买一个由 500 家公司组成的"分散"指数，你实际上把近一半的钱押在十家公司上，而它们大多绑定同一个主题：AI。 估值。CAPE（Shiller 的周期调整市盈率）目前大约在 39。150 年的数据里它只有一次更高，就是 2000 年互联网泡沫的顶点。高 CAPE 在历史上从未预测过崩盘的时间，但它与随后 10 年更低的回报持续相关。 如何在不变成预言家的情况下应对这一点。答案来自同一批研究：扩大分散，而不是放弃分散。用一个全球指数代替单一国家指数（全球基金持有几十个国家、数千家公司）。用债券——自 2022 年起再次支付真实收益率——作为股票的配重。以及克制住往组合里再加一个 AI 赌注的冲动，因为你已经拥有那个赌注了：通过指数，以有记录以来最大的权重。 7. 协议：7 个步骤 先建应急基金。3 到 6 个月的开销，放在一个立即可取用的账户里。投资出去的钱不能兼任安全垫，它跑在不同的时钟上。 只投你至少 5 年用不到的钱。一年之内市场不可预测。而历史上每一个 15 年以上的窗口里，标普 500 从未出现过亏损。 组合的核心：一只全市场或全球指数基金。费率在 0.2% 或以下。这一个决定同时终结了第 1 节和第 2 节的发现。 有一笔整钱：现在投。有每月收入：每月买。自动执行，不做任何关于"时机对不对"的判断。第 5 节。 不要下跌时卖出。错过最好的 10 天，会把 20 年的收益砍掉将近一半，而那些天藏在最糟糕的几周里。第 4 节。 想选个股：建一个沙盒。组合的 5% 到 10%，不能再多。如果几年内你跑赢了自己的指数基金，再重新审视这个比例。Bessembinder 的数据暗示了这通常的结局。 每年再平衡一次。把股债比例调回计划，关掉 app。任何更频繁的操作在统计上都对你不利：Mind the Gap，第 4 节。 底线 Bessembinder：96% 的股票合计创造了零，4% 产生了全部增长，所以你要一次拥有它们全部。SPIVA：2025 年 79% 的专业人士跑输指数，20 年以上 92% 跑输，所以为主动管理付费在统计上是一笔坏交易。Morningstar：费用比任何评级都更能预测结果，而频繁进出让投资者损失 15% 的收益。J.P. Morgan：五千天里的 30 天决定一切，而这 30 天无法预测。Vanguard：68% 的情况下，最好的投资时机叫"现在"。 横跨 100 年的数据，市场始终为三样东西付钱：广度、低费用、和时间。其余的，平均而言，它都收了回去。 标签：# X # AI # Finance # Marketing # Guide 相关文章 What Watching Fomo's Rise Taught Me About Vector *Reflections on product-market fit, finding a bigger market, and the future of social trading.* Crypto Finance Marketing AI