AI投资的贝叶斯闭环

我爱免费 · 发表于 2025-1-21 19:14

作者：微信文章
我时常在想，科技股投资中最重要的是什么？是预判还是应对？事实上，在科技发展浪潮中，预测终局的发展难度很大，而且错误率可能奇高，怎么应对？贝叶斯闭环显得尤为重要。很多时候不是预判有多准确，而是预判错了怎么做，预判对了赚了多少的核心问题。科技股的快速迭代，如果不遵循贝叶斯闭环，可能面临巨大的亏损，因为很多公司可能完全被颠覆或者替代了，所以传统价值股买估值底的逻辑在科技股投资中行不通。
在科技股领域，快速的技术迭代和市场变革使得传统的投资逻辑（比如通过估值底来挑选股票）可能并不奏效，投资者如果不适时跟随贝叶斯闭环进行更新，就容易陷入被颠覆或替代的困境。

第一，科技股与传统价值股投资的差异，科技股的动态性更强：科技公司往往处在快速发展的行业中，新技术、新产品和新的市场趋势可以在短时间内改变整个行业的格局。而这种快速变化意味着，过去的表现和估值不一定能有效预测公司的未来。举个例子，传统的价值股投资逻辑可能会倾向于通过低市盈率（PE）、低价格/账面值比（P/B）、高股息回报等因素来寻找被低估的公司，而科技股的估值常常无法简单通过这些传统指标来衡量，尤其是当技术的商业化进程尚未明朗时。

第二，技术颠覆与替代的速度快于其他行业：在科技行业，尤其是在AI、云计算、半导体等领域，技术的进步和创新的速度远远超过了传统行业。过去十年的科技行业见证了无数的企业被新兴技术所颠覆，经典的例子包括黑莓、诺基亚被智能手机革命取代，或者 Facebook（Meta）的广告收入模式遭遇 TikTok 的竞争压力引发股价在2022年暴跌。对于这些行业领导者来说，它们的估值长期可能处于相对较低的水平，但并不意味着它们具有投资吸引力，因为它们很可能在未来的市场中被淘汰。

第三，科技股的估值极度依赖市场情绪与未来预期：传统的价值投资侧重于公司现有资产和盈利水平的评估，但科技股的估值通常更多基于未来潜力。很多科技公司的盈利模型和市场表现，在短期内难以预测。例如， Tesla 从初期的亏损到现在的高估值，更多是因为市场相信它在未来能够引领电动车革命。然而，这种估值的波动性也非常大，任何市场情绪的变化或者技术上的失败都可能导致股价剧烈波动。因此，对于投资者而言，以往的估值底部并不代表未来一定能获得回报。

科技进步往往不是平滑的，而是呈现出爆发性、非线性的特点。一项看似不起眼的技术突破，可能突然间改变整个行业的格局（比如互联网的出现、智能手机的普及、生成式AI的崛起）。这种突发性的创新让我们难以精确预见未来的具体发展方向。科技公司在研发新产品时面临很大的不确定性，很多项目的成功与否、产品的市场适应度都可能随着外部环境、消费者需求甚至政策法规的变化而发生巨大的波动。

历史上很多技术的“黑马”并不是通过传统的预测路径所能识别出来的。在科技领域，竞争者的反应速度是极其迅速的。一旦某项技术或产品出现潜力，可能会有多个竞争者迅速投入资源来研发类似的产品。科技公司能否领先一步，往往取决于其技术研发、战略执行以及市场营销等多个因素的综合表现，而这些因素的可预测性也较低。

预判难度大，在这种环境中，应对变得尤为重要。投资者需要具备灵活应对、根据新信息调整决策的能力。面对技术和市场的不确定性，投资者应当持续跟踪相关的技术进展、行业动态、公司财报等信息，及时评估所持公司的表现和未来发展。这与贝叶斯更新的理念相吻合：不固守于原始的预测，而是根据新信息不断修正对未来的预期。
在科技股投资中，贝叶斯更新的核心价值在于帮助投资者通过动态更新信念来应对行业快速变化、高不确定性、信息不对称等特征。它能够帮助投资者在面对新的市场信息时，快速调整对公司未来表现的预期，从而在动态且复杂的科技行业中做出更为精准和理性的投资决策。

1. 什么是贝叶斯？

贝叶斯投资闭环（Bayesian Investment Closed Loop）在现代投资管理中扮演着至关重要的角色。其重要性不仅体现在数学和统计学的理论基础上，更涉及到实际操作、认知科学、风险管理等多个维度。以下将从多个角度深度归纳总结、抽象、演绎，并提供洞察，以全面阐释贝叶斯投资闭环的重要性。

贝叶斯闭环允许投资者根据新获得的信息不断更新其投资假设和策略。这种动态更新机制使得投资决策能够实时反映市场变化和新数据的影响，从而提高策略的适应性和有效性。通过不断的反馈和更新，贝叶斯闭环实现了投资策略的持续优化。每一次的贝叶斯更新都基于最新的数据和验证结果，使得投资组合能够逐步趋近于最优状态。

金融市场充满不确定性，贝叶斯方法提供了一种系统的方式来量化这种不确定性。通过先验概率和后验概率的计算，投资者能够明确地理解和衡量各种不确定因素对投资决策的影响。

贝叶斯闭环基于概率推理，使得投资决策更加理性和科学。决策过程不仅依赖于数据本身，还考虑了数据背后的不确定性和变动性，从而减少了主观臆断和情绪化决策的风险。

贝叶斯闭环能够整合来自不同来源和维度的信息，包括财务指标、宏观经济数据、行业动态、市场情绪等。这种综合能力使得投资决策更加全面和深入。在实际投资中，数据来源和类型多种多样。贝叶斯方法通过其灵活的建模能力，能够有效处理和融合这些异质数据，提高数据利用效率和决策准确性。

贝叶斯闭环通过系统化的流程和数学模型，减少了人为的认知偏差和决策错误。结构化的决策过程确保了每一步都有理有据，增强了决策的一致性和可重复性。贝叶斯方法的透明性使得投资决策过程更易于理解和解释。投资者可以清晰地看到每一次更新和决策的依据，增强了对投资策略的信任和控制。

通过贝叶斯更新，投资者能够动态评估和调整风险暴露。后验概率的计算使得风险评估更加精准，帮助投资者在不同市场环境下有效控制风险。贝叶斯闭环能够量化投资组合的风险敞口，帮助投资者制定更为合理的资产配置和分散策略，从而优化风险收益比。

该方法通过不断吸收新数据，提升了预测模型的准确性。每一次的贝叶斯更新都使得模型对未来走势的预测更加贴近实际情况。闭环依赖于数据驱动的决策过程，减少了对直觉和经验的依赖。通过对数据的深入分析和概率计算，投资者能够做出更加精准和有依据的决策。贝叶斯闭环的灵活性使其能够适应多种投资策略，无论是价值投资、成长投资，还是量化交易，都可以通过贝叶斯方法进行有效支持和优化。

一个简单的数学模型

贝叶斯投资决策链条涉及多个数学模型，主要集中在贝叶斯更新部分，以下是该流程中各步骤对应的数学模型和公式。

1. 贝叶斯更新模型

贝叶斯定理是整个模型的核心，用于更新假设的概率。

2. 先验概率设定

先验概率 P(H) 可以基于历史数据、专家判断或行业平均水平进行设定。
3. 似然函数计算

4. 后验概率计算，应用贝叶斯公式计算相关概率

5. 决策规则设定

基于后验概率，设定决策阈值，例如：

6. 风险管理模型

结合投资组合理论，可以使用均值-方差模型（Markowitz模型）来优化投资组合，平衡预期收益和风险。

7. 动态更新与反馈模型

持续收集新数据，并重复应用贝叶斯更新模型，调整先验概率和后验概率。

贝叶斯投资闭环的重要性体现在其多维度的优势上，包括适应性学习、处理不确定性、多源信息整合、系统化决策、风险管理、预测能力、灵活性、透明性、技术支持以及长期竞争优势等。这些优势共同作用，使得贝叶斯闭环成为现代投资管理中不可或缺的工具，帮助投资者在复杂多变的市场环境中做出更加科学、理性和高效的决策。

2. 一个典型的科技股投资贝叶斯闭环

一个完整的从研究到投资的贝叶斯链条：深度研究-行业与公司预判-跟踪观测指标list-行业发展与公司业绩验证-贝叶斯更新-投资决策行动-update

在投资过程中，应用贝叶斯方法可以帮助投资者系统性地从研究到决策，再到持续优化整个链条。应用贝叶斯方法可以系统性地将深度研究与动态决策相结合，帮助投资者在不确定的市场环境中做出更加理性和科学的决策：

第一，深度研究 (Deep Research)：深度研究是指对目标行业和公司进行全面、深入的分析，以理解其基本面、竞争环境、市场趋势及潜在风险，从而为后续的预测和决策提供坚实的基础。

行业分析：

公司分析：

第二，行业与公司预判 (Industry and Company Predictions)：基于深度研究的成果，对目标行业的发展趋势及具体公司的未来表现进行初步预测，形成投资假设。

行业预判：

公司预判：

第三，跟踪观测指标列表 (Tracking Observation Indicator List)：列出一系列关键量化指标，用于持续监控行业发展和公司业绩，以验证初步预测的准确性。

行业指标：市场增长率：行业整体的增长速度；技术采纳率：新技术在行业中的普及程度；政策变化：相关法规和政策的更新情况。公司指标：营收、利润及各个行业不同的核心指标，类似云计算的RPO、银行业的净息差（NIM）、重资产行业的capex等。
第四，行业发展与公司业绩验证 (Industry Development and Company Performance Validation)：通过收集和分析跟踪指标的数据，验证初步预测的有效性，评估行业发展和公司业绩是否符合预期。
实施方法：

第五，贝叶斯更新 (Bayesian Update)：基于新收集的数据和验证结果，使用贝叶斯方法更新对行业和公司未来表现的信心程度，从而调整投资策略。

第六，投资决策行动 (Investment Decision Action)：基于贝叶斯更新后的后验概率，制定和执行具体的投资决策，如买入、卖出或持有某资产。

第七，持续更新 (Ongoing Update)：投资决策后，持续收集新的数据和信息，进一步更新贝叶斯模型，优化投资策略，形成闭环。

通过上述贝叶斯链条，投资者能够将深度研究与动态数据分析相结合，形成一个自我优化的投资决策系统。贝叶斯方法的核心优势在于其能够根据新信息实时调整信心度，使投资策略具备高度的适应性和灵活性。这不仅提升了决策的科学性和准确性，还增强了对市场不确定性的应对能力，帮助投资者在复杂多变的市场环境中实现稳健的投资回报。

如果我们以AppLovin 和 UiPath 的股价走势为案例，可以看到贝叶斯更新在公司表现和股价走势中的核心体现。两者的发展趋势反映了市场如何根据公司执行的“逻辑验证”和不断更新的业绩数据来调整其信心与预期，从而影响股价。
1. AppLovin：验证了AI广告平台逻辑，股价持续上涨（前面我已经深度分析过，参见文章AI应用封神，applovin从暴跌90%到逆袭暴涨30倍背后）

AppLovin 是一家专注于移动广告和营销的公司，尤其在广告技术领域拥有强大的技术基础。公司提供了一种综合的广告平台，通过数据分析和算法帮助应用开发者优化广告收入。这种平台依赖于人工智能、数据分析和自动化广告优化技术，在某种程度上，代表了广告技术中的“验证逻辑”应用。

贝叶斯更新中的应用
先验知识（Prior）：在2021-2022年，AppLovin 的商业模式并不完全被市场接受。投资者的初始信心来源于公司创始人的背景、早期的技术成果以及行业的潜在需求。观测数据（Evidence）：随着公司的发展，AppLovin 能够持续提供准确的业绩数据和客户成功案例。它逐渐证明了其广告平台的有效性，广告主和应用开发者也越来越愿意投资其平台。贝叶斯更新（Bayesian Update）：随着越来越多的企业和开发者采用 AppLovin 的广告平台，且公司能够在竞争激烈的广告技术市场中持续保持优势，市场对其业务模型的信心不断加强。投资者基于公司不断的业绩数据和市场验证，不断更新对公司未来的预期，推动股价上行。
由于AppLovin能够有效地执行其业务模型，并通过持续的数据反馈和市场验证来证明其广告技术的价值，股价在2023-2024年稳步上涨，反映了市场对其前景的信任。

2. UiPath：没有验证逻辑，股价持续下跌

UiPath 是一家专注于机器人过程自动化（RPA）技术的公司。它的技术旨在通过软件机器人自动化重复性高的任务，解放企业的劳动力。尽管RPA市场在一定程度上被看作是未来企业自动化的重要方向，但在实际应用中，许多公司在实施 RPA 时面临技术适配和效果评估等挑战。

贝叶斯更新中的应用
先验知识（Prior）：当 UiPath 在上市初期时，市场普遍认为其技术是未来的“革命性”技术。人们对自动化和 AI 驱动的 RPA 充满了期待，许多人认为这会大大提升企业效率，并改变企业运营方式，估值很贵上市了；观测数据（Evidence）：然而，在后期，随着公司披露的业绩数据显示，很多企业在应用 RPA 时面临技术落地难题，RPA的推进其实慢于预期，并且在genAI爆火以后，在AI加持之下，RPA并未焕发新生机，反而面临份额丢失的窘境。贝叶斯更新（Bayesian Update）：基于这些逐步显现的不良数据和未能解决的技术难题，投资者对 UiPath 的前景开始产生怀疑。由于缺乏明确的市场验证和客户的长期支持，贝叶斯更新过程中的“信念”逐步向负面调整，导致股价下跌。
尽管 UiPath 在初期吸引了大量投资者的信任，但随着公司在实际应用中未能提供强有力的业绩支撑，其技术模型并未得到有效验证，市场信心逐渐减弱，导致股价下跌。

AppLovin：随着更多的实际业绩数据和成功案例的积累，市场逐步修正了对其商业模式的看法，并不断更新对未来业绩的预期，从而推动股价上涨。这是一个典型的正向贝叶斯更新，即基于验证的逻辑和不断优化的数据反馈，市场对公司未来表现的预期增强。

UiPath：尽管其商业模式和技术初期备受看好，但由于未能提供持续的业绩证明和验证，且存在较大技术和执行挑战，市场对公司前景的信心逐步消减，这在贝叶斯更新中是一个负向调整，即基于不断积累的负面数据，市场的预期被不断下调，最终导致股价下跌。

在科技股投资中，贝叶斯更新帮助我们理解和预测公司股价的变化。投资者通过逐步积累真实数据，根据公司是否能够有效验证其商业模式，更新对公司未来的预测。验证逻辑的公司（如 AppLovin）能够通过正向的贝叶斯更新提升市场对其未来表现的信心，而那些未能验证逻辑的公司（如 UiPath）则可能面临不断调整预期和股价下跌的风险。

对于投资者来说，关键是不断更新对公司逻辑和前景的理解，并根据实际业绩和市场反馈作出相应的调整。这种动态的、基于数据的决策过程，正是贝叶斯更新在投资决策中的核心价值所在。

贝叶斯闭环在科技股投资中的关键作用

及时更新对技术进展的预期

科技股的表现很大程度上依赖于其技术是否能够在市场中获得验证，是否能够带来新的商业模式或者解决方案。在这一过程中，贝叶斯更新的核心是根据不断变化的市场反馈和技术验证来调整对公司未来发展的预期。比如，某家科技公司推出的新产品获得了广泛的市场认可，投资者可以通过贝叶斯更新将对该公司未来的预期上调；反之，如果产品未能达到预期或被竞争对手超越，那么投资者则需要迅速调整持仓策略，避免可能的亏损。

避免过度依赖估值底判断

对于科技股，尤其是早期创新型公司，传统的估值底选股法很容易让投资者陷入困境。由于这些公司往往没有稳定的收入来源，或者正在为规模化、商业化阶段投入大量资本，因此其估值底并不代表股价的底部。贝叶斯更新帮助投资者在面对这种高不确定性时，以更加灵活的方式应对公司未来可能发生的重大变化，而不仅仅依赖于历史的财务数据或估值低点。

捕捉替代风险

在科技股投资中，不仅要关注公司技术的进展，还要时刻保持警觉，了解是否存在潜在的替代技术或竞争对手。比如，某个初创公司的技术一度被市场看作是未来趋势，但如果新兴竞争者推出了更强大的技术，可能会迅速占领市场份额。在这种情况下，不根据新的市场数据更新投资判断，就可能错过及时退出的时机。贝叶斯更新通过将市场信号和技术发展反馈到决策过程中，能够有效应对这种被替代的风险。

Tesla的股价大幅上涨，很大程度上是因为投资者相信它能够实现电动汽车的产业化和全球电动汽车领导地位，而市场的验证也逐步支持了这一信念。然而，在早期阶段，市场对Tesla是否能成功的预期并不完全一致，甚至有许多分析师质疑其能否实现盈利。随着Tesla在技术上的不断突破（如电池技术、自动驾驶等），市场情绪和投资者预期发生了极大的变化，导致其股价大幅波动。如果投资者没有及时根据这些市场验证的反馈来调整投资策略，可能就错失了良好的投资机会。

在Uber与Lyft的竞争中，投资者对两者的未来发展充满了不确定性，尤其是在两家公司都未实现盈利的情况下。在这一过程中，Uber通过多元化业务（如Uber Eats、无人驾驶技术等）以及全球市场的扩展不断验证其商业模式的可行性，而Lyft相对较为依赖美国市场，且更注重专注于核心的网约车业务。贝叶斯更新可以帮助投资者根据两家公司不同的市场表现、产品创新以及财务状况，调整对它们的投资决策。

在科技股投资中，由于行业的快速创新和技术变革，传统的估值底选股法并不适用。贝叶斯更新的核心优势在于其动态调整预期的能力，能够帮助投资者根据公司实际业绩、技术进展、市场验证以及竞争态势的变化，及时做出投资决策。避免过度依赖固定的估值底选股策略，可以使投资者在高风险和快速变化的科技股市场中更灵活地应对，减少被颠覆或替代的风险。

3. AI投资中，贝叶斯思维更为重要

在生成式AI发展中，在投资中保持贝叶斯更新尤为重要，因为这一领域的不确定性非常高，投资者需要持续地根据新的信息调整对投资对象的预期和决策。

生成式AI（如GPT、DALL·E等）作为一个新兴的、快速发展的领域，面临很多不确定性因素，这些因素会影响技术、市场、监管等各方面的动态变化。具体来说：
技术的快速演进：生成式AI技术本身的进步是非常快速的。比如，模型的规模、性能、训练数据的多样性等方面都在不断演化，且未来技术的创新方向很难预测。一个新的模型架构或训练方法的出现可能会改变整个行业的格局。市场需求的不确定性：生成式AI的市场需求依赖于多个因素，包括各行各业的接受度、消费者的需求、企业的应用规模等。这些需求可能随着技术的成熟和用户的适应度变化而发生剧烈波动。监管与政策风险：随着生成式AI技术在各个领域的应用，尤其是在内容生成、数据隐私、伦理问题等方面的挑战不断增加，监管政策的变化对AI公司的业务模式和商业前景有着深远影响。政策的不确定性使得投资决策更加复杂。竞争态势的快速变化：生成式AI领域的竞争格局发生变化的速度也非常快。新的玩家可能凭借技术突破迅速获得市场份额，而一些原本领先的公司可能因技术瓶颈或战略失误而落后。
贝叶斯更新的优势：贝叶斯更新可以帮助投资者在面对上述不确定性时更为灵活和理性地调整投资决策，特别是在生成式AI这样高度动态的行业中，具体的优势包括：① 基于新信息逐步更新信念生成式AI的投资决策很大程度上依赖于对技术进步、市场反馈和公司表现等信息的持续跟踪。贝叶斯更新允许投资者随着每一个新的数据点（如产品发布、财报数据、技术突破等）及时调整对投资标的未来前景的信念，从而减少对过时信息的依赖。② 动态调整风险评估在生成式AI投资中，最初的评估往往是基于一定的假设，比如某项技术会成为主流应用，或某家公司会成为行业领导者。但这些假设在未来可能会受到技术进展、市场趋势、竞争等因素的影响而改变。贝叶斯更新能够根据新出现的信息动态调整对风险的评估。③ 适应不确定性的决策框架贝叶斯更新特别适合应对不确定性。在生成式AI领域，由于无法准确预测未来的技术走向或市场反应，投资者通过不断地更新其对未来的预期，能够在不确定性较高的环境中作出更有信心的投资决策。
在生成式AI投资的实际场景中，贝叶斯更新能够帮助投资者应对以下几种常见的挑战：
① 技术验证的过程中生成式AI的技术验证过程可能会经历多个阶段，包括从原型模型到商用产品的转化。在这一过程中，投资者需要根据模型性能的不断改进或失败、市场接受度、合作伙伴反馈等信息更新自己的投资判断。如果一项技术或产品未能如预期般成功，贝叶斯更新帮助投资者重新评估该技术的可行性与未来价值。② 市场趋势的反应生成式AI的应用场景可能会从早期的研究和开发阶段，逐步转向更加广泛的商业化应用。投资者需要在技术应用的每个阶段，根据市场反馈来判断AI的潜力。例如，某些生成式AI应用（如AI生成内容）可能会在某些行业取得突破性进展，但在其他行业则可能遇到较大的挑战。贝叶斯更新可以帮助投资者在这些变化中调整策略，避免过度依赖早期市场反应。③ 公司执行与战略调整在生成式AI领域，很多公司可能会不断调整战略方向以适应技术发展或市场需求。比如，一家公司可能会原计划开发生成式AI用于文本生成，但随着市场需求变化，最终可能会将焦点转向视频或图像生成。贝叶斯更新可以帮助投资者及时捕捉到这些战略调整，并基于新的信息调整对公司的估值和未来前景的预测。
在生成式AI投资中，贝叶斯更新提供了一个非常有效的框架，帮助投资者在高度不确定的环境中做出更加理性和灵活的决策。随着技术进步、市场反馈、竞争态势以及监管政策等因素的不断变化，投资者通过不断地吸收新信息并修正原有的投资假设，能够提高决策的准确性并有效应对快速变化的市场环境。因此，贝叶斯更新在生成式AI投资中显得尤为重要。

全文完。

【近期关于AI的系列观察】

账号		自动登录	找回密码
密码			注册

萍聚头条

AI投资的贝叶斯闭环

本帖子中包含更多资源