从复杂系统看近期的股市震荡与AI 股信心崩盘

JK&WB丨作者

一、从一场选举说起

2026 年 11 月的第一个星期，华尔街经历了一次教科书式的情绪反转[41]。

中期选举结果出来那天，市场是狂欢的：靴子落地，道琼斯单日暴涨 1500 点。仅仅 24 小时后，同一个指数反手暴跌 1833.06 点，跌幅 3.44%；纳斯达克重挫 1400 点，跌 5.52%；标普 500 单日蒸发 2.9 万亿美元——其中 2.5 万亿是在 40 分钟内没的。科技七巨头合计缩水超过 1 万亿美元：英伟达跌 9.26%，一天蒸发 4400 亿；AMD 跌 15%，美光跌 17%，闪迪跌 22%；连给数据中心供电的 GE Vernova 和星座能源都被抛售。几小时后，风暴跨过太平洋，韩国 KOSPI 开盘重挫近 9%，直接触发熔断[41]。

同一批资产，30 小时内被定了两个完全相反的价格。这说明跌的不是基本面，是预期。

（本节行情数字全部转引自当日一篇科技自媒体快讯[41]，本文未作独立核实。）

预期为什么会翻转？因为民主党拿下了参众两院，还在得克萨斯这个 AI 算力大本营赢下了州长选举，而新州长的竞选主张是：对高能耗数据中心实施临时禁令，取消数据中心的税收减免。市场这才反应过来——过去一年多美股能屡创新高，靠的是一条完整的叙事链：大模型需要算力，算力需要芯片和电力，所以买芯片、买电、盖机房，未来一定能变现。政策一卡，这条链的第一环就断了。

于是出现了那句很精辟的评论：市场这回砍的不是“用铲子的”，是“卖铲子的”。

二、AI 股的问题不是“不赚钱”，是“可能兑现不了”

真正让市场失血的，不是某家公司的季报，而是一张账单。

据披露[41]，Anthropic 背负着约 8950 亿美元的不可撤销算力与基础设施支出承诺——在全美科技巨头里仅次于 Alphabet 的 1.06 万亿，压过了 Meta 的 8660 亿。这些承诺分给了博通 1610 亿、谷歌 1210 亿（外加 1500 亿的芯片采购）、SpaceX 1210 亿、亚马逊至少 1100 亿。更致命的是时间表：未来 12 个月内必须支付 700 亿美元，到 2030 年底要付 4480 亿。而它三季度的营收是 170 亿，同比增长 47%。按 47% 的复合增速外推，2026—2030 五年累计营收约 3100 亿，仍不足以支付 4480 亿的账单（本文据 [41] 数据自行估算，非原文结论）。

年入数百亿，负债近万亿，一年后就要还 700 亿[41]。

这里有一个容易被忽略的会计事实：“不可撤销”意味着这笔支出在资产负债表上不是可选项。哪怕明天一分钱收入都没有，账单照样要付。这在结构上就是“刚性负债 + 软性资产”——未来收入的预期是软的，付钱的义务是硬的。这是期限错配和流动性错配的极端形态。

用明斯基（Hyman Minsky）的老分类[40]，企业的融资分三档：对冲融资（收入能覆盖本息）、投机融资（能付息但还不了本，需要滚动续借）、庞氏融资（连利息都要靠借新钱来付）。当一家公司需要靠不断抬高的估值去发行新股，才能支付已经签下的固定支出时，它已经站在第三档的边缘。

而它的 IPO 估值，在一周内从 2 万亿被砍到 1.5 万亿、1 万亿，乃至传闻中 5000 亿的“脚踝斩”[41]。据预测市场平台 Kalshi 的数据，上市概率从选举前的近 90%，掉到不足 60%[41]。

三、信心崩盘：为什么“跌”会变成“崩”

如果只是估值下修，那不过是财富在股东之间重新分配。真正值得担心的是它变成自我强化的螺旋。

这在复杂系统里有名字。索罗斯（George Soros）把它叫反身性：认知与现实互相塑造——股价影响融资能力，融资能力影响经营，经营又反过来决定股价[30]。丹尼尔松与申铉松（Danielsson & Shin）把它叫内生风险：风险不是外生给定的，是参与者对彼此行为的反应造出来的[29]。

具体的机制，是布鲁纳迈尔与佩德森（Brunnermeier & Pedersen）在 2009 年写清楚的那个循环[17]：市场流动性越差，融资越难；融资越难，越要卖资产；越卖，市场流动性越差。这就是“流动性螺旋”。它有个更朴素的说法——你之所以破产，不是因为你看错了方向，而是因为你在错误的时间被要求追加保证金。

这一步很关键：危机不是“坏消息”造成的，而是“所有人都必须同时变现”造成的。

2011 年，舒莱弗与维什尼（Shleifer & Vishny）还指出一个更隐蔽的通道[16]：当资产管理者的业绩被公开比较，而客户可以在最糟糕的时刻赎回，理性策略就是优先卖出流动性最好的资产——哪怕它是最该持有的那个。于是救命的资产先被卖掉，恐慌因此加速。

2010 年 5 月 6 日的“闪崩”是另一个极端样本：道指在几分钟内暴跌近千点又迅速收复，事后归因于算法在流动性真空中彼此追逐[36]，也就是说价格不是被消息推下去的，是被“没人接单”推下去的。

还有一个放大器是杠杆本身。图尔纳、法默与吉纳科普洛斯（Thurner, Farmer & Geanakoplos）用极简模型证明[21]：即使没有任何外部冲击，只要机构按杠杆率调整仓位，收益分布就会自己长出肥尾和波动聚集。也就是说，重尾不需要“黑天鹅”来解释，它是杠杆系统的内生性质。吉纳科普洛斯后来把这个过程称为“杠杆周期”[31]。

四、从一家公司到整个系统：

网络如何放大一次重定价

到这里，故事还停留在个体层面。要回答“会不会变成全球金融危机”，必须换一个视角：看连线，不看节点。

金融网络研究二十多年已经积累了相当完整的图景[37]，而它的起点是一个悖论。艾伦与盖尔（Allen & Gale）在 2000 年指出[4]，银行间市场既是风险分担机制，也是传染通道——一家银行受到流动性冲击时，同业拆借能救它；但一家银行真的资不抵债时，同一张网会把损失传出去。

真正的答案在 2015 年由阿西莫格鲁等人给出[5]，而且是个漂亮的相变结论：取决于冲击的大小。冲击小的时候，稠密连接是保险，把损失摊薄到全网；冲击一旦越过某个阈值，同一张网络立刻变成高速公路，把损失成倍放大。同一个结构、两种角色。这就是复杂系统里那句老话——鲁棒却脆弱（robust-yet-fragile）。生态学家对这套逻辑并不陌生，梅与霍尔丹（May & Haldane）2011 年在《自然》上就是把它从食物网搬到了银行体系[6,7]。

真实的金融网络也确实长这样。支付流数据[8]、联邦基金市场数据[9]都显示，它不是均匀的随机图，而是核心—边缘结构：少数枢纽连接着大量边缘节点。枢纽的存在让网络对随机扰动极其耐受，对针对性打击极其脆弱。危险不只来自规模，也来自位置[11]。

于是风险度量也得换。巴蒂斯顿（Battiston）等人的 DebtRank[10] 把“太大不能倒”改写成了“太中心不能倒”：他们分析美联储 2008–2010 年 1.2 万亿美元紧急贷款数据，发现拿到最多资金的 22 家机构构成一张强连通图，在危机顶点，每一家都变得系统重要。而这张网还不止一层——同业借贷、共同持仓、衍生品合约各自独立又互相咬合[12,13]。2026 年一篇覆盖 112 项研究的综述给出量化结论：只看单层敞口，可能低估高达 90% 的系统风险[14]。

至于传导的具体管道，至少有四条：偿付（A 违约导致 B 减值）[34,35]、甩卖（持有相同资产就连在一起）[15]、融资（抵押品折价触发追加保证金）[31]、信心（每人心里有个阈值，周围足够多人跑了，自己也跑）。沃茨（Watts）的门槛模型[18]说明，这类传染的结果不是“一定发生”或“一定不发生”，而是在一个狭窄窗口内以概率发生，且呈双峰——要么几乎没人动，要么所有人一起动。

2020 年 3 月是最好的天然实验[42]。连美债这种“终极避险资产”都崩了：十年期收益率在 9 天内飙升 64 个基点，因为所有人同时想把资产换成现金，也就是所谓的 “dash for cash”[19,20]。注意，那一轮传导几乎不靠违约，靠的是所有人同时想变现。

五、复杂系统的核心判断：

崩盘是相变，不是意外

如果把上面这些拼起来，会得到一个和直觉相反的结论：崩盘不是“跌得快”，而是“换了状态”。

物理学家把后者叫相变：水在 99℃ 和 100℃ 之间没有渐变，只有状态切换。金融市场的相变有几个特征。

第一，它是自组织的。巴克（Bak）等人 1987 年用一堆沙子说明了这件事[2]：你一粒一粒往上加，永远不知道哪一粒会引发雪崩，但雪崩的规模服从幂律分布。系统不需要被推到某个特殊位置，它自己就会演化到临界态。加贝克斯（Gabaix）等人则指出，个股收益的幂律尾其实来自大型机构拆单交易的自相似结构[3]——重尾是交易机制的自然产物。

第二，它往往有前兆但不是预兆。索内特（Sornette）发现，崩盘之前的价格常呈现“越涨越快”的幂律加速，叠加周期逐渐缩短的震荡，像临界点前的抖动[1]。这类对数周期结构在若干历史崩盘中被识别出来过，但它给出的是一段时间窗口，不是一个日期。

第三，耦合会改变相变的形状。布尔迪列夫（Buldyrev）等人在 2010 年证明[23]：孤立网络被逐步破坏时，连通性是平滑下降的；而两个互相依存的网络，会在某个临界比例瞬间整体崩溃，没有任何缓冲。金融的多层结构，正是这种相依网络。

所以，对“这次会不会引发全球金融危机”这个问题，复杂系统能给出的第一个回答是：它不会告诉你日期，但它会告诉你形状——陡峭、突然、几乎没有中间状态。

六、预警：能测什么，不能测什么

这正是复杂系统科学对金融最实用的贡献所在。过去二十年，预警研究其实分成两条几乎不相往来的路线。

第一条是宏观早期预警系统（EWS）。它用的是一堆宏观和资产负债表指标：信贷占 GDP 的缺口、房价收入比、外汇储备、短期外债占比、经常账户赤字。这一脉络的传统可以追溯到 1990 年代对银行危机与货币危机的研究[38,39]，在政策实践中也确实抓到过东西。它的优点是稳健、可解释；缺点是信号少、滞后，而且对“新型危机”几乎无能为力——2008 年的问题不在宏观总量，在影子银行的表外结构。

第二条来自复杂系统与统计物理，它试图测量系统本身的“状态”，而不是外部指标。这条路至少有三个层次：

第二条路里最优雅的一支，是把“临界慢化”从生态学搬过来。谢弗（Scheffer）等人在 2009 年的《自然》综述里总结[22]：当一个系统被缓慢推向临界点时，它“回到原位”的能力会先于状态本身衰退。表现出来就是三个可测的量——扰动后的恢复速率变慢、时间序列的方差上升、自相关上升。这套方法在湖泊富营养化、气候临界要素上都有实证。

金融领域的对应物，是统计物理那条路子。用最大熵方法构造一个“同等约束下最随机”的零模型，再看真实网络偏离了多远：荷兰银行间网络里的二节点环、三节点环的统计显著性，在 2008 年危机之前就出现了系统性变化[24]。这是结构先于价格的预警——价格还在涨，网络的形状已经不对了。而构造这种零模型的技术，同时也是在数据残缺条件下重构整张网络的基础[25]。

而系统性风险度量则提供了一个更工程化的答案：把“谁最重要”变成可排序的数字。CoVaR 衡量一家机构陷入困境时，系统风险价值相对其常态的变化[28]；SRISK 衡量在严重市场下跌下机构的资本缺口[27]；SES 则衡量机构在系统整体资本不足时的预期损失[26]。SRISK 的原始论文指出，早在 2005 年第一季度，它就能把房利美、房地美、摩根士丹利、贝尔斯登、雷曼排到贡献榜前列[27]。

但必须诚实地说，预警有它绕不过去的三个困难。

第一，信号不单调。 生态学里有个现象叫“闪烁”（flickering）：系统在临界点附近会在两个状态之间来回跳，而不是平滑地滑过去[32,33]。金融系统尤其如此——2018 年底、2020 年 3 月、2022 年，每一次都出现过“指标报警但没崩”，也出现过“指标平静但突然崩”。任何单一阈值都会大量误报。

第二，预警本身有反身性。 这是金融区别于气候、生态的地方：被观测的系统会响应观测。一个被公开的预警指标，一旦被广泛使用，就会改变行为——要么自我实现（大家抢跑，提前崩），要么自我否定（监管收紧，危机被推迟，指标失灵）。这就是卢卡斯批判和古德哈特定律在风险度量上的版本。它意味着任何有效的预警指标都会在自己成功的那一刻失效。

第三，数据是残缺的。 场外衍生品、私募信贷、影子银行、家族办公室——这些恰恰是风险最容易堆积的地方，也恰恰是最不透明的。研究者只能用网络重构技术，从部分信息（比如各机构的连接数）反推整张图。有研究指出[13]，仅凭公开披露的信息很难可靠评估系统性风险；但如果各机构能在不泄露交易对手身份的前提下公开自己的连接数量，估计精度会大幅提升。这是一个制度设计问题，不是算法问题。

七、那么，这次会不会引发全球金融危机？

把前面的东西收拢成一个可操作的判据。一场局部震荡要变成全球危机，通常需要三个条件同时成立：

第一，杠杆是否集中在可挤兑的载体上。 2008 年是货币市场基金和回购市场，2020 年 3 月是对冲基金的美债基差交易，2022 年英国的 LDI 是养老金。这一次的候选者很清楚——那些用“不可撤销的算力承诺”做抵押、靠股权融资续命的 AI 基建链条，以及围绕它的供应商融资、数据中心 REITs 和私人信贷。

第二，传导是否跨越市场、跨越国界、跨越层。 KOSPI 的熔断已经回答了“跨市场”这一条：美国科技股估值层、全球美元融资层、韩国出口与外资持股层，三层同时受力。这正是多层网络理论警告的情形[14]——单层看都在安全区间，合起来已经越界。

第三，有没有最后贷款人。 这是最关键、也最不确定的一条。2008 年美联储救了 AIG 却没救雷曼，2020 年 3 月美联储在两周内把总资产从约 4.2 万亿扩到约 5.8 万亿美元[42]。这一次的区别在于：出问题的主体不是银行。AI 公司不是系统重要性金融机构，它们不适用资本充足率、不适用流动性覆盖率，也不在存款保险和央行贴现窗口的覆盖范围内。央行可以救市场，但很难救一家公司的商业合同。

所以我们的判断是：前两条已经成立，第三条是未知数。 这不是“全球金融危机即将到来”，但也绝不是“只是一次估值调整”。更准确的说法是——系统离临界点的距离，比一周前近了很多。

而这恰恰是复杂系统最想让人接受的一种思维方式：不要问“会不会崩”，因为这个问题在原理上无解；要问“离临界点多远，以及我们有没有在缩短它”。前者是预言，后者是测量。前者从来没有成功过，后者已经积累了不少工具。

八、一个不太令人安心的结尾

回到 40 分钟蒸发 2.5 万亿那个瞬间[41]。真正值得记住的不是那个数字，而是它揭示的结构：

在一个高度连接、高杠杆、高度同质化、且信息以毫秒传播的系统里，稳定性不是一个可以一次性获得的状态，而是一个需要持续支付的成本。复杂系统给不出崩盘日期，但它给得出四个可调的旋钮——连接度、杠杆、同质化、速度。这一次，四个旋钮都被拨到了右端。

剩下的，是那句被反复验证过的话：绝大多数崩盘不是被某个坏消息砸出来的，是系统自己在临界点附近，被一粒沙子推倒的。

附记：这条链背后有一整本书

本文第三节引过一个结论——“杠杆本身就能生成肥尾”[21]。那篇论文的三位作者之一，是 J. 多因·法默（J. Doyne Farmer）：混沌理论的奠基人之一、“经济物理学”的共同开创者，1991 年还与人合伙办过一家量化交易公司 Prediction Company，2006 年被瑞银以 1 亿美元收购。也就是说，这个人既写过动力系统的数学，也真金白银在市场里下过注。

他今年刚有中译本的书《理解混沌》，做的正是本文用四千多字勉强说清的那件事：把“经济像生态系统”从比喻，变成能跑起来的模型。法默的判断很直接——主流经济学假设理性人与均衡，于是当危机来临时工具就失灵；出路不是给旧模型打补丁，而是像研究天气、传染病、互联网那样研究经济：有限理性的异质主体、正负反馈、非线性突变、自下而上的涌现。

书里有几处与本文严格对得上：

• 第 2 章谈“经济是一个复杂系统”，是本文第一节那个“链”的世界观版；

• 第 5 章专讲卢卡斯批判——这正是本文第六节所说“预警本身有反身性”的理论原型；

• 第 3—4 章用基于主体的建模（ABM）复现美国住房市场的杠杆繁荣与崩盘，几乎是本文第三节“杠杆生成肥尾”的完整版。

书籍信息

• 书名：《理解混沌：更好的经济理论，更好地理解世界》（Making Sense of Chaos）

• 作者：J. 多因·法默　译者：集智俱乐部

• 出版：中信出版集团，2026 年 9 月，340 页，定价 88 元，ISBN 9787521785418

• 豆瓣页面：https://book.douban.com/subject/38614745/

如果不想一个人啃，集智俱乐部为这本书办了一场《理解混沌》新书共读，由三位译者——北京师范大学博士生陶如意（研究兴趣包括规模法则与企业生长）、澳门科技大学博士生孙璐、北京师范大学硕士生方逸雯——共同发起。2026 年 10 月 31 日起，每周六 19:30–21:30 线上进行，持续约 10 周，主讲分享加讨论，提供会后回放；腾讯会议开讲，集智俱乐部微信视频号与 B 站同步直播，法默本人与北京师范大学王有贵教授担任特邀主讲人。

今天（11月7日）此次读书会第2期由陶如意主讲，讲的正是“网络视角 + 主体建模”两大模块，等于本文第四节那句“看连线，不看节点”的技术版——从生产网络看技术进步如何沿供应链传导，从职业流动网络看自动化冲击下的失业动力学，再用住房市场的 ABM 看杠杆怎么把繁荣变成崩盘。

时间信息

⏰ 时间：2026年11月7日（周六）19:30-21:30

📍线上：腾讯会议

📍直播：集智俱乐部微信视频号、B站账号同步直播

感兴趣的朋友扫码报名加入读书会后，可进入学员群进行交流。

最后一句实话：以上是推荐，不是论证的一部分。本文的结论不依赖你读不读这本书；但如果你真想自己动手算一遍“离临界点多远”，这大概是目前中文世界里最省力的一扇门。

主题索引（便于按需查找，非排序依据）

• 网络与级联：[1]–[14]、[23]、[34]、[35]、[37]

• 传导机制（流动性、甩卖与杠杆）：[15]–[18]、[21]、[29]–[31]、[36]、[40]

• 实证案例（2020 年 3 月与流动性危机）：[19]–[20]

• 预警与系统性风险度量：[22]、[24]–[28]、[32]–[33]、[38]–[39]

• 官方数据与媒体报道（行情的唯一来源）：[41]–[42]