扫描二维码
关注北京大学汇丰金融研究院官方微信/微博
朝镛：价格、预期与理性——从凯恩斯选美竞赛到人工智能时代的金融市场
在过去十多年的中国金融市场中，一个反复出现却又难以回避的现象是：资产价格往往随着“风口”而剧烈起伏。某些科技赛道在短时间内估值迅速抬升，大量资本蜂拥而入；随后，叙事发生变化，融资节奏放缓，价格又迅速回落。在这一过程中，市场参与者常用一句广为流传的俗语来概括这种现象：“站在风口上，猪都会飞。”
美国路易斯维尔大学商学院教授朝镛在《北大金融评论》发文表示，金融市场是否有效，从来就不是一个可以用“是”或“否”回答的问题。价格反映的不是单一真理，而是在特定制度、技术和心理条件下形成的预期结构。这一现象，并非只存在于学术讨论之中。当预期高度趋同、叙事自我强化时，市场亦可能面临结构性风险。
本文刊登于《北大金融评论》第27期。
在过去十多年的中国金融市场中，一个反复出现却又难以回避的现象是：资产价格往往随着“风口”而剧烈起伏。某些科技赛道在短时间内估值迅速抬升，大量资本蜂拥而入；随后，叙事发生变化，融资节奏放缓，价格又迅速回落。在这一过程中，市场参与者常用一句广为流传的俗语来概括这种现象：“站在风口上，猪都会飞。”这句话的流行，本身就耐人寻味。它并非在赞美企业基本面有多优秀，而是在强调：只要顺应市场共识与预期，即便缺乏坚实支撑，价格也可能被迅速推高。
这便引出了一个看似简单却极为根本的问题：如果金融市场是有效的，价格为何会如此依赖所谓的“风口”？早在近一个世纪前，凯恩斯就用一个极具洞察力的比喻，点出了这一问题的核心。在他看来，金融市场更像是一场选美竞赛：成功的参与者，并不是选择“最美的脸”，而是选择“大家认为大家会选择的那张脸”。金融市场的关键，不在于判断谁最好，而在于判断他人将如何判断。
凯恩斯的选美竞赛：价格是“预期的预期”
在凯恩斯的著作《就业、利息与货币通论》第十二章中，凯恩斯将专业投资比作一种报纸上的选美竞赛。在这种竞赛中，参与者并非选择自己认为最美的面孔，而是试图选出最接近“平均偏好”的面孔。凯恩斯写道：
Professional investment may be likened to those newspaper competitions in which the competitors have to pick out the six prettiest faces from a hundred photographs, the prize being awarded to the competitor whose choice most nearly corresponds to the average preferences of thecompetitors as a whole; so that each competitor has to pick, notthose faces which he himself finds prettiest, but those whichhe thinks likeliest to catch the fancy of the other competitors,all of whom are looking at the problem from the same point ofview.
凯恩斯随即指出，金融市场的逻辑甚至还要再推进一步：
It is not a case of choosing those which, to the best of one’ s judgment are really the prettiest … we have reached the third degree where we devote our intelligences to anticipating what average opinion expects the average opinion to be.
这段文字精确地刻画了金融市场中的高阶预期结构：价格不是对“真实价值”的判断，而是对“他人将如何判断”的判断，甚至是对“他人如何判断他人的判断”的判断。
因此，在凯恩斯的选美竞赛比喻中，关键并不在于“谁最美”，而在于人们是如何思考的。成功的参与者，并不是简单地根据自己的判断行事，而是不断向上推演他人的判断。
这一过程可以用非常直观的方式来理解。最直接的思考是一阶判断：我觉得谁最美。如果所有人都停留在这一层，那么平均选择自然反映的是个体偏好的简单汇总。
然而，真实的竞争很快会进入第二层：我不再问谁最美，而是问“大家会觉得谁最美”。此时，个人审美已经退居其次，更重要的是对他人判断的预测。
更进一步，理性参与者会意识到：其他人也在进行类似的推理，于是进入第三层——我在思考“大家认为大家会觉得谁最美”。正如凯恩斯所强调的，专业投资的逻辑并非止步于判断平均意见，而是判断“平均意见对平均意见的判断”。
在这一过程中，价格不再是对基本面的直接反映，而是一个高阶信念的均衡结果。它体现的是市场中不同层级推理相互作用后形成的暂时共识，而非某个客观真值。
而行为经济学和博弈论中的 K-level thinking 正是对这一现象的自然刻画。市场中的参与者并不共享同一理性水平：有人停留在一阶推理，依据直觉或简单规则行事；有人会多想一步，尝试预测他人的反应；也有人继续向上推演，试图在“预期的预期”中占据优势。所以问题的关键并不在于哪一层级“正确”，而在于不同认知层级在市场中的分布结构。价格由此成为一种社会性结果：它反映的不是单个理性人的判断，而是多种推理深度交织下形成的均衡。
当部分参与者停留在一阶判断、部分参与者进行有限次数的高阶推理时，价格所反映的就不再是某个客观基本面，而是这一认知结构下形成的暂时均衡。这也解释了为何在许多情形下，看似“非理性”的行为，恰恰是对他人预期的理性回应，而价格正是这一互动的集中体现。这一逻辑并非停留在理论层面。一个有趣的现实例子，来自2017 年诺贝尔经济学奖获得者、芝加哥大学行为经济学教授理查德·塞勒在英国《金融时报》（Financial Times）上组织的大规模“猜平均数”挑战。参与者被要求在 0 到 100 之间选择一个数字，目标是尽可能接近所有人选择的平均值的三分之二。按照标准博弈论推理，该游戏的唯一纳什均衡是 0。
然而，调查结果却呈现出高度稳定且显著偏离这一预测的模式。在 1997 年的调查中，参与者选择的平均值为18.9，对应的获胜数字是13 ；在之后一次奖励规模较小的调查中，平均值为17.3，获胜数字则是12。尽管不少参与者显然理解并刻意选择了理论上的“理性解”——0 或接近 0 的数值，但他们往往并未获胜。相反，胜出者恰恰是那些选择了看似“不够理性”的中间数值的参与者。
这一结果清楚地表明，在一个由不同认知层级参与者共同构成的环境中，刻意或不刻意的“天真”并非偏离理性的错误，而可能是一种对他人预期的理性回应。当部分参与者预期市场会过度理性化并据此将选择推向极端时，停留在较低层级或策略性地不完全迭代推理，反而更接近最终的均衡结果。
从价格形成的角度看，这一实验再次印证了一个核心观点：价格并不是客观理性的直接体现，而是不同推理层级相互作用后形成的社会性结果。在这样的结构下，“更理性”并不必然意味着“更准确”，理解他人的判断方式，往往比无限迭代理性更为重要。
科技金融与风险投资：风口、叙事与高阶预期的集中博弈
在科技金融与风险投资领域，资产定价对预期的依赖尤为突出。与传统产业不同，创新型企业往往缺乏稳定现金流和可验证的历史数据，其价值评估天然指向未来。在这种环境下，价格并非主要由“现在值多少钱”决定，而是由“未来是否仍会被看好”所主导。对投资者而言，关键问题不只是项目是否有潜力，而是市场是否会在未来某个阶段继续认可这一潜力。
这也正是“风口”概念反复出现的根源。所谓风口，并不是某项技术在某一时点突然变得客观上更有价值，而是市场逐渐形成一种共识：其他人也会继续看好这一方向。一旦这种共识建立，资本的进入就不再仅仅基于自身判断，而是基于对他人判断的判断——典型的高阶预期结构。
在风险投资实践中，这一机制尤为清晰。早期投资者并不只是评估技术本身的可行性，更在评估：后续投资者是否会认可这一叙事，下一轮融资是否顺畅，退出渠道是否仍然敞开。企业“讲故事”，并非简单的信息包装，而是在试图进入并塑造市场的共同预期。当叙事被广泛接受时，融资变得容易，估值迅速抬升；而一旦市场开始怀疑“别人是否还会继续相信”，预期便可能迅速反转，价格随之回落。
从凯恩斯选美竞赛的视角看，风险投资并不是偏离理性的特例，而是高阶预期博弈最为集中的舞台。当大量参与者在相似的认知层级上运作时，叙事会被迅速放大，形成拥挤交易；而当市场中存在不同推理深度和不同信念形成方式时，价格则更可能体现分化与筛选。
人工智能：更加理性，从而价格收敛？
在一个以高阶预期为核心的市场中，任何能够显著改变推理方式与推理成本的技术，都可能对价格形成产生不成比例的影响。人工智能的快速发展，正是这样一种力量。算法不受情绪干扰，计算能力远超人类，这自然引发了一个看似直观的问题：当“思考”变得更便宜、更快速，金融市场是否会因此变得更加理性和有效？
从表面上看，人工智能似乎确实有助于缓解选美竞赛中的非理性因素。它可以系统性地处理信息、反复进行层级推理，并在极短时间内推导出理论上的最优反应。如果市场参与者普遍依赖这类工具，价格似乎应当更快地收敛到由基本面决定的结果。
然而，这一判断忽略了选美竞赛式定价中的一个关键特征：市场参与者关心的并不仅是“如何推理”，而是“他人将如何推理”，以及“他人将如何推理他人的推理”，如此类推。当人工智能进入市场时，它不仅提升了个体的推理能力，也改变了市场中关于“谁更理性”“谁会如何行动”的公共认知。人们开始思考的不再只是基本面本身，而是：AI 会如何判断？其他人是否会跟随 AI 的判断？是否会有人刻意反其道而行，采取逆向策略以对冲这种趋势，比如查理. 芒格推行的逆向投资思维？
在这种情形下，人工智能不再只是一个计算工具，而逐渐成为一种影响他人判断的参考点。它的存在本身，会改变市场参与者对他人行为的预期结构。部分人可能试图模仿 AI 的深度推理，向理论均衡靠拢；也有人预期这种“理性下拉效应”，反而刻意选择更直觉、更“人类化”的策略，以避免在过度推理中被“挤出”。
因此，人工智能的引入，并不必然消除选美竞赛式的博弈逻辑。相反，AI 可能使价格形成过程更具相互影响性：价格不仅反映判断结果，还反过来影响判断本身。理解这一点，需要我们暂时放下“AI是否更聪明”的直觉问题，转而关注：当推理本身成为博弈对象时，市场会如何演化？
正是在这一背景下，一个以凯恩斯选美竞赛为原型的思想实验，提供了一个直观的观察窗口。2 设想让人工智能参与选美竞赛式的定价问题：在最严格的理性假设下，AI 会迅速识别出极限逻辑，通过层层迭代推理，将均衡结果推向零。
然而，当放松这些假设，引入更接近现实的情形，AI 的行为便开始发生变化。若假定市场中存在不同认知层级的参与者，有人依赖直觉，有人进行有限次数的推理，AI 不再执着于理论极限，而是转而预测不同推理层级在群体中的分布，并据此选择一个“最优应对”的中间值。在这一阶段，AI 的决策逻辑已经不再是追求均衡本身，而是在博弈中“猜测平均行为”。
更进一步，当引入一种常见的市场心理，即当AI 相信“他人可能会过度理性化”，并因此刻意采取看似更直觉的策略时，AI也会随之调整判断。它开始意识到，理性本身可能引发反向反应：当多数人预期价格会被迅速压低时，选择更高的数值反而可能成为一种策略。这种看似“反理性”的行为，并非情绪化反应，而是对高阶预期结构的理性回应。
最后，当告知AI市场中还有“ 其他AI 正在参与其中”时，局面变得更加复杂。一部分参与者试图模仿 AI 的深度推理，向理论均衡靠拢；另一部分则可能反其道而行，刻意表现出更“人类化”的判断，以对冲这种下拉效应；还有一部分AI 也在学习其他AI的反应，同时相互影响。在这一过程中，AI 不再只是一个更强的计算者，而成为改变他人包括其他AI 预期的对象本身。
这一思想实验揭示了一个重要事实：人工智能并不只是提高了个体的推理能力，更重要的是，它改变了预期形成的整体结构。当价格主要由对他人行为的判断所驱动时，引入更“理性”的参与者，未必使市场更稳定，反而可能强化相互影响效应，使价格更快地偏离基本面，再通过预期反转而剧烈调整。
结语：当价格不再是价格——有为政府的理性基础
金融市场是否有效，从来就不是一个可以用“是”或“否”回答的问题。价格反映的不是单一真理，而是在特定制度、技术和心理条件下形成的预期结构。这一现象，并非只存在于学术讨论之中。当预期高度趋同、叙事自我强化时，市场亦可能面临结构性风险。
在这样的背景下，如果政策制定者将“价格永远正确”当作信仰，那么任何形式的前瞻性干预都会显得多余甚至有害；但一旦承认泡沫和非理性繁荣的可能性，且观察到市场力量正在自我强化，那么在某些情境下，政策当局“逆风而行”就具有明确的经济学依据。
这并不意味着政府要替代市场进行定价，而是意味着政府需要理解价格形成的机制：何时价格主要反映基本面，何时价格更多反映预期的预期，从而导致叙事趋同、风险积聚。在后者情形下，适度、审慎、以防范系统性风险为目标的干预，恰恰体现了一种理性而克制的“有为政府”。
