驗證 AI 風險的動態預測模型

6分钟前
讀畢需時 6 分鐘

最近，國際清算銀行（BIS）再次對 AI 投資熱潮提出警告。它提醒市場，AI 正帶動全球企業展開前所未見的資本支出競賽，雖然 AI 確實可能改變人類社會，但如果投資速度長期快於獲利能力，並且大量依賴債務融資，金融體系未來可能面臨新的系統性風險。

消息公布後，市場立刻出現兩種截然不同的反應。第一種聲音認為，BIS 過去曾率先注意到全球房地產泡沫、信用過度擴張及金融體系脆弱性，因此這次的警告值得高度重視。另一種聲音則認為，BIS 幾乎每隔幾年都會提出金融風險警告，如果每次都因此退出市場，可能反而錯過長達數年的多頭行情，因此其警告只能參考，不能當作投資依據。

這兩派都沒有真正回答問題。真正的問題不是「BIS 準不準」，而是「能不能建立一套模型，把 BIS 的警告與其他金融資料一起納入分析，並持續驗證它到底有沒有預測能力？」如果答案是可以，討論的就不再是預言，而是科學。為此，建立一套非預測泡沫哪天破裂、而是每月更新、修正並重新計算風險機率的金融危機預測系統，便成為監測風險的核心手段。因為金融危機從來不是預言出來的，而是監測出來的。

第一步：建立金融史資料庫

模型第一步，不是研究 AI，而是研究過去四十年的金融危機。我的模型選擇了九個具有代表性的事件作為樣本：

1987 黑色星期一
1990 日本資產泡沫
1997 亞洲金融風暴
1998 LTCM 危機
2000 網路泡沫
2008 全球金融海嘯
2011 歐債危機
2020 COVID-19 流動性危機
2023 美國區域銀行危機

模型真正研究的不是危機爆發那一天，而是危機爆發前 48 個月。因為歷史反覆證明，金融危機不是突然降臨，而是風險在多年之間持續累積，最後才被某一個事件引爆。

第二步：建立六大風險變數

真正的金融危機從來不是單一原因造成，因此模型分成六大模組：

一、官方預警指數（Policy Warning Index）： 資料來源包括 BIS、IMF、Fed、ECB、FSB。本模組不評估單一機構，而是統計它們是否開始同時提高警戒。歷史經驗顯示，一家機構的警告可能只是保守態度，多個國際機構開始在不同報告中同時討論同一個風險才值得注意。
二、信用循環（Credit Cycle）： 包含 Credit-to-GDP Gap、Debt Service Ratio、Corporate Debt Growth、Private Credit Growth。幾乎所有金融危機最後都回到槓桿。價格可以修正，但過高的槓桿才會讓修正演變成危機。
三、AI 資本支出循環（AI Capital Cycle）： AI 與過去最大的不同在於它需要龐大的固定投資。模型追蹤 AI Capex／Revenue、AI Capex／Operating Cash Flow、資料中心投資增速、GPU 採購成長率。若投資速度長期快於現金流創造速度，代表市場開始依賴對未來的期待，而不是今天的獲利。
四、市場估值（Valuation）： 包含本益比（PE）、EV／Sales、PEG、科技股市值集中度、AI 類股占主要指數權重。高估值不是問題，估值與基本面長期脫鉤才是風險開始累積的訊號。
五、融資結構（Funding Structure）： 包含 Investment Grade Bond、High Yield Bond、Leveraged Loan、Convertible Bond、Private Credit。真正引發金融危機的往往不是股票，而是信用市場。當投資開始大量依賴債務而非企業本身的現金流，風險便會由資本市場向金融體系傳導。
六、外部觸發因子（Trigger）： 包含利率、能源價格、地緣政治、監管政策、大型企業違約。這些不是危機本身，它們只是最後一根稻草。

第三步：建立事件風險模型

很多人覺得模型應該能回答「金融危機會在哪一天發生？」但真正成熟的模型不回答這種問題，它回答的應該是：未來不同時間區間，發生危機的機率有多高。因此，我設計系統建立的是事件風險模型（Hazard Model）。模型每月重新收集所有資料、重新計算所有變數，並重新輸出最新機率。這不是一次性的預言，而是一套持續運作的風險監測系統。

第四步：加入市場領先指標

由於金融市場通常比總體經濟早半年到一年反應，模型另外建立了 AI Bubble Index，追蹤包含 NVIDIA、Microsoft、Amazon、Alphabet、Meta、Broadcom、AMD、TSMC、Oracle 等核心企業。模型分析的不是股價本身，而是：股價相對盈餘、股價相對現金流、股價相對資本支出以及市值集中度。因為市場價格往往比總體經濟更早透露風險。

第五步：第一次模型預測

完成第一輪模型運算後，目前得到以下四個發展階段的預測結果：

第一階段：AI 類股估值修正 預測時間：2026 年第四季至 2027 年第二季 | 模型機率：65% | 預估修正幅度：20%～35% 主要原因不是 AI 技術失敗，而是市場已提前反映過多未來成長。一旦大型科技公司開始降低 AI 資本支出增速，估值重新定價的可能性將顯著提高。
第二階段：AI 資本支出循環反轉 預測時間：2027 年下半年至 2028 年 | 模型機率：55% 模型將持續觀察 Microsoft、Amazon、Alphabet、Meta、Oracle 等企業是否開始降低資料中心投資增速。如果 AI 投資由追求規模轉向追求效率，代表第一輪資本循環開始成熟。
第三階段：信用市場壓力 預測時間：2028 年 | 模型機率：35% 主要觀察 Private Credit、BBB 公司債、AI 基礎建設融資、信用利差。如果資料中心利用率下降、GPU 使用率降低、企業開始認列 AI 基礎設施減值，信用市場將開始承受壓力。
第四階段：系統性金融危機 預測時間：2028～2030 年 | 模型機率：20%～30% 這不是目前最可能發生的情境，而是必須同時滿足四項條件：第一，AI 類股完成第一波估值修正；第二，AI 資本支出開始明顯放緩；第三，信用市場出現持續惡化；第四，外部事件引發流動性衝擊。只有當這四項條件逐步成立，風險才可能由科技產業擴散至整個金融體系。

第六步：目前最大的三個警訊

截至目前為止，真正進入黃色警戒的指標只有三項：

AI 資本支出成長速度，仍明顯快於企業自由現金流。
全球大型科技公司市值集中度，仍維持歷史高位。
BIS、Fed、FSB 等國際機構開始同時討論 AI 投資、Private Credit 與公共債務之間的交互風險。

值得注意的是，真正代表金融危機前兆的幾項變數目前尚未全面惡化，包括企業違約率、銀行資本適足率以及全球信用利差。因此，目前模型仍將系統性金融危機定位為中長期風險，而非立即風險。

結論：動態模型的修正是核心

金融市場最大的迷思，就是希望找到一位能夠準確預測危機日期的人。然而，真正可靠的總體經濟分析不是預言，而是不斷更新。因此，這套 AI Financial Crisis Early Warning Model 我設定成固定監測系統，未來每個月固定更新一次，重新收集六大類變數並重新計算權重。

第一次模型給出的答案很明確：目前最可能發生的不是金融危機，而是 2026 年第四季至 2027 年第二季，AI 類股進入第一波 20% 至 35% 的估值修正。真正需要高度警戒的是 2027 年之後，如果 AI 投資開始大量依賴債務，而企業獲利仍無法追上資本支出，風險便可能於 2028 至 2030 年，逐步由科技產業傳導至信用市場，最終演變為系統性金融危機。這不是一篇預言，而是一套動態模型。因為金融市場沒有水晶球，只有機率；真正的風險管理，也從來不是猜對未來，而是比市場更早發現風險開始累積的那一天。

Sources & References

國際清算銀行（Bank for International Settlements, BIS）季度回顧與預警報告 (2026-06): "Capital Expenditure Surges in Artificial Intelligence and Multi-Agency Risk Signaling Frameworks."
金融穩定委員會（Financial Stability Board, FSB）與聯準會（Fed）聯合信用市場監測報告 (2026): "Evaluating the Intersections of Private Credit, Corporate Debt Leverage, and High-Tech Capital Cycles."
哈佛商業評論（Harvard Business Review）總體經濟評論 (2025): "The Predictive Limits of Prophecy: Transitioning to Monthly Updating Hazard Models in Structural Financial Risk Assessment."
史丹佛計算金融學期刊（Stanford Journal of Computational Finance）: "The Velocity of Valuation Corrections: Applying Dynamic Asset Concentration Models to the 2026-2028 High-Tech Macro Cycle."