2026-10-16 賺了兩百多趴，為何大家只想逃命？

跌掉 18% 背後的驚人對比

想像一下，你手裡有一支股票，今年年初買進的時候，它表現得簡直像個寵兒，一路狂飆，到現在竟然已經累積漲幅高達 271% 了。這聽起來是不是非常令人興奮？換作是大多數人，現在的心情應該是準備要找個地方慶祝，或是思考如何把利潤落袋為安。

然而，就在最近這兩天，這場狂歡突然變成了驚魂記。戴爾科技（Dell Technologies）的股價在短短兩天內重挫了 18%。週三先是跌了 11%，接著週四又跌了 6.8%。對於那群年初至今賺了兩倍多的投資人來說，這簡直是一場噩夢。

這波拋售潮不僅僅是戴爾一家公司的事，整個資料中心設備類股都跟著一起跌。大家原本對 AI 伺服器和相關硬體的需求抱持著極大的期待，甚至覺得這波 AI 浪潮會帶動長期的經濟成長，但現在，市場的情緒卻從「瘋狂追漲」瞬間切換到了「恐慌逃命」。

為什麼明明手裡握著這麼豐厚的利潤，大家卻不再看著那 271% 的漲幅，反而盯著那 18% 的跌幅，甚至不惜在利潤縮水前趕快清倉呢？

為什麼「失去」比「得到」更痛？

要理解這種「明明賺了很多，卻只想逃跑」的奇怪行為，我們不能用傳統的經濟學邏輯來思考，因為傳統經濟學假設人類是「理性」的，會追求「期望效用最大化」。簡單來說，傳統理論認為，如果你賺 100 元的快樂，應該跟賠 100 元的痛苦程度是一樣的。

但現實情況顯然不是這樣。心理學家丹尼爾·康納曼（Daniel 凱曼恩）和艾摩斯·特沃斯基（Amos Tversky）提出了「展望理論」（Prospect Theory），用來解釋這種不理性的決策。

展望理論的核心機制之一，就是「損失厭惡」（Loss Aversion）。所謂損失厭惡，就是我們對「失去」的敏感度，遠高於對「得到」的敏感度。具體來說，同樣是 100 美元的虧損所帶來的痛苦感，往往比賺取 100 美元所帶來的快樂感要強烈好幾倍。

回到戴爾的案例。當投資人看到 AI 支出可能不足以支撐成本、利率上升可能推高融資成本這些負面消息時，他們腦中產生的不是「我還有兩百多趴的獲利可以吃」，而是「如果這波跌勢持續，我辛苦賺來的利潤會被賠光」。

這就是為什麼巴克萊（Barclays）將戴爾的評級從「加碼」下調至「中立」，並下修目標價時，市場會出現如此劇烈的反應。對投資人而言，保住現有的利潤（避免損失）的動力，遠比追求更高的利潤（追求獲利）的動力要大得多。

當不確定性遇上「極端事件」

展望理論還有另一個關鍵機制，叫做「對極端事件的過度加權」。

在做決定時，人類的大腦會不自覺地放大那些機率很低、但後果很嚴重的「極端事件」。我們不太會去算機率到底是多少，而是會被那個「萬一」給嚇到。

現在的市場正處於一種極度的「不確定性」之中。投資人正在擔心幾個關鍵問題：企業在 AI 方面投入的錢，真的夠付昂貴的基礎設施成本嗎？OpenAI 的營收數據是否如預期？利率上升會不會讓 AI 專案變得負擔不起？

巴克萊的分析師也點出了一個讓人不安的觀點：他們目前還沒看到企業支出出現「顯著的 AI 轉折」，目前的營收成長，很大一部分其實是來自於記憶體價格上漲，也就是說，公司只是把成本轉嫁給客戶而已，而不是真的因為 AI 需求大增。

當這種「營收成長可能只是幻象」的疑慮出現時，投資人會開始過度加權「AI 泡沫破裂」這個極端事件的機率。雖然目前還沒有證據顯示 AI 泡沫已經破滅，但這種「萬一真的崩潰了怎麼辦」的恐懼，會引發集體的拋售行為。這種集體恐慌會導致市場風險偏好急劇收縮，進一步引發更多人的賣壓，形成一種惡性循環。

這種心理也會出現在你的生活中

展望理論與損失厭惡，其實並不只存在於股市的 K 線圖裡，它深深地烙印在我們每個人的日常決策中。

最經典的例子就是「股市大跌時的恐慌拋售」。很多投資人在長期基本面明明還算穩定的情況下，只要看到股價連續幾天大跌，就會因為無法承受「利潤縮水」的痛苦，而選擇在最低點割肉出場。

在日常生活中，這種心理也隨處可見。比如你在網購時，看到「限時優惠倒數 10 分鐘」，這種設計就是在利用你的「損失厭惡」——讓你覺得如果不趕快買，你就「失去」了這個便宜的機會，進而促使你做出衝動的購買決策。

再或者，關於「賭徒心理」。很多賭徒在輸錢後，會表現出極度不理性的行為，紛紛選擇「加倍下注」（Double down）。這背後的邏輯是，他們不願意接受「已經輸掉的錢」這個既定事實，因為接受損失意味著承認失敗的痛苦，所以他們試圖透過增加風險來試圖「彌補」損失，結果往往是陷得更深。

了解了這些心理機制，下次當你看到市場因為某個負面消息而出現劇烈震盪時，你或許能跳脫情緒，試著問問自己：我現在的恐慌，是真的因為基本面壞了，還是僅僅因為我的「損失厭惡」在作祟？

看透恐慌背後的心理機制，我們才能在變幻莫測的資訊浪潮中，保持一份冷靜的理智。

一單新聞，一個理論，少一分糊塗。

收聽Podcast: youtu.be/yYOausoZ8a0