HKEJ - Byron Tsang 2026-05-08 [市價如何反映內幕交易]

美國司法部4月公布，一名美國陸軍士兵參與拘捕委內瑞拉前總統馬杜羅的軍事行動，掌握了機密資料，然後在Polymarket買入幾張跟馬杜羅去留、美軍會否進入委內瑞拉有關的合約。

美兵分多次押注馬杜羅被擄

好奇心驅使下，到網上下載區塊鏈數據，很快就找到疑似該位士兵的錢包，以及他的所有交易紀錄（這不是可以直接分析的數據。Polymarket的鏈上紀錄，一宗交易可以拆成很多行，要像拼圖那樣將其組合，才知道哪一邊是主動買入）。這個錢包是於去年12月26日開戶，之後一天開始買入，後來多次下注，到了1月2日晚上9時58分（亦即軍事行動前幾小時）作最後下注。這位士兵也許為了「低調」，分幾日、分幾張合約逐步買入，總額3萬多美元，主要集中在「馬杜羅1月底前失去權力」那張合約，其餘注碼分散在3張相關合約。

事後孔明，一個錢包突然就幾張跟軍事行動有關的合約作同一方向買入，當然可以懷疑。只是若我們只看市價，又可以留意到什麼？士兵買入之時，這些合約的價格甚低（亦即發生機會甚低），幾宗較大成交雖然的確推高了市價一兩個百分點，但很快便消失於無形。

真正的價格變化及成交明顯上升，要等到軍事行動前一小時左右。這跟那位士兵已沒有直接關係，可以是其他知情者，也可以是消息外洩、傳聞、觀察到軍事行動的人。

那位士兵的投注額不算大，不足以推高市價，這點不難理解。只是經濟學一個重要觀點，是資訊反映在價格上，無論是商人的生意決定，還是內幕人士早一步獲利，都會令市價變得更有效率。若價格沒有持續變化，效率從何說起？

知識分散在不同人手上，價格制度的作用，是毋須每個人都擁有所有知識，市場價格仍可把分散的資訊歸納成一個大家觀察到的訊號，令資源有效率地分配。內幕交易的市場價值，是這個論點的延伸：若內幕人士買賣股票，令價格更快接近正確的價值，其他人即可從價格知道事情有變，從而作出更好的決定，對大家都有好處。

資訊傳導價格路徑轉折

這位士兵（非法地）示範的，是資訊和價格之間，有一個不簡單的過程。歸根究柢，內幕人士下注，不是為了大眾利益，而是為了賺錢。若然一口氣大手買入，把價格明顯推高，愈買愈貴，對自己不利。

再者，愈快推高價格，愈有機會令秘密宣揚開去。內幕人士於是會小心翼翼，「低調」地作出看似普通的交易，慢慢累積目標資產。

這個道理看似簡單，卻足以修正很多關於市場價格的講法。資訊反映在價格之中，不等於每一宗知情交易都會帶來可見的價格變化。價格不是消息一到便自動改寫的機器，而是交易雙方在流動性、風險和互相猜度之間達成的結果。

內幕人士何時會買得進取？當市場交易額大、成交頻繁，就是最容易藏身之時。場內本來已有很多人買賣，一宗較大的買入不會顯眼，對價格衝擊也較輕微；市場愈單薄，買少少已足以推高價格，等於向全世界宣布自己可能知道什麼。內幕人士因此有「低調」的誘因，把交易拆細，等流動性高的時候才出手。

市價因此是充滿嘈音的訊號。價格升，可能是知情者買入，也可能是普通投機者追逐消息，又或造市者（market makers）調整報價，或者只是交易薄弱下幾宗交易帶來的跳動。價格不變，也不代表沒有內幕消息，可能只是知情者不想推動價格，又或其注碼相比市場規模實在太細小。

資訊反映在價格之中的講法，因此是一個理想化的思考起點，說明為何價格可以有資訊價值，也說明為何內幕交易有時會令價格更早接近真相。回到那位士兵的例子，重點不是說預測市場失靈，而是要分清楚兩件事：內幕消息被交易者轉化成利潤，不等於內幕消息被消化成大家可以觀察到的價格訊號。

HKEJ - Ivan Ho 2026-05-08 [科技股牛三vs舊經濟熊三]

美股處於局部牛三的狀態，相信沒太多人懷疑，爭論點只是這個狀態會維持多久。在美股指數續創新高之時，其實有不少舊經濟股是在年內低位徘徊。因為當前市場的憧憬，以及盈利的增長源頭，都是來自人工智能（AI）概念；而當前市場的憂慮，則是來自油價高企對普羅大眾日常消費及製造業毛利的影響，令市場出現冰火兩重天，一邊牛三，一邊熊三的狀態。

全球舊經濟股熊三，而港股舊經濟股的成份較重，故表現一直較外圍股市落後。中概科技股方面，更是出現近乎熊三的狀態，因為資金視之為舊經濟收入，卻加上龐大資本開支的代表。4月以來，外圍股市強勢，但港股開市後要不是高位回落，就是一條橫線，像是沒了心跳一樣，原因是全球資金炒作都集中在高新科技股上，而本港指數沒多追蹤這些股份。不過，指數缺「心跳」的狀況，在五一黃金周後似有曙光，源自內地一線城市的樓房銷售回升兼多年來首次出現「日光盤」。

內地樓市回穩有助外資回流

內地出招支持樓市多年，終於在深圳及廣州出現價格見承接之時。有一點值得留意，這次大賣的樓盤是在當地一線城市中位置較佳的地方。換句話說，如果新樓位置吸引，內地樓房還是有剛性需求。當有樓盤開始大賣，便較易出現價格回升的預期，畢竟樓市向來是愈跌愈無人問津，一升便有萬人排隊的資產。

姑勿論內地樓房價格能否大幅反彈，樓市回穩，對內地經濟意義重大，對各行各業也有傳導效應，與樓市相關度較高的板塊，立時有資金流入，如水泥股、建築玻璃股，以及鋼鐵股等，這些企業在過去多年深處內捲及需求下降之循環當中，現時內地樓市略見曙光，盈利出現轉向的預期升溫，較易吸引資金回流。

中央多年來力谷內需，但一直成效一般，原因是在樓價持續下行，財富效應萎縮，以及不斷有發展商倒閉拖數，皆影響內地消費意欲。如今樓市有轉機，對內地消費市道亦有幫助。當然，這次五一樓市小勝，能否進一步擴展成刺激內地經濟回穩的源頭，尚待時間觀察，但單從最近內地經濟數據看，經濟的確有逐步回穩的勢頭。

事實上，內地工業利潤率，在3月及4月，已連續兩個月同比大幅回升超一成，或與中央力推高新科技產業，以及在人工智能政策推動下，相關產業的利潤率較高有關。如此一來，既可創造出財富效應，也改變多年來內地企業在內需不振下，盈利一直下行，僅靠降本增效令盈利勉強維持的苦苦掙扎局面。

若非美伊戰事令國際油價高企，內地經濟數據年初以來其實明顯有改善，而內地企業亦在美國高關稅下調整過來，把出口轉向東南亞及歐洲市場。

中美元首會議後或現蜜月期

一旦美伊戰事結束，而中美元首會議未有挑起其他新的貿易爭端，則5月下旬，市場或會重新審視內地逐步回穩，兼受惠政策推動的經濟數據，利好內地及本港股市的舊經濟股及中概股，步出近乎「熊三」的狀態。

至於高新科技股呢？最近幾日已見走勢較為落後的內地晶片股發力追落後，而有關推動內地人工智能發展的政策消息亦漸增，只要美股在5月仍可維持熱度，中港股市有機會在本月一起維持一到兩周的蜜月期。

至於6月份我則有所顧慮，這源於聯儲局換屆，SpaceX完成招股，以及美股業績期完結後市場可能順勢獲利。還有，近日美股市場多了百億美元市值的「細價股」異動，美股市場過熱的調整訊號已乍現。

HKEJ - 2026-05-07 [美股鬼故]

經歷2月及3月的回調後，踏入4月，華爾街股市如脫韁野馬般抽升，並屢創歷史新高，展現出極強韌性。從歷史統計角度觀察，美股在創新高後不宜輕率判斷為估值過高，更遑論推斷隨時出現崩盤風險；尤其是本輪升勢主要由企業盈利所驅動，基本面具備相當支撐。然而，近期美市亦出現兩項不甚協調的發展值得關注，若相關情況持續惡化，或為短期後市增添波動。

破頂後入市回報不差

4月以來美股大反撲，納指更一度錄得連升13個交易日的罕見紀錄。單計4月份，標普500指數及納指分別上升10.4%及15.6%，後者更屬自2002年以來最強，4月迄今約24個交易日內兩大指數多達9個交易日同步刷新歷史高位，升勢凌厲可見一斑。

儘管標指已處歷史高位，市場普遍存在「畏高」情緒，但從長期數據來看，這往往並非看淡後市的理據。統計自1950年至今，若在指數創歷史新高當日入市，其後1年、3年、5年的平均回報分別為9.4%、28.3%、51%，均高於於其他時點入市的平均表現【圖1】，反映創新高本身未必意味走勢見頂。

再從估值角度分析，儘管指數較去年底上升約4%，但目前12個月預測市盈率反而回落至約20.6倍，較早前水平更吸引【圖2】。近月美股得以克服地緣政治的壓力反覆上揚，並出現「指數創新高、估值反回落」的現象，與企業盈利表現異常突出有莫大關係。

根據FactSet統計，截至5月1日，約六成三標指成份企業已公布今年首季業績，混合盈利增長率（Blended Earnings Growth Rate）高達27.1%，大幅超越季初預期的13.1%，亦屬2021年第四季（32%）以來最強的季度增長。整體混合淨利潤率（Net Profit Margin）同樣優於預期，達14.7%，若此水平最終得以維持，將創下自2009年有統計以來的新高，反映企業盈利能力顯著提升，基本面表現極為亮眼。

值得補充的是，觀察花旗編製的盈利預測修訂指數（ERI）年初至今持續向上，且明顯高於過去10年平均值【圖3】，即使2月底美伊衝突升溫，亦未有扭轉企業盈利普遍優於預期的看法，突顯本季盈利動能具備廣泛性及持續性。事實上，正是這股強勁且具延續性的盈利表現，成為近月華爾街股市上揚的核心催化劑。

話雖如此，當前美股仍存在兩項不協調的發展，一旦情況惡化，短期後市或將面臨額外波動，甚至加大調整壓力。這兩項不協調現象，分別體現在企業盈利表現與股價走勢兩個層面。

盈利增長集中少數科企

首先，雖然目前美股整體盈利質素可謂「無懈可擊」，但若拆解貢獻的分布，便不難發現相當大比例的增長，仍如2023年至今一樣主要來自「科企七雄」等大型企業。根據FactSet資料，這7家企業的盈利增長高達61%，而指數中其餘490多家企業的增長率僅16.4%。這種情況亦直接導致行業盈利，以至淨利潤率，呈現明顯分化。高盛估算，單是AI基建及相關雲服務，便將貢獻今年標指整體每股盈利增長的逾四成。

然而，盈利分布高度集中於少數科技巨企現象已存在一段時間，為何當下才特別值得關注？原因在於，當前科技巨頭，如微軟、Alphabet（Google母公司）、亞馬遜、Meta，近年已全面投入「AI軍備競賽」，在基礎設施上的資本支出（CapEx）持續攀升，甚至已達歷史性規模。摩根士丹利預測，2026年及2027年超大規模企業（即大型科企）的資本開支將分別逼近8000億美元 和1.1萬億美元，較此前預測的7650億及9500億美元進一步大幅上調【圖4】。

龐大資本支出正直接消耗企業手中的營運資金，並令其合併自由現金流迅速惡化。有分析預測，截至今年底，未來4個季度分析師自由現金流預測值，可能下滑至接近零的水平，與股價表現形成嚴重背離【圖5】。若這些科技巨企投入的大量算力，最終未能有效轉化為具體商業應用與服務，並為營收帶來實質貢獻，則其股價以至整體美市，所承受的壓力都不容忽視。

市寬未同步 升勢基礎弱

股價走勢方面，如前所述，自4月起，美股展開一輪報復式反彈，並延續至今，期間標指與納指更屢次刷新歷史高位。然而，若細看近期這一波升浪，不難發現漲勢市場寬度轉差。

以標指為例，在最近5個創新高的交易日中，有4日出現成份股下跌數目多於上升數目的情況。若觀察標指成份股在指數創新高時的表現，其股價較52周高位的差距中位數達13%，較歷史平均低約1.5個標準差【圖6】；這水平甚至較2008年金融海嘯及2020年疫情初期更為疲弱，突顯當前指數升勢與市場寬度之間存在明顯的不協調。若這種情況持續而未見改善，代表AI相關科技股仍然主導市況，指數後續便可能面臨相當大的回調壓力。

總體而言，當前美股在強勁企業盈利支撐下持續破頂，基本面仍具相當韌性，歷史數據亦顯示並非急跌訊號。然而，市場結構性隱憂正逐步浮現：一方面，盈利增長高度集中於少數大型科技企業，且AI相關資本開支急升，已開始侵蝕自由現金流，盈利與股價之間潛在背離風險上升；另方面，指數屢創新高而市寬明顯轉弱，多數成份股表現未能同步，反映升勢基礎趨於狹窄。若上述不協調情況持續，或將削弱升勢的可持續性，並增加短期調整的機會。

HKEJ - Ivan Ho 2026-05-05 [人工智能通脹汰弱留強]

美國大型科企業績期告一段落，最終Google母公司Alphabet在這季度再下一城，Meta則是績後回落幅度最大之股份。這次科企季度業績，顯現了人工智能硬件加價潮，對原來已背負天價資本開支的科企再添壓。無論是Meta抑或微軟，它們也透露現在付同樣的錢，能買到的算力，較上一季而言，已因人工智能通脹而降低。他們未來仍要增加資本開支，已不是全然因為看到需求上升，而是在加價潮下，它們若不進一步增加資本開支，未來算力便會下降。

Meta供應鏈自給自足比例低

在人工智能的競爭中，我對Meta的看法一向較為悲觀。Meta在是次業績中，把人工智能硬體加價對公司的影響，寫入其8K文件內（即定性為會影響投資人決策的重大事件），足見公司已感受到問題。未來人工智能賽道上勝負，已多了一個關鍵因素，就是供應鏈上的自給自足比例，這關乎企業如何抵消硬件加價對毛利率下降及折舊率上升的影響，但這都是Meta的弱項。

首先，它沒有自家雲業務，都是要買它人的算力，而這價格正在上升；其次是它的TPU晶片起步較慢，現在更有不少是向Google及亞馬遜（Amazon）訂貨，在人工智能模型晶片上所付的成本較高。

首富馬斯克（Elon Musk）為何現在要自建晶片工廠，正是認知到在晶片上如能作更大比例的自給自足，長遠在人工智能競爭中的重要性。

另外，投資新科技及初創企業上，Meta眼光也沒有Google及Amazon那麼精準。Google與Amazon更像是一家科技公司，在科技研發領域及投資創投上皆有成績，好像今年大熱的AI初創Anthropic，Google與Amazon都有份投資。而Space X亦見Google的手影。Meta呢？這些年來都只是收購一些競爭對手，在社交媒體上橫向發展，最大的「科技」投資計劃，則是現時已沒人再提的元宇宙。

硬體大幅加價考驗科企能力

Meta的強項，本來是現金流充足，其由人工智能帶動下的廣告收入持續增長。坊間普遍覺得它的護城河夠深，因為世人離不開社交媒體，但廣告收入總會有天花板，而且甚受經濟循環影響。這更像是一個一家企業早年有儲備，可以不斷「收息」，就算投資失利，也不「入肉」，但息率趨勢有波動，亦不代表它在人工智能的競爭中可以勝出，因為它「燒錢」的成果不及對手，在創建新業務時，遠見不足。

我在年初提出Meta股價將跑輸競爭對手時，Meta由700多美元一直插至530美元，隨後因公司改變了策略，人工智能大模型發展又終有了些起色，且它把大模型的定位，擴闊至擔當其他企業的人工智能銷售代理，以擴大收入來源，並繼續裁員減低成本，謀求收入可增長之餘，亦抵消龐大的資本消耗。雖然這只是九牛一毛，但股價當時仍應聲反彈。可是，當人工智能硬體不斷漲價，Meta的定位及缺乏科技研發基因的弱點，令其在資本開支一方面被迫增加，自由現金流進一步受壓；這與Google雲業務大幅增長63%、人工智能商業用戶急增及原來的業務亦受惠，令它在資本開支增加下，盈利上升步伐足以抵消資本開支的壓力相比，明顯較為輸蝕。而最令市場不安的，是行政總裁朱克伯格在分析員會議中，仍予人感覺是他也不知會燒錢燒到何時，最終是否能取得成功，也沒能令市場有足夠信心。因此，就算它的社交媒體護城河有多深，只是能幫它保命，這與它在人工智能發展中是否可以取得成功，完全是兩回事。

在此輪業績公布中，Google的員工總數是少有科企中呈上升趨勢。其他的科企則是持平或下降為主，當中Meta更是不斷裁員。Google逆勢增聘，反映它在人工智能這階段的發展，不單追得很快，而且從中創造了更多生意機會。這疊加其營運數據印證，它似乎更懂在人工智能狂潮中，平衡業務發展與開支的擴張。這個懂，建基於它早早已自研TPU，甚至最近公布已發展新內存算法，令它在這波漲價潮中，相對成本控制較其他科企為佳。當硬體大幅漲價，企業自身的毛利率及是否有能力把人工智能轉化成商業模型及執行變現，已成為未來勝負分野。

HKEJ - AI and Token

華爾街向來偏愛可預測的利潤率。但在生成式人工智能（AI）的淘金熱中，企業客戶正集體墜入一個由矽谷精心鑄造的定價黑洞。黑洞的核心，是聽起來極具科學嚴謹性、實則比橡皮筋還充滿彈性的計價單位：Token。如果你以為在不同AI模型之間比對每百萬Token的報價，就像在比較每加侖汽油的價格一樣直觀，那你大概已經是這場計程器騙局裏最順從的乘客。

在撕開這層科技術語的偽裝前，先講一個搬屋的故事。搬屋公司A報價每箱10元，用大箱子，你的單位裝了10箱，賬單100元。搬屋公司B報價低兩成，每箱只需8元，但紙箱像鞋盒大小，同樣的家當裝了18箱，盛惠144元。那個「更便宜」的報價，讓你多付了四成四。B沒有撒謊，每個數字都千真萬確，但你實質所付的錢更多，這就是今天AI模型定價的現況。

分詞器切分結果不同

表面上，各大模型供應商似乎在展開激烈的價格戰，數據說的卻是另一回事。把完全相同的內容餵給不同模型，並以OpenAI的GPT-5.4設為基準，所謂的「標準單位」瞬間現出原形。以Anthropic的旗艦模型Claude Opus 4.7為例，在處理包含工具調用（Tools）的複雜任務時，它的分詞器（Tokenizer）會將同樣的指令切碎成高達基準值2.65倍的Token數量。純文字場景已有一成七的膨脹；一旦進入企業最倚重的Agentic工作流，膨脹率便像吹氣球般失控。

這代表什麼？意味着即使牌面報價看起來相差無幾，實際的賬單卻會讓你大跌眼鏡。GPT-5.4在工具調用場景下的有效成本穩定在每百萬輸入Token 2.5美元，Claude Opus 4.7是13.25美元，相當於OpenAI的5.3倍。即便是處理普通JSON，Claude Opus 4.7的有效成本也高達8.5美元，是GPT-5.4的3.4倍。有趣的是，市場上並非沒有更誠實的標尺：Gemini 3.1 Pro Preview在純文字和結構化數據上的實際成本，比GPT低10%到15%，唯獨在工具調用上微幅上揚。但多數企業高管在簽署採購合約時，根本不知道自己應該問這些問題。

學術界早已對此發出警報：模型供應商完全有能力在不改變底層輸出的情況下，透過操縱分詞過程來浮報Token數量。試想一下，一個簡單的專有名詞「Damascus」正常分詞是兩個Token，但若供應商回報為8個，坐在API另一端的企業客戶要如何驗證？服務提供商能觀察到完整的生成與分詞過程，用戶只能看到輸出的文字和隨之而來的賬單。這不僅僅是技術上的不透明，根本是商業模式上的結構性尋租。

然而，這裏存在一個反直覺的弔詭。即使企業看穿了分詞器的把戲，它們也未必會離開。原因很簡單：轉換成本。企業已為某個模型量身打造的提示詞工程（Prompts Engineering）、圍繞其輸出特性校準的評估框架（Evals）、針對其上下文窗口微調的檢索架構、已經熟練掌握其API的整支工程團隊，這些沉沒投資構成了一道無形高牆。若要推倒重來，代價之高，足以讓企業在明知Anthropic的Tokenizer效率遠遜於GPT的情況下，仍然理性地選擇留下來，繼續繳納那筆隱形的溢價。

轉換含成本 黏性不等於價值

Anthropic創辦人阿莫迪（Dario Amodei）顯然深諳此道。他曾公開反駁「API業務終將被商品化」的論點，更進一步指出，AI模型之間的差異化程度遠高於雲端基礎設施。每個模型有不同「個性」，就像跟不同人交談。他甚至打趣道：如果房間裏有10個知識和身高都跟我差不多的人，難道我就被商品化了嗎？但我們都知道人力市場不是這樣運作的，AI也不是。

這番話很精巧，也很危險。精巧在於它確實點出了模型間的質性差異，不同模型擅長不同任務，輸出風格迥異，這不是CPU核心數那種可以量化到小數點後兩位的競爭。危險在於它同時是一張精美的遮羞布，把一個關鍵事實掩蓋在「個性」的華麗詞藻之下：黏性不等於價值。雲端服務的歷史已經把這個劇本演過一遍，AWS、Azure、GCP之間的技術差異，客觀上遠小於客戶實際體驗到的轉換摩擦。雲端廠商的利潤率裏，有多少是服務費，有多少是轉換成本的租金？這個問題，正在AI產業以10倍的速度重演，且計費層面的不透明度有過之而無不及。鎖定效應可以讓客戶多付五成甚至更多，而這些超額支付與模型品質毫無關係。

對於投資者而言，這幅圖景的含義值得逐一去拆解。

首先，Anthropic的收入品質需要被打上問號。如果其旗艦模型在工具密集型場景下的實際有效成本是OpenAI的5倍以上，那麼它在企業AI領域的市佔率，究竟有多少建立在模型能力上，又有多少建立在客戶尚未意識到分詞器差異的認知落差上？

Google全棧優勢被低估

隨着平行基準測試的分析日益普及，這層資訊屏障終將瓦解。屆時，Anthropic在下一輪融資或潛在IPO中的估值敍事，能否承受住這種定價脆弱性的衝擊？

與此同時，Google的定價紀律被市場嚴重低估了。Gemini在文字和結構化數據上的實際成本比GPT低10%到15%，在大規模企業部署中意味着數以百萬計的節省。市場的注意力被基準測試排名吸走了，卻忽略了一個更冷靜的事實：對於絕大多數企業工作負載，模型品質的差異可能只有個位數百分比，但成本的差異是倍數級。Google Cloud坐擁從TPU到模型到企業銷售的全棧優勢，一旦企業開始認真計算有效成本而非標價，Gemini的滲透率加速可能會讓市場措手不及。

更根本的趨勢是，Token作為計費單位的時代，可能正在走向終結。當一個計量單位如此缺乏標準化、不透明，如此容易被結構性地利用時，市場遲早會要求替代方案。無論按任務計費、按結果計費、按固定月費，哪一種都比「用一把你看不見刻度的尺子來量布」更誠實。率先推出透明定價模型的供應商，獲得的將不僅是商譽，而是與技術優勢同等量級的競爭護城河。

阿莫迪說得對，AI模型不是商品，它們各有所長。但當賣方同時定義計量單位、執行計量過程、並回報計量結果時，經濟學中最經典的「道德風險」與「資訊不對稱」便應運而生。

投資界有一條老規矩：永遠不要信任一個自己設定計量標準的賣方。當供應商告訴你每百萬Token只要幾美元時，你的第一個問題不應該是「這比競爭對手便宜嗎」，而應該是你的Token「有多大」？

這個問題的答案，價值數十億美元。而大多數企業，似乎還沒有開始問。

HKEJ - Byron Tsang 2026-04-29 [儲局議息後資訊含意靠估]

今天美國聯儲局又會完成一次議息會議，香港時間星期四凌晨2時，聯邦公開市場委員會發表議息聲明，半小時後主席會開記者會。3星期後，會議紀錄又會公開。這些程序，理財投資版的讀者都耳熟能詳。

一般看法是，聲明或記者會完結後，股市升即是市場喜歡，股市跌意味市場不喜歡，若股市無甚反應，就是沒有新聞了。這種看法不能說完全錯，惟可以問深一層：市場消化的，到底是什麼資訊？

3種方法分析市場反應

近年流行的一個研究題目，就是利用聯儲局事件前後極短時間內的金融市場變化，去量度其中包含的是什麼消息。事件包括聲明和記者會，可以是成員的演詞，也可以是主席到議會被照肺。

之所以限於極短時間，道理很簡單。若我們只看一整日的市場變化，中間有太多事情發生，業績公布、地緣政治，根本難以分辨。只看事件公布前後30分鐘，甚至更短的時間，雜音相對少。這時候期貨價格、債息若有明顯變動，就較有信心視之為聯儲局的影響。

只是影響從何而來？最簡單也是最傳統的解釋，是純粹的意外或驚喜/驚嚇。市場本來以為聯儲局會較溫和，結果聲明或記者會聽起來較強硬，貨幣政策比預期緊縮，股票就下跌了。

另一個可能是，聯儲局不是嚇市場一跳，而是在透露其對經濟走勢的判斷。市場若相信聯儲局掌握的訊息較全面、判讀較早，即使聯儲局沒有公開講「我們知道一些你不知道的事」，市場也會這樣解讀聲明。若聯儲局趨向緊縮，市場可能反而覺得經濟比想像中好，股市不跌反升。這個說法在學界一度相當流行，不過近年也遇到不少質疑。

還有一個近年愈來愈受重視的可能。市場其實早已知道大部分經濟消息，例如通脹、就業數字、金融條件，市場意想不到的，是聯儲局對這些消息的反應比預期要強或要弱。換言之，市場不是在了解「經濟發生了什麼」，而是在探究聯儲局的反應為何。

解讀空間比數據要多

這個分別聽起來很微細，其實很重要。若通脹數據剛公布，市場本以為聯儲局會輕輕帶過，結果主席相當重視，利率期貨自然會有所動作。這時候，市場不是突然知道通脹高，而是突然覺得聯儲局會更認真對付通脹。兩者在利率市場上表面相似，但經濟含義並不一樣。

這個研究題目的難度在於，我們不難證實市場對事件有所反應，惟要把事件分門別類，拆解成不同形式的資訊，答案可以眾說紛紜。

問題在於，剛才提到的資訊都不是直接可以觀察得到的東西，而是需要利用模型，再加上一堆假設，才能推算出來。就算我們同意來自聯儲局的資訊有以上3種，只要我們使用的模型不同，又或對於某些假設有不同意見，就會有不同解讀了。麻煩的是，聯儲局一年通常只有8次例會，即使加上記者會、會議紀錄、演詞和國會作證，真正可以研究的事件仍然有限，而每一次事件的解讀空間卻很多：是政策本身出乎意料，是聯儲局透露了經濟前景，還是市場重新估計聯儲局的反應？

學術研究的「實用」之處，往往不是提供確切的答案，而在提供一套分析方法。如何解讀聯儲局事件，雖然答案眾說紛紜，但這些研究至少可以幫我們釐清問題。下次議息聲明公布後，若新聞標題又說市場「消化」聯儲局言論，大家就可以追問：市場到底消化了什麼？

HKEJ - Tommy Leung 2026-04-24 [從對手股價看百佳惠康合併] (市場集中度效應與效率效應)

街坊放工去超市，第一個問題通常不是超市市場有否壟斷，而是今晚買餸去邊間較就腳、會員價是否真有誠意、盒蛋有沒有又悄悄加了兩元。據英國《金融時報》及多家本地財經媒體報道，擁有惠康的怡和正與長和（00001）磋商，研究收購百佳，並把兩個品牌整合。若成事，香港超市版圖肯定要重畫。

消息一出，很多人都認為兩大超市合併，還得了？以後街坊是否連「第二件半價」都要靠回憶過活？這個擔心不難理解，但經濟學的第一步通常不是先喊壟斷，而是先問一個聽來有點悶、其實最關鍵的問題：我們究竟在談哪一個市場？

壟斷與否視乎市場界線

欄友徐家健指出，判斷是否壟斷，先要看市場如何界定。若把時間拉回未有網購、未有即時送貨的年代，香港超市市場確實長期由百佳與惠康主導。若今天仍然只把實體超市視為市場，兩者一旦合併，市佔率自然高得驚人。按照一些舊口徑數據，2023年兩者合計份額甚至接近九成。

但問題是，2026年的街坊未必再只在屋苑樓下兩間超市之間二選一。外賣平台foodpanda、HKTVmall、淘寶和京東（09618）到港配送，甚至各類即時送貨服務，全部都在搶同一個錢包、同一張餐桌，某程度上也是在搶同一部手機。對實體店來說，今日最兇猛的對手，未必是對面街那間超市，反而可能是褲袋裏那個App。

更重要的是，消費者的轉換成本正不斷下降。以前嫌轉去另一間店麻煩，現在按幾下、比一比價、順手再輸入優惠碼，貨已在路上。於是，反壟斷問題很多時不是答案太難，而是問題本身怎樣問。市場邊界畫得窄，合併就像怪獸。市場邊界畫得闊，圖像又完全不同。

合併雙方會否覺得划算，這點其實幾乎不用討論：若百佳和惠康都覺得完全無着數，交易根本不會談。真正值得看的，是其他沒有參與合併的競爭者會怎樣。這正是我在工業組織理論課堂常教的一個概念。

競爭者受兩股力量拉扯

合併對行內其他競爭對手，至少有兩股力量在拉扯。第一股是市場集中度效應。當行業集中度提高，競爭壓力下降，大家都更容易賺錢。假如這股力量較大，受惠的不只是合併後的新巨頭，連競爭對手都可能搭順風車，因為整個行業都沒有以前鬥得那麼狠。

第二股是效率效應。兩大超市若真的整合，理論上可以關掉重複店舖，合併物流、倉儲和採購，減少人手和後勤重疊，甚至提高對供應商的議價能力。如果節省下來的成本足夠大，合併後那家公司會變得更強、更有效率，到時它未必只會更容易加價，更可能是更有本錢搶生意、做促銷、壓對手。這樣一來，競爭對手反而會受壓。

在教科書的理論模型裏，這兩股力量誰較大，往往可以從局外人的股價反應看出端倪。倘消息一出，其他競爭者股價也升，市場多半覺得集中度效應佔上風。若其他競爭者股價跌，市場較可能相信這次合併的重點是效率提升，而不是單純多了一個加價藉口。

若以這個角度看，4月16日和4月17日幾隻相關股票的表現【附表】，多少有點參考價值。

如果只看這張圖表，市場似乎比較像在押注效率效應。京東和HKTVmall母企香港科技探索（01137）都跌，阿里則幾乎不動，甚至微升。當然，這個訊號不能讀得太實。京東和阿里的主要戰場都不在香港，香港超市消息對其整體估值只是大海中一滴水。阿里業務太多，股價本來就容易被其他中國科技消息蓋過。至於HKTVmall，成交一向不算特別活躍，價格噪音也較大。

即使如此，若然與本地食品零售、網購雜貨更貼近的競爭者沒有受惠，反而下跌，這至少和「合併後只會更易加價，所以大家都應該開心」的故事不太一致。市場更像是在認為，百佳與惠康真的合體，最可怕的地方未必是它們更大，而是它們可能更精簡、更有效率，之後連會員價、送貨、存貨管理和促銷節奏都較難應付。