如何识别过热，以及过热的指示意义
今年5月以来，AI算力相关行业的PB和成交额占比历史分位普遍触及99%以上，多项指标创下2010年以来新高。
但同一批行业换个指标看，画面完全不同。
半导体近期PE高点126倍，2015年的高点是189倍，2020年是174倍，算不上极端；通信设备91倍，2015年107倍，同样如此。
如果再用流通市值占比去修正成交额占比，AI硬件的成交热度分位甚至只在70%附近。
同一个板块，到底是历史极端？还是中等水平？选哪个指标直接决定你看到什么风险等级。
一、PB 更准确
全市场行业2010年以来的股价顶部样本中，PB处于90%分位以上的占66%，但如果换成PE，只有58%。
热门行业见顶时PB百分位79%，PE百分位只有57%；
热门科技行业见顶时PB百分位83%，PE只有67%；
高景气周期行业（消费电子、新能源等）见顶时PB百分位100%，PE只有75%。
为什么PE在高景气阶段会失灵？
机制不复杂：盈利爆发式上修，从分母端把PE压了下来，估值读数恰好在见顶风险最高的时刻显得便宜。
半导体周期是典型例子，全球销售同比处于高点时，费城半导体的前瞻PE往往在历史80%分位以下。
看到PE回落就判断高估值已消化，这是经典的估值陷阱。
二、流通市值
用流通市值占比去修正成交额占比，初衷是想剔除行业体量增长带来的成交额自然放大的误导。
但行业冲顶的典型形态，恰恰是股价上涨、市值增长、成交放大三者同步发生。
流通市值占比的扩张本身就是资金涌入的结果，是信号的一部分。
拿它做除法，等于把分子分母中同源的上涨信息相互抵消，留下的东西更接近一个相对全市场的换手率。
在历史大顶附近读不出异常，这个结论本身就是对修正方法最好的反证。
三、
不管用哪个口径的成交指标，以99%分位突破作为观察点，交易过热对行业见顶的预测胜率都很低，大约在10%-20%之间。
极端交易热度出现后，投资的胜率和收益中位数并没有明显恶化。
强势科技样本过热后250个交易日胜率67%，收益中位数14.2%；
高景气样本胜率57%，收益中位数17.8%，收益预期甚至优于基准。
拥挤度只是刻画市场当下所处的状态，并不能指引未来的方向。
过热信号的真正含义不在于方向，而是波动，尤其是尾部风险的降临。
交易过热的预测成功率太低，不能当作卖出指令。但动则六七成的大幅回撤概率也不是可以无视的背景噪音。
正确的用法是风险评估的再修正：维持方向判断，按抬升后的尾部回撤概率重新校准仓位，有意识地做好对冲。
所以，看到过热的提醒，下不下车见仁见智，但系好安全带绝对是明智之举。
A 股高切低指数已经触及 60% 的区间上沿，这个指标衡量的是市场高位板块和低位板块之间分化的极端程度。 60% 是近三年的顶部位置，上一次碰到这个水平是 2021 年宁组合抱团瓦解前夕。 这轮 AI 硬件抱团有一个和以前完全不同的特征：大盘跌，主线反而更清晰了。 通常市场下跌的时候，板块高速轮动、主线混乱。 但 5 月以来，尽管指数波动放大，主线清晰度不降反升。 这意味着 AI 科技在资金眼里不是风险资产，而是某种避险资产
这种资产属性的畸变在历史上很少见。更值得注意的是第二层变化： 科技板块不再带动其他板块赚钱，而是在吸收其他风格的流动性。红利、消费、小微盘都在被抽水。 2021 年 1 月消费抱团末期出现过同样的信号。 消费板块从带动全场上涨切换到独自吸血，之后不到一个月就是拐点。 产业趋势股真正结束，往往呈现 M 顶。 左侧阶段性高切低和 M 顶的第一个顶在实战中容易混淆。 区别在于：阶段性高切低虽然时有产业分歧，但回头看往往跟产业逻辑受损无关，多与科技过热获利了结、宏观约束、低位板块受到政策催化有关。 只有两个条件成立，产业趋势才会真正终结：宏观灰犀牛出现，或者行业竞争格局崩坏。 眼下两个条件都不明确，AI 资本开支处于高位且难以证伪。