Kredyt, gorączka i sztuczna inteligencja: jak inwestorzy indywidualni powtarzają błąd z 1929 roku

Latem 2026 roku na rynkach kapitałowych trwa jeden z najbardziej spektakularnych boomów inwestycyjnych ostatnich dekad. Napędza go entuzjazm wobec sztucznej inteligencji – technologii, która ma zrewolucjonizować gospodarkę, ale której realne przychody wciąż w większości przypadków nie nadążają za wyceną spółek z nią kojarzonych. Coraz więcej sygnałów wskazuje, że znaczna część tego wzrostu opiera się nie na kapitale własnym inwestorów, lecz na pożyczonych pieniądzach – kredytach maklerskich (margin debt), pożyczkach pod zastaw papierów wartościowych oraz coraz bardziej wyrafinowanych instrumentach lewarowanych. To zjawisko, choć dziś ubrane w język „rewolucji technologicznej”, ma swój niepokojący pierwowzór w wydarzeniach sprzed niemal stu lat – w krachu na Wall Street w 1929 roku, który również został poprzedzony gwałtownym wzrostem inwestowania na kredyt.

Ten artykuł nie jest prognozą krachu. Jest natomiast próbą pokazania, na podstawie twardych danych, że mechanizm napędzający obecną hossę AI – rosnąca dźwignia finansowa wśród inwestorów indywidualnych połączona z wycenami oderwanymi od fundamentów – ma udokumentowane historyczne precedensy, które kończyły się bolesnymi korektami.

Rekordowe zadłużenie maklerskie – skala zjawiska

Najbardziej wymierną miarą tego, ile pożyczonego kapitału napędza dziś giełdę, jest tzw. margin debt, czyli suma kredytów udzielanych przez domy maklerskie inwestorom na zakup akcji. Dane FINRA (amerykańskiego regulatora rynku finansowego) pokazują skalę zjawiska bardzo wyraźnie.

W maju 2026 roku zadłużenie na rachunkach maklerskich w USA osiągnęło rekordowy poziom 1,42 biliona dolarów – to wzrost o 53,7% rok do roku. Analitycy RIA Advisors zwracają uwagę, że jednocześnie tzw. saldo kredytowe netto spadło do rekordowo ujemnego poziomu -991,7 mld dolarów, co oznacza, że rezerwy gotówkowe inwestorów są historycznie cienkie, a ryzyko wymuszonej wyprzedaży w razie spadków – wysokie.

Tempo przyrostu zadłużenia jest równie istotne co jego poziom nominalny. Z danych Advisor Perspectives wynika, że w kwietniu 2026 roku margin debt wzrósł o 6,8% miesiąc do miesiąca i aż o 53,3% rok do roku, osiągając wówczas 1,30 biliona dolarów. Analiza realnego (skorygowanego o inflację) zadłużenia na przestrzeni ostatnich dekad pokazuje, że od 1997 roku do dziś realny margin debt urósł o 503%, podczas gdy sam rynek – o 338%. Innymi słowy: dług rośnie systematycznie szybciej niż wyceny akcji, które ten dług napędza.

Inny artykuł branżowy, powołujący się na dane FINRA sprzed kilku miesięcy, zwracał uwagę, że tempo przyrostu zadłużenia inwestorów jest najszybsze od trzech dekad, a wskaźnik netto margin debt do kapitalizacji amerykańskiego rynku przekroczył 1,25% – to poziom zbliżony do najwyższych w historii danych sięgających 1997 roku. W tym samym okresie wskaźnik CAPE (Cyclically Adjusted Price-to-Earnings) autorstwa noblisty Roberta Shillera osiągnął poziomy niewidziane od czasów bańki dot-com.

To zjawisko nie ogranicza się do Stanów Zjednoczonych. W Korei Południowej, gdzie inwestorzy detaliczni masowo przenieśli kapitał z kryptowalut do spółek półprzewodnikowych powiązanych z boomem AI (Samsung Electronics, SK Hynix), zadłużenie maklerskie na koniec czerwca 2026 roku osiągnęło rekordowe 38,48 biliona wonów (ok. 24,8 mld dolarów), a koncentracja lewarowanych pozycji w pojedynczych spółkach technologicznych sięga – według analityków – nawet 75%, co określane jest jako „ryzyko systemowe”. Analitycy Korea Investment & Securities ostrzegają, że rynek jest podatny na presję sprzedażową nawet przy niewielkich wstrząsach, ponieważ znaczna część kapitału pochodzi właśnie z pożyczek.

Wyceny AI oderwane od przychodów

Drugim filarem problemu jest to, że pożyczony kapitał trafia w akcje spółek, których wyceny rynkowe wielokrotnie przewyższają generowane przez nie przychody, a często – w ogóle nie generują one zysku.

Palantir Technologies stał się w tym kontekście symbolem epoki. W szczytowym momencie na przełomie stycznia 2026 roku spółka notowana była przy wskaźniku cena/sprzedaż (P/S) na poziomie 111 – niemal czterokrotnie powyżej poziomu 30, który historycznie (na podstawie ponad trzech dekad danych) sygnalizował narastanie bańki spekulacyjnej w kolejnych „przełomowych” trendach technologicznych. Dla porównania: w szczytowym okresie bańki internetowej (1999-2000) czołowe spółki internetowe rzadko przekraczały wskaźnik P/S w przedziale 30–45, a mimo to żadna spółka na czele przełomowej technologii nie zdołała utrzymać wskaźnika powyżej 30 w dłuższym okresie.

Nawet po korekcie – spadku kursu o ponad 35% od szczytu z listopada 2025 roku – Palantir w lipcu 2026 roku wciąż notowany był przy prognozowanym wskaźniku P/S rzędu ~65 oraz prognozowanym P/E sięgającym niemal ~148. Dla porównania, Nvidia – spółka o zbliżonym lub wyższym tempie wzrostu przychodów (85% rok do roku) – wyceniana jest na zaledwie 23x prognozowanych zysków. Innymi słowy, rynek płaci za Palantir wielokrotność tego, co płaci za lidera branży generującego realne, gigantyczne zyski. Analitycy Motley Fool szacują, że aby uzasadnić obecną wycenę, spółka musiałaby osiągnąć około 42 mld dolarów przychodu i 61% marży wolnych przepływów pieniężnych do 2030 roku – podczas gdy prognozowany przychód na 2026 rok to około 7,65 mld dolarów.

Jeszcze bardziej wyrazistym przykładem jest CoreWeave, dostawca infrastruktury chmurowej dla modeli AI. W pierwszym kwartale 2026 roku spółka odnotowała przychody na poziomie 2,08 mld dolarów – to ponad dwukrotny wzrost rok do roku – ale jednocześnie stratę netto w wysokości 740 mln dolarów, czyli więcej niż w analogicznym okresie rok wcześniej (315 mln dolarów straty). Całkowite zadłużenie spółki wzrosło do niemal 25 mld dolarów, a same koszty odsetkowe w jednym kwartale wyniosły 536 mln dolarów. CoreWeave zgromadziła około 28 mld dolarów finansowania (kapitał własny i dług) w ciągu dwunastu miesięcy do marca 2026 roku, planując jednocześnie wydatki inwestycyjne (capex) rzędu 30-35 mld dolarów w 2026 roku. Analitycy z Sacra ostrzegają, że część z około 7,5 mld dolarów długu zabezpieczonego kartami graficznymi (GPU) obarczona jest kowenantami, które – zdaniem analityków – mogą zostać naruszone już w 2027 roku, jeśli wartość układów scalonych będzie spadać szybciej, niż zakładano. To model biznesowy, w którym rosnące przychody idą w parze z jeszcze szybciej rosnącym zadłużeniem i pogłębiającymi się stratami – sytuacja odległa od klasycznego obrazu „zdrowego wzrostu”.

Problem nie ogranicza się do pojedynczych spółek. Więksi gracze technologiczni (tzw. hiperskalerzy: Amazon, Microsoft, Meta, Google) w coraz większym stopniu finansują budowę centrów danych AI długiem, a nie tylko wolnymi przepływami pieniężnymi. Według danych cytowanych przez Investing.com, w 2025 roku hiperskalerzy wyemitowali obligacje o wartości około 121 mld dolarów, wobec 28 mld dolarów rok wcześniej – ponad czterokrotny wzrost.

Firma Oracle planuje w 2026 roku wydatki inwestycyjne przekraczające jej operacyjne przepływy pieniężne o co najmniej 40%. Łączne wydatki kapitałowe Big Tech na infrastrukturę AI mają w 2025 roku sięgnąć 405 mld dolarów, a Goldman Sachs szacuje, że w latach 2025 – 2027 może to być łącznie nawet 1,15 biliona dolarów. Po raz pierwszy od około 20 lat zarządzający funduszami globalnymi w ankietach zaczęli otwarcie ostrzegać, że duże spółki mogą „nadmiernie inwestować” (overinvesting). Warto dodać przykład skrajny: OpenAI zadeklarowało wydatki rzędu 1,4 biliona dolarów w ciągu ośmiu lat na centra danych, mając obecnie roczny przychód na poziomie zaledwie około 25 mld dolarów w ujęciu annualizowanym.

To tworzy podwójną warstwę dźwigni: inwestorzy indywidualni pożyczają pieniądze, by kupować akcje spółek AI, a same te spółki pożyczają ogromne sumy, by budować infrastrukturę, której zwrot z inwestycji pozostaje niepewny. Jeśli tempo wzrostu przychodów z AI rozczaruje rynek, obie warstwy zadłużenia mogą znaleźć się pod presją jednocześnie.

Porównanie do Wielkiego Kryzysu z 1929 roku

Mechanizm napędzający hossę przed krachem 1929 roku był uderzająco podobny do dzisiejszego, choć skala i instrumenty się różnią.

W latach 20. XX wieku amerykańscy inwestorzy mogli kupować akcje, wpłacając zaledwie 10% wartości transakcji – pozostałe 90% pożyczał makler, który z kolei zaciągał kredyt w banku pod zastaw tych samych akcji. Ten mechanizm, znany jako „kupowanie na margines” (buying on margin), doprowadził do tego, że tzw. call loans (pożyczki dla maklerów) urosły do około 8,5 mld dolarów – kwoty przewyższającej całą ówczesną podaż pieniądza w Stanach Zjednoczonych. Cała ta piramida długu opierała się na założeniu, że ceny akcji będą rosły w nieskończoność. Warto dodać kontekst społeczny: w latach 1923–1929 zyski korporacji wzrosły o 62%, podczas gdy płace i wynagrodzenia – tylko o 11%. Gospodarka realna nie nadążała za spekulacyjnym wzrostem wycen, dokładnie tak jak dziś przychody wielu spółek AI nie nadążają za ich kapitalizacją rynkową.

Punktem wyjścia do porównań w 2026 roku jest właśnie ta strukturalna analogia. Jeden z artykułów analitycznych, powołujący się na dane FINRA, wskazuje wprost, że margin debt rośnie ponad dwukrotnie szybciej niż sam rynek – to ten sam wzorzec, jaki odnotowano bezpośrednio przed krachami z 1929, 2000 i 2008 roku. W ujęciu realnym (skorygowanym o inflację) obecny poziom zadłużenia maklerskiego jest już około 6,7 razy wyższy niż w 1929 roku.

Inne zestawienie historyczne, przygotowane przez analityków rynkowych, bezpośrednio zestawia mechanizmy poszczególnych baniek: w 1929 roku motorem było zadłużenie maklerskie inwestorów detalicznych wpłacających jedynie niewielki depozyt własny; w 2007 roku – lewarowane kredyty hipoteczne pakowane w złożone instrumenty finansowe; w 2000 roku – dług korporacyjny zaciągany przez nierentowne spółki internetowe pogonione za wzrostem. We wszystkich trzech przypadkach wspólnym mianownikiem było to, że dźwignia finansowa wzmacniała zarówno zyski, jak i – gdy trend się odwrócił – straty, przyspieszając i pogłębiając załamanie.

Nie brakuje też głosów bardziej wyważonych, podkreślających istotne różnice względem poprzednich baniek. Analiza Pareto Investor zwraca uwagę, że dzisiejsi giganci technologiczni (tzw. Magnificent Seven) mają realne zyski – zwrot z kapitału własnego na poziomie 46% i marże netto rzędu 29% – a ich wydatki inwestycyjne w większości finansowane są z wolnych przepływów pieniężnych, a nie z długu, co odróżnia ich od spółek internetowych sprzed 25 lat, które w większości nie generowały żadnych zysków. To ważne zastrzeżenie: obecna bańka – jeśli faktycznie nią jest – dotyczy w większym stopniu wycen niż fundamentalnej niewypłacalności największych graczy. Jednocześnie ten sam tekst przyznaje, że udział wydatków inwestycyjnych hiperskalerów w ich przepływach operacyjnych wzrósł z około 40% w 2023 roku do blisko 70% w 2025 roku – co samo w sobie jest poważnym zaangażowaniem kapitałowym i sygnałem rosnącego ryzyka.

Zestawienie największych baniek spekulacyjnych w historii USA, opublikowane wiosną 2026 roku, umieszcza obecną hossę AI na liście „aktualnie się nadmuchujących”, wskazując, że siedem czołowych spółek technologicznych odpowiada już za około 34% kapitalizacji indeksu S&P 500, a wskaźnik CAPE Shillera przekroczył poziom 40 – co w całej historii danych sięgających 1881 roku zdarzyło się tylko drugi raz. Autor tego zestawienia zwraca uwagę na paradoks: mimo realnych zysków wiodących spółek, wydatki inwestycyjne hiperskalerów na infrastrukturę AI zbliżają się do 700 mld dolarów rocznie w 2026 roku, a znacząca ich część finansowana jest długiem oraz – co szczególnie niepokojące – „okrężnymi” strukturami finansowania, w których spółki inwestują wzajemnie w swoich kontrahentów i klientów, sztucznie zawyżając wykazywany popyt.

Czym to grozi inwestorom indywidualnym?

Mechanizm ryzyka dla inwestora korzystającego z dźwigni jest prosty, ale bezwzględny. Kredyt maklerski działa symetrycznie: tak jak wzmacnia zyski w trendzie wzrostowym, tak samo wzmacnia straty w trendzie spadkowym. Gdy wartość zabezpieczenia (akcji) spada poniżej określonego poziomu, dom maklerski wystawia tzw. wezwanie do uzupełnienia depozytu (margin call) – inwestor musi dopłacić gotówkę albo broker automatycznie sprzedaje akcje po bieżącej, spadającej cenie, żeby odzyskać pożyczone środki. Przy dużej skali zadłużenia w systemie, jak obecnie, tego rodzaju wymuszone sprzedaże mogą się kumulować i wzajemnie napędzać, pogłębiając przecenę – dokładnie tak, jak działo się to w październiku 1929 roku, gdy fala margin calls doprowadziła do lawinowych wyprzedaży.

Przykładem tego, jak szybko może się to zmaterializować przy pojedynczych, lewarowanych instrumentach powiązanych z AI, jest sytuacja z 5 czerwca 2026 roku, gdy trzykrotnie lewarowany fundusz ETF na sektor półprzewodników stracił 31% wartości w ciągu jednej sesji giełdowej. To pokazuje, jak instrumenty z wbudowaną dźwignią mogą w ciągu godzin zniwelować miesiące zysków i jak bardzo ryzykowne jest łączenie takich produktów z dodatkowym kredytem maklerskim.

Podsumowanie

Dane z 2026 roku pokazują wyraźny wzorzec: rekordowe, szybko rosnące zadłużenie maklerskie inwestorów indywidualnych, kumulujące się z wycenami spółek związanych z AI, które w wielu przypadkach wielokrotnie przewyższają realnie generowane przychody, a często idą w parze z pogłębiającymi się stratami finansowymi i rosnącym zadłużeniem samych spółek. Ten układ – tania, łatwo dostępna dźwignia finansowa plus euforia wokół nowej, przełomowej technologii – ma swój historyczny odpowiednik w wydarzeniach poprzedzających krach z 1929 roku. Wtedy kupowanie akcji za pożyczone pieniądze przy zaledwie 10-procentowym depozycie własnym doprowadziło do jednej z największych katastrof finansowych w historii.

Nie oznacza to automatycznie, że obecna sytuacja musi zakończyć się identycznym scenariuszem. Rynek AI różni się od rynku internetowego sprzed ćwierćwiecza chociażby tym, że część liderów (jak Nvidia czy pozostali członkowie Magnificent Seven) generuje realne, wysokie zyski. Jednak sama mechanika ryzyka – pożyczony kapitał napędzający wyceny oderwane od fundamentów – pozostaje uderzająco podobna do tej sprzed niemal stu lat. Dla inwestora indywidualnego kluczowy wniosek jest prosty. Dźwignia finansowa w okresie euforii rynkowej wielokrotnie w historii kończyła się nie tylko utratą zysków, ale i utratą kapitału własnego, gdy trend się odwracał szybciej, niż ktokolwiek się spodziewał.