2026-03-07 12:00:00

作者因职场深度无聊与制度枷锁，执行人生第一笔“止损”——辞职，离开二级市场

写在离职前

叔本华认为人生是悲观且虚无的，人生像摆钟，在痛苦与无聊之间摇摆，当欲望得不到满足时就痛苦，当欲望得到满足时就无聊。

我是因为工作过于无聊而选择离职的，无聊比单纯痛苦更折磨人。当我意识到就连时间的流逝都逐渐加快时，就知道这里已经不再有什么新事物值得我投入了。

曾经在大学里熬夜翻文献、写thesis和做presentation slides都没这么感到如此无力，因为在读书期间，目标和方法都是明确的，人只要愿意被规训或服从某种秩序，按照规则工作就能获得奖励。虽然在职场环境里和在学校里一样是处处受限的，但是职场多了选择和放弃的权利，有机会成本就会有遗憾。其实我是不想离开这个给自己有安全感的地方，但我知道时间久了，人是会神奇地适应恶劣的环境，逐渐失去说真话的能力，无法活在真实中，直到认知退化成被人讨厌的老登。

知晓天空之蓝的人大多知晓大海的广阔，但由于各种原因未能亲眼看到宽阔的海洋，但不亲自去尝试一定会留下遗憾。

我从不认为逃离故里这件事是值得赞扬的，因为逃离家乡的人可能无法与原生环境和解，更像是逃难。人会受到家庭、人脉圈子、社会文化等因素影响，生命生而自由，却无往不在枷锁之中，会发现自己不知何时多了这个地方的恶习，如官僚文化常见的改口径、甩锅和撇清责任，所谓融入环境里是非常可怕的事情。

我提辞职是犹豫了大半个月，使我困惑的是对自己想法不自信、做事犹豫不决的自己。我习惯了依靠理性去做决策，因为我是内心软弱和情感敏感的，我永远记得做交易的教训与经验：在交易之前就必须权衡好盈亏比、胜率和频率，并设置好止盈与止损线，有纪律地去执行，因为有了仓位后的交易者是难以保持理性的，这里边有贪婪恐惧的情绪，也有基于过去生活经验固有的认知偏差。

我离开是为了执行止损这一操作，去年就给了自己一个deadline：职场氛围和工作内容没发生本质改变就离开。因为公司是采用类似日本年功序列的制度，所谓资质是靠Title和熬出来的，相对应的是，真有本事的人就不会一直待在这里了。有的同事有才华但得不到重视，熬下来的同事的技能偏好已经和这家公司捆绑，基本不会主动去学新的技能，还有有毒的内部审计、内核管理和风控合规文化。客观来看这是优秀的大企业管理，有标准化的工作流程和高度集中的业务发展，还有一丝不苟的内控管理，只是我自己不喜欢这套制度，把人限制的太死，没有任何创新的空间。

尽管我非常不想承认这两年多的学习与付出都是无意义的，但能做的只有截断亏损，主动做出改变换个环境。到新的领域里相当于转行了，新的工作不再和机构投资工作有关，意味着要放弃这两年多大部分的专业积累。庆幸的是没用上《发布证券研究报告》的资格，不然就是天天生产数字垃圾（指研报）。

放弃是人类的高阶智慧，不因沉没成本而套牢，不被舒适安全感所奴役，不因过去的自己而困惑。

我会把我这两年多学到的所有专业知识和二级市场经验没有一丝保留地记录下来，算是对证券行业祛魅了：二级市场没有秘密，只有信息差和认知差距。

券商自营权益在做什么

券商自营业务在整个“买方”都属于冷门且不入流的角色，一方面隶属于国资委系统，资金风险偏好保守，另一方面因券商有经纪资管等业务带来近乎无风险的收益，内部资金成本（外界可以理解为加权平均资本成本WACC里的税后债务融资成本）一般会比LPR（贷款市场报价利率）高，用自有资金投资追求市场收益，既要吃Beta和Alpha，又要控制波动和最大回撤，是难以权衡资金成本和市场机会的。在这种体系工作过的人都知道，鱼和熊掌都要的管理是非常危险的操作，结果是暴露大量被低估的肥尾风险（在期望分布的曲线中，尾部区域比正态分布更粗长）。

我把券商自营权益类业务分为以下几个核心业务，风险从小到大：

做市业务

一言以蔽之，做市是一门需要特许经营权的牌照业务。竞争者有限，策略与技术要求不高，但和量化交易一样吃机房硬件和交易系统。

对冲管理

在股转、北交所、科创版市场，标的做市难以找到合适衍生品对冲或无法对冲，暴露净多头，本质上是一种主观多头投资，做市赚价差增厚收益。

ETF、LOF基金做市，主要风险在于对冲管理，股指期货IC、IM常年深贴水（IM贴水大部分时间年化8%以上），这里面分为能完全对冲和无法对冲的：

• 近乎或完全对冲的品种，像沪深300、中证500等宽基指数是能直接用股指期货对冲Beta，中证A500约等于沪深30+中证500+（两者都没交集的，占约1%-3%），若无股指期货可用挂钩ETF的期权，根据期权平价公式，卖出N份平值看涨期权 + 买入N份平值看跌合成出来的损益曲线是线性的，和股指期货空头类似，只需要做好组合Delta管理与期权合成基差（升贴水会折算到期权权利金内），这类大部分敞口都能找到合适对冲标的的风险就只有基差，整体做市盈亏 = 价差 + 经手费返还 - 股指期货对冲成本 - 交易费用 + 来自基金公司的流动性收入；
• 不能完全对冲的品种，像各种行业、风格策略类ETF，可能和IC、IH、IF、IM的权重股几乎没交集，只能通过计算相关系数来判断现货与对冲端的相似性，选择过去1-3年行情分别计算Pearson线性和Spearman秩相关性，两者系数在0.7以上被认为是有高相关性，可考虑等额市值对冲。尽管如此，不同ETF与对冲标的的Beta大小不同，Beta = 现货与对冲标的日收益率的协方差 / 对冲标的的方差，Beta越大则对冲越多，按照这个逻辑来对冲，剩下不可对冲的就是Alpha或残差；
• 净敞口动态管理，既然必定存在无法被完全对冲的部分，那么可以利用做市的机制，每天只留存为满足报价义务的持仓量（保守在300-500万之间的持仓市值），将此设为下限，使用多因子模型，目标函数是做市标的与对冲标的相对Alpha收益率，通过调整一篮子基金组合中不同基金的权重，通过日频截面上的选择获取更多的Alpha增厚做市收益；
• 无法对冲的品种，像一些QDII和商品类ETF是T+0机制，有时标的换手率会超200%，只需要通过控制买卖价差尽可能“做平”，控制隔夜敞口，加上场内外申赎套利，理论收益比上述几种都要多。

场外衍生品

互换业务和场外衍生品业务是机构投资者bug级别的工具，券商与同行交易只占用极少的保证金甚至无需缴纳保证金，几乎无资金成本，与同行先后双方信评再授信，以信用换取杠杆，只占用公司负债表和证券公司层面风险指标。

收益互换

• 收益互换卖出方作为融资工具，存续期间内能挪用对方的保证金进行二级市场交易，期末支付约定好的增强收益，如果预期远期市场基差 + 资金成本 < 约定增强收益，那么这笔互换就值得做，所以本质上是在做远期的基差交易。如果卖出名义本金1亿元挂钩中证500的收益互换，大概就用1300万的保证金开IC多头吃贴水，然后留1000万补保证金，剩下的7500万可自由支配；
• 多空收益互换（Direct Market Access简称DMA），做多一篮子股票作为保证金，根据交易对手方的券池选股进行融券并支付券息，采用反向的多因子策略，目标函数是跌幅或跌幅Rank，采用双方授信，几乎不占用资金，做空一篮子股票往往比单纯用IC、IM期货对冲要好；

场外期权

相关书籍：Options, Futures and Other Derivatives 《期权, 期货及其他衍生产品》

相关项目：galatech/pricelib

自动敲入敲出期权产品（Autocallables），主要做雪球、凤凰、FCN、DCN等结构，结构条款有挂钩标的、存续时长、敲入价格、降敲出线（如设置每月敲入线降低1%）、敲出价格、早利票息、红利票息、年化收益率、锁定期、保证金比例、敲出观察日、敲入观察日等要素。

根据Black-Scholes Model期权定价公式，场内外期权的内在价值理论上只由隐含波动率（Implied volatility）决定，因为其他要素都是客观且既定的，二级市场上的IV是由期权价格反推的数值，所以期权交易本质上是对未来波动率进行下注。进而得知，卖空波动率（雪球、卖出跨式期权等）是有限收益、潜在更大损失，反之亦然。

客户下单后，券商交易台要对冲头寸来配平风险敞口，根据雪球产品组合的Delta值用股指期货进行买卖，下跌时逐渐加仓，上涨时逐渐减仓，在敲入价格和敲出价格区间内自动高抛低吸，期初建仓只会用到50%-80%的仓位，接近敲出价格，就要决定是否平仓，若接近敲入价格，就要把仓位加满甚至到达近120%的仓位，由于敲入敲出观察日几乎都是根据交易日收盘价判定，但收盘前流动性稀薄，迅速平仓会承担大量摩擦成本，一般会提前至少半小时根据经验逐步平仓，如果判断错误可能会造成亏损。交易台组合如果遇到组合负Gamma的情况，为了维持组合Delta中性，对冲操作会变得追涨杀跌，不难看出雪球产品是在做多资产的同时做空波动率。

尽管雪球产品提供了一定的安全垫，可以个性化制定敲入价格和敲出价格等条款，但是这些要素都会调整交易台的报价（指票息或年化收益率），场外期权主要用Monte Carlo模拟、PDE有限差分、积分法等方法进行定价。

卖场外衍生品，一般会给客户报更差的票息以留一定的对冲亏损和利润预算，由于个性化的场外衍生品都是非标准化的，它的价格是没有二级市场竞争的，也难以转让。目前券商一级交易商的交易台都有做这个业务提供风险管理服务，也可以给经纪业务定制高风险的结构化理财产品。

如果投资者非常了解以上理论，场外期权是没有必要的存在，散户需要的是交易台承诺的产品票息，但这背后是围绕概率与波动率的游戏。

量化多因子策略

相关书籍：石川的《因子投资》

相关项目：微软的Qlib，高盛的gs-quant

简化的业务流程（本人非专职量化开发，仅供参考）：

1. 准备数据：买数据源，接行情接口，检验数据真实性，去NA和null，适当填充，去极值，z-score标准化；
2. 因子挖掘：主要有遗传算法挖因子、基于理论逻辑的表达式两种方法，为了避免泄露未来函数，价格要用后复权（以起始价为基准复权），滚动处理要用rolling()；
3. 因子筛选：预测未来n根K线的收益率或分类结果，与因子值，测Pearson IC、Spaerman IR、IC_IR、单因子回测的夏普比例，然后再测因子间的协方差矩阵剔除共线性的因子，筛选出各自低相关的因子，再用ElasticNet、Ridge岭回归验证因子有效性；
4. 投资组合权重分配：根据因子打分和排序结果选股，根据风险平价、预期波动率、均值-方差优化等方法分配权重；
5. 超参数调整更新因子的权重：用OLS方法分配非线性权重，一般用集成学习（LightGBM、XGboost）会更为稳健，用LSTM（长短期记忆）、TCN（时间卷积网络）等神经网络在大规模复杂数据的处理中表现更好，新兴的端对端学习直接将原始因子作为输入，目标函数是最小化预测误差，因子权重是隐藏在模型参数内，无需人工干预，但需要大量算力、容易过拟合、不可解释，堆砌显卡算力和把数据写进内存（Redis）是为了提高训练和超参的效率，对内存、显存、显卡频率要求高；
6. 反复调整参数、训练、样本外回测；
7. 模拟盘，做上线前的测试，主要解决行情延迟、系统稳定性、控申报速率、信号生成等非策略环节。

Barra风险归因

Barra风险模型（现属MSCI）是量化投资中衡量和管理组合风险的行业标准模型，用于分析量化策略组合的持仓，通过多因子框架将组合收益分解为国家、行业和10种风格因子（如规模、价值、动能等）以及特有风险。

在 Barra 模型中，单一股票 $i$ 的收益率 rir_iri​ 表达为：

ri=∑j=1KXijfj+uir_i = \sum_{j=1}^{K} X_{ij} f_j + u_iri​=∑j=1K​Xij​fj​+ui​

其中：XijX_{ij}Xij​：股票 $i$ 在因子 $j$ 上的因子暴露度 (Factor Exposure)；

fjf_jfj​：因子 $j$ 的因子收益率 (Factor Return)；

uiu_iui​：股票 $i$ 的特异收益率 (Specific Return / Residual Return)。

投资组合的总收益 RpR_pRp​ 是各成分股收益的加权总和，修正后的归因公式如下：

Rp=∑j=1K(∑i=1NwiXij)fj⏟因子收益贡献+∑i=1Nwiui⏟特异收益贡献R_p = \underbrace{\sum_{j=1}^{K} \left( \sum_{i=1}^{N} w_i X_{ij} \right) f_j}_{\text{因子收益贡献}} + \underbrace{\sum_{i=1}^{N} w_i u_i}_{\text{特异收益贡献}}Rp​=因子收益贡献j=1∑K​(i=1∑N​wi​Xij​)fj​​​+特异收益贡献i=1∑N​wi​ui​​​

如米筐提供的CNE5风格因子结构：

通过Barra归因分析，可以将有上百只个股的持仓明细，映射到统一的多因子中。有效拆解基金的收益来源，以及在风格、行业等因子上的风险暴露与偏好，从而将量化这个黑盒的个股变动转化为可解释、可预测的线性回归模型。

委外基金投资

机构和散户有着同样的烦恼，为什么历史业绩优秀的基金（高夏普、Sortino、Calmar比例），钱投进去之后业绩大多都不及预期。

• 首先要搞清楚拟投资基金是什么类型的，这里指的不是股票型、混合型等简单的分类，而是看在做什么市场、品种、行业，具体策略和收益来源是什么（必须要记清楚，它后续如果不按照策略执行就可能有问题）；
• 根据产品说明得到一个相近的业绩参考，例如做指数增强的策略就看挂钩指数的全收益率（含分红再投）；
• 基金经理至少要有3年以上的业绩，一般要求长期年夏普、Sortino、Calmar、信息比例（按策略类型选择指标）等绩效指标大于0.8；

反常识的是，历史业绩不是一个好的绩效指标，公募基金产品介绍底下的风险揭示“历史业绩不代表未来业绩”是客观中立的描述，不只是用来撇清风险揭示的责任。如果投资经理只是抄作业或复制指数，碰上行情好，各种绩效指标也可以看起来不错，所以要通过调研弄清楚历史基金运作多次调仓、选股、择时的依据，判断这一逻辑是否可复用到以后的市场环境中，基金经理是否按照这套方法论严格执行，历史有没有出现过风格飘逸，再看基金的风险管理措施（VaR、波动率、集中度等）。由于大部分基金都不会向投资者披露季频、月频率以下的持仓明细，如果基金换手率较高（年换手率超300%），基于月度、季度的Brinson收益拆解很可能没意义。量化基金做基于Barra模型的因子归因，套利类、CTA、衍生品类的基金重点关注每次净值回撤的特征以及回撤修复周期。

主观多头基金

大部分人评估主观投资经理业绩的方法论都有问题，都在看年化收益率和夏普比例，我认为只有衡量相较市场和行业的Alpha才有意义，不管是Brinson还是Barra或是其他多因子回归模型，把收益拆解出来才是科学的基金研究方法。那靠beta赚钱的投资经理有这么差吗？它是很差，只要买一篮子近期统计上高beta高波动的股票，赶上行情也可以成为炙手可热的爆品，关键在于对历史日收益率序列和持仓明细做归因分析，分为截面上的选股Alpha和时序上的择时能力，这里最重要的是选股。如果基金经理只是抄抄作业，混日子，那为什么不买量化指数增强产品，主观多头基金的投资价值一定要回归到投研上。

另一个常见问题是基金经理只擅长或只懂那一两个行业，拜托，这些人不是散户，是每个交易日都要上班的白领，用着天价授权的Bloomberg和Wind终端，采购着各种卖方服务和行业数据库，却不主动去了解市场上未来高景气度或现在被低估的行业，反而把专注于一两个行业当成基金营销的卖点，这就是基金经理和背后团队的无能的直接体现。用电子竞技的话说，就是又菜又不肯学。我敢负责任说大部分人买的主观多头基金，都是把钱给到一群不可救药的老登团队在打理。在信息完备的前提下，基金公司不仅不应该收管理费，还应该倒贴钱给投资者，投资者更不应该为历史业绩负Alpha的基金支付高达1%的年管理费。

常规套利策略

• ETF申购赎回：2026年1月国家队打压降温，华泰柏瑞沪深300ETF盘中价格一度比IOPV低0.5%+，这时买入基金同时一级市场赎回基金，换成一篮子股票，再卖出，注意其套利成功还要求套利的价差区间至少足够覆盖固定成本和冲击成本，由于当时价差较少，无法吸引足够多的资金套利；
• 期现套利：2024年的924行情，宽基指数空头被轧空，市面上的量化中性策略开始放弃中性，市场情绪高涨叠加大量空头仓位回补，当月IC、IF、IM股指期货合约绝对价差都有2%出头，做空股指期货同时做多一篮子股票，注意是有部分股票涨停无法买入或停牌，需充分考虑市场流动性。

套利的核心逻辑根植于“一价定律”，即同一资产在不同市场的定价理论上应当对等。然而，受市场情绪、认知偏差及流动性差异影响，价差空间（Spread）时常出现。ETF套利正是利用其在一级市场（申赎）与二级市场（交易）之间的定价偏差，配合“T+0”循环申赎机制与现金替代规则，捕捉低风险的绝对收益。

在实际操作中，IOPV（基金份额参考净值）是衡量折溢价的关键锚点。交易所依据基金管理人每日披露的申购赎回清单，按成分股最新成交价每15秒更新一次动态净值。需密切关注清单中的最小申购赎回单位（通常达数十万份，对应数百万资金门槛）及成分股构成。为了应对成分股停牌或流动性问题，机制中引入了“现金替代”方案，其具体规则如下表：

对于“允许现金替代”的证券，管理人会预设现金替代溢价比例。该比例用于覆盖管理人代为买入股票时的不确定成本及手续费。清算时，若预收金额高于实际成本则退还差额，反之则要求投资者补足，这种“多退少补”的机制确保了基金持有人利益的公平性。

具体的套利执行路径分为溢价与折价两种模式：

• 溢价套利：当二级市场交易价格> IOPV时，投资者在二级市场买入一篮子股票，一级市场申购ETF份额，随后在二级市场卖出份额，锁定溢价。

• 折价套利：当二级市场交易价格 < IOPV时，投资者在二级市场买入ETF份额，一级市场赎回得到一篮子股票，随后在二级市场卖出股票，获取折价收益。

尽管套利在理论上风险极低，但实际收益受限于固定成本（佣金、税费）与冲击成本。由于套利机会稍纵即逝，大规模资金的介入会对价格产生冲击，尤其是流动性较差的成分股会拉大风险敞口。因此，成熟的套利策略必须依托专业的交易系统，实现一篮子股票的高速同步下单，以确保在价差收敛前完成头寸闭环。

对散户而言，只需要掌握场内外转托管以及股指期货（50万门槛）工具做场内外、ETF与期货、股指跨期套利即可，买卖或场内赎回一篮子股票需要接口和工具，资金量门槛较高，券商经纪有严格的异常交易监测与风控，不推荐做。

常见的投资错误

虚伪的Beta投资者

很多人自诩“自上而下的配置盘”方法论，信奉桥水基金CEO Ray Dalio畅销书两册《原则》中的“21条高原则、139条中原则和365条分原则”、债务危机理论、经济上东升西降观点。例如通过做主观宏观择时来决定开几成仓，一会捕捉市场噪音来做非理性的交易，喜欢抄作业（券商研究所的主流观点），高度依赖市场叙事，买近10个高度相关的国内A股宽基和行业ETF品种。因为他们在行业研究方面“深度的几乎啥都不懂，但表面的什么都懂一点”（想不到更好的表述），所以要进一步分散风险，殊不知这些ETF拼凑出来的成分和中证A500相似，而回测结果和实盘都没跑赢指数。如果因为自己不懂而刻意分散，必须吃这份“免费的午餐”，结果是没分散到任何市场风险。而且考虑ETF挂钩的是市值或某种指标加权的指数，在权益投资上理应比只投资个股要下更重的仓位。

既然过去和现在都在赚宽基指数上涨的钱，主动暴露Beta敞口，那么就应该去买近期Beta更大的品种。不要自欺欺人，靠买“一篮子”股票或ETF来分散风险。如果资产间大部分时间都是同起同落（Comovement）的，说明从一开始协方差矩阵或预期波动率没制定好，才有后面择时控制风险敞口、回撤等问题，所以自上而下的配置与主观择时是矛盾的。主观择时的目的是通过仓位大小来调整组合的波动率和预期最大回撤，如果同时择时与配置，说明对资产间相关性的理解与控制风险暴露这两者都没做好。

有个很简单的检验方法，如果按单位净值计算，买一篮子同起同落的ETF一直跑输指数，算上夏普（日收益率均值/波动率），长期年夏普小于0.8，再看下投资期间内不同资产之间的协方差矩阵，如果大部分资产都表现高度相似，那是客观意义的失败。

我的投资理念更倾向格雷厄姆和多德的《证券分析》，坚定做基本面研究，而不是用自上而下的视角去做层层宏观预测、协方差假设、控波动率和行业筛选。

基本面的局限性

不要用基本面去解释既定发生的价格变化，这个错误从我入职到离职，同事们都在不断重复地犯错。从市场参与者的角度来看，价格波动比叙事产生一定来的更早，而不是先有叙事再有价格；其次是基本面只能在未被市场price in消化的时候对未来做出的合理推测，它不能解释为什么价格还未波动，否则进入了自证陷阱。这也是为什么我们看到长期稳定赚钱的投资经理不会把宏观当作重要因素，反而是更注重K线组合、市场资金面、流动性等微观层面，因为大部分共识性的宏观叙事不能作为择时依据。

举个简单的例子，2026年1月底2月初，国内外的黄金都暴跌了，但在暴跌之前，美债危机、美元贬值、全球主权国家债务积累、贸易去美元化、逆全球化等超长期因素都在近1年内在市场里充分交易甚至全球投资者都有这样的共识，而触发回撤的是美联储降息预期下降、下任美联储主席凯文·沃什独立货币政策、美国政府持续停摆抽水等因素带来美元流动性收紧。如果这时还要用以往这些超长期因素去左侧抄底，那要非常谨慎，因为美元流动性、美联储政策都带来了新的变数，如今市场没有明显预期差。我不是说在2026年2月抄底黄金就一定不对，我想表达的是现在左侧买入比起去年底宏观未被过度交易（未完全price in）时的盈亏比、胜率都要差很多。如果之后继续创新高，且还用超长期因素去解释上涨，那就是自我正反馈。这是很危险的，因为全球的投资者都在参与黄金的定价，黄金要么有新的投资逻辑出现，要么继续有全球投资者（包括央行、机构和散户）的共识，才能继续推动价格，但这个时候大家没有任何信息或认知差了，风险和收益可能是对称的甚至风险更大。黄金是有可能进一步突破2026年1月29日的高位，继续新高，我观察到2026年的黄金价格受美元流动性影响很大，呈现风险资产的特征，预计在流动性危机面前黄金是无法避险的，避险只是叙事，黄金品种的交易比较烧脑，需要持续跟踪。

在热门明星股和热门行业赛道中，Price in的意义是，当利好信息被市场消化后，如果没有超预期的业绩或消息出现，价格将回落，因为这个时候价格取决于下一份财报的二阶导数，即财务指标的增长率的变化率，背后的风险不言而喻。

投研的意义

段永平在2025年的一场访谈中表示：

买股票就是买公司，如果能有1%的人真懂这句话就了不起，做到就更难。投资这个东西很有意思，你闭着眼睛买一只股票拿着，100个人里头，可能有50个人可以挣钱，那这50个人就可以出来讲。但是你要让他重复，他就没有那么容易。我可以教大家一个赚钱的办法，你就买标普500指数，你最后总是赚钱，但是这不等于你就懂了，但你要是真的这样做，其实也表示你是懂了。

尽管大部分非证券从业的投资者都知道定投标普500或盈富基金（恒生指数），那是因为结果导向，买入并持有，这么做就盈利了，非常简单的行为正反馈，难的是如何执行，并且把这套模式复现到不同的市场环境中。

指数投资的投研工作是比较简单的，只需要熟悉指数的编制方法、调仓频率、指数基本面情况、指数估值水平等，唯一的缺点是需要投资者超长期的定投和耐心等待，并相信这么做是有用的。很多投资者会遇到短期下跌不定投或在底部砍仓，所以问题回到投研身上，投研像是调查记者去做事实核查（fact check），因为自己对投资品种不了解，对它的内在价值和估值没有理解，因为无知，自然会因恐惧和贪婪影响操作。如果要执行一个交易计划，要么发自心底里相信这么做是对的，要么理解这个决策的前因后果，逻辑假设检验被证伪时果断止损，在到达计划目标后止盈。

我对投研的理解是，假如是行业研究，应把一个行业主要的上市公司近三年所有的公司公告PDF全都下载下来一页页读，读完之后才有可能构成最基本（入门级别）的理解，不然别人用可比公司法估值却不知道和谁比，不知道BioPharma研发成果能资本化与减值，三张表没一张能读的明白，又或者对行业估值一知半解，也不知道自己赚的是周期还是趋势的钱。所以，投资者或基金经理自己一定要懂行业，买方研究员和卖方研究所服务都无法代替自己去理解商业逻辑，更无法给到所谓信心和信念。在一个信息高度发达的时代，大模型token成本极低，投研Agent也很成熟，如果有人不用Agent投研或采购行业数据库，反而去买券商研究所服务或知识付费课程（带单老师悖论），那么这个人自己就是韭菜。

不要过度跟踪和解读高频宏观数据，例如在众多物价指标中CPI是最有水分的，美联储政策参考的是PCE（个人消费支出物价指数）年率，而考虑整个经济体的物价水平的是季频的GDP平减指数。中国的CPI数据表里有衣食住行医疗等细分类别，不看总数是因为有一项“其他用品及服务”注水扰动较大。不只是经济，还有行业数据，那些各种未经审计的高频数据只有参考价值，它不能给基本面下定论，因为这些数据代表的可能只是周期或残差噪音，又或是统计口径发生变化。比如美国月度的非农数据频繁“下修”，是因为有年度基期调整、问卷调查反馈延迟等因素造成初版数据失真，加上2025年美国政府停摆多次推迟公布非农报告，这些高时效性的月度数据非常混乱，市场对此的分析方法就是和FOMC利率观察期比对看是否超预期，那怎样才能叫“超预期”？可能美联储主席自己都不知道。过度跟踪和解读高频宏观数据对投资不会有实质性的作用，必须搞清楚是在做基于基本面的投资还是做宏观交易，不要人云亦云。

有人问我之后还是否会从事投资买方工作，我会直接拒绝说不，我不想和这些人一样，从业这么多年，还被困在市场的随机漫步漫步中，用宏观叙事去做短线交易，心态上又非常浮躁，沉不下心去研究一件事物。见过好多个自己从来不用RAG和Vibe Coding的同事，却研究投什么AI应用有关的股票和ETF，自己不尝试去接触新事物，光听别人说，自然是拿不住的，投资经理捕风捉影是有原因的，因为拟投资的行业和赛道太多，自己的专业背景和认知理解无法全部覆盖当下热门景气度高的领域。所以投资业绩是对投研成果的现实检验，应该少看历史和宏大叙事，应用初学者的心态去了解新事物，面向未来，多想投资决策的原因和合理性，了解上市公司的业务在做什么，而不是去问“这个赛道好不好？现在还能投？”

市场韭菜化

市场韭菜化不只是指散户追涨杀跌等非理性行为，而是指全市场参与者的集体降智。虽然二级市场机构中不乏各路专业的名校大佬，但到了这个市场大家都“入乡随俗”，也许他们曾经都有高光时刻，但大多变得犬儒主义，心底里不相信基本面投资，只有写报告和对外交流会讲，实际上是用各种叙事去解释已有的价格变化，当投资经理从用基本面或宏观去解释既定的价格波动时就已经错了。他们大多不会逆向投资，都是群捕风捉影、见风使舵的交易者和赌徒。如果一个市场少数人这么做是不会造成负面影响，甚至会提高市场流动性并抹平价差，大部分资金都这么操作时，就会出现资金抱团少数公司，隔三岔五的行业表现分化现象、市场参与者你追我赶生担心踏空结构化行情，时不时FOMO。如果你不是交易天才，从参与这场愚蠢的游戏时就已经输了。

全市场的集体降智扭曲了市场定价，为量化多因子策略提供了稳定的Alpha来源，投资者的负Alpha等于多因子策略的正Alpha。

年轻人老登化

一些年轻投资者可能曾经在A股市场一度FOMO不幸遭受本金腰斩，得了PTSD，就只敢买老登消费、水电、中特估、央国企红利低波。老登投资不是指价值投资注重安全边际，而是扎堆一些高度确定性、行情处于成熟期甚至衰退期的板块，但他们思想固执，看似风险偏好保守，喜好特许经营权、自由现金流和股息支付，但不看重流动性、相对估值、风险溢价和预期差。

以上两种都是常见的市场参与者使用的策略，这些策略曾经一定是能盈利的，但随着行业环境变化、赛道逐渐拥挤，最终会出现洗盘或踩踏。

市场参与者的思维越来越单极化，机构投资者因考核周期短不得不看长做短，多数散户不愿意主动等待行情，市场环境趋同于韩国和美国那种金融虚无主义，把二级市场当作赌场，平均持股时间越来越短，大概这是所谓新自由主义的弊病。

最后

毕业后花了两年多的时间算是把二级市场给入门了，生活在方寸之地，虽能知晓天空之蓝，但是时候离开了。

后来想了下，是否有下一份工作决定了离职的性质，如果没有下一步的方向，就是所谓裸辞或逃离城市，是完全不同的概念。

说实话，我不怕失业，我更担心的是当前的所作所为都没有意义，尤其是现在大模型与Agent的结合对买方研究员的冲击、我缺少在二级市场上有竞争力的策略等因素。我知道再这样下去迟早都是会被淘汰的，二级市场不如很多人想的光鲜亮丽，大部分证券从业人员都是平庸的，是经不起丛林法则的考验，是因为有了券商各种监管资格和牌照这种特许经营权，才让大家误以为这钱是靠自己能力赚来的。要是丢到完全市场化竞争的私募基金行业，估计早就饿死了。

对当下的反思和批判

作者槐序

2026 March 7th发布

2025-12-29 08:00:00

哪怕过着丰富的物质生活，内心里却不认为当下的生活是值得过的

工作抉择

尽管今年是在券商自营工作的第二年，但已经进入舒适区，没有更多新事物能让我学，让我感到难受。意识到一旦对工作事项有“非常简单”的感觉，对重复性工作感到厌倦，就可能开始日复一日、年复一年的循环，为了不慢性死亡，我必须做出改变。

投资

今年不少A股和美股里的科技股明显缺乏内在价值或基本面无法支撑当前估值，价格高度依赖流动性支撑的资产和比特币无本质区别，事实证明社会对赌博（Robinhood、彩票、热门股、DraftKings、预测市场polymarket）的需求越来越大。

要做好投资，先从戒赌开始，仓位管理控制最大回撤，就得放弃自上而下的资产配置方法论，回归到基础的行业基本面研究。想好自己要赚哪部分钱，不该赚的一分钱都不要去尝试。有时候自己认知正确就做错，年初中概互联和港股通创新药我就起了个大早，过早止盈。复盘下来，大概是理性的人很可能会认为别人也和自己一样理性，低估了市场的不理性，以至于无法吃到市场带来的溢价，也许这也是基本面的局限性，难以吃到由二阶导超预期和资金驱动的涨幅。

基本面适用于市场未price in的情况，如果基本面已经反应在价格里，未来的价格取决于基本面的二阶导，高风险高波动。基本面只能告诉你过去一段时间行业变化的原因，但价格变化和市场消化基本面变化不是同时发生的，所以市场不一定都一直有效。突发事件和价格变动，对于第三方投资者而言，一定是后者在前，这时价格解释（技术分析）是有效的。记住，基本面只能揭示非常长期的趋势。

我不断问自己，如果回到一年前，根据一年前的公开信息，我还会做出其他改变去买贵金属和美股吗？不会，这些事物超出了一年前我的认知，当时的我只认可被市场低估的CXO生物药和中概互联，再来一次，我也不会把钱投去自己不真正理解的事物，直到我提前做好准备并充分理解投资标的的基本面和风险。

AI

大语言模型不等于人工智能，缺少垂直应用，缺少商业化落地，在C端大模型Token消耗的成本仍然过高。现主力用Github Copilot+Gemini3 Pro，但不认同Vibe Coding的理念，尤其是在开发量化策略时，大模型会丢失部分上下文，在没有额外提示词限制条件下大模型常滥用Emoji、乱加注释以及在Readme.md里写TODO List，也没有学会模仿原有的代码风格和逻辑。

我认为目前阶段的大模型，最佳实践应该是类似NotebookLM的RAG应用，而不是加入工作流程和MCP接口的Agent，我更多把它当作Cookbook去问，配合提示词工程在特定话题做多重问答。

Freqtrade量化策略开发

我对Freqtrade项目又爱又恨，FreqAI提供了多种模型，内嵌CCXT，能对加密货币的截面和时序因子进行训练，但经过无数次写因子、因子筛选、换模型、改训练参数、样本外回测后，我彻底失败了，得到以下结论：

• 加密货币市场7*24h交易，数据信噪比极低，无法通过SVM或PCA等降维方法剔除“异常值”，剔除后大部分数据点还是没价值；
• 缺少长期有效的因子，大部分因子IC不超过0.03，因子长期表现不稳定；
• 截面因子选择有限，合约策略只能添加换手率、方差、资金费率、基差、期权隐含波动率、合约账户多空比、合约未平持仓量/市值等因子、链上资金流入流出交易所地址等，但实际上交易所众多，得到的数据差异很大，光是数据采集、清洗、标准化处理就折腾人；
• 不能滥用技术指标，TA-Lib库里的技术指标很多，但要剔除形态指标（只有0和1，缺少信息量），从不同类型的指标分别只筛选0-2个，尽可能避免多重共线性，最重要的是，技术指标就把时序数据给压缩压扁了；
• 不要用端对端（Transformer、强化学习等）模型，很难从噪音中找到规律，反而用简单的分类器（如XGBoost、CatBoost）和循环神经网络（如LSTM、TCN）比较容易从噪音中学习到规律；
• 筛选因子再合成因子是个不错的方法，超参数调整因子权重，最大日Sortino优化，经样本外回测能构建出一个稳定跑赢资金成本的自动交易bot；
• 经深思熟虑后，加密货币市场的数据中的有效信息比例太低了，从15m到4h的级别都试过了，恐怕不是训练或特征工程方法论上的问题，就是低信噪比数据不适合用传统多因子建模和机器学习训练，币圈量化更适合做中高频的做市和套利。

尽管投入了非常多的时间和精力，最终没有得到自己想要那种理想的策略，这样的策略可能从一开始就不存在吧。

阅读

发展经济学

今年我认识到严重的经济学虚无主义，理解了何为“二手文献之间的循环论证”。2025年的诺贝尔经济学奖论证了技术进步的内生性且制度有效推动经济长期繁荣，讲的都是一些西方经济学的教条——“优秀”制度与文化和经济增长的因果关系，和我在2024年的诺贝尔经济学奖是不值一提的中批评西方制度经济学是同一个弊病：世界的经济不只有西方的经济学史，西方经济学家不尊重也没有看清楚世界上其他地区的经济实况，就像复读机一样对历史进行重复论证，这样的诺奖掩饰了更多当下存在或新的问题，例如AI即将造成又一次大分流加剧不平等的问题，而不是重复和循环论证类似“破坏性创新”这一概念，这是没有建设性意义的。

时隔一年，2025年中文互联网上对《国家为什么失败》一书的评价越来越高，这可能是人们对宏观通缩环境下的失望反应，像是病急乱投医，

我认为这本书的论证案例是不够充分的，但人们很难去反驳一个拥有真实历史的经济学叙事。我就拿书里开头的美墨边境案例为例子，首先这个案例背后是两个完全不同产业结构和军事实力的国家的局部地区对比，是不能够通过微观低维度的人均GDP的差异去线性外推高维度的经济乃至政治制度的问题。我个人更喜欢用深圳香港边境的案例（书中没有）去解释制度问题，一河之隔，两种不同的制度下的自然实验。最终我们也看到是香港昂贵的土地与人力、有限的土地供给、当地财阀政商垄断等制度性问题使得香港错过回归后的种种机遇。美墨边境的差异不完全是制度和文化造成的，属于论证不充分和遗漏变量偏差，但是深圳和香港的差异，制度变量的可解释性会更高。

• 乔尔·莫基尔《增长的文化：现代经济的起源》，
• 菲利普·阿吉翁 / 史蒂文·杜尔劳夫《增长经济学手册:第2A卷》
• [法] 菲利普·阿吉翁 / [法] 赛利娜·安托南 / [法] 西蒙·比内尔
• 戴维·兰德斯 / 乔尔·莫克 / [美] 威廉·鲍莫尔《历史上的企业家精神：从古代美索不达米亚到现代》

以上书目都不推荐读，读这类文献和书籍的阅读量越多，越会发现他们长篇大论去论证制度经济学，背后的论点是站不住脚的，他们精通计量经济学，模拟估计历史经济数据、跑各种回归模型把理论中的变量都扔进来，在数据+实证的方法论上几乎是完美的，但也因此正确只停留在形式上。这些文献拟合了“大分流”的历史，却苦于找不到中国没有发生工业革命的原因。首要的问题是样本太少，历史时间序列上的真实数据有限，就算得到统计显著的变量也不能说明存在因果关系。其次是围绕华盛顿共识和历史终结论的循环论证，这些观点和建议已经脱离了现实世界。

人们不需要教条式的经济学，也不需要经济学家们去教会人们如何发展经济，更不需要得到类似好的制度或文化是否内生性的无意义结论。

技术书

O'reilly动物书的《生成式深度学习（第二版）》同时包括Transformer、Diffusion、GAN、RNN、LSTM、VAE等模型的理论说明和最佳实践案例，比在网上看二手技术文章更加系统化，内容浅显易懂。

重读

《金融怪杰》再出新版，这书读过不止三遍了。在市场里不应该忘记，除了主流的方法论，市场上长期存活的玩家都有自己的一套交易系统和价值观，不要恪守己见，不妨看下别人是如何看待市场的。每次读都会带来新的灵感，很有趣。总的来说，投资者应时常审视自己的市场观点和交易行为，投资者最大的敌人是自己。

展望

除了Freqtrade量化开发的困难，我也大大低估了MIDI编曲的难度，从补基本乐理到熟悉DAW软件，现在对四件套乐器音源的理解几乎没有，这也是一个时间、金钱和精力上的无底洞，很可能没有任何回报，但我愿意继续投入，但愿明年能持续更新博客，而不是把宝贵的时间浪费在碎片化信息中。

自我认同的意义是没白活着的证明。

对当下的反思和批判

作者槐序

2025 December 29th发布

2025-08-05 08:00:00

看似不带任何“市场偏见”的风险平价模型本身已构成一个明确的观点：四种不同经济情景在未来发生的概率相等，谁又能轻易能下这一定论或假设？

前言

桥水基金创始人达·利欧（Ray Dalio）的《原则：人生与工作》和《原则：应对变化中的世界秩序》两本书是现在的商业畅销书，读书期间被推荐过两三回，每次读后不到半年就忘得差不多，没多少值得再次阅读的价值，印象最为深刻是这两本书都由中信出版出品，定价分别是98元和168元。

一些吐槽：求求了，不要再安利推荐这两本书了，“21条高原则、139条中原则和365条分原则”是什么概念？你家里和在公司里的规则加总起来都没这么多，书中525条碎片化的漂亮话 = 没有原则！第二本原则讲了三大周期，瞎引述中国历史，试图打造一个能解释全世界经济繁荣-萧条周期的理论，借鉴了一大堆主流经济学理论，加上债务危机的缝合怪，读起来感觉什么都对（我说这本书的平价是它和搞星座搞MBTI人格没区别，大搞心理学巴纳姆效应、做事后归因、强调宏观追求模糊笼统的正确，整体理论不可证伪。我真的最讨厌这种赚钱赚的盆满钵满，老了还要出书PUA恶心我们这些没什么钱的年轻人，这种书还卖这么贵收稿费IP费，真是害人不浅。

唯一能直接证伪的是风险平价模型的方法论，在桥水基金全天候策略的基金资料中，把它描述成一个能适应不同经济形式的神奇策略：用预期通胀和预期经济增速划分成四个象限，再把对应象限下的优势资产放入象限，定期调整资产的权重，使得四个象限之间的资产风险贡献度相等。

很多人赞扬这种全天候的投资理念，认为“不预测未来是一种智慧”，然而是谁规定用通胀和GDP增速来区分宏观市场风格是合理的？这是非常反常识的，只有美国这种消费占GDP极大的国家的国内权益资产才会对预期通胀如此敏感，其次是这四种经济情景在未来发生的概率很显然是不相等的，所以这套全天候方法论更像是基金营销的资料，而不是一种严肃的、值得拿真金白银去做的宏观交易或多资产配置策略。

令人大跌眼镜的是，市面上有很多讲关于全天候策略和风险平价模型如何运作的研报，它们大多是在基于不同资产的历史波动率和协方差矩阵的近似实现，使用均值-方差、最小方差、最大夏普等优化方法来调整权重，本文回测这一错误的方法论来揭示协方差矩阵和历史波动率刻画风险的弊端。

回测结果能说明什么？

选取国内A股市场能买到的投资标的，其中大部分标的都使用挂钩指数表示，剔除了分红、管理费、基金折溢价等无关因素，回测结果更保守（黄金ETF可以替代成黄金T+D价格）。

• 数据周期：2020年9月30日-2025年7月31日
• 风险指标：投资品种过去半年的历史波动率和不同资产之间的协方差矩阵
• 三个策略：象限间风险平价、象限间最大化夏普比例、象限内最大夏普+象限间风险平价
• 回测设定：交易费用万分之二，夏普比例的无风险利率是年化1.5%，没有考虑期间内任何分红收益，持仓不超过100%总资产

根据这个协方差我们可以把资产分割成几组相对独立的资产：黄金、国债、商品、红利、国内宽基、海外宽基。

我根据国内资本市场的情况，毕竟基于构建中国版全天候策略的想法，所以在象限设置时候海外宽基更多基于避险和分散的目的，把资产类别添加到四个象限：

• 超预期通胀+超预期增长（过热）：国内宽基、商品
• 超预期通胀+增长不及预期（滞胀）：黄金、商品、海外宽基、红利
• 通胀不及预期+超预期增长：国内宽基、商品、红利、债券
• 通胀不及预期+增长不及预期（衰退）：红利、债券、海外宽基、黄金

（象限内做最大化夏普优化，资产类别选择因人而异；中国作为制造大国自然通缩倾向，对于国内资产通胀是否超预期不是一个很好的分类指标）

最近一期资产配置 (2025-06-30)：

不同时间区间下的收益率：

超额收益分析（相对沪深300）：

夏普比例大于1，年化收益率至少有6%（还不包括分红），最大回撤不超过10%，然而回测结果优秀 ≠ 有资产配置的价值；

为了让历史波动率贡献相等，买入比主观预期更多的债券、商品、黄金头寸，尤其是在不能以较低成本加杠杆的情况下，这么做纯粹是在牺牲潜在收益换取单位净值稳定增长的收益走势图。

风险究竟是什么？

不论在过去还是现在，历史波动率从来不是一个用来刻画“真实存在的风险”的因子，一个资产在过去波动大小和它当下的投资或配置价值没有直接关系。

我是如何看目前资产配置的品种：

• 现在配置债券的目的就是看空长期利率，考虑至少7年以上期限的利率债（政策性金融债和国债），品种选择上无脑买凸性大、久期长的国债，所以这样做的风险是通货膨胀、远端利率上行、主权信用风险、组合持仓久期错配等，由于是配置目的不需要考虑短期流动性问题；
• 配置股票或ETF是为了获得权益资产的beta+alpha收益，在量化策略中个股的风险用历史波动率衡量风险还能说得过去，但一篮子股票（宽基指数）的风险一定来自于未来的宏观和基本面风险，过去的波动率是无意义的，真正需要考虑是有直接因果关系的因素，如ROE、利润率、估值、股权风险溢价变动等指标；
• 不是所有商品都适合做宏观交易，目前谈论的宏观商品品种主要是能源（原油、天然气、煤炭）、金属（黄金、铜）、农产品（大豆、玉米、小麦、棉花等）三大块，而且品种必须是要全球市场定价的，商品流通基本没有障碍的，配置这些品种能一定程度对冲宏观风险。

如果用历史波动率作为风险因子，宽基指数的权重变化必然导致追涨杀跌，大部分历史和隐含波动率上涨是短期极端下跌导致，下一期调仓回测受急跌影响必然减少权重，这样做完全没有意义。它的下跌如果是来自基本面影响那还说的过去，像地缘政治博弈、关税摩擦、金融危机等短期冲突导致的暴跌，在面对巨大的不确定性不论是模型还是人的主观思考，都没有定论，全天候策略在处理危机时不见得就比主观多头策略强，例如1970年代原油危机下美国经济滞胀，股票和债券市场齐跌。为了解决这个问题可以引入目标波动率（认为波动率会收敛回归），主观研判后输入目标波动率，但波动率本身也没办法做合理的预测，用历史模拟法VaR、CVaR可能还有一点点科学性。

还有一个问题是不同宽基指数的历史波动率是不可以直接比的，能直接比沪深300和中证1000、恒生指数的波动率吗？（难道纳斯达克100指数风险就比标普的高30%？）在我看来是需要做波动率标准化处理，Z-Score、百分位rank以及风险贡献度的归一正则化。

是否应该使用协方差矩阵（即考虑不同资产的日收益率序列的相关性）：

• 象限平价≠资产平价。风险平价指的是四个象限中每个经济情景下的组合的风险贡献度相等，不是要求资产间的收益率在过去同一段时间内的相关性较低，也不是求资产组合在历史区间最大化夏普比例；
• 不要忽视资产相关性的真实原因。例如在2022年美联储激进连续加息之前，是长达十余年的量化宽松带动的美债和美股牛市，其次是债券的风险和波动率没有关系，而且是因长期无处安放的货币以及乐观的经济预期，股债一起走牛，协方差矩阵能揭示的信息量太少了（维度低）。

正确的做法：

• 要找出四个象限中，能够表示四种不同经济形势的配置观点相对应的标的资产组合，可以先不用给象限内的资产分配权重，初次回测可以默认等权重；
• 从大类资产映射风险因子，这是构建模型最关键的一步。将资产组合的风险，从资产层面分解到对更底层的宏观因子的风险暴露上：

1. 宏观因子，如GDP预期增速、预期通胀年率、真实利率、信用利差、新兴市场风险；
2. 基本面因子，如市场权益溢价、PE TTM、PB估值、利润率、ROE等；
3. 市场预期因子，远期利率互换、期权隐含波动率、股指期货升贴水等；

• 添加人为干预条件，代表资产管理者的态度和观点，设置目标波动率、最大回撤容忍程度、特定品种最小持仓比例、CVaR等约束条件；
• 求解风险贡献度相等或最大化夏普比例的最终结果差别不大，后者综合了收益率情况似乎更合理；
• 平滑调仓机制，除了定期调仓，当需调仓规模超过X%时也能触发调仓。

这些所谓宏观和基本面数据都是严重滞后的，它的可信度远远不如多因子中高频量化策略，毕竟拟合非ST、亏损票的小市值微盘是一种风格上的趋势跟踪。

既然要对宏观进行风险计量，需要预测这么多难以预测的数据，或者说模型依赖市场交易出来的数据（隐含波动率、利率期货等），如果市场没有达到“预言自我实现”？

风险平价模型在美股市场有效的“资产配置”之所以有效，除了美股市场定价效率极高和完善的做空机制，不需要把数据拉出来，直接拿出标普或纳斯达克的净值走势图看，它们和国内十年期债券指数是类似的：长牛，小概率闪崩，每个底部都在上个底部之上。这就导致统计上美股市场和国内权益市场的相关性长期较低，但不能说明美国的风险不会传导到国内，只是基于各种市场制度和结构原因导致相关性低。

我认为风险平价模型不适合被看作是量化模型，量化因子不适合解释高维度的复杂世界，而且人的主观认识相较机器学习算法不容易过拟合，我更相信人主观解读宏观的能力。最大的风险是在中港股市放弃择时、选行业选股、做特定风格，不愿意折腾选择懒人方案。而且在A股市场主动承担beta风险是无意义的，收益来自择时和alpha，看下股指期货剔除分红后的年化贴水率，就知道聪明钱就是更加偏好alpha策略。

真正的全天候策略一定不会用简单的历史波动率和协方差矩阵去衡量风险，这是一个常识问题。

2025年8月17日更新：

2025年8月桥水基金清仓中概股转向集中度极高的美股AI巨头。全天候策略不是要分散宏观风险吗？不是应该配置一定和美国本土权益资产收益和风险相关性较低的资产，怎么这就清仓了？是这些中概股本身基本面有严重问题吗？我们也不得而知。

风险平价模型只是噱头，什么穿越不同经济周期，哪有这么简单啊，所以本质上是主观多头策略。策略本身不重要，重要的是每年业绩，大家用钱投票。

散户一不能低成本加杠杆，二没有稳定吃权益beta+alpha的能力，三无法轻易跨市场投资，还想打造“风险平价的全天候投资组合”？散户还是别被这些莫名其妙的名词造成精神污染好些。

对当下的反思和批判

作者槐序

2025 August 5th发布

2025-04-12 08:00:00

已知的已知也可以是黑天鹅

2025 Q1经济杂谈

《娱乐至死》中的政治事务娱乐化是真实的。有一些人已经把聊国家大事当成一种谈资，闲暇时总和别人聊一些耸人听闻的宏大叙事：大棋论、地缘政治战略、金融战等等，左手拿着《货币战争》，右手指点江山，就像是各种媒体的复读机，有反乌托邦小说的元素。

最近听得最多的是人们关于特朗普关税和台海议题的讨论，这种事物一般是不会有对错是非之分，只有如何把握机遇一说。特朗普关税很显然中美是双输的，特朗普政府把关税当作增长国家安全和制造业回流的手段，而中国和欧元区作为乙方试图讨价还价。不理解的是很多人把中国关税反击当作一种胜利，他们知道相互加征关税的后果是什么吗？原产地在美国的一些精密仪器和芯片零件的采购成本暴增，如果人民币不竞争性贬值，对美转口贸易和直接出口可能因此熄火。我们很容易地拿着商务部的统计数据看，中国2023年对美贸易敞口也就不到2成，但问题是转口贸易可能占比多少？美国也对墨西哥加征关税以及取消小额包裹免税，转口贸易和离岸跨境电商的道路已经被堵死了。保守估计，至少也有3成出口是直接或间受特朗普关税影响，所以当下是美国在出口“内需”，拿本国人民对商品的大量需求作为筹码去威胁他国，中国和欧元区如果不去谈妥，降低双方相互增加的关税，就会加剧通缩，被迫去产能，结局是不得不走上通往长期通缩的道路。通缩不一定意味着严重的经济衰退（如GDP负增长），但大部分人的经济生活必然会一塌糊涂。

以上说的只是短期潜在的危机，中长期来看中国还是有足够的内需潜力，关键看国内如何解决收入和分配问题。但各种长期的研究分析是没有意义的，凯恩斯说“长远是对当前事务错误的指导。从长远看，我们都已经死了”。尤其是不能再拿供给侧改革、产业政策、棚改货币化、土地财政等旧发展方法放到现在环境中，不然就会加剧产能过剩和长期通缩。很多事物都在发生变化，中国不得不转换角色，从全球化贸易分工体系中的制造大国变成能内部消化大部分产能的普通发达国家。当我们看到中国第一季度的CPI都没有回升到正，这其实就是通缩危机的前夕，叠加外部关税冲击影响是很容易陷入通缩螺旋的。很多分析师还比较乐观，认为今年经济就能回暖，我们是不能拿长期的基本面假设来推断短期的。现在美联储上半年可能都不会降息，很多人就觉得这是来自美国的“政治霸凌”，但其实这是预期中的预期，是灰犀牛。特朗普上任前就明确把美国定位成一个普通发达国家，不再去维护全球化的秩序，而且要解决贸易逆差和财政赤字的问题。换句话说，在此之前，是发展中国家因加入世界贸易组织获得最惠国待遇而长期受益，特朗普政府正尝试修改全球贸易的游戏规则，然而国内很多分析师就下定论认为美国闭关锁国开倒车什么的，认为大部分贸易顺差经济体都会站在中国这边反击，这是离谱的推断，因为这是囚徒困境，不论其他人选择如何，保守起见会选择和美国妥协谈判。很多人又认为这次关税不如2018年，因为其影响已经被人们充分理解并消化，市场已经priced in了，这些人可能是没充分理解2018年中美贸易战和2025特朗普重构贸易游戏规则的区别，前者还是在全球化框架内，是美国单方面对贸易逆差和知识技术转移进行讨价还价，后者是特朗普试图破坏二战以来的贸易秩序，将美元和内需武器化，放弃美元作为储备资产的地位，它可能最终失败，但美元贸易秩序瓦解所带来的破坏力是不能用线性外推分析得知的。所以这是典型的不确定性问题，特朗普政府哪怕只是尝试游戏规则，这可能也超出了活着的这三代人的经验，市场怎么可能充分消化“已知的未知”。至少特朗普关税造成的影响还没真正开始，如果再跟踪一个季度的经济数据，我们回头看，又可能会得到不一样结论，例如通缩持续、净出口严重拖累GDP等。所以面对这种不确定性问题，应该永远保持开放性态度。

很多人会把特朗普关税当作中国产业转型和国产替代化进程加速的契机，这些看起来都没错，但别忘了这些都是市场炒作的宏大叙事：很多人喜欢说2025年是中国机器人元年，但大多产品都无商业化价值，人形机器人还处于实验室阶段，拿出来玩的不是为了炒作又是为了什么？这条赛道已经过于拥挤，每个人都想投到下一个大疆无人机，结局是历史中无数金融泡沫后的一地鸡毛。至于国产芯片，看到有寒武纪ASIC加速卡、华为昇腾910c等产品不断涌现，想反问一个问题：现在业界里有多少公司用他们的产品来开发和运行大模型。“单纯能用”、“有商业化价值”、“能量产”这三者是完全不同的情境，就当下情境来看，大模型算法是没有相对固定的说法，GPU+汇编/指令集生态仍然是最优解，N卡+CUDA还是有竞争力的，英伟达的商业逻辑绝对没有国内媒体说的这么不堪。很多人拿化学药、电动车、光伏等传统制造业思维代入到芯片IC设计中，认为很快就能完成“独立自主”，这是不现实的：这件事如果放在产业链下游来看，就很可怕了，大量算力中心闲置，H100、H20的算力租赁价格和各大厂商的大模型的每百万tokens API价格也开始降价，在这种环境里上游能过得好吗？可能会有人反驳说这是因为Deepseek V3/R1的强化学习RL算法降低了大模型的运行成本，所以我们现在不需要“性能非常强大的显卡”。这里有个悖论是：部署大模型成本降低了，会有更多人尝试部署，需求量上涨，哪怕摩尔定律失效，也会继续利好显卡厂商。就算没有Deepseek，强化学习或小参数量模型迟早也会到来，Deepseek的横空出世是加速了国产大模型产业的发展速度，我们看到各大互联网厂商甚至是国企央企都争相部署R1趁热度，然后呢？会发现根本没有一个对大模型的硬需求，都是可有可无的软需求，如内部知识库RAG、智能客服、AI笔记等。截至2025年4月，Deepseek R1（671B全量模型）API的价格是16元人民币/百万tokens，晚间打2.5折（4元），这个价格都无法刺激出大量有效需求，真是投资的至暗时刻！投资者之所以能保持乐观，很大程度依赖于对上述各种宏大叙事的信念。

很多时候人们对行业乐观还是悲观，看的是市场估值或价格是在上涨还是下跌。价格上涨就会有人生产舆论和叙事，来实现泡沫的正反馈。在这种环境中，是不太可能有多少内在价值的，这和房地产繁荣期间是类似的：人们为了买一套房能想出一大堆理由和借口。我们在市场中能认知到的大多是幻觉，放到“信息即隐喻”的媒介中，这样的信息已经没有价值，甚至是中文互联网环境都把大模型的联网搜索信息来源给污染了，以至于人们活在一个离原始信息越来越遥远甚至无法直接认知到事物的社会中。

如果把“人们能过上更好的经济生活”当作目标，现在是不需要刻意发展人工智能大模型、机器人具身智能、智能驾驶等技术的，这些技术搞不好还会因替代效应加剧失业和通缩。当下之急，是通过收入、分配、转移支付来实现充分就业，解除通缩危机。现在一不主动创造新岗位（哪怕是没有意义的地铁安检员），二不减少征收企业所得税、降增值税和印花税，三不降LPR。顺便一提，长期特别国债+消费补贴政策本质上是让消费行为提前发生了，政策上还降低了消费贷利率，一度卷到2.5%，我们都嘲笑说政府在发钱和涨工资之间选择了放贷，决策层居然认为经济无法回暖的原因是大家不愿意消费，这些人是没有看经济数据吗？NIFD统计的2024年底居民部门的宏观杠杆率从2024年62.2%下滑至12月61.4%，这衡量的是居民部门债务余额与GDP的比例，美国这个数据是73.1%，这明显是一个常识问题。最近各大银行开始下架所有3%以下的消费贷，朝令夕改，这分明是一场闹剧，当然也有一种说法，说是央行在降息前进行试水测试，看下市场反应。另一个有趣的是，央行年初设立股票回购增持再贷款新型货币工具，引导金融机构向上市公司和主要股东提供贷款，分别支持其回购和增持上市公司股票，年利率还不超过1.8%。问题是现在是规模以上工业企业利润率这个指标数值在下降，随着基本面业绩变差，“杀估值”是可预期的，现在还想打造股市价格高企的假象，粉饰太平。所以年初这一系列财政政策和货币政策都无助于走出通缩危机，这里不是说消费补贴是无用功，参考历史多次消费品、农用机械补贴，第二年的财政支出边际系数都是相比第一年会暴跌的，这个政策究竟有没有必要持续下去都是个值得考量的问题。2025年通缩和关税危机必然是对中国财政政策和货币政策的巨大挑战。

通缩有什么不好？大家难道不喜欢物价更便宜吗？

来自WSJ的一篇“小作文”报道

去年底这一名言已经让各大经济学家和分析师大跌眼镜，没想到决策班子如此不重视物价指标，从这一两年来的货币政策和财政政策来看，依靠有严重滞后性的“相机抉择”方法，所以这应该不是空穴来风，也许真是个草台班子😂

至于台海问题，我不擅长军事和政治的分析，但感知上身边大部分人是没有理解到军事行动带来的后果，毕竟嘴上或网上打几个字又不需要到市场上拿钱投票，言论自由的另一面是无需承担言论传播影响带来的后果和责任。

回到最开始的问题，人们真的有很好地理解这些事物发展下去的后果吗？我们是否能承受这样的未来？我也不想在现实中和别人谈论这些问题，有些问题明明是常识就能解决的，是他们主动逃避了自己主动思考这个过程，到社交媒体中听到别人讲的很有道理，就认同部分结论，回来到处传播这些叙事。以前学者批评社交媒体的种种弊病，现在我们都无时不刻深受其害。

对当下的反思和批判

作者槐序

2025 April 12th发布

2025-02-15 00:00:00

房地产软着陆已经是最好的结局。

公共产品融资制度

政府是一家经营公共产品的企业，土地财政是公共产品和服务的融资平台。在社会信用扩张和城市间竞争过程中，外地人购房被视为"入股城市"，享受城镇化发展带来的房产衍生价值增长。在政府面前，地方政府从房地产发展商拍地全价中收取较高比例的土地出让金；在房产预售机制下，地产商通过加快项目周期来压缩银行利息成本。这个商业模式看似利润最大化能带来双赢，一旦资金链断裂就必然出现烂尾楼。

土地财政驱动城市发展形成闭环逻辑：基建投资提升城市估值→吸引人口流入→催生房地产需求→创造新财政来源。其中房产还可以衍生作为信用租赁工具，采用"先租后售"租赁房制度（华为从深圳迁移到松山湖案例，人力资本作为信用/抵押价值增加），城投的外部性和不动产价值不断相互影响。

消失的货币

这本质上是一套捆绑在住房体系的土地融资制度，而不动产是直接由货币资本形成的。派生货币并没有流入市场，这也是天量货币流入房地产在过去并没有造成严重通货膨胀的原因。M2增长不造成通胀，原因是M2和社融同步增长。M2货币在房地产行业的传导路径实质上只影响了建筑工人工资、建材采购等固定资产投资，所以危机只会是系统性的通缩。

关于公共物品的外部性和搭便车问题：在外地户籍居民比例占比较高的城市，购房者花的钱很大程度最终用于基础建设支出，而几乎所有人都享受到低廉交通费用的好处。公共产品如果定价不合理——要是价格过低，购房者和公共产品提供者承担这部分成本（房地产溢价较高，就需要土地财政拍地市场保持繁荣，牺牲利润来换取更大的正外部性）；要是价格过高，减少了公共产品的使用次数，无法最大化发挥正外部性——所以公共产品投放非常考验地方政府施政能力，否则整个过程可能是缺乏效率且造成资源浪费的。

很多人喜欢用深圳、上海、杭州等（新）一线城市去证明土地财政的优越性，但这些地方就算没有这套土地财政体系，伴随着人口、地理、城镇化等优势，经济基本面可能不会相差甚远。社会科学是很难做A/B测试的，所以对这种短期内无法被检验的问题，最好使用逻辑推理思考，然后留给时间去用自然实验证明。

公共产品定价困境

随着财政支出边际系数减少，为保持财政预算平衡，公共物品和服务的定价迟早是倾向市场化的。肯定会有狂热的社会主义者称国企的特殊性："国企做大基建本来从来就不是为了盈利，而是为了服务人民。"问题是，就算亏损也是由政府性基金来弥补，社会主义也是不存在免费午餐的。核心问题只有一个：如何以市场公允的价格且高效地投放公共物品和服务。

中国特色的土地财政，虽然表面看似造成了更大的私人效率损失和资源错配，但是放到整个社会看来，政府只要投资还有一定的利润空间，且外部性大于效率损失，债务增长型经济就得以持续。

这背后的代价是，长期可支配收入/人均GDP比例在世界经合组织国家中垫底，提振内需喊了这么多年，储蓄率居高不下，社会福利保障不到位。有人会说为什么不让农民工也享受一样的社保体系？那是因为他们没有缴纳过社保医保和养老金，而且这些群体的平均年龄已接近退休年龄。自然而然，消费意愿较低，投资风险偏好更保守，不能期望他们能有所作为。在功利主义的社会视角他们是多余的，属于农村剩余人口，他们可能最终生一场大病掏空全家储蓄（还顺带缓解了医保基金的压力）。这也是国家资本主义需要面临的道德和伦理的问题之一：是否应该推行全民医保？类似的问题还有失业救济金。

国家资本主义的问题在于：这套制度仅仅改变生产资料和企业组织的所有制形式，将原有私人企业转变成国有企业。如果不解决资本主义的深层生产关系矛盾（例如商品生产、价值规律、雇佣劳动和盲目追求利润的逻辑），那么资本主义的危机就仍然可能发生。回头看，中国经济光明论引以为傲的产业政策带来了什么？不是新结构经济学。看看现实吧：是光伏、电池产业盲目扩大产量赚补贴，加速行业周期，进入价格内卷，企图通过强大的制造业全供应链向海外输出过剩产能。虽然一带一路国家是对政治有利的战略意图，但这显然会遭到西方贸易圈的联合抵制。中国对部分产品进行出口退税或直接补贴，说白了就是不愿意以相对公允的价格把这些产品卖给国人，政策没有及时调整——直到2024年11月15日，光伏和电池等行业的出口退税率将由13%下调至9%（以缓解来自国际贸易摩擦的压力），2025年又延续了超长期特别国债和消费国家补贴政策，才终于开始尝试转向内需推动的消费型社会。

金融创新工具REITs

REITs是中国特色社会主义市场制度下的金融创新工具，它不像其他国家的一样去投向不动产，而是"基础设施证券投资基金"——指依法向社会投资者公开募集资金形成基金财产，通过基础设施资产支持证券等特殊目的载体持有基础设施项目，由基金管理人等主动管理运营上述基础设施项目，并将产生的绝大部分收益分配给投资者的标准化金融产品。如保障性租赁住房REITs就兼具了"保障性"的民生公益属性和"租赁住房"的市场属性。按照合同存续期在10-99年不等（如平安广交广河高速REIT的封闭期长达99年）。翻译一下：现有基础设施在可见的将来回报较低，不容易回本，NPV和IRR都比不上市场平均水平，现在把风险转嫁给愿意承担风险的有志之士，以帮助建设边际效益较低的项目。

在这种社会化的制度下，任何国家资本主义的兴起或官员贪污腐败都会破坏内部团结。市场运作的逻辑必须体现"公平即正义"，才能减少类似恒大、万科、海航事件等道德风险。

制度风险缓释

政府债务可以通过债务置换、展期等方法处理，但是房地产企业却没这么幸运——终究受到第三方信用评级机构和债券市场的定价审判。作为政府白手套和政绩KPI工具，它们理论上也是没有任何继续被利用的价值。它们最好通过破产重组、资产并购的方式，好让房地产行业"软着陆"。恒大、碧桂园和万科等房企先后债务违约，公司高管试图重演美国雷曼"大而不倒"（too big to fail）——就像城投债债权人相信政府"刚性兑付"——他们试图将自身影响力来威胁政府，结局必然是双输的。

彭博社星期三（2月12日）引述知情人士报道，中国监管机构将拨出200亿元的地方政府专项债额度，用于收购万科的待售楼盘和闲置土地，这笔资金将帮助万科偿还今年到期的公共债务和私募债务。……万科最大股东、国资深圳地铁集团上个月已掌控万科的管理权，并将向万科提供28亿元的借款。

对于万科，这应该不是最坏的结局。中国监管部门没有选择权益注资，但还是出了真金白银来偿还债务、做资产剥离、收购优质资产。后续留下无数债务的空壳可能就只能破产重组了。

地租理论与集体意识

如果用马克思地租理论解释，目前的土地公有制和房屋使用权已经消除了绝对意义的地租。如果考虑到户籍制度捆绑的基础设施、教育、医疗、创业资源，土地出让金的存在逐渐形成新的"准地租"。

土地财政作为社会主义初级阶段的过渡性制度安排，通过房地产金融和土地财政将土地点石成金，提取大量剩余价值转移支付到公共事业中。看似违背了把生产资料和资本公有化的初衷，但提取剩余价值的理由是公道的：政府垄断不动产并资本化运作，将城镇化建设成本转嫁给居民，人为制造资源稀缺性，很大程度避免了资本过度累积造成过度金融化的新自由主义倾向。

中国人对房地产市场的"一致预期"，在繁荣期间，社会伴随着FOMO（错失恐惧症）、凑首付、加杠杆等现象，体现了个体意识的相似性。这样的土地财政制度是更倾向于社会主义的，前提是政府支出和投资没有带来浪费。

社会生活有两个来源：一是个人意识的相似性，二是社会劳动分工。在第一种情况下，个人是社会化的，他不具备自身固有的特性，与其同类共同混杂在集体类型里。在第二种情况下，他自身具有了与众不同的特征和活动，但他在与他人互有差异的同时，还在很大程度上依赖他人、依赖社会，因为社会是所有个人联合而成的。意识相似性所产生的法规是受压制手段辖制的，它强迫人们去执行一致的信仰和实践。意识相似性越是显明，社会生活就越会与宗教生活完全混同，经济制度就越接近于共产主义制度。

——涂尔干《社会分工论》

很多普通买家会抱怨人民币市场"没有合适的投资标的"，认为房地产是比较容易接受的标的。相对低估值的A/H股、大宗商品、贵金属、REITs，如此多的品种，人们选择性放弃研究其他更多元的投资标的，把买房当成懒人方案。个人是否应该投资房地产是没有一个标准答案的，而且金融市场的定价可能远离客观现实。投资标的和叙事哪怕完美得天衣无缝，投资者自身的认知正确，但也有可能做错，因为（市场参与者的用钱投票行为造成的）估值远比事物（客观现实中的价值）本身更重要。例如中国房地产市场就很少人理性地使用可量化的租售比和现金流贴现估值，反而经常用城市之间的可比性分析，增加户籍资源、城投、商圈、人脉等辅助定价，甚至在繁荣期间炒作城市发展预期，所以"入股城市"理论能更好地解释房价上涨的逻辑。

研究"金融消费者"的行为会发现：如果一个人对自己要投资的品种既不擅长又不了解，明知潜在高风险高估值，还要重仓上杠杆，这是不可救药的。庆幸的是相当多人的愚蠢决策没有被房地产投机者和地产商赚取过多的剩余价值，他们最糟糕的结局也能为社会主义现代化添砖加瓦。

展望

城镇化进程下的基建和城投发展趋势接近尾声，中国未来是否能摆脱土地财政和债务增长的路径依赖？中国高储蓄率的消费潜力会怎样转换成有效需求？未来中央是否会重视A股市场的财富效应而非单纯的融资功能？

我们正处于外部宏观环境恶化、内部经济结构快速转型、地缘政治分裂的动荡时代，历史可能不能提供有效的参考。我们应该摆脱过去的经验主义困境，重新审视未来的不确定性。"危机"一词同时包括危险和机遇的含义，每次危机都是财富再分配的机会，所以真的没必要像一些人对经济或市场无脑看多或看空。

对当下的反思和批判

作者槐序

2025 February 14th发布

2024-12-14 08:00:00

宏观经济分析是非常复杂的，是无法用简单几个指标就能解释清楚的，不可知的就不要强行解释，通过表面物价数据观测经济无异于盲人摸象，对经济数据的评论并不是想当然。

大样本的客观性

对经济的评价不是一个人主观感知或臆想得到的，任何个体的直觉都是没有代表性的。笔者见过很多收入满足缴纳个人所得税门槛但抱怨近年“物价上涨过快”的朋友，如果要和他们直接解释我们2023-2024年的物价并没有发生显著变化是很困难的，因为不能指望他们去跟踪这些月度的经济数据，而且他们经常抱怨中国统计局数据造假或注水，大部分人对物价的直观感受停留在菜市场和超市中，这种对物价的认知方式是很偏颇的。

这里不想用西方那套繁杂的经济学理论去解释，对于个体的感知，由于不是每个人都能拥有着相似的收入和消费结构和偏好，每个商品背后的价格形成方式都不同。

就拿很多人逛菜市场观察物价的情况说明，例如猪肉价格就存在生猪的“价高伤民，价贱伤农”现象，传导到消费者的价格还包括生猪二次育肥、压栏惜售等厂商非理性行为，加上猪粮比较高，就会存在猪肉价格居高不下的情况。

数据来源：国家生猪市场

2023年猪周期失灵，到2024年初母猪存栏数量减少，养殖企业内卷大洗牌，生猪价格迎来短暂的上涨行情，我们当然可以认为这是猪周期触底回暖的体现，但这轮猪周期上涨阶段的持续时间太短了，第四季度还没过完就跌破12个月均线。对于财经媒体而言，很容易就描述成是供大于求，这实际上是个小学生就能描述出来的现象。

问题是现在是有效需求不足造成的猪肉需求下降吗？还是养殖大厂对未来看多未来物价，母猪存栏数量上涨导致供给过多造成的；又或是豆粕、玉米价格等饲料下降导致猪粮比被动上涨，厂商为维持利润空间继续卷价格和产量；这背后是厂商之家的产量博弈，他们对明年初的预期又是什么？还包括大型养殖户的土地、生猪专项补贴的变化影响。不论如何，总体生猪养殖成本确实是有显著下降的，因存栏母猪数量上涨，猪肉供给确实是同比显著增加的。

至于媒体常说的"猪肉价格下降反映中国有效需求不足引发通缩危机“，大部分人都没有养殖从业的经验，外行就只能从行业研究的种种理论方法去猜测，就像是在盲人摸象，猪肉价格背后涉及到的自变量太多，究竟是不是“有效需求”的问题，这是没办法给出准确答案的，也可能是不可知的。

因此，经济数据的统计就需要从众多数据中形成有一个国家或地区普遍性的指标，例如消费者物价指数必然包含衣食住行，抽样范围包括从大农村到大都市，通过大样本数据去了解当下是很有必要的。

统计数据造假和修正

经济数据固然存在粉饰现象，但这些都是技术性的，如刁钻的统计口径。一个国家必然会维护其信誉和经济数据的有用性（用于政策制定参考），不至于伪造出没有任何依据的数据，大家可以理解成是上市公司为了讨好股东和投资者，做出了更精致的数据呈现在业绩会PPT上，所以本质上是对市场和大众做持续的预期管理。

我是不会再对CPI等月度经济数据发表明确的意见了。首先，CPI为正不一定意味着脱离通缩，一个国家只要存在技术和人口等生产要素累计增加的情况，就存在内生性的通缩倾向，至于其自然通缩率是多少，这很难测量，所以一般认为CPI在大于1-1.5%才能排除通缩的可能，不过这也是后话了，我们可以通过观察PMI、工业发电量、运输货运量等先行经济数据早就可以观察经济形式的变化，物价只不过是结果和现象，没必要过度解读物价变化。

2024年，市场总是纠结那0.2-0.5%左右变动的CPI同比增长率进行过度解读，例如截止至2024年11月，美国核心CPI连续三个月同比增长3.3%，领取失业金人数相比上期没有显著增加。芝加哥期货交易所的美联储利率观察器（基于利率期货期权的报价）告诉我们，三天后降息的概率“高达100%”，降息50BP的概率只有4%。

数据来源：CME Group

交易员只能通过市场交易的结果去思考其原因，那美联储的决策不受市场影响吗？这也不太可能的，甚至是市场交易结果成了反身性悖论，例如当前市场提前反应了未来对经济增长的超预期，标普500和纳斯达克的估值都处于有史以来的最高水平，金融宽松反而使得美联储大幅降息压力很大。

财经媒体总是在给无法解释的现实情况找各种理由和借口。不降息就解释为“美联储认为川普关税政策2.0将不可避免加剧通胀，川普未来很可能干预美联储的决策，所以现在不适合降息“，降息50BP就解读为“基于历史多次预防性降息和即将再次触发萨姆定律，美国陷入衰退硬着陆可能性增加”。对于美联储而言，既然市场提前交易预期，基于这样的自反性，联储也许只能降息25BP了。事实上外界是很难预测美联储议息当天各位主席的决策过程，只能事后看会议纪要和点阵图复盘。

市场提前交易降息预期，权益类资产估值水涨船高，推动AI和加密货币泡沫，金融危机风险加剧，那么美联储是否应该大幅降息？不降息，当下财政政策刺激的边际效益递减，中小企业融资成本居高不下，失业情况可能被低估，等待的是萨姆法则自我预言实现。

今年处于在种种不确定的现实与市场预期中摇摆，不靠谱的经济数据让经济学家们失去了指南针。2024年8月21日，美国劳工统计局修订了非农就业数据——在2023年4月至2024年3月统计周期内，美国新增就业岗位比之前预估的减少了81.8万个。金融危机以来美国劳工局最大幅度下修就业数据，那么美国实际的就业情况究竟如何？各大媒体又开始生产“小作文”，究竟是美联储的预期管理，还是数据统计的技术性偏差纠正，我认为这也是不可知的。期间内美国劳工局8月未能按时披露关键的非农就业修正数据，却把最新的数据提供给来电查询的记者，却没有及时在官网和数据库上更新。总之，8月美国劳工局有较大幅度的数据修正和“技术故障”，不论是经济数据还是市场预期都存在非常离谱的不确定性。

我们最终还是想得知美联储的降息路径，但我们没必要非要对如此重大不确定事项进行下注，我的意思是没有下重注的必要，也没必要去纠结是否降息或降息多少BP的事情。有的事物过于宏观，以至于我们没有足够多的依据和理论去预测。

很多人抱怨中国的通缩现象，但问题是物价是通缩的现象和结果，CPI为负不意味着未来的经济基本面就是非常负面的。对于物价指数这类滞后性指标，很多人看着倒后镜开车，我们要弄清楚PPI下跌的原因：一是中国近年来的供给侧改革和产业政策，对光伏、新能源、芯片等行业进行大规模补贴，扭曲市场价格，厂商过量生产，最终库存积压而国内消费无法消化这部分库存，行业就进入了某种程度的周期回落，加上这些新兴行业的规模经济造成生产成本下降，过度竞争下导致价格断崖下跌，逐渐淘汰落后产能；二是中国推动产业转型，相对落后的产业转移至海外，导致国内对部分工业品的需求下降；三是大规模投资和负债拉动经济增长的发展模式逐渐到达尾声，部分周期性行业如房地产、建材、化工行业正步入寒冬，而消费型社会增长模式尚不成熟。我们应该深入了解每项经济指标背后的组成及其形成原因，而不是对着指标表面数值进行点评。

至于CPI，它能够维持稳定是再好不过的，关键在于是否形成通缩螺旋，这个时候应该去看规模以上企业利润情况、社融、M2、M1、固定资产投资的增长情况，如果多个指标几乎同时指向通缩，那么这样的答案是有一定说服力的。

关于财经媒体总是过度解读那CPI同比增长0.3%左右波动的影响，我们知道假设检验中“统计不显著”不是有效的信息，经济数据这里边包括了部分权重较高的商品短期的周期性波动。有时候我们可以反思下，我们是否过于依赖央行和统计局公布的月度数据，也许我们也没必要月度经济数据的小波动感到大惊小怪。

只有对统计局和人民银行公布的数据进行深入研究和长期跟踪，方能对当前经济形势形成初步认识。

有时候不评价是一种智慧。

刁钻的数据口径

一个劳动力要成为统计意义的失业人口需要同时满足：

1. 在调查参考周内没有工作；
2. 在调查时点前3个月内找过工作；
3. 如果有一份合适工作，能够在2周内立即开始工作;
4. 在调查期内，没有为取得劳动报酬或经营收入从事了1小时及以上工作(国际劳工组织统一标准);
5. 不包括没有报酬或付费实习

青年失业人口还必须是非在校学生。

中国统计局2023年中旬停更青年失业率，2024年初修改统计口径，统计局认为在校学生的主要任务是学习，而不是兼职工作。这里就想反问，难道过去公布的青年失业率的数据样本是同时包括在校寻找兼职和毕业后寻找工作的青年吗？如果是真的，以往的统计数据中就包括大约5%的在校生是找不到兼职而失业的。

美国和欧盟调查青年失业率的数据样本都包含正在上学但同时积极寻找工作的人，实际上正在上学和找工作这两件事是不冲突的，我国教育部为此还发明了《全国普通高等学校毕业生就业协议书》，加上中国本科从头到毕业需要4年，比大部分国家完成bachelor学位所需时间要长，大四这一年一般被认为是用来准备未来升学、求职。统计局刻意把青年失业率变窄，让它失去参考价值和国家间的可比性。换句话说，新口径的青年失业率是用来统计“毕业即失业”+“想躺平但躺不平”的青年比例。

很多聪明的网友还发现GDP的同比增速居然是错的，那是因为名义GDP的现值是用当前物价计算，而GDP同比增长衡量的是真实GDP的增速，也就是用不变价计算，不变价增加值采用固定基期方法计算，目前每5年更换一次基期，2021年至2025年不变价增加值的基期是2020年。

笔者认为观察真实GDP是否完成5%增长目标是没有任何实质性作用的，大部分人应该是希望广义上的经济增长和繁荣而不是单纯产量上的增加，所以还需要考虑通胀或通缩的情况，应该看GDP缩减指数（现价GDP/不变价GDP），它反映的是这些货物和服务的总体价格变动幅度，主要用于分析价格总水平的变化，是最宏观、最综合的价格指数指标，这样放长看就不需要去纠结容易出技术性错误的月度CPI数据。

如果非要在国际上进行比较，那也不应该用人民币或美元作为单位，需要剔除通胀、汇率等因素，购买力平价人均GDP是更好的指标。

2023年的按购买力平价 (PPP)计算的人均 GDP（现价国际元）是24,569.3国际元，较2022年同比增长9.15%，世界银行认为中高等收入国家的数值是在23,126.4和64,011.8之间，这是因为单位变成2023年现价国际元，大部分发达国家饱受高通胀的侵蚀，人民币的购买力被动上涨。如果单位变成2017年不变价国际元，那2023年平价购买力人均GDP增长5.35%；若以2020年的物价作为基期，全年人均国内生产总值89358元，比上年增长5.4%。如果人们了解各项经济数据的统计口径和采样方法，就不会觉得经济数据注水或造假了。

数据来源：World Bank

每个人都可以开自媒体频道，向大众解读各种经济数据，同时不需要承担任何言论过失的责任。要警惕的是，不要低估宏观经济分析的复杂性，不是通过观察几个经济指标的走势或个体直观感受就能解释并预测宏观经济走势，并以此为依据在市场下注。

参考资料

关于完善分年龄组调查失业率有关情况的说明.https://www.stats.gov.cn/sj/zxfb/202401/t20240117_1946641.html

调查失业率的计算方法.https://www.stats.gov.cn/zs/tjws/zytjzbqs/tcsyl/202411/t20241115_1957491.html

五、国民经济核算（16）.https://www.stats.gov.cn/hd/cjwtjd/202302/t20230207_1902278.html

2023年四季度和全年国内生产总值初步核算结果.https://www.stats.gov.cn/sj/zxfb/202401/t20240118_1946691.html

对当下的反思和批判

作者槐序

2024 December 14th发布