# 宏观的基本逻辑——兼论A股的风格问题
原创 沧海一土狗 [ 沧海一土狗 ](javascript:void\(0\);)
__ _ _ _ _
** 文/沧海一土狗 **
_ ps：4300+字 _ ****
**引子**
最近，A股的风格分化到极致：26个周以来，中证1000累计下跌17.64%，沪深300累计上涨16.47%，创业板指累计上涨16.14% 。在过去的半年，
_ 牛市和熊市交织在一起 _ ，小市值股票持续下挫，被戏称为要命4000；核心白马不断上扬，加冕成各行各业的“茅”，上演了一轮冰火两重天的“牛市”。
事实上，市场的分化程度要比几个主要指数所展现得还要严重，小市值指数（ _ A股全部市值低于100亿的公司，每月月底调样 _
）在过去半年累计下跌18.69%，茅指数（ _ 各行各业的茅 _ ）累计上涨39.17%。
如此巨大的指数分化，显然不是一个微观现象。这是一个 _ 宏观现象 _ ，需要我们从宏观上找出一些解释方案。本篇文章将尝试从宏观的角度找出一种备选解释。
**思考宏观问题时容易踩的坑**
不知道从什么时候开始，市场上的流行范式重新变得微观化。以通胀预测为例，人们更倾向于 _ “从微观到宏观” _ 的预测办法，而非 _ “从宏观到宏观”
_ 的办法。
也就是说，人们更喜欢“因为猪的屁股胖了，所以，猪重了”这样的解释，而不喜欢“因为猪吃的多了，所以，猪重了”这样的解释。
说实话，这种偏好也不难理解。前者有一个符合人性的好处—— _ 有微观基础，有数据支撑 _ ，让人安心；后者容易遭受一系列指控—— _
空对空，缺乏数据支持 _ 。
虽然我们曾经总结过一系列宏观历史经验，但是，微观派却嗤之以鼻，他们选择以新时代的视角来处理问题，理由是 _ ——时代变化 _ _ 了，这次不一样。 _
可是，宏观预测之所以容易失败，往往并不是因为缺乏数据支撑，而是 _ 因为不够宏观。 _
我们把凯恩斯奉为宏观经济学的开山鼻祖，并不是因为后世流行的经济刺激和凯恩斯主义，而是因为他打破了“微观基础”对人们思想的禁锢，果断地迈出那一步—— _
直接在总量的层次上思考问题 _ ，开创了新的思考范式。
宏观逻辑和微观逻辑真的是不一样的。
> _** 人们会很自然地设想，一个人在不索取他人的情况下使自己致富的行为，也会使整个社会富裕起来。因此， ** _ _**
> 个人的储蓄行为必会导致平行的投资行为。 ** _ _**
> 同上面一样，这个命题又跟另外一个表面相似却又不容置疑的命题混淆，这后一命题是：个人财富净增的总和恰好等于社会财富总量的净增量。
> ** _ _** ——《通论》P17 ** _
当思考宏观问题时，专业人士也容易踩到一个大坑里，那就是， _ 认为微观上说的通的道理在宏观上也说得通。 _ 若
非经过专业训练，每个人都会无数遍地踩入这个坑里，因为我们是一个个微观主体，丰富的生活经验塑造了我们的微观直觉。 我们很容易把这种微观直觉延展到宏观问题上。
有些延伸是对的，但很多却是错的。
总体来说，从微观直觉出发解决宏观问题会经常性地遭遇以下两类bug： _ 1、微观逻辑加总结果和宏观逻辑反向的问题；2、完备性的问题。 _
凯恩斯在《通论》里重点解决的是第一类问题；第二类问题有些低级，但我们也经常碰到，就是拿本村的翠花买了什么东西、隔壁村儿的二狗卖了什么东西来解释宏观现象，这种bug也很流行。
**宏观的两个基本逻辑**
坦率的说，宏观的逻辑真的挺空的，但好处也很明显： _ 1、避免了反向bug；2、避免了完备性bug。 _
最宏观的公式其实就两个，一个是乘法逻辑；一个是加法逻辑。
对应到最基本的形式逻辑公式（ _ 套套逻辑 _ ）分别是：
_ 1、A=B*C； _
_ 2、A=D+E； _
根据这个公式，我们又可以得到一个基本的推论：
_ 3、B*C=D+E； _
前面两个公式的背后都有极其朴素的直觉：
_ 1、第一个公式背后的直觉就是水涨船高；
_
_ 2、第二个公式背后的直觉就是三十年河东三十年河西，用道家的话就是反者道之动。 _
写到这里，想必很多读者有些晕了，说这些空对空的东西有什么意义？
下面我们要开始宏观逻辑的 _ 惊险一跳 _ ：从宏观恒等式出发，然后，把里面的变量（ _ A、B、C等 _ ）向现实找抓手。
沿着这条路研究宏观问题，好处是避开了反向bug和完备性bug；代价是可能 _ 找不到或者找错 _ 面向现实的抓手。
下面我们用资本市场的具体案例展开讨论这两个基本逻辑。
**股市的乘法逻辑——水涨船高**
在前文《 [ 历史的韵脚——论流动性、风险偏好和风险资产价格
](http://mp.weixin.qq.com/s?__biz=MzUxNjE1NjI1MA==&mid=2247485946&idx=1&sn=159b857728e5a172609b30b8811beb5b&chksm=f9aaf7cfcedd7ed998335848f4974810b3fa4085568ec9e05554b01240bd05ab429ee819e642&scene=21#wechat_redirect)
》中，我们有具体运用过这个逻辑。在这里，我们把它作为具体运用事例过一遍。
假设一个人有10万块钱并且有着较 低的风险偏好，其 风险资产的意愿持有比例是20%，于是，他会持有2万元股票和8万元存款。如果他额外获得了10万元并且
_ 保持风险偏好不变 _ ，那会怎么样？他会从 _ 别人 _ 那里买入2万元的股票，最终持有4万元股票和16万元存款。
对于个人而言，有 别人 可以依靠， _ 通过其他人来 _ 提高或者降低自己风险资产的比率，但对封闭系统而言，没有这样的外界力量来依靠。
> **_全球就是这样的封闭系统。_ **
于是， _ 有无外界力量依靠就成了微观逻辑和宏观逻辑分界点。 _
对于一个有10万亿资产的封闭系统，假设市场平均的风险资产意愿持有比例为20%，于是，这个市场里有2万亿股票和8万亿存款。 _ 为了应对意外事件 _
该系统多了2万亿的存款，那么，市场会发生什么？
每个获得额外存款的 _ 个体都意图从别人那里买入股票 _ ，但整个系统的股票就那么多，于是，整个系统只能通过股票涨价来 _ 平衡系统的资产负债表。
_
最终，2万亿股票涨价25%涨到2.5万亿，存款在10万亿，风险资产的持有比例回到了20%。
通过这个对比，不难发现，微观逻辑和宏观逻辑很不相同， _ 当个体意愿和宏观环境发生冲突的时候，价格相对有弹性的资产自然而然地调整价格，来平衡这种冲突。 _
风险偏好变成了一个关键变量。
如果我们再把系统意愿的 _ 风险资产/安全资产的比例 _ 当做系统平均的风险偏好，于是得到一个一般性的恒等式：
_ 风险偏好=风险资产的价格*风险资产的量/安全资产的总量 _
这是一个一定不会错的定义式的恒等式，然后，我们做 _ 惊险一跳 _ ：
_ 风险资产的价格=（风险偏好/风险资产的数量）*安全资产的总量 _
总量公式就改头换面成前文中乘法逻辑的标准形式 _ ——A=B*C， _ 于是我们可以得到影响风险资产价格的三个要素：
_ 1、风险偏好； _
_ 2、风险资产的数量——IPO和增发； _
_ 3、安全资产的总量——社融增速，背后的货币银行学逻辑是贷款派生存款； _
2020年4月底，央行开启回归货币政策正常化，银行间资金利率逐渐抬升，社融增速出拐点的预期越来越强烈，但是，社融拐点并没有很快出现，直至2020年11月才姗姗来迟。
但是，我们看中证1000的市净率，在2020年7月底就开始转向了，之后一路向下。
因此，流动性状况—— _ 社融拐点 _ 还是会影响到股市的，只不过这种影响对股市不同的部分影响不同。
对中证1000而言，不利因素包括两方面： _ 1、注册制带来的风险资产供给增加；2、流动性衰退； _
如果我们看近端次新股指数，供给的影响很突出，与去年的高点相比，该指数接近腰斩。（ _
指数样本选取标准是：1、自首发上市日次日起，上市涨停板打开便纳入；2、上市满四个自然月则剔除。 _ ）
风险偏好因子则是一个相对被动的因子， _ 它的主要作用是推波助澜 _ ，股价涨得好风险偏好自然就高，相反风险偏好降低。
总体而言，风险偏好因子对核心白马和小市值股票的影响是 _ 割裂的， _
核心白马的风险偏好因子还是向上的，但小市值股票的风险偏好因子早已经向下了，甚至已经到了冰点。
**股市的加法逻辑——反者道之动**
假设核心白马的意愿总市值记为D，小市值股票的意愿总市值记为E，风险资产的意愿总市值记为A，于是，
_ A=D+E； _
如果社会总体的 对 风险资产 的 配比总量是固定的， 势必会在核心白马和小市值股票之间形成某种分配。
市场用实际走势告诉我们，社会意愿 核心白马 总市值的增加会 挤压 小市值股票。
_ 安全资产数量*风险偏好=核心白马市值+小市值股票市值 _
把两个公式串到一块，我们就能知道小市值股票的作用了 _ ——作为整个系统的配平项。 _
那么，为什么是核心白马挤压小市值股票而不是相反呢？这里涉及到一个更为基本的问题 _ ——确定性偏好。 _
以债券为例，我们都知道，最基础的流动性是银行间的流动性，如果央行要加息的话，会提高银行间隔夜和七天的利率，然后，3个月、6个月、一年，一路向更长的期限传导。期限越长包含的影响因素越多，遭遇的不确定性越大。
所以，从流动性的维度看，短债包含的不确定性低，流动性好；长债包含的不确定性高，流动性差。
2020年，疫情刚开始的时候，未来的经济形式极度不明朗——不知道疫情持续到什么时候，也不知道经济什么时候好转，投资者们都一脸懵逼，但是唯一知道的是央行会宽松，会投放巨大的流动性。
于是，投资者开始重仓杠杆追逐流动性方面的确定性，30年国债和2年国债利差的正常区间为80-120bp，中值为100bp， _ 市场追逐确定性的行为 _
导致二者的利差一度飙升到接近200bp。
事实上，核心白马代表了2年国债，代表了确定性；小市值股票代表了30年国债，代表了不确定性。
所以，一旦提到各行各业的“茅台”，大家就会用上核心、赛道、护城河等字眼，这反映了市场对确定性的追逐。表面上看，茅台60多倍的PE是在估值这个公司本身，事实上并不是，这是市场在当下环境下对于确定性的估值。
毋庸置疑，茅台是家好公司，而且是那种较为确定性的好，在特殊的环境下，市场会给这个确定性标一个很高的价格。
市场总是在追逐某种确定性，并喜欢为它支付高价，因此， _ 有确定性的板块挤压没有确定性的板块， _ 这一轮核心白马挤压小市值股票。
那么，是否就意味着小市值股票就会一直被挤压呢？并不是！确定性有各种各样的维度。
市场并不是只有市值大小一个维度，这个只是表象，背后看的都是确定性。只不过这一轮市场关注的在于长期业绩的确定性上。小票有什么确定性优势么？ _
估值确定性的低。 _
市场并不在意你的确定性在哪方面，它并不挑， _ 唯一在意的就是被股价证明的确定性。 _
如果哪一天买低估小票的策略开始证明自己，风又会往这边吹。这个策略会不断地 _ 自我实现 _ ，一些优质的小的会越长越高。
市场会渐渐忘记自己的初衷，以为小的就是好的。
所以，也不要轻言什么市场有什么重大进展，再也不会如何如何，人还是那批人，游戏还是那个游戏，有什么重大变化吗？
当流动性宽松作为核心的确定性时，期限利差会高度拉宽；当经济衰退作为核心的确定性时，期限利差又会压缩到倒挂。 _ 债市的核心确定性变来变去， _
债券的利差也会随着宏观因子以及投资者情绪周期性迈向不同的 _ 极端 _ 。想必，股市也不会有什么例外。
> _** 在宏观问题上，我们最好相信，三十年河东三十年河西。 ** _
**结束语**
任何方法都是有局限的。使用有局限的方法时，我们最好要知道，他的好处是什么，他的代价又是什么。
宏观方法的好处就是： _ 1、绕开了微观逻辑宏观逻辑反向的bug；2、避免了完备性的bug。 _
当然，缺点也一目了然， _ 从形式逻辑往现实世界投射 _ 的时候可能出现偏差，要么找错了代理变量，要么找不到代理变量。
此外，它还有一个应用上的麻烦，它无法准确地回答何时切换。因此，我们会面临一个更加核心的抉择： _ 是要精确的错误，还是要模糊的正确？ _
一定程度的模糊是必要的，这也是很多人讨厌宏观的原因。可是一旦心生追求精确的渴望，就会偏离祖师爷所开辟的道路，栽进那两个埋葬无数巨擘的坑里。
> _** 始于正确，终于模糊，宏观还真是空对空啊。 ** _
_ ps：数据来自wind，图片来自网络 _
End
苹果用户请扫二维码，安卓用户可点击链接：
[ 沧海一土狗的知识星球 ]()
本号唯一的知识 星球号
进行每天市场点评和热点事件点评
分享每一篇文章背后的想法和思路
发表一些最新想法的小短文
解答读者 提问，欢迎参与讨论
预览时标签不可点
修改于
微信扫一扫
关注该公众号
****
****
× 分析
收藏
# 宏观的基本逻辑——兼论A股的风格问题
原创 沧海一土狗 [ 沧海一土狗 ](javascript:void\(0\);)
__ _ _ _ _
** 文/沧海一土狗 **
_ ps：4300+字 _ ****
**引子**
最近，A股的风格分化到极致：26个周以来，中证1000累计下跌17.64%，沪深300累计上涨16.47%，创业板指累计上涨16.14% 。在过去的半年，
_ 牛市和熊市交织在一起 _ ，小市值股票持续下挫，被戏称为要命4000；核心白马不断上扬，加冕成各行各业的“茅”，上演了一轮冰火两重天的“牛市”。
事实上，市场的分化程度要比几个主要指数所展现得还要严重，小市值指数（ _ A股全部市值低于100亿的公司，每月月底调样 _
）在过去半年累计下跌18.69%，茅指数（ _ 各行各业的茅 _ ）累计上涨39.17%。
如此巨大的指数分化，显然不是一个微观现象。这是一个 _ 宏观现象 _ ，需要我们从宏观上找出一些解释方案。本篇文章将尝试从宏观的角度找出一种备选解释。
**思考宏观问题时容易踩的坑**
不知道从什么时候开始，市场上的流行范式重新变得微观化。以通胀预测为例，人们更倾向于 _ “从微观到宏观” _ 的预测办法，而非 _ “从宏观到宏观”
_ 的办法。
也就是说，人们更喜欢“因为猪的屁股胖了，所以，猪重了”这样的解释，而不喜欢“因为猪吃的多了，所以，猪重了”这样的解释。
说实话，这种偏好也不难理解。前者有一个符合人性的好处—— _ 有微观基础，有数据支撑 _ ，让人安心；后者容易遭受一系列指控—— _
空对空，缺乏数据支持 _ 。
虽然我们曾经总结过一系列宏观历史经验，但是，微观派却嗤之以鼻，他们选择以新时代的视角来处理问题，理由是 _ ——时代变化 _ _ 了，这次不一样。 _
可是，宏观预测之所以容易失败，往往并不是因为缺乏数据支撑，而是 _ 因为不够宏观。 _
我们把凯恩斯奉为宏观经济学的开山鼻祖，并不是因为后世流行的经济刺激和凯恩斯主义，而是因为他打破了“微观基础”对人们思想的禁锢，果断地迈出那一步—— _
直接在总量的层次上思考问题 _ ，开创了新的思考范式。
宏观逻辑和微观逻辑真的是不一样的。
> _** 人们会很自然地设想，一个人在不索取他人的情况下使自己致富的行为，也会使整个社会富裕起来。因此， ** _ _**
> 个人的储蓄行为必会导致平行的投资行为。 ** _ _**
> 同上面一样，这个命题又跟另外一个表面相似却又不容置疑的命题混淆，这后一命题是：个人财富净增的总和恰好等于社会财富总量的净增量。
> ** _ _** ——《通论》P17 ** _
当思考宏观问题时，专业人士也容易踩到一个大坑里，那就是， _ 认为微观上说的通的道理在宏观上也说得通。 _ 若
非经过专业训练，每个人都会无数遍地踩入这个坑里，因为我们是一个个微观主体，丰富的生活经验塑造了我们的微观直觉。 我们很容易把这种微观直觉延展到宏观问题上。
有些延伸是对的，但很多却是错的。
总体来说，从微观直觉出发解决宏观问题会经常性地遭遇以下两类bug： _ 1、微观逻辑加总结果和宏观逻辑反向的问题；2、完备性的问题。 _
凯恩斯在《通论》里重点解决的是第一类问题；第二类问题有些低级，但我们也经常碰到，就是拿本村的翠花买了什么东西、隔壁村儿的二狗卖了什么东西来解释宏观现象，这种bug也很流行。
**宏观的两个基本逻辑**
坦率的说，宏观的逻辑真的挺空的，但好处也很明显： _ 1、避免了反向bug；2、避免了完备性bug。 _
最宏观的公式其实就两个，一个是乘法逻辑；一个是加法逻辑。
对应到最基本的形式逻辑公式（ _ 套套逻辑 _ ）分别是：
_ 1、A=B*C； _
_ 2、A=D+E； _
根据这个公式，我们又可以得到一个基本的推论：
_ 3、B*C=D+E； _
前面两个公式的背后都有极其朴素的直觉：
_ 1、第一个公式背后的直觉就是水涨船高；
_
_ 2、第二个公式背后的直觉就是三十年河东三十年河西，用道家的话就是反者道之动。 _
写到这里，想必很多读者有些晕了，说这些空对空的东西有什么意义？
下面我们要开始宏观逻辑的 _ 惊险一跳 _ ：从宏观恒等式出发，然后，把里面的变量（ _ A、B、C等 _ ）向现实找抓手。
沿着这条路研究宏观问题，好处是避开了反向bug和完备性bug；代价是可能 _ 找不到或者找错 _ 面向现实的抓手。
下面我们用资本市场的具体案例展开讨论这两个基本逻辑。
**股市的乘法逻辑——水涨船高**
在前文《 [ 历史的韵脚——论流动性、风险偏好和风险资产价格
](http://mp.weixin.qq.com/s?__biz=MzUxNjE1NjI1MA==&mid=2247485946&idx=1&sn=159b857728e5a172609b30b8811beb5b&chksm=f9aaf7cfcedd7ed998335848f4974810b3fa4085568ec9e05554b01240bd05ab429ee819e642&scene=21#wechat_redirect)
》中，我们有具体运用过这个逻辑。在这里，我们把它作为具体运用事例过一遍。
假设一个人有10万块钱并且有着较 低的风险偏好，其 风险资产的意愿持有比例是20%，于是，他会持有2万元股票和8万元存款。如果他额外获得了10万元并且
_ 保持风险偏好不变 _ ，那会怎么样？他会从 _ 别人 _ 那里买入2万元的股票，最终持有4万元股票和16万元存款。
对于个人而言，有 别人 可以依靠， _ 通过其他人来 _ 提高或者降低自己风险资产的比率，但对封闭系统而言，没有这样的外界力量来依靠。
> **_全球就是这样的封闭系统。_ **
于是， _ 有无外界力量依靠就成了微观逻辑和宏观逻辑分界点。 _
对于一个有10万亿资产的封闭系统，假设市场平均的风险资产意愿持有比例为20%，于是，这个市场里有2万亿股票和8万亿存款。 _ 为了应对意外事件 _
该系统多了2万亿的存款，那么，市场会发生什么？
每个获得额外存款的 _ 个体都意图从别人那里买入股票 _ ，但整个系统的股票就那么多，于是，整个系统只能通过股票涨价来 _ 平衡系统的资产负债表。
_
最终，2万亿股票涨价25%涨到2.5万亿，存款在10万亿，风险资产的持有比例回到了20%。
通过这个对比，不难发现，微观逻辑和宏观逻辑很不相同， _ 当个体意愿和宏观环境发生冲突的时候，价格相对有弹性的资产自然而然地调整价格，来平衡这种冲突。 _
风险偏好变成了一个关键变量。
如果我们再把系统意愿的 _ 风险资产/安全资产的比例 _ 当做系统平均的风险偏好，于是得到一个一般性的恒等式：
_ 风险偏好=风险资产的价格*风险资产的量/安全资产的总量 _
这是一个一定不会错的定义式的恒等式，然后，我们做 _ 惊险一跳 _ ：
_ 风险资产的价格=（风险偏好/风险资产的数量）*安全资产的总量 _
总量公式就改头换面成前文中乘法逻辑的标准形式 _ ——A=B*C， _ 于是我们可以得到影响风险资产价格的三个要素：
_ 1、风险偏好； _
_ 2、风险资产的数量——IPO和增发； _
_ 3、安全资产的总量——社融增速，背后的货币银行学逻辑是贷款派生存款； _
2020年4月底，央行开启回归货币政策正常化，银行间资金利率逐渐抬升，社融增速出拐点的预期越来越强烈，但是，社融拐点并没有很快出现，直至2020年11月才姗姗来迟。
但是，我们看中证1000的市净率，在2020年7月底就开始转向了，之后一路向下。
因此，流动性状况—— _ 社融拐点 _ 还是会影响到股市的，只不过这种影响对股市不同的部分影响不同。
对中证1000而言，不利因素包括两方面： _ 1、注册制带来的风险资产供给增加；2、流动性衰退； _
如果我们看近端次新股指数，供给的影响很突出，与去年的高点相比，该指数接近腰斩。（ _
指数样本选取标准是：1、自首发上市日次日起，上市涨停板打开便纳入；2、上市满四个自然月则剔除。 _ ）
风险偏好因子则是一个相对被动的因子， _ 它的主要作用是推波助澜 _ ，股价涨得好风险偏好自然就高，相反风险偏好降低。
总体而言，风险偏好因子对核心白马和小市值股票的影响是 _ 割裂的， _
核心白马的风险偏好因子还是向上的，但小市值股票的风险偏好因子早已经向下了，甚至已经到了冰点。
**股市的加法逻辑——反者道之动**
假设核心白马的意愿总市值记为D，小市值股票的意愿总市值记为E，风险资产的意愿总市值记为A，于是，
_ A=D+E； _
如果社会总体的 对 风险资产 的 配比总量是固定的， 势必会在核心白马和小市值股票之间形成某种分配。
市场用实际走势告诉我们，社会意愿 核心白马 总市值的增加会 挤压 小市值股票。
_ 安全资产数量*风险偏好=核心白马市值+小市值股票市值 _
把两个公式串到一块，我们就能知道小市值股票的作用了 _ ——作为整个系统的配平项。 _
那么，为什么是核心白马挤压小市值股票而不是相反呢？这里涉及到一个更为基本的问题 _ ——确定性偏好。 _
以债券为例，我们都知道，最基础的流动性是银行间的流动性，如果央行要加息的话，会提高银行间隔夜和七天的利率，然后，3个月、6个月、一年，一路向更长的期限传导。期限越长包含的影响因素越多，遭遇的不确定性越大。
所以，从流动性的维度看，短债包含的不确定性低，流动性好；长债包含的不确定性高，流动性差。
2020年，疫情刚开始的时候，未来的经济形式极度不明朗——不知道疫情持续到什么时候，也不知道经济什么时候好转，投资者们都一脸懵逼，但是唯一知道的是央行会宽松，会投放巨大的流动性。
于是，投资者开始重仓杠杆追逐流动性方面的确定性，30年国债和2年国债利差的正常区间为80-120bp，中值为100bp， _ 市场追逐确定性的行为 _
导致二者的利差一度飙升到接近200bp。
事实上，核心白马代表了2年国债，代表了确定性；小市值股票代表了30年国债，代表了不确定性。
所以，一旦提到各行各业的“茅台”，大家就会用上核心、赛道、护城河等字眼，这反映了市场对确定性的追逐。表面上看，茅台60多倍的PE是在估值这个公司本身，事实上并不是，这是市场在当下环境下对于确定性的估值。
毋庸置疑，茅台是家好公司，而且是那种较为确定性的好，在特殊的环境下，市场会给这个确定性标一个很高的价格。
市场总是在追逐某种确定性，并喜欢为它支付高价，因此， _ 有确定性的板块挤压没有确定性的板块， _ 这一轮核心白马挤压小市值股票。
那么，是否就意味着小市值股票就会一直被挤压呢？并不是！确定性有各种各样的维度。
市场并不是只有市值大小一个维度，这个只是表象，背后看的都是确定性。只不过这一轮市场关注的在于长期业绩的确定性上。小票有什么确定性优势么？ _
估值确定性的低。 _
市场并不在意你的确定性在哪方面，它并不挑， _ 唯一在意的就是被股价证明的确定性。 _
如果哪一天买低估小票的策略开始证明自己，风又会往这边吹。这个策略会不断地 _ 自我实现 _ ，一些优质的小的会越长越高。
市场会渐渐忘记自己的初衷，以为小的就是好的。
所以，也不要轻言什么市场有什么重大进展，再也不会如何如何，人还是那批人，游戏还是那个游戏，有什么重大变化吗？
当流动性宽松作为核心的确定性时，期限利差会高度拉宽；当经济衰退作为核心的确定性时，期限利差又会压缩到倒挂。 _ 债市的核心确定性变来变去， _
债券的利差也会随着宏观因子以及投资者情绪周期性迈向不同的 _ 极端 _ 。想必，股市也不会有什么例外。
> _** 在宏观问题上，我们最好相信，三十年河东三十年河西。 ** _
**结束语**
任何方法都是有局限的。使用有局限的方法时，我们最好要知道，他的好处是什么，他的代价又是什么。
宏观方法的好处就是： _ 1、绕开了微观逻辑宏观逻辑反向的bug；2、避免了完备性的bug。 _
当然，缺点也一目了然， _ 从形式逻辑往现实世界投射 _ 的时候可能出现偏差，要么找错了代理变量，要么找不到代理变量。
此外，它还有一个应用上的麻烦，它无法准确地回答何时切换。因此，我们会面临一个更加核心的抉择： _ 是要精确的错误，还是要模糊的正确？ _
一定程度的模糊是必要的，这也是很多人讨厌宏观的原因。可是一旦心生追求精确的渴望，就会偏离祖师爷所开辟的道路，栽进那两个埋葬无数巨擘的坑里。
> _** 始于正确，终于模糊，宏观还真是空对空啊。 ** _
_ ps：数据来自wind，图片来自网络 _
End
苹果用户请扫二维码，安卓用户可点击链接：
[ 沧海一土狗的知识星球 ]()
本号唯一的知识 星球号
进行每天市场点评和热点事件点评
分享每一篇文章背后的想法和思路
发表一些最新想法的小短文
解答读者 提问，欢迎参与讨论
预览时标签不可点
修改于
微信扫一扫
关注该公众号
****
****
× 分析
收藏