第四部分 · 宏观环境如何改变资产 · 第 21 章

宏观数据和多资产: 利率、通胀、汇率和商品如何连起来

股票不是关在自己的服务器机房里交易的。利率一动,估值和债券价格跟着动;通胀一变,消费、商品和央行政策全跟着变;汇率一晃,出口、进口和跨境资金都要重算;商品价格一涨,企业的成本和利润立刻改写。量化如果只盯着股票 K 线,就像只看进程日志不看监控大盘——很多真正的驱动力都在屏幕之外。这一章要把宏观数据和多资产视角装进你的工具箱,让你把市场看成一个相互连接的系统,而不是一堆孤立的报价。

主线四 本部分第 2 / 6 章

本部分的问题:增长、通胀、央行、美元和金融危机怎样穿过市场,改变资产的现金流与折现率?

读完后,你能把宏观新闻放回传导链,而不是用一个大词解释所有涨跌。

读完这一章,你会明白

• 宏观数据必须按发布时间和预期差来使用,提前把未来才会公布的值塞进模型,就是宏观版的偷看未来。
• 利率、通胀、汇率和商品,分别通过折现率、成本利润、资金流向和风险偏好这四条管道影响资产价格。

金融现场 1. 让全世界最保守的基金差点倒闭的,不是股票,是利率上调

2022 年 9 月,英国新任首相特拉斯公布了一套“迷你预算”:大规模减税、维持能源补贴等市场最想要的财政刺激,全都给了。但结果不是掌声,是债市当场暴雷:英国长期国债价格在几天内暴跌了大约 20%──对一个 G7 主权国家,这是教科书级的冲击。更荒唐的是,差点系统性倒闭的,不是大家以为的对冲基金试图追高风险,反而是没人想到的那一家──英国的养老基金,被这次利率上调按倒。

原因藏在一个叫 LDI(负债驱动投资)的金融结构里:英国养老金为让未来几十谷久度的支出能被预算内负担,大量使用利率互换等衍生品对冲债券波动,再用国债当抵押品。国债价格暴跌,抵押品开始不值钱,券商打电话要追加保证金。养老金手里没有随时可用的现金,只能被迫在市场最低点抛售国债换取现金──价格被养老金自己的抛售进一步砸低,新一轮催缴又来,循环失控。英国央行在 9 月 28 日 宣布,亲自下场买入 650 亿英镑的国债给市场“刹车”,才稳住了局面。

这才意识到一个事实:这不是普通的“市场价波动”,是一场金融链式反应:利率上行(央行本该控制局面) → 抵押品贬值 → 追加保证金 → 被迫抛售 → 再导致价格进一步波动。看上去最保守的养老金,恰恰用了最怕利率的结构;看上去最不可能崩的标的(国债),恰恰是最关键的筹码。整个过程中没有人犯道德错误──除了当初没人认真算过:如果利率真快速上升,这副结构还能撑几天。

对做量化和宏观的人,这个事件给了我们一整套指标:利率风险不是“如果跌了会怎样”,而是“利率每波动一百个基点,你的对手方会被迫干什么”。做风险你要知道你在和谁对赌──谁在高杠杆、谁在压力测试没做够、谁在流动性少时用了衍生品加垫。量化的压力测试不能只把价格摔在自己组合上,更应当复盘“所有押注同一方向的机构都需要被抛售的日子”──这才是真实的弱肉强食考验。市场不惩罚错误本身,市场只惩罚等到需要在错误时间里把错误兑现的人。

2. 宏观数据先看发布时间

先考你一道送命题:模型里用 7 月的 CPI,让模型在 7 月做交易决策——行不行?答案是:不行,因为 7 月的 CPI 可能要等到 8 月才公布,7 月的市场根本不知道它存在。宏观数据有一大家子:GDP、CPI、PPI、PMI、社融、信贷、失业率、进出口、工业增加值、零售、财政、货币供应、利率和汇率等等,它们通常按月、按季或按周发布。金额重要,发布时间同样重要——对量化来说,后者甚至是先决条件。

坑还没完:宏观数据不是一个数发出来就板上钉钉,它还有初值、修正值和最终值。你今天在数据库里查到的“历史数据”,可能是后来修订过的版本,和当时市场看到的并不一样——这和上一章财务数据的点时问题,是同一种病。用修订版回测,效果约等于让考生拿着改过的标准答案重新估分。

所以宏观研究的第一步,不是判断数据好坏,而是先建一张日历:哪个指标几号几点公布,市场预期是多少,实际值和预期差多少,过去的数据有没有被修正过。这张日历就是你的时序防线——没有时间轴,宏观因子迟早长出未来函数,还是不疼不痒、极难发现的那种。

先把这张日历钉死:官方制造业 PMI 每月最后一天上午 9:30 发;CPI、PPI 一般在每月 9 日前后上午 9:30;GDP 按季发,落在季后那个月的中旬、上午 10 点;工业增加值、社零、固定资产投资跟着月度的节奏,多在每月 15 日前后上午 10 点;社融、M2、新增贷款落在每月 10 日到 15 日之间,偏偏爱在下午收盘后甚至傍晚公布;LPR 每月 20 日上午 9:15 亮相,遇节假日顺延。注意,多数是“日期窗口”而非铁打的一天,所以入库要按真实公告日,不能拍成固定日期。

于是一个 A 股投资者的数据时刻表长这样:早晨 9:15 先看今天是不是 20 日、LPR 动没动;9:30 开盘,CPI 常在这功夫砸进盘面;11:30 到 13:00 午休,把上午的消息消化一遍;15:00 收盘铃响,国内数据的戏份基本落幕;傍晚若正逢月中,社融可能随时弹出来;晚上 20:30 前后常轮到美国 CPI,21:30 前后美股开盘接着演,冬令时再各顺延一小时。全球市场就这么一棒接一棒跑接力,你的闹钟得按这个节奏设——漏了一棒,第二天开盘就轮到你猜谜。

修正值和初值的坑,边界要画清:GDP 这类指标先发初步核算,几年后才给最终核实,数据库里查到的“历史值”常常是后者。回测若用最终核实值,等于把几年后的修订塞回当年——市场那天根本不知道小数点后会怎么改,这就是隐性偷看未来。安全口径只有一条:任何时点只准使用当天及以前已公布的版本,初值就是初值,修正公告到了哪天,模型哪天才有资格切换。别拿“反正差得不多”当借口:修订大的时候能改写方向,这种亏在历史研究里反复上演。

3. 利率是资产定价的底层变量

如果把整个金融系统看成一套服务,利率就是那个被所有模块引用的全局配置:折现率、融资成本、债券价格、股票估值、房地产、汇率,全都依赖它。理解两条传导链就抓住了主干:无风险利率上升时,未来现金流折现到今天的价值会缩水,手里那些“故事在远方”的成长股,估值常常先承压;债券收益率上升时,票面现金流固定不变的存量债券,价格只能下跌——同样的票息,市场现在要求更高的回报,差价只能从价格里扣。

落到策略上,量化多资产研究会盯着利率动量、曲线斜率、实际利率、信用利差这些变量;股票策略也会拿利率环境解释估值的起落;债券策略更直接,就是围绕久期、曲线和利差吃饭。利率这张底牌不看懂,很多资产价格的涨跌你只能看到热闹,看不到门道。

久期这把尺子,必须会手算:一张 10 年期国债,久期约 7,收益率上行 0.1 个百分点,价格变动约等于负的久期乘以利率变动,即 -7 × 0.1% = -0.7%,1 万元持仓立刻浮亏约 70 元。反着验:收益率回落 0.1 个百分点,价格约涨 0.7%,数值对称。换成久期 3 的中短债,同样的 0.1 个百分点只动 0.3%。“久期越长越敏感”的全部含义就在这——利率变动乘以久期,债券价格的脾气一眼看穿。

4. 通胀什么时候开始烧,通缩什么时候冻

通胀和通缩听着像对称的两面,实际是完全不同的两种病。把全书小岛上的账先算在脑子里,再把镜头拉到国家尺度——你会发现历史上那些吓人的通胀和闷死人的通缩,走的是两条完全不同的传送带,各自点火、各自蔓延。

先别把通胀分成教科书名词,先看钱和货这对跷跷板:货不变、钱多了,票面就要跌——这是通胀的底层杠杆。火从哪儿点,历史上有两台发动机。第一台叫“印钱买账”:政府有窟窿(战争、赤字),就拼命开印钞机或者用央行直接开票子堵,钞票比产出的东西长得快,物价被轰上天。1923 年的魏玛德国是教科书的经典,战争赔款赔了,印钞机开到极限,物价一个月翻几百倍,一份报纸从几马克涨到两千亿马克,发薪要按小时计——钱还没有印值钱,你手里的钱不过夜就贬。2008 年的津巴布韦也走了同一条路,印出 100 万亿面值的钞票却买不着一条面包,物价一天涨很多次,老百姓用纸钞叠钱都当柴烧。

第二台叫“货被卡了脖子”:不是钱多,是货不够。1973 年的石油危机就是最典型的供给型通胀——油价从 3 美元涨到快 12 美元,直接顶破了上游成本,化工、化肥、运输、面巾纸全被推着涨——美国通胀一度冲破 12%,这不是央行想不想的问题,是货价他自己坐火箭了。央行想压,一加息就把经济拍进衰退,只能靠很长的时间慢慢把物价打下去,沃尔克把利率拉到 20% 才压断这轮通胀。经济的另一条暗道是工资-价格打转:工人要求加薪覆盖物价,企业涨价覆盖人工,转了三年头脑风,通胀在系统里生根。

通缩则更像是经济慢慢冻结。它不是物价的普通回调,而是一种需求塌陷:东西没人买,价格一跌,人们越等越不买,越不买越跌——这就是“跌-等-再跌”的恶性循环。1930 年代的美国大萧条把它演到极致:物价三年跌去四分之一,商家卖不动,大规模失业让整个经济动不了。1990 年代的日本则是慢火版:资产泡沫破灭后,企业和居民一起急着还债、减少开支,三十年物价原地踏步——通缩里物价越跌,债务的实际重量越重,人们越不敢花钱,越等越便宜。这套自我强化的循环,正是为什么政策面对通缩会比面对通胀还紧张。

还有一颗特殊的定时炸弹叫滞胀:通胀高、增长停——货不够+钱虚多并存,上世纪 70 年代的美国就是这样。央行一收紧,失业跟着上,一放松,通胀接着烧,左右都是疼。通缩的坏处设定类似,一旦债务膨胀而价格往下掉,债真实债务越拖越重——实际利率在负数的时候,政底越薄越危险,这是游轮上唯一见不得的。

对量化人,通胀通缩不是新闻讨论题,是回测背景里的环境参数。同样的策略在通缩期可能表现稳,遇到通胀急涨,利率上抬、债券掉价、成长股先栽;在通缩里,高质量债成了避风港,商品则难看。所以在什么时代里测策略,结论大不同——拿 2003-2013 年的数据做的债券策略,到了 2022 年加息周期里就得重新验证。宏观环境不是背景板,它是会盯住你策略命门的一双眼:通胀高、利率上、成长股挤水;通胀低、需求弱、债券扑火。我们不讨论“通胀是好是坏”,只问“它什么时候来、扫过哪里、扫过多久”。

5. 通胀和实际收益

一年赚了 5%,先别急着高兴,问一句:物价涨了多少?如果通胀是 4%,你的实际收益大约只剩 1%——通胀就是一台悄悄运转的碎钞机,专门啃食名义数字的含金量。投资到最后,关心的必须是实际购买力,而不是账户里那个越来越大的数字本身,数字大不代表能换到的东西多。

衡量通胀也有两把常用尺子:CPI 更接近老百姓的消费价格,米面油盐、衣食住行;PPI 更接近工业品的出厂价格,钢材煤炭、机器化工。PPI 上升这件事,解读要分两头——对处在产业链中游的企业,它可能意味着成本上升、利润被挤;对上游行业,它反而可能是盈利改善、产品卖上价。同一条数据,坐在产业链不同位置的公司,尝到的滋味完全不同。

通胀还有一只更长的手:它会影响央行政策。通胀压力高,央行可能收紧政策,利率上行,债券和高估值资产一起承压;通胀低迷、增长乏力,政策可能转向宽松。请注意这里连着用了好几个“可能”——政策决策还要同时掂量就业、增长、汇率和金融稳定,从来不是单变量的条件反射。把央行想成一个多目标优化器,比把它想成一台简单机器,更接近真相。

实际收益的严格算法是除法不是减法:名义赚 5%、通胀 4%,1.05 ÷ 1.04 ≈ 1.0096,实际约 0.96%,减出来的 1% 只是近似。拉长十年,差别就藏不住了:名义翻 1.05 的 10 次方 ≈ 1.63 倍,物价涨 1.04 的 10 次方 ≈ 1.48 倍,实际购买力只剩 1.63 ÷ 1.48 ≈ 1.10,十年真增长约 10%,摊下来每年不到 1%。名义数字越滚越大,实际成色原地踏步——碎钞机就是这么上班的。

6. 汇率和跨境资金

汇率说白了,就是两种货币的相对价格,但这个价格一个转身,就能让同一家公司的报表冰火两重天。人民币升值:进口原材料便宜了,成本可能下降,可图的是那些海外收入折算回人民币时也跟着缩水;人民币贬值:出口企业的产品在国际市场上更有价格优势、可能受益,进口成本却可能上升。影响的方向,从来不取决于汇率本身,而取决于公司收入和成本的结构——先画清一家公司的“敞口地图”,再谈汇率涨跌对它意味着什么。

汇率自己又由什么驱动?利差、资本流动、贸易、风险偏好,都在里面掺一脚。当海外利率上升、本币利差变化、或者全球风险偏好下降时,汇率和跨境资金都可能跟着波动,而且经常互相放大——资金因为汇率预期而动,汇率又因为资金流动而变,这是一组会自我强化的双人舞。

量化在使用汇率数据时,有几个工程细节偷懒不得:交易时区、各国假期、在岸与离岸价格的差异、数据源口径。全球资产不是同一个时刻收盘的——东边的市场收市时,西边的还没开盘,把这些价格简单地按自然日拼进一张表,错位就在所难免。时间对齐这件小事,在多资产研究里恰恰是最容易出鬼的地方。

敞口地图配一笔手算账:某出口企业一年海外收入 1 亿美元,人民币从 7.0 贬到 7.2,同样的美元折算回来,从 7.0 亿元变 7.2 亿元,报表凭空多出 2000 万——1 亿 ×(7.2 - 7.0)= 2000 万。反过来,一家年进口 1 亿美元原料的企业,成本同口径增厚 2000 万。汇率每挪 0.2,敞口 1 亿美元的公司报表就晃 2000 万。先算清敞口是正是负,再谈这轮升贬是红包还是板砖。

7. 四场货币战争教你的事

汇率这碗水不只是跟着贸易慢慢晃,它还能被人“端走”——盯准一个国家货币制度上的裂缝,借来本币砸盘,逼着央行放弃盯住制,等价格崩了再低价买回还债,这一卖一买中间夹着的就是利润。这种打法有个形象的说法:做空一个国家。听上去像电影剧本,但在过去三十年里它真实上演了不止一次,每次都把同一件事钉死在桌上:再大的招牌也扛不动自己的资产负债表——哪怕你这招牌叫英格兰银行。

第一场最经典:1992 年 9 月 16 日,英国的“黑色星期三”。那时英镑被绑在欧洲汇率机制(ERM)里,兑德国马克必须守住一条窄幅走廊。索罗斯的量子基金算清了账:英国通胀高企、经济疲软、利率方向跟德国倒挂,这个钉住价位从根上就不合理。于是他们借了上百亿英镑往市场上抛,逼着英格兰银行动用外汇储备接盘。英格兰银行上午把利率加到 10%,预告下午加到 12%,最后一咬牙喊到 15%——弹药还没打完,政府宣布退出 ERM。英镑当天崩了,索罗斯一役净赚约十亿美元。一个百年老招牌的央行,被一个对冲基金经理连夜掀了桌子——这不是学术假设,是发生过的真事。

第二场更快也更狠:1997 年 7 月 2 日的泰国。对冲基金半年前就把泰铢盯上了——泰国出口放缓、外债短借长用、外储只有大约三百亿美元,可对美元钉住的承诺还挂着。攻击的程序固定:借泰铢、抛售、制造贬值恐慌、坐等外储耗尽、逼官方改浮动。泰国央行硬扛了一个月,烧掉三百亿美元外储的大头,7 月 2 日宣布弃守;泰铢从 25 兑一美元跌到五十多,腰斩还要再拐一截。紧接着火就蔓延开了:马来西亚、印尼、韩国挨个挨刀,韩元腰斩,印尼卢比崩掉八成。一国倒下,邻居跟着打喷嚏——这就是“亚洲金融危机”。

第三场是反例,也是唯一能打退的:1998 年 8 月的香港。国际炒家按同一套剧本冲击联系汇率,但香港金管局这次完全不按套路,直接把外汇基金拍进股票市场——一次性买入约一千一百八十亿港元的恒指成分股,占当时港股总市值百分之六上下。结局:空头被轧到天价,联军溃退;这些股票后来打包成盈富基金慢慢退还给市场。“香港保卫战”留下三条经验:第一,央行也会讲兵法,不一定是那头只会挨打的软弱大象;第二,能打退的前提是央行肯动真格,且弹药(外储)足够厚;第三,联系汇率这个小阀门只要撑过最要命的那一夜,保住的就是全香港的钱。

还有两场首尾相连的受难记。1998 年 8 月 17 日,俄罗斯宣布违约国内三百六十亿美元国债,顺手把卢布砸了——主权国家原来也能点“赖账”这颗按钮。一个月后,美国长期资本管理公司因为满仓新兴市场、利差头寸加高杠杆爆仓,四个月亏掉约四十六亿美元,诺奖得主坐镇也没能拦住现实。再往后,2015 年“811 汇改”人民币被空头围猎,中国一年烧掉接近一万亿美元的外储(峰值约四万亿降至三万亿附近)才把一波攻势按下。这就是学量化前必须先补的历史课:汇率这个接口名义上是国家的,实际上也是市场的——博弈的胜负手从来不是“看空对不对”,而是谁的手更长、谁的子弹更厚。

把四场战役串成一句话就是索罗斯自己招认的反身性:基本面弱引空头,空头砸盘引恐慌,恐慌又反过来把基本面拖得更弱。国家手里的底牌一共三张:加息,代价是先让本国经济难受一阵;外汇管制,代价是以后没人再敢来;外储硬耗,可惜弹药不是无限的。能撑住的都像香港那次一样,卡住“货币市场—基本盘”这个最要命的节点,不让外储和利率同时崩。做量化的人听完这节课至少带走两条:别在回测里假设“央行永远顶得住”,也别在模型里假设“主权永远刚兑”——历史上以为刚兑的人,结局大多不好看。

8. 商品价格连接产业链

油价一跳,航空公司的成本表、化工企业的原料单、物流公司的油费账单,甚至下个月的通胀数据,全都要跟着改写——商品价格就是这样一根穿透产业链的导线。商品包括能源、金属、农产品、化工品等几大门类。商品价格上涨,对上游资源企业可能是收入改善,对下游制造企业可能是成本压力;油价影响着航空、化工、交通和通胀,铜价则常被市场当成观察工业需求冷暖的信号灯。

在量化手里的用法也有两条线:多资产量化会拿商品趋势、库存、期限结构和跨品种价差来做信号;股票基本面量化则用商品价格去解释行业利润,煤炭、钢铁、化工、航空、养殖这些行业,报表里到处晃着上游价格的影子。商品从来不只是期货盘手的话题,它是股票研究的外部传感器。

成本传导算一笔航司账:某航空公司一年燃油成本 100 亿,油价涨 20%,这块直接变 120 亿,多出 20 亿;票价不提的前提下,原本 30 亿的年利润被挤到只剩 10 亿。反着验:只要票价收入能多收 20 亿,利润就填回 30 亿——能不能涨价、能涨多少,正是同行之间的分水岭。所以“油价上涨”这条新闻,落到报表之前要先过一道转嫁能力的筛子,筛不住的部分,才叫利润冲击。

9. 股债商汇的常见组合逻辑

同一场天气,有人晒谷有人收伞——股票、债券、商品和汇率对宏观环境的反应,各有各的剧本。常见的经验搭配是这样的:增长强、通胀温和时,股票可能表现好;增长弱、利率下行时,高质量债券可能表现好;通胀上行或者供给受冲击时,部分商品可能表现好;全球风险偏好一变,汇率和跨境资产又会跟着晃。这套“四季歌”值得背下来,但千万别当成铁律来用。

为什么不是铁律?因为同样的宏观标签,成因可能完全相反。通胀上行如果来自需求强劲,企业收入跟着水涨船高,股票未必马上变差;可要是来自供给冲击,成本挤压利润,股票就可能承压。债券也同理:增长弱时它通常受益,但要是同时通胀高企,它的日子也好过不了。宏观因果链是多根线的编织,揪住一根就冲锋,是典型的宏观新手病。

多资产配置真正的价值,正藏在这种不确定性里:不把所有的钱押在单一宏观情景上。未来是高增长、低增长、通胀、通缩、危机还是复苏,没有人能提前开箱验货,那就让组合对多种情景都留有应对空间。这不是消极和稀泥,而是承认预测极限之后,最理性的工程冗余。

先把 M0、M1、M2 的三层关系画清楚:最内圈 M0 是流通中的现金,中间一层 M1 再装进企业活期,最外一圈 M2 再装进定期存款。范围每外扩一圈,钱的“随时能花”属性就淡一分——这个小图是后面剪刀差那块仪表盘的底座。

货币供应里还有一块经典仪表盘:M1 是流通中现金加企业活期存款,相当于随时能投、能花的“活钱”;M2 在 M1 之上再装进定期存款等“沉淀的钱”。M1-M2 剪刀差就是两者增速之差:M1 增速跑赢 M2,说明企业在把钱从定期挪成活期,准备开工扩产,经济活力通常在升温;M1 落后,钱躺回定期吃利息,投资意愿偏冷。方向和温差一目了然,它被盯了很多年不是没道理。

社融的意思是:企业和居民先借到钱,之后才有钱可花,所以社融增速回升常常领先经济回暖一段不短的时间,市场拿它当先行指标。但误用也最常见:一是拿单月剪刀差当买卖信号,春节错位这类季节性噪音动辄把单月数值打飞,至少要看连续几个月的趋势;二是把领先当成必应验,借钱意愿刚起来却碰上外部冲击,传导照样断链。先行指标是天气预告,不是保兑支票——看趋势、配验证、留退路,一样不能少。

10. 宏观因子的检验难点

股票量化是大数据游戏,宏观量化其实是小数据游戏——这个反差,决定了宏观因子检验的先天困难。股票每天有几千个截面样本可算,宏观季度数据攒几十年也只有几百个点。样本这么少,统计检验天然不稳定:某段历史碰巧验证了你的规律,很可能真的只是碰巧。几百个点里挖出“圣杯”,这圣杯大概率是噪声做的。

雪上加霜的是,宏观关系还会漂移。政策框架在变、经济结构在变、全球环境在变、监管制度也在变——过去十年利率和股票之间的那种关系,未必能搬进下一轮通胀环境里用。宏观里没有永恒的相关性,只有暂时没被打破的惯性,做策略时必须给“关系失效”留出位置。

所以宏观量化比别处更需要经济解释和稳健性检验。看到某个指标和股市历史走势相关,先按住下单的手,逐项过一遍检查清单:数据公布时点对不对?市场预期怎么演?资产传导链通不通?样本稳不稳?交易成本扛不扛得住?全过关了,这条相关才算拿到了进入策略的面试资格——注意,是面试,不是录用。

11. 预期差比绝对值更重要

公布的经济数据明明很好,市场却跌给你看;数据差得难看,市场反而涨——这种“反常识”行情,背后是同一条规律:价格通常提前反映预期。市场交易的从来不是数据本身,而是数据和预期之间的差值。好消息低于更好的预期,就是坏消息;坏消息好于更坏的预期,就是好消息。这就是“预期差”三个字的全部分量。

拿 CPI 举个例子就清楚了。市场预期 CPI 是 3%,实际公布 4%:这意味着通胀超出预期,利率上行预期抬头,债券和成长股一起承压。换个剧本,市场预期 5%,实际也是 4%:通胀数字没变,可它低于预期,资产的反应可能完全反过来。同一个 4%,站在不同预期的底座上,就是两种行情——不带上预期这把标尺,数字不会自己开口说话。

因此做宏观事件研究,必须把三个数分开:实际值、预期值、预期差。只拿实际值回测,常常会撞上一个尴尬的结果:模型怎么都解释不了市场当天为什么那样走。不是市场错了,是你的特征少了一维,你 measuring 的是事实,市场 price 的是意外。

把预期 3%、实发 4% 这根链条逐环手算一遍。第一环:通胀超预期,加息预期升温,假设 10 年期国债收益率上行 0.1 个百分点。第二环:久期 7 的存量国债,价格约跌 7 × 0.1% = 0.7%,1 万持仓浮亏约 70 元。第三环:成长股折现——一笔 10 年后才到手的 100 元利润,折现率从 8% 抬到 8.1%,现值从 100 ÷ 2.159 ≈ 46.32 缩到 100 ÷ 2.179 ≈ 45.89,约跌 1%。第四环:债券跌、成长股估值缩,大盘情绪跟着降温。四个箭头,环环能拿笔复核——预期差就是这样从一行数据,变成满屏绿色。

12. 多资产回测的额外问题

把股票、债券、商品、外汇塞进同一个回测,难度不是加法而是乘法——多资产回测比单一股票复杂得多。不同市场交易时间不同、节假日不同、货币不同、交易单位不同、保证金和融资规则不同、数据频率也不同,每一个“不同”都是一处可能的故障点。拼的不是一张大表,而是一套有六七个时区的分布式系统,没对齐之前,它产生的每一行“结果”都值得怀疑。

具体要处理的清单拉出来不短:时区对齐、汇率换算、期货换月、债券久期、商品合约规格、股息、税费、资金占用。一个全球多资产策略,如果只是把几张简单的日线表按日期拼在一起,那几乎必错——错得还很隐蔽,净值曲线照样漂亮地生长,只是和真实世界没什么关系。幻觉式回测,是多资产领域产量最高的副产品。

个人学习完全可以从简版起步,别一上来就复刻桥水:A 股指数、债券 ETF、黄金 ETF、商品指数或期货连续合约,按月再平衡,用统一的人民币口径计算收益。先把框架跑通、把对齐问题处理干净,再逐步往里加真实感更强的细节。框架先对,细节后补,这个顺序和多资产配置一样,讲的是先活下来。

时区坑要算到小时:美国 CPI 在北京时间晚上 20:30 公布,冬令时顺延到 21:30,而 A 股当天下午 3 点就已收盘——这一天对 A 股来说,这个数据根本不存在,最早只能用于第二天的交易。回测若按自然日把“当天”的美国数据对齐到“当天”的 A 股,模型等于提前偷看了一个晚上。正确做法:以北京时间 UTC+8 为主时钟,每条海外数据标注“对 A 股最早可交易日”,先答这句再入库。

频率对齐也要落到交易日粒度:宏观多是月度、季度值,价格是日度,常见两种拼法各有规矩。一是前向填充:1 月 CPI 在 2 月 9 日才公布,那么 2 月 9 日之前的每一天,模型手中最新的 CPI 仍是 12 月值,新值公布后才有资格上岗。二是重采样到月末:当月数据只能服务下个月起的仓位。两种都行,唯一不行的是让当月值在当月偷偷生效——那十来天的提前量,又是一个未来函数。

13. 个人如何用宏观而不被宏观带跑

打开财经软件,今天一条通胀新闻,明天一条汇率快讯,后天一场会议通稿——很多个人投资者的仓位,就这样被新闻流牵着鼻子走,一天一个主意。这种用法恰恰是宏观的错误打开方式。更稳的姿势是:把宏观当成风险背景和配置参考,而不是每天交易的理由。宏观是用来校准航向的六分仪,不是让你每分钟猛打一把的方向盘。

具体的做法可以很朴素:给自己搭几个简单仪表盘——利率水平和曲线形状、通胀趋势、信用扩张速度、主要指数估值、商品价格、汇率、股债相关性。每月或者每季度检查一次就好,重点回答一个问题:我的组合是不是在不知不觉中,把筹码过度集中押在了某一个宏观情景上?仪表盘的价值不在预测,在于暴露你自己都没察觉的押注。

最后留一句醒脑的话:宏观很重要,但宏观预测很难,这两件事必须同时承认。量化学习的目标,不是把你训练成一个每天猜政策的人——那是一条拥挤且不归的路;而是让你知道哪些宏观变量会真正影响资产,并把这种影响老老实实地纳入风险管理和资产配置里。敬畏宏观,但不被宏观支配,这才是正道。

小结

这一章的正文不是让你记住几个孤立名词,而是要把它们放回同一条因果链里。读完后,先用自己的话复述下面几条判断,再顺着“小节回看”检查是否能解释每一步。

• 宏观数据必须按发布时间和预期差来使用,提前把未来才会公布的值塞进模型,就是宏观版的偷看未来。
• 利率、通胀、汇率和商品,分别通过折现率、成本利润、资金流向和风险偏好这四条管道影响资产价格。

小节回看

• 1. 让全世界最保守的基金差点倒闭的,不是股票,是利率上调
• 2. 宏观数据先看发布时间
• 3. 利率是资产定价的底层变量
• 4. 通胀什么时候开始烧,通缩什么时候冻
• 5. 通胀和实际收益
• 6. 汇率和跨境资金
• 7. 四场货币战争教你的事
• 8. 商品价格连接产业链
• 9. 股债商汇的常见组合逻辑
• 10. 宏观因子的检验难点
• 11. 预期差比绝对值更重要
• 12. 多资产回测的额外问题
• 13. 个人如何用宏观而不被宏观带跑

自测

宏观数据为什么特别容易制造出未来函数?

数据不仅滞后发布,后续还会修正;回测要是按报告期直接取用,等于提前窥见了市场当时根本不知道的数。

利率上升通常会怎样影响债券价格?

票面现金流固定,折现率升高,债券价格通常下跌,而且久期越长,对利率变化越敏感。

下一章为什么接在这里

央行、利率与汇率: 全球资金的水龙头

货币政策三件套、QE 与 QT、收益率曲线倒挂、实际利率、利率平价、汇率制度坐标、特里芬两难、不可能三角、央行沟通,到一套从央行日历出发的宏观研究工作流。