文/沧海一土狗
ps：3900字
复苏预期vs复苏现实
在过去的几个月里，一直有一个争论：2023年的经济到底是强复苏还是弱复苏？之所以这个问题关键，是因为它涉及到风格的选择：强复苏，价值占优；弱复苏成长占优。
其实，价值和成长的最核心差别在于
预期现金流结构
，可以用久期来刻画。价值股的现金流结构偏近端，久期短；成长股的现金流结构偏远端，久期长。

由于现金流结构的差异，不同股票的主要矛盾不同。对于价值股而言，主要矛盾是EPS变动；对于成长股而言，主要矛盾是估值变动。
按照这个分类框架，不难发现，贵州茅台算成长股，其主要矛盾是估值，它喜欢弱复苏的环境——EPS有增长，估值不拖后腿，也喜欢弱衰退的环境——EPS不拖后腿，估值持续提升。但是，它不喜欢强复苏，在这个环境里，虽然EPS有增长，但估值掉更多。
正因为贵州茅台有这样的性质，我们可以用它来测量股票市场对复苏的看法。
如上图所示，从去年11月份开始，茅台一直在走弱复苏逻辑，直到进入今年2月份，情况才有所变化。
于是，不少人会讲，看，弱复苏标的涨这么好，强复苏的标的走势那么弱。今年一定是弱复苏！
说实话，我们人类一直有一个十分愚蠢的倾向：过度线性外推。对于股票市场来说，一年真的太长了，够做好几轮切换的了。强复苏和弱复苏的争论本身就反馈了这种浮躁——我们有什么本事提前判断一年呢？
我认为，更合理的分类范式是：
复苏预期和复苏现实
。

如上图所示，站在成长股的立场，在经济复苏预期阶段，它享受到了双击：1、EPS预期好；2、估值压力不大。
然而，进入到经济复苏现实阶段，情况恶化，它面临冲突的局面：
1、EPS预期好；2、估值压力很大
。也就是说，在第二个阶段，它会很累，需要业绩持续超预期，填估值的窟窿，否则，就要横盘或下跌消化估值。

不难发现，
复苏预期和复苏现实之间有一个巨大的沟壑
——估值压力大不大。复苏预期，不会产生估值压力；复苏现实，会产生巨大的估值压力。

于是，我们就拿到了一个新的命题
：如何跟踪和测量经济复苏的强度？
面粉加水模型
首先，我们从一个思想实验开始：在一个巨大的容器里有一些面粉，我们并不清楚有多少面粉，但是，你手头有大量的水，也可以测量面团的湿度，并且我们假设面粉和水总能搅拌均匀，请问如何测量面粉的数量？
如上图所示，我们可以不断地往面粉里加水，搅拌均匀，监测面团的湿度。于是，我们就构造了一个测量策略：所加入的水量越大，面团湿度越低，面粉的数量越大。
对称的，实体经济也是一大缸难以测量其数量的面粉。
我们也可以采用
加水和面
的方式来测量。于是，我们就有了下图：

我们可以根据两个指标的综合来判断实体经济的强度：1、央行本年度资金投放规模；2、银行间7天加权利率的中枢。
一、央行本年度资金投放规模；
如上图所示，今年以来央行通过MLF净投放和OMO净投放两种方式累计净投放1.87万亿。然而，每年基础货币的实际需求量是2万亿（ps：参考《基础货币的投放机制——兼论2023年一季度的降准预期》）。也就是说，一季度还没过完，为了维护银行体系流动性合理充裕，央行已经投放了一年的基础货币需求量。
二、银行间7天加权利率的中枢
既然加了那么多水，那么，面团是不是特别湿呢？并不是！银行间7天加权资金利率的20日中心移动平均已经来到了2.21%，比政策利率2.0%高了21bp
。

如果看单日的加权，情况更严峻，7天加权资金利率频繁向上突破【2.0-2.3%】的正常利率区间，
2月17日更是飙升至2.72%+
。

根据面粉加水模型，我们可以用一组数字
（M，R007）=（央行本年净投放量，7天加权利率）来构造复苏向量
，以刻画复苏情况。譬如，2月17日的复苏向量情况为（1.87,2.72%），这是一组不得了的数字。

复苏路径图
为了更精确地刻画复苏的强度，我们还要预先扣除掉
每个月的自然增长的资金需求——1666亿，
于是，当前的复苏向量为
（1.55，2.72%），
这个数字依然很大。

此外，我们还可以用复苏向量构造复苏路径图，来刻画更复杂的情形：
如上图所示，A点到B点是强复苏路径，在这个路径上，央行超额投放增加，资金利率在政策利率之上且不断增加；并且，我们还能找到去年所处的区域——衰退式宽松区域，央行的超额投放并不多，甚至是负的，但是，资金利率位于政策利率之下且不断下降。
此外，利用这个图，我们还可以完整地刻画从复苏预期到复苏现实的演进路径，
如上图所示，在复苏早期，复苏向量从衰退区域出发，逐步前进，直到资金利率回到政策利率之上，这个阶段估值压力极少，成长股享受双击——EPS预期好，资金面宽松；随着复苏的推进，虽然央行超额投放增加，但依然压不住资金利率上行的态势，最终，利率升至警戒利率附近——2.3%=政策利率加30bp，成长股开始感受到估值压力。
市场的隐蔽逻辑
市场是一个很奇妙的整体：虽然个体行动逻辑乱七八糟、五花八门，但是，整体却表现出极强的规律性。
个体希望市场运行的底层逻辑是个体可见的逻辑，然而，市场运行的真实逻辑往往是个体不可见的逻辑。
下面我们利用“面粉加水模型”构造出这种
市场规律和个体直觉的冲突
，

如上图所示，市场基于实体经济强度运行——经济强偏价值，经济弱偏成长，但这个指标不可以直接见，它是两个可以直接见的指标的某种综合。
然而，个体倾向于相信具体可见的指标：一波人看着央行超额投放规模行动——理解为宽松——片面视角a；另一波人看着银行间资金利率行动——理解为收紧——片面视角b。
虽然这一次基于片面视角b行动的人最终获胜，但是，他们依然是错的，或早或晚在下一轮冲突中把这次获利给吐出来。
这个例子向我们展示了一个很深刻的东西：
个体基于片面逻辑行事，有赢有输；基于片面个体所组成的群体，却因为错误相互抵消，竟然得到了正确的结果。
关于这个总结，我们在《
伟大的市场与祂的组成个体
》一文中讨论过，并引用了斯科特-佩奇的一句话，

错误的答案相互抵消了，从而让正确的答案像奶油一样浮出水面。
2月17日的股票市场也向我们展示了这个“片面——综合”的过程：
1、早盘央行净投放6000亿+omo，展现了央行呵护复苏的一面；
2、但是，资金利率迟迟不转松，7天加权一路向上，最终收在2.72%；

因此，茅台早盘先是展现宽松逻辑，随着7天加权利率的上行，不断跳水，最终收盘跌2.2%，指向那个综合答案——强复苏。
站在综合视角的立场，你不会去在意“下周一央行是否会更大力度的投放从而把资金利率压下来”，你只会去考察（M，R007）的模是否持续变大，如果向量的模越来越大，只说明了一点，复苏越来越强。
复苏的强弱才是左右风格的根本。
调整会有多深
对于最近两天的下跌，不少投资者慌了神儿，空头的声音也越来越强。事实上，这种情绪来源于另外一种片面的视角。
如上图所示，个体直觉认为环境a对应上涨，环境b对应下跌。这是因为a和b可见，上涨和下跌也可见。
然而，事实的真相是：环境a持续或环境b持续都对应指数上涨，只不过主线不同；a切换b，b切换a才对应下跌。
环境切换本身就是某种综合，相对于具体的a或b更不可见；更何况，这一次切换是基于一个更加综合的指标——
（M，R007）的模。
这就导致了下跌的原因更加不可见。

事实上，切换导致的下跌，并没有什么好大惊小怪的。
环境切换，指数必然下跌。
在《刍狗定律——切换必然下跌》之中，我们讨论过这个原理：
由于真实市场的信息密度低，对于每一次环境变化，市场总要通过干掉一部分人的方式来适应，所以，站从全a的视角来看，对于一个增量的重大变化，只要是够大的变化，不管它是利好还是利空，市场总要先跌一把，毕竟要靠“去留”来出清。
事实上，自春节假期之后，全a已经开启了震荡模式，不断地积累更多的复苏证据，尝试切换，最近两天强复苏的证据更多了，市场彻底进入切换模式。
换个角度来看，下跌只是为切换制造出空间，一般来说，全a跌5-6%的空间就足够切换了。因此，站在历史经验的视角来看，全a指数不会实际有效地跌破5000点——也就2%的下跌空间。跌到5000点附近，市场会边反弹边切换。
在一轮切换中，交易盘（ps：配置盘不用管切换）最容易犯两个错误：1、抄底太早，切换早期就把子弹打光了；2、抄底错了方向，还在老主线里恋战，不敢切到新的方向去。
结束语
写到最后，我并不想落脚到具体的问题上——面粉加水模型已经讲得很清楚了。
我还是想落脚到一个抽象的问题上——现实的自由度。
现实的自由度足够宽，它并不反对我们每个个体都很傻、很片面，但是，其有效组织的群体却很聪明、很全面。这两点并不矛盾。
我们可以做最后一个思想实验：环境剧变，需要标的x涨5%，标的y跌5%。
想要达到这个结果有多种方式，包括但不限于：
1、直接式：x逐渐涨5%，y逐渐跌5%，指数波动不大；
2、迂回式——a：x和y一起跌，x跌4%，y跌9%；然后，x和y一起反弹，x反弹9%，y反弹4%，指数剧烈波动；
3、多重迂回式——b：跌一跌，涨一涨，反复3次，每一次跌涨都是迂回式a的结构；

方式1违背了“切换必然下跌”的规律，从而，违背了“市场信息密度低”的假设；方式2不违背“切换必然下跌”的规律，但是，违背“市场右侧反馈信息的假设”（ps：以后展开讲）。
现实的自由度很大，加入低信息密度假设和右侧假设，市场依然能有效运转，并达到最终的结果。但是，这一切都是有代价的——时间。也就是说，整个市场远比我们想象中的迂回和磨叽。
然而，二级投资者是最没有耐心的一群人，真是讽刺。

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
定位：升级认知框架的思维实验室
星球的主体是一系列具备一致性的模型
星主每天会通过增量讯息和市场反馈检验模型
这个检验过程就是每日的股市和债市复盘
因此，这一系列模型也是动态升级的
此外，星球里还有对重要的现象或事件的点评
以及一些跟公众号内容不同的随笔
欢迎加入
继续阅读
阅读原文