论坛君
对于投资，如果能对未来一段时间的经济走势的预测比市场大众预期更准确，将是一个巨大的优势。但预测宏观经济不是一件容易的事，除了必要的经济学素养外，还需要长期潜心学习跟踪和其他必需的技巧。本文向大家介绍该如何打造经济理论基础，建立分析框架以及处理数据来对宏观经济进行分析。

作者：GAA（作者公众号：GlobalAssetAllocator）
来源：港股那点事
本文经授权转载。
在我印象中，宏观经济学家大概分为两种，一种是三好学生经济学家，典型的英美牛校PHD毕业，经过严肃和系统的经济学训练，大部分投行的首席都是这个路子。另一种是所谓的hands in pants（野路子）经济学家，虽不是经济科班出身，但在市场上摸爬滚打很多年，积累了很多对宏观的rule of thumb（大拇指法则），对传统经济学充满鄙夷，比如Bill Gross和Ray Dalio这种大佬。对于我们做宏观分析最好还是从传统经济理论开始，在市场起起伏伏中，领会传统经济学的局限，逐渐建立起自己的分析框架。
宏观研究的核心目的是判断和预测经济走势。如果对未来一段时间的经济走势比市场大众或what was priced in（市场预期）更准确，对于投资将是巨大的优势。但预测不是件容易的是，橡树资本的Howard Marks说过一句话大意是，每个人都有预测对的时候，但能保持很高正确率的预测者才能创造真正的价值（Howard Marks本人不相信预测，他说他从来不通过预测赚钱）。我觉得需要做好系统的准备工作，即打造理论基础、数据理解，数据处理、建立分析框架，做投资者关心的预测，才有可能成为有价值的宏观分析师。

打造理论基础不需要PHD

最近很多人在朋友圈转Ray Dalio的经济分析框架，我不确定这些人是否真明白他的理论，但说实话我并没有觉得桥水的分析框架超越了传统经济理论，桥水Daily Observation（每日观察）谈的基本全是传统理论，无非是更多强调了债务对实体经济的影响。而且Ray写的关于方法论的文章一般都非常简略，缺乏细节和数学推导，作为读者很难学为己用。所以最好还是从传统理论开始，下面是我列的宏观分析师理论基础养成书单。
用心读完中级以下的书，就基本具备了投资领域看宏观的理论基础。高级的两本书虽然强烈推荐，但的确很难啃，如果你不是在央行工作或搞学术，就选看吧。这时你应该理解生产活动和国民账户是的统计，通胀和就业的关系，中央银行如何设定货币政策，货币、信贷和银行体系的运作，企业投资和盈利的微观行为，居民就业和消费， 公共部门财政和政府债务，各部门资产负债表和资金流动，国际收支和外部冲击。你应该可以画出下面这张思维导图，并且如果在其中一个变量里给一个冲击，你可以熟练地推导出这个冲击对经济中其他变量的影响。

Devil in the details（细节决定一切）, 对经济数据的理解需要堆时间

笔者自身的经验，对经济数据的理解是一个由浅入深的过程。在刚开始的时候，面对这么多纷繁的指标，要先对VIP指标要有一个概念，怎么统计的，大概是什么量级。怎么区别那个指标重要？一个简单的办法是去看看IMF和投行发布的经济预测，涵盖在里面的就是VIP指标。下图是IMF发布的中国2015年Article 4里面的预测，里面的指标主要是hard data（可以精准测量的硬数据）。顺带说一句，IMF这种官方机构的预测近年遭到很多诟病，尤其是被指缺乏完全的客观性，但他们的报告比较正统和易读，适合新手学习揣摩。大部分投行的首席都是从IMF和世行出来的，说明资本市场还是认可他们研究能力的。
在弄清这些VIP指标后，顺其自然你想要了解更多细节，包括VIP指标的分项指标和衍生指标，还有PMI，消费者信心，行业景气等很多重要的soft data（调查产生的软数据）。Haver数据库里光美国的经济指标大概就有1000多个，都过一遍吧，我没开玩笑，但日后你会发现是值得的。比如，所有人都知道美国非农就业重要，但很多人不知道非农数据是一个净增量的概念，即非农并没告诉你美国当期创造了多少岗位，同时关闭了多少岗位，然后你就理解了为什么椰奶奶要看JOLTS（职位空缺数和劳工流动调查报告），因为里面包含的新增岗位率、解雇率、主动离职率等反映劳动力市场松紧的信息是对非农很好的补充。你也会理解，为什么经济学家根据耐用品订单衡量美国企业投资意愿的时候，喜欢排除飞机和国防订单，他们波动性太高了。再举个中国的例子，下图所示，历史上房地产销售领先房地产投资6个月，但去年房地产销售起来了，但房地产投资数据继续下滑，于是很多人说因为房屋库存太高了，这一关系已经破裂了。但值得注意的是，统计局公布的房地产投资完成额是名义值，其变动会受到价格变化的影响。由于当前巨大的工业通缩，这夸大了实际投资的降幅，所以看房地产开工更有意义，销售和开工的领先关系还在。
说了这么多，就一个意思，细节决定一切，这个阶段看得越细越好。To make your life easier（用户体验优先），我推荐以下资料减轻这个阶段的痛苦，Bernie Baumohl的The Secrets of Economic Indicators（经济指标的秘密），高盛的Understanding US/China Economic Statistics（理解美国/中国经济数据）系列, BEA（美国经济研究局）的 NIPA Handbook（国民账户手册），IMF的Balance of Payment Manual（国际收支手册）， OECD的Understanding National Account（理解国民账户）。

Garbage in garbage out（数据质量决定预测质量的下限），数据处理不能强调更多

到现在为止，你对宏观经济数据已经了若指掌了，再谈下数据处理，毕竟garbage in garbage out。数据处理的目的是排除噪音，提取关键因素，确保数据间apple to apple(可比性)和经济意义。还有提高用户体验，每次一些分析师指着锯齿状的数据图形跟我讨论问题的时候，我都觉得闹心。你需要娴熟的运用各种数据变换的方法和技巧，简单的如同比、环比、季调、年化、indexing（指数化）、deflating（剔除价格因素）等，稍复杂点的技巧像diffusion index（离散指数）、PCA（主成分分析）、 clustering（聚类分析）、 HP filter滤波和Kalman滤波（噪音剔除算法）等也不难，只需大学本科的统计学知识和常用的统计软件就可以实现。
举个例子，笔者平常关注的堪萨斯联储的劳动力市场指数就是用PCA做出来的，第一主成分是labor market level of activity（劳动力市场活动指数），用来衡量劳动力市场的slack（剩余产能），第二主成分是labor market momentum（劳动力市场动能），衡量就业岗位创造速度。有了这两个指数，你就可以抛开底层的几十个劳动力市场指标了，达到了降维的目的。

分析框架需要qualitative（质化分析）和quantitative（量化分析）并重

Qualitative说白了就是培养感觉，学会提炼和降维，把冷冰冰的数据放在历史里去观察，形成你的经济历史观。这需要做详尽的narrative analysis（历史描述分析）。一个不错的narrative analysis例子是Jan Hatzius等写的关于实际利率历史的研究，The Equilibrium Real Funds Rate: Past, Present and Future（均衡实际利率的过去、现在和将来）。看过桥水每日观察的读者都会佩服他们对历史的研究，他们可以把80多年前大萧条期间的经济走势、货币和财政政策和资本市场表现完整地复述出来。虽然我们没有桥水这么多资源，但还是有很多公共资源可以挖掘的，比如美国的Economic Report of the President（总统经济报告），可以用来回溯几十年前的美国经济。
举个例子说明研究历史的重要性，美国企业利润率一直是衰退的领先指标。因为美国的经济衰退基本都是由经济过热和失衡带来的，具体讲企业管理层在需求上升的时候过度乐观，急于扩大产能，导致成本失控，利润率下滑，最终被迫关厂裁员的故事。因此，近期美国企业利润率的下滑也引发了衰退担忧。但是如果看看历史，上一次利润率下滑却没有衰退的时候就是1985年的原油供给危机。美国企业利润率下滑主要是能源行业导致的，非能源行业的pricing power（定价权）还在。这次也一样，所以短期没有衰退。
另一个石油供给冲击的例子，一般认为油价下跌有减税作用，消费者在油价下跌时会降低储蓄率，支持居民消费。但伴随本轮油价下跌的确是美国居民储蓄率的上升，大家都比较意外和困惑。但如果看一下1985年那次石油供给冲击就能发现，油价快速下跌也增加了经济不确定性，居民把油价下跌带来的额外收入当成wind fall（天上掉馅饼），不愿增加消费。但随着油价逐渐企稳，储蓄率开始下降，支持美国经济继续扩张。大宗商品的供给冲击一般20多年才一次，所以很多人都不记得上一次的情形（也许还没出生呢），研究过历史的你就不一样了。
Quantitative就是把前面那张理论思维导图模型化。大的研究机构做经济预测都会找十几个PHD跑大型的DSGE（动态随机一般均衡）模型，比如美联储的FRB/US，IMF的MULTIMOD，OECD的NIGEM。但这种模型总是假设经济最终进入稳态，基本没法预测经济衰退，而这是做投资最关心的。而且这种模型太复杂了（美联储网站上给出了FRB/US的EVIEWS源代码，有兴趣的可以看看），做投资不需要那么花哨的东西，实用主义第一，可能更加依赖一些所谓的toy model（小模型），rule of thumbs（大拇指法则）和proprietary leading indicator（自己研发的领先指标）。
举个通胀预测模型的例子，其核心仍是Phillips Curve（菲利普斯曲线），一般先把能源和食品摘出来，再把商品和服务分开，商品拆成工业产品和非工业产品，服务里把虚拟房租单独拎出来，分别建模预测，最后加总得到headline（总体）通胀预测。这种granular（分拆）的方式不仅更有道理，还易于分析和纠错。
再举个人民币汇率的例子，年初几乎所有人都觉得要大贬，但好像没人讨论为什么要贬。汇率贬值无非两个作用，一个是缓解国内通缩压力，一个是增加企业竞争力。看下历史数据就很清楚，名义汇率是PPI和企业利润的稳定领先指标，只要名义有效汇率的同比涨幅从2015年的15%回到0附近，这两个问题便可大大缓和，所以根本没必要去贬多少。
最后说一下构建分析框架一定要遵循奥卡姆剃刀原理，假设越少越好，分析框架逻辑越简单越好，我一直把对待某券商首席周期理论的态度作为辨别同道中人的简单标准，他真的明白自己在说什么嘛。

宏观分析师的终极问题，where are we and how are we？

到了这一步，我们终于成为了具备理论基础、经济数据如数家珍，熟读经济史，手握分析利器的宏观分析师，那我们要解答的主要问题是什么？一个是我们处在经济周期的哪个阶段（where are we in the cycle），另外一个是我们的增长形态如何（how are we growing）。
产出（GDP）是一阶变量，GDP增速（GDP growth）是二阶变量，增长动能（Growth Momentum）是三阶变量。大家都学过泰勒展开式，这三个变量看清了，宏观的big picture（大方向）就抓住了。
经济周期根据产出缺口和增速可分为四个阶段，一般持续7-10年。前期（Early Cycle），实际产出低于潜在产出，但产出增速高于潜在增速；中期（Mid Cycle）实际产出高于潜在产出，产出增速高于潜在增速；后期（Mid Cycle）实际产出高于潜在产出，产出增速低于潜在增速。衰退（Recession）实际产出低于潜在产出，产出增速低于潜在增速。由于经济活动的内生动能，经济周期是一般不可逆，只有少部分时间会出现double dip。判断经济周期的难点在于，潜在产出是无法观察到的，所以无法确切知道我们身处哪个阶段。即使知道在哪个阶段，我们也不知道周期的各个部分会持续多久，衰退多久会来，只能根据企业和居民行为、价格信号等去推断。对于经济周期的判断主要应用于中长期的战略资产配置，尤其是对于利率的判断，因为通胀和利率更多由一阶和二阶变量决定。 
增长形态根据GDP增速和增长动能也分为四种状态，一般持续12-18个月。复苏（Recovery），GDP增速为负，增长动能增强；扩张（Expansion），GDP增速为正，增长动能增强；减速（Slowdown），GDP增速为正，增长动能削弱；收缩（Contraction），GDP增速为负，增长动能削弱。如果说驱动经济周期前进的主要是家庭和企业经济部门的理性微观行为，推动增长形态切换的则主要是信贷、存货和金融条件等短期因素。增长形态的切换大部分时候也是不可逆的，收缩到一定程度一定会复苏，复苏总会走向扩张。判断增长周期的难点在于减速阶段的切换，按照历史统计，在一年之内，有40%的概率减速还会重新回到扩张，20%的概率将进入收缩。针对这两条路径的投资决定是完全不一样的。对增长周期的判断主要应用于短期的战术资产配置，尤其是对于权益类资产的判断，权益对二阶和三阶变量更敏感。

经管爱问

微信号：jgasker
经管爱问，为经管问题而生，经管之家旗下专业答疑平台，
欢迎关注，给你不一样的精彩！

继续阅读
阅读原文