2020资本市场思考（一）：疫情之外，“专业派”酝酿股市新机会.pdf

敬请参阅最后一页特别声明 -1- 证券研究报告 2020 年 2 月 9 日 宏观经济 疫情之外， “专业派 “酝酿 股市新机会 2020 资本 市场思考（一） 宏观深度 要点 短期内市场非常关注疫情对市场的影响。但实际上，疫情之外，历史经验表明 2020 股市的走势跟专业投资者的 行为 也 紧密 相连 。 我们 通过板块收益率的相关性来跟踪 领域专业投资者 的行为，为资产配置管理者提供一个 主动型的 配置 视角。 在 资本市场中 ， 不同 投资 者 具备 不同 的 知识禀赋 。 一个 投资者很难 掌握 所有 行业 的专业知识。 这导致 某 领域专业投资者 对本 领域 信息的获取 、处理 、 应用 具有 超越其他 领域专业投资者 的优势 。 而 资产 配置 的 管理者，至少对部分 行业信息的获取和处理上 存在 天然 劣势 ， 但 若 能 扬长避短 ， 及时识别和 追踪 领域专业投资者 的行为 ， 则 可能 有助于 优化 其配置 策略。 在权益市场中 ， 不同行业 板块 的 表现一般会受来自公共和行业 两种 信号 的 影响。一般意义上， 如果 行业信号强于公共信号，该行业的 领域专业投资者 的行为可能更多 取决 于个体信号， 当行业信号与公共信号相关性较弱时， 该板块与大盘 表现的相关性就会下降 。受 避险情绪的 影响 ， 与行业负面信号相比， 当 接收到较强的行业正面信号时， 领域专业投资者 的行为将更加体现行业信号特征 。 领域专业投资者 对公共和 本行业 信号解读的不同， 最终 体现在板块相关性的差异上 。 利用 这些差异 ，我们 可以构建 一个追踪 领域专业投资者 行为的框架 。 理论上 ， 在估值和避险情绪的影响下， 各 板块 与大盘收益率 相关性从高点向低点滑落的阶段，恰恰从属于指数从低位走向高位的时间段。这 为 判断大盘和子板块 未来表现提供了 参考。 计算 A 股 大盘平均相关系数 （指 各个 行业 指数 与 相对应宽基 指数 收益率间 的平均相关系数） ， 我们发现 它 具有明显 3 到 4 年的周期性特征。从2019 年末开始，大盘平均相关系数开始下滑，同时当前 PE 值 尚处 于 2006年以来 相对较低位置 ，这支撑了 2020 大盘仍具有上行的动力。 根据大盘相关系数以及板块相关系数的波动率，我们可以区分市场情绪处于系统性牛市、熊市，还是结构性牛市、熊市。当前，大盘的相关性下滑，而波动性上行，更符合结构性牛市的特征。 从 2019 年 8 月中旬开始，大盘的相关系数开始下滑，这为投资者提供了一个难得的窗口期。从相关系数角度上来讲， 2020 在板块选择上， 根据2019 年 新拐点 以来的 下滑幅度排名和下滑趋势，我们推荐关注： 有色、食品饮料、餐旅、电子、家电、医药、建材、国防、房地产、传媒。 风险提示： 对于相关系数背后所隐含的投资者行为动机 仍 值得进一步深入研究。板块的相关系数，是宏观以及板块 的历史数据 共同推动的。板块相关性 的短期 下滑 ，存在 并非由 领域专业投资者 情绪 推动的可能，需要仔细甄别 。 本文的推荐板块， 仅 基于板块相关系数 的 单一视角，需要结合基本面情况 及新信息 灵活应用。 此外疫情演变可能短期内改变投资者行为逻辑。 分析师 周子彭 (执业证书编号： S0930518070004) 021-52523803 zhouzipengebscn 张文朗 (执业证书编号： S0930516100002) 021-52523808 zhangwenlangebscn 2020-02-09 宏观经济 敬请参阅最后一页特别声明 -2- 证券研究报告 目录 1、 A 股大盘相关性背后是专业投资者的影子 . 3 1.1、 相关性拐点有玄机 . 3 1.2、 指数与相关系数负相关具有穿透性 . 4 2、 板块相关性与领域专业投资者行为模式 . 7 2.1、 宏观公共信号和个体板块信号 . 7 2.2、 公共信号与板块信号冲击的不同模式 . 8 情形一：较强的公共信号冲击 . 8 情形二：正面和负面的板块信号冲击 . 9 2.3、 板块估值对领域专业投资者的 影响 . 11 2.4、 结构性还是系统性的判断 . 12 3、 板块相关性对 2020 年权益市场的启示 . 13 3.1、 对 2020 年权益市场怎么看？ . 13 3.2、 结构型的还是系统型？ . 14 3.3、 哪些板块表现好的概率更高？ . 14 风险提示 . 16 国投瑞银2020-02-09 宏观经济 敬请参阅最后一页特别声明 -3- 证券研究报告 1、 A 股 大盘 相关性 背后是专业投资者的影子 为了 刻画 A 股 整体 价格 的走势 ， 一些 金融机构编制 并 发布了 代表 大盘 整体价格 的指数，比如上证综指、沪深 300、万得全 A、申万 A 股 等。 这些指数在金融市场 获得 广泛应用 。 许多 投资者 正 借助 于 这些 大盘 指数 ， 努力 探寻“战胜” 市场 的 规律 。 本文 通过 公共信 号 与 行 业信 号可能 分化 的视角，考察各 板块 指数相关性 的 特征 以追踪 专业投资者的行为， 希望 为 资产配置管理者提供 一个挖掘 大盘 及 子板块 配置机会 的分析框架 。 1.1、 相关性 拐点 有 玄机 大盘指数 的日度收益率 和子板块指数 的 日度收益率 ， 刻画了 A 股 系统 和结构 两个 维度 的收益特性。 我们利用 大盘和子 板 块的收益率 ， 计算 出 大盘 与子板块 收益率的相关 系数 。 而 相关 系数演进的背后 ， 体现了 投资者 特定的 行为 模式 。 正确 识别 大盘和子板块相关系数 蕴含 的规律 ， 理解这些 规律 背后的逻辑， 可以 为我们 打开 一 扇 窥探 领域专业投资者 行为 的 窗口 。 本文 将 指数的 日度收益率 定义为指数的 当 日收盘价对上一交易日收盘价的变 化 率。而 每个 交易日的 子 板块 的 相关 系数 ，则被 定义 为该板块 的日度收益率 在该 交易日以及 向后 回 滚 249个 历史 交易日中 与大盘指数日度 收益率的相关系数 。 每个交易日的 大盘相关 系数 则 被 定义为 该交易日中 大盘 各子板块相关 系数 的算术平均值。 观察中国 A 股大盘的相关 系数序列 ，我们发现其演进存在着 一定 的周期特征 。 图 1 展示了 以 中信一级 29 个板块 1与 万得全 A 指数 计算的大盘相关 系数的 形态 。自 2006 年 有数据以来， 中信一级行业板块 与大盘的平均相关系数 呈现出 3 至 4 年 的周期 波动的 特性。 自 中信一级指数创制以来直到 2019年 前，有 三轮 比较明确的 相关性 高点 分别发生在 2009 年、 2012 年和 2016年。 从 2019 年 末开始， 中信一级行业板块 与 万得全 A 的 平均相关 性开始 从高点 0.85 向下 滑落 。现有数据似乎预示着， 2019 年末我们又迎来了新一轮大盘相关性从高向低的转变 2。 图 1： 2020 年中国 A 股中信一级板块收益相关系数迎来下行通道 资料来源：光大证券研究所，数据截至 2019 年 1 月 17 日 1该指数在 2020年扩展成 30个子板块，出于数据的可回溯性，我们仍然沿用老的编制口径。 2该数据尚未包括非典型冠状病毒疫情所引发的冲击。 0.60.650.70.750.80.850.90.952006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020A股中信一级板块与万得全 A指数平均相关性 约 3年 约 4年 约 3年 约 3年 2020-02-09 宏观经济 敬请参阅最后一页特别声明 -4- 证券研究报告 事实上，中信一级指数所显示的 大盘相关系数 的周期波动 ， 并非中信一级板块所独有 。 图 2 和图 3 分别 展示 了 根据 万得 全 A 指数与万得二级板块指数计算的 板块平均 相关 系数 以及 根据 申万 A股 指数 与申万一级板块指数 计算的板块平均 相关 系数 。 在 不同 指数 编制 方法下， 图 2 和图 3 所刻画的 股市板块相关性 都呈现出了与图 1 类似的 周期特征 ，并且也 都表明 自 2019 年末开始， 大盘相关系数 开始 进入新一轮下滑通道。 图 2：万得全 A 二级板块 与 万得全 A 指数 相关性 图 3：申万一级板块 与 申万 A 股指数 相关性 资料来源：光大证券研究所，数据截至 2019 年 1 月 17 日 资料来源：光大证券研究所，数据截至 2019 年 1 月 17 日 我们如此关注 A 股相关性 向下拐点 的 一个重要原因 ， 在于 我们观察到 当A 股的 大盘 相关性处于下行通道时 ， 股指处于上行的概率往往 较 大 ，而这背后隐藏 着 鉴别 领域专业投资者 行为 的方式 ，可能 会 给我们带来更多投资指引。 1.2、 指数与 相关 系数 负相关 具有穿透性 一方面，板块相关性与 宽基 指数 走势 的负相关性体现在全局层面上。 图4 描绘 了 通过 中信一级板块 计算的 大盘 平均 相关 系数 以及 万得全 A 指数 的 历史序列 。 从 大盘层级来 看， 万得全 A 指数 上行的阶段往往伴随着 大盘 平均 相关性下行 ， 两者的 相 关系数 约为 -0.4，呈现出一定负相关性 。在 2007 年、2015 年和 2019 年的部分时间 里，股指和 大 盘平均相关性 出现过 短暂的正相关阶段 ， 不过在后文我们 将 表明 ， 这种背离 存在 着 一定的 经济学 含义 。 图 4：万得全 A 指数与 通过中信一级板块计算的大盘平均相关系数 资料来源： Wind，光大证券研究所 0.650.70.750.80.850.90.9512001 2003 2005 2007 2009 2011 2013 2015 2017 2019万得全 A二级板块与万得全 A指数相关性 约 3年 约 4年 约 3年 约 4年 约 3年 0.70.750.80.850.90.9512001 2003 2005 2007 2009 2011 2013 2015 2017 2019申万一级板块与申万 A股指数相关性 约 4年 约 3年 约 3年 约 3年 约 4年 0.60.650.70.750.80.850.90.95010002000300040005000600070002006 2008 2010 2012 2014 2016 2018 2020万得全 A 板块相关性（右轴） 2020-02-09 宏观经济 敬请参阅最后一页特别声明 -5- 证券研究报告 为了 更好地 展现 板块 相关系数 与 全局指数 表现的 特征 关系 ， 结合图 1 至图 3 中 的 大盘指数平均相关系数的转 折 时间点，我们将 中信一级指数编制 以来 的时间 ， 按照 大盘指数平均相关系数 下行还是上行，分 成 4 组通道，列于表 1。 表 1： 2005 年以来，大盘板块相关性的 4 组 下行 和上行 通道 下行时间段 第一个下行通道 3 2005/10/12 至 2007/01/31 第一个上行通道 2007/02/01 至 2009/01/19 第二个下行通道 2009/01/20 至 2010/05/31 第二个上行通道 2010/06/01 至 2012/09/02 第三个下行通道 2012/09/03 至 2015/04/30 第三个上行通道 2015/05/01 至 2017/01/15 第四个下行通道 2017/01/16 至 2018/01/29 第四个上行通道 2018/01/30 至 2019/08/09 资料来源：光大证券研究所绘制 在 全局视角 上 ， 我们发现 存在 两个有意义的特征 （图 5） ：第一 ， 从全局上看， 宽基指数的区间回报率 4在板块相关性下行通道区间内表现为正，而在上行通道内表现为负 。 第二， 宽基指数的区间回报率在板块相关性上行通道时的涨幅 绝对值 一般高于在下行通道时的跌幅 绝对值 。 图 5： 宽基指数收益在下行通道与上行通道中表现差异明显 资料来源： Wind，光大证券研究所 另一方面，指数回报率与相关系数的负相关性具有穿透性 。 即大盘 平均相关系数处于下行通道时， 各 子板块相关系数 下滑的比率 同该 板块 的区间 收益 同样 呈 反 比 关系 。 图 6 散点图 中 的 点 表示 某个 板块在下行通道中， 其 收益率和板块相关系数 变动 幅度 所构建 的 对应关系 ， 不同颜色的点 对应 不同的下行通道。 图 6中，每个下行通道中的板块收益和相关系数变动之间 呈现出比较明显 的 负斜率。3由于中信一级指数数据不够，该时间点选自 Wind全 A与申万指数的对应拐点。 4定义为该通道区间末的指数收盘价与区间初指数收盘价的百分比例减 1。 -50050100150200% 主板平均相关系数波动时间段对应的指数收益 上证综指 中证 500 沪深 300 上证 50 万得全 A 2020-02-09 宏观经济 敬请参阅最后一页特别声明 -6- 证券研究报告 这说明 在下行通道中， 如果 某 板块的相关系数下滑 程度 越大， 那么 该板块 的区间 收益率 往往 就越大 ，指数与相关性的反向关系穿透到子板块层面。 图 6： 下行通道时 子 板块收益率与相关系数变动率负相关 （中信一级） 资料来源： Wind，光大证券研究所 同时也要注意 在 各个下行通道 中 ， 子板块的收益率和相关系数变动率 在不同的下行通道中 所 表现出来的相对位置并不固定 （图 7） 。这说明 在大数定律 下 ， 尽管 大盘收益 率 和 平均 相关系数呈负 向关系 ， 但是在微观层面上，子板块对大盘相关 系 数的贡献 具有随机性 ， 不存在 固定 的特征模式 ，这 就 为板块择时提供 了存在价值 。 图 7： 4 个下行通道 下子板块表现并没有 显示出固定 模式 特征 （中信一级） 资料来源： Wind，光大证券研究所 为了排除指数编制可能 带来的 偏误 ，我们利用万得全 A 的二级板块数据重复 绘制了图 6 和图 7。我们发现 万得全 A 二级 子板块的穿透特性以及随机性的结论 同样稳健 ， 对应的关系作于图 8 和图 9。 -1000100200300400500600-60 -50 -40 -30 -20 -10 0 10板块收益率（%） 板块相关系数变动率（ %） 第一个下行通道 第二个下行通道 第三个下行通道 第四个下行通道 -1000100200300400500-60 -50 -40 -30 -20 -10 0 10板块收益率（%） 板块相关系数变动率（ %） 石油 煤炭 有色 公用 钢铁 基化 建筑 建材 轻工 机械 电设 国防 汽车 商贸 餐旅 家电 纺服 医药 食品 农牧 银行 非银 房产 交通 电子 通信 计算机 传媒 综合 2020-02-09 宏观经济 敬请参阅最后一页特别声明 -7- 证券研究报告 图 8： 下行通道板块 指数 与相关系数 变动 （ 万得全 A） 图 9： 不同阶段 子板块 未显示 固定模式 （万得全 A） 资料来源： Wind，光大证券研究所 资料来源： Wind，光大证券研究所 那么 该如何理解 大盘 以及子板块指数与板块 收益 相关 指数 的负相关性以及穿透性呢？ 这些特征 背后 包含着怎样的 经济学逻辑 ？ 对我们的投资 能起到 什么 样的 指引作用 呢？ 我们 认为 领域专业投资者 的 行为 ，在上述特征中扮演了重要的角色 。而 通过 追踪这些特征， 可以 为不占据信息优势的 资产配置管理者 及时把握 具体板块信号提供指引。 2、 板块相关性 与 领域专业投资者 行为 模式 板块的相关性与 领域专业投资者 的行为模式息息相关 。简单的说， 当个体板块受到 较强的 与宏观不一致的 正面 行业信号冲击时，该 领域专业投资者会 快速准确地 对信号进行处理 ，推动 该 板块 指数根据 板块信号而非宏观信号波动 。 而 当板块信号相对悲观时， 在避险情绪和信息不对称下， 领域专业投资者 的行为 往往更 依赖 宏观指标 。 正是 领域专业投资者 对公共和板块信号的不同处理，在 宏观 上 可以 表现为板块收益和板块相关性弱反向的关系。 认识投资者的行为模式，可以为 资产组合管理者 提供 增量 的 参考信息 。 2.1、 宏观 公共信 号和个体板块信号 我们假设 投资者具有两个 特 性 ：第一 ， 投资者 的专业 知识禀赋 具有差异 ；第二，投资者是风险厌恶的 。 这两个基本假设 具有一般性 ， 我们不在这里赘述 其合理性 。 在投资者 专业知识禀赋 具有 差异 的前提下 ， 领域专业投资者 对公共信号和 各 专业 领域 信号 的 解读能力并不相同 。 领域专业投资者 可以 有效 地 接收 和解读 公共信 号（比如， GDP、 CPI 等宏观数据） 并对此做出反应 ， 但由于 专业知识 禀赋的差异 ， 专业 领域的 投资者 只 对接收 和解读 本 专业的信 号 更具优势，但对非专业领域 信号的接收 和解读 则相对 迟缓 和不足 。 同样如果投资者是风险厌恶的，那么 领域专业投资者 对于专业板块好和坏的信号的反应也将不是线性的。 投资者专业 知识禀赋差异 和 风险厌恶 ，会造成不同 领域专业投资者 对 相同的 外部 信号 ，做出不同的反应 。 -1000100200300400500600-80 -60 -40 -20 0 20板块收益率（%） 板块相关系数变动率（ %） 第一个下行通道 第二个下行通道 第三个下行通道 第四个下行通道 第五个下行通道 -1000100200300400500600-80 -60 -40 -20 0 20板块收益率（%） 板块相关系数变动率（ %） 能源 材料 资本货物 商业 运输 汽车 耐用品 消费服务 媒体 零售 食品 饮料与烟草 家庭 医疗 制药 银行 金融 保险 房地产 软件 硬件 半导体 电信 公用 2020-02-09 宏观经济 敬请参阅最后一页特别声明 -8- 证券研究报告 我们用图 8 来描述投资者 所面临的信息环境。 A、 B、 C 分别 代表 不同的专业 板 块 。 投资者 通过接收和处理 公共 以及 个体板块 两大类 信号 ，来决定自己的投资行为 。 对 于大多数 投资 者 而言，接收公共信号并作出合理解读的壁垒相对较低 。但是 不同的投资者 对于专业 板 块的信息接收和解读能力 却 不相同。 比如 A 板块领域投资者，很可能对作用于 A 板块的宏观和板块领域信号相对敏感、解读的正确率也高，但是对于解读作用于 B 板块或者 C 板块的信号影响则相对较弱。 图 10：宏观公共信息与板块专业信息的影响程度会影响板块相关性不一致 资料来源：光大证券研究所绘制 2.2、 公共信号 与 板块信号冲击的不同模式 投资者 如何处理 公共信号和板块信号，是一个 极为庞杂 的 题目，但是从两个 特殊情形 出发，我们可以比较好 地 解释中国股市板块性的几个特征，并从中提炼出鉴定 领域专业投资者 行为的方法。 情形一：较强的公共信号冲击 如果 超预期的 公共信号冲击显著强于个体板块信号，比如突发的公共卫生事件、经济衰退或者宏观强烈的刺激等， 领域专业投资者 对板块的判断更多基于 同步的信息源，个体的专业知识禀赋作用下降。虽然同样的宏观信号，对不同板块的影响可能有 所 差异，但从总量上讲，大多数板块的表现对于宏观信号的反应逻辑是一致的。 如 果经济体一直处于公共信号强于板块个体信号的状态，我们应该能够观察到 大多数子板块的波动完全取决于共同的宏观信号，极端情形下，这就体现为各个子板块收益率与大盘收益率的相关系数 都 接近于 1， 并且 不同板块的 相关系数的方差也较小。此时，大盘 指数的波动与大盘 板 块平均相关系数的关联性比较 小 。大盘指数上下波动 的 同时，大盘平均板块相关系数一直处于接近于 1 的较高位置，如图 11 所示 。 但是，超预期强烈的宏观信号冲击，在现实 世界不会持续存在 。超预期的强宏观信号，往往 是以 短期 离散的形式出现。 在这种情况下， 如果 仍然 假2020-02-09 宏观经济 敬请参阅最后一页特别声明 -9- 证券研究报告 设较弱的板块信号， 那么此时大盘指数的波动与大盘平均板块相关系数的关系可能就如图 12 所示。 公共信号强时， 板块相关性高 ，板块指数走势取决于信号的好坏，而当公共信号弱时，随机扰动下，板块相关系数下滑，板块指数走平。 图 11： 连续的强烈公共信号冲击 图 12： 短暂 离散的强烈公共信号冲 击 资料来源： 光大证券研究所绘制 资料来源：光大证券研究所绘制 情形二： 正面和负面的 板块信号冲击 在 现实 世界 中 ， 公共信号 的强冲击 虽然 时有 发生 ，但发生概率相对较小 ，个体 板块的相关系数和股指的走势 往往 依赖于个体板块的信号刺激。 不考虑任何行为摩擦的情况 下，如果一个 子 板块遭受到 较强的 与大盘不相关的个体信号冲击， 这里 既 可以是正面的信号也可以是负面的信号，那么该子板块指数走势的波动与大盘指数波动的相关性 就会 出现下行。 但是从板块信号到子板块指数的传导， 是 通过 领域专业投资者 来完成的。这个过程 将 不可避免 地 受到投资者行为模式的影响， 导致实际 板块指数波动情况与无行为摩擦假设下的推论产生差异。 但 恰恰是这种 差异，让 我们可以窥探到 领域专业投资者 的专业判断 ， 并引导我们的投资。 图 13： 领域 专业 投资 者 对行业信号的解读影响他们的风险偏好导致他们的行为有规律可循 资料来源： 光大证券研究所绘制 01相关系数 大盘指数（右轴） 01相关系数 大盘指数（右轴） 2020-02-09 宏观经济 敬请参阅最后一页特别声明 -10- 证券研究报告 从经济学角度来讲，风险厌恶的投资者会更在意财富的损失，使得财富效用函数显现出凹性，即损失一笔钱给风险厌恶者带来的痛苦大于获得同样一笔钱的愉悦，我们把这个叫做 “损失厌恶效应” 。 领域专业投资者 在对当前板块进行定价时，需要 估计 行业未来 盈利走势的可能性 。而 “ 损失厌恶效应 ” 意味着投资者在估计盈利走势时， 其实隐含着两步：第一步，先估计 未来 行业 盈利 可能 的 客观 概率 密度；第二步， 对 客观概率中 不同 盈利 的概率赋予 不同 的偏好权重 ，形成主观概率 。 投资 者 对板块进行定价时，依靠的就是主观概率。 “损失厌恶 效应” 会使投资者对 行业盈利出 现 损失 的概率赋予更多的权重 ，而对出现收益的概率赋予的权重较小。 如果 领域专业投资者 对板块越没信心 ，投资者主观概率对出现损失时赋予的 权重就会越高 ，信号扰动产生的弹性也就会越大 ，而如果投资者对板块非常乐观，投资者主观概率对出现损失时赋予的 权重就会 减小， 信号扰动对概率产生的扰动就越小。 如图 13 所示， “损失厌恶效应”带来的结果就是， 当 领域专业投资者对本板块很有信心时， 投资者主观概率对出现损失时赋予的 权重就会越 小，宏观信号 在此基础上对估值的扰动就会减小 ；但是当 领域专业投资者 对本 板块非常悲观时， 投资者对损失赋予的权重较大， 对宏观信号的变动 将 变得极为敏感 。 领域专业投资者 心理变动，将 导致 一旦其对专业板块 信号 解读偏 负面 ，将会推动该 板块指数波动与大盘指数波动（受宏观信号影响）的相关性增加。而 当 其对 行业信号 解读 偏 正 面时， 领域专业投资者 又会推动该板块指数波动与大盘指数波动的相关性减弱。这也就解释了，为什么个体板块相关系数下行时，往往其板块收益率表现较好。 从大盘 的角度来 看，当大盘的平均相关系数开始下降时， 意味着有 更多子板块的信号比较偏乐观， 领域专业投资者 的 投资信心开始转强 ， 这往往会同时带动大盘上行 。 当平均相关性从高点向下滑时直至出现触底反弹之前，大盘 的表现可能 都有支撑。 但是 当股市上行达到足够高的阶段，专业投资者对自身板块的乐观信号能否支撑更高的估值开始变得谨慎，此时专业投资者又会开始对宏观数据敏感起来，体现出来的就是大盘的平均相关性低点 往往要领先于大盘指数的高点 。 同样道理，当 大多数 领域专业投资者 过度 悲观 （此时专业投资者依然在意公共信号）， 一旦 指数从低位反弹 （公共信号略有好转） ，同时 部分 领域专业投资者 开始乐观 ， 将 会带动更多不同 板块 领域专业投资者 变得乐观 。这就导致，如果市场转暖信号是真实的 ，那么平均相关性高点往往 就 会发生在大盘指数低点之后。 因此 在板块投资者情绪以及板块和宏观信 号的共同作用下，大盘指数和大盘平均相关性的走势就会遵循 类似 图 14 的 “不对称”的 形态。 大盘平均相关性的高点落后于大盘指数的低点，同时平均相关性的低点会领先于大盘指数高点。 这种“不对称”性也表明， 当板块平均相关系数进入向下拐点通道 同时 未明显出现上行反转时，大盘的表现会在 投资者 相对乐观的 情绪 带动下 形成 一个相对良好的 安全 区间 。