宏观经济专题：中国经济脆弱性增大——宏观分析的能与不能.pdf

中国经济脆弱性增大 宏观分析 的能与不能 英大证券研究所 胡研宏 研究员 执业证书编号： S0990113110017 联系方式： 0755-83007164 Email: huyanhongydscfoxmail 观点： 1.微观主体的庞大导致无限路径，形成宏观经济结果的广泛可能。 2.一价定律和边际递减是宏观经济的套利约束和增长曲线约束，又使得宏观经济庞大而存在边界，尽管边界是模糊的。 3.货币实验 数量维度（去产能） 的中国 供给侧改革，需要尽快解决滞胀问题，否则当前的市场秩序和机制 ，持续在大型和中小型企业之间制造利润鸿沟，宏观层面的现金流分化，形成不稳定风险。在国家层面，当前的经济状态 将持续输送 就业机会 给非滞胀国家 （ 譬如美国 ） ，并 加大 人民币 贬值压力， 也 不利于人民币 所有 资产 的 稳定。 国内外两面增大经济系统脆弱性，而不是稳定性。 4.房价的最大驱动力是婚龄人口数量。婚龄人口数量的边际变化，转折点在 2018-2020 年。2020年之后，婚龄人口将成为房价的定价力量，房屋买卖市场转为买方定价。未来房地产市场的特殊年份： 2018-2020， 2028， 3031， 2046。 5 我们认为， 增强微观主体经济活跃度和自由度的政策 和法治环境 ，将有利于形成自下而上的 系统负熵化改善，增强经济系统稳定力量，降低经济脆弱性 。 1.宏观模型功在防范 逆势 与过度膨胀 宏观经济模型诞生之初就未曾将 预测经济作为目标，拯救世界是妄语。首先因为为了掌握更多的微观主体信息，产生了数据加总，进而产生宏观数据，最后经济学家试图从 携带瑕疵 （加总谬误） 的 宏观数据中寻找自上而下的某种特征 ，进而模型化 。 基本的资源禀赋和市场决定中国经济的长期趋势，政策只是趋势中的扰动变量。去杠杆看起来是主动的，其实即使政策上不主动去杠杆，后面市场也会通过通胀压力，提升利率来逼迫市场去杠杆，让市场中的高杠杆者面临利息成本高企的煎熬，并最终选择卸杠杆。去杠杆，去产能趋势必然会持续，中国经济进入低增长也并非坏事。 谈到研究报告，尤其是宏观报告，很多人觉得报告很长，但是看了和没看一样。这也是笔者研究多年不断提出的问题。 研究者为了显示数据充足大量采用图表数据来构造一个证据似乎确凿可信的研究报告，而研究者自己心里清楚拼凑的成分有多大。核心问题是大量的共线性数据冲淡了宏观经济分析研究的主线 价格指数和产量数据。我们试图从不同的维度去刻画经济本身，首先要消除冗余信息，譬如你观察了 PPI,CPI,RPI，更多其他价格数据意义就不大了 ,再多的价格指数只能产生共线性，对新知并无贡献，反而出现信息过载的负面影响，人为地区塑造一惊一 乍的快感。宏观经济的大趋势，至少在月级别，季度级别并没那么容易逆转。因此一次月级别数据变化不导致宏观趋势的变化。时下最受关注的观点认为，中国经济去杠杆真要暂缓了。这种想法是情绪化的观点，经济趋势如同大象，非一片刻暂歇会改变方向的。而且一旦启动，政府的政策也不再重要，巨大的经济惯性将碾压任何抵抗的力量。就如同当初喊 XXX 是牛市起点之后，官方也有政策试图打压市场的狂热，但无济于事。这就是宏观趋势的力量。这样的例子还有很多，在投资市场上莫过于很多老前辈说的 不要逆势。 对于一切经济活动，价格和数量是最为底层的经 济数据，也是所有经济数据合成的基础原料。它以不同形式组合出现在各行各业，各类资产的属性里。不同的定义划分，不同的观测角度、不同的规模。按照经济主体分可以有：政府，非金融企业，金融机构，居民。按照不同资产可以分为：基础货币，股权资产，实物商品，债权资产。按照是否可以贸易分为可贸易资产，不可贸易资产（譬如中国的房子，中国的理发服务，这些领域只能通过原料来间接完成一价定律的约束，但很微弱）。按照资产的上下游关系，又要分为原料资产，中间产品，下游产品。 如果不能将相似经济数据厘清，那么自然陷入信息共线性的瓶颈。导致 决策者或者分析者以为掌握很多数据，经济很好 而那些数据本质上讲的是一个事情。请看以下几种描述： 1.原料商品价格暴涨和工业品增加值积极 2.国有企业利润历史新高。 3.钢铁煤炭企业利润大幅增长 4.PMI大型企业一直处于繁荣状态。 5.国有企业杠杆率下降。 如果你看到供给侧改革导致原料品价格大涨，相关的企业又大部分是国有企业，他们的利润增长，你不会感到奇怪。你也不会用国有企业利润数据来增加经济稳定的可信度。因为他们说的都是一个事情。国有企业资产负债表自然因为原料价格变化发生积极变化，这也是一个事情。也就是 说，甚至不能证明国有企业在主动降杠杆，也许只是因为价格上涨，分母变大而已，负债没有主动减少太多。从整个社会来讲， 2018年的违约和降杠杆还主要在民企或者边缘化地方国企上，而非受益最大的那部分原料企业。有人用工业增加值数据和 GDP数据同时衡量经济来证明经济很好的时候，其实本质上他只有一个数据，因为工业增加值数据和 GDP是存在共线性的。你从这个角度设计 100个数据， 10000个数据也不会增加对经济刻画的准确度。再譬如，我们能够通过知道一群人的体重和年龄分布，来估计这群人的身高分布。如果在这样的信息环境里头，我增 加一组身高信息，能不能增加对这群人更多的信息了解。既定的年龄下，身高与体重是成正比的，所以更多的信息似乎增加掌控感，实际并没有。这个问题就是大学线性代数早就揭示过的。 数据来源：百度 线性组合是线性代数的基本概念之一，设 ， ， (e 1)是域 P 上线性空间 V中的有限个向量，若 V 中向量可以表示为 =k +k + +k (k P， a=1， 2，e)，则称是向量组 ， ， 的一个线性组合，亦称可由向量组 ， ， 线性表示或线性表出。而这些基础向量之间是独立不相关的，而且只正交的。这是理想状态，大部分情况下，宏观分析报告，行业分析报告中运用的大量数据都是存在共线性的。也就是很多报告的从 10 个经济数据来证明和说服你 经济是好的或者负面的 都是十分的不可靠的（这些数据可能存在大部分的共线性， 10 个数据，本质上可能只有两个数据），而如此一来和盲人摸象并无差别，但他们却要告诉你，宏观研究可以拯救世界。以笔者目前的经济理论基础和实践认识，我只敢说一句话：有法治保障的市场经济下，自私自利的个体经济自由活动，将最大可能的促进宏 观经济的秩序化，而非自上而下的上帝视角来改变微观主体的经济命运。宏观研究无非是刻画趋势，试图减少冲击破坏力度，反转那是市场自身的功能，不是宏观经济研究的功能。 2.不可能高胜率，但又有模糊的宏观边界 当代宏观经济学严重依赖动态随机一般均衡模型（ DSGE）。 2008/09金融危机之后， DSGE宏观经济学家已经受到了严厉的指责。这些指责不仅来自于他们的同行，也来自于这个领域以外的学者。因此， DSGE 方法遭遇到了严峻的责难。 DSGE 和其他模型充当了语言，替代了语言来模拟描述经济现实的困难。当模型解释力下降的时候 ，不是说模型的思路出了问题，而是模型本身需要进行更新换代，否则这些模型对于解释现象的能力就会大大下降，从而被政策制定者所抛弃。在特定时期，人的反应不再符合常规逻辑，更多体现情绪化行为的时候，人习惯于用小样本的事件故事来指导自己的行为，而非大样本依赖的模型。 数据来源：百度 宏观经济中的主体很多，不同的主体虽然选择有限，但是杂糅到一个市场里头，这种似乎有限的选择以指数级别递增，演变出无限的可能。政府，企业，金融机构，居民部门。四个主要主体，每一个主体都有 2 个选择，那么都有 24=16 种可能。要知道，实际 上自由抉择的微观主体更多，并非如同我们抽象出来的 4个大部门类那么简单，大量不同的微观主体最终的组合选择几乎是无限的，要去刻画这个加总的宏观集体是相当困难的。当然也不必绝望，在宏观层面有些东西还是能够帮助我们降低不确定性的 一价定律（平均化的 GDP增长率，平均化的利润率，平均化的资产回报率）和边际递减效应。 当然，客观的说，有了这两个铁律帮助确实可以减少很多宏观不确定性的概率，但是并不会增加太大的宏观预测胜率。但换个思路，我们将发现，多路径预测会大大增加预测的覆盖面（也就是同时预测不同情形下的宏观经济的可能 路径，来覆盖本身的宏观经济的不同路径），更加积极而且理性地运用手中的理论工具和有限的稳定数据。虽然很多数据的有效性似乎对经济预测能力很差（那可能是统计采样有问题，要不然就是样本的深加工出了问题，譬如当前公布的国家层面的就业数据和 PMI就业分项的经济寓意就相去甚远，而后者似乎更加贴近经济的表现）。宏观经济可能有 16 种可能路径，但是我们根据一些基本的主体约束，预备 2-3种概率较大的宏观运行可能路径，在投资或者经营上，重点押注可能的 2-3个路径，这样下来就比单独押注一种可能的宏观路径存活率大大提高，况且当你将预测 的主体降维（从宏观到行业，从行业到公司，从公司到个人）的时候，你的预测主体的数量下降，选择下降，你的预测胜率才能指数级的上升（预测一个宏观经济困难，但让你预测一个人的工作生活起居，这样的个人稳定度是大大提高的，我可以确信大部分看我报告的人今天的作息和过去的 30 天并无太大的区别，就是这个道理，有些无伤大雅的变化也许就是今天上厕所次数多了 2次）。 3.故事性经济逻辑具备强大的传染力和风险性 在一定时期内，历史经济事件显得越发重要。模型，故事与行情三者之间可以相互影响，相互干涉。经济故事的基本要件，依赖一定的数 据，并很好地融汇逻辑，将一定的事情不夸张的描述出来，但可能掺杂部分的渲染，通常不会太过分。而至于连篇累牍的阴谋体经济文章则归结为经济玄幻小说。经济故事具备一定的流行文化特征。存在发源地，代表性代言人，跟风传播者，媒体的渲染。这一点普遍存在于实体经济和金融经济领域（主要指二级投资市场）。 （ 1）犹如时装流行一样，投资偏好也存在明显的明显的季节性特点，不一样的是，这种天气持续性和发生无法准确预测。通常发源于经济困境时期，经济活动中没有明显的投资机会，但资金又寻找出口。通常在经济较差的时期，寻找的出口如果是大型资 产，譬如大宗商品，大市值股票，那么这样的惯性会持续较长时间，因为他们有足够的体量容纳较大的资金，且不容易引发价格短期大幅波动。如果是较小的市值品种，那么这样的机会不会持久，且很难形成趋势性的资金吸引力。 （ 2）由头： A-估值低，也就是回报率在经济疲弱的情况下的相对优势，并不是绝对收益有多高。 B-规避风险，也就是波动率较低的品种，长期下跌少。譬如黄金战争风险规避。 C-未来梦系列，各种黑科技为代表的无业绩公司收到追捧。 D-现金流系列，譬如白酒公司，这一系列本质上是最贴近金融定价模型需要的。随着这种由头被不断强化，自然而然也成了新进者的致幻剂，只有先信仰才能敢于进入这个市场。 （ 3）代表性代言人，主要指经济活动中具有标志性的机构或者人或者资产品种获得了足够多的关注，并被不断的宣传或者推广。 （ 4）传染传播，一种资产的买入或者一个机构的行为，一个人的行为被模仿，引发资金流入流出的现象，从而引发一种资产或者一类行为的扩散。与此同时被替代的最多的资产会天然的成为这项资产的对冲品种。譬如现金流类型资产受追捧，现金流为负的企业则受到巨大压制。当这种行为被模仿强化的时候，舆论的传播会进一步强化这种行为。政府和媒体都可能是其中的催化剂。 当然了，上面所提到的事件大部分是自发产生的，现实中也不乏一些有引导的事件。主要由关键机构释放诱导性信息，然后组织群体性的模仿学习，从而带动不明真相的群众参与，进一步扩大传播范围，但这样的事情还算比较少，且容易破坏公信力，因而十分隐秘或者仅仅在部分环节采用。 4.宏观叙事的经济影响 故事叙述本身比故事更重要，故事叙述可以看成一种价值的生产，与数量化的估值模型异曲同工，都能产生实际的市场影响。一个由头不是好故事的 条件，而叙述的人和参演的人更为重要。但通常很好的故事都是自发形成的，且其本身就是社会发展的大方向，大潮流，因而演技显得并不那么重要。也就是说，一旦一个估值逻辑或者故事叙述深得人心，那么这样的逻辑将会自我强化，成为市场铁律在一段时间内成为趋势的中流砥柱，而碾压任何反对的行为。过去的几年： 2015年资金进入股市也是实体经济，是整个市场的故事起源。 2017年打击 XX精，推动资金向“三好学生”股票流动，热钱追捧后在 2017年底反噬市场。 2018年金融去杠杆，这是全局性的。不论好差都面临流动性减少的下跌需要。 市场的表现和政策形成了互动。去杠杆的需要是吻合经济转型的，而经济转型并非一朝一日的事情，因而随着去杠杆的推进，杠杆用来说事会慢慢减少，实质上对经济的影响也将边际递减。他是故事，也是事实。事实在于信贷约束真实的发生了，他是故事，因为这项政策没有明确去杠杆的量化目标，因此又演变为了事故。当前的经济市场里头，一切运行还是有大前提和大趋势的约束（一价定律和边际效应，这在前面已经论述），必然有资产要对经济结构的大幅调整进行对应调整，从目前来看股市先行坍缩，债权资产在 2018 年也出现大面积问题，当然未伤筋动骨，未引发经 济危机，另外的大型资产，商品大涨，而房价仍然无动于衷，这是未来需要警惕的。 5.货币实验终章 滞胀的经济，脆弱性大幅增加 货币政策扩张的本质传导逻辑，可以用 MV=PQ 来概括。一段时间内稳定的货币流通速度，扩张货币 M来增大右侧物价上涨的可能。这是美国 QE经历四轮的经济学本质要义。我们说美国胜利了，但胜利的可能贪功了，因为在中国供给侧改革之前，美国的通胀水平并没有达到美联储的政策目标（稳定的 2%通胀水平），并未在结束 QE4 之前完成，而是在中国启动了供给侧改革之后才稳定实现。同时也实现了工作机会回流，失业率 创多年新低。 这有什么关系呢？中国的货币实验动的是 MV=PQ 的右侧， Q 部分，通过减少商品总量或者说短期供应量来改变物价，因为左侧短期变动更小。美国人是通过增发货币，中国在这个 2008年到 2015年期间也增发了货币，要客观的清醒地认知 这期间内全球物价水平竟然都没有提升，所以某种程度上来讲，货币实验的货币渠道可能失效了，而中国通过减少商品量（也有 OPEC原油供给侧减少的贡献，要知道这些国家财政都出现了大大小小的危机状态，减产符合他们的经济稳定需要），导致了基础原料价格的触底，并强烈反弹。直接导致上游企业利润 大幅改善，体现为煤焦钢企业的利润创历史新高（在经济进入低增长时期，利润创新高，可不是经营的力量，而是改革的帮忙）。注意一个问题，我们提到供给侧改革影响的是 Q部分，对一些产品的价格起到了快速提升的作用，但同时，减产还意味着就业机会的下降，而这部分机会不会凭空消失，而是转移出去了，不夸张的说美国就业机会里头有中国的贡献，当然非美地区其他国家也有很多工作机会流回美国。说道这里，很多人应该明白我们看到中国的 PMI就业分项持续萎缩的原因了。一方面经济增速放缓，另一方面机会转移。 相比价值判断，改革本身更需要客观描述与 跟踪。我们在此前报告中，论述了中国为什么暂时没有发生经济危机（因为主要系统重要性实体企业的资产负债表在供给侧改革中大幅改善，也改善了银行的系统性风险，而那些中小企业在银行系统中的债务占比相对较小，因而虽然他们变差 中小企业 PMI持续低于荣枯线，但并不大幅提升银行不良率 也就是说核心的问题被控制住了），那么未来的系统性风险在哪里呢？中小企业如果持续萎缩，那么大企业就犹如食物链里头的顶层，而中间和下层食物链断裂，在这样的情况下，大型企业的脆弱性就会大大提高，经济危机的风险度也大幅度增加。因而，我们的建议就是 放开上游原料供应，如果害怕环保，那么就大量进口，并增强与其他国家的贸易链接强度，改善中小企业的现金流和资产负债表，让整个经济生态链持续稳健地运行（哪怕是短期亏损的企业也有存活的价值，懂的人自然懂，就不多说了）。 图片来源： sohu/a/113352207_464329 6.为什么经济脆弱性在增加 宏观经济走势分析本是蒙面玩飞镖。现有的宏观理论对经济分析的支撑，和 物理化学生物领域对其实验支撑的程度可谓云泥之别。当然了，有些东西是可以大概率吹牛的，譬如我相信 2018 年中国经济增长率不会突然变成 10%。宏观预测命中注定是勇敢而天真的游戏。但这不意味着我们将逃避挑战。 我们秉承的研究理念一直是，分析多种可能路径，准备 2-3条更大概率的逻辑路径作为投资的参考，准备预案还是可以大幅提高遇到意外风险时的处置能力，以及如果经济恰如分析的那样，刚好可以表现的像个先知一样（实际只是幸运者）加大下注，扩大胜利的果实。这种成功，不如说是 凡事预则立，不预则废。就像 2017年到 2018年，我们根据物价雷达图和 PMI雷达图就对宏观经济运行做了很好的跟踪和展望一样，比很多机构的庞杂分析，更好地跟踪和展望了宏观经济前景。这也反映了部分分析师可能被共线性数据迷惑，降低了宏观理论所能支撑的本就不高的预测水平。我们曾经在年初提出，如果 2018 年上游原料成本能够稳定下滑，可能会带来中小企业现金流量改善，深化经济复苏，甚至带来中小型上市公