AD
近日，博时基金首席宏观策略分析师，宏观策略部、多元资产管理部总经理魏凤春出席了首期华泰宏观大讲堂，向大家分享从买方视角看宏观经济如何指导投资，多年投资经验精华，干货满满。
华泰宏观大讲堂由华泰宏观李超团队推出，旨在邀请买方机构资深投资人从宏观维度分析多年来的投资心得、解码投资奥秘。
大家好，各位都是做宏观研究的，很多比我年轻，未来的发展路径可能差不太多：要么去做研究，要么去做投资等等。我就作为一个过来人，把我们一些风雨历程和各位简单地回顾一下，完全是过去我们在时间过程中的一些心得，有些可能还需要完善，有些也是未来的挑战，与大家一起来做一个同行的交流。
我的题目叫“基于宏观的交易与配置——来自买方实践的思考”。首先，为什么有交易和配置？因为宏观分析一个很重要的职责是要为资产配置服务，但是客观讲这个事情刚刚开始，更多的人做宏观是基于交易。我会谈两方面，一是大家对于宏观的常识、共识的东西，在我们买方运用过程中有哪些问题？这一点很重要，因为大家做了很多宏观的东西但不一定对，就像有的演员为什么一直演戏成不了明星一样，那一定是有问题。第二点，对于买方来讲，可能要求宏观离实战更近一点，因此我会讲一些买方的实践特点。
第一部分是宏观经济分析的通识
宏观分析的目的是什么？从总量的视角确定资产的风险与收益是宏观分析的基本要务。实践中大家知道，做投资是在风险和收益之间找一个关系，把风险确定好了，收益自然也就找到了。一般来向，投资有三大收益：无风险收益、系统性收益和非系统性收益。每个人要求的收益不一样，比如很多客户需要无风险收益，很多公司就发行了很多货币基金。如果大家主要来追求无风险收益，那就不大需要宏观研究。个股研究需要宏观分析，但他们需要的是支撑阿尔法的贝塔分析。对于我们以宏观出身的人来讲，你的作用点在哪里？如果做无风险收益，本身不再需要很多宏观研究的，最多判断一个国债收益率，作业点太小了。如果是为了研究个股，那可发挥的余地也不很大。我们看到好多分析师从卖方去了买方，去做基金经理，但实践证明宏观分析师去做个股并没有明显的比较优势。所以说在现实中，我和我的团队很清楚，我们就是判断贝塔的风险和收益的，而且着重从总量视角来判断。把这件事做好就很不错了，如果做太多其他工作，反而没有比较优势。做宏观的人最忌讳就是我什么都会，确实宏观什么都可以讲，但是你如果作业面不坚实的话，极有可能就漂在上面，所以我们确定从总量视角来研究这个东西，聚焦于贝塔收益的研究。
既然你从总量视角做研究，那么研究路线在哪里？宏观研究范围很大，我们不可能再扩大，而是要降维研究。因为宏观已经无边无际了，必须把它收拢过来，把它降维才有价值。现在国内比较流行的，或者公认的方法就是把中国经济看成一份资产，通过资本资产定价的方式来确定它的风险与价值，实现的技术手段是借用微观的CAPM模型和DDM模型。降维打击有很多成功的例子，就像NBA的队员打不了可以来CBA，马布里来了可以拿冠军。所以宏观经济分析最终落实到宏观资产价格这一点上，公式是经济增长率除以贴现率。常规的经济增长研究GDP，工业增加值等，贴现率一般研究无风险收益率和风险溢价。谁来影响无风险利率？往往是货币供给、需求以及流动性等等因素。那么风险溢价受到通货膨胀和政策等因素影响。最终来讲，大家是通过降维来研究宏观经济的的，这不仅仅是我的看法，我总结了和博时基金长久合作的特别牛的分析师，大家基本都是这个方法。如果把这几个指标判断清楚了，我就觉得特别兴奋，因为你讲清楚了，我就可以用你的研究结果来做资产配置了。回顾长期的实践，我觉得宏观研究微观化是一个很好的研究途径，这个逻辑特别容易被接受，因为CAMP模型和DDM模型都很成熟了。宏观不能再广了，研究公平问题、环境问题、卫生问题，那宏观就无边无界了，作业面就太大了。
下面谈一谈总量分析的技术手段。
总量分析第一个就是大家比较关心的经济周期问题。
周期研究有很多看起来很绚烂，但其实意义不大的方面。比如，以库兹涅茨讲的25年的地产周期来衡量，我们真正的房地产周期其实还没走完。再比如好多人喜欢用康德拉季耶夫周期，这个东西基本没什么用处。为什么？一般来讲，一个人三十五岁成熟，之后你做一个预言，即使对了，你已经95了，意义其实就不大了。这个周期对我们平时面临短期考核压力的宏观研究来说，你讲60年时间太长。总之，60年的周期可以讲，但是意义不是特别大。在工作中我们用的比较多的就是两个周期，即朱格拉周期和基钦周期。中期朱格拉周期是基金经理们最喜欢的，短期的库存周期大家研究比较多，研究范式已经很成熟了。
在实践中，现在买方其实更加关注债务周期。基金经理特别需要我们把周期划分清楚，去杠杆等等到了什么阶段，这个是我们现实工作中特别需要的。给大家提示一点，这四大周期在使用中，遇到的问题在哪里？传统周期基本不考虑货币，完全是实物周期。现在金融市场如此复杂，对经济的影响极其深远，如果不加入债务周期，只研究实物方面，就像只看到硬币的一面一样。这是周期研究中一个很大的问题。
基金经理为什么喜欢研究周期？因为它是可刻画的，比如说顶部底部的判断。但周期的本质是什么，一般人不谈，因为觉得没有必要，也很神秘。我认为，周期就是宏观研究的技术分析。周期研究的结论往往对周期顶部的判断比较清晰，但对底部判断就比较麻烦。这和K线分析一样，头部分析是最简单的，但底部来讲不容易判断。所以说，周期分析有他的优点，因为它看起来特别简明扼要，所以学金融工程的人就特别喜欢周期，因为有数学刻画。问题是，如果这么简单的话，赚钱就太容易了。实际上它也有明显的缺陷，它对顶部的判定比较准确。如果市场在底部的话，则不能完全相信周期，因为它的左侧或右侧交易时间可能会很长。历史上有很多教训，比如说2016年周期股起来了，你从2013年开始布局，没错，这在底部，可实际上在这个底部位置市场徘徊了若干年都没有起来。所以说周期分析有用但是风险特别大，在底部判断，各位要慎重。库存周期各位用的比较多，同样也存在这个问题。
当然库存周期对判断周期股还是有价值的。库存分析中的主动补库存和主动去库存通常容易搞混淆。什么叫补库存？有的是好事，比如说补库存是因为需求量增大，这种被动补库存是顺应市场需求。但如果补库存是因为需求回落而造成的货物积压，那这种主动补库存就是坏事。库存周期用的时候有一点是有问题的。原来没有电子商务的时代，库存是必需的，但是现在随着订单生产的到来，产业链逐渐成熟，可能企业就不需要库存了，电子商务时代库存的指导意义在下降。而且，从整个社会的视角来考虑，库存只是实物生产的一部分，现在影响经济运行的不光是实物，还有金融资产等等其他各种资产。所以库存周期的研究对一部分的资产判断是特别有价值的，但是对整体的经济判断而言则是不一定的。这是我们实践中用的时候要注意的一点。
另一个周期是中周期，也是基金经理特别喜欢的，为什么？中周期要告诉大家哪个是主导产业。一般来讲中周期大家定义不是特别一样，普遍认为就是设备投资周期。从时间长度上看，有的说十年，有的七八年，这个关系不大，总之每隔一段时间一定有一个所谓的主导产业出现。基金经理最喜欢的就是投资主导产业，像2000年投房地产，这两年投5G相关方向一样。基金经理最喜欢的是你能告诉他未来哪个产业会最牛，波动没关系，如果是主导产业的话，买进去以后五年以后就能涨几倍。
中国的中周期在过去40年里基本就是根据中国工业化的进程和人的需求来演化的。需求的变化导致了供给的变化，供给的变化通过设备投资来完成，这完全符合罗斯托的经济成长阶段理论。我们看到中国过去几十年来，基本上每一个十年大致有一个非常清晰的需求的变化：从必需消费品到可选消费品，再到具有资本属性的消费品和现在的多元需求化。每一个需求的变化都对应工业发展的不同阶段，而不同阶段需求变化就需要供给变化，这自然带来一个新的投资逻辑。
这一点是基金经理们最喜欢的，单也是宏观研究中不是特别重视的一点。实际上，宏观研究除了总量意外，其实结构分析也很重要，这一点我们有深刻的体会。产业周期分析也是有很大风险的,因为这种主导产业的演化有一个很现实的问题:过去的不会再来了，再来就是周期复辟,时间会很短的，这一点我们在实践中觉得特别重要。
产业分析有多重要？从全球的视角来看，我们把1900年到2000年欧美股市百年间的产业构成列出来，你会发现产业确实特别重要。1900年铁路在一百强公司中占50%，现在只有0.34%，而当时一些规模很小的行业，当年只占6.4%，现在占了接近50%，这才有了硅谷的发展。所以说，如果从一个很长的视角来考虑，产业以外的几乎所有因素，对股市都失去了解释力，只有产业才有根本的价值。这一点的话是公募和私募基金中所谓的价值投资、长期投资人最看重的一点。你能把握住产业规律，你就能基本把握宏观的波动。从产业投资来看的话，投资朝阳产业比投资夕阳产业收益率要高，这是一个非常现实的结论。
从一个全球和更长时间的视角来看，从1790年到2017年，发现美国、日本、中国、韩国这些国家，它们的产业演化，乃至所有工业化国家的演化，都是同一个规律：从劳动密集型到资本密集型再到技术密集型。如果把这个规律把握住，宏观分析师会有一个新的出路，因为未来中国的产业政策制定应该会需要一些在实战中能够立得住脚的人才。所以，我再次强调产业研究就是现在所有公募基金中最需要细化的东西。有人说宏观没有用，是因为你没发现有用的点在哪里。
此外，我们在实践中也对产业的生命周期进行刻画，就是对中国的产业做一个四期的判断：成长、成熟、淘汰和衰退。我们用2011年Dickinson的一篇论文，从现金流的视角，对中国资本市场各行业的生命周期做一个大致的定位，包含200多个三级行业，并定期更新。这种判断未必会特别准，但至少做一个检索或者扫描以后，基金经理们再去判断，会比较有实用价值。
这项工作我们连续做了好多年，就是最新数据一出来，马上更新。它会有偏差，但总体来说，持久的观察和判断对投资是有帮助的，这也是产业周期需要深入研究的地方。
我用了这么多篇幅来讲中周期的重要性，是因为我的确觉得很重要。如果你能够把一个中周期的演化给大家很好的划分成主题、成长和周期，并且有非常清晰的标准来界定，那么，在宏观交易层面，特别是在股票交易方面，肯定会有很好的收益。问题是现在国内没有形成特别成熟的一套理论，我们希望有一个公司专门定期发布类似中国产业白皮书的东西。
我们现在的宏观研究其实里边很丰富的东西没有挖掘，在实践中，宏观和中观结合的研究可能更有价值。
总量分析第二个就是通货膨胀。
通货膨胀其实大家都很熟了：主要是CPI、PPI。给大家提点建议，CPI和PPI是表面的东西，它背后应该是一个资本运行的故事。我个人认为通货膨胀是货币现象，但货币的分配是不均衡的。我们在研究货币的时候，有一个天然的假设就是货币都一样。在我眼里货币或者资本的区别不大，但资本是异质性的，其中重资本、轻资本、高级资本基本是不太一样的。在这个过程中，我们在研究所谓的物价的时候，是把房价放在一起的。因为不同的钱、不同的资本用在不同的阶段发挥的作用也是不一样的。我们很多人研究CPI，很多的就强调一个猪的问题，其实猪是一个特别表面的东西，这是我们实践中希望改进的地方，就是把通货膨胀放到资本运行之中去研究。关于这一点各位可以多看看奥地利学派的理论。
总量分析第三个是流动性的分析。
在实践中我们有一个体会，就是流动性的分析迫切地需要和我前面讲过的债务周期放在一起研究。我特别希望有一个明斯基时刻的描述，我们2017年去杠杆时间段和今年这种结构性去杠杆，其实你可以发现它就是一个典型的债务周期的问题，而债务周期，中观和微观数据还很不足，这个可能比产业方面的研究更加稀缺。尤其很多数据频率都是季度的，这个时效性对基金经理的资产配置来说就不理想。
总量分析的第四个就是政策分析。
所谓的宏观总量就四个因素：增长、通胀、流动性和政策。政策分析很复杂，但政策的变化又对风险溢价有非常直接的影响。那政策怎么研究呢？这一点也是有一个可以探讨的方法。刚才我们谈到过宏观研究是特别宏大的，需要降维。中国政策其实也很复杂，那么多的决策机构，我给大家一个建议，同样的方式是降维，把中国政府当成一个企业，我也研究了这么多年，觉得挺好用的。著名经济学家科斯讲过，政府就是一个超级企业。既然把政府当做企业，那就按这个企业来研究。政府的目标是通胀、就业、财政收入、金融安全，它的五年计划和公司五年计划是一样的。董事会的比照对象是政治局，然后总经理办公会就是国务院这个系统，然后下面有一个中层的执行部门，比如央行、发改委等等，所以说为什么央行不会单独制定货币政策？因为中层执行部门一定要听总经理办公会的，总经理办公会要听董事会的，这一点很清楚。所以有人讲我们要货币政策独立，在这个框架下是不和逻辑的。在这个框架下，董事长、董事局决议是最重要的。那么之后的这些分公司、各个省就只是执行而已。
对中国的政策研究来说，第二点体会是领导者特别重要。像现在我们知道对重要领导的讲话，每次开会，每一个字的变化都要仔细比对、理解。比如，调结构和保增长在好多人眼里关系不大，其实关系大多了，中国历来是这样的，任何公开的东西，每个措辞都是极其严谨的。此外，从我的一个体会来讲，做政策研究的一个客观约束就是财政约束。这个很重要，好比一个企业，有没有钱的决策是很不一样的，在这个视角下，货币在我眼中是属于大财政的一部分。
再一个是从最现实的问题来讲，好多人不重视制度变革对中国政策的影响，当然对技术冲击也不太重视。第一点，我觉得技术冲击和制度变革之间，可能后者在中国来讲更加现实。我们现在和很多分析师交流的结论是以明年为例，明年是否会变革，主要看国内经济压力是不是过大，如果中美谈判不顺利，可能变革的压力会更大。第二点，好多人分析中有一个问题没有注意到的是，变革一定是利益的调整。之所以变革不了，是因为阻力太大。第三点，在我们政策和制度变革研究的过程中，一般不去问为什么这样？往往去问会怎么变？就是基本不要做价值判断，因为做价值判断的话特别容易陷入社会学的一个误区。
以上是把我们实践中遇到的四个问题，就是宏观总量分析降维研究的四大问题简单地谈了谈。
下面跟各位谈一谈宏观研究经常会遇到的常识性的错误。
第一个，做宏观研究，卖方需要提供对资产配置是否有直接的映射关系，即宏观研究策略化。就是从宏观研究出发，具体是看好股票、债券，或者黄金、原油，年轻的分析师要大胆地看，看好就给出理由来，没有策略的宏观研究是不对的。第二点，好多人认为统计局的数据不真实，我也特别不认可这个观点。第三点就是经常做假设，比如有些研究“如果降息应该配什么？”，实际我想了解的是降不降息的判断。“正如我2013年的分析，现在看来很好地验证了目前的判断，如果”这些研究的价值都不是很大。作为宏观分析师，如果不能帮助客户深入剖析纷纭复杂的信息，并提出独立性的见解，基本上可以宣告他的失败。对于客户来讲，之所以愿意支付成本阅读分析师的报告，在于他可以直接以分析师得出的结论为平台进行资产的配置。因此，这个结论应该是直接的，分析师分析最可能的情景假定，而对一些不太可能发生的情景加以摒弃。唯有这样，才能帮助客户减少分析的成本，提高决断的效率。
第四点，就是分析的时候没有主要矛盾。客观讲做宏观分析最多三个因素，四和五基本上没人看，就是说做分析特别忌讳这种眉毛胡子一把抓，没有核心的东西。
第五点，是不注重短期分析。有很多人喜欢分析长期，但实际上长期分析的时效性太弱。宏观分析的时间要求特别严格，过了这个时间以后就没用了，所以说择时的要求特别高。
下一个部分，我来谈一谈宏观研究在买方的实践。
买方有哪些所谓的独特性？
下面谈到我们现在一些变化。
我个人认为，从现在开始，宏观分析师及宏观出身的这些同行在资产管理行业的地位才真的建立起来，为什么？因为时代到来了。我把整个资产管理行业分为四个时代，第一个草莽时代，第二个农业时代，第三个工业时代，第四个智能化时代。草莽时代主要依靠相关不对称信息，这已经过去了。在农业时代，其实在我看来宏观分析意义不是特别大，也就是所谓的产业分析有一定的价值。现在进入工业化时代，它就是要按照客户要求的绝对收益做产品，风险不要太大，回撤不要太大。需要做绝对收益的时候，靠单一的资产是不够的，要多元资产配置。这个时代宏观价值分析师才真的有价值。因为工业化时代有个特点，要求我们全天候的经营，做好分工与专业化，在这个过程中宏观做的工作就是为资产配置服务，通过配置来获取一个稳定的收益。
回顾一下资产配置的历程。简单地讲，资产配置其实就是两类，第一类是人特别有用，第二类是机器特别有用。机器有用实际上就是金融科技，算法，海量数据，人工智能；目前基金公司里有人在尝试，但还不是主流。主流的实际上还是人的1.0、2.0、3.0的这个时代，这三个时代，其实每一个时代资产配置对宏观的要求是很不一样的。第一个时代叫简单资产配置，就是很简单的30：70，20：80。第二个时代形成了很多经典资产配置模型，均值方差和Black-Litterman模型，尤其是BL模型。这种模型对宏观要求是极高的，因为它有一部分需要专家的预测数据，这个模型目前在国内一些比较大的资金方用的比较多。
3.0时代的资产配置模型分两类，一类是从资产到资产，量化用的比较多。还有一类从因子到场景到资产,使用场景再现的时候宏观就特别有价值。资产配置主要有以下几个逻辑和方法：1、主观判断，通过经验来确定大类资产之间的比例配置，宏观有一定价值，但是这个价值不是特别大，因为也主要依靠专家的经验。2、经典模型，刚才谈到的BL模型，还有风险平价模型等等，这是市场都认可的配置体系，是资产配置从业人员需掌握的入门技能；3、数据挖掘，通过算法和数据挖掘信号，金工的报告居多；4、场景划分，比如说投资时钟把经济状态分为复苏、滞胀、过热、衰退的个不同阶段，不同阶段大类资产表现不同，通过场景再现提供逻辑前提，在这里宏观的分析价值就很明显了，需要通过宏观分析判断处于哪个阶段。天下武功出少林，目前国内外的场景分析基本来讲就是以美林时钟为基础，我们做的事情也是以此为出发点，结合中国的国情做出了一些改正。
我下面谈谈我们的实践。
首先，确定资产配置的核心任务，一句话，资产配置一定要找出预期的收益率来，然后在一个条件约束下做最优化处理，这就是资产配置。问题是收益率是怎么来的？预计收益率首先要求历史数据，场景再现，还有就是对未来的判断。我们宏观分析的工作，第一，过去的场景划分是否合理，第二，你的预判拍的对不对？宏观的预测和过去的规律总结，仅仅就这两点，不同的人做法差距就非常大。其他的相对来讲并不太难，目标约束比如风险预算7%，6%，时间3个月5个月6个月都可以，然后不同的资产把它配进去就OK了，然后再平衡，基本是这样的。所以宏观分析师就是在历史数据和预测之间轮转。
做资产配置，首先，你要有一个逻辑哲学的转变，相信你的能力是有限的，知识是有限的，未来是不确定的。因为未来不确定，资产配置才有必要。其次，资产配置需要客观的条件，中国为什么过去几年没有资产配置？是因为过去有的场景没有再现，比如说债券的刚性收益一直打不破，做债永远是安全的。到了2016年开始，债券这一块也可以赔钱，这算多了一个轮回。从那以后就会发现资产配置和FOF才发展起来，我们的行业才迎来了春天。在此，资产配置是以多资产为基础的，所以懂一项资产是不够的，需要懂多项资产。因为单一资产择时是极难的，只能通过多资产研究来解决风险控制的问题。宏观分析师要研究股票、债券、黄金、原油、美股、港股等等，掌握多个资产的规律及资产之间的非相关性是资产配置的前提。
宏观分析师的价值在哪里？像我们这种场景再现，自上而下的配置体系，一般基于经济运行的周期性，在不同宏观经济阶段，资产变更有相应的规律性。分析师的价值就在于发现并掌握和运用这种规律。
上述的投资逻辑其实并不复杂，但每家公司的配置结果和效果有所不同，不同公司的竞争力差异来源于两个方面：1、宏观指标的观察体系和预测能力；2、结合宏观指标建模识别经济周期，模型的自适应性和有效性。目前来看市场类似配置框架的公司有BlackRock、 JP Morgan、Franklin Templeton、 Pimco、博时基金、国内头部基金公司等等。所以我认为宏观分析师的春天来了，资产管理公司对资产配置能力的要求极高，对分析师的要求也将提高，各位的机会也非常大。
我们在工作中做了一些尝试，简单谈谈。我们的资产配置体系是分三级的：一级叫一级大类资产配置，就是SAA，二级配置叫增强配置，即TAA，三级补充配置，即Sharpe+。三级配置，一般来讲主题配置用的不多，更多是一级大类资产配置，债券、黄金、原油、商品等；二级配置实际上是一个多资产多策略的结构性问题，比如权益中的风格，周期、成长、消费等，债券中的久期、信用，信用债与可转债的对比等等。宏观研究其实需要在一级配置上下大量的功夫，也需要把债券、黄金、权益的结构搞清楚，因此宏观研究，特别是二级配置的产业研究就很重要。SAA基本结构包括1、基础数据库；2、指标筛选，我们是从300多个宏观指标中，将有效指标筛选出来；3、资产价格的组合，把你要配置资产的风险收益特征划分出来；4、有效指标合成。我们最终合成四个指标，分别是增长，通胀，流动性，还有政策因子。政策因子因为它无法量化，有一部分能够融到三个因子中的，我们就融进去，不能融进去的，我们就做特殊的处理；5、场景划分，主要是用模型实现的，我们划分了五个场景，就是复苏，扩张前期，扩张后期，滞涨期，类衰退前期，类衰退后期。实际上中国的场景切换经常是非常地没有规律性，这一点也是我们资产配置不成熟的很重要的一个原因。
此外，我们的资产配置模型除了基础数据以外，还有大量的交易数据。比如A股和债券都有估值，资金，交易，情绪，数据，股债对比，信号等等的交易数据都需要分析。可以说宏观研究在卖方中必须和策略结合，而策略的东西还要把它进行量化，否则配置没法做。中国的资产配置模型和海外肯定不一样，海外配置几乎不会讲交易情绪的，但国内需要考虑交易和情绪的问题。这是由中国投资周期和考核周期所决定的。中国的改造在哪里？我们遵循了场景再现的这种精神，同时结合着宏观，结合交易来作出判断。
资产配置系统为什么重要？因为现在工业化时代工业化一个特点，那就是一定要设备投资，光喊着口号不叫工业化，工业化一定要投入，工业化投入就是指设备，就是资产配置系统。资产配置系统的建立和完善现在其实竞争非常地激烈。这时候才是需要宏观分析师，你的价值处在一个被大力挖掘的时代，各位应该很兴奋。同时，宏观分析师的挑战也刚刚到来。
以上就是魏总给我们分享的从买方视角如何看待现在整个的宏观经济分析，以及买方实践的内容啦。接下来还有提问环节噢！+
1、您这个框架里边需要一些专家法的判断，然后觉得选出了一些优秀的卖方分析师，但这里边如果卖方形成一个一致性的预期，在您这个框架里是形成了一个高度的认知的支撑，还是说适当的得有一点警觉了？就是说卖方的观点太一致了？
一般来讲大家一致以后我们就反着看。一致性预期是特别可怕的，因为卖分析师除了给买方服务以外，你们经常接受采访，这时候信息已经是公开了，没有任何的不对称性了，谁都知道了，这时候可能离反转就比较大了。当然我们这么多年，有很多很好的合作伙伴，我们也会做甄别和判断。
2、刚才您谈到对经济学就是宏观环境和数学的这么一个结合，我想问问这个东西你们具体就相对细化一下吗。
实践中做宏观研究，一般都得尽可能量化，但是在量化的构成部分中不可能是百分之百的，一定有一部分主观的判断，特别是在一些政策方面，主观判断极其重要，需要很多专家跟我们交流。但是宏观分析有时候没有明确的答案，有时候是经验判断，有时候是一些所谓的运气。如果不是这样做的话，仅靠数学就可以了，不是这样的。
3、您刚刚提到过在资产配置的时候，我们要考虑交易情绪，但是我们去刻画交易情绪，我们应该怎么刻画，刻画交易情绪的话，因为我之前做过一些这些这一方面的研究，它是可以通过宏观数据，它还可以通过这个词频，比如说网页词频，然后去进行一个词批量搜索。我想问一下对于咱们博时来做的话，咱们交易情绪的话主要是通过哪些指标？如果是对于宏观是宏观指标的话，您一般习惯性的哪些常用一些指标，如果是通过一些词频类的这种技术类的话，您一般又是通过什么样的方法去获取到的？
是这样的，在实践中交易因子在资产配置中我们认为很重要。怎么刻画呢？其实大逻辑来讲，第一个就是各项资产之间的比较，股票、债券、黄金、原油一般不好比较，我们有一些刻画的数据，比如说估值、资金、交易情绪、股债对比等等，这些东西我们得能处理，这些方面不一定很全，我们也是在不断调整。
4、我刚才对听到您对产业的研究，包括把我们现在行业都划分他们的发展所处的发展阶段，我觉得这块很有意思。然后也像刚才李超总提到的，我们卖方研究这一块可能存在一些不足甚至空白，我想知道从您的角度，您未来希望看到卖方研究大概研究这方面有什么样的内容，形成什么样的结论，或者从哪些方面去看？有没有一些手头的例子？
宏观分析师在卖方不太研究产业，但策略分析师好多在做的。行业比较更多是通过二级市场研究的多一点，但是把一二级打通的不是太多。大家需求这么旺盛，你有长期的判断，比如说未来几年那种前沿产业的演化规律，有定期发布报告就非常有价值。它不光是一个数据的累积，也会要求你把整个公司的研究集中起来，需要从宏观视角把行业之间或者是从产业之间分个高低，现在做这块研究的人不太多，客观讲能够让我觉得可以直接用的在国内的也不太多。这是个综合的事情，不是单一的事情。但是如果做出来一定是特别有价值。
5、我想问问模型应用的问题，就是当您的几个层次的配置模型过来信号不一致，或者说这些模型出来的信号跟你们的内部的研究员的观点不一致的时候，咱们是怎么使用这个模型的结果？
是这样的。肯定有不一致的时候，我们在资产分析的时候加了一个部分，一部分是根据我们的所谓的机器出来的结果。这一部分是专业的结果，我们有一定的处理方式。时间长了基金经理会比较机器的结果和专家的结果，最后可能发现专家只占 10%，机器这个模型基本就成功了。但是不可能完全赞同系统给出的结果，完全赞同系统的结果风险太大了。不能完全依赖设备，比如所有的医院在做手术的时候，不可能完全看检验结果。我想一点也不看的医生也很少。我这应该是一种中西医结合的，设备和医生的关系。
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
