孙宇晨的加密货币神话就是一部不断逃脱监管的故事。这一故事发端于其在2017年创立的波场（TRON）项目。该项目本身并没有什么特别值得注意 的地方，与绝大多数加密货币一样，"去中心化"是其主要卖点。 根据波场自己的说法，它采用了三层设计（存储层、核心层、应用层）和"委托权益证明"（DPoS）共识机制。DPoS机制通过社区投票选举出27位"超 级代表"（Super Representatives，简称SR），由他们负责区块的生成和交易验证。并且波场宣称，这种机制被设计为比其他区块链更高效，且交易费 用极低。 当然实际上而言，大部分人对这种"去中心化"叙事并不买账。特别是孙宇晨个人掌控着波场代币TRX的绝大部分供应。这使得他能够通过直接或间接 控制超级代表的选举，对整个网络的治理拥有实质性的控制权。用更为通俗的话说，孙宇晨既是庄家也是玩家。 更值得注意的是孙宇晨筹集资金的时间。2017年9月4日，中国人民银行等七部委发布了《关于防范代币发行融资风险的公告》，严厉禁止各类代币发 行融资活动，并要求已完成募资的项目进行清退。这次筹集恰好发生在我国正式宣布全面禁止代币发行融资活动的前几天，或者更准确地说是9月1 号。 换 ...

上世纪90年代，他因批判金融界依赖的布莱克-斯科尔斯期权定价模型，而意外踏入金融业，并与搭档 一手建立了CFM。如今，他被视为"经济物理学（econophysics）"的代表人物。 最近，在接受《金融时报》专访时，布肖提出了一个颇具争议的观点：过去十余年的股市大牛市，在很 大程度上并不是因为企业盈利或经济基本面的改善，而是单纯由于资金持续涌入市场。 在欧美金融圈里，资本基金管理公司（Capital Fund Management，简称 CFM）名声低调却实力雄厚。 这家总部位于巴黎的量化对冲基金，管理着约200亿美元资产，是欧洲最古老、规模最大的量化基金之 一。 CFM的创始人之一兼现任主席让-菲利普·布肖（Jean-Philippe Bouchaud） 出身并非金融业，而是一位成 名于理论物理的科学家。他早年在法国高等师范学院取得物理博士学位，曾任教于巴黎综合理工学院， 研究领域涉及复杂系统、布朗运动与量子物理。 这一看法源于"非弹性市场假说"（inelastic markets hypothesis）的研究成果：资金的流入对市场总市值 的推升效应，远超传统经济学的想象。 例如，学者们测算出，每流入股市1美 ...

对于预测经济，预测经济与研判股市密不可分，因为经济始终是股市的核心驱动力。历史数据显示，上 证指数往往提前反映经济变化，通常领先3-6个月。很多人抱怨A股长期徘徊于3000点附近，其实这是 因为上证指数更多反映经济增速而非总量水平。此外，与美股对利好数据积极回应不同，A股往往呈现 博弈思维，甚至逆向解读，例如超预期的就业数据可能引发A股投资者对流动性收紧担忧，导致市场下 行，凸显其独特定价机制。 投资是一场长跑，我们需要从书籍中汲取力量。星图金融财顾频道联合星图金融研究院推出"财顾荐 书"栏目，每期一位主理人，负责向大家推荐一本经典书籍。 本期主理人为星图金融研究院研究员武泽伟，推荐书目为《预测：经济、周期与市场泡沫》，作者洪 灝，CFA，毕业于对外经济贸易大学和澳大利亚新南威尔士大学，清华五道口紫荆商学院特聘教授，跨 境金融50人论坛奠基成员，中国首席经济学家论坛理事，历任交银国际研究部主管、中金公司首席全球 策略师、思睿集团首席经济学家等职，现任莲华资产管理公司管理合伙人和首席投资官。 对于大多数投资者来说，最大的梦想无疑是准确预测未来，这种先人一步的优势在市场上是无价之宝。 然而，大多数学院派经济学家对 ...

市场认知与投资视角 - 市场认知存在视角差异 如同苏轼观察庐山时"横看成岭侧成峰"的多元视角[2] - 当前市场存在价值投资与趋势交易两种主流视角的激烈辩论[3][4] - 市场本质是复杂适应系统 不存在绝对的对错标准[4] 价值与趋势视角对比 - 价值投资者关注估值水平 认为市盈率处于历史极值时市场出现定价错误[5] - 趋势交易者关注动量效应 认为市场永远正确且趋势形成后不会轻易打破[5] - 两种视角的收益来源不同：价值投资赚取市场定价错误收益 趋势交易赚取股价波动收益[6] 投资视角定位方法论 - 需要跳出短期波动视角（山中） 着眼长期收益（山外）[7] - 应融合价值与趋势、宏观与微观等多维视角形成立体决策依据[8] - 必须明确自身盈利本质 选择对抗市场或顺从市场的投资策略[8] - 采用概率思维替代绝对真理 评估投资成功概率与风险回报比[8] 市场本质特征 - 市场兼具有效市场假说的信息效率与行为金融学的群体非理性特征[9] - 股票投资是认知修行过程 需要保持观察辩驳精神与谦逊态度[9] - 成熟投资者能在复杂市场中建立专属投资模式[9]

**全球宏观研究经验与思考 20250905 关键要点总结** **一、行业与公司** * 行业为全球宏观研究领域 专注于自上而下的投资方法论 涉及任何国家、货币、市场和资产类别[1][4] **二、核心观点与论据** * 全球宏观研究价值在于通过数据驱动和科学方法论提高判断准确性 从宏观趋势和全球失衡中寻找投资交易机会[2][4] * 买方有效研究需兼具广度与深度 构建"梯形"结构 横向了解多领域多资产 纵向深入特定领域 并注重实证研究和反馈[5] * 有效市场假说认为市场价格反映所有信息 难以预测获取超额收益 但通过系统化数据驱动方法仍可发现潜在机会[6][7] * 宏观经济判断最重要的是把握方向 例如2023年判断美国经济软着陆而非金融危机 2025年判断资金流向推动中国股市[15][16] * 好的研究方法论包括从好问题开始 系统性思考 严谨对待细节 扎实学术训练和不断接受反馈[17] * 广义货币超发未导致通胀 因货币流通速度下降 利率越低持有货币机会成本越低 进一步降低了流通速度抑制通胀 中国广义货币总量达320万亿但通胀未显著上升[22][23] * 市场研究需逻辑、理论与实证相结合 重视叙事和反馈机制 对自身观点保持严苛 并具备独立研究能力[28] **三、其他重要内容** * 需注意研究中的典型错误和误区 例如美联储2021年误判通胀为暂时性 澳大利亚央行2020年政策承诺不到一年就撤销[3] * 分析问题应采用外部视角（宏观共性）和内部视角（微观个性）结合的方法 先找共性再找个性[9][10] * 进行正确类比需找到最根本驱动力（如人的行为） 避免错误类比（如用1998年亚洲金融危机类比2008年次贷危机）[11] * 简单将中国与日本类比存在问题 因两国市场规模和发展水平不同 1985年日本人均GDP达美国150% 中国则利用庞大市场规模和AI技术巩固产业优势[14] * 油价下跌对中国经济影响较小 国际油价跌20%但国内油价仅下调几个百分点 消费者节省有限 对实体经济带动作用不大[21] * 分析宏观经济问题需系统性思考 包括准确把握概念 同时考虑供给与需求 进行框架性思考 明确传导渠道和细致数据处理[25] * 确保论据可靠性需价格与数量匹配 自上而下与自下而上匹配 流量与存量匹配 区分主要因素与次要因素[27] * 市场研究与学术研究不同 追求共性和深入浅出 需简化内容易于理解[30] * AI在宏观经济分析中有局限性 因数据非独立同分布 样本点少 变量相关性高 无法替代人工判断[31] * 优秀市场研究人员需具备强烈好奇心 掌握系统性思考框架 注重细节和实证 主动寻求反馈[33]

最近看到一组数据让我哭笑不得：广发沪港深新起点连续34个报告期重仓腾讯控股，富国天惠精选成长56个报告期不离不弃贵州茅台。这些基金经理们活像 一群痴情种，对心仪的股票一往情深。但你知道吗？就在他们上演"不动如山"的戏码时，A股市场正在上演另一出好戏——"抢跑大赛"。 一、当基金"长情"遇上市场"抢跑" | | | 部分基金从建仓至今一直持有的重仓股 | | | | | --- | --- | --- | --- | --- | --- | | | | 重仓胶报告期 1 60 77 7 | 第一届全部 | | U.S.A. H. C. L. | | 意合代码 | 基金圆幕 | 【报告期】 今年 | 好奇闻 今 | 基金成立日 | 今早做冷静 | | | | 中原 【名次 第1名 | 年中 | | 智长军 【单位】% | | | | [单位] 次 | | | | | 002121.0F | 广发沪港深新起点 | 34/34 | 肥讯控股 | 2016/11/2 | 113.98 | | | A | | | | | | 004716. OF | 中信保波量化网尔 | | | 2017/7/12 | 92.87 | ...

投资价值理论 - 资产价值源于基本面 包括当前盈利 未来盈利能力 资产组成和管理能力等因素[4] - 公司资产分为有形资产和无形资产 管理层通过整合实现协同效应和盈利能力最大化[5] - 投资价值评估需基于产生经营现金流的资产 非生产性资产无法计算内在价值[6] - 审慎投资必须分析当前及未来盈利能力 通过折现现金流确定合理价格[7][8] 价格形成机制 - 资产价格是投资者对基本价值共识的结果 通过市场买卖投票形成[9] - 乐观与悲观情绪博弈影响价格 整体情绪波动导致价格偏离价值[10] - 价格可能长期偏离价值 极端情况导致泡沫和崩盘[12][13] - 短期价格受心理因素主导 长期价格趋向价值回归[14] 市场估值现状 - 标普500指数远期市盈率约23倍 显著高于历史平均水平[20] - 美股七雄（苹果 微软 Alphabet 亚马逊 Meta 英伟达 特斯拉）平均市盈率约33倍 占指数市值三分之一[21] - 除七雄外493家公司平均市盈率达22倍 远高于历史均值15倍[21][23] - 美股总市值与GDP比率处于历史高位 市销率达3.3倍创纪录[22] 市场驱动因素 - 人工智能发展增强公司盈利能力预期 推动投资者乐观情绪[19][25] - 税收优惠政策和贸易协议刺激企业盈利增长预期[19] - 投资者存在错失恐惧症（FOMO）16年未经历长期熊市产生安全错觉[25] - 信用市场息差接近历史低点 反映风险容忍度升高[22] 风险因素 - 关税政策可能导致通胀加速和经济增长放缓[18] - 美联储因通胀风险延迟降息 影响经济刺激预期[22] - 美国财政赤字和国家债务问题引发全球担忧[22] - 模因股受散户追捧 部分公司基本面疲软却获高估值[22] 投资策略建议 - 高估值环境下应采取防御性措施 减少激进持仓[27] - 信用投资提供合约承诺的利息回报 相对股票更具安全性[28] - 识别真正具备持续竞争优势的企业 避免过度追捧"新事物"[29] - 估值过高不等于立即下跌 但需警惕长期回报率下降风险[20][26]

伯克希尔·哈撒韦公司市值与业务结构 - 伯克希尔·哈撒韦公司市值突破1.16万亿美元 [2] - 旗下80余家子公司覆盖保险、能源、铁路、消费等领域 [2] 巴菲特个人财富配置建议 - 建议将10%资产投入短期国债作为风险缓冲垫 流动性强且违约风险趋近于零 [3] - 建议90%资产投入低成本标普500指数基金 过去60年年化复合收益率达10.4% [3] - 10万美元本金按10.4%年化收益计算 60年后将增长至3700万美元 [3] 指数基金与主动管理基金费用比较 - 主动型基金管理费通常为1%-2% 对冲基金另加20%业绩提成 [4] - 低成本指数基金管理费率低于0.1% [4] - 巴菲特通过十年赌约证明标普500指数基金长期表现优于5只顶尖对冲基金 [4] 投资理论支持 - 短期国债在2008年金融危机期间成为避险港湾 3个月期收益率降至0.01% [3] - 有效市场假说表明半强式有效市场中主动投资难持续跑赢市场 [4] - 现代投资组合理论强调通过资产低相关性配置实现风险控制与收益最大化 [5] 巴菲特家族财富传承安排 - 妻子遗产中96%（约28.8亿美元）捐赠慈善机构 子女每人仅获1000万美元 [5] - 研究表明继承超1000万美元子女创业意愿下降40% 劳动参与率降低28% [5] - 资产流向完全公开 无海外避税账户或隐藏式家族信托 [6] 长期投资持仓案例 - 苹果 可口可乐 美国运通等核心持仓持有时间均超10年 [6] - 可口可乐持仓时间达34年 [6] 行为金融学理论应用 - 损失厌恶理论指出人们对损失的痛苦感受是对收益满足感的2.5倍 [4] - 投资核心在于避免永久性损失而非追求暴富 [4]

量化模型与构建方式 1. **模型名称**：图表派—基本面派模型 **模型构建思路**：通过做市商与两类投机者（图表派与基本面派）的互动机制，研究股票市场信息效率的局限性，解释恒定错误定价与振荡性错误定价的共存现象[4][21][22] **模型具体构建过程**： - **价格调整规则**：做市商根据超额需求调整价格，公式为 $$P_{t+1}=P_{t}+\alpha(D_{t}^{C}+D_{t}^{F}+D_{t}^{R}-N)$$ 其中，$\alpha$为价格调整参数，$D_{t}^{C}$和$D_{t}^{F}$分别代表图表派与基本面派的需求，$D_{t}^{R}$为非投机需求，$N$为股票总供给[24][26] - **图表派需求**：基于趋势外推，公式为 $$D_{t}^{c}=\beta(P_{t}-P_{t-1})$$ $\beta$为图表派反应系数[27] - **基本面派需求**：仅在风险调整后预期利润为正时交易，分段函数为 $$D_{t}^{F}=\begin{cases}\gamma(F_{t}-P_{t})&\text{if}\ P_{t}-F_{t}>h\\ 0&\text{if}\ \ -h\leq P_{t}-F_{t}\leq h\\ \gamma(F_{t}-P_{t})&\text{if}\ P_{t}-F_{t}<-h\end{cases}$$ $\gamma$为基本面派反应系数，$h$为错误定价阈值[27] - **基本面价值**：服从随机游走，公式为 $$F_{t+1}=F_{t}+\delta_{t}$$ $\delta_{t}\sim N(0,\sigma_{\delta}^2)$[28] **模型评价**：兼容Fama（1970）、Grossman & Stiglitz（1980）和Lo & Farmer（1999）的理论分歧，揭示市场动态复杂性[17][21][85] 2. **模型名称**：映射F（基本面派主导模型） **模型构建思路**：假设基本面派始终活跃，研究股价收敛至基本面价值的条件[31][37] **模型具体构建过程**： - 二维线性映射： $$F\colon\begin{cases}x^{\prime}=(1+b-c)x-by\\ y^{\prime}=x\end{cases}$$ 其中$b=\alpha\beta$，$c=\alpha\gamma$，$x_t=P_t-F_t$[30][31] - 雅可比矩阵特征值分析：稳定性条件为$0<c<2(1+b)$且$0<b<1$[31][38] 3. **模型名称**：映射C（图表派主导模型） **模型构建思路**：研究仅图表派活跃时股价的非基本面固定点收敛[31][43] **模型具体构建过程**： - 二维线性映射： $$C:\begin{cases}x^{\prime}=(1+b)x-by\\ y^{\prime}=x\end{cases}$$ 固定点为45度线连续体，稳定性条件为$0<b<1$[40][43] 模型的回测效果 1. **图表派—基本面派模型**： - **区域R1**（$0<b<1$且$c<2(1-b)$）：股价收敛至非基本面固定点，错误定价恒定[21][66] - **区域R2**（$0<b<1$且$2(1-b)<c<2(1+b)$）：股价收敛至非基本面固定点或产生奇异准周期振荡[22][66] - **区域R3**（$0<b<1$且$c>2(1+b)$）：发散或收敛至非基本面固定点[66] - **区域R4**（$b>1$）：股价轨迹发散[66] 2. **映射F**： - **稳定盒S**内（$0<c<2(1+b)$）：股价收敛至基本面价值（原点）[31][37] - **稳定盒外**：动态发散[38] 3. **映射C**： - **$0<b<1$**：收敛至非基本面固定点，错误定价水平取决于初始条件[43][46] - **$b>1$**：动态发散[43] 量化因子与构建方式 （报告中未明确提及独立因子构建，仅包含模型参数如$\beta$、$\gamma$、$h$等，故跳过此部分） 因子的回测效果 （无相关内容） 关键参数与指标 - **图表派影响力参数**：$b=\alpha\beta$，测试范围$0.00<b<1.10$[53][66] - **基本面派影响力参数**：$c=\alpha\gamma$，测试范围$0.00<c<4.40$[53][66] - **错误定价阈值**：$h=0.05$（归一化后）[46][53] - **动态类型指标**：固定点收敛、奇异准周期振荡、发散[53][66]

资产管理行业协同合作 - 资产管理行业内部合作远大于竞争 各类机构应协同合作优势互补共同服务客户资产配置需求[1] - 资产管理和财富管理行业发展空间巨大 需要各类机构充分协同坚持以客户为中心[1] - 理财行业运用多资产多策略优势为客户提供完整财富管理解决方案 包括优选其他资管机构产品[2] 被动投资发展趋势 - 被动投资和指数化投资基于有效市场假说 已成为全球资管行业重要发展方向 ETF被称为金融史上最伟大创新之一[2] - 2023年美国被动投资规模历史性超越主动投资 2024年底ETF保有规模突破10万亿美元占全球70%[2] - 创新产品包括主动ETF、个股ETF、杠杆反向ETF和加密货币ETF 并与投资顾问服务深度融合[2] 中国ETF市场发展 - 中国被动投资呈现加速跑态势 首只产品破万亿用17年 从一万亿到两万亿仅用3年[3] - 截至2025年7月境内ETF总规模达4.5万亿元人民币 宽基ETF占主导地位[3] - 机构投资者占比从2022年42%跃升至2024年59% 产品丰富度持续提升[3] - 相较美国32%渗透率 境内ETF市场渗透率约12%还有巨大发展空间[3] ETF产品优势与配置策略 - ETF具有低费率、高透明度、高流动性及风险分散特性 成为理财机构优质配置工具[3] - 资管新规后理财产品更倾向微量含权模式 通过适度配置权益类ETF增强收益同时控制风险[3] - 债券静态票息低位背景下 高股息ETF替代作用、多资产ETF优化对冲功能及主题轮动ETF收益增厚效果受专业机构青睐[4] 债券ETF发展 - 国内债券ETF规模达5100亿元 因其天然资产配置属性成为银行理财合意资产[5] - 银行理财对债券ETF需求强烈 未来基金行业丰富供给将打开双方合作空间[5] 被动投资发展建议 - 优化宽基指数编制方案 包括设置行业权重上限、建立更动态成分调整机制以提升夏普比率[5] - 健全指数产品体系 目前红利因子产品占比显著呈现单极化特征 需加快丰富成长价值质量等因子产品[5] - 研发指数配置方案 公募基金可探索综合性指数配置方案适配理财资金大规模稳健风险偏好特点[5] - 加速创新品种布局 包括多资产ETF、REITs相关ETF及主题类债券ETF以更好适配专业机构配置需求[6]