日元汇率解释框架更新 - 市场认为日元汇率与日美国债利差高度相关，利差扩大推动日元贬值，缩小则缓解贬值[15] - 标准化处理后发现2023年起利差回落但汇率维持高位，2024年后利差对汇率解释力度大幅下降，1995年前后二者走势背离[18][22] - 构建以美日利差和日本真实经常收支为核心的二维解释框架，经常收支净流入上升且利差缩窄时日元升值，反之贬值[2][33] 框架跃迁背后原因 - 二维框架采用真实经常收支而非账面收支，账面收支部分资金无法回流日本，证券投资资金极少回流，公募基金境外股票规模增长显著[42][53] - 2012年后对外直接投资中再投资收益占比从10%左右升至30%左右，海外子公司利润用于再投资，资金未回流[59] - 2000 - 2022年日本对外投资存量达2000年的8倍以上，国内民间企业设备投资仅增长约18%，对内投资规模低[61] - 2011年大地震后日本核能发电下降，能源进口支出增加，贸易收支由正转负[75][80] - 2011年起日本传统优势产业竞争力下降，贸易收支逆差，出口产品量价齐升数量减少[81] 日元后续走势展望 - 能源价格回落和日美利差收窄使日元有升值可能，但服务贸易收支中“其他服务”逆差扩大，中长期数字赤字将持续施压日元汇率[4][92] - 美元信用波动会影响投机资金流向，进而影响日元汇率[4][121]

金融行业现状与转型 - 金融行业近年面临降薪潮和强监管，一级和二级市场均受冲击，行业整体环境恶化 [1] - 风险投资在创业者心中的形象发生变化，被部分人视为"高利贷"同义词，但仍有从业者保持初心 [2] - 从业者离开大平台后经历"戒断"，在精神自由和时间支配方面进入新阶段 [3] 一级与二级市场对比 - 一级市场注重创新创业精神，与优秀创始人合作实现共同成长 [2] - 二级市场卖方研究员面临体系缺失和行情依赖的成长陷阱 [4] - 买方与卖方的核心差异在于对结果负责还是对市场负责 [4] 消费行业分析 - 消费升级幻灭，中产缩水导致平替逻辑崛起 [4] - 彩妆、医美和轻奢品牌在中国面临品牌故事失效的挑战 [4] - 拼多多的低价策略成功重塑消费心智 [4] - 线下生意呈现滴灌通、加盟模式与现金流博弈的终局特征 [4] 行业研究现状 - 消费股研究强调夯实基础，科技股研究则更关注波动性 [4] - 研报信息含量下降，主要受合规要求限制 [4] - 卖方分析师日常包括路演、调研，承受较大生存压力 [4] 职业发展路径 - 从二级市场转向一级市场存在"围城"现象，多数人难以适应 [5] - 金融人创业面临管理半径魔咒的制约 [5] - 自媒体和内容创业成为金融人转型的新选择 [5] - 研究员需平衡薪酬、头衔与自我价值的关系 [5] 长期发展策略 - 建议像投资股票一样经营职业生涯，采取长期主义策略 [5] - 在行业寒冬中，需要建立自身的"贝塔"（抗风险能力） [5]

量化模型与构建方式 1. **模型名称：均线择时模型** - 模型构建思路：通过比较Wind全A指数的短期均线（20日）与长期均线（120日）的距离，判断市场整体环境（上行、震荡或下行）[2][4][11] - 模型具体构建过程： 1. 计算Wind全A指数的20日均线（短期）和120日均线（长期） 2. 计算两线距离百分比： $$\text{均线距离} = \frac{\text{20日均线值} - \text{120日均线值}}{\text{120日均线值}} \times 100\%$$ 3. 根据距离阈值划分市场状态： - 距离>3%：上行趋势 - 距离≤3%：震荡或下行趋势[2][11] - 模型评价：简单直观，但对均线周期选择和阈值敏感 2. **模型名称：仓位管理模型** - 模型构建思路：结合估值分位数（PE/PB）和市场趋势信号动态调整绝对收益产品的股票仓位[3][12] - 模型具体构建过程： 1. 计算Wind全A的PE/PB历史分位数（PE 60分位、PB 20分位） 2. 若均线模型显示震荡趋势且估值中等偏低（PB≤20分位），建议仓位50%[12] 3. **模型名称：TWO BETA行业配置模型** - 模型构建思路：通过双贝塔因子筛选科技板块中的高弹性行业[4][12] - 模型具体构建过程：未披露具体公式，但输出推荐通信设备/军工行业[12] 4. **模型名称：困境反转行业模型** - 模型构建思路：识别基本面触底但估值较低的行业（如新能源）[4][12] --- 量化因子与构建方式 1. **因子名称：均线距离因子** - 因子构建思路：量化短期与长期均线的偏离程度[2][11] - 因子具体构建过程：同均线择时模型中的距离计算公式 2. **因子名称：成交缩量因子** - 因子构建思路：监测市场成交额萎缩至阈值（1.1万亿）作为反弹信号[4][11] 3. **因子名称：PE/PB分位数因子** - 因子构建思路：计算当前估值在历史序列中的相对位置[3][12] --- 模型的回测效果 1. **均线择时模型** - 当前均线距离：3.28%（上行趋势破坏）[11] - 趋势线均线位置：5250点，5日均线位置：5195点（低于趋势线）[11] 2. **仓位管理模型** - 建议仓位：50%（Wind全A PB分位数20%）[12] --- 因子的回测效果 1. **成交缩量因子** - 触发阈值：成交额<1.1万亿[11] 2. **PE/PB分位数因子** - 当前PE分位数：60%（中等水平） - 当前PB分位数：20%（较低水平）[12] --- 注：行业模型（TWO BETA、困境反转）未披露具体测试指标[4][12]

文章核心观点 - BCA Research重申对美股悲观看法，认为美国今年很可能陷入衰退，但列举五个可能扭转看淡预期并推动美股创新高的上行情境，其宏观量化模型仍对股市持悲观态度，建议减持股票，偏好现金及防守性板块 [3][10][11] 各情境要点 情境一：「美股制约特朗普的关税政策」 - 投资者一直希望股市能抑制特朗普对关税的偏好，但目前情况未出现，特朗普表示不关注股市并承认经济处于「过渡期」 [4][5] - 支持率大幅下跌或能迫使贸易政策转向，在特朗普支持率暴跌前，投资者应预期贸易战会持续 [6][7] 情境二：「债市没有制约特朗普的减税政策」 - 美国失业率处于低位，但预算赤字仍超GDP的6%，利息支出未来十年料近乎翻倍 [7] - 若特朗普推动额外减税，经济提振或可抵消关税负面影响，但债市可能负面反应，推高收益率并收紧金融环境 [7] - 投资者应关注国债期限溢价判断债券风险溢价是否升至危险水平，目前未出现这种情况 [8] 情境三：「欧洲经济反弹」 - 欧股今年表现优于大市，部分原因是政策发展，包括增加基建开支及减少对美依赖的努力 [8] - 法国、意大利、西班牙和英国债息上升可能收紧金融环境并威胁债务可持续性 [8] 情境四：「增产降低能源价格」 - 油价年初飙升后回落至交易区间低位，OPEC+计划4月增产，是2022年以来首次 [9] - 增产可能推低油价，但页岩油生产商盈亏平衡价格是关键因素，进一步下跌可能限制美国产量 [9] 情境五：「人工智能带来的生产力提升超出预期」 - 人工智能是市场潜在利好因素，其对经济增长的影响可与过往工业革命相比较，但何时对整体生产力产生可衡量影响仍不明确 [10] - 质疑人工智能收益主要惠及企业还是劳工，目前人工智能投资具有资本密集及快速贬值特点 [10] - 人工智能对生产力的影响可能媲美过往工业革命，但收益转化为经济增长的速度不确定，渗透经济产生重大宏观影响可能仍需时间，收益或不集中于企业利润 [10]