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]