微观、宏观视角的差异
假设一个人有10万块钱并且有着较低的风险偏好，其风险资产的意愿持有比例是20%，于是，他会持有2万元股票和8万元存款。如果他额外获得了10万元并且保持风险偏好不变，那会怎么样？他会从别人那里买入2万元的股票，最终持有4万元股票和16万元存款。
对于个人而言，有别人可以依靠，通过他们提高或者降低自己风险资产的比率，但对封闭系统而言，却没有这样的外界力量来依靠。
全球就是这样的封闭系统。
于是，有无外界力量依靠就成了微观逻辑和宏观逻辑分界点。对于一个有10万亿资产的封闭系统，假设市场平均的风险资产意愿持有比例为20%，于是，这个市场里有2万亿股票和8万亿存款。为了应对意外事件该系统多了2万亿的存款，那么，市场会发生什么？
每个获得额外存款的个体都意图从别人那里买入股票，但整个系统的股票就那么多，于是，整个系统只能通过股票涨价来平衡系统的资产负债表。
最终，2万亿股票涨价25%涨到2.5万亿，存款在10万亿，风险资产的持有比例回到了20%。
通过这个对比，不难发现，微观逻辑和宏观逻辑很不相同，当个体意愿和宏观环境发生冲突的时候，价格相对有弹性的资产自然而然地调整价格，来平衡这种冲突。
总量逻辑与反身性
笼统来讲，我们可以把系统内的资产分为两类，一类是风险资产，另一类是安全资产。如果我们再把系统意愿的风险资产/安全资产的比例当做系统平均的风险偏好，可以得到一个一般性的恒等式：
风险资产的价格=风险偏好*安全资产/风险资产的量
再对上面的公式做微分，我们可以得到，
风险资产的价格上涨=风险偏好的提升+安全资产数量的提升-风险资产供给量的增加
这个公式简洁而符合直觉，风险资产的价格变动基本上反映了安全资产数量的变化——社融增速。
可是现实世界比上述模型要复杂得多，模型中居民的风险偏好和风险资产的价格是不相关的，但是，在实际情况下，二者是相关的。
也就是说，安全资产数量的上升会带来风险资产价格的上涨，风险资产价格的上涨会带来风险偏好的提升，而风险偏好的提升会进一步带来风险资产价格的上涨。
这种反身性会带来一个麻烦：系统缺乏自动刹车机制。上涨的时候，价格会一直上涨；下跌的时候，价格会一直下跌。
为了让模型更加贴近实际，我们增加一条新的假设：随着风险资产价格的下跌，居民的风险偏好降低。于是，我们得到了一条向下的“需求曲线”，如下图所示，
在新的假设下，市场很难通过下跌来达成新的平衡，反而会出现越下跌越失衡的情况。如大括号里所展示的，在市场最饥渴的时候，市场意愿的风险资产/安全资产比率和实际的风险资产/安全资产比率有着巨大的缺口。于是，市场出现了流动性陷阱，人们迫切地需要现金或存款，想要抛出一切风险资产。
在去年海外疫情刚爆发的时候，市场的运行逻辑是下跌的反身性，出现了美元荒；之后全球央行大幅度宽松，给系统注入安全资产，市场的运行逻辑是上涨的反身性，又出现了资产荒。
退出问题和中国的启示
按照上述框架，从系统资产负债表平衡的角度来看，本轮全球风险资产牛市有两个核心原因：
1、全球资产负债表的大扩张；
2、反身性带来的居民风险偏好提升；
于是，宽松的退出就变成了一个很要命的课题，它会带来两个相反的效果：
1、全球资产负债表扩张减速；
2、反身性带来居民风险偏好降低；
中国政府最早控制住了疫情，也最早布局宽松退出，因此，最近中国资本市场的变动对“宽松退出”这个命题还是很有启示意义的。
债券方面，在5月份经济拐点确认之后，央行就开始着手退出，6月中旬的陆家嘴会议之后退出加速，债券市场逐步进入熊市（当下美国市场也有这样的迹象）。
相对比紧货币而言，紧信用来得更晚一些。
社融增速在10月份（13.7%）才见顶，11月份（13.6%）才确认拐点，12月份（13.3%）又进一步确认。
吊诡的是，在市场有社融增速行将见顶的预期之后，沪深300在10月之后又经历了一波大涨。
难道是模型的底层逻辑出了什么问题么？并不是。
如果我们看一下中证1000指数的走势，就能把整个逻辑链条串起来了。中证1000指数在7月那波大涨之后，就已经涨不动了，整体走出了震荡下行的走势。
事实上，市场已经理性地预期到紧货币之后紧信用早晚要来，只是时间的问题。
资产分层和确定性溢价
那么，为什么中证1000指数受宽信用退出压制但沪深300和创业板指数却不受此影响呢？本质上，还是因为资产分层的问题。
在流动性退潮之际，最先受到打击的是确定性最弱的资产，然后，才是确定性强的资产。
在十一之后，股票就泾渭分明的分成两类，一类是确定性高的成长白马，另一类是确定性不高的其他股票。
与此同时，普通投资者参与市场的渠道也有两个：一、通过基金参与；二、自己直接参与。在流动性充足的时候，二者的差异不大。但是，在流动性不足的时候，两种渠道的表现就出现了分化。
新入场的基金必然会入手一些确定性高的股票，虽然他们的估值已经很高了。这又导致投资高确定性股票的短期表现优于投资低确定性股票。对普通投资者而言，不同渠道的表现出现明显的分化——通过基金参与市场优于自己直接参与，这又会导致新入场基金的进一步增加。
因此，我们又可以发现另一种反身性，新入场基金增加导致核心池股票大涨，核心池股票大涨又导致了基金净值的增加，基金净值的增加进一步刺激新入场基金的增加。
于是，马太效应彻底压过了高低切换，即便投资经理觉得估值不合理，迫于相对业绩压力，也不得不硬着头皮上车。
一时间，没有人管估值，人人搭便车追逐确定性溢价，市场的价值发现功能被极大的削弱了，这种情况下，监管是不可能袖手旁观的。
贝塔vs阿尔法
在本轮核心白马的上涨行情里，不少人会误以为买核心白马是在赚阿尔法。事实上，并非如此，如果我们从19年开始捋，就不难发现，行情的演化分为五个阶段：
1、2019年上半年社融增速出拐点，贝塔在社融；
2、2019年下半年社融增速踩刹车，贸易摩擦升温；
3、2019年年底贸易摩擦缓解，贝塔在风险偏好；
4、2020年8月前疫情之后社融增速大幅度攀升，贝塔在社融；
5、宽信用退出预期渐浓，确定性低的股票无法享受社融贝塔，确定性高的仍然可以享用；
事实上，从自上而下的视角来看，只要能用宏观变量解释的收益来源都是贝塔，而不是阿尔法。
2019年五个阶段市场波动的来源，要么来自于社融增速的变动，要么来自贸易摩擦带来的风险偏好扰动。
那么，什么才是阿尔法来源呢？按照宏观微观对立统一的框架，宏观变量无法解释的收益变动才是阿尔法。最典型的就是新能源车和光伏行业的行情，这些行业的底层逻辑到了一个微妙的临界点——新能源车无限接近于传统车，光伏发电成本无限接近于火电。
这些解释得从中观和微观上找。
宏观上的表现就是（对立之后的统一），这些行业的股票从低确定性的池子晋升到了高确定性的池子，估值得到大幅提升。
再退能退到哪里？
随着宽松政策的退出，市场已经做出了反应：从确定性低的资产退缩到确定性高的资产——从确定性低的股票退缩到核心白马。
那么，下一步怎么做呢？进一步追逐确定性，再退到核心城市的核心房产。
如果核心白马股票因为高估值丧失了收益性，那么，核心城市的核心房产的确定性优势就会得到极大的彰显。市场会进一步退缩，退到核心房产上。
等核心房产的估值调整到位，市场会再退，退到存款上。那时候，救市政策已经完成退出，利率重新回到正常的水平。
一切都会走到轮回的终点。
结束语
从技术的角度来看，世界日新月异，我们总能捣鼓出很多新的东西；但是，从总量或者说宏观的角度来看，在资本市场里，我们看不到什么新东西——金融本质上是一个分配游戏，而不是生产游戏。
分配游戏的核心是：你得到的就是别人失去的，总有人要买单。
（ps：当然我们也得承认分配影响生产，或好或坏。）
此外，玩游戏的人还是那帮人，我们一如既往地恐惧或贪婪。
总而言之，游戏没变，玩游戏的人没变，我们又怎么能期待有什么不一样的东西呢？所以，我们很难逃出轮回。
历史不会重演，但会押韵。
ps：数据来自wind，图片来自网络
ps：几篇参考文章，旧文
本文作者：沧海一土狗 (ID:canghaiyitugou)，文章来源：沧海一土狗，原文标题：《历史的韵脚——论流动性、风险偏好和风险资产价格》
