【书名】The Long Good Buy

【基本信息】

1. 作者：Peter C. Oppenheimer。他拥有35年的研究分析师工作经验。他是高盛首席全球股票策略师和欧洲宏观研究主管。在加入高盛之前，曾在汇丰银行担任董事总经理和首席投资策略师，并在James Capel担任欧洲策略主管。在此之前，他是汉布罗斯银行的首席经济策略师。1985年，彼得开始了他在格林韦尔斯的经济学家生涯技术的创新，从实验阶段进入量产阶段

【精彩摘抄】

  1. 市场周期定义为从前一个高峰到最终峰值的整个时期。这些周期的长度各不相同，但对于美国股票市场来说，过去的平均时间约为8年。

  2. 股票市场周期的四个阶段

a. 绝望阶段。市场从高峰走向低谷的时期，也被称为熊市。这一调整主要是由估值下降驱动的。

b. 希望阶段。这通常是一个短时期 (在美国平均为9个月)，这一阶段对投资者来说至关重要，因为它通常是在周期中获得最高回报的时候。然而，它往往会开始于企业部门的实际宏观数据和利润增速仍然低迷的时候。最重要的是，股市反弹的主要驱动因素是预期：尽管希望阶段通常与弱数据重合，但数据的二阶导数 (变化率) 已经开始改善了。因此，在经济疲软和股票市场下跌之后，当投资者发现经济状况不再以更快的速度恶化时，买入股票市场的最佳时机就出现了。

c. 成长阶段。这通常是周期里的最长时期(在美国平均为39个月，欧洲平均29个月)，这个阶段公司业绩增长并推动股价回报 。

d. 乐观阶段。这是周期的最后部分，当投资者变得越来越自信，甚至可能自满，并且估值倾向于再次上升并且上升速度超过利润增速。一般来说，美国平均这个阶段有25个月。

我们援引自1973年来的数据，来看看统计数据中的四个阶段呈现出什么特征。

“绝望”阶段。这个阶段平均持续了16个月，这段时间业绩还在温和上升，但股价凌厉地下跌，平均跌幅超过40%，大部分是由于估值的收缩。

尽管“希望”阶段是四个阶段中最短的，（平均9个月），它却是四个阶段中最强劲的，平均回报能达到40%，估值扩张的比这个数字更多。那是因为盈利在这个阶段还在下降。GDP或者经济活动的增速波谷，出现在希望阶段的中间和尾声之间的位置。在这之前，包括在希望阶段的初期，GDP增速都是下滑的。

成长期平均来看在美国可以持续49个月，盈利增长约60%，但股价只上升16%。其实在成长阶段，市盈率大约要收缩30%。 在成长阶段，经济活动会扩张，最终名义产出增速会超过潜在产出增速。

最终在“乐观”阶段（平均23个月），股价再一次大幅上涨，估值大幅扩张（大约50%），只有很小的利润增长。

因此，最高的年化回报发生在“希望”阶段。就美国和欧洲而言，这一阶段的平均回报率在40%到50% 之间 (就美国而言，实际年化回报超过60%)。紧随其后的是乐观阶段 (在这两种情况下，美国和欧洲的年化率均高于30%)，而在增长阶段几乎没有实现回报。在美国和欧洲，绝望阶段的损失每年约为45%。我们可以看到，股价回报和公司实际利润增长之间是令人惊异的不同步。

  3. 在中国和欧洲，投资者使用PMI指数来观测经济活动，在美国我们使用ISM指数（Institute of Supply Management Index）。股票投资最好的阶段一般出现在，当ISM指数处在负区域（低于50）时，它出现了一个正向的转折点的时候。然而，股票回报是否好，跟同一时期债券收益率是在上升还是下降很有关系。一般来说，如果债券收益率在下降，收益会更好一些；这种情况适用于周期内的所有阶段。

股市跟债券收益率之间的关系很复杂。总的来说，长期来看，下降的债券收益率对股市更有利；但是，短期内，收益率曲线的形状很重要。陡峭的收益率曲线 (长期债券收益率高于短期利率水平) 通常意味着央行的货币政策是有利的；当债券收益率低于短期政策驱动的利率时，反向收益率曲线将倾向于反映央行货币立场比较不利。

  4. 在经济衰退的后期，当经济活动最萧条时，往往会有非常防御性的资产表现出色，包括黄金和长期债券收益率 (受益于较低的政策利率和典型的通胀预期下降)。随着周期进入复苏的早期阶段，当增长仍然为负值但二阶导数正在改善 (恶化速度放缓) 时，股票倾向于大幅反弹，黄金和债券是表现最差的。

  5. 根据业绩与周期波动的敏感性，和估值两个维度，行业和部门可分为四组：周期价值（大宗商品板块、汽车和零配件板块，金融板块）、周期成长（科技板块、工业板块、奢侈品板块）、防守价值（公用事业板块、电信板块、房地产板块）、防守成长（零售板块、医疗和医药板块、食品饮料板块）。

周期价值的最佳环境是伴随着通货膨胀和利率上升，业绩加速增长。总体而言，强劲的增长有利于周期性增长。成熟行业 -- 固定成本 (工资和资产) 在收入中的比例通常高于年轻行业，快速增长的部门对通货膨胀有更高的杠杆作用。这通常被描述为高 “运营杠杆”。当通货膨胀率和利率上升时，他们的收入增长趋向于增加，利润率提高，导致了比平均水平更大的收入增长。

同时，在另一端，当增长通常较弱且更加稀缺时，防御增长在相对基础上往往表现得更好。降低通货膨胀和利率倾向于使这些公司受益，因为它们具有非常长期的预期现金流，而较低的利率意味着这些现金流的贴现率较低，因此，估值也较高。

当然，特定行业也可能在任何时候受到特定股票发行的影响 (特别是如果该行业由一两家大公司主导)，并且可能受到监管和竞争格局变化的影响，包括可能的合并或新进入者，以及许多其他因素。

由于这些复杂性，投资者通常将公司或行业组合成各种风格的组合配置。规律往往是周期性和防御性公司之间的比例，还有价值和成长型公司之间的比例。这两大组分类对投资者很有用，因为随着时间的推移，它们往往与投资和经济周期有明确的关系。

相对于防御性公司，周期性公司最糟糕的时期是“绝望”阶段。这是直观的：正是在这一阶段，投资者期待着经济衰退，这对一般的股票市场，尤其是对周期最敏感的股票不利。在这一阶段，防御性公司至少提供了一些相对避风港，并且在过去，平均而言，在这些阶段中，其相对表现接近30%。正如预期的那样，希望阶段是周期性公司相对于防御性公司的最佳时期，平均表现为25%。生长阶段是最长的阶段，孰好孰坏结果很模糊。部分原因是，在此阶段，当诸如PMI或ISM之类的高频调查数据得到改善时，可能会有几个微型周期，但不一定。乐观阶段通常也是周期性较大的公司表现优于市场，对不断上涨的估值的容忍度趋于上升的阶段。

与将“周期”与“防御”相比，当我们将“价值”与“成长”进行比较时，结果很不清晰。唯一确定的是，平均而言，“价值”在乐观阶段表现不佳。

  6. 大多数熊市是三种触发因素之一 (有时是组合) 的函数：不断上升的利率和/或通胀预期以及对经济衰退的恐惧。 一种外生和意想不到的休克，增加了不确定性并压低了股票价格 (随着所需风险溢价的增加)。主要资产价格泡沫的破裂和/或对结构性失衡的纠偏，导致去杠杆化和银行危机。

    我们对每个熊市尝试归类。尽管这里对每个事件的分类有些主观，但它还是试图根据时间序列，根据历史的相似特征，将熊市分为不同的类别。我们认为有三种熊市:

a  周期性熊市。通常是利率上升、经济衰退和利润预期下降的函数。这些市场是典型经济周期的函数，是最常见的熊市类型。

b  事件驱动熊市。由一次性休克引发，并不一定会导致国内衰退 (如战争、油价崩溃、新兴市场危机或市场短期技术错位)；但这导致了不确定性的短暂上升，并推高了股票风险溢价。

c  结构性熊市。通常由对结构性失衡和金融泡沫的纠偏引发。通常会出现价格休克，如通货紧缩。这往往是最深和最长的熊市类型。

周期性和事件驱动的熊市价格通常下跌约30%，而结构性熊市价格下跌约50%。

事件驱动的熊市往往是最短的，平均持续7个月; 周期性熊市平均持续27个月; 结构性熊市平均持续4年。事件驱动和周期性熊市倾向于在大约一年后恢复到以前的市场高点，而结构性熊市平均需要10年才能恢复到以前的高点。值得注意的是，这些数据是名义上的，而实际上，鉴于通货膨胀率极高，20世纪70年代的熊市更加明显。

20世纪60年代末的 “漂亮的50” 行情是结构性熊市的一个典型代表。这是前50家左右的公司竞相领先的时候，而美国市场的其他大多数公司却未能上涨。然而，当20世纪70年代初的熊市来袭时，这些股票的暴跌超过了整个市场。在20世纪70年代剩下的时间里，漂亮50的成分股表现大幅落后于市场。

同样的情况发生在20世纪80年代末的日本，少数银行和房地产公司主导了市场。20世纪90年代末同样是这样。从数据上看，尽管标准普尔在1994年至1999年的年均增长率为25%，但其实一半以上的成分股在1999年是下跌的。1994年至1996年间，三分之二股票的价格上涨了10%，与第二次世界大战结束以来的平均年增长率一致。在1997年，该指数开始变化。到1999年，市值增长最多的五家公司约占市场总增长的42%。前100家公司占增长的139%，而这个数据自从1967年以来平均为87%。

同样的集中发生在欧洲。截至1999年底，市值排名前20的公司约占总市场市值的30%。

  7. 所有熊市都是独一无二的。熊市的不同之处在于，尽管当时一些情况可能是相同的，例如高估值和对经济衰退的恐惧，但每次熊市的主要驱动因素各不相同。也就是说，许多促成因素会影响熊市的时机和形态。

为了测试哪些因素在预测或引领熊市方面是有用的，我在高盛的团队进行了一项分析，着眼于统计超过40个变量的一致性。这些变量分为三个类别 -- 宏观的、基于市场的和技术性的 -- 然后应用基于 “规则” 的系统来评估每个指标是否满足预定的 (尽管是主观的) 熊市前的门槛。例如，为了获得资格，席勒市盈率 (或基于当前价格和过去10年的平均收益的市盈率) 需要从高水平上升 (第70个百分点) 或已经开始高于第90个百分点 (这旨在捕捉估值需要非常高的想法)。

    不出所料，大多数变量可以被忽略，它们是不可靠的；它们要么在熊市之前没有表现出一致的行为模式，要么它们落后于股票市场本身的走势（不是领先指标），或者变量本身太不稳定而无法依赖。

    相对而言，最持续有用的熊市的领先指标是失业和估值指标。我们观察的大多数 “技术” 变量 (如定位和情绪调查) 尤其差，因为它们往往落后于市场本身。 熊市最常见的特征是在高估值时期开始恶化的利润增长和政策紧缩的某种结合。

    尽管没有一个指标本身是绝对可靠的，但我们还是找出了六个指标，它们的某些方式的结合似乎为未来的熊市风险提供了合理的信号。

a 失业率。失业率上升往往是经济衰退的一个很好的指标，尤其是在美国。在美国每次战后衰退之前，失业率都在上升。问题是失业率上升落后于股票市场。但在大多数熊市之前，非常低的失业率似乎确实是一个一致的特征。在股票估值特别高，失业率跌至低点的合并时期，是提示股票市场的潜在风险的一个重要领先特征。周期低失业率和高估值的结合确实会伴随着负回报。

b 通货膨胀。通货膨胀上升一直是过去经济衰退以及熊市的重要原因，因为通货膨胀上升倾向于收紧货币政策。该指标在市场的精确峰值处没有用，因为通货膨胀的峰值通常滞后于股票市场 (通常是经济周期)。但通货膨胀上升是过去熊市之前环境的一个重要特征，尤其是在20世纪90年代。延伸来说，后金融危机周期中缺乏通货膨胀和通货膨胀预期是支持更长的经济周期和更少波动的因素之一。在没有通货膨胀压力的情况下，货币政策可能会保持宽松，并降低衰退和熊市的风险。

与通货膨胀有关的一点是，紧缩的货币政策通常会导致收益率曲线持平，甚至反转。因为尽管并非所有熊市都先于货币政策紧缩时期，但我们发现，在反转之前，收益率曲线持平，紧随其后的是低回报或熊市。近年来，量化宽松的影响和通胀预期的下降 (期限溢价)，可能已经削弱了这一信号的可靠性。因此，我们使用3个月到10年的指标，重点是对比收益率曲线的短期结束 (0-6个季度)。0-6个季度远期利差通过其基金利率预期比后端指标更清楚地反映了市场的近期前景，后者因期限溢价而更加扭曲。与美联储的研究一致，我们发现，与3m或者10y指标相比，近期0-6季度远期利差也是经济衰退风险的更重要的预测指标。再一次，平稳或反向收益率曲线与高估值的结合可以成为一个有用的熊市指标。

c 高速经济增长。通常，强劲和加速的经济增长时期 (尽管总体上对股票投资者来说是件好事) 往往会在增长速度开始放缓时出现较低的股票回报。

d 估值。高估值是大多数熊市时期的一个特征。估值本身很少是市场下跌的导火索；通常，在调整或熊市之前，估值会在很长一段时间内很高。但当其他基本因素与估值作为触发因素结合时，熊市风险就会上升。

e 私营部门财政平衡。在这一测量中，我们将财务余额计算为总收入减去所有家庭和公司的总支出，以此作为金融过热风险的测量。我们选择私营部门的金融平衡，而不是信贷或房价的增长等替代方案，因为它的经验跟踪记录具备直观性。

f 泡沫或狂热时期的共同特征如下：对 “新时代” 或新技术的信念；放松管制和金融创新；容易获得信贷和财务状况；新估值方式的合理性；会计丑闻和违规行为的出现。

  8. 2008年金融危机实际上是三波，这些波可以参考不同区域爆发时压力的原因来描述。

美国的第一波浪潮始于房地产市场崩溃，并蔓延至更广泛的信贷紧缩。以雷曼兄弟申请破产和不良资产救助计划 (TARP) 开始，告终于量化宽松 (QE)。

欧洲的第二波始于银行暴露于美国的杠杆损失，并蔓延到主权危机，因为整个欧元区缺乏债务分担机制。随着希腊债务危机和私人投资者在亏损时应该 “保释” 的坚持，希腊债务危机达到了顶峰。它以引入直接货币交易 (OMT) 、欧洲央行承诺 “随心所欲” 以及最后引入量化宽松而告终。

新兴市场的第三波与大宗商品价格和活动的暴跌同时发生，这严重打击了新兴市场的股票，尤其是在2013年6月至2016年初之间。

  9. 自2008年以来，周期的性质和形式也发生了一些基本变化。特别是，使后金融危机时期如此不寻常的是，经济周期比正常周期长得多，也更弱。

金融危机后周期令人震惊的是，尤其是在经济疲软的背景下，股票价格反弹的力量。

这个周期的成功是它的长度。金融危机后的股票周期 (使用标准普尔500指数) 创下了有史以来最长的反弹，经历了十多年的繁荣。

  10. 投资者经常关注技术的破坏性影响，假设它将取代现有的行业，但是经常发现它是附加的而不是破坏性的。例如，当铁路在19世纪主导技术时，有人担心不再需要马匹。事实证明，铁路实际上增加了对马匹的需求，因为仍然需要马匹运输到最终目的地或火车站的起始目的地。这个 “最后一英里问题” 与今天相似，网上购买产品也是如此。反过来，这创造了可以使用技术平台更有效地解决这些物流问题的新公司。