賀華成：我的Z世代經濟研究方法論 Part II

編注：今天為各位介紹的增長官朋友賀華成（牛牛），95後研究第一人、玩出夢想副總裁、創業者，對於 00 後Z世代、次世代研究有長期觀察實踐和方法論積澱。

我們將他針對次世代研究的長篇方法論，分為上下兩篇刊載（Part I 請見今日推送頭條）。

.三、核心方法論（基礎）.1.驅動力與信號驗證.

研究方法論我們分三個層次講，第一層即申萬提出的「驅動力與信號驗證」。

研究是一種「求真態度」。

驅動力與信號驗證也只是一種基本的觀察現象與總結規律的方法，只是申萬自身的研究體系給他取名叫驅動力與信號驗證。

你要找出一個問題的主要矛盾即驅動力，並用信號去驗證其發生的方向或驗證該驅動力的合理性本身（如果它還只是一個假說的話）。

股票價格的直接驅動力是集合競價的交易行為，交易行為（包括一級市場交易）背後是人的預期，進而股票價格的驅動力是預期的變化，所以證券研究的直接目標是尋找預期差。

預期受多種因素影響，所以價格=價值+套利+情緒。如果預期變化是完備的，我們日常探討的行業驅動力就直接是股票價格驅動力。

如上游原材料行業的驅動力為「價格」（指大宗商品價格），中游製造業的驅動力為「毛利」，下游消費品行業的驅動力為「需求」，這些我們也稱為

.2.核心驅動要素.

股價反映公司盈利能力（的預期），不同行業的盈利驅動力則各不相同。

有色金屬行業，股價基本與商品價格走勢一致，你只需關注銅鋁鉛鋅等基本金屬市場價格變化。

礦山產能短期很難大幅波動進而開採成本穩定，盈利變化主要來自礦產品價格的變化。貴金屬、稀土等小金屬也各自有各自的特點。

大宗商品本身又具備投資屬性，核心驅動要素則進一步變成了「流動性」，即便考慮工業屬性。

大宗商品的下游行業依然受「流動性」驅動，也即前面（章節：虛假世界）提到的凱恩斯主義。

所以不管按工業屬性還是金融屬性，上游原材料行業的核心驅動要素都是價格或者進一步是流動性。

因此上游行業被稱作週期品行業。經濟的週期性則源於人性的週期性。

以前常說 「煤飛色舞」，市場的行業輪動中，煤炭和有色金屬行業往往最先表現，因為其對流動性最敏感，券商股也是類似道理。

中游即製造業，股價變化與毛利變化一致，如噸鋼毛利、噸水泥毛利，製造業上下游都在變化，兩頭受擠壓，下游你要賣產品，上游還有原材料。

鋼鐵行業是典型上游不受控制的行業，鐵礦石受全球三大礦山壟斷。

因此中游行業最難研究，上游不可控，下游不可判。

我以前說過一句話叫「需求可跟蹤不可預測」，指的是中游行業你判斷了下游需求，做了草根調研。

但有時候看到的「需求」只是一個結果而非原因，這涉及前面說的宏觀世界的主觀性與反身性。

很多時候你能滯後地明白到底發生了什麼就很不錯了，這涉及到另一話題，如果大多數時候我們只能：

①滯後地跟蹤數據，那如何作出

②預判？或者說資本市場如何作出預判？

事實上這並不重要，你不用管資本市場到底有沒有前瞻性，你要做的只是前瞻市場本身，具體來說是前瞻市場一致預期。

你沒法判斷這個世界，但你可以判斷這個世界上的人。

宏觀分析師是在判斷經濟，策略分析師則在判斷宏觀分析師的想法，判斷人心。

前面我們說策略分析師必須相貌英俊，因為長得帥別人就會告訴你他的想法。

資本市場既是有效的又是無效的，有效是因為其會對所有公開信息即時反映，無效是因為，大多時候資本市場並沒有什麼前瞻性，市場只是在前瞻大家以為的前瞻而已。

事實上資本市場只能「同步」（實際上是滯後）經濟變化（但你可以前瞻經濟變化）。

除去那些因已發生變化卻尚未反映進價格導致的資本市場變化的情況外，資本市場到底有沒有前瞻性是一個細思恐極的問題。

關於如何①滯後地跟蹤數據，我們接下來講，但如果你真的關注如何②預判，我們後面再講，這涉及製造影子魔法和使用水晶球。

下游即消費品行業，核心驅動要素為「需求」，也即「量」的變化。

消費品之所以能穿越週期是因為需求大且分散，分散則抗性好、波動小，因此大眾生活受凱恩斯主義影響較小（具體分析），不會在需求端表現出明顯的週期性。

相關市場也往往是完全競爭市場，價格和成本均難出現較大波動，因此行業盈利往往與量的增長相關，即股價與銷量相關。

這就很好理解茅臺了，作為消費品卻享受了供給壟斷的非完全競爭市場，銷量和價格均能實現增長。

相當於原材料行業的「供給可控」與消費品行業的「增長需求」並存。

類似的行業還有鑽石，輿論製造消費端「需求」，「壟斷」實現供給端「可控」。

同樣作為消費品的豬肉，因行業特點使其供給端存在週期性，但豬肉的需求端一定是穩定增長的。

驅動力就是行業的核心驅動要素及其邏輯，它不一定是一個財務指標，他只是一個東西，但這個東西最好能量化。

對於不能量化的東西我們要尋找代理變量，出於對高頻信號驗證或自設代理變量的信號驗證我們要做草根調研。

.3.草根調研.

區別於常規的行業調研與公司調研，草根調研在券商為一種單獨的調研品種。

主要涉及宏觀經濟及其相關行業領域，最早由莫尼塔首創，後各大券商均開展了這一項工作。

草根調研的初衷說白了就是在國家統計局出數據之前更快地做一些預判，自己做一些統計局在做的工作，當這一工作系統地開展起來便稱之草根調研。

草根調研團隊會定期甚至每週就鋼材貿易商、房地產中介、汽車 4S 店等領域電話或走訪，獲取一手情況，並以此預判相應行業基本面甚至宏觀經濟數據。

我搭建過完整的宏觀數據驅動力與信號驗證體系。

每個月可以較統計局公佈數據前一週左右對工業增加值、房地產開發投資、進出口金額、PPI 與 CPI 作預測，準確率都很好。

注意，我們在統計局發佈數據前一週完成預測，事實上這個時候宏觀經濟已經客觀發生。

所以我說「需求可觀察不可預測」，「你能滯後地明白到底發生了什麼就很不錯了」

只是我們觀察的更快，比統計局更快進而比市場更快，因為市場在等統計局的數據，統計局的數據對市場有多大影響則是另一個話題。

這裡事實上我已經在使用水晶球了。

因此區別於一般的調研和用戶訪談，草根調研的核心是形成系統的、量化的驅動力與信號驗證機制，以及對應的數據庫及信號驗證邏輯。

驅動力與信號驗證的有效性取決於草根調研團隊的研究實力。

其究竟是「形式」還是真的有「建設性效果」，回到前面所說的研究成果話題，要具體看實施的團隊和人。

也正因為此，我們前面花了很多篇幅討論關於研究以及什麼是研究的話題，驅動力與信號驗證也是如此，你要真的做出成果，而不是搞行為藝術。

同樣，草根調研並不是簡單做幾次市場調查，券商草根調研要形成系統的數據庫和反饋機制，以支持日常策略判斷與投資決策。

二級市場是持續交易的，不是一錘子買賣，也不是一次性的學術課題。

前面說的用戶訪談，Lolita 用戶調研如果不形成驅動力與信號驗證機制，則不是我們這裡所說的草根調研。

這涉及另一個問題：券商草根調研發源於宏觀經濟領域，是因為宏觀經濟的統計數據充分而全面。

而在互聯網領域尤其是文化創意領域甚至用戶體驗領域，可能並不存在對應行業數據和指標，甚至你要根據「大眾心理」創造指標。

這開始涉及到驅動力與信號驗證的真正思想方法：對這個世界進行模擬。

驅動力與信號驗證並不是讓你根據現成數據驗證現成邏輯，其真正的含義在於如何提出假說並驗證假說，進而再通過這個假說預判未來。

我們前面說到，解決問題的前提是認識問題和界定問題，在互聯網和 C端 領域，在大眾心理領域，其首要任務就是尋找代理指標，也即代理變量。

觀察生活、解放天性，也都是在為這一刻服務。

.4.代理變量/成長紅利.

GDP 數據每季公佈，如果你要更快了解經濟運行情況，就要找代理變量。

如果每月公佈的房地產開發投資和工業增加值依然無法滿足你，你就要找代理變量，克強指數就是通過鐵路貨運量、用電量和銀行貸款來跟蹤經濟運行的代理變量。

克強指數依然是宏觀經濟領域指標，在文化領域或者社會領域，其基礎性量化數據乃至指標定義都是缺失的，這些領域更具尋找代理變量的難度。

比如每一代人的成長環境進而行為特點都有差異，如果撇開一些無關大局的個性，人口代際差異之間的共性差異體現在哪裡？

80、90、00、10 後之間的代際差異究竟體現在哪裡，如何對其定義並進行量化衡量？

這是一個好問題。

如前面所講，解決問題的前提是清晰界定問題。

我們為什麼問這個問題？

以及希望在哪些層面找出一些洞察？

其實我們剛才已經在界定了：無關大局的個性之外的共性差異，找出這些才有建設性意義。

分析問題的過程我叫它對問題「建立尺度」，建立尺度即約定好在怎樣的特定時空下分析問題，以避免各說各話，哪怕自己和自己各說各話。任何脫離尺度的分析討論都是耍流氓。

代際層面的共性影響無非成長過程中的社會經濟局面，以及同代人之間的相互關係，這些決定了代際資源稟賦。

前者我們用 人均GDP 衡量，後者我們用人口出生率衡量。

進一步地，我們用 人均GDP 增長率（實務中作五年移動平均，因為三歲看大五歲看老）減去人口出生率增長率，這就是我提出的成長紅利概念：

成長紅利(Childhood Dividend)：人均GDP 增長率（向後五年移動平均）與人口出生率增長率（當年）的差值。

即父輩財富創造能力與子代資源競爭格局的差值，用來衡量代際資源稟賦。

（人口出生率增長率和出生人口增速在數值上是接近的，後者更符合理解，但使用前者有特殊用意）

成長紅利是一個典型的代理變量，是一個巧妙使用經濟學指標繞開社會學問題並對社會現象進行量化解釋的一個代理變量。

80後 的平均成長紅利不到 10%，90後 則接近 20%，也即經濟增長超過人口增長的水平，所以 80後 比較悶騷、90後 比較灑脫。

實務中，我們還會對成長紅利作城鎮化水平調整，剔除中國東西、城鄉發展不平衡等問題帶來的干擾，甚至進行購買力平價調整，這些屬於高階操作了。

成長紅利的例子反映瞭解決問題的一般方法：即通過觀察現象提出問題，並嘗試在現象和判斷中感知出可能的邏輯假設，最後用數據驗證這一假設。

這個假設便是假說。

.5.假說/ ABH 效應.

提出假說是科學研究的首要環節，研究問題的一般思路即提出假說驗證假說最後使用假說：

①發現並提出假設；

②用數據驗證該假設；

③如果被驗證，則通過這個邏輯進行預測。

換一個方式描述便是：

①建立尺度；②提出假說；③驗證假說；④給出判斷。

如果說成長紅利是一個典型的代理變量，那麼 ABH 效應就是一個包含代理變量的假說。

我完整經歷過非主流時代，QQ 空間也曾寫過「請記得我愛過你」。

非主流曾經是一種先進文化，當看到別人空間貼滿叛逆、炫酷且「時尚」的自拍（雖然大部分都是網圖），旁邊寫上「非主流」三個大字時，我被震撼了。

非主流這三個字一語雙關，點燃了我們青春期的心。

直到非主流文化「泛化」併成為貶義，鄉村非主流和殺馬特陸續出現，這並不奇怪，但我開始回憶一些現象。

我記得 2005 年前後因 QQ 空間開始在網上流行的炫酷的非主流穿著打扮，事實上更早年便已經在上海出現了。

大約 2000 年之後，我在上海看見過身穿糖果色、彩虹條紋風格服裝的小女生（最初的非主流照片便是這個樣子）。

那時上海人民廣場地下的香港名店街（這個名字也很有年代感）開始有了掛滿日系髮型照片的理髮店。

門店玻璃上貼滿日系女生大頭照曾是新興理髮店的標準，隨後，上海的蒂凡尼、王磊形象公社等理髮店開始流行。

非主流的玉米鬚、錫紙燙，都是伴隨這個時期日系造型風格的興起而誕生。雖然我從未得到過良好的用戶體驗，但做過證券分析師後我終於明白了。

理髮師和證券分析師本質是同一類職業。是所有職業裡唯二通過：助理、高級、首席、總監劃分職級的行業。

職位升遷的核心驅動要素都是銷售能力而非技術水平，用戶體驗也都讓你懷疑人生，與客戶也總是在心裡互道一句**。

服務客戶的關鍵也都不是「真知灼見」而是「心理按摩」，總是安慰你：「還會長（漲）回來的」。

那個年代，錦江樂園還是上海的郊區。

這些回憶讓我明白潮流從東部興起並最終被內陸所傳承。

因為潮流是美的、時尚的，是人民群眾喜聞樂見的。

全國人民的消費能力和審美存在差異，所以潮流會被事實上扭曲並最終實現均衡。

早年在西藏支教時也發現西藏青少年很嚮往非主流裝扮，原因是潮流基於人均 GDP 梯度依然在發揮作用。

上述過程事實上已經完成了問題的分析和假說的提出。下一步便是數據驗證。

如何衡量不同經濟發展階段人群的潮流消費程度？如何尋找代理指標？

其實想想潮流是怎樣從東部地區傳遞到中西部地區就能找到答案了，當然是通過互聯網。

非主流文化本身是 QQ 空間傳播的網絡文化，因此很自然地我們能想到搜索引擎，畢竟當年我也是這樣搜索「QQ 空間非主流代碼」和「QQ 非主流頭像」的。

大約在 2010 年前後我完成了上述驗證，我不記得那時有沒有百度指數。

但當時 Google 還沒有被牆， Google 的時光機功能讓我很驚喜，可以分地區顯示每年的關鍵詞搜索量，否則這個數據驗證將無法完成。

我也清楚記得那個年代我們只用 Google ，因為百度信息排序的質量實在太差。

我用「非主流」、「小清新」、「小資」和「森林系」四個關鍵詞驗證了我的邏輯，發現不同關鍵詞搜索量與對應地區 人均GDP 水平有不同關係。

讓我印象深刻的是當年對「森林系」的搜索量整個亞洲也僅有東京、臺北、上海三個城市，這進一步驗證了文化潮流從東部地區發源的假設。

信號驗證的過程中，我進一步得到了更多邏輯，並對文化潮流的世俗化階段進行了定義：啟蒙期、成長期、山寨長尾期、衰退期。

進而最後提出了ABH效應：

ABH 效應(Advanced Behind Hypothesis)：東部沿海地區互聯網 （亞）文化及潮流自身迭代演進以及向西部內陸地區傳播過程中伴隨 人均GDP 的衰減而不斷山寨（逆演進）的現象。

ABH 效應解釋了同一文化潮流因中國經濟地理梯度產生差異的特殊現象。

揭示了文化從神聖（小眾）走向世俗（大眾）的一般規律並提出了測算社會心理與文化潮流發展階段的具體方法。

我們不僅提出了一個邏輯，還提出了「測算社會心理與文化潮流發展階段的具體方法」，這便是「可操作性」，研究成果必須有實務上的可操作性。

.6.小清新/軟妹服/C2M.

熊之工作室/梗豆物語/織羽集/嬰梵塔

一個類似非主流ABH效應的例子，五年前我說過，三年前也就是現在的八年前，你問中國縣級市及以下地區的中學女生什麼是小清新，她會告訴你「穿淘寶貨」就是小清新。

當時中國物流基礎設施尚不發達，下沉市場的網購體驗還是很差，女裝基本都是線下購買，中學生基本上是路燈下購買。

但淘寶上的年輕女裝設計感已經出來了，最初都很「小清新」，那時候，買淘寶貨就是「先進文化」，穿淘寶貨就是小清新。

今天小清新沒有完成世俗化，因為它已經被更優秀的「軟妹服」所取代了。

這得益於互聯網和二次元文化的發展，泛二次元審美已經開始影響生活的方方面面。

說白了「軟妹服」就是帶有 JK 和 Lolita 元素乃至一些二次元元素的常服。

其裙子沒有 Lolita 那麼徹底，制服也沒有水手服那麼單一，甚至混搭了多種元素。

關鍵是物美價廉，品牌也在崛起。

今天中國女性服裝鞋帽的設計感與產業鏈能力已經大大超出了我的預期，其對流行元素及網生文化的響應速度之快，品種之豐富，真正做到了與時俱進，某種程度上已經是一種 C2M。

二次元領域事實上早在十年前便完成了 C2M，COS 服都是先訂單開團再生產。JK /漢元素/ Lolita /今天也基本都做到了 C2M。

Lolita 裙子很好看但不宜天天穿，因其終究儀式感太強、舞臺氣太濃，被誤解為是 Cosplay 也就當然不是路人的錯，所以才有了更自然的「軟妹服」。

你可以偶爾穿 Lolita，但如果穿的太多，人一定長得不太好看。真正的美女都是穿常服的。

軟妹服只是世代變遷 ABH 效應中的一個例子，背後都是技術進步在起作用，事實上，Z 世代，必須消費品幾乎全部可以重新來過。

成長紅利事實上還有一個推論：代際資源稟賦差異帶來的最優決策差異。

成長紅利本身是 80、90、00、10 後生產函數的產出彈性期數。

我們接下來使用「柯布-道格拉斯」生產函數形態來推導 80、90、00 以及 10 後的「最優生存曲線」。

假設在成長過程中，青少年將有限資源投入到玩樂和學習中去，以獲得最大效用或產出。

娛樂（H）和教育（E）投入滿足資源約束條件：

其中：「A」代表技術進步係數（技術爆炸），「R拔」代表固定的有限資源，資源約束函數 F（H，E）為凹向原點的曲線（concave），類似經濟學上的預算約束曲線。

而每一名（理性的）青少年都將把資源在玩樂（H）和學習（E）中進行分配，並求得效用或產出的最大值，即：

「Z」代表產出，「α」為玩樂產出彈性係數，即我們前文定義的「成長紅利(Childhood Dividend)」。

這一「柯布-道格拉斯」形態的生產函數我們稱之為「HE函數」青少年生產函數。

我們將「成長紅利」數據帶入「HE函數」並對「H」和「E」進行賦值，即可得到 80、90、00、10 後的無差異曲線。

在給定凸函數形態的約束條件下，可以得到每一代人口在「玩樂」和「學習」中的「最優選擇」。

80後無差異曲線相比90後更平緩，切點更靠「左上方」，這表明90後的整體「玩樂」投入要大於80後、「學習」投入則小於 80 後。

而80後必須在「學習」即教育上付出更多努力才能獲得最佳「代內競爭力」。

效用函數陡峭程度由「α」即成長紅利決定，成長紅利越高，無差異曲線越陡峭，「玩樂」對人力資本形成貢獻越大。

90 後的約束條件好於 80 後，這源於技術進步（技術路線）的代際福利。

類似的，10 後無差異曲線比 00 後更平緩，「最優選擇」的切點更靠「右上方」。

10 後整體「學習」投入將大於 00 後，「玩樂」投入也將大於 00 後，前者由於 10 後成長紅利較 00 後下降、後者由於 10 後所面對資源約束更加寬鬆（技術進步所致）。

中間狀態的 90 後和 00 後需要投入更多「玩樂」，90、00 後的高成長紅利決定了你要是玩的過少，那麼你將在競爭力上跟不上同代人。

10 後無差異曲線介於 80 後與 90 後之間，既不會像 80 後「過多投入學習」，也不會像 90 後、00 後「過多投入玩樂」。

他們在兩者間的資源分配看起來更「均衡」（80、90 的投入比例在經濟學上也是「均衡」的）。

10 後卻將面臨更大挑戰。上述推導基於理性人假設，但人類大腦 17 歲才開始發育理性，17 歲之前青少年的行為缺乏理性。

如果家庭教育和學校教育（主要是前者）無法為青少年注入足夠多理性（事實上大部分人無法滿足），10 後將面對更激烈的代內馬太效應。

在教育技術進步趕不上娛樂技術進步的事實正在發生的當下，代際進步是以更大的代內犧牲為代價的，但不管怎樣，時代已經開始需要「玩出夢想」。

如果將 80、90、00、10 後「最優選擇」連接，可以得到「微笑曲線」。

80 後、10 後「學習」投入將大於 90 後和 00 後，90、00 後的相對低投入形成了微笑曲線的低點。

這一現象也得到了中國家庭教育及娛樂支出佔比數據的驗證。

千禧年到來之際，中國城鎮居民人均消費支出教育佔比達歷史最高，隨後一路下滑

2000 年之後恰是 90 後上中學和大學的年份，千禧年後出生的 00 後依然保持了這一「最優選擇」。

成長紅利事實上還不僅僅是產出彈性係數，其更劃分了中國經濟社會發展階段：

成長紅利的負值劃分了中國經濟社會發展階段，其意味著當年出生率大幅上升，人口政策是最後能夠使用的一個變量。

這也是社會存在中除 ①地理環境（戰爭解決），②生產方式（生產力與生產關係）之外最後的一個變量：③種群數量。

事實上如果你理解萊斯利種群模型，就能理解中國人口出生率下降的真正原因了。

成長紅利已經涵蓋足夠豐富的信息。

.四、核心方法論（進階）.

.1.影子魔法與水晶球.

我們剛才討論的都是驅動力與信號驗證問題，屬於第一層次方法論。尋找代理變量幫我們更好模擬現象背後的驅動力，草根調研幫我們更好地完成信號驗證。

現在我們講第二層次方法論，我給他取名「影子魔法」。

影子魔法就是對影子進行攻擊和操作的方法。當你無法看見一個東西的時候，你可以想法辦製造出它的影子。

X 光可以用來製造影子，但影子魔法不是物理學，是魔法學。

我們要通過方方面面的能力，把影子製造出來，再作用於影子，對影子完成驅動力與信號驗證，這就是影子魔法。

如果你想看見黑洞，就應該在後面放一個太陽。

當把一個或多個影子魔法封裝好後，你便得到了一個水晶球。

驅動力與信號驗證的最高境界便是製造影子魔法和使用水晶球。

前面說我們可以較統計局公佈數據前一週左右對工業增加值、房地產開發投資、進出口金額、PPI 與 CPI 作預測，這便是一個水晶球。

講一個製造影子魔法的例子：人民幣匯率。

.2.人民幣匯率問題.

我以前學世界經濟，方向是人民幣匯率。學術界有多種匯率決定理論，購買力平價、利率平價、行為均衡匯率等。

匯率的影響因素非常多，各種匯率決定理論也都是從某一角度探討匯率的影響因素和匯率的均衡邏輯。

如果我們要的是可操作性，直接判斷匯率漲跌，預測匯率走勢，那我們需要一個魔法。

因此我研究生階段製作了人民幣匯率的影子魔法，整體領先市場匯率走勢 1-2 個季度。

任何非常先進的技術，初看都與魔法無異。

很多人會問，預測人民幣匯率聽起來就不靠譜，匯率受央行調控，預測上證指數聽起來都更靠譜。

股市能不能預測我不知道，但正因匯率受到中央銀行管理，我們才能夠完成預測。

我國堅持以市場供求為基礎、參考一籃子貨幣進行調節、有管理的浮動匯率制度，以保持人民幣匯率在合理均衡水平上的基本穩定。

央行說白了是基於央行的目標去管理人民幣匯率，我不知道央行的模型，但我知道央行的訴求，這樣我們就可以基於央行的目標模擬出央行的黑箱，對央行的人民幣匯率模型完成投影。

大家知道中國人民銀行貨幣政策的目標是什麼嗎？

《中國人民銀行法》規定，我國的貨幣政策目標是：保持貨幣幣值的穩定，並以此促進經濟增長。

人民幣匯率問題實際上就是中國經濟的內外均衡問題。匯率也是有所政策變量中與內外均衡聯動最多最強的一個。

某種程度上說，匯率是開放經濟體經濟政策的核心抓手，也正因這個抓手的核心地位，影子魔法的效果才能達到最佳。

中國經濟的內部均衡目標是 GDP 穩定增長、CPI 可控增長、失業率保持低位；外部均衡目標是「合意」的國際收支水平。

「合意」在於內外均衡往往衝突，否則當然是順差越多越好。

中國資本賬戶受到管制，人民幣不能完全自由流動。

淨出口將通過美元結匯形成國內基礎貨幣投放進而形成 M2。

順差越多國內貨幣越多通脹壓力越大，貨幣量又影響經濟增長（貨幣主義不這麼認為），因此防通脹與保就業又是一對矛盾。

人民幣匯率問題本質是民生問題。

人民幣匯率的每一次調節，都會牽動中國經濟內外均衡水平的調整。

因此反過來，如果我們能找出中國經濟內部均衡與外部均衡的「合理」水平，並衡量出當前的「不合理」水平，我們就能找出人民幣匯率「需要」變動的程度和方向。

這就是對「影子」進行操作而非對「身體」進行操作，這個過程中我們幾乎精準預判了人民幣匯率未來 1-2 個季度的走勢，這就是影子魔法。

影子魔法類似引力透鏡技術。

下面我們來預測上證指數。

.3.上證指數問題.

我們製作了一個預測上證指數的水晶球。

上證指數走勢從邏輯上反映了中國經濟的變化進而各產業盈利水平的變化，由於需求可觀察不可預測，資本市場只能「同步」反映經濟而非前瞻經濟。

如果我們能高頻模擬出中國產業領域盈利能力的變化，就能大概率前瞻中國資本市場走勢。

我們需要一個影子魔法。

據我們觀察，上證指數在過去很長一段時間內，走勢與中國製造業毛利的變化高度相關，中國製造業毛利的變化在過去很長一段時間內 ，與中國鋼鐵行業毛利的變化高度相關。

毛利槓桿已向未來平移4-5周

即便你可能會很詫異，但這就是事實。

一方面在於中國資本市場建設發展所處的階段性特徵，中國新經濟尚未在中國資本市場完成資本化，

另一方面在於，資本市場並不前瞻經濟，事實上資本市場表現滯後經濟基本面 4-5 周。

資本市場是一架望遠鏡，看到的都只是歷史。

那麼什麼是毛利的變化？

這當然不是毛利水平本身。任何的變化趨勢，都隱藏在表象的數據之後。

這就要提出毛利槓桿的概念。

.4.毛利槓桿與庫存週期.

大家知道製造業毛利會因原材料的庫存週期而帶來毛利的擴張與收縮，公開信息領域我們並沒有看到關於類似效應的定義以及計算方法，因此我提出了「毛利槓桿」概念。

毛利槓桿(Gross Profit Leverage)：因成本滯後（使用庫存）於價格而帶來的毛利撬動效應。

上游集中的中游行業，比如鋼鐵（上游鐵礦石集中），比如造紙（上游紙漿集中）。

其盈利能力變化的趨勢，不僅需關注噸毛利的變化趨勢，更需關注毛利槓桿的變化趨勢，即毛利槓桿比毛利更重要。

毛利與毛利槓桿的差異

趨勢比絕對量重要，因為在投資中猜對方向（如預期的變化方向）比猜對價格重要，即盈利變化的趨勢比盈利本身重要。

而毛利槓桿較毛利更能敏銳地反映趨勢變化。

即一般情況下：

①價格上漲時由於集中的成本尚滯後而帶來的比成本同步情況下噸毛利的更大擴張效應；

②同樣當價格下跌時，毛利收縮的效應也會被放大；

③以及第三種情況：本期鋼鐵價格上漲，但前期礦價上漲更快，因此本期毛利槓桿收縮，同樣也有本期鋼價下跌。

但前期礦價跌幅大於本期，因此本期毛利槓桿仍將擴張。

因此要計算毛利槓桿，我們需以同步成本測算出來的噸毛利作為基準。

毛利槓桿=滯後成本測算的噸毛利「/」同步成本測算的噸毛利

這樣我們便能算出在鋼價上漲、下跌，以及當前礦價漲幅擴大、收窄或跌幅擴大、收窄等情況下的毛利實際改善方向。

僅僅用噸鋼毛利的變化是無法反映出這些效應的，而股價往往以毛利槓桿擴張情形時的年化反映（即線性外推）。

「/」表示比值關係同時涉及一些隱藏的交叉計算過程（保護 knowhow 的後門），這一交叉計算過程本身也是尋找代理變量的一部分。

即對代理變量代理邏輯人工深度學習後得到的結果，這個過程我稱之為研究的數據挖掘。

很多時候，我們是在對大量數據進行交叉判斷和驗證後，逐步找出更多邏輯和規律的。

因此深度研究的 80% 時間是在整理和分析數據，20% 的時間在提煉和驗證邏輯。20% 的邊緣溢出來自於 80% 的基礎研究過程。

.5.數字貨幣的毛利槓桿

值得注意的是，比特幣也是高度受到毛利槓桿影響的工業品，數字貨幣挖礦看似是採掘業實際上和鋼鐵行業一樣，屬於中游加工製造業。

物理空間採掘業首先你需要一座礦山即原礦，礦工對其開採並進行一定富集加工後對精礦進行售賣，該過程開採和富集成本相對固定，原礦品味也只會在中長期緩慢下降。

數字空間採掘業則是你把芯片也即礦機買來，通上電進行開採。由於開採過程全網算力不斷上升，礦工每天挖到的礦產成分越來越少。

在全網算力整體單調遞增的背景下，一臺礦機（或一塊芯片）單位時間單位能耗的產量越來越小，事實上芯片（原礦）的品位下降速度非常驚人。

這好比今天你買到的鐵礦石原礦含鐵品味 30%，下個月變成了 25%，再下個月變成了 20%。

產成品卻必須是含鐵 98% 的鐵精粉，這太不道義了，物理世界的採掘業是不會出現這種情況的。

因此數字貨幣採掘業本質是金屬冶煉加工業，芯片、礦機也即算力才是真正的原礦。礦工把芯片買來通電只是對原礦進行富集加工。

把含鐵量 30% 的鐵礦石買來加工成含鐵量 98% 的鐵精粉賣出去，這個過程，是一箇中遊製造業過程。

芯片廠商的壟斷導致你沒有議價權，上下游價格均不可控，你的毛利會不斷被擠壓。

參照全網算力增長和挖礦難度增加，數字世界原礦品位的下降速度令人驚訝。

這也是數字貨幣採掘業非常迷惑人的地方，你並不是在挖礦，你只是在對買來的半衰期極短的低品位原礦進行二次加工，真正的礦主是芯片生產商。

更有趣的是，原礦（芯片）的供給理論上是無限的，進而原礦品味的下降理論上也是無限的，因此芯片廠商對礦工剩餘價值的壓榨空間也是無限的。

這種情況使得數字貨幣有著更加激烈的毛利槓桿效應。即便只考慮「價格=價值+套利+情緒」中的「價值」部分，比特幣採掘因毛利槓桿帶來的基本面波動也是令人驚訝的。

.6.宏觀經濟景氣度.

我們用影子魔法預測了人民幣匯率，用毛利槓桿預測了上證指數，前面我們提到投資品、製造業需要不斷逼近宏觀經濟的

我們在各種場合聽到過關於宏觀經濟的討論和判斷，大家有沒有想過一個問題，我們究竟用什麼來「衡量」宏觀經濟？

或者說在學術界和產業界，你是否真正見過一個有效描繪「宏觀經濟」景氣度的指標？或者清晰刻畫出宏觀經濟走勢的指標？

答案是沒有。

GDP 顯然是不夠的，工業增加值、PPI、CPI 也難以全面表達經濟運行，社融等流動性數據也只是某個角度，那宏觀經濟的景氣度究竟如何衡量？

最接近的指標是 PMI 採購經理人指數，但這種主觀調研數據也的確做不到差強人意，雖然已經是一個很討巧的辦法了。

我們事實上還需要一個關於宏觀經濟景氣度的「客觀指標」，基於這一目的，我早年編制了「申萬晴雨表指數」，簡稱 BMI(Baro Meter Index) 指數。

在預測世界之前，我們首先要做的是描述世界，現實中，只要你能清晰描繪世界，便已經脫穎而出。

描繪宏觀經濟面臨的最大挑戰，在於如何釐清各種信號間的因果關係、協整關係和羈絆關係。

由於現實中信息不夠多，算力不夠強，這一過程往往是徒勞，終究只能得到精確地錯誤，如果要得到模糊的正確，我們需要直接繞開這一切，使用俄羅斯方塊消除法

我們根據宏觀傳導和產業傳導的基本邏輯，選出了十個指標：

①貨幣供給、②工業增加值、③PPI、④房地產開發投資、⑤原材料庫存、⑥產能利用率、⑦產成品庫存、⑧票據貼現率。

再配上一個主觀調研指標 ⑨PMI，最後加上一個後門指標：我主觀完成製作的 ⑩申萬鋼價壓力測試。

①使用 M2-M1 增速（這一指標有奇效但用之卻少），⑤⑥⑦ 使用鋼鐵行業數據。

其中 ①②③ 存在顯著的傳導關係，⑤⑥⑦ 存在顯著的傳導關係，同時通過一階或二階增長統一十個指標量綱並標準化為 0-100 之間，除去 ⑨和⑩，全部為客觀算法下的客觀指標。

十個標準化指標相當於十個週期，疊加後精確地錯誤全部像俄羅斯方塊一樣相互抵消，留下了模糊的正確。

指數最後變得很乾淨，只剩下經濟週期的核心行為特徵，這一特徵是任何單一經濟指標所無法表徵的，也是任何簡單的經濟指標組合所無法表徵的，因為這一過程是實驗出來的。

我們巧妙地避開了事實上無法窮盡的因果關係和羈絆關係，實務上又製造了一個影子魔法。

魔法必須是「直觀且有效的」。

但這依然不是最高級別的宏觀經濟魔法，有機會我再給出最新的魔法。

.7.簡單模型.

我們用 BMI 指數測量了宏觀經濟，用毛利槓桿測量了上證指數，同樣用

其背後都是通過製造影子來完成對本體平均水平的逼近，因此無論宏觀經濟問題還是社會文化問題，方法論都是相通的。

魔法不是一刻煉成的，BMI 指數十週期疊加，也是在符合經濟邏輯的前提下，一點一點實驗出來的。

實驗過程中肉眼上就能看到冗餘信號一點點被抵消，就像俄羅斯方塊一樣，所有誤差消除的瞬間好似魔法。

紛繁複雜的現象和數據，在魔法的洗禮後成為了模型。模型之所以叫模型，是因為它真的只是個模型。

是一個思維邏輯，一個表達框架，基本只涉及加減乘除，初等數學就可以解決（對模型的嚴密論證可能涉及高等數學）。

但為了得出簡單加減乘除的表達式，我們需要魔法般的推演過程，偉大的模型都是簡單的。

毛利槓桿涉及多階變化，BMI 指數涉及多週期疊加，人民幣匯率涉及對中國經濟內外均衡的深刻理解，但整個過程是簡單的、巧妙的。

回到我們最初的問題，什麼是研究？什麼是好的研究？好的研究就像好的產品一樣，初看就像魔法，之後習以為常。

但並不是所有研究都需要這樣呈現，我們只是通過這些例子，闡述了第二級別的科學研究方法論。

科學研究的魔法在於，在我們獲得嚴密的數學論證之前，就已經率先得到了基於現象和洞察的假說和結論，提出假說比驗證假說要重要得多。

同樣這不僅限於科學研究，也不僅限於宏觀經濟研究或金融研究，產業、產品和用戶洞察遵循同樣的「現象、感知、假設、驗證、判斷」過程。

這是認知的「求真態度」，只是相比宏觀經濟與金融市場，產業、產品和用戶洞察事實上是更容易的，也是更加應該被你所駕馭的。

.8.鍊金術.

再把這一切拉回來，我們可以統一納入技術-文化反生性模型。

從 BMI指數 到毛利槓桿，從ABH效應、成長紅利到HE函數，一個是對宏觀經濟的刻畫，一個是對大眾心理的探究。

宏觀經濟影響大眾心理，大眾心理又反過來作用宏觀經濟。這便是互聯網（技術）的時代化與時代的互聯網（技術）化。

技術-文化反身性模型：

①互聯網（作為一種技術）通過影響（廣義的）教育進而影響文化；

②文化形成時代人格並反作用促進（狹義的）教育的互聯網化；

③時代人格再造互聯網（作為一種文化）；

④即互聯網的時代化與時代的互聯網化。

互聯網是一個代稱，泛指技術路線。

代際差異的經濟學基礎是成長紅利，但最終來自技術路線差異。

人類的需求永遠存在，技術進步使得需求得到更好滿足。

文化、亞文化、潮流、行為等都是社會意識的一部分，社會意識為上層建築的一部分進而由經濟基礎（統治地位的生產關係）並最終由生產力所決定，科學技術是第一生產力。

技術決定文化，文化是人性的技術映射。

方法論就是鍊金術。

.9.英雄.

無論是科學研究還是產業實踐，都是在金字塔裡向上攀登，你想成為 90%、9% 還是 1%，這是一個世界觀問題。

但無論你想要做好什麼，你現在都要開始了，留給你的時間已經不多了。

人類流體腦力的巔峰在 18-25 歲。

因此偉大的科學或社會學成就大多都是在二十幾歲完成的，如果你 20 大幾歲還沒有做出什麼真正有價值的成果，那麼。

但這並不影響你獲得世俗的成功，世俗的成功更依靠晶體腦力，即經驗與智慧，這不受年齡限制。

大家要向過往的自己找答案，每個人的能量都隱藏在童年的記憶裡，你的天賦已經在你的童年裡出現過了。

你要找出讓你最痛苦和最快樂的童年時光，它就像一顆核彈，每個人都可以把它找出來，把它引爆。

無論大家現在在做什麼，希望你能夠只恨黑夜太漫長，真正做出一些對行業、產業、社會乃至人類有價值的東西。

趁著流體腦力最後的尾巴，做出一些富有影響力的成果，完成自己的 Masterpiece吧。

你要懷著遠大的夢想和野心，要為達目標堅持不懈研究開發，即使失敗也不氣餒，要有組織地行動，要總是在笑。

人類行為的 99% 都是可以預測的，而剩下的那 1% 無法預測的人則改變了世界。

世界上永遠存在這樣一類人，他能夠超越自己的家庭、血緣、環境，他能夠掙脫時代對他的束縛，讓世界另眼相看，這一類人被稱為英雄。

這個世界需要更多的英雄。

待續……

- END -

↑九月權益升級+線下活動贈票即將發佈，僅限會員

聯繫我們

媒體/商務合作聯繫微信：ifanbing

郵件：ben.fan@zengzhangguan

精彩內容

亞馬遜 | 瑞幸咖啡 | 品牌種草 | 大數據殺熟 | Vlog | 拼多多 | 得到 | 奈飛 | 微軟 | 滴滴 | 摩拜 | 多抓魚 | 衣二三 | 領英 | 喜馬拉雅 | 網易 | 抖音 | 增長黑客之父 | 領英總裁 | 楊飛 | Z世代 | Podcast | 谷歌方法 | 在線教育 | 寫書 | 特斯拉 | SaaS

閱讀更多 增長官研究院 的文章

關鍵字: 金融 華成 投資