【华泰金工林晓明团队】货币供应能否指示A股流动性变化——每周观点20190421

摘要
本周A股大盘股指数表现强势，家电通信等行业领涨
本周市场重回上涨，大盘股表现强势，中证100和上证50再创新高，分别上涨4.23%和4.17%。本周规模指数没有表现出单调性，中证500相对表现较弱，上涨1.68%，中证1000上涨2.52%。主要指数中创业板指表现最弱，仅上涨1.18%。本周行业指数大多数上涨，涨幅前五的行业是家电（9.74%）、通信（8.91%）、煤炭（8.09%）、餐饮旅游（5.38%）和汽车（4.04%）；有两个行业收跌，分别为房地产（-0.21%）、商贸零售（-0.62%）。

上证综指同比与累积成交量同比走势一致，通过成交量可观察A股流动性
在之前的研究中，我们发现以上证综指为例，股票市场价格指数的同比与累积成交量的同比走势基本同步，也就是说以一个相对长期的视角来看，量价不会发生背离。累积成交量同比的计算方法为以月为单位，加总过去12个月上证综指成交量，再对加总后的累积成交量计算对数同比。累积成交量的同比能够更直观的观察A股成交量的变化，一定程度上可以代表A股流动性的变化。对A股累积成交量同比的观察又能够作为辅助价格同比的指标来判断市场走势。

M1同比与累积社融同比与A股流动性关联较强，M2同比相关性较弱
以上证综指累积成交量同比作为A股流动性刻画，M1同比在2002年至2010年与A股流动性变化的相关性较强，基本上同步运行。累积社融同比与上证综指累积成交量同比在2004年至2012年同步性较好。M2与A股市场流动性的相关性较弱，仅在2008年11月至2010年12月短暂的两年左右同步性较强。但是，M1同比和累积社融同比与A股流动性的关系也并不稳定。2013年后，M1与A股流动性走势逐渐开始背离。同时，累积社融同比也与A股流动性出现背离。但是从历史上来看，M1与累积社融同比在大多数情况下与A股流动性走势比较一致。

股市流动性存在自身的逻辑，不能简单应用M1和累积社融同比进行择时
M1同比和累积社融同比对A股流动性的变化具有指示作用。但是不能机械的认为M1同比和累积社融同比的增加就会带来A股流动性改善。15年下半年M1同比与累积社融同比都开始上升，但A股依然处于熊市当中。同时，2015年上半年的牛市也没有在M1和社融数据上找到端倪。这说明股票市场的流动性存在一定自身的逻辑，并不完全与货币供应和信贷投放挂钩。大部分情况下，M1同比和累积社融同比的上升能够带来A股流动性的改善，因此这两个指标可以作为参考指标来对A股流动性进行判断，但要注意防范出现类似15年一样的背离。

美股的风险尚未充分释放，未来可能出现大幅下行，A股也将面临考验
统计18年以来主要国家股票指数的区间最大回撤，其中，以上证综指、越南胡志明指数为代表的新兴市场指数跌幅都在30%附近，而且是18年初见高点以后就一直处于震荡下行走势，而以美股三大指数为代表的发达市场股票指数回撤幅度均在20%附近，而且集中出现在18年四季度。换言之，作为本轮基钦周期强势资产的代表，美股三大指数回调的空间和时间都相对有限，风险并未充分释放。就像一轮熊市中，市场见底的标志往往是强势板块的补跌，只有美股充分回调后，全球股市才具备全面上涨的基础。定量建模结果也显示美股未来或有大幅下行风险，A股也将面临考验。

风险提示：模型根据历史规律总结，历史规律可能失效。金融周期规律被打破。市场出现超预期波动，导致拥挤交易。

本周市场大盘股表现强势，家电通信等行业领涨
本周主要指数全部上涨，中证100和上证50再创新高
本周市场重回上涨，大盘股表现强势，中证100和上证50再创新高，分别上涨4.23%和4.17%。本周规模指数没有表现出单调性，中证500相对表现较弱，上涨1.68%，中证1000上涨2.52%。主要指数中创业板指表现最弱，仅上涨1.18%。

本周大多数行业指数上涨，家电通信煤炭等行业上涨幅度较大
本周行业指数大多数上涨，涨幅前五的行业是家电（9.74%）、通信（8.91%）、煤炭（8.09%）、餐饮旅游（5.38%）和汽车（4.04%）；有两个行业收跌，分别为房地产（-0.21%）、商贸零售（-0.62%）。将一级行业聚类成周期上、中、下游，大金融，消费与成长六大板块，本周周期上游上涨3.91%、周期中游上涨1.29%、周期下游上涨2.65%、大金融上涨2.53%、消费上涨2.40%、成长上涨3.44%。

主要指数最新估值情况

股票市场流动性与货币供给的关系
今年以来，货币供应量M1、M2与社融数据均有所超预期，A股市场也恰好出现了成交量放大、流动性明显改善的状态，货币供应与A股市场流动性有没有一些必然的关系？本文尝试做出一些探索。

在之前的研究中，我们发现以上证综指为例，股票市场价格指数的同比与累积成交量的同比走势基本同步，也就是说以一个相对长期的视角来看，量价不会发生背离。累积成交量同比的计算方法为以月为单位，加总过去12个月上证综指成交量，再对加总后的累积成交量计算对数同比。累积成交量的同比能够更直观的观察A股成交量的变化，一定程度上可以代表A股流动性的变化。对A股累积成交量同比的观察又能够作为辅助价格同比的指标来判断市场走势。

从M1同比与上证综指累积成交量同比的走势上来看，两者在2002年至2010年正相关性很高，基本上同步运行，完全可以借助M1来对市场进行择时判断。但是进入到2013年后，两者的走势逐渐开始背离，股票市场流动性的变化与M1不再相关。在2013年之后借助M1来判断A股市场走向将错过上涨行情同时无法躲过下跌。从历史上来看，M1与股票市场流动性的相关性并不稳定，虽然过去三个月M1与上证综指累积成交量同比同向波动，但是简单认为M1上行也会促使股票市场流动性改善、从而带动股市上涨的逻辑恐怕并不稳固。

从M2同比与上证综指累积成交量同比走势上来看，M2与A股市场流动性的相关性较弱，仅在2008年11月至2010年12月短暂的两年左右同步性较强，进入2011年后M2的波动变小，对股票市场流动性已经失去了预测作用。因此M2与股票市场流动性的变化相关性基本不大。

我们对新增社融数据计算一年的累积量然后计算同比（算法与累积成交量同比一致），从累积社融同比与上证综指累积成交量同比走势上看，两者在2004年至2012年同步性较好，2013年3月之后两者出现背离，背离持续到了2016年底。因此在2013年以前，考察累积社融同比对判断A股流动性状态有较好的效果，但是2013年之后两者的相关性状态也发生逆转。同样无法简单使用累积社融同比来观察市场，但是从历史上来看，两者大部分情况下趋势上有一定的同步性。

基于以上分析，我们可以发现，M1同比和累积社融同比对A股流动性的变化更有指示作用。但是不能机械的认为M1同比和累积社融同比的增加就会带来A股流动性改善，从而出现牛市。15年下半年M1同比与累积社融同比都开始上升，但A股依然处于熊市当中。同时，2015年上半年的牛市也没有在M1、M2和社融数据上找到端倪。这说明股票市场的流动性存在自身的逻辑，并不完全与货币供应和信贷投放挂钩。金融市场又是具有模糊性的，严格吻合的规律较少存在。大部分情况下，M1同比的上升和累积社融同比的上升能够带来A股流动性的改善，因此这两个指标可以作为参考指标来对A股流动性进行判断，但要注意防范出现类似15年一样的背离，需要对经济环境做更深入的分析，不能简单机械的应用。

美股的风险尚未充分释放，未来可能出现大幅下行，A股也将面临考验
我们统计了18年以来主要国家股票指数的区间最大回撤，其中，以上证综指、越南胡志明指数为代表的新兴市场指数跌幅都在30%附近，而且基本上是18年初见高点以后就一直处于震荡下行走势，而以美股三大指数为代表的发达市场指数回撤幅度均在20%附近，而且集中出现在18年四季度。换言之，作为本轮基钦周期强势资产的代表，美股三大指数回调的空间和时间都相对有限，风险并未充分释放。就像一轮熊市中，市场见底的标志往往是强势板块的补跌，只有美股充分回调后，全球股市才具备全面上涨的基础。

采用定量方法对标普500进行三周期分解，结果显示当前的三周期结构和00年互联网泡沫破灭、07年次贷危机前夕类似。2000年互联网泡沫破裂时，42个月周期开始下行，200个月周期在下行途中，100个月周期处于底部区域。2008年次贷危机爆发时，42个月周期开始下行，100个周期处于下行后半程，200个月周期处于底部区域，刚刚开始上行。两次危机场景都是42个月周期下行，100个月周期和200个月周期处于底部弱势区间，当前的三周期走势也是如此，所以我们判断美股未来可能有大幅下行风险。

此外，观察美股的宏观经济指标走势，也有趋弱迹象，具体体现在：1、美国十年期国债收益率出现了小于一年期国债收益率的情况，期限利差出现负值，这意味着市场担忧未来的经济走势；2、美国制造业PMI在2018年8月之后明显进入下行趋势，这意味着美国经济短期承压；3、美国GDP不变价环比折年率也开始下降，并且已经连续下降两个季度。众多指标已经显示美国经济继续向好的概率较低，而且作为领先的基本面指标，美股在18年10月开始就已经出现回撤，综合来看，我们认为未来美股的下行风险较大，这也对A股形成考验。

风险提示：模型根据历史规律总结，历史规律可能失效。金融周期规律被打破。市场出现超预期波动，导致拥挤交易。

免责申明
本公众平台不是华泰证券研究所官方订阅平台。相关观点或信息请以华泰证券官方公众平台为准。根据《证券期货投资者适当性管理办法》的相关要求，本公众号内容仅面向华泰证券客户中的专业投资者，请勿对本公众号内容进行任何形式的转发。若您并非华泰证券客户中的专业投资者，请取消关注本公众号，不再订阅、接收或使用本公众号中的内容。因本公众号难以设置访问权限，若给您造成不便，烦请谅解！本公众号旨在沟通研究信息，交流研究经验，华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。

本公众号研究报告有关内容摘编自已经发布的研究报告的，若因对报告的摘编而产生歧义，应以报告发布当日的完整内容为准。如需了解详细内容，请具体参见华泰证券所发布的完整版报告。

本公众号内容基于作者认为可靠的、已公开的信息编制，但作者对该等信息的准确性及完整性不作任何保证，也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期，华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。

在任何情况下，本公众号中的信息或所表述的意见均不构成对客户私人投资建议。订阅人不应单独依靠本订阅号中的信息而取代自身独立的判断，应自主做出投资决策并自行承担投资风险。普通投资者若使用本资料，有可能会因缺乏解读服务而对内容产生理解上的歧义，进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果，华泰证券及作者均不承担任何法律责任。

本公众号版权仅为华泰证券股份有限公司所有，未经公司书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失，华泰证券保留追究一切法律责任的权利。本公司具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为：91320000704041011J。

林晓明
执业证书编号：S0570516010001

华泰金工深度报告一览
金融周期系列研究（资产配置）
【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（下）
【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（上）
【华泰金工林晓明团队】周期轮动下的BL资产配置策略
【华泰金工林晓明团队】周期理论与机器学习资产收益预测——华泰金工市场周期与资产配置研究
【华泰金工林晓明团队】市场拐点的判断方法
【华泰金工林晓明团队】2018中国与全球市场的机会、风险 · 年度策略报告（上）
【华泰金工林晓明团队】基钦周期的量化测度与历史规律 · 华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型（四）——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型（三）——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型（二）——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型（一）——华泰金工周期系列研究
【华泰金工林晓明团队】华泰金工周期研究系列 · 基于DDM模型的板块轮动探索
【华泰金工林晓明团队】市场周期的量化分解
【华泰金工林晓明团队】周期研究对大类资产的预测观点
【华泰金工林晓明团队】金融经济系统周期的确定（下）——华泰金工周期系列研究
【华泰金工林晓明团队】金融经济系统周期的确定（上）——华泰金工周期系列研究
【华泰金工林晓明团队】全球多市场择时配置初探——华泰周期择时研究系列
行业指数频谱分析及配置模型：市场的周期分析系列之三
【华泰金工林晓明团队】市场的频率——市场轮回，周期重生
【华泰金工林晓明团队】市场的轮回——金融市场周期与经济周期关系初探

FOF与金融创新产品
【华泰金工】生命周期基金Glide Path开发实例——华泰FOF与金融创新产品系列研究报告之一

因子周期（因子择时）
【华泰金工林晓明团队】市值因子收益与经济结构的关系——华泰因子周期研究系列之三
【华泰金工林晓明团队】周期视角下的因子投资时钟--华泰因子周期研究系列之二
【华泰金工林晓明团队】因子收益率的周期性研究初探

择时
【华泰金工林晓明团队】华泰风险收益一致性择时模型
【华泰金工林晓明团队】技术指标与周期量价择时模型的结合
【华泰金工林晓明团队】华泰价量择时模型——市场周期在择时领域的应用

行业轮动
【华泰金工林晓明团队】行业轮动系列之六：“华泰周期轮动”基金组合构建20190312
【华泰金工林晓明团队】估值因子在行业配置中的应用——华泰行业轮动系列报告之五
【华泰金工林晓明团队】动量增强因子在行业配置中的应用--华泰行业轮动系列报告之四
【华泰金工林晓明团队】财务质量因子在行业配置中的应用--华泰行业轮动系列报告之三
【华泰金工林晓明团队】周期视角下的行业轮动实证分析·华泰行业轮动系列之二
【华泰金工林晓明团队】基于通用回归模型的行业轮动策略 · 华泰行业轮动系列之一

Smartbeta
【华泰金工林晓明团队】Smart Beta：乘风破浪趁此时——华泰Smart Beta系列之一
【华泰金工林晓明团队】Smartbeta在资产配置中的优势——华泰金工Smartbeta专题研究之一

多因子选股
【华泰金工林晓明团队】因子合成方法实证分析 ——华泰多因子系列之十
【华泰金工林晓明团队】华泰单因子测试之一致预期因子 ——华泰多因子系列之九
【华泰金工林晓明团队】华泰单因子测试之财务质量因子——华泰多因子系列之八
【华泰金工林晓明团队】华泰单因子测试之资金流向因子——华泰多因子系列之七
【华泰金工林晓明团队】华泰单因子测试之波动率类因子——华泰多因子系列之六
【华泰金工林晓明团队】华泰单因子测试之换手率类因子——华泰多因子系列之五
【华泰金工林晓明团队】华泰单因子测试之动量类因子——华泰多因子系列之四
【华泰金工林晓明团队】华泰单因子测试之成长类因子——华泰多因子系列之三
【华泰金工林晓明团队】华泰单因子测试之估值类因子——华泰多因子系列之二
【华泰金工林晓明团队】华泰多因子模型体系初探——华泰多因子系列之一
【华泰金工林晓明团队】五因子模型A股实证研究
【华泰金工林晓明团队】红利因子的有效性研究——华泰红利指数与红利因子系列研究报告之二

人工智能
【华泰金工林晓明团队】人工智能选股之数据标注方法实证——华泰人工智能系列之十七
【华泰金工林晓明团队】再论时序交叉验证对抗过拟合——华泰人工智能系列之十六
【华泰金工林晓明团队】人工智能选股之卷积神经网络——华泰人工智能系列之十五
【华泰金工林晓明团队】对抗过拟合：从时序交叉验证谈起
【华泰金工林晓明团队】人工智能选股之损失函数的改进——华泰人工智能系列之十三
【华泰金工林晓明团队】人工智能选股之特征选择——华泰人工智能系列之十二
【华泰金工林晓明团队】人工智能选股之Stacking集成学习——华泰人工智能系列之十一
【华泰金工林晓明团队】宏观周期指标应用于随机森林选股——华泰人工智能系列之十
【华泰金工林晓明团队】人工智能选股之循环神经网络——华泰人工智能系列之九
【华泰金工林晓明团队】人工智能选股之全连接神经网络——华泰人工智能系列之八
【华泰金工林晓明团队】人工智能选股之Python实战——华泰人工智能系列之七
【华泰金工林晓明团队】人工智能选股之Boosting模型——华泰人工智能系列之六
【华泰金工林晓明团队】人工智能选股之随机森林模型——华泰人工智能系列之五
【华泰金工林晓明团队】人工智能选股之朴素贝叶斯模型——华泰人工智能系列之四
【华泰金工林晓明团队】人工智能选股之支持向量机模型— —华泰人工智能系列之三
【华泰金工林晓明团队】人工智能选股之广义线性模型——华泰人工智能系列之二

指数增强基金分析
【华泰金工林晓明团队】再探回归法测算基金持股仓位——华泰基金仓位分析专题报告
【华泰金工林晓明团队】酌古御今：指数增强基金收益分析
【华泰金工林晓明团队】基于回归法的基金持股仓位测算
【华泰金工林晓明团队】指数增强方法汇总及实例——量化多因子指数增强策略实证

基本面选股
【华泰金工林晓明团队】华泰价值选股之相对市盈率港股模型——相对市盈率港股通模型实证研究
【华泰金工林晓明团队】华泰价值选股之FFScore模型
【华泰金工林晓明团队】相对市盈率选股模型A股市场实证研究
【华泰金工林晓明团队】华泰价值选股之现金流因子研究——现金流因子选股策略实证研究
【华泰金工林晓明团队】华泰基本面选股之低市收率模型——小费雪选股法 A 股实证研究
【华泰金工林晓明团队】华泰基本面选股之高股息率模型之奥轩尼斯选股法A股实证研究

基金定投
【华泰金工林晓明团队】大成旗下基金2018定投策略研究
【华泰金工林晓明团队】布林带与股息率择时定投模型——基金定投系列专题研究报告之四
【华泰金工林晓明团队】基金定投3—马科维茨有效性检验
【华泰金工林晓明团队】基金定投2—投资标的与时机的选择方法
【华泰金工林晓明团队】基金定投1—分析方法与理论基础

其它
【华泰金工林晓明团队】A股市场及行业的农历月份效应——月份效应之二
A股市场及行业的月份效应——详解历史数据中的隐藏法则