【华泰金工林晓明团队】历史上房地产下行拐点阶段的规律——华泰金工量化资产配置9月月报

摘要
历史经验表明，房地产快速扩张后紧缩信贷易使其价格承压
以CRB为代表的全球实体经济正处于中、长周期上行、短周期下行触底的过程中，利率长周期略晚于实体经济长周期上行，若利率水平长期上行，在流动性收紧的情况下会加剧信贷资源的匮乏，利空虚拟经济中的房地产等长久期资产。通过分析上世纪90年代以来部分国家和地区房地产价格下跌时的情形，总结发现若地产行业长期处于流动性宽裕的环境下快速扩张，当央行紧缩信贷并提高资金成本后，房地产价格往往会出现大级别回调，随后CPI同比也会见顶回落。

9月全球股市普涨，各品种大宗商品表现分化明显
全球主要股市本月悉数上涨，日经225涨幅靠前，A股中小板指数表现较好；近一月美国债券指数下跌，中国中长期限国债利率有所上升；近一月黄金价格未能延续强势上涨，截至2019年9月27日，伦敦金近一月小幅下跌1.99%；CRB指数普遍表现不佳，家禽现货指数大幅下跌8.91%，受地缘政治影响，原油波动加大，价格震荡走高。

华泰周期进取策略全收益策略近期表现
华泰大类资产周期进取策略基于市场统一周期理论，提出了大类资产定价模型。根据定价模型外推预测的资产表现排序结果构建了资产配置策略。该策略指数于2018年10月在Wind（代码CI001801.WI）与Bloomberg（代码 WI001801）金融终端上线以来屡创新高，截至2019年9月26日，超额收益经波动率控制策略今年以来上涨8.15%，近一年上涨13.77%。

风险提示：本文基于系列研究对全球各类经济金融指标长达近百年样本的实证检验结果，确定使用的市场周期长度。然而市场存在短期波动与政策冲击，就每轮周期而言，暂无法判断具体长度。基于历史规律的总结存在失效风险。

境内外大类资产表现回顾

全球股市普涨，A股小盘股表现相对较优

美国债券指数下跌，中国中长期限国债利率上升

CRB家禽现货大幅回调，ICE布油震荡上行

房地产经历大周期上行扩张后，紧缩信贷常常使其价格出现大幅回调
当前实体经济的三周期状态下，需警惕资产价格下行风险
在自上而下的分析框架当中，社会供给与需求的关系影响自然资源（大宗商品）的价格，当制造商的扩大生产，会造成大宗商品供不应求，商品价格的上涨传导至生产者与消费者，最终体现在价格指数的数据（PPI与CPI等）之中。同时整个社会制造业的扩张意味着实体经济的繁荣，此时实体经济会从债券、房地产等虚拟经济“抢夺”信贷资源（资本），从而抬升资金的价格（利率）。当长期视角下的利率实质抬升之后，资金成本的上升又会反过来抑制投资者的借贷意愿，从而降低企业和个人的消费及投资，经济增长逐步放缓。全球经济系统在这样的正负反馈之中周而复始地向前演进。

大宗商品是工业生产中上游企业的原材料，与股市、债市、汇市、房地产等交易资产相比，是最靠近实体经济的资产，中长期上看其价格走势能基本反映全球实体经济的变化情况，因此我们可以观察CRB综合现货指数的价格走势及其同比序列：

从同比序列与价格序列的直观对比来看，取同比操作能够滤除价格序列中的趋势项，同时在大多数拐点处相比价格序列有一定领先作用，为了进一步去除同比序列中的短期噪声，我们对CRB综合现货同比序列进行42个月、100个月和200个月的三周期滤波：

观察CRB 三周期的位置以及形态，当前正处于中、长周期上行、短周期下行触底的过程，这意味着从中长期来看，实体经济处于复苏的过程当中，而自2018年初开始基钦周期的下行会导致经济基本面承压。另外随着实体经济中长周期的上升, 利率中枢往往也会进入抬升阶段。当经济基本面向好时，企业盈利增加，融资需求扩张，推动利率上行，反之则利率水平回落。本轮大宗商品指数和美国联邦基金目标利率都在2015年底附近开始上行。

我们可以尝试推演一下在全球实体经济中长期复苏，短周期下行时，全球资产价格的变动情况：

当实体经济中长周期处于底部位置并向上抬升时，全球需求回暖，利率长周期随后也会抬升。实体经济会因为需求增大而逐步恢复甚至扩大生产，生产的扩张带来产业的复苏。然而，整个经济系统运行的每一个环节的传导都可能存在着时滞。在实体经济中长周期上行之初，各国在需求回暖的背景下投入资金与设备以扩大国内生产，而当基钦周期拐头向下之后，全球经济基本面短暂承压，商品需求减弱。

这个时期资本会倾向于流向经济相对较好的发达国家以寻求避险，这就可能导致部分国家资产价格波动会随着外资的逃离而有所放大，并伴随着外汇减少、偿债压力增大、国内资产价格面临重估的风险。

同时，若利率水平长期上行，在流动性收紧的情况下会加剧信贷资源的匮乏，利空虚拟经济中的长久期资产，因此本文将聚焦房地产这类资产，逐一梳理上世纪90年代以来部分国家和地区房地产价格出现调整时的股市、利率、通胀、汇率等情况。

历史上房地产价格大级别回调时通常处于利率高位
首先将各指标变化的表格汇总如下：

日本房地产从90年代初开启长期熊市
1985年至1991年，日本不动产研究所公布的东京圈城市土地价格指数由80.5点上涨到191.2点，涨幅高达138%，大阪圈的同期涨幅则达到了192%。1991年，日本的房地产市场价格快速下跌，东京圈城市土地价格指数自1990年9月的191.2点，快速下降到1993年9月的139.4点，三年内的下降幅度达27%，大阪圈的同期降幅则达到了43%，此后多年都保持下降趋势。

另由日本统计局公布的城市土地价格指数，同样表明日本房地产价格从1985年开始快速上升，到1991年达到了最高值，之后房地产价格一路下行，且这样的下行趋势延续了近15年，主要城市的价格自1991年至2018年下降了73%，整体城市下降了66%。

1985年9月日本签订了《广场协定》，日本央行逐步下调贴现率至2.5%，货币政策极度宽松。而1989年日本央行开始主动加息，货币政策逐步收紧，同时推行了一系列土地收益税调整和房地产贷款管制政策，导致贴现率上升。从1985年至1995年间，日元对美元保持升值趋势，日元的强势导致国际资金纷纷流入日本股票、房地产市场。

日本1985年至1990年的CPI同比增速远低于地价指数增速，反映出房地产市场价格上升过快，房地产被视作金融工具渐渐脱离实体经济，投机氛围浓厚。同期日本股市也同房地产市场一样快速上升，但在1990年初开始大幅下跌，早于日本房地产1991年的泡沫破裂。

日本房地产市场泡沫产生以及破裂，很大程度上是跟广场协定以及日本政府的货币政策有关。广场协定推动了日元升值，导致国际投机资金大量涌入日本，同时日本政府实行了较为宽松的货币政策和较低的利率，资金大量流入房地产市场，使得房贷规模快速增长，房地产市场投机情绪高涨。而日本政府在90年代初又采取了较为激进的紧缩货币政策，同时对房地产市场加强了管制，引起投机者抛售房地产，加上股票市场暴跌，国际资金大量出逃，市场恐慌情绪蔓延，使得日本房地产价格快速下跌。

中国香港1997年房地产价格大幅下跌
从1991年开始，香港政府实行了紧缩土地供应政策，房价出现上升。1993年1月至1997年10月，香港ABC类私人住宅（实用面积小于40平米的为A类住宅，40-69.9平米的为B类住宅，70-99.9平米的为C类住宅，100-159.9平米的为D类住宅，超过160平米的为E类住宅）售价指数上涨了约101%，DE类售价指数上涨了约164%。但是从1997年10月到1998年10月期间，香港房价几乎腰斩，ABC类售价指数下跌了44%，DE类售价指数下跌了48%。

1992到1994年贴现率保持较低的4%左右，1994年起开始逐步上升至6%左右。1997年到2000年贴现窗利率仍有上升。

由于联系汇率制，美元兑港币维持在7.75-7.85区间，1992-1997年期间，港币一直处于强方位置，说明外资持续流入香港，流入地产和股市。1990年到1997年，香港的CPI同比从10%左右的高位震荡走低。同期香港股市一路上行，1997年与房地产几乎同步出现了较大回撤。

香港从1991年实行的紧缩土地供应的政策，加之较低的利率，使得房地产价格上升过快，外资的涌入也加剧了房地产市场的投机氛围。1997年全球金融市场动荡，港股出现大幅下跌，同时利率进一步上升，借贷成本的推高严重影响到了香港房地产市场。

90年代末东南亚国家房地产价格快速上涨后下跌
90年代初期，泰国、马来西亚等东南亚国家都经历了房地产价格的快速上涨，泰国1997年的住房价格指数相比于1991年上涨100%，马来西亚从1990年开始房屋价格也开始快速上涨，1991年的同比增长率高达25%。但1997年开始，泰国和马来西亚的房地产价格都出现了大幅波动，泰国的住房价格指数从1997年6月的90.98下降到1999年6月最低的54.39，跌幅超过40%，而马来西亚房屋价格1998年同比跌幅也达到了9.5%。

1998年，马来西亚的贷款利率高达12.13%。泰国的同业拆借利率在1994年到1999年期间也处于高位且震荡上行，两国资金成本都相对较高。

外汇方面，马来西亚林吉特和泰国泰铢在90年代均与美元挂钩，即实行固定汇率制度，而1997年国际游资大量抛售林吉特和泰铢，由于马来西亚和泰国央行的美元储备有限，不得不将汇率改为浮动汇率制度，林吉特和泰铢遭遇大幅贬值。

在1990年到1997年期间，马来西亚和泰国的CPI同比增长较为稳定，但也低于其房地产价格同比增速，并且在房地产出现回撤后都经历了大幅下行。

泰国综指和马来西亚股指在90年代初期表现亮眼，泰国综指在1994年见顶后高位盘整近2年，随后开始大幅下跌，早于其房地产价格的下跌。马来西亚股市则在1997年开始下跌，几乎与房地产同期下跌。

1990年左右泰国和马来西亚都实现了金融自由化，外资吸引力大幅增加，但本国尚缺乏成熟的金融系统和完备的监管体系，大量的资金流入投机性较高的房地产市场和股票市场。1997年前后国际资金撤离泰国，大量抛售泰铢，泰国固定汇率制难以维持，泰铢大幅贬值，国内金融危机爆发，股票和房地产价格出现大幅下跌。马来西亚的情况也与泰国类似。

2007年美国房地产泡沫破灭引发次贷危机
2001年到2006年，美国房地产价格快速上涨，自2001年1月到2006年7月，标普/CS房价指数上涨了84%，CoreLogic房价指数上涨了74%。而后从2006年7月开始，房价开始快速下行，到2009年3月，标普/CS房价指数下跌了32%，CoreLogic房价指数下跌了29%。

2001年后美联储连续降息，联邦基金目标利率从2001年初的6.5%下降到2003年6月的1%，较低的贷款利率和低门槛贷款政策刺激产生了大量的次级贷款。自2004年6月起，美联储开始调高联邦基金目标利率，从2004年6月的1.25%上调到2006年6月的5.25%，这使得大多数次级贷款人的还款压力剧增。

2001年至2006年，在低利率环境下的美元指数震荡走低， CPI同比增速围绕3%附近波动。自2003年开始，美国股市也一路走高，直到2006年，美国房价开始出现下跌，随后CPI同比大幅下行，股指出现较大回撤，期间美元指数持续走低。

自2001年开始美国推行的一系列降息和低门槛房屋贷款政策，使得大量低收入和偿债能力较低的人群获得了房屋贷款。流动性过剩和低利率刺激房地产价格不断上涨，在美国银行系统中，将价格一路上行的房地产作为抵押品，借款人违约的风险被显著低估，这进一步刺激了银行降低贷款的门槛，次级贷款规模迅速扩张。而从2004年开始美联储调高了联邦基金利率，使得部分的次贷借款人难以偿还贷款，房价开始出现松动，房产抵押价值走低，使得借款人违约事件频发，大量房产抵押品被银行出售，进一步拉低了房地产价格。

华泰周期进取策略表现
策略简介
华泰金工周期系列之《周期三因子定价与资产配置模型》仿照FAMA三因子模型，基于市场统一周期理论，提出了大类资产定价模型。根据定价模型外推预测的资产表现排序结果构建了资产配置策略，在回测中取得了良好的业绩表现。我们将该资产配置策略应用于全球大类资产，精选优质可投资标的，根据周期轮动规律配置中国和海外的股指、债券和商品类资产，逐月调仓，构建“华泰大类资产周期进取策略”。该策略指数在Wind与Bloomberg金融终端同步更新（Wind代码CI001801.WI，Bloomberg代码 WI001801），从本月开始，我们将在月报中跟踪该策略的表现，并每月更新该策略的持仓情况，供投资者参考。

大类资产周期进取策略以沪深300指数、标普500指数、欧洲斯托克50指数、恒生指数、日经225指数、iShares MSCI新兴市场指数ETF、中国10年期国债期货、美国10年期国债期货、英国10年期国债期货、德国10年期国债期货、日本10年期国债期货、彭博商品指数为投资标的，各标的指数代码及货币单位如下表所示。

策略指数收益表现回顾
华泰周期策略指数从2010年5月开始回测，回测至今取得优异的表现，无论从收益指标还是收益风险比率都显著超越各大类资产。指数在2018年10月于Bloomberg和Wind正式上线，策略的收益表现如下图表所示：

风险提示
本文基于系列研究对全球各类经济金融指标长达近百年样本的实证检验结果，确定使用的市场周期长度。然而市场存在短期波动与政策冲击，就每轮周期而言，暂无法判断具体长度。基于历史规律的总结存在失效风险。

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】A股市场低开现象研究
【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】景气度指标在行业配置中的应用——华泰行业轮动系列报告之九
【华泰金工林晓明团队】再探周期视角下的资产轮动——华泰行业轮动系列报告之八

【华泰金工林晓明团队】“华泰周期轮动”基金组合改进版——华泰行业轮动系列报告之七
【华泰金工林晓明团队】“华泰周期轮动”基金组合构建——华泰行业轮动系列之六
【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】桑土之防：结构化多因子风险模型——华泰多因子系列之十二

【华泰金工林晓明团队】华泰单因子测试之海量技术因子——华泰多因子系列之十一
【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】投石问路：技术分析可靠否？——华泰人工智能系列之二十四
【华泰金工林晓明团队】再探基于遗传规划的选股因子挖掘——华泰人工智能系列之二十三
【华泰金工林晓明团队】基于CSCV框架的回测过拟合概率——华泰人工智能系列之二十二
【华泰金工林晓明团队】基于遗传规划的选股因子挖掘——华泰人工智能系列之二十一
【华泰金工林晓明团队】必然中的偶然：机器学习中的随机数——华泰人工智能系列之二十
【华泰金工林晓明团队】偶然中的必然：重采样技术检验过拟合——华泰人工智能系列之十九

【华泰金工林晓明团队】机器学习选股模型的调仓频率实证——华泰人工智能系列之十八

【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