【华泰金工林晓明团队】震荡可能是A股四季度主基调——华泰金工林晓明团队每周观点20191020

摘要
利率与宏观指标的快速下行不可持续
今年8月份，以欧美日为代表的主要发达国家利率快速下行，引起市场对利率快速变化的关注。根据华泰周期研究对周期状态的度量，当前基钦周期下行已经基本结束，由基钦周期下行带动的利率下行周期可能也已经接近尾声。可以观察到，进入9月份后，利率快速下行的状态已经有所缓解。自2018年开始，主要国家的制造业PMI就开始下行，全球宏观经济的下行期已经接近两年，面对当前经济指标的下行，应该逐渐从动量思维转换为反转思维，我们距离指标从下降转为上升的拐点越来越近。均值回复是金融市场稳定的规律，越是接近历史极端的下行越有可能是在筑底。

历史上股票同比十年期国债收益率同比走势同步性较高
历史上，各个国家股票市场同比与10年期国债收益率的同比变化量走势较为一致。且低点位置也较为接近。整体来看，两者低点的位置很少会超过半年以上。通常都是股票同比达到低点前后的半年以内会出现国债收益率变化量的拐点。目前我们已经可以观察到，中国股市同比与利率的同比变化量都已经呈现出拐头向上的状态，全球主要国家股票指数同比序列的平均值也已经开始拐头向上，根据两者之前的同步性，我们认为未来全球利率同比变化量的平均值出现拐头向上的概率较高，这意味着未来利率可能下降趋势放缓甚至开始上行，对于债券投资未来需要防范利率上行的风险。

主要择时指标出现分歧，四季度股市可能主要呈现震荡格局
我们主要跟踪的三个择时模型：量价同比择时模型、风险收益一致性择时模型、牛熊指标择时模型中，量价同比择时模型对10月份看多，但是短期由于收盘价下穿均线，目前对市场下跌进行回避；风险收益一致性择时模型是从行业贝塔角度进行择时，由于最近两周高贝塔行业明显弱于低贝塔行业，模型对市场转空；牛熊指标择时模型从波动率和换手率两个角度对市场判断，当前市场处于波动率下降换手率上升的状态，判断为上升市。三个择时模型当前给出的判断并不一致，说明市场走势并不清晰，由于最近一段时间波动率明显下降，四季度很可能更多呈现出震荡状态。

华泰大类资产周期进取策略近期表现回顾
华泰金工基于市场统一周期理论，提出了大类资产定价模型，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）。策略指数最近七日收益-1.16%，最近3个月收益1.78%，最近一年收益9.32%。

“华泰周期轮动”基金组合近期表现回顾
华泰金工基于择时、板块轮动、资产配置相关研究成果提出了一个完整的基金配置体系，自上而下分为4层：宏观择时、板块轮动、组合优化、落地配置，样本内回测取得了良好的业绩表现。截止到目前，上周收益-1.59%，近一个月收益-1.31%，本年度以来收益为3.52%，最近一年收益6.30%。根据最新建模结果，择时模型看多股市，板块轮动模型最看好周期上游，最新的持仓如下：南方中证申万有色金属ETF联接C（23.66%）、富国中证煤炭（23.66%）、易方达中债新综合C（40.10%）。由于最新持仓触发目标风险约束，所以等比例缩小了股债仓位，并配置了现金资产（权重12.58%）。

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。

利率与宏观指标的快速下行不可持续

今年8月份，以欧美日为代表的主要发达国家利率快速下行，引起市场对利率快速变化的关注。根据华泰周期研究对周期状态的度量，2017年底基钦周期开始下行后，中国利率率先开始下行，欧洲主要国家利率进入震荡状态，美国十年期国债利率逆势上行。2018年10月份开始，全球利率开始一致向下，2019年8月份之后，欧美日等国家利率下行速度开始加快，但是快速下行往往不可持续，况且当前基钦周期下行已经基本结束，由基钦周期下行带动的利率下行周期可能也已经接近尾声。可以观察到，进入9月份后，利率快速下行的状态已经有所缓解，主要国家利率开始上行。

自2018年开始，主要国家的制造业PMI就开始下行，全球宏观环境并不是处于从经济增长转为经济衰退的拐点时刻，经济的下行期已经接近两年，面对当前经济指标的下行，应该逐渐从动量思维转换为反转思维，我们距离指标从下降转为上升的拐点越来越近。均值回复是金融市场稳定的规律，越是接近历史极端的下行越有可能是在筑底。主要国家的PPI也表现出类似的特征，中国的PPI自2017年3月开始下降，已经下降了两年半的时间，其余国家也下降了一年以上。

主要国家十年期国债收益率同比变化量的周期性表现更为清晰，且不同国家的十年期国债收益率同比变化量基本同步，目前利率的变化量已经下降到一个较为极端的位置，部分国家利率的变化量开始拐头向上，利率继续快速下降的概率已经不大。

历史上股票同比和十年期国债收益率同比走势同步性较高

历史上，各个国家股票市场同比与10年期国债收益率的同比变化量走势较为一致。且低点位置也较为接近。整体来看，两者低点的位置很少会超过半年以上。通常都是股票同比达到低点前后的半年以内会出现国债收益率变化量的拐点。以A股为例，上证综指对数同比与十年期国债收益率同比变化量基本保持同步，仅在2014年和2015年出现了背离，这两年情况较为特殊。2005年3月，上证综指同比达到低点，8个月之后国债收益率同比变化量达到低点，这是两者间隔最长的一次。2008年10月上证综指同比序列达到低点，2个月之后国债收益率同比变化量达到低点。2012年3月上证综指同比达到低点，4个月之后国债收益率同比变化量达到低点。2016年5月上证综指同比达到低点，在此之后国债收益率同比变化量才正式开始上行趋势。美国市场也与此类似，且十年期国债收益率的同比变化量低点在标普500同比低点的前后4个月内。所以，大部分情况下当股票市场同比拐点发生之后，利率同比变化量的拐点也很快出现。

目前我们已经可以观察到，中国股市同比与利率的同比变化量都已经呈现出拐头向上的状态，全球主要国家股票指数同比序列的平均值也已经开始拐头向上，根据两者之前的同步性，我们认为未来全球利率同比变化量的平均值出现拐头向上的概率较高，这意味着未来利率可能下降趋势放缓甚至开始上行，对于债券投资未来需要防范利率上行的风险。

主要择时指标出现分歧，四季度股市可能主要呈现震荡格局
我们主要跟踪的三个择时模型：量价同比择时模型、风险收益一致性择时模型、牛熊指标择时模型中，量价同比择时模型对10月份看多，但是短期由于收盘价下穿均线，目前对市场下跌进行回避；风险收益一致性择时模型是从行业贝塔角度进行择时，由于最近两周高贝塔行业明显弱于低贝塔行业，模型对市场转空；牛熊指标择时模型从波动率和换手率两个角度对市场判断，当前市场处于波动率下降换手率上升的状态，判断为上升市。三个择时模型当前给出的判断并不一致，说明市场走势并不清晰，由于最近一段时间波动率明显下降，四季度很可能更多呈现出震荡状态。

华泰量价择时模型月度信号对10月份看多，但短线建议回避

华泰量价择时模型基本逻辑是通过行业收盘价和累积成交量的同比来对市场进行择时，同时叠加均线在日度上进行操作。模型的特点是较为保守，只有在较为明确的趋势之后才会入场，同时采用均线控制回撤，所以在上升趋势中依然有较多交易来降低波动。模型在18年躲过了主要的下跌。对于今年以来的市场，模型在2月29日收盘后对市场看多，在3月25日收盘后对市场看空，同时3月29日收盘后再次对市场看多，4月25日收盘后看空出场。之后模型在短线上的三次操作均表现不佳，当前模型对10月份看多，但是由于10月18日沪深300下穿20日均线，模型暂时选择回避。量价模型结合均线的策略从2007年至今，取得了13.76%的年化收益，年化波动13.07%，夏普比率1.05，最大回撤只有14.69%，是一个适合绝对收益的策略。

华泰风险收益一致性择时模型发出看空信号

华泰风险收益一致性择时模型借助行业贝塔与行业涨跌幅相关性对市场进行判断。一般认识下，当市场处于上涨行情中时，高贝塔行业的涨幅更大，这些行业为进攻性行业，当市场下跌时，低贝塔行业跌幅较小，这些行业为防守性行业。风险收益一致性择时模型运用了这种思想，当观察到高贝塔行业涨幅更高时，认为市场处于多头状态，当低贝塔行业涨幅更高时，认为市场处于空头状态。今年以来的行情中，模型于2月22日收盘后对市场看多，4月19日收盘后对市场看空，8月23日收盘后再次对市场看多，10月11日收盘后对市场看空。模型的纯多头策略自2007年以来取得年化收益18.22%，年化波动率为19.83%，夏普比率为0.9191。由于模型采用行业贝塔进行判断，未来可能高贝塔行业表现不佳，低贝塔行业可能出现超额收益。

牛熊指标目前仍然向下，市场可能偏向于震荡上升市

在报告《波动率与换手率构造牛熊指标》中，我们采用波动率和换手率两个维度来观察市场，将市场分为了牛市、熊市、上升市和震荡市。当前我们处于波动率下降、换手率上升的上升市环境中，从这个视角对市场的判断相对乐观。牛熊指标与市场走势也呈现明显的负相关，目前牛熊指标仍然处于向下的趋势中，利用牛熊指标的择时模型对当前市场看多。

上周A股出现回调，除A股外亚太市场涨幅较好
统计全球主要股票指数近期表现：1、欧美市场涨跌不一，呈现震荡格局，亚太市场及新兴市场表现较好，A股出现调整；2、A股内部，主要板块均出现下跌，周期上游下跌最多，消费板块相对抗跌。

从国内主要债券指数的表现来看：市场状态发生了一些改变，长久期债和国债出现了一定程度的下跌，近一个月收益为负。自从2018年以来，利率处于下行趋势，长债一直表现较好，当前已经处于利率下行周期的后期，要防范利率上行带来的债券回撤风险。

从全球主要商品资产的表现来看，工业金属出现上涨，其余大部分商品出现下跌。原油下跌幅度较大，下跌了2.67%。

情绪面跟踪：大盘继续维持震荡状态

上证综指自今年5月份以来始终处于一个箱体震荡状态，多次在3000点附近反复。目前仍然未能形成有效突破。最近一周市场虽然处于下跌环境中，但是处于多头排列状态中的个股比例仍然有所上升，这反映了个股层面涨跌较为分化。

华泰金工模型跟踪

华泰大类资产周期进取策略近期表现回顾

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），我们在月报中跟踪该策略的表现，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超越各大类资产。截至2019年10月17日，策略的收益表现如下图表所示。

“华泰周期轮动”基金组合近期表现回顾

在《“华泰周期轮动”基金组合构建》和《“华泰周期轮动”基金组合改进版》报告中，我们提出了一个自上而下的、开放式的基金配置体系，构建原理如下：1、宏观择时，核心是给出股票市场的多空判断，灵活调整股、债权重配比，力争在权益市场上行期加大股票资产配置，博取弹性收益；在权益市场下行期加大债券资产配置，减少回撤风险。2、板块轮动，核心是通过轮动模型给出板块超、低配观点，进一步增厚模型收益；3、组合优化，首先结合择时和板块轮动结果，给不同资产分配相应的风险预算，求解初始权重，然后基于目标波动约束进一步调整资产权重，将整个组合的风险控制在相对稳定的水平，这里为了满足不同投资者的风险偏好需求，我们设置了5%、7.5%、10%三个目标波动版本；4、落地配置，将权重优化结果映射到对应基金标的上进行配置。

不同目标波动策略近期表现如下，以7.5%目标波动版本为例，上周收益-1.59%，近一个月收益-1.31%，本年度以来收益为3.52%，最近一年收益6.30%。根据最新的9月底建模结果，择时模型看多股市，板块轮动模型最看好周期上游，最新的持仓如下：南方中证申万有色金属ETF联接C（23.66%）、富国中证煤炭（23.66%）、易方达中债新综合C（40.10%）。注意，最新持仓股票权重较高，导致组合波动触发目标风险约束，所以等比例缩小了股债仓位，并配置了现金资产（权重12.58%）。

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】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