市场为什么这样走？

【这一课解决什么问题】 宏观研究最常见的错误，是把CPI、就业或利率当成孤立答案。市场交易的不是一个数字本身，而是它相对预期发生了什么变化，以及它会不会改变政策、资金成本、汇率和企业利润。 读完这一课，你应该能够把宏观数据落到行业和公司，而不是每天猜数字高低。 【核心判断框架】 每次宏观数据公布后，沿着五层路径分析：数据相对预期 → 政策路径变化 → 利率与美元反应 → 行业收入和成本变化 → 估值与资金流变化。 例如：油价持续上涨 → 通胀预期抬头 → 降息预期后移 → 长债收益率上升 → 长久期、高估值资产承压。这只是一条待验证的传导链，不是自动成立的公式；任何一环没有发生，都要重新检查原判断。 【具体操作步骤】 第一步，先记录市场预期，再看公布值。研究表至少保留前值、市场预期、公布值和后续修订值。通胀仍高但低于预期，市场反应可能偏宽松；就业看起来不错但前值大幅下修，含义也会改变。 第二步，观察价格如何回应。依次看短端利率、十年期美债收益率、美元、主要股指和相关行业。数据看似利空但资产不跌，可能说明坏消息已经计价，也可能是市场在交易另一个更重要的变量。 第三步，分清增长冲击和通胀冲击。增长走强且通胀稳定，有利于收入；增长走弱且通胀下降，债券可能受益但盈利风险增加；增长走弱而通胀上升，政策空间受限。同样是收益率上涨，来自增长改善还是通胀和风险溢价上升，对行业含义不同。 第四步，把宏观变量落到公司。检查公司现金流主要在多远的未来，是否依赖融资，债务是固定还是浮动利率，客户预算是否对利率敏感，原料与能源成本能否转嫁，美元变化如何影响海外收入。 第五步，给传导链设置观察窗口。市场价格可按日观察，官方数据按月，企业订单和利润按季，结构性产能按半年或年度。不要用一天的价格变化否定需要几个月验证的逻辑。 第六步，保存当时真正能获得的数据。宏观数据会修订，不能用今天修订后的结果假装过去已经知道。FRED可以查看时间序列，ALFRED可以帮助还原某个历史时点当时的数据版本。 【数据和原始资料】 优先使用FRED、ALFRED及美国劳工统计局、经济分析局、美联储等原始发布机构，同时查看政策声明、会议纪要和公司财报。宏观数据只能说明环境，最终仍要回到订单、成本、利润、现金流和估值。 【老司机案例：油价、美债与高估值科技股】 不要停在“油价涨，所以科技股跌”。先判断油价上涨是短期事件还是会持续影响通胀预期；再观察降息概率和十年期美债收益率是否同向变化；区分实际利率上升和通胀补偿上升；最后检查高估值公司的现金流久期、融资依赖和估值敏感度。 反面条件同样重要：如果油价回落、经济数据转弱或长债收益率不再上升，原传导链可能中断。厄尔尼诺与糖价也应逐层验证：天气影响供给预期，供给影响商品价格，商品价格再进入企业成本与替代品需求，不能从天气直接跳到股票结论。 【常见误区】 只看公布值不看预期和修订；把相关性当成稳定因果；数据公布后只看股票不看债券和美元；用修订后数据回看过去；从宏观直接跳到个股；每天改变长期观点却没有观察周期。 【课后练习】 选择一次CPI、就业数据或美联储会议，用当时可获得的信息写出完整传导链。一周后回看价格反应，找出哪一环成立、哪一环没有发生。 下一课将进入公司比较：产业和宏观逻辑成立后，怎样判断哪家公司更好、当前价格是否已经计入好消息。