第三十六章 焦点问题专题研究 [原书第514页 / PDF第536页] 本章讨论A股市场日常投资研究中一些焦点问题，主要包含三部分内容：一是宏观经济与股票投资的关系。这部分我们具体讨论了四个问题，包括宏观经济研究对股市投资指导的能力边界问题、寻找最重要最核心的宏观经济变量、如何构建自上而下的盈利预测模型、市场投资中出现的讨论“长逻辑”现象。二是股票投资中估值的问题。估值问题历来受到极大关注，可以说是股票投资研究中“皇冠上的明珠”，我们在此讨论了四个问题，包括估值是交易的结果不是原因、估值波动范围临界值探讨、为什么估值难有上限、估值影响幅度不决定方向。三是流动性与机构投资者行为的问题。这部分主要探讨了四个问题，分别是股市中的流动性究竟是什么、利率与估值以及股价的关系问题、公募基金和境外投资者与市场定价权问题、历次IPO暂停的背景与市场表现。 [原书第515页 / PDF第537页] 第一节 宏观经济与股票投资 一、宏观研究的能力边界 宏观经济研究对股票投资到底有没有用，这个问题绝对是老生常谈。这里所谓的有用或者没用有两方面意思：一是指股票市场是不是宏观经济的晴雨表；二是如何从宏观经济分析出发找到结构性行业板块的机会。 笔者认为，从宏观经济到股票投资的连接点就是企业盈利，股票市场的基本面特指企业盈利而非宏观经济本身。当宏观经济与企业盈利走势一致时，股票市场就是宏观经济的晴雨表，反之就很有可能出现各种背离情况。例如在价格因素负增长环境中，GDP增速可能是上升的，但企业盈利是一个包含价格因素的名义值可能反而是下降的，这时就可能出现股市表现跟经济表现背离，典型情况如2023年上半年。 同样，从企业盈利出发看宏观分析对各个行业板块机会的把握，核心在于该行业板块盈利是否受宏观经济影响。对于周期、金融类行业板块，其盈利与宏观经济高度正相关，自然会发现这些板块在经济上行期（如2003年、2007年、2009年、2017年等）表现特别好。但是对于那些盈利与宏观经济关系不大的行业，如TMT、医药等，依靠宏观分析把握机会总体是无力的。这些行业的景气周期是由其自下而上的产业逻辑决定的，跟宏观经济关系不大，这是宏观经济分析能力所不及的。 对于这些偏“逆周期”“成长类”板块，有时候市场会提出一些“分母类”的逻辑，比如经济下行期或者货币宽松期这些板块表现会比较好，但这些说法一般是经不 [原书第516页 / PDF第538页] 起数据验证的。宏观经济此时无非是这些行业板块的机会成本，即如果宏观经济越好，那么顺周期板块有很好的机会，逆周期板块相对收益会受损；反之在宏观经济很差时，逆周期板块自己景气周期能不能起来虽然跟宏观经济没有关系，但至少相对而言跑输大盘的可能性会小。 随着经济发展步入成熟阶段，宏观分析对股票投资的能力边界是在缩小的，这一方面因为宏观经济变量本身的波动在变小，另一方面因为企业盈利与宏观经济相关性强的顺周期板块占比不断缩小，而盈利与宏观经济相关性弱的新兴产业占比不断扩大。这种特征可以概括为从“周期主义”到“结构主义”的变化。 所谓“周期主义”，指的是从经济周期波动的循环往复规律中寻找股票市场的投资机会。以往传统自上而下的投资分析框架的起始点是经济的名义增速，根据经济名义增速的周期往复规律去寻找股票市场的投资机会。在这个投资框架中，我们先判断名义经济增速的方向（大势研判找拐点），再根据消费地产投资基建等驱动力不同分析结构性行情（找板块），最后再在板块里找弹性大的标的（找个股）。 传统自上而下框架的逻辑根基就是“周期主义”，名义经济增速的波动（经济周期），产生上市公司的盈利周期以及对应的市场涨跌和板块轮动。名义经济增速向上的过程中，上市公司整体盈利周期向上，这时我们应该大盘看多，同时选择周期、金融等顺周期板块；名义经济增速向下过程中，上市公司整体盈利周期向下，此时一般大盘看空，同时选择消费、医药、公用等逆周期板块。图36-1报告了这种基于名义经济增速波动的“周期主义”分析的基本框架。 图36-1传统以名义经济增速为起点的自上而下投资分析框架 盈利周期向上大盘看多 周期向上 投资顺周期板块周期、汽车、金融 盈利周期向下大盘看空 周期向下 投资逆周期板块消费、医药、公用 图36-1传统以名义经济增速为起点的自上而下投资分析框架 资料来源：笔者整理。 以往在传统自上而下的投资框架指导下，随着经济周期的循环往复，A股市场 [原书第517页 / PDF第539页] 行情也呈现出明显的板块轮动。典型的比如2003年开始中国经济过热，市场走出了“五朵金花”“煤电油运” 行情，然后到2004年遏制经济过热，名义经济增速下行，市场进入防守阶段。又如2009年经济复苏，市场走出了“煤飞色舞”行情，然后到2010年以后政策再度收紧，市场进入下行趋势板块出现“喝酒吃药”行情等。2000~2011年，A股市场行情在多个板块间出现了多次切换、来回轮动，呈现出明显的随着经济周期循环往复而变化的特征。 这套方法论的最大逻辑，就在于其假设总需求的变化是影响企业盈利弹性的最大变量。 但从2012年以来，国内经济的运行特点已经出现了很大的变化，除了总量下行结构转型以外，宏观经济的波动也出现了大幅降低，传统意义上的“经济周期”在逐渐消失。或者换言之，经济总量的波动不再是上市公司盈利变化的主要驱动力量了。从数据上可以很明显地看出来，2012年以后我国实际GDP的走势曲线越来越平滑、斜率越来越平坦，GDP增速每年几乎都是没有波动地小幅下滑。除GDP外，其他宏观经济指标也面临同样的情况，M2、工业增加值、固定资产投资、社会消费品零售总额等，这些主要宏观经济指标的波动性都在大幅下降。特别是以往宏观研究分析中使用最多的工业增加值同比增速，2015年以后几乎完全呈现水平直线的走势，波动显著降低，这使得研究分析该指标的使用价值大幅下降。 实际上，传统意义上的“经济周期”消失不见这个现象并不新鲜，回顾主要发达国家走过的路就会发现，当经济发展到一定阶段之后，经济整体的增速和波动率就会大幅下降，美国、日本、欧洲，以及亚洲“四小龙”等国家和地区都是如此，这是经济发展的必然趋势。因此，展望未来，在中国经济达到人均GDP一万美元之上，未来也很难再有大的库存周期和产能周期。经济周期消失的另一个重要原因，就是科技进步解决了信息不对称的问题。以往同一行业不同地区的企业互相不知道对方的生产情况，当需求好起来的时候，就会一起加库存加产能，加多了就会导致周期的波动。而现在已经是“万物互联”的时代了，各个企业的具体产能和库存，分析师都能够了如指掌，更何况身处一线的实体企业，无论库存还是产能都不太可能再出现大幅的波动。 对投资研究而言，经济周期的消失，最大的问题就是我们很难再从经济周期分析研究中找到投资机会。名义增速高增长高波动时代过去以后，传统自上而下根据“周期主义”的投资分析框架已经不那么适用了，因为总需求的波动已经不再是影响企业盈利的核心驱动变量。 [原书第518页 / PDF第540页] 一个最典型的例子就是2016~2020年的消费股行情。首先，很明显可以看出，这一轮的消费股行情绝对不是防守行情，而是进攻行情，过去几年里消费板块的盈利能力大幅提升，ROE持续上行，特别是龙头公司（见图36-2）。但是在宏观数据中我们找不到能合理解释这个现象的总量变量，无论是社会消费品零售总额增速、城乡居民可支配收人增速、城乡居民人均消费支出增速等几乎都是单边向下的。所以开玩笑地说，如果做好做扎实宏观分析，一定可以完美地错过2016年以来的消费股行情。 图36-2 2010~2019年日常消费板块ROE走势一览 （%） 25 20- 15、 10- 5- 0- 2012 2013 2014 2015 2010 2011 2016 2017 2018 2019（年份） 一上一日常消费日常消费-中证800 -看—日常消费-非中证800 图36-2 2010~2019年日常消费板块ROE走势一览 注：“日常消费”指全部日常消费板块公司，“日常消费-中证800”指中证800成分股中日常消费板块公 司，“日常消费-非中证800”指非中证800成分股中日常消费板块公司。 资料来源：Wind资讯。 消费股的例子充分说明了一个问题，那就是驱动上市公司盈利的核心变量从总需求变成了其他变量，这些变量包括行业集中度提升、消费升级、科技创新等。因此，我们认为未来要告别这种传统的自上而下框架，从“周期主义”走向“结构主义” 。 所谓告别“周期主义”，就是不要再去过于纠结那些传统宏观变量周期往复的波动规律，因为波动已经小到对股市投资影响不大了①。还是以前述消费板块的行情表现为例，在传统的“周期主义”分析框架中，我们实际上是去判断消费需求的周期 ① 2020年新冠疫情暴发后，以美国为代表的西方国家采取史无前例的货币宽松手段，使得全球经济名义增速再次出现大幅波动。但这种刺激方式毕竟是一次性的，类似于中国2009年时的“四万亿”计划，从长期趋势看，笔者认为全球经济名义增速波动日后依然会逐渐变小。 [原书第519页 / PDF第541页] 性变化，从而寻找投资机会。以往在经济高速发展阶段，需求的波动大，对上市公司盈利的影响也大，但是现在消费需求的周期波动变小了，使得需求的周期性变化对于上市公司盈利的影响也明显下降了。所以这种情况下，再要从经济周期波动的循环往复规律中找到股票市场的投资机会，就非常困难了，有时甚至会得到相反的结论。 所谓走向“结构主义” ’，就是要去探寻那些趋势性变量，研究分析其变化对于股市投资的意义。这些变量的变化不再是循环往复的周期性变化规律，而更多是结构性趋势性的变化规律。比如集中度提升、服务业占比提高、人口老龄化、贫富差距扩大等，都属于趋势性的变量变化。这些结构性变量变化较慢数据也不好找，但是趋势一旦形成往往是不可逆的，力量很大，所以无论A股还是海外股市，我们看到越来越多的板块行情都是结构性的，而并非来来回回地轮动。 二、最重要的宏观指标 宏观经济指标非常多，包括GDP、出口、投资、消费、工业增加值、CPI、PPI、M1、M2、社融等。我们认为，在所有宏观经济指标中，对股票市场而言，最重要的指标可能就是PPI。这主要有两个原因：一是PPI与上市公司盈利高度正相关，二是从历史经验看PPI增速转负最有可能引发政策的转向。 在A股市场中，PPI同比增速与全部A股非金融上市公司盈利增速高度正相关（见图36-3）。这主要与A股上市公司构成有关，截至2023年8月，A股上市公司数有5200多家，其中制造业上市公司数量超过3500家。因此我们也会发现，在PPI同比增速快速下行期间，A股上市公司盈利整体承压，股价表现一般不理想。反过来在PPI上行期间，A股上市公司同样会表现出更强的盈利上行弹性。制造业盈利波动往往大于服务业，A股上市公司的这一盈利特征属性，也是导致A股股价波动较大的重要原因。 也有不少观点认为A股市场中PPI与上市公司盈利高度正相关，可能主要集中在一些上游资源型公司，在一些中下游公司可能并不适用。笔者认为没有太大必要去做这种强行的区分，首先哪些行业哪些公司算上游实际操作层面也有很多模糊地带（如化工算不算上游），其次我们做研究的目的是要找到能够解释以及预测上市公司盈利走势的变量，并不是要去否定什么，否定有效性并不能带来投资建议。从这个角度看，在目前A股市场的盈利预测中，如果要用一个单一的宏观指标去预测整体市场的盈利变化，那PPI一定还是效果最好的。 [原书第520页 / PDF第542页] 图36-3 2003~2022年PPI同比增速与全A非金融公司盈利增速对比 （ 全A非金融公司盈利增速 PPI同比增速 20 0 -20 -60 J圳MM派M狮MK咖加观加加难那加观那观测观m（年） - PPI同比增速全A非金融公司盈利增速（TTM） 图36 -3 2003~2022年PPI同比增速与全A非金融公司盈利增速对比 资料来源：Wind资讯。 PPI重要的第二个原因是从历史经验看它能预判政策变化。一般多数观点普遍认为，对政府而言就业和财政这两个指标或许是最重要的。从中国的实际情况来看，这两项指标可能并不是引致政策宽松的先导指标，原因有两个：一是中国没有很好的就业数据可以观察，城镇调查失业率2018年起才开始公布且没有历史可比数据，因此大多数时间就业有没有问题主要靠媒体报道；二是财政收入滞后于经济周期的变化，很难成为政策决策的直接依据。 回顾2000年以来的中国经济走势以及其中的宏观经济政策变化，我们认为最有可能引致政策大幅宽松的关键变量就是PPI，历史上看几乎每一次政策大幅宽松都是在PPI同比增速显著回落时出现的。特别是有些时候的政策会突然宽松，与当时事前或者事后的环境还有些格格不入，仔细去看，都是在这些政策宽松发生时，PPI出现了突然的大幅下挫。 第一个案例是2002年的降息。1992年，中国经济开始过热，通货膨胀非常高，然后政策收紧开始抑制经济过热。中国经济增速从1993年开始下降，到1999年GDP实际增速连续七年下行。到2000年时中国经济终于走了出来，2000年中国GDP实际增速8.5%，较1999年提高0.8%，结束了自1993年以来中国经济连续七年的下行走势，事后看2000年应该是后面中国经济长周期向上的起点。但在2000年“互联网泡沫”破灭以及2001年“9•11” 事件的影响下，全球经济在2001年发生了衰退，中国经济也出现了二次探底。PPI在2001年再度转入负增长，中国经济进入二次通缩的过程。在这种情况下，2002年2月21日，经国务院批准，中国人民银行再次降 [原书第521页 / PDF第543页] 低了金融机构存贷款利率。这次降息很有意思，因为实际上很快到了2003年中国经济的主要矛盾已经是投资过快经济过热了，防止经济过热逐渐地成为宏观调控的主要目标。 另一个案例是2014年的货币政策宽松。2013年的货币政策是非常紧的，出现了“钱荒”，利率大幅上行。2014年一开始政策的放松还是相对克制和谨慎的，面对快速下行的经济基本面，货币政策也仅仅是“定向降准”，当时的说法是要“精准滴灌”不要“大水漫灌” 。但2014年7月份以后，形势的发展超过了预期，主要变化是国际油价出现了暴跌，从而导致PPI深度负增长，整个宏观经济出现了通缩压力。国际原油价格在2011年冲高后，一直维持在100美元每桶以上，到2014年6月时，布伦特原油价格仍在每桶115美元左右的位置。随后原油价格开始暴跌，到2014年底时，布伦特原油价格已经跌破每桶50美元。这种情况下，货币政策最终从“定向降准”转到了“全面宽松” ，2014年11月的降息，宣告了货币政策的彻底转向，并直接引爆了2014年底股票市场的行情。 三、构建自上而下盈利预测模型 盈利分析对股票研究至关重要，企业净利润能直接或通过估值间接影响股票的价格，有效的盈利预测模型将有助于投资者相对市场获得更加领先的信息。当前市场普遍使用较多的是自下而上的一致预期盈利预测，而较少有针对上市公司整体盈利变化的动态跟踪模型。 笔者尝试了构建一个自上而下的上市公司盈利高频跟踪模型。笔者的基本思路是充分利用丰富多样的宏观经济和行业数据，构建一个能够月度跟踪上市公司整体盈利变动的高频模型，从而得到更加领先的盈利预测信息。举例来说，我们可以使用国家统计局的工业企业利润数据来跟踪工业类上市公司的利润情况（工业上市公司利润占全部A股公司约45%），用M2和金融机构信贷收支表数据跟踪商业银行资产规模变化，用利率数据判断商业银行净息差变化（商业银行利润占全部A股公司约39%），用商品房销售面积和施工面积来跟踪房地产和建筑业上市公司利润变化，等等。如此，我们估计全部A股上市公司利润总量的90%可以通过自上而下的宏观经济数据来跟踪（见图36-4）。 [原书第522页 / PDF第544页] 图36-4自上而下盈利高频跟踪模型基本思路（基于2022年年报） 主要行业宏观指标跟踪 银行货币规模 （占比87%） 利率指标等 金融 （占比45%） 保险、券商证券成交金额、 （占比13%） 保费收入等 工业统计局工业企业 （占比82%） 利润数据 房地产、建筑商品房销售面积、 （占比5%） 施工面积等 非金融 （占比55%） 交运仓储客运货运量、 （占比3%） 运输价格指数等 其他自下而上， （占比10%） 分析师一致预期 图36-4自上而下盈利高频跟踪模型基本思路（基于2022年年报） 资料来源：笔者整理。 通过利用宏观数据构建的月度上市公司盈利跟踪模型，我们可以更加动态领先地了解整体上市公司的利润变化情况。从当前A股市场上市公司财务报告披露的实践来看，上市公司中期财务报表一般于8月底披露完毕，部分公司业绩预告和业绩快报一般在7月中旬可以陆续公布完毕。而一般在6月底左右，5月份的宏观经济数据已经公布完毕，根据4月和5月两个月的宏观数据我们可以大致对上市公司在第二季度的整体盈利情况有个较好的了解，历史回溯来看误差没有很大。一季报和三季报的情况也类似，我们基本可以在3月底的时候对上市公司1月和2月的情况有一个整体的了解，而一季报的实际公布时间要到4月底。而且另外有一点很重要，这样构建的盈利高频跟踪模型可以以月度为频率来分析上市公司的整体盈利变化情况。 A股市场分析中一般多采用中万或中信的行业分类，然而申万和中信的行业分类和国家统计局的国民经济统计行业分类有较大出入，因此很难和国家统计局的宏观数据进行匹配。在构建上市公司盈利高频模型跟踪时，我们将采用国家统计局的国民经济行业标准对上市公司进行行业分类。 根据国民经济的行业分类标准，从A股归母净利润全行业分布来看，金融业与非金融行业比重相近，占比均在50%左右，不同年份略有变化。非金融行业中工业、房地产和建筑业以及交运仓储行业为主要行业，上述行业净利润占全部A股非金融行业的比重高达90%。通过大量的历史数据回溯，笔者认上述盈利高频跟踪模型方法是可行的。以工业企业为例，工业企业利润增速与A股工业行业利润增速高度相关，A股工业行业利润增速与全部A股归母增速走势也基本一致。不论从工业行业 [原书第523页 / PDF第545页] 细分行业来看（制造业及水电煤），还是从整体来看，工业企业利润增速与A股上市工业行业归母增速高度相关。从A股工业行业利润增速与全部A股归母增速历史来看，可以发现两者走势基本一致。 基于央行或统计局公布的高频微观数据，我们可以对各细分行业利润增速进行月度跟踪并汇总，从而对A股上市公司归母净利润增速进行判断。银行盈利情况和资产增速与净息差密切相关，每月公布的金融机构资产规模数据能够反映银行资产的增速，而资产及负债端产品的利率走势有助于判断银行净息差的变化。通过对房地产、建筑业与交运仓储业基本面指标的跟踪，我们也能大致把握对应行业上市公司的利润增速。 四、当市场开始讨论“长逻辑” 市场的投资逻辑可以分为“短逻辑”和“长逻辑”两种，所谓“短逻辑”，一般指的就是短期（1~3年）的盈利增速、基本面情况、流动性环境等，所谓“长逻辑”，指的就是时间维度非常长的故事，如科技进步、人口红利、产业转移等。 多数情况下，我们讨论股票价格的变化，用的都是“短逻辑” '，“短逻辑”范围和边界都比较明确。但很多时候，读者也会发现，资本市场中的故事说着说着就会变成“长逻辑”，有一种说法叫作“回顾三千年历史，展望下个月行情” ，这种情况也是经常出现的。 从个人的研究感悟来说，笔者对“长逻辑”有这样几点看法： 第一，每当市场喜欢用一些长期的逻辑来解释短期的行情变化之时，往往都是转折点的时刻，因为这说明用来解释行情变化的短期业绩和估值逻辑已经不够用了。2018年末市场见底时的情况就是这样的典型案例，当大家发现市场估值极低而基本面没有那么差时，短期解释理由实在不够了，于是市场上出现了一些看空中国经济和资本市场的长期逻辑。一个是中美经济脱钩，但因为这个东西已经讲了大半年了，到2018年底时也没什么新意了；另一个是说中国人口结构不行了，所以有可能在未来陷入类似日本的困境，2018年底时市场流传有一张图不知读者是否还有印象，就是拿2007年的上证综指历史最高点和1990年的日经指数相比，言下之意，后续长期看空。实际情况是，一进入2019年行情立刻反转。 第二，凡是对于教科书上没有变量进行定价给予高估值，最后往往都是通过股价大幅下跌来完成修复的。教科书上的财务估值模型，无论是DCF模型、DDM模型、 [原书第524页 / PDF第546页] RIV模型、AEG模型等Q，以及基于这些基础模型的各种变形和分阶段模型，本质上都是对未来各种现金流的贴现求和，涉及的变量无非就是两大类：一是分子端的盈利增长；二是分母端的利率变化，这两个变量都算是“短逻辑” 但很多时候，故事讲着讲着，就会出现变化，出现了一些新的定价和估值变量。比如20世纪70年代美国股市给“漂亮50”的盈利稳定性高估值，但从来没有教科书中说要给“稳定性”高估值。这都是行情走着走着，市场自发地追在后面去找逻辑解释行情。又如2000年美国的“互联网泡沫”和2015年A股的创业板，都是对“新经济”给予高估值，教科书上也从来没有说过要给“新经济”高估值吧。类似的还有2017年时候，A股有一种说法叫“市研率”，要给企业研发支出估值，就更加莫名其妙了。前述这些东西，回过头去看，之所以需要用教科书以外的变量去定价，还是因为“短逻辑”不够用了，只能用“长逻辑” ，最后的结果都是用股价下跌去证伪很多东西。 第三，在行情项部的时候，不要试图去推翻领涨板块的核心逻辑，这是不可能做到的。2020年下半年市场有一个很强的逻辑叫“永动机逻辑”，具体是指“全球永续低利率＋消费龙头永续稳定增长”的远期预期（“长逻辑”），这个预期非常恐怖。如前所述，任何财务估值模型，本质上都是对企业未来现金流的贴现求和，消费龙头永续稳定增长，叠加永续低利率的预期假设，意味着分子端增速要高于分母端增速。从财务估值模型上说，这种情况对应的是理论上不收敛的无限估值。 虽然从历史经验看，没有什么东西会是永续的，这个远期预期最后也可能被证伪，但这的确是目前市场最强的远期预期。无论是分析师的盈利预测预期，还是从直观本能得出的判断，消费龙头公司未来5年甚至10年10%左右的增速都是大家觉得能够认可的、无法推翻的预期假设。10%的相对永续增长（对于10年以后的事情，当下投资者的认知基本只能够线性外推），如果叠加长期低利率的话，也就能够得到目前消费股龙头公司增速稳定不算很高，但是估值相对很高的定价结果。 这个“永动机逻辑”在2020年是很难被打破的，但仔细想想，这个逻辑跟2016年时大家说的“零利率债券交易员职业生涯只有100个基点了” 、2007年时大家觉得“原油价格可能要突破200美元一桶了”都是一样的，在行情顶点最强逻辑是打不破的。 第四，不要去说什么先抑后扬、先扬后抑的判断，没有这种事情。投资中我们常说要在别人恐惧时贪婪、要在别人贪婪时恐惧，而现实情况是，我们往往会在别人恐 ① DCF即自由现金流贴现模型，DDM即股利贴现模型，RIV即剩余收益模型，AEG即异常收益模型。 [原书第525页 / PDF第547页] 惧时更加恐惧、在别人贪婪时更加贪婪，这是人性使然。既然你判断后面要“扬”，前面为什么要“抑”呢？这不符合理性。2008年熊市最低谷的时候，上证综指之所以跌到1664点，一定是很多人觉得要跌到1000点，所以才会在2000点以下卖股票，如果他们判断后面会起来，扛一下就过去了，为什么还在底部杀跌呢。 第二节 股票投资中估值的作用 股票投资中任何研究观点都离不开估值，估值对于股票投资的意义绝对不是几句话就能够讲清楚的，是一个错综复杂的作用机制。估值研究可谓是股票投资研究中“皇冠上的明珠” ，历来受到市场投资者极大的关注。对于估值作用的问题，笔者有如下几点看法。 一、估值是交易的结果不是原因 估值在绝大多数情况下是一个市场交易的结果，而不是交易的原因。换言之，当股价涨完了或者跌完了以后，你会发现股票估值高了或者低了。但你不能说估值低了就一定会涨、估值高了就一定会跌，大多数情况下，估值低了还能再低、高了还能再高。 实际上，从另一个角度来讲，认为估值低了就会涨、估值高了就会跌，或者说将估值高低这一单一因素拿来作为看多或者看空的理由，本质上都是在质疑市场的有效性。因为估值高低绝对是一个公开的市场信息，如果你认为估值低了股价就会上涨，逻辑上等于你在否定之前市场的交易结果。那么问题就来了，凭什么之前的交易结果就应该是错的呢？始终质疑市场有效性具有很大的风险。因此，笔者认为，在绝大多数情况下，不应该以估值高低这一单一因素，来作为判读涨跌的依据。 从实际的历史数据中也会发现，估值的走势基本跟股价的走势在方向上是一致的，但在幅度上每次也有所不同。从这个角度看，去判断估值的变化方向跟判断股价的变化方向又变成一样的了，估值并没有提供太多股价未来变化的领先信息。 之所以前面强调了是“在绝大多数情况下” 估值是交易的结果不是原因，是因为在一些特殊的情况下，估值有可能会成为市场交易的原因。这些特殊的情况是什么呢？就是当估值已经涉及教科书上金融市场不同资产间“无套利定价原理”（non-ar- [原书第526页 / PDF第548页] bitrage pricing principle）时，或许估值会成为交易的原因。典型的情况可能就是当某类稳定性较高的权益资产的股息率，要高于信用债利率时，那就会出现投资者仅以股票资产的估值低而进行投资买人。 A股市场中我们能够想到的例子可能也只有银行板块这一个行业板块。因为有股息率的保障，有资产间的无套利原则约束，高股息银行股经常被用来和信用债做资产配置类别比较。不过由于权益资产的最大特点在于上市公司的盈利具有成长性，多数行业或者个股的估值（股息率）不可能低（高）到如此程度，所以这种情况其实在市场中是比较少见的。 二、估值波动范围临界值探讨 前面我们讨论了本节的第一个问题，就是估值是交易的结果不是交易的原因，估值低了不一定会涨，高了也不一定会跌。这里我们讨论第二个问题，估值的变化有没有一个范围界限，会不会有临界值。 讨论估值的临界值实际上涉及两个维度，下限和上限。 首先说下限，多数情况下是很难有下限约束的。如前所述，可能只有满足盈利相对稳定和股息率相比债券利率有性价比这两个条件，才能够触发估值有下限的发生。否则很难说会存在什么样的约束或者机制，来维系这样的估值下限。但能够满足盈利稳定和股息率高这两个条件的，恐怕也只有银行和公用事业板块了，而且银行的盈利稳定性可能也是在中国市场中比较强，而放在全球视角下也不一定成立。即使这样，我们从实际经验中也会发现，A股银行板块的市净率中枢依然在不断下移。 A股市场过去几年中板块估值屡创新低的典型情况就是房地产行业，由于国家政策以及市场对中国未来房地产市场的判断等多方面因素，房地产行业的估值下限在过去几年中可以说是被屡屡突破。低到什么程度？2016~2019年，房地产行业的市盈率（PE）、市净率（PB）、相对市盈率、相对市净率，都在不断地创新低。 其次是估值上限的问题，也就是估值有没有“天花板”的问题。从历史经验来看，似乎这个天花板是不存在的。 每一轮牛市的估值高点位置都可以是不一样的，2015年中小创主导的牛市中，2015年6月上证综指的高点在5000点附近，要低于2007年牛市的高点6124点，但全市场股票的市盈率中位数却要显著高于6124点时的水平。而到了2018年1月，这波由龙头白马公司主导的行情中，当上证综指达到3500点高点的时候，单从估值看， [原书第527页 / PDF第549页] 似乎就是一个底部徘徊，完全看不到牛市的踪迹。 这是总量上的，结构上看就更是如此了。且不说科技股这样的估值波动较大的品种，即使是在消费股这样的价值投资品种中，也会发现估值的天花板是很容易攻破的。2016~2020年的蓝筹白马股行情中，我们会发现很多优质的消费品公司的估值，都是持续上升的，进而超过了很多原先的认识。 三、为什么估值很难有上限 这个问题可以从估值财务模型说起。财务估值模型有很多种，DCF模型、DDM模型、RIV模型、AEG模型等，在此笔者不打算展开复杂的数学公式，这些模型本质上都是途同归的，就是对某个分子（现金流、股息）进行贴现求和。 最简单的一种写法，就是类似于戈登（Gordon）模型，大体上可以把市盈率写成PE=1/（r-g），这里，是利率贴现率，吕是公司的永续成长性。其他所有模型无论多复杂，都是增加或者减少某个条件假设，顶多也就多乘几个系数，思想上是完全一致的，这种写法相对而言最言简意赅。 PE=1/（r-g），这个公式能够成立的前提假设是什么？那就是要求g