第255章 2014年5月 政策钟摆再次摆动 (第2/3页)

组活跃的时期，券商、有产业整合能力的龙头公司、以及某些特定行业（如TMT、医药）的表现会优于市场。

    她把这些规律整理成一个“政策-行业传导矩阵”——每一个政策方向，对应哪些受益行业，传导路径是什么，时间窗口有多长，历史超额收益是多少。

    林枫这边，则在做另一件事：把沈清如的“传导矩阵”变成可量化的因子。

    “政策情绪指数”是最简单的部分。林枫写了一个爬虫，每天自动抓取证监会、国务院、央行等官方网站的新闻和公告，用自然语言处理技术分析文本的情绪倾向。正面词汇出现得越多，指数越高。

    “政策-行业关联度”要复杂一些。林枫需要建立一个模型，自动判断一篇政策文件对哪些行业有影响，影响是正面还是负面，强度有多大。他用了“主题模型”的方法——把过去十年的政策文件和行业指数走势放在一起训练，让算法自己学习两者的关联。

    最困难的是“历史回测”。林枫需要回答一个问题：在过去的政策环境下，哪些因子（估值、动量、质量、成长等）表现最好？如果新国九条和老国九条有相似之处，那么老国九条之后的行情，能不能给我们一些启示？

    他把2004年“老国九条”发布前后的市场数据调出来，跑了上百次回测。结论很有意思——在老国九条发布后的六个月里，表现最好的不是当时最热门的“五朵金花”（钢铁、汽车、石化、能源、金融），而是那些受益于股权分置改革的公司——比如有资产注入预期的国企、有股权激励方案的公司。

    “这个结论告诉我们什么？”林枫在周会上汇报时说，“政策的影响，不是直接的，而是通过改变市场参与者的行为来实现的。老国九条没有直接说‘买国企’，但它改变了国企的行为模式——它们开始有动力做市值管理、做资产注入。这才是真正的传导机制。”

    陈默听完，若有所思：“所以，新国九条也不会直接说‘买券商’或者‘买创业板’。它会改变上市公司的行为、改变资金的流向、改变市场的游戏规则。我们要做的，不是猜哪个板块会涨，而是理解游戏规则变了之后，哪些公司会受益。”

    “对。”林枫说，“这就是沈清如说的‘政策分析框架’——不是预测，是推演。”

    ---

    5月底，ACC召开季度策略会。

    会议的主题只有一个：新国九条之后的资产配置调整。

    沈清如先做了开场报告。她用了一个比喻：“如果把资本市场比作一个生态系统，那么政策就是气候。过去几年，气候是‘收缩’、‘规范’、‘防风险’。现在，气候在转向‘发展’、‘改革’、‘开放’。同样的物种（公司），在不同的气候下，生存和繁衍的能力完全不同。”

    她翻到下一页，是一张“气候-物种适应度”矩阵：

    政策方向 最适应物种 第二适应物种 需要警惕的物种

    鼓励并购重组 有整合能力的龙头、券商 创投、园区 纯壳公司、垃圾股

    发展多层次资本市场 券商、创投 新三板挂牌公司 依赖稀缺性的小市值公司

    扩大开放 蓝筹股、券商 纳入国际指数的行业 缺乏流动性的小盘股

    推动长期资金入市 高股息蓝筹、优质成长股 保险、养老金重仓股 高估值、无业绩支撑的概念股

    “基于这个框架，”沈清如说，“我建议调整三个方向的配置权重。”

    “第一，增加券商板块的配置。券商是牛市最直接的受益者，而且新国九条里的每一条，几乎都对券商有利。我们之前对券商的配置偏低，只有3%左右。建议提高到8%到10%。”

    “第二，增加有整合能力的龙头公司的配置。特别是那些现金流充沛、行业地位稳固、有并购历史的公司。这类公司在新国九条的环境下，可以通过并购实现外延式增长，估值有望提升。”

    “第三，逐步减少对纯题材概念股的配置。特别是那些没有业绩支撑、仅靠‘壳价值’维持的小市值公司。注册制改革一旦推进，壳价值将大幅缩水。”

    她说完，看向林枫。

    林枫站起来，接过大屏幕的控制权。

    “沈清如的框架，我做了量化验证。”他调出一张复杂的图表，“我把她说的三个方向，转化成可量化的因子——‘券商盈利弹性因子’、‘龙头整合能力因子’、‘壳价值风险因子’。然后用过去十年的数据做回测。”

    屏幕上出现三条曲线。

    “蓝色是‘券商盈利弹性因子’的超额收益。在历史上类似的政策宽松期（如2006-2007、2009），这个因子的表现非常突出，年化超额收益在15%以上。”

    “红色是‘龙头整合能力因子’。这个因子的表现更稳定，在大多数市场环境下都有正超额收益，但在政策宽松期表现尤其好。”

    “绿色是‘壳价值风险因子’——这是一个风险因子，不是收益因子。在注册制推进的预期下，这个因子有显著的负收益。也就是说，壳价值高的公司，在政策转向后表现很差。”

    林枫把图表缩小，出现了一张汇总表。

    “综合这三个因子，我做了两个组合的回测对比。组合A：维持现有配置（低券商、低龙头、高小市值）。组合B：按照沈清如的建议调整（高券商、高龙头、低小市值）。”

    “在2014年5月到2015年5月的假设持仓期内，组合B的预期收益率比组合A高出12个百分点，最大回撤低5个百分点。”

    会议室安静了几秒。

    陈默看向周锐：“你怎么看？”

    周锐一直在盯着那张汇总表。他沉默了一会儿，说：“数据说服我了。但我有一个补充——时机。新国九条是长期利好，但市场的反应可能不会那么快。我们是不是应该分批建仓，而不是一次性调整到位？”

    陈默点头：“同意。林枫，你设计一个调仓计划。券商和龙头，用三个月的时间分批加到目标仓位。小市值，用同样的时间分批减。不要冲击市场。”

    林枫在本子上记下来。

    陈默环视会议室：“还有什么不同意见吗？”

    没有人说话。

    “好，那就这么定了。ACC投票。”

    五只手举起来。全票通过。

    ---

    6月初，默石资本开始调仓。

    每天，林枫的算法会买入一定数量的券商股和龙头股，同时卖出部分小市值公司的持仓。交易量控制在全天成交量的5%以内，不给市场造成明显冲击。

    这个过程是枯燥的、机械的、没有戏剧性的。没有涨停板，没有龙虎榜，没有任何可以拿来炫耀的东西。只是每天几百万的买入，几百万的卖出，像一台机器在安静地运转。

    但陈默知道，这台机器正在做的事情，比任何涨停板都重要。它在把一种对未来的判断

    （本章未完，请点击下一页继续阅读）

『加入书签，方便阅读』