定期更新投资与研究框架是一个坚持多年的习惯。近一年，又有一些新的思考，把它加到既有的框架中去。

一、大宗商品资产的特性

1、大宗商品是效用品，是一个波动性资产。

2、期货市场存在，使得做多做空都可以盈利，只要价格存在波动。

3、与股票、债券不同的是，期货市场是一个负和博弈的市场。

4、由于科技进步、劳动生产率提高，大宗商品生产成本可以持续回落

2020年NYMEX原油5月合约出现了负价格，我们需要对大宗商品期货价格进行再理解。大宗商品期货合约本质上是一个契约安排。因此，在做大宗商品期货投资时，第一要务是花时间搞清楚合约的每个细节，并且及时关注交易所是否对期货合约的细则进行了调整。

二、大宗商品价格分析的四个关键点

1、最核心的逻辑只有一个：供求，任何其他因素都是通过供求来影响价格。问题在于如何理解供求。

2、供给与需求，在一定价格水平上，意愿供应量与意愿消费量。

这决定了，我们分析大宗商品，本质上一定是基于心理分析的。对于这一点，过去重视的非常不够。2020年3月中下旬，有投资者铜价看连续跌停，这是基于对意愿消费量的估计，在恐慌时，我们不能说这种估计是错误的，因为人类在面临巨大不确定时，心理的波动会影响行为选择，而行为选择会影响经济运行与资产买卖。长线投资的回撤控制和短线交易，也需要我们去猜测一个重大事件对社会心理、投资者心理的影响。这应该是基本面分析最为核心的部分之一。

3、四个关键点：

（1）供应

（2）消费

（3）库存

（4）货币

前三者合并为吨，最后一个称为元，就是我们需要分析的“元/吨” 。

供应与供给，消费与需求是完全不同的两个概念。库存与库存调整也是完全不同的两个概念。供给、需求、库存调整都是与价格、意愿相联系的。既有“元”的概念，也有“吨”的概念，理解“元”，就需要我们花时间去理解货币和信用，理解“吨”，就需要我们理解技术特点、物理限制等等。“元”与信用紧密相关，决定了大宗商品价格必然是与信用周期紧密相连的。这从理论逻辑上，证明了铜与十年期国债收益率的相关性，来自于信用这个共同变量。之前只是认为流动性与大宗商品价格有关，但是并未认识到信用的重要作用。

三、供应、供应预期与供应周期

1、供应的昨天、今天和明天

2、大宗商品供应分析的核心在未来的供应

3、如何去推断未来的供应预期

（1）农产品看播种面积与单产，当播种面积确定之后，需要盯住单产预期的边际变化

（2）工业品短期看利润与产量，中长期看产能投资

4、2016年以来的新变化，供给侧改革——高利润不能刺激出更多供应，而是供应下降导致了高利润

以上是过去的理解，当前来看，大宗商品价格定价的核心之一还是未来的供给，而不是供应。供给，要更为严谨一些。因为想起一件很重要的事情，2010年6月至2011年1月，豆油的库存和库存消费比、供应预期并未发生什么变化，但是豆油价格从8000元/吨左右攀升至近11000元/吨。不是因为供应变动了，而是在一个价格上，有豆油存货的人不想出了。有一种说法是，通胀预期，引发了合意库存水平的调整，有借鉴意义。在涨价预期中，持有更多库存，意味着未来更高的收益。当然，供应预期的变动会导致一个价格水平上意愿供给的变动，比如近期铁矿石价格的波动，主要来自于淡水河谷未来供应预期的调整。2012年CBOT大豆价格的历史高点，在也是在供应预期不断调整中实现的。

经济波动之源：

企业家预期——企业基于预期进行产量决策与产能决策，而企业对需求的预估可能是错误的，这带来了预期与现实的差异，这种差异导致大宗商品供应与消费出现阶段性的不匹配。

战略竞争策略——基于成本优势挤压竞争对手的市场份额——典型案例——全球第四大矿山FMG与美国页岩油

第一点，企业家基于预期做决定，与传统微观经济学的利润最大化做决定是显著不同的。之前，提出这一点，主要是参考了索罗斯的不完备信息决策和明斯基提出的基于预期做决定，这导致了并非每一个重大决策都是合乎未来现实的。近两年，自己的研究领域更多集中在股债配置上，大宗商品市场的观察作为触发信号来使用。越发认为，基于预期和基于长期战略做决策，更为符合现实。这就带来了一个显著的问题，即当前的企业家预期未必是符合未来现实的，或者说，可能被证伪。能够拓展的是，这次疫情冲击，有媒体报道居民部门房贷和信用卡也出现了一些小问题，看来，居民部门的大额支出，尤其是信用支付，依然是基于未来收入预期和资产价格预期做决策的。

重要的是，这种决策，全部都是基于不完全信息的。这彻底颠覆了过去对经济行为决定的理解。我们需要对理性、非理性进行再理解。基于上述的决策模型，能够理解产能过剩，资源错配，资产价格泡沫等等，但是因为未来不可精确提前认知是确定的，所以，以上这些现象不可避免。如果我们做的是波动性资产，或许不应该寻找所谓的正确，而是跟上经济主体的主流预期。把握主流预期的方式，可以是，迹象，扩散，趋势外推，证实或者证伪。这或许能够解释，投资决策有时不是一蹴而就额，更多是基准情形+动态调整。

研究的范式：

#基于逻辑去推测未来的供应变动（市场会形成预期），供应可能是跟随性的，也可能是独立性的。

#通过各种信息渠道确定哪家企业，在什么时间，释放多少供应。

#市场预期与真实世界的差异是否很大。（期货远期价格反映预期，若存在预期差，期货价格会出现较大波动）

#一个案例：2017年4月至6月，4000万吨至6000万吨电弧炉投产，后来政府推迟了产能投放，导致螺纹钢价格大幅波动。

之前一直认为逻辑对于投资是第一重要的，现在逐渐觉得投资是一个系统工程，没有谁比谁更重要，而是都一样重要。信息获取、逻辑推断、仓位控制等等，每一个做不好，都会对投资产生负向影响，任何一点出现了重大纰漏，都有可能让账户出现重大亏损。如果在一个品种上，我们没有信息优势，最好是放弃这个品种。现在逐渐认识到了一句话的价值，即我们极难长期在自己不具有竞争力的领域持续盈利。尤其是在衍生品这样一个负和博弈的市场。此外，一个认知是， 信息传递是有路径的，首先获得信息的人，是博弈占优的，所以，绝对的公平无从谈起。

在大宗商品供应决定方面，供应可以跟随利润、行业趋势而决定，也可以是独立而决定，这可以外推到其他领域。比如特斯拉、京东当年的供应决定，是基于未来会盈利，而不是当期盈亏。这引发了一个思考，初期不盈利的公司，我们看什么，或许，只能是基于对技术本身的理解，对产品和服务未来前景的理解，对于人类是否最终接受某一个产品或服务的理解。就说当前，纯电动车，是否会像当年内燃机车代替马车一样，彻底替代内燃机车。以ipad pro为首的平板会否把其他超极本都替代。持续思考的问题是，我们到底该如何理解未来，技术的未来，产品的未来，服务的未来，尤其是新生事物的未来。

四、需求、需求预期与需求周期

1、需求的昨天、今天和明天

2、大宗商品需求分析的核心在未来的需求

3、如何去推断未来的需求预期

（1）基于库存周期、房地产周期、朱格拉周期、政治周期等规律性认识

（2）基于趋势进行外推（此种方法无法提前识别趋势的拐点）

（3）需求的惯性来自于羊群效应

4、2016年以来的新变化，供给侧改革使得消费变动幅度低于供应变动幅度

需求相关的周期，背后的驱动因素到底是什么。逐渐倾向于认为是社会心理，人的心理。模仿行为+即时满足可能是很直接的驱动因素。这让我们想到了卖方分析师的价值，到底是发现机会，还是引领机会。因为未来并不可知，人们普遍对不确定性抱有厌恶心理。心理持续按摩，把未来的不确定性，通过持续的重复，给予一个确定性判断，就会减弱不确定性对投资者造成的心理压力。而当越来越多的人参与类似的行为决定，安全感就随之而来。当然，这种安全感可能在未来被证实，也可能被证伪。周期是，相似心理的人都做出了相应的行为选择，直至类似的力量枯竭，周期转向。周期总是相似的，因为人性是稳定的，但是每次周期持续的时间和摆动的幅度并不精确相同，因为外在约束不会每次都一样。过去听到的两句话，（1）波动率高了，就会下来；（2）横盘久了，必出大行情。可以从资源配置的角度来理解这两句话，也可以从社会心理上理解这两句话。至今，还有一个点，比较迷茫，就是边际分析、趋势外推和周期，来分析需求，三者到底是个什么样的关系。

#需求的三个部门：居民部门、企业部门和政府部门

（1）居民部门：房地产和汽车等耐用消费品

（2）企业部门：新产能投资、原材料与库存调整

（3）政府部门：基建投资与转移支付——比如棚改货币化

（4）出口是他国三个部门的需求

企业部门需求是为了满足居民和政府部门的最终需求，企业部门需求转化为最终产品的供应

重点是三个部门的信用周期，这是经济体需求扩张的基础与核心动力

2009年至2019年，中国经济增长是信用驱动的，因此，信用周期能够解释十年期国债收益率、铜价、螺纹钢价格大多数时间内的波动。如果未来十年，信用变平了（桥水的研究表明，仿佛信用周期永在），怎么办，比如信贷和社融增速一年之内波动幅度不到3个百分点。我们必须得对给予以信用周期为基准的投资框架做重大的调整，需要给予“供应”，“收入”更高的权重，更多重视劳动生产率、产能利用率、失业率、市场集中度等指标。约束是时变的，经济金融理论是时变的，投研框架也是时变的。比如，2018年以来，中国商品房销售增速的波动范围已经较2015年至2017年周期大幅缩窄，如果未来5年增速一直在-5%至5%区间运行呢。有一种预感，未来十年的主题是从总量到结构。

经济波动之源：

居民部门与政府部门的预期差

#居民部门基于未来的收入预期进行信贷行为

#政府部门基于未来的经济增长进行基建投资

但是，两个部门可能会高估未来的现实——美国次贷危机

我们总结的一句话：凡是基于涨价预期的加杠杆行为，而非未来的现金流收入，这种行为一般会带来金融系统的脆弱性。

一度认为这句话加黑的总结颇有价值，但是现在发现这句话应该是一句废话，因为未来的现金流是难以提前预知的，只能事后证伪或者证实。加杠杆，还是基于对事物本身的深刻洞察比较好。这个东西，跟我们选行业，选公司一样，还是大量研究过很多事实，历史的，现在的，然后基于信任做最终决定。但相对确定的是，不会每次群体洞察都是对的，因此，百年一遇的金融危机时常出现。个人理性与集体非理性的冲突或许好把握一些。自然界的约束是不以人类为转移的，劳动生产率变动的幅度很容易赶不上信用变动的幅度。这引发了短期债务周期和长期债务周期的调整。

需求研究的范式：

#识别需求变动的核心动力

#推断这一核心动力能够持续的时间，跟踪能够表征这一需求变动的指标体系

#一般低信贷数据会先于真实需求的启动

#常用的几个逻辑

（1）成熟经济体，就业消费循环与居民部门信贷周期；资本开支与企业信贷周期（包括股票、债券与银行信贷）

（2）发展中经济体，房地产与居民信用周期；政府信用周期与基建；企业产能投资与企业部门信用周期

#最重要的是，需求的识别要落实到特定的经济主体与地理空间上，越细致越好

疫情之后，房地产企业开始赶工，在新开工面积变动不大的情况下，螺纹钢和线材需求非常强劲，这是需求识别要落实到经济主体和地理空间上的必要之处，再加一个时间范畴。建立跟踪需求的指标体系，并不容易，主要是统计工作本身难以有效完成，统计口径时常变动。目前为止，货币金融数据、海关数据是相对更为可信的，而其他数据的趋势相对可信，而绝对水平，需要打个问号，比如固定资产投资的绝对额，2019年做了一次重大的修正。上述分析要点，看似有合理之处，实则多是主观瞎猜，比如核心动力是啥，这就是对比各种经济力量，着实不易。这个时候，波普尔的证实证伪哲学，或许更有价值，假设——验证的思维，糅合到上述描述中。

五、库存、库存调整与价格预期

库存变动的解读是最难的，即便调研，不同的贸易商价格预期不同，行为选择不同，只能参考。

总结的一些经验

1、越涨越没货，一跌货全出来了

2、涨价预期中，一般会引发产业链集体库存向上调整，至于能不能补上货要看真实需求的相对强度

3、跌价预期中，一般会引起产业链库存集体向下调整，至于能不能把货甩的出去就很难讲

4、库存调整与价格预期存在自我加强的内生性循环

5、库存调整伴随于供应与需求的趋势性变动，一般缺乏独立性。因此，分析供应预期与需求预期依然是最核心的。从这个意义上讲，库存变动只是一个加速器。

6、期货投资中，库存调整是极为重要的，尽管库存调整对一年以上的经济运行影响极为有限。因为，期货合约的时间跨度是有限的。

有关库存，之前专题写过一篇文章，在此，就不赘述了，这一年，在这个领域，尚无更深的理解与思考。库存调整时价格变动的一个加速器，应该是可以接受的一个总结。可以拓展的领域是把这种思维拓展到权益和债券市场，金融资产，也会类似大宗商品库存调整的逻辑。概率意义上，部分投资者，越涨越乐观，越跌越悲观。体现在股债价格上，就是加速，而一旦行情加速，如果是短线交易，就有必要调整自己的仓位。换句话说，不能让行情影响自己的判断，而是基于自己的判断来应对行情。这一点，其实，做到挺不容易的。

六、信用货币内生性与经济主体的预期

1、信用货币来自于信贷，来自于经济主体的贷款，即商业银行的资产创造

2、居民部门信贷具有典型的模仿、跟随，可以理解为羊群效应。

3、政府部门信贷可能是政治周期、对冲经济下行压力或者某种战略性的安排

4、企业部门信贷可能主要是产能投放与已有产能的正常运行

当经济主体的某一项需求持续释放时，多伴随着这一类经济主体的信用周期扩张；当某一类投资者加杠杆投资一种资产时，若商业银行参与其中，往往带来信贷投放增加与资产价格上涨的内生性循环。

以上是对2015年中国股市、2002年至2007年美国房地产市场，2016年中国债券市场观察后的一些理解。这又是一个很难把握的主观预期循环，乐观，扩表，驱动资产价格，更为乐观。很难识别，这个循环何时启动，也很难预知这个循环何时结束。但有一点或许是重要的，即我们需要监控商业银行、非银金融机构的资产负债表变动。这个不仅仅对于做大宗商品有用，对于做权益和债券也是有用的， 如果跟踪的比较紧密，知道很多企业在2020年一季度发了债、贷了款，购买了2万亿的结构性存款，没有进实体，大概率能够推断出央行将有所动作。

#企业预期乐观，企业加杠杆，带来供应，即期或远期

#居民与政府预期乐观，居民与政府加杠杆，带来需求扩张

一般地

（1）货币增速提高，需求扩张，若供应短期跟不上，会导致供需格局趋向于偏紧

（2）当流动性宽松，投资者用流动性叠加情绪，对商品的供需缺口进行估值

（3）央行对商业银行的基础货币投放，银行对居民、非金融企业和政府的信贷投放，关键在于各自的投放力度，以及是主动还是被动。

看来过去对货币的定义是不严谨的。M1增速的提高，可以理解为经济主体更为活跃一些。信用增速提高的描述，就更能让人接受一些。企业增加产能投放，未必是依靠信贷，也可以依靠股权融资。美国这次股市的调整，也展示了一个现实，借债用来股票回购，数万亿美元是这么做的。这提示我们一个重要的点，即我们分析宏观经济，也需要工作关注典型行业典型公司资产负债表的变动。流动性宽松是一个极难定义的概念，供需缺口本身就是一个对未来主观的推断。这样的表述，价值有限。商业银行的主动投放，还是被动，更是难以识别。这些思考集中在2017年前后，最近一年，已经很少用文字描述式的框架，而更多是基于数据构造的经济指标体系，即做到概念变量——到指标变量——再到数据变量。凡是不能数据化的概念变量，逐渐从投研框架中踢出去。

七、大宗商品期货投资的要素

一个可以参考的框架

驱动因素+安全边际

1、驱动因素

（1）供应预期变动

（2）需求预期变动

（3）库存调整

（4）情绪与供需缺口估值

2、安全边际

（1）期货与现货的升贴水/各种比价与价差关系

（2）库存水平

（3）产业链利润水平与分布

（4）潜在供应能力

（5）潜在需求空间/政策空间——政府逆周期调节的能力

之前一直认为安全边际比驱动因素重要，但是2020年NYMEX原油5月的合约的负价格，让我们认识到驱动因素至少比安全边际一样重要，或者更为重要一些。大宗商品投资是一个很细致的活，要购买大量的数据库，还要辅助于必要的调研。之前认为框架很重要，现在更倾向于认为输入框架中的经济变量的质量更为重要。这也是自己很少重仓大宗商品期货的主要原因了，没有信息、数据的优势，就不是这个市场第一层级的玩家。框架+输入框架中的变量+使用框架的投资者，是一个有机整体。重要的是，框架还是内生于知识结构的，真正熟练掌握，并不容易。

本文中，有关“需求”这个词语的表述和用法是不严谨的，有关“货币”，“流动性”，“信用”的表述和用法也是不严谨的，有关“存货”，“库存”，“库存调整”的用法也是不严谨的，有关“预期”的理解和表述也难以落实到数据变量上，此外，还有很多文字的表述和用法均不严谨。特此说明。文字描述的框架，仅仅是一个参考，它更多是一种思考上的启发，而不是现实可用的工具。以上描述，如果能用数学语言和计算机语言表述出来，那么，其可用性就大大增强了。