复盘框架的升级——兼论因果图和...

复盘框架的升级——兼论因果图和数量公式的结合

在我们每天的复盘中，我们会利用到两个核心框架，一个框架是债市的资产负债分析，另一个是股市的资产负债分析。如图一所示。 这个图实际上是朱迪亚-铂尔的因果图，正是这个原因，最新文章《 》的封面人物是朱迪亚-铂尔。他是人工智能方面的大拿，图灵奖获得者。有一本比较有名的书《为什么——关于因果关系的新科学》。这本书有一些难度，需要一定量的数理基础，最好修过统计学或计量经济学之类的课程。 我的这些图示类的框架，糅合了两类思想，一是弗里德曼的分类思想，二是朱迪亚-铂尔的因果图分析。 作为模型的使用者，大家没必要了解得太细致，稍微了解一下思想就可以了。 不少朋友问一些数量方面的问题——这两个框架能不能表达成数量形式？ 他们当然可以表达成数量形式。 在前文《 》之中，我们已经表达出一个数量形式： P*T=H/(δ*ρ） 对应的关系图如图二所示。 虽然这个等式看起来很简洁、漂亮，但也是有瑕疵的。 这个瑕疵来源于等式自身，无法表达因果逻辑的核心——方向性。 什么样的符号可以用来表达方向呢？不等式！！ 事实上，这个错误之所以普遍，是因为我们太过于钟爱等式，不太喜欢不等式。因为我们喜欢精确，不喜欢模糊。 一个合理的表达形式应该是不等式：P*T<=H/(δ*ρ） 因果图和数量公式的对应如图三所示。 P是债券的价格，跟利率表现出负相关。利率会作为配平项去吸收这个不等式其他参数的变化。 要么是社融T，要么是准备规模H，要么是准备金率δ，要么是流动性偏好ρ。 这个帖子的关键是，如何结合因果图和数量公式。 图形和公式两种范式相互印证可以让想法迭代的更快。 最近央行玩了一个很有意思的操作：打消q4降准的预期，增加短期资金供给。 这就导致H可以分为两块，一块是中长期资金H1，另一块是短期资金H2 因此，整个公式变成P*T<=（H1+H2)/(δ*ρ） 影响等式左端的力量可以进一步细化成两类，一类是长期力量，H1大量mlf净投放，δ降准，ρ流动性偏好；另一类是短期力量，H2代表央行短期操作的温和程度。 整个体系变成图四的体系，靶点更为细化，分类系统更为精确。 上面的讨论主要讲了三方面的东西： 1、升级债市框架的版本； 2、强调不等式的作用； 3、展示如何结合因果图和数量公式；