本文来自微信公众号：沧海一土狗 （ID：canghaiyitugou），作者：沧海一土狗，原文标题：《A股的第三个底——兼论股市的隐藏约束》，题图来源：视觉中国
春节假期结束以来，股票市场持续调整。其中，公募基金重仓股调整幅度最大。
以万得金仓100为例，1月30日至3月10日，该指数累计下跌8.84%，抹去了今年以来的全部涨幅。
要知道，这100只标的几乎是公募基金持仓最多的标的，这导致了一个极其严重的后果：
截至3月10日，3600+只偏股混合型基金的中位数业绩回落至1.05%，几乎抹掉了今年以来的全部涨幅。
也就是说，一个多月以来，公募基金几乎经历了一次小型的熊市。
对于这个现象，市场有一系列解释，比较流行的是以下两个：
1. 经济复苏较弱，因此，股市调整；
2. 虽然经济复苏还可以，但是，市场不看好未来，所以，股市调整；
我们可以叫前者弱现实，叫后者强现实弱预期。
然而，从理论解释的角度来看，这两个解释并没有穷尽所有的理论可能性。事实上，还有一种理论可能性：复苏太强了。这篇文章打算沿着这个方向构建一种不同的解释机制。
复苏过强所带来的冲击
无论是弱现实方案，还是弱预期方案，都有一个核心假设：股市是现实或预期的直接映射。
如上图所示，这两个方案均可以归为一阶方案：x因素——股市表现。然而，一阶方案容易遭遇可见偏差。
事实上，还有一类方案——二阶方案，x因素和y因素匹配股市表现好，反之，股市表现不好。
匹配或不匹配并不那么容易被观察到，所以，也不容易成为流行解释。另外，我们人类天然是证实偏差生物，很容易被一阶方案所俘获。事实上，二阶方案所构造的解释其实也很简单：历史遗留问题导致公募的持仓偏向于弱复苏和弱衰退，但是，经济却走向了强复苏。于是，强复苏导致了公募重仓股跌了一个多月。
直到高速摄像机发明出来，他们才搞清楚背后的原理。
如上图所示，猫首先折叠自己的身体，让前半段和后半段均围绕子系统的中轴顺时针运动；相应的，整个系统会围绕总系统的中轴逆时针运动。在这个过程中，整个系统保持角动量守恒。
不难发现，折叠身体才是最核心的变化。如果不允许猫折叠自己的身体，它无论如何也无法空中翻身。
虽然猫并不清楚角动量守恒定律，但是，自然选择以此为约束塑造了这个物种：当一只猫从树枝上倒着摔下来的时候，它本能地折叠、转体，然后，四脚着地。
不掌握这个本能的猫都消失了。
股市中的隐藏约束
在猫落问题中，我们发现：角动量守恒导致，猫在每一次下落中都要折叠自己的身体。
也就是说，在猫落问题中，真正冲突的是这两个假设：
1. 角动量守恒；
2. 猫不折叠自己的身体；
借助猫落问题，我们可以诱导出股票市场里的某种假设冲突：
1. 某种守恒约束；
2. 股指不下跌；
什么意思呢？由于某种守恒约束的存在，当现实和持仓发生冲突时，股指必然要先下跌，再上涨，来消除冲突。
即，由于隐蔽约束的存在，基金重仓指数只能先下跌，后上涨以完成环境适应（如上图所示）；它没有办法走直线。
推理进行到这里，我们就能明白一阶方案的问题了：一阶方案无视隐蔽约束的存在，并假设调整持仓以适应环境的成本是零。
信息结构和波动率
在《刍狗定律——切换必然下跌》中，我们讨论过类似的问题：
在夏普方程式中，我们认为股票的波动率才是被决定变量，SP值——夏普比率——是由投资者的信息结构（ps：聪明程度）决定的。
如果投资者们的信息结构差，那么，夏普比率低；如果投资者的信息结构好，那么，夏普比率高。
什么意思呢？对于一个事物，如果大家理解程度深、分歧小，那么，投资者的信息结构就好，夏普比率高；反之，信息结构就差，夏普比率就低。
换言之，投资者群体越聪明，环境变动时市场波动就越小；反之，投资者群体越不聪明，环境变动时市场波动就大。
当然，聪明与否只是问题的一个方面，还有另外一个重要方面则是激励机制。
激励机制和信息结构
在这一波行情里，有一个极其明显的跷跷板：万得金仓100指数，表现得很差；小市值指数，则表现得很好。
在样本时间区间内，小市值指数录得上涨，累计上涨4.91%，和万得金仓100指数的-8.84%形成鲜明的对比。
如上图所示，为简化表达，我们可以把股票分成两个阵营：
1. 公募重仓阵营，贝塔方向；
2. 其他股票阵营，阿尔法方向；
当公募基金缺乏增量资金时，公募基金会陷入一个诡异的博弈——每一个投资者都有动机去——减少贝塔，提高阿尔法。这样做又会导致这个投资者的相对排名上升。
于是，就会形成一个螺旋：减贝塔加阿尔法的投资者越多，大环境就越鼓励投资者这么做。
如上图所示，当贝塔的持仓结构和经济不一致时，有两种适应方式：
一种是调整贝塔结构，虽然贝塔不会下跌，但是，信息负载极高，它竟然要求投资者协调一致行动；
另一种是个体降低贝塔，提高阿尔法，虽然贝塔大幅下跌，但是，信息负载极低，投资者按照对自己有利的方案行动即可。
无数次现实告诉我们：
市场能省则省，它不谈理想，只会按照信息负载最低的方式行事。
不难发现，激励机制也会导致一个必然结果：贝塔方向一定得先收缩。
综上所述，我们就得到一个核心概念——市场的信息结构，其背后是两个部分：
1. 投资者的平均聪明程度；
2.投资者的协调组织情况，或者说博弈情况；
说实话，我们真的不能去假设投资者又聪明、又老实；实际情况是，投资者们没那么聪明，又爱博弈。
之所以我们的直觉会跟市场表现有种种冲突，是因为我们总是假定市场的信息结构很好，会走直线。
博弈的底部
好了，终于又到了大家喜闻乐见的猜底环节了。前一段时间，我预测过两次底部：
1、2022年5月2日的《股市见底了吗？》；
2、2022年10月29日的《A股的第二个底》；
那两次下跌的原因各有不同：第一次是强衰退+去杠杆；第二次是强衰退。
当然，这次的跌幅跟那两次没法比，那么，为什么我还愿意叫它第三个底呢？
因为跌的原因足够奇葩——强复苏！而且，这三个底都有一个共同特征：都是某种程度上的博弈底部。所有的底部都伴随着一个核心比喻：
市场上有个卖鱼的，活鱼8块，死鱼3块。一天，一位主妇蹲在鱼摊前，也不说话，就静静地看着一条鱼喘气。卖鱼的就好奇地问她“你看它干嘛”，主妇平静地说道“我在等它咽气”。
事实上，在任何一轮行情的底部，市场的估值已经变得极其便宜了，市场的核心关注点并不在于资产端因素；而在于负债端因素——杠杆何时出清（ps：鱼什么时候死？）。
这一轮也是如此，贝塔方向跌跌不休，但是，在岸边等鱼咽气的“主妇”越来越多。
最终，市场会以两种方式出清：
1. 鱼咽气了，主妇们蜂拥而入；
2. 有什么外部消息打破了主妇们的联盟；
这一轮我们很可能看不到那种“鱼死了”的底部——能够瓦解主妇联盟的外部因素太多了：
1. 2月信贷数据很不错，增加经济强复苏的证据；
2. 两会闭幕，政策不确定性消失；
3. 潜在金融风险制约fed加息空间；
所以，我们大概率会看到一个现象：xx利好，股市上涨。然而，真实的情况是：xx利好只是运气好，恰好赶上市场运行的关键节点。
时准时不准的规律和一阶方案透镜
在投资领域，我们经常会碰到一些时准时不准的规律。
在《经济活动和十年国债利率的关系》一文中，我们仔细剖析了十年国债利率、信贷投放和经济活动的关系。
在可见偏差的扭曲下，我们认为，天量信贷意味着十年国债利率上行。
但是，实际情况却是：经济活动增强推动十年国债利率上行，增量信贷会缓释这种上行。
那么，为什么有些时候天量信贷落地后十年国债利率会快速上行呢？因为市场认为央行要收紧信贷了。
3月10日央行公布了2月的信贷数据，实际结果大超预期：
但是，十年国债收益率反而下行了。
虽然利率的下行部分反馈了美国的风险事件，但更重要的是：市场并不认为央行会在Q1就收紧信贷。
这个例子告诉我们：之所以有些规律时准时不准，是因为我们天然戴了一阶方案的墨镜。
如果背后的发生机制是一阶的，我们不会碰到任何麻烦；如果背后的发生机制是二阶的，那么，某些规律必然时准时不准。这类规律包括但不限于：
1. 股市是经济的晴雨表；
2. 天量信贷导致十债利率上行；
3. 股市和债市是跷跷板；
对于第3个规律，最近发生了一件极具反讽意味的事情：股票投资者一直在盯着十年国债利率交易，似乎十年国债利率代表了一个重要信号。但是，之所以十年国债利率上不去，是因为股市出了大的bug——贝塔方向在收缩以适应环境。
之所以十年国债利率下行是因为系统进入一种诡异的平衡：
1. 增量信贷抵消了实体经济的力量；
2. 贝塔持仓和经济结构冲突导致资金回流债市；
不幸的是，这个解释由两个二阶方案构成，很多要素不可见，因此，它很难被接受。
如果我们接受这个理论，那么，债市最大的敌人一定是股市：
一旦贝塔持仓结构的问题得到解决，那么，十债收益率会快速升破3%。
也就是说，大概率是股市推动十债利率破3%；而不是相反。
结束语
综上所述，我们就得到一系列不相矛盾的结论：
1. 股市的信息结构大体恒定，处于较低状态，市场会沿着信息负载最低的方向运动，股市的高波动是常态；
2. 信息结构约束是股市的隐藏约束；
3. 本轮贝塔方向的下跌是因为强复苏；
4. 之所以十债利率不反馈强复苏是因为信贷太好；
5. 一般情况下，强复苏会导致贝塔方向上涨，阿尔法方向下跌；但是，这个结论强烈依赖于贝塔的存量结构和强复苏一致；
6. 当贝塔的存量结构和强复苏不一致时，贝塔下跌，阿尔法上涨以及信贷数据较好，才是强复苏的自然结果；
7. 一旦贝塔触底反弹，贝塔和阿尔法的跷跷板会反向运转；
8. 一旦贝塔触底反弹，十债利率会重新上行；
9. 15号的经济数据一定超预期得好；
10. 这次的底部才是未来牛市的真正起点；
11. 人类天然偏好一阶方案，会被可见偏差困扰，但真实世界里二阶方案的比率很高；
12. 这个世界充满了看不见的约束；
13. 有约束的情况下，两点之间，直线并非最短路径；
14. 对经济解释而言，重要的不是某一个结论，而是，一系列一致性结论。
本文来自微信公众号：沧海一土狗 （ID：canghaiyitugou），作者：沧海一土狗