1. WOMAL 五维大势研判框架

1.1. 赔率视角：把握空间

胜率和赔率原是两个常见的博彩术语，落到投资中，前者衡量了一项投资未 来取得预期收益的概率，是一种相对确定性；后者则指向投资成功后所可能获取 的最大收益空间，是一种收益风险比。胜率与赔率正如硬币的两面，有其各自的 优劣势，但在绝大部分情况下难以兼得。倚赖胜率带来投资收益的平庸化，而倚 赖赔率则要承受相应的左侧成本，过分单一地追求胜率或赔率均不可取。

对于权益市场而言，我们采用股权风险溢价（ERP）反映权益资产的赔率， 由于具备明显的均值回归特点，其对于中期维度的择时具有一定的指导意义。严 格而言，股权风险溢价（ERP）是指权益资产收益率与无风险利率的差值，代表 了持有权益资产所需要付出的风险溢价。在具体实践中，后者常以十年期国债利 率衡量，而对于前者来说，市场常以 PE 的倒数进行衡量，此外，股息率也是一 种常用的衡量方式。从另一个角度来看，ERP 也反映了股债相对性价比，即 Edward Yardeni 提出的 Fed Model，衡量了股票和债券相对估值。

需要说明的是，PE 倒数与股息率对权益资产收益率的衡量各有优劣，同时 考虑基于它们计算得到的两种 ERP 更加稳健。一方面，PE 倒数所代表的投资回 报要比股息率更宽泛，可以更好地表征持有权益资产的综合收益。但从计算方式上看，无论是静态 PE 还是 PE（TTM）均基于上市公司历史盈利，都具有一定 的滞后性。而若采用动态 PE，又会纳入分析师预测的主观性，其本身的可信性 与稳定性亦会存疑。另一方面，股息率所代表的投资回报要比 PE 倒数更稳定， 波动范围相应也会更小，均值回归特性更明显，其与债券到期收益率又同属收益 率概念，匹配度亦更佳。但由于上市公司并不都会进行派息，其广义代表性又会 受损。因此，我们可以同时考虑基于 PE 倒数计算的 ERP 和基于股息率计算的 ERP，互补双方优劣。

1.2. 胜率视角：追逐概率

赔率看空间，这一“空间”是均值回归特性所带来的；胜率看概率，这一 “概率”是经济基本面/资产资本面的边际变动所引发的。如果说追求高赔率代 表了左侧交易与对安全边际的考量，追求高胜率则意味着对基本面改善的率先跟 随。需要说明的是，历史胜率容易以归纳法复盘，未来胜率却无法精准把握，胜 率思维不像赔率思维有均值回归的支撑，一切判断均是在各种约束条件下做出的， 即便可能有各类数据支撑，保证约束条件不会发生突变仍是一个重要的前提。

对于权益市场整体而言，自上而下看，经济基本面的边际变动是最基本的胜 率指引，其在很大程度上影响着企业盈利与市场预期。更重要的是，随着经济增 长的波动收敛，市场波动率也会自然趋缓，经济的内生性增长对企业盈利的宏观 支撑也因此显得尤为关键。然而，相比赔率，胜率是一个更难以捕捉和确认的信 号，想要客观地、前瞻性地判断宏观胜率的变化，一个基本的思路就是寻找到宏 观经济的领先指标，宏观景气指数/经济先行指数为此提供了一个有效的工具。

1909 年，美国统计机构巴布森（Babson）发布了由商业、货币、投资等领 域 12 个微观指标合成的巴布森经济活动指数。此后，美国布鲁克迈尔经济研究 所（Brookmire Economic Service）也于 1911 年编制并发布了涉及股票、商品 和货币等市场的经济景气指标。但这一时期影响力最大的景气指数当属 1919 年 哈佛大学珀森斯（W. M. Persons）教授领衔编制的哈佛指数（Harvard Index of General Economic Conditions）。此后，诸多景气指数/经济活动领先指数涌现于 美国的民间或官方，较为著名的有 NBER 的景气监测体系、纽约联储周度经济 指数（WEI）、芝加哥联储全国活动指数（CFNAI）、美国咨商会领先经济指数 （LEI）、美国经济周期研究所（ECRI）领先指标等等，在方法上可分为扩散指 数法、合成指数法、景气灯模型法等主要构建方法。

而具体到与中国经济基本面相关的先行指标，学界、业界和官方均做出过许 多有益的探索，但受到数据规模、口径、时序长度等因素的影响，其成熟度与规 范性尚有提升空间。从官方公布的数据来看，隶属于国家统计局的中国经济景气 监测中心构建了中国宏观经济景气先行指数，其主要底层指标包含恒生内地流通 股指数、产品销售率、M2、新开工项目、物流指数、房地产开发投资先行指数、 消费者预期指数和国债利率差等，但该指数于今年 3 月后并未再及时发布最新值。 历史上看，国家统计局的“国经指数先行指数”、国务院发展和研究中心的 “DRC 先行指数”以及卡斯特经济评价中心的“卡斯特景气预警体系”也已由 于各自的种种原因不再保持更新。

考虑到公开性与时效性，OECD 中国综合领先指标（Composite Leading Indicator）和 CEIC 中国先行指标（Leading Indicator）是目前两种较为常用的、公开的经济领先指标： 1）OECD China CLI：该领先指标由经济合作与发展组织（OECD）编制并 月度发布，旨在反映产出缺口的波动，即经济活动围绕其长期潜在水平 的波动，其侧重于判断未来 6-9 个月维度下的拐点/转折点（波峰和波 谷），通过将各类关键短期经济指标聚合得到，是去趋势和平滑分量序列 后的均值，能够较好地度量并预测各经济体的经济活跃程度。当标准化 后的 OECD CLI 指标高于/低于 100，表明实际 GDP 高于/低于其长期潜 在水平。OECD CLI 旨在提供短期经济走势的定性信息而非定量指标。 因此 CLI 随时间变化所带来的主要信息是增加或减少，而非变动的幅度。

2）CEIC China LI：该领先指标由经济数据与分析研究提供商 CEIC 编制并 月度发布，涵盖并加权综合了金融市场、货币、劳动力、贸易和工业等 若干宏观因素，以表征一国的综合景气程度，目前包括巴西、中国、印 度、印度尼西亚、俄罗斯、欧元区、日本和美国 8 个经济体。

观察 OECD China CLI 和 CEIC China LI 的走势，可以发现，这两者对我国 的 GDP 增速均具备一定的领先性，尤其是对纳入价格因素的、波动更大的名义 GDP 增速，但这种领先性近些年来已在渐趋减弱。其原因可能在于，近年来我 国的经济结构、产业结构已发生巨大转变，经济增速波动率收敛，增长速度整体 态势有所下移，而领先指标的有效性依赖于底层数据的选取，如果其结构层面的 成分数据没有得到动态调整与更新，其领先性就会有所减弱，最终合成得到的指标的领先性也会相应削弱。但是，作为月度更新的数据，OECD China CLI 和 CEIC China LI 仍可以给我们提供一定的基本面前瞻信息。

当然，与成熟的领先指标类似，我们也可以通过筛选底层经济指标构建出更 高频的、更贴合当前中国经济实际的经济领先指标/景气指数，正如我们在量化 经济指数周报中所构造的 ECI 指数（构建过程详见报告《用一个指标衡量经济景 气度》），通过类似的综合指标对当下经济运行的冷热程度进行动态的感知。 综合地把握经济运行的整体趋势固然能够给我们提供全局性的见解，而对市 场在不同阶段赋权较高的关键驱动因子或风险因子的追踪同样重要。一方面，这 些因子可能并没有被计入领先指标的底层，其变化无法反映在综合指标中；另一 方面，它们也可能对经济运行产生系统性的影响，比如房地产问题、地方政府债 务化解问题以及地缘政治环境问题等，也可能对资金预期和资金行为产生明显的 扰动。因此，在进行胜率的跟踪分析时，我们也要综合考虑总体大趋势与少数关 键点。

1.3. 动量视角：跟踪趋势与轮动

赔率和胜率联合决定了权益资产向上的空间和概率，在投资者确定了合意的 赔率和胜率后，交易即可开始。但在实际交易中仅仅依靠左侧入场的魄力和追随 基本面改善的能力显然是不足够的，单纯的赔率-胜率框架没有纳入任何交易性 因素，对于投资的指导意义过于理想化。本小节中，我们在框架内首先纳入对动 量因素的考量。

动量效应（Momentum Effect）最早于 1993 年由 Jegadeesh 和 Titman 在 《Journal of Finance》上发表的著名论文《Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency》中提出，从论文直白 的题目中我们也可以看出，所谓的动量效应，即买入上涨标的，卖出下跌标的， “追涨杀跌”同样能带来可观的收益率。严格来说，动量效应是指在交易“惯性” 下，股票的收益率有延续原先运动方向的趋势，即过去一段时间收益率较高的股 票在未来获得的收益率仍会高于过去收益率较低的股票。当然，动量形成的趋势 并不可能永恒存在，与动量效应相伴而生的还有反转效应（Reversal Effect）， 在一段较长的时间内，表现较好或较差的股票亦具有强烈的反转倾向，在行为金 融学的视角下，投资者心态模型（BSV Model）指出动量和反转两种收益异象源 于投资者的反应不足与过度反应，它们均在不同程度上反映了市场的非有效性。

进一步，动量又可在时间序列和横截面两个维度上分为时序动量（TimeSeries Momentum）和截面动量（Cross-Sectional Momentum）两类，前者 又称为绝对动量，后者又称为相对动量。截面动量策略是指，通过对横截面上各 资产过去一段时间的收益率进行排序，做多过去收益高的资产、做空过去收益低 的资产，构建对应的多空组合以获取超额收益。因此，时序动量策略意味着进行 趋势跟踪，截面动量策略意味着进行买强卖弱，截面动量和时序动量是同时存在 的。由于我们这里侧重于对大势的分析，因此时序动量的观测对象是某宽基指数， 截面动量的观测对象是各细分行业。

1.3.1. 时序维度

首先，对于时序动量，我们从长短移动均线交叉的视角出发进行观察。由于移动均线平滑了时间序列，有助于把握指数在不同时间维度下的走势。具体而言， 移动周期越长，移动均线就越难反映序列中的短期波动，但也因此使我们能更好 地把握大的变动趋势；而移动周期越短，其所容纳的短期波动就更多，更能体现 短期的交易趋势。如果将长周期移动平均线称为慢线，短周期移动平均线称为快 线，快线与慢线的交叉意味着长短趋势的背离，因此可能对应了买卖节点的临近。 快线上穿慢线为可能的买入信号，快线下穿慢线为可能的卖出信号，这也是技术 分析中所谓的“金叉”与“死叉”，快慢线的交替反映了权益资产价格上的强弱 变化。但任何方法计算出的长/短均线都是基于历史数据的滞后指标，我们只是 借助其观察历史，而非预测未来，对未来的判断需要纳入更多额外的考虑。

除了一般的快慢均线设置，我们还可以采用技术分析中经典的 MACD 指标 （Moving Average Convergence/Divergence）观察大盘的时序动量趋势。平 滑异同移动平均线（MACD）可以反映短期均线（快线）与长期均线（慢线）之 间聚合与分离的动态变化，具体而言： 1）DIF = 短周期指数平滑移动平均 - 长周期指数平滑移动平均 2）DEA = DIF 的指数平滑移动平均 3）MACD = 2 × (DIF - DEA) 一个较为常见的参数设置为 MACD（12，26，9），12 为短周期，26 为长周 期，9 为 DIF 的平滑周期。可以发现，在周度视角下，DIF 上穿或回穿 DEA 后 均具有一定的惯性，这就是时序动量效应的体现，这一特征对于中短期择时具有 一定的指导意义。

1.3.2. 截面维度

截面多空策略的思路在于做多过去一段时间表现较好的资产，同时做空过去 一段时间表现较差的资产，较强的进攻性也决定了其在市场涨跌分化较明显的区 间内表现较好，但在普涨/普跌行情中表现相对平庸，整体逊色于跟随趋势的时 序动量策略。借鉴这种思路，我们认为投资者无论采取什么样的交易策略，结构 层面上的行业轮动快慢都是影响最终收益率高低的关键因素。 在截面维度上，可以通过观察一定时间窗口内各行业的区间收益率观察其强 弱趋势，在每周的《情绪、轮动与估值周观察》中我们就借助热力图、相对旋转 图（RRG）等工具对申万一级行业的绝对收益轮动以及超额收益轮动进行了跟 踪，类似地，我们还可以通过改变行业/风格分类以及时间区间考察不同时间维 度下的市场轮动态势。

但在本小节，我们不考虑各行业各自的具体历史表现，而是主要观察权益市 场内部各行业间轮动速度的变化，以此反映交易焦点的收敛与扩散。为此，以申 万一级行业分类为例，我们遵从如下步骤构造了一个表征行业轮动速度的指标： 1）在申万一级行业分类下，计算各行业的日度涨跌幅 2）对每日的行业涨跌幅进行组内排序 3）分别计算各行业的日度涨跌幅排名变动并取绝对值 5）加总所有行业的排名绝对变动，并进行 60DMA 的平滑处理 6）最后对平滑后的数值进行滚动 5 年 Z-score 标准化。

我们将最终得到的 Z-score 分数称作申万一级行业的行业轮动速度。 对行业轮动速度的把握有助于感知市场交易风格，“你方唱罢我登场”的本 质是市场寻找主线的过程或市场主线彼此间的切换，而极端的轮动速度一般意味 着无主线震荡或结构性行情。因此，行业间轮动速度的扩张或收敛对实际交易难 度的提示值得我们关注并加以把握。

1.4. 交易视角：感知热度与分歧

时序上的动量累积与截面上的行业选择共同驱动着指数不断运行，然而，无 论是具备强势行业主线的结构性行情还是普涨的主升浪行情，都将在短期推升市 场交易的拥挤度，而在大多数情况下，任何资金力量主导的、任何形式的“人声 鼎沸”都可能会使得市场微观结构短期脆弱化，尤其是在 A 股这样一个缺乏明确 做空机制的市场中，交易的拥挤也同时催生了“反转效应”，高拥挤意味着出现 由于微观交易结构恶化而导致回撤的可能性较大。在本小节中，我们选择从整体 拥挤度/市场热度和行业分歧度两个角度观察市场的拥挤程度。

1.4.1. 市场热度

成交额和换手率是两个最基本的交投风向标，从流动性层面反映了市场的整 体拥挤度。一般来说，高成交额对应着高换手率，但高换手率也可能伴随着较低 的成交额，如缩量上涨行情；低换手率也可能伴随着较高的成交额，如横盘整理 后短期的一致做多。因此，可以对换手率和成交额二者进行综合以纳入更多信息， 我们遵从如下步骤构造了一个反映市场热度的指标：

1）对万得全 A 成交额与换手率分别做 60DMA 的平滑处理 2）对二者分别进行滚动 5 年 Z-score 标准化 3）取成交额 Z-score 与换手率 Z-score 二者的简单算数平均 我们将最终得到的 Z-score 均值称作全 A 的市场热度。当然，我们还可以综 合考虑技术分析层面的 RSI、ADL、ADR、兴登堡预兆（Hindenburg Omen）等 一系列指标，也可以关注跨市场层面的期权 PCR、股指期货期限结构等，甚至 基于 NLP（自然语言处理）构造股民情绪指标，从多角度反映股市的整体拥挤度。 但在本框架中，我们只考虑最基本的市场交易结果，市场热度指标综合了最简单 的成交额与换手率信息，同样能够很好地反映市场总体交投热情。

1.4.2. 行业分歧度

然而，对市场整体拥挤程度的把握较为笼统，其中没有纳入市场中行业交易 结构的信息，且其至多算是一个同步指标。正如我们在动量视角下对于截面动量 的观察，在考察市场拥挤度时也应当考虑其中的结构性因素，即市场对于各行业 的交易是否存在明显分歧，而这同样可以基于交易产生的结果进行倒推。基于分 行业的收益率数据，我们遵从如下步骤构造了一个反映行业分歧度的指标： 1）建立申万一级行业指数的日度收益率矩阵 2）对矩阵进行主成分分析（PCA），滑动窗口 60 日，步长 1 日3）执行上述 PCA 并返回第一主成分（PC1）的方差解释率 4）计算（100% - PC1 的方差解释率）并对其进行滚动 5 年 Z-score 标准化。

我们将最终得到的 Z-score 得分称作申万一级行业分类下的行业分歧度。 PCA（Principal Component Analysis）是一种常用的数据降维技术，其基本思 想是在降维的过程中，生成既可以减少特征数量、同时又保留大部分有效信息的 新特征矩阵。其做法是找到一个接近数据集分布的超平面，然后将 n 维特征投影 到新的相互正交的 k 维上（k<n）。而方差解释率（Explained Variance Ratio） 衡量了由各个主成分所解释的相对方差比例，可以理解为某一主成分从原矩阵中 提取了多大比例的信息量。

第一主成分（PC1）容纳了数据中的最大方差，为简单起见，我们在这里只 考虑 PC1 的方差解释率。从直观上来说，各行业的收益率变化作为最终的交易 结果，反映了一段时间内市场的行业选择倾向。如果市场对于行业选择的分歧度 越小，各行业强弱差异并不大，原矩阵的冗余信息和噪声就相对较少，PC1 的方 差解释率就越大；反之，如果市场对于各行业的分歧度越大，各行业强弱有很大 差异，原矩阵的冗余信息和噪声就相对较多，PC1 的方差解释率反而越小。从最 终结果看，相比市场整体热度，行业分歧度容纳了行业层面的交易信息，且在行 情顶部对于后续的回调具有一定的前瞻性，具备一定的“逃顶”能力。

1.5. 资金视角：关注边际定价者

交易结果的背后是资金力量的多空交织，而“边际定价者”最终决定了市场 价格。耶鲁大学教授 John Geanakoplos 在他的著名论文《The Leverage Cycle》 中提出过一个基于异质信念（Heterogeneous Beliefs）的杠杆和资产定价模型， 他认为资产价格并不是由传统的现金流折现方法所决定的，标准理论假设资产价 格反映了某种所谓的基本价值（Fundmental Value），但他发现即使折现率不发 生变化，杠杆等因素的变动也会导致资产价格发生变化。对于股票定价而言，传 统的绝对定价模型也并未考虑到投资交易和资金行为的影响，并不利于我们动态 地观测和理解市场运行。

借鉴 Geanakoplos 的思路，考虑一个简单情形，假设投资者/代理人均匀分 布在[0,1]的连续统上，在 0 时期每人拥有 ? 单位的资产 Y 和 ?0 单位的现金或现 金等价物，代理人认为资产 Y 在未来一期有 h 的概率处于好状态，1-h 的概率处 于坏状态。自然买家（Nartural Buyers）将比公众（Public）更想获得该资产 （这可能是因为自然买家不太厌恶风险，或者他们可以使用公众所没有的对冲技 术降低风险，或者他们可以通过持有资产获得更多效用，或者他们可以获得比公 众更有效地利用该资产的技术，又或者他们可能只是更加乐观）。

回顾历史，在长期视角下，许多类型的资金力量都阶段性地主导过 A 股市 场。例如，06 年底，股权分置改革完成后，产业资本手中的筹码量迅速攀升， 彼时的边际定价者可能是产业资本；14 年底至 15 年中，场内融资和场外配资共 同推动了“杠杆牛”，彼时的边际定价者可能是杠杆资金；17 年至 18 年，A 股 国际化进程不断加速，从 QFII 额度限制放开到 MSCI 纳入 A 股，彼时的边际定 价者可能是被称作“聪明钱”的外资；19 年来，公募基金规模迅速扩张，几轮 机构“抱团”行情中的边际定价者则可能是公募基金。

正因如此，“边际定价者”并不一定等同于“增量资金”，也不一定等同于体 量最大的资金方，而是在供需均衡的形成过程中决定价格的主要力量，取决于其 对市场的影响力大小。因此，A 股市场的边际定价者可能在上述主要的资金力量 间切换，正确判断当前的边际定价者有助于我们把握市场阶段性上行或下行的主 导力量。

2. WOMAL 框架下的权益市场大势

基于上述框架，我们可以分别从赔率、胜率、动量、交易及资金五大视角观 测大盘/指数，从而定位市场目前所处方位与可能的走向。其中，赔率视角看空 间、胜率视角看概率、动量视角看趋势与轮动、交易视角看拥挤与分歧、资金视 角看边际力量，这些因素构成了权益市场运行的基本“仪表盘”，使我们能够立 体地感知当前的市场状态。

2.1. 赔率：性价比仍在历史高位

当前，权益市场的赔率仍在高位，加速下跌的可能性已然不大，但两种 ERP 均未触及通道极值，磨底过程中的下行风险仍存。具体而言，滚动 3 年视 角下，截至本周五（09/22），全 A ERP 小幅回落，权益市场整体风险偏好边际 回升。以万得全 A PE（TTM）倒数-10 年国债到期收益率衡量的 ERP 录得 3.06%，较前一周的 3.12%小幅回落，目前接近 3YMA+1std 上沿；而以万得全 A 股息率-10 年国债到期收益率衡量的 ERP 录得-0.55%，较前一周的-0.49%同 样小幅回落，目前低于 3YMA+2std 上沿。

此外，相对美股而言，A 股也已经到了相对便宜的位置，中美 ERP 之差已 经来到历史高位。截至 09/22，基于股息率计算的中美 ERP 之差录得 2.36%， 距离 05 年以来的历史极值 2.41%仅一步之遥，中美 ERP 差值继续大幅上冲的空 间或已不大，这也意味着 A 股距离阶段性底部可能已然不远。

2.2. 胜率：整体或处于中性水平

综合来看，目前权益市场的胜率或处于中性水平。我们构建的经济景气指数 （Economic Climate Index，ECI）显示，9 月工业生产景气度边际回升，同时 需求端也出现了边际转好的迹象，在稳增长政策逐步落地下，供需两端均呈现较 为稳定的修复态势。从 9 月份前三周的高频数据来看，ECI 供给指数为 50.92%， 较 8 月回升 0.20%；ECI 需求指数为 49.25%，较 8 月回升 0.08%。从分项来看， ECI 投资指数为 49.54%，较 8 月回升 0.01%；ECI 消费指数为 49.31%，较 8 月 回落 0.03%；ECI 出口指数为 48.35%，较 8 月回升 0.10%。

而从 OECD 和 CEIC 两个综合性领先指标来看，中国经济同样呈现出一定 的弱复苏态势，但两者的分歧显示其强度或持续性可能不足。其中，8 月 OECD China CLI 录得 101.04，较上月的 100.79 继续温和抬升；但 8 月经平滑后的 CEIC China LI 录得 114.51，较上月的 114.65 边际有所回落，两者的差异或显 示经济复苏并不强劲，其持续性有待进一步观察。

从滞后数据上看，8 月多项超预期的经济数据也反映了宏观经济的边际改善， 但整体复苏进程仍存在一些隐忧。一方面，7 月 24 日政治局会议后开启年内第 三轮上行，8 月下旬房地产政策和收入政策加速落地，有效提振预期和信心，并 将从 9 月开始对供需两侧带来实质性影响。另一方面，如果后续没有增量政策出 台，随着积压的住房改善型需求在“认房不认贷”调整后释放完毕，房地产销售 和投资在明年仍有边际走弱风险，其反弹强度和持续性可能较差。同时，8 月出 口降幅的收窄更多源于基数效应，外需的不确定性仍然较强（详见报告《经济改 善可持续吗？——8 月经济数据点评》）。

值得关注的是，易纲近日在《人民政协报》发表文章《当前经济运行中的几 个特点》。文章指出“当前我国经济总体仍处于疫情冲击后的恢复阶段，要有信 心和耐心”，并总结了当前经济运行中的九大特点，相关表述基本涵盖了当前宏 观经济运行所面临的主要问题。我们认为，若先不考虑国外部门和价格因素，地 方政府债务和房地产风险化解是不容有失的关键风险点，是胜率不会发生突变的 前提条件。而我国内部的居民部门“负债最小化”倾向、企业部门分化以及就业 的结构性矛盾等问题有待逐一修复，不可能一蹴而就，但其中一项或多项的边际 改善均能使胜率稳步提高。

2.3. 动量：短期向上动能或不足

时序层面，全 A 趋势目前处在较弱区间。截至 09/22，MACD 视角下，周线级别的 DIFF 线仍低于 DEA 线，并且二者斜率相近，尚未观测到明显的向上动 能；日线级别的 DIFF 线周内下穿 DEA 线，趋势同样较弱，但周五的反弹使其 再度抬头接近向上回穿，延续性有待观察，短期内大盘动量或不足。

截面层面，行业轮动速度边际较强，反映磨底期主线不明晰，资金腾挪加快。 截至 09/22，我们构造的行业轮动速度指标（日度）录得 0.15，表明其高于 5 年 均值 0.15 个标准差，周内最高于 09/19 达到 0.45，行业轮动速度边际加强，且 周内波动较大，或指向近期市场主线不明朗，行业上涨的持续性较为有限。

2.4. 交易：热度渐消而分歧有限

从交易结果上看，全 A 市场热度渐冷，同时分歧有限，盘面热点较为匮乏。 截至 09/22，我们构造的市场热度指标（日度）录得-0.31，表明其低于 5 年均值 0.31 个标准差，短期来看交易渐冷，市场交投热情不足；同时，我们构造的行业 分歧度指标（日度）录得 0.46，表明其高于 5 年均值 0.46 个标准差，整体处在 下行通道中，接近 22 年 12 月中旬的水平，说明各行业间的绝对收益差距并不大。 结合边际较强的轮动速度，或显示目前盘面并未出现有较高持续性的题材或板块， 短期内多为游击式的轮动交易。

2.4. 交易：热度渐消而分歧有限

从交易结果上看，全 A 市场热度渐冷，同时分歧有限，盘面热点较为匮乏。 截至 09/22，我们构造的市场热度指标（日度）录得-0.31，表明其低于 5 年均值 0.31 个标准差，短期来看交易渐冷，市场交投热情不足；同时，我们构造的行业 分歧度指标（日度）录得 0.46，表明其高于 5 年均值 0.46 个标准差，整体处在 下行通道中，接近 22 年 12 月中旬的水平，说明各行业间的绝对收益差距并不大。 结合边际较强的轮动速度，或显示目前盘面并未出现有较高持续性的题材或板块， 短期内多为游击式的轮动交易。

需要注意，上述相关性可能并不代表任何因果关系，或许会有人认为近期市 场的回调与北向的大幅净流出关系并不大。诚然，我们无法准确地量化这一轮北 向资金撤出究竟使得指数变化了多少点，但当我们仔细考虑目前的资金力量态势， 或许能够给这种相关性增添部分解释力，关注以下四点： ① 公募基金重仓指数年初以来明显跑输全 A，但目前的权益仓位仍在相对 高位。以偏股混合型基金为例，其在 09/22 的股票仓位为 81.02%，与 4 月初的 仓位水平相当，在此期间的一轮换仓并没有使净值明显改善；

② 预估基金申赎比在今年下半年多数时候小于 1，赎回力量大于申购力量， 且近期赎回趋势有所加强，这指向公募基金下半年同时面临一定的负债端压力， 作为相对收益者的公募基金也不得不面对绝对收益者的盈利诉求； ③ 包括险资、私募在内的其他主体资金力量在 7 月末同样维持着较高仓位， 切仓或减仓并非一日之功。值得注意的是，在考核或清盘压力下，8 月华润信托 私募仓位已出现幅度不小的回撤，而由于未披露 8 月数据，险资最新仓位尚不可 知。此外，散户、两融等趋势交易力量更加难以决定大势； ④ 在本轮下行过程中，由于北向资金日度净流入与大盘涨跌的相关性在系 统性升高，北向在盘中实时披露的特征可能强化了市场参与者对于二者相关性的 认知，这也进一步强化了场内的悲观情绪，北向资金的边际定价权可能因此“自 我实现”。

综合来看，目前内资受到诸多掣肘，短期内可能无法发动明确的大攻势，甚 至还要面临一定的负债端压力。同时，由于持有较多的权重和蓝筹标的，北向连 续的抛售也给内资机构净值施加了更大的压力。在这种情形下，北向资金的定价 权就可能在边际上强化，成为当前市场调整过程中重要的边际定价者，这也可能 是近期北向资金流向与大盘涨跌相关性攀升的主要原因。

2.6. 基于 WOMAL 五维框架的大势研判

总结而言，我们构建的 WOMAL 五维大势研判框架在现阶段（数据截至 09/22）提示以下五点： （1） 赔率视角：权益市场的赔率仍在高位，加速下跌的可能性已然不大， 但两种 ERP 均未触及通道极值，磨底过程中的下行风险仍存。 （2） 胜率视角：综合 ECI 指数、综合领先指标以及 8 月经济数据来看， 目前权益市场的胜率或处于中性水平。 （3） 动量视角：时序层面，全 A 趋势目前处在较弱区间；截面层面，行 业轮动速度边际较强，反映磨底期主线不明晰，资金腾挪加快。 （4） 交易视角：从交易结果上看，全 A 市场热度渐冷，同时分歧有限， 盘面热点较为匮乏。 （5） 资金视角：从边际定价者视角看，近期北向资金对于 A 股的定价权 或在高位。

基于以上五点，我们认为，大盘（以万得全 A 指数代理）在短期内可 能延续弱势震荡，底部或未探明，但整体下行空间应较为有限，且中途随时 可能出现技术性反弹。往后看，胜率边际提升的延续性和边际定价权的逐步 回归或将是破局关键。进一步，①胜率的逐级提升和延续性依赖于政策持续 呵护和经济内生动能进一步修复，而企业和居民主体信心和预期的修复则是 微观经济边际向好的基石；②边际定价权的回归则取决于北向和其余外资对 于中国经济长期性问题和部分风险事件的认知纠偏，规模性回流或提示市场 拐点，在市场反弹继而恢复上行后，正常市场中的边际定价权将自然切换， 各主体资金力量对中国权益资产的信心也或将逐渐恢复。

 

编辑：520中国