(1) GDP(change percent)
GDP(change percent) VS Unemployment Rate
我们可以看到GDP的增长率大小基本上跟失业率是成负相关的，并且GDP变化率的极值点会领先就业率的极值点，时间上大概领先一个季度到半年。
也make sense，GDP下滑导致企业利润收缩进行裁员，统计上也会有一个时滞。
GDP(percent change) VS Gini Ratio(percent change)
GDP的增长率和基尼系数变化率，看起来之间的关系也没有那么明显。
但反而告诉了我们一件很重要的事情，说明贫富差距这个东西并非由经济周期繁荣和衰退的切换决定(那到底是由什么核心因素决定的呢？先挖个坑)。也就是说自从70年代里根为标志开始，无论经济的繁荣和衰退，贫富差距的绝对值一直都是在扩大(见之前贫富差距概念的图，这里只是gini的变化率)。后面还会针对贫富差距这个问题讨论更多，暂且先放在这里。
GDP(change percent) VS Inflation CPI
单纯从图上看起来似乎也没有什么很明显的相关性，并非直接的互相影响。
GDP(change percent) VS Fed Rate
这张图看起来就有一些正的相关性了，并且看起来fed rate相对GDP的变化有一些滞后。
其实也make sense，经济过热的时候fed自然需要采取措施也就是加息来抑制通胀，经济不好的时候自然就需要降息来刺激经济。
还观察到一个有趣的现象就是几乎衰退都是由于经济过热之后的(过度)加息造成的，或者说是在利率的局部高点。
所以说这个需要怪fed咯？
我觉得也不是，fed利率总不能一直降嘛。
比如现在都降到0了(这也是为什么当下如此特殊的原因)，货币政策就像推绳子，再发生经济危机都没有空间刺激了，并且这么多年fed也被市场反客为主的押注给绑架了，相信大家对耶伦这么多年以来的打太极也是极其熟悉，近期才开始下决心收紧流动性。
这里其实我也是比较理解的，耶奶奶毕竟是需要控制市场的预期，或者说需要故意让市场浮想联翩出各自不同的预期。
央行最怕的就是让市场知道了自己的底线使得市场预期一致(看一眼瑞郎和日元)，市场本身预期不一致的时候正反双方的博弈会内耗掉大部分的能量，央行只需要在边际上看准时间点往不同方向用点力就可以，但是如果预期都一致的时候央行就变成所有人的对手盘了，这种时候对央行的压力也是最大的。(跟market maker类似，本身自己只是提供流动性从价差里面获利，但如果自己就是所有人的对手盘，那就很惨了)
附上耶奶奶的一张美图~
GDP(change percent) VS Dollar (这里的美元指数也是1970脱离布林顿森林体系之后才开始的)
我们可以看到几乎所有的recession都发生于GDP的下滑过程中，并且GDP的增长跟美元强弱的关系并没有那么明显。
按照直观的感觉我们会认为美元弱势会刺激GDP的增长，或者GDP的增长预示经济良好会使得美元变得强势，毕竟货币强弱背后的支撑是一个国家的经济实力，但是在实际中似乎都不能这么以偏概全，需要具体情况具体分析。可能他们之间确实会互相影响，或者还需要考虑互相之间影响的时滞性，还有整个世界的环境(美元指数跟其他主要货币也相关，可能会被动受到影响)。
(2) Debt(percent change)
Debt(percent change) VS Unemployment Rate(percent change)
我们可以看到基本上政府赤字的增长和失业率的增长是一致的。这也说明美国政府的赤字增长一定程度上是以失业率为标准，也make sense。
Debt(percent change) VS Inflation
这个地方对比的是政府赤字和CPI之间的关系。
按照直觉，我们会觉得政府扩大赤字就会增加通胀，但是在图上似乎并没有明显观察到这个直接的相关性。
因为通货膨胀是一种货币/信贷和商品互相作用的现象，跟政府财政赤字并没有直接的因果关系。
Debt(percent change) VS Dollar Index
在长期时间跨度来看，似乎这两者之间的传导关系也没有那么直接。可能还是需要具体情况具体分析。
Debt(percent of GDP) VS Fed Rate
几乎所有的经济衰退都发生在debt的上涨阶段，也可以说正是因为经济衰退所以政府才需要更加扩大赤字来刺激经济。
并且我们还可以看到政府债务占GDP的比例和fed rate是负相关的，即大幅扩大赤字的时候需要配合降息。(So, how about fiscal expansion, meanwhile 3 rate hikes and tax cut next year?)
(3) Unemployment Rate/Gini Rate
Unemployment Rate VS Inflation
与其相关的有一个著名理论就是菲利普斯曲线，内容是说通货膨胀和失业率存在交替关系，通货膨胀率高时，失业率低；通货膨胀率低时，失业率高。
我们在图上大致也可以看到这样一种负相关性(可能时间上还有一些shift)。
不过这个理论本身和fed是否应该参照失业率和inflation之间的这种关系来制定货币政策还存在争议，譬如滞涨时期，其间并非是简单的线性关系。
Unemployment Rate VS Fed Rate
我们明显可以看到失业率和fed rate之间也有负的相关性。
毕竟fed这个机构最主要的两个target，一个是控制失业率，另一个是控制通胀(下面会讲到)。然后才是金融市场的稳定。
从图上我们也可以看到失业率上升的时候，fed会降息；失业率下降的时候，fed会加息。
并且如果观察仔细一点可以发现失业率可以看做是fed rate的先行指标，毕竟fed的行为是参考已经发生的失业率。
对比之前所有的recessions我们就会发现，往往失业率局部最低的时候fed会开始加息。
并且，在每一个失业率局部最低点的拐点处，接下来的加息几乎都会导致不同程度的recession。(当下失业率似乎正在拐角处并且同时开启了hawkish的加息?我并不想搞个大新闻...)
看，新债王在最近的电话会议上都提到了~
Unemployment Rate VS Gini Ratio
从上面的图我们可以看到失业率和基尼指数之间有一定的相关性，失业率增高的时候贫富差距会增大。
也比较make sense，经济不好的时候失业的大部分是中下层人民，这样自然就会增加贫富差距。但是这个只是短期的波动，我们看到的是跨越几十年的基尼系数一直在增大，应该fundamentally会有更深层次的原因。
下面我们就集中讨论一下贫富差距的问题。
首先我们可以把近100年的历史分成两部分(为什么选择100年？因为当下的贫富差距让我们似乎重新回到了一百年前的高度上~)
这两个贫富差距的图可以看的更加明显，交代一下背景知识。
从1930年代大萧条和二战一直到1980年代是第一个阶段，时代开启人物是罗斯福采取凯恩斯为代表的new liberalism扩大政府对市场的干涉和通过加税和福利控制财富的分配，也就是传说中的”劫富济贫“，贫富差距从高位开始降低，1980年代到达最低点；第二个阶段就是1980年代一直到现在，开启人物是里根，实行哈耶克为代表的neo liberalism减少政府对市场的干涉和管制，大幅减税，减少福利(主要依靠私营的慈善机构)，让市场自由修复(这里有一个凯恩斯对于neo liberalism的criticism，”in the long run we are all dead”来讽刺自由市场最终都会自动解决所有问题的观点)。
扩大政府赤字和增加军备，同时贫富差距从那个时候就开始一直在升高，到08次贷危机到达最高点，这个时候才开始反思市场过度自由化的后果。(这里我们也可以看到，好像市场的自由化程度和fed rate之间有一个正的相关性，不确定是否有直接的因果关系，政府干涉越多市场越不自由利率越高贫富差距越小，政府干涉越少市场越自由利率越小贫富差距越大，似乎市场自由和贫富差距不可得兼)
接下来，把fed rate的图和贫富差距的图放在一起看就很有意思了。
我们可以看到过去一百年fed rate越高，贫富差距越小，利率越低，贫富差距越大。
所以说，fed rate的高低水平才是造成贫富差距变化的核心变量？
我们可以zoom in看得更清楚一些。
这一张图看起来似乎fed rate和贫富差距大小之间有一些负相关，但是还不够。
为了更closer的观察，我们可以用Fed rate VS Gini rate percent change(Gini rate的变化率)
这样就比较明显了。
我们可以观察到在加息的trend中，贫富差距在缩小，但贫富差距的波动也越来越小，似乎加息对于贫富差距的抑制效果在边际递减(加速度在减小)，到达最低点后甚至再疯狂加息都没办法再使贫富差距更低。
也许这就是资本主义所能达到的最大程度？其ground限制原因并非经济好坏，而是制度本身。
暂时没有研究过共产主义制度内的贫富差距变化，也许情况会非常不一样，不过获取真实数据本身也许会有各种难度。
而在降息的trend中，贫富差距在扩大，但是降息的效用会边际扩大，或者说对于贫富差距波动大小的影响越来越大。
我们可以从上图中看到，如果站在经济周期或者单个加息周期更广的一个level来看，相对中间高利率环境，两端低利率环境下贫富差距的波动是非常大的。
这就说明无论是加息trend还是降息trend，在低息环境下无论是加息还是降息，fed rate对贫富差距的影响大小跟利率水平的环境有很大关系。也可以说相对在高利率环境中，fed rate hike在低利率环境下对于贫富差距的(管理)效果是更明显的，当fed rate level本身越高，其效果边际递减。
并且fed的低息环境还会影响世界上主要经济体的央行货币政策，当世界整体经济都不好的情况下，各国纷纷降低利率使得货币贬值让出口更有竞争力，实质上也是互相输出通缩的恶性循环，也就形成了世界范围内的低息环境(看欧洲，看英国，看日本 etc)，也导致了贫富差距扩大是一个世界性的普遍现象，自然也就会引起各国内部社会问题的共振。
对于这个现象似乎也可以这么理解，rich people可以通过大量借贷来不断扩大自己的资产，但是中低产阶级并没有那么多的渠道去大幅借贷(或者并没有这个意识)，由于本身阶级的妥协和软弱性质，也并没有那么强的风险承受能力和ambition。
也许这跟自身的环境有一定的关系，特别是低息环境下财富的虚拟化使得加杠杆更加便捷，精英阶层也由于本身就是通过借贷融资加杠杆一步一步成长强大起来，所以对于一代一代潜移默化的教育也会是如此，使得其子女后代更能在实际生活中体会到风险和收益之间的关系(风险和收益两者永远都是融合在一起不可分割的，智慧在于如何转化，犹如太极图中的黑与白)，也愿意主动合理承担更大的风险并且加杠杆获取更大的收益。
而绝大部分的中产阶级都是风险厌恶型，比如需要足够的安全感，不喜好争斗，逆来顺受，这些特点其实也是其阶层的性质决定，核心都是在于对不确定性的抵触，自然不会去了解怎样管理风险甚至如何合理承担风险。
虽然我们可以在图中可以看到低息环境下贫富差距的波动也越来越大，是不是表明贫富差距就越来越小呢？
事实上并非如此，甚至贫富差距更加增大。可能是由于低息环境下的加息或者踩踏性的经济危机，对于习惯加杠杆的精英阶层的影响远比中产阶级大，但是由于依然是处于低息环境中，这样的波动并不能逆转贫富差距扩大的趋势
这样对于风险和不确定性截然不同的态度就造成了阶层贫富之间的差距，低利率的环境又会推波助澜放大这种差距，不仅让借贷成本更加低，还会使得富裕阶层的已有资产更加增值，贫富差距自然就越来越大，意识上的固化也导致阶级也越来越固化，再叠加这种固化会使得资源的护城河越来越高。
这其实也能解释人类历史上的革命几乎没有由中产阶级主动发动的，也决定了革命大多都是从下至上的。因为无产阶级因为本身并没有资产，所以对于风险并没有中产阶级那么的有”求稳"包袱和对“变化”本身的厌恶，革命起来也更加果断和决绝。而中产阶级往往在初期会选择妥协，两边摇摆，直到实在无法承受才会加入革命的运动。当然，发动中产阶级也是革命能够成功的重要因素。
不过，这样也有一个好处，处于纺锤状中间的中产阶级在社会中可以起到稳定器的作用，同时承受消化掉上下两个方向的力，也减少两个方向的摩擦。这也是为什么贫富差距是社会稳定的晴雨表。如果一旦贫富差距失衡，导致中产阶级倒向甚至沦为无产阶级，就会引起社会的不稳定。比如这两年的黑天鹅频发，就是当下的贫富差距处于一百年来的高位对于社会各个角落所产生的fundamental的影响，也使得英国脱欧和美国trump当选都出乎意料之外也在情理之中，还有当下整个世界的动乱。(如果马克思还健在，应该又要批判这是资本主义内部矛盾发展崩溃的必然结果了吧)
但就当下来说，贫富差距似乎有两个来源，并且互相强化：一个是深度的全球化，本来全球化本来是一件好事，发达国家输出了通缩得到了收益，新兴国家得到了资本得到了技术得到了发展，但是一个问题是最初级的人力资源是不能跨境的，但资本可以，从发达国家乘着不断自我加强的新兴货币升值预期和成本优势的浪潮涌向新兴市场，反哺自身的精英阶层；另一个是科技的快速发展加剧了淘汰，叠加各国对沉默大多数的再教育的忽视导致的失败，再加上精英式民主虚与委蛇的高福利消磨了其对自身再教育的动力和紧迫感。
But，who is to blame？是人性的傲慢，还是人性的懒惰？
当然，也不能完全将黑锅给fed背，因为其本意只是为了降低整个社会的借贷成本借以刺激整体的经济，但是对于财富的具体分配实在是无能为力(有点先让一小批人富裕起来的感觉，不管是再帮助一批人实现共同富裕，还是消灭一批人...sigh)
(4) Inflation
CPI(percent change) VS Fed Rate
首先我们来看看CPI和fed rate之间的关系。我们可以很明显看到CPI和fed rate之间是正相关的。
正像之前说的，fed的一个主要功能就是管理国内的inflation，我们也可以看到fed rate的变化有一点滞后于CPI局部高低点的变化。
CPI(percent change) VS Dollar Index
从图中我们可以看到CPI和美元指数间的一些负的相关性。
也很make sense，毕竟美元代表的是实际的货物购买力，而通胀的程度会腐蚀货币的购买力。
也就是通胀越高，美元相对之前来说越不值钱；通胀越低(极端情况就是通缩)，美元相对之前价值越高。
接下来介绍一下怎么估算市场对于未来通胀的预期。
我们之前介绍过美国的国债叫做US Treasury，并且有不同的maturities。
现在再介绍一种债券，叫做TIPS，全名叫做Treasury Inflation-Protected Securities。从名字我们就可以看出来这种债券是经过inflation调整过的(自然其利率是会低于同样maturity的treasury rate，因为TIPS需要减去额外的inflation rate)。
所以很直观的就可以知道，想要估计市场对于未来不同maturity通胀的预期，我们就可以用US Treasury的利率减去相应同样maturity的TIPS的利率。
如下图以10year Treasury和10year TIPS为例。
图中蓝色的线就是10year Treasury rate，红色的线就是10year TIPS rate，所以对于市场预期的inflation就是用蓝色的线减去红色的线的差值。
这里我们还看到有一个绿色的线，这条线名字叫做10year breakeven inflation rate，就是计算的(10year Treasury rate - 10year TIPS rate)，也就是10year这个maturity算出来的市场对于通胀的预期。(这条线使得inflation expectation用起来更加方便和直观)
除此之外，我们可以看到在08年次贷危机的期间，绿色的线急剧降低甚至到0，这个就是表面市场对于通胀的预期几乎是0，也就是几乎发生了通缩，对经济失去信心。我觉得这种时候其实也是套利的机会，这种事情很少发生，并且在未来走出经济困境之后肯定会回归正常。(比如说做多inflation，也就是做多Treasury rate的同时也做空TIPS rate，不过也许并没有这么简单，因为危机时候整体市场的流动性也是一个很大的问题)
除了利用10year breakeven inflation rate之外，我们还可以利用5year 5year forward inflation expectation rate
如上图，我们可以看到他们的走势也基本相同，都可以作为衡量市场对于未来通胀的预期的指标。
(5) Dollar
Dollar Index VS Fed Rate
按照直觉我们可能觉得加息美元就会涨，但是事实上很多时候并非如此，美元和fed的加息并没有明显的positive correlation，毕竟美元和其需求，世界宏观环境，还有美国的进出口经济情况etc都是密切相关的。
Dollar Index VS 10year treasury rate/10year TIPS rate
我们可以再对比一下美元指数和10year国债利率和inflation-adjusted国债利率，从图中我们也可以看到似乎也并没有完全的相关性。说明美元指数并非完全10year国债利率决定，也并非剔除掉inflation之后的“实际利率”所决定。
这可能也是为什么美元指数的分析非常复杂。
(6) Rates(fed rate，treasury rates，etc)
这里我们会重点讨论一下fed rate，treasury rates还有其最核心的yield
curve(term structure)。
首先上一张10year treasury 对于fed rate的forecast情况~
看起来趋势还是比较match的。
然后下面这张图就是对明年2017 rate hike的预期情况。
前面我们知道了(10s treasury rate - 2s treasury rate)代表的是yield curve的陡峭程度，接下来我们看看fed rate对于yield curve陡峭程度的影响。
10s2s Treasury Spread VS Fed Rate
我们可以在图中很清楚的看到，fed加息几乎都会flatten yield curve (make sense，short end对fed rate更sensitive)，fed降息几乎都会steepen yield curve。并且几乎所有的recession都发生于10s2s spread和fed rate图形上的收敛。
需要注意的是上面这是长期来说fed rate对于yield curve陡峭程度的影响情况，这里的fed rate是已经成为事实的fed rate。
短期fed rate对于yield curve变化的情况可能会更加复杂，因为需要考虑市场的预期，毕竟long end是决定于市场对于未来通胀水平的预期，更确切一点来说也就是市场对当下fed的rate hike/rate cut的计划或者前瞻指引对于未来通胀影响程度的预期。
比如下图(以下情况如有雷同纯属想象)：
再结合上一张图(102s spread VS fed rate)，我们可以在一些短期的10s2s spread变化中找到上图中不同情况的影子，并且发现几乎每次recession之前都是市场觉得加息过猛(或者确实过猛)导致了对未来通胀预期的下滑，继而10s2s spread收窄引发了recession(可能是由于市场对未来经济也就是通胀不看好，继而导致企业部门停止扩张甚至收缩，然后一连串影响债务赤字还有失业率etc)。
如果极端情况市场对未来通胀的预期是负值，那就是意味着通缩(费雪债务通缩螺旋)，也就是我们可以在图中可以看到10s2s spread甚至有时候变为负值，也就是yield curve inverted，一旦发生这种情况几乎都会接着发生经济衰退。
下图就是费雪债务通缩螺旋(从哲哥那里偷来的~)
谈到企业的利润问题，再加一张fed rate对比公司利润增长率。
我们可以看到，加息几乎都会导致公司利润增长率恶化，继而正如前面失业率部分所看到的，自然社会整体失业率也会上升。
再稍微提一下，国债利率的重要性不仅体现在国内对于经济运行成本的调控，还更在于理解跨国的资本流动。(PS: 发达国家DM货币有跨境流动性，可以向新兴市场EM扩表，但EM没有跨境流动性)
譬如08年次贷危机之后，以中国为代表的新兴市场之所以繁荣除开本身经济复苏的原因，再就是因为美国开启了QE，使得廉价借贷的套利美元(到后来因为fed rate几乎为0，使得借贷成本非常低)通过各种渠道进入了中国市场，也就是传说中的热钱。
这些钱为什么要进入中国市场呢，就是因为中国的利率高。
最简单的例子就是carry trade，比如从美国银行低息借贷美元，然后换成人民币买中国的国债(更不用说进来投资房地产的了)，收取中间巨大的利息差，甚至可以加杠杆。并且由于美国和中国之间的利差越来越大，产生了人民币巨大的套利需求，这样反过来又让人民币进一步升值(看近十年人民币的汇率走势非常明显)，使得套利的利润更加巨大，不仅仅有利差的套利，还有中美汇率预期的套利。国内为了防止进来的热钱造成经济泡沫，需要进一步加息收紧市场上的流动性，使得中美利差更加变大，人民币也更加升值。
这个时期有意思的还有商品市场。由于国内对热钱渠道进行管控，甚至很多都是借助商品贸易的外衣进入中国，至于商品只是一个媒介，并非真正的需求。进入中国之后就屯在仓库里面(譬如说铜)，反正资本的目的已经达到了。
当然，商品确实也是有需求，毕竟次贷危机之后中国实行了4万亿的刺激计划，虽然经济增长是保住了，但同时也推高了房地产泡沫，也错过了最好的结构改革时间窗口，使得商品产能进一步严重过剩，现在再进行供给侧改革就还得承受美国加息所引发的风险，并且由于中国的基建和房地产需求下降，还叠加石油的暴跌，也严重影响了经济结构单一的资源出口国，譬如沙特，俄罗斯，加拿大，新西兰，澳大利亚，巴西etc。
这种套利一直持续到近几年fed退出QE才开始转向，所以现在人民币的问题从升值预期反而变成了贬值预期，整个逻辑反了过来。再叠加国内经济的泡沫化，形成人民币强烈贬值的预期会更加促进资本(不仅仅是之前的热钱)外流，再加上美国进入加息通道，中美利差开始narrowing，套利空间变小(因为fed加息使得借贷成本增大，并且预期会一直继续增大)，则之前的热钱需要换回美元还清向银行借的债务。
这也是这两年人民币贬值愈发严峻的原因，因为形成了贬值预期，但是由于担心资本外流会刺破国内的资产泡沫，由于蒙代尔三角，中国只能进行资本管制，也就是人均5w的换汇额度(听说明年的换汇额度会进一步下降，不知是否属实)。
不过中国并非是一个人，许多的新兴国家都受到了更大的冲击，这也是为什么发现一夜之间全世界都开始动乱起来，影响到社会的方方面面。
(7) Gold
黄金呢是一个非常特殊的商品，自古都带有极强的金融属性。更重要的是，对于危机有非常重要的警示作用。
先上几张图：
Gold VS Dollar Index
我们可以看到虽然黄金跟美元大体上还是负相关，但是美元抑制黄金价格在程度上会根据不同时期有很大的区别，有时候甚至会同时涨跌(说明这种时候黄金相对美元涨的更多，一般发生于衰退或者萧条的时候)。
对于黄金，甚至更general的商品来说，美元都不是绝对的负相关性，虽然用美元定价这个单一因素确实会起到非常大的作用，但是不同时期其相关性相差非常大。
我们需要从两个维度来考虑，一个是美元本身，一个是商品本身，他们之间的相对强弱才是决定商品价格的核心因素。
Gold VS Inflation(percent change)
大家都知道黄金可以用来抗通胀，但是是不是真的如此呢。
单单对比通胀，我们并没有在图上看到明显的黄金对于通胀的高敏感度。在1980年代滞涨时期确实有比较强的相关性，不过时间轴往后特别是近年来，通胀并不高，但是黄金反而疯长。这又是为什么呢？
接下来下张图我们就知道原因了。
Gold VS 10s TIPS rates
黄金的走势跟TIPS几乎完全负相关，因为10s TIPS rate = 10s treasure rate - inflation expectation，所以10s treasure rate越低，inflation越高，黄金价格越高(毕竟相当于0息债券)~
近年来即使通胀预期并没有很强，但是处于历史上利率最低的水平，几乎都是零了，甚至很多债券都是负利率，这样inflation expectation fixed的情况下，极其低的10s treasure rate极大的contribute了黄金价格的增长。
是否觉得很神奇呢？黄金竟然跟债券的利率紧紧相关，而美元甚至都不是跟黄金相关性最强的。
这个也可以解释前一张gold VS inflation的图，
不过需要分为两个阶段，一个阶段就是1980年代的滞涨时期，此时黄金最大的driver是inflation的extreme high而非10year treasury rate(虽然这个时期10year treasury rate也在升高，但是不及inflation的升高速度)，所以极大刺激了黄金的价格。
第二个阶段就是08年次贷危机之后，此时黄金最大的driver是10year treasury rate的extreme low，影响远远超过了市场对于inflation非常低的expectation，两者综合起来刺激了黄金的价格，但差值远低于滞涨时期(差值大小和gold price幅度相反)。这也是为什么我们可以看到这个时期黄金的价格涨幅还高于1980年代的滞涨时期。
所以综上所述，黄金的价格跟10year treasury rate还有市场对于未来inflation的expectation都紧紧相关，并且黄金价格的决定性因素在于两者的差值，也就是两者之间相对的速度(这是一个追及问题)，而不能单单看一边的绝对速度。
还有一个有意思的就是铜金比跟10year treasury rate是同步的，在trading领域也是一个经常用到的指标。
大概的解释就是铜的价格一定程度上代表了经济复苏(毕竟经济复苏需要工业先复苏，也是为什么很多人认为ppi是会先行于cpi)，黄金的价格呢一定程度上代表了经济不好大家偏向保守和避险，这样将两个取比值就可以一定程度上表现市场对于未来经济走势的预期。而10year国债利率也一定程度上可以表现市场对于未来经济的预期。
这个比值在经济环境极端情况会有很显著的效果，譬如一般正常inflation的时候，都会刺激铜和黄金的价格上涨(毕竟都属于商品)，但是铜的涨幅会高于黄金，此时ratio的大小就代表了经济的复苏程度。
如果是stagflation的时候呢(譬如1970年代)，经济并未真的好转但是通胀反而非常高，这个时候黄金价格的涨幅会高于铜，此时ration会很低，表明经济遇到了问题。
如果是deflation的时候(譬如1930年great depression，还有08年一直到当下？)，经济反而陷入了通缩，黄金相对于铜也会outperform，也会indicate经济出了问题。
同理也可以利用其它指数和黄金这个危险分子ratio一下，也可以产生同样的效果，譬如Dow指数/Gold，
好了，所有的对比分析就差不多到这儿，只是抛砖引玉，希望大家还能从中发现一些beneath在表象下的逻辑。
我自己的体会是，思维从绝对变成相对是一个很大的进步，看绝对值往往会不由自主产生很多的bias，得出的结论往往也会比较武断。这也是线性思维方式转向非线性的一个重要标志。
譬如machine learning，deeplearning etc相对于人类的优势就是在于其非线性思维，也可以想作映射mapping。
虽然近年来big data非常火爆，但是其在金融市场方面的应用也一定程度上会受到限制，一个是市场上的交易历史data非常少，甚至少于神经网络的变量数...还有一个很大的问题就在于machine learning或者deep learning是一个黑箱的过程，我们并不知道hidden nodes/layer其中具体演绎的逻辑和机理，只是得到一个权重的output，爱信不信，这样对于单个策略风险的管理就很头疼。可能应用在strategy pool的管理上会有一定的效果，毕竟机器非线性的分析思维比人类还是强大太多。
BTW，既然扯远了就再说一下自己对big data行业的想法，现在data scientist似乎有种媲美当年CS的感觉。
但是我觉得这两者完全不一样，CS毕竟是可以直接上手面向工作在工作中积累经验更重要，但是对于data scientist，学校这样一两年揠苗助长培养出来的学生有很多隐患，而我觉得真正的data scientist一定需要通过很solid的statistics理论的训练才行(譬如至少multivariate的理论得学的很透彻吧)，不然仅仅只会用一些tools来做表面的数据分析，但是并没有意识到数据背后更fundamental的东西(这才是data mining的核心)，也不知道参数怎么设置更加合理(不要小瞧设置参数和选model的能力，这个是实力和经验上质的区别，也是我认为data scientist最核心的竞争力)。
当然我并非统计专业也不是big data行业，只是外行人，观点仅做参考。。。
我还有一个最大的concern就是，金融市场上的统计套利和相关性分析实质上都是在历史中寻找未来，但这本身恰恰就是风险的来源。
这个问题在金融市场的影响尤甚，譬如当下的零利率环境，在历史上几乎没有对应。这可能也是这几年的主动管理hedge fund表现尤其差的原因，大家也都渐渐投向了ETF被动管理基金的怀抱。
举一个例子，金银比，在近50年历史上两个截然不同的美元货币环境下震荡的中枢是非常不一样的。如果仅仅是按照之前的震荡中枢来做统计套利，在中fundamental变化的过程中会损失惨重，因为这是一个缓慢变化的过程，你以为是套利的空间更大了所以加重了仓位，但其实是背后更深层次fundamental的东西在发生变化而自己完全没有意识到。
或者更specific近代一点的例子，08次贷危机，似乎就是因为统计模型预设的是尾部较轻的distribution，但是事实上发生了fat tail事件，然后引发了连锁反应使得危机扩大一发不可收拾。统计方法本身的概率性决定了其结果都是概率性的，我们bet的就是大概率事件的发生，但是小概率事件会让我们bet大概率事件积累的收益瞬间化为乌有。
这样就会想一个问题，概率性是运行的本质，还是因为我们掌握的信息不够多呢？
由于我的物理背景，又很自然的拿来对比。(注意下面的内容非常毁三观)
这里介绍一下物理中的不确定性原理，也是我们所有微观世界运行规律的核心，也是我们近代科技的理论基石：
这个式子的内容是，我们无法同时准确测量一个微观粒子的位置和动量。也就是他们之间的乘积有一个下限，并且这个下限并非是0。
也有人质疑过不确定性原理，说其实是测不准原理，因为我们的技术不够先进，对于微观粒子的信息掌握的不够多，所以才导致我们无法准确测量微观世界的单个粒子的动量和位置。爱因斯坦也说过上帝不会掷色子，觉得粒子的状态就是在那儿，只是因为某种原因我们无法获知这个状态。
但是后来发现，测不准并非是因为我们掌握的信息不够多，而是微观粒子内秉的不确定性的量子特性。正如同薛定谔的猫一样，测量本身也会干扰到其测量物体使其坍塌至某一观察到的状态。
我们的世界实质上是建立在微观世界的概率上的。
回到刚刚的问题，如果概率是我们世界运转的基石，那是否表明了我们永远不可能预测经济危机呢？
或者我们未来有了非常强大的测量工具，把每个人的经历，心理活动和行为都量化出来，任何事情也都量化出来，是否就可以准确推断出未来所将要发生的事情了呢？
我觉得也不一定，因为就像物理微观世界里面观测本身会影响被观测物体的状态，即使真的有一天我们可以达到那样高的技术水平，我们对于未来的预测结果也会影响我们自身的行为，同样改变了未来的轨迹，又变成了一个无限的feedback loop。
所以说可能经济危机本身就是不可预测的，即使可以预测它会发生，但是何时发生，以怎样的形式发生，程度有多大都是不可预知的。不然，经济危机就不会发生了。
让我想到了去年上映《大空头》里面做空次贷的几位主角，大家都希望成为他们抓到这样的机会一夜暴富为人们所崇拜。但是这种vision和魄力并非每个人都有，更重要的是等待的pain不是一般人可以承受。索罗斯在《金融炼金术》里面也提到过，虽然很多人都看到了bias，并且知道bias的趋势一定会反转，但是具体是什么时候任何人都不知道，也许在bias反转之前就已经被这种自我加强的反身性给踢出局了。
历来成功做空经济危机的主角们之所以能被人们看到并被津津乐道奉若神明，除开他们本身足够的能力，更重要的是因为他们成功了。
或者说，他们幸运的成功了~(不管换做是谁，其实都会被记住的)
这里我并非一昧强调不可知论，只是想强调概率确实在我们的生活中是非常重要的一个部分，但同时也需要认识到其对于未来预测的局限性，并且需要耐心。
时事政治不多谈(身在美帝得保持政治正确的优良传统)，只是扔几张图大家看看吧~
最后来以一个成语作为结尾吧~
我们来回顾一个耳熟能详的成语—“盲人摸象”，这是自学了一年宏观给我最大的感触~
“在各种不同的版本中一群盲人触摸大象希望可以了解到他们正在摸什么。每个人都只触摸一部分。每个人在触摸到不同的部位后得到完全不同的结论，产生争执。故事基本上说：事实往往由于各人角度不同而被给以不同的解释。”
“It has been used to illustrate a range of truths and fallacies; broadly, the parable implies that one's subjective experience can be true, but that such experience is inherently limited by its failure to account for other truths or a totality of truth. ”
我发现自己很多时候都只能看到一个或者少数几个方面然后就想当然得出了一个很general的结论，自然，很多时候结论都是欠考虑的，非常fragile。甚至自己了解的越少，反而越盲目的自信，这也是我学到的一个教训。
不管是英国脱欧，美国大选，我们都可以看到一个现象，那就人们的bias，arrogant非常严重，并且自己完全没有意识到。
我就一直在想自己是否也有严重的bias。譬如，每次我觉得confident甚至得意的时候，这本身是否也是一种bias？这会导致我认为我说的做的都是对的，但很可能就是因此犯下大错。
做交易，甚至正常生活中，为了不产生bias，我们需要搞清楚一个问题的就是，我们到底是有edge，还是我们其实在edge边上。edge是trading里面的一个褒义词，形容在相对大部分人很有优势，但我喜欢这个词的原因是觉得它并非褒义，而是同时代表了两个极端。有edge说明我们对majority占有优势，但同时也说明我们是minority，怎样能确定我们不是因为由此产生的自信甚至自负变成blinded而站在危险的edge边上呢？
edge不仅代表了收益，同时也代表了bias的potential风险。
所以那应该如何避免？想要避免bias，首先需要知道人为什么会产生bias。思考过一段时间，后来我发现可能需要从心理上来解释。
首先每个人总是觉得自己是对的，人们只能看到自己愿意看到的东西，甚至先入为主觉得其他人也会跟自己有同样的感受，所谓ego。ego这个词非常贴切，因为我们就是我们的立场，这是我们的identity。如果怀疑我们自己产生的每个想法，那就相当于我们无时不刻在怀疑自己存在的意义。
所以我们先入为主就不会认为自己是错的，直到外部事件开始动摇我们的观点，然后才会经历一个痛苦的自我怀疑的过程(事实上这也是一个一层一层螺旋上升金字塔的成长过程：每一层第一阶段盲目的自信觉得自己无所不能，第二阶段继而受到挫折开始自我怀疑，第三阶段对自己的limit和ability都有了充分的认识。这样一层一层向上升，整个系统愈来愈稳定，所谓成熟)
我们也可以把理性看做是自我保护的一种机制，用逻辑来保护或者隐藏我们内在的vulnerability。
所以一开始我们会“理性”“认为”我们是对的，并且给自己找无数的证据来support自己。
每个人的经历，就是每个人认知世界bias的来源。其他条件不变的情况下，类似的experience，会形成类似的bias。
同理心这一点我觉得非常重要，因为这个可以帮助我们理解他人。假设一个场景，如果把自己放在别人的角度上，从小到大经历完全一模一样，这样自己自然也会做出跟别人同样的决定。
所以人跟人之间的矛盾与其说是各自立场的冲突，不如说是因为基于不同experience所以对同一事物产生的不同预期和bias的冲突。
相信很多人也都读过《乌合之众》，虽然并非正规的心理学，但里面描述的现象还是很值得思考的。
正是因为我们天性认为自己永远是对的，所以我们极易被煽动。我们每个人开始都只能看到我们想看和愿意看到的一面，会有目标性的去选择看一些跟自己观点相同自己prefer去看的东西(选择性过滤和blinded)，这样一方面是为了增加自己的信心甚至洋洋得意，另一方面从结果上这样又会进入强化自己的bias的循环中。
所以更进一步假设，如果一个人陷入了这种不断加强的自我正确的循环，不断看到自己愿意看到的东西，甚至坚信到更本不需要思考，认为自己正确的过程会不断自我强化，因为这是顺着人性的方向，最终他会完全失去理智走向疯狂的极端，直到跟事实之间产生矛盾直至崩溃。上面所说的金字塔成长模型就会坍塌，因为第一阶段由于bias的自我强化和外部强化共振发展到了极端的情况，切换到第二阶段自我怀疑的时候就会extreme inbalanced，直接导致系统崩溃。
卢梭在《忏悔录》中引用过一句话，
“Quos vult perdere Jupiter dementat"
英文翻译是，“Whom the gods would destroy, they first make mad”
熊彼得在《资本主义社会主义与民主》里面也说过，“我们讨厌有人要我们思考，憎恨不符合我们已经相信或想要相信东西的陌生的议论”
市场上也是一样，其实一开始每个人有每个人认为正确的东西，并且互相博弈甚至内耗，处于动态的平衡状态相对稳定。但是如果博弈开始失衡(甚至绝大部分情况都是处于失衡状态？)，从内部开始形成趋势，趋势会开始不断自我强化。在强化的过程中反趋势的声音会越来越弱，直至完全被dominated。然后趋势开始加速，更多曾经动摇的人开始主动相信这一观点。但是反对的声音并没有消失，只是被掩盖住了。并且在压制下开始了发展。Soros所谓的deficit一直存在。
说了这么多，那到底怎么避免bias呢？
因为人的主观意识就是偏见，bias也是我们存在的本身，所以我们永远不可能完全剔除bias。
不过，虽然无法避免bias，但时刻对自己的反省防止走向极端还是很必要的。
“我不怕无知，但我怕我以为我有知。”
特别作为一个trader，一个是需要时刻检查是否受到自己主观bias的影响看问题不客观不全面，二更重要的是同时需要对主流趋势的bias非常熟悉。只有这样才能front run。
我还正在思考的一个问题就是expectation和fact之间的关系到底是什么，他们在市场当中当中又会怎样互相影响甚至互相转换。毕竟trading实质上是基于expectation，也就是每个人都是基于自己对未来的想象在交易。
暂时我的理解是expectation对于短期的波动contribute更多，时间跨度越长，fact才越是决定性的因素。但是基于fact的expectation 又会产生bias，bias形成trend之后又会影响甚至颠覆fact本身，所以这个feedback loop看来也不能单独来看。
Confused。
好了，终于写完了。。。也许这整篇文章都是基于我limited experience的bias，大家小心借鉴，去其糟粕，也不一定有精华~
你如果问我扯了这么多废话，到底明年买什么？
我只能扔给你这张图~(Seriously, 通胀预期下农产品涨的挺不错的)
谢谢观赏，我就做了这么一点小小的贡献~
_______________________________________
免责声明：所载内容来源互联网，微信公众号等公开渠道，我们对文中观点保持中立，仅供参考,不作为投资依据。部分文章推送时未能与原作者取得联系，若涉及版权问题， 请发送消息至公号后台与我们联系，非常感谢！
_______________________________________
深圳国金永恒基金管理有限公司（以下简称“国金永恒基金”）成立于2014年，是经中国证券投资基金业协会批准设立的投资顾问公司和私募基金管理人。国金永恒基金主要从事受托管理股权投资基金、受托资产管理、投资管理、股权投资、经济信息咨询、投资咨询、企业管理咨询等业务。产品线将涵盖定向增发基金、股票型基金、FOF股权基金、量化对冲基金、可转债基金、其他理财产品、VIP理财。为投资者提供多维度的理财配置方案。国金永恒基金研究团队致力于宏观经济投资策略和股票上市公司实地调研精准分析，研究证券市场投资策略和未来走势预测，真诚服务于私募基金客户和广大投资者。
长按二维码，关注国金永恒基金