交易心理學：顶级交易者的共同策略

 

期樂會· 2022/08/12 23:40

来源：期乐会

《至高无上》一书，列举了作者认为的五位顶级交易者。包括：

杰西.利弗莫尔（即《股票作手回忆录》的主角李费佛）、伯纳德.巴鲁克、杰拉尔德.勒布、尼古拉斯.达瓦斯、威廉.奥尼尔（即欧奈尔，尊重译者起见，此处称奥尼尔）。

这五位，都经历过各种市场环境，百炼成钢，赚取了惊人的利润。他们有一些共同观点、特点：

1、努力工作才能达到最佳境界。这和其他行业是一样的。

2、他们认真记录和分析自己的交易失误。当资金遭受损失时，他们会审视自己的行为，决定分析一下是什么导致了自己的损失。

3、他们通过制定和坚决执行交易规则战胜自己的情绪。他们认识到情绪是交易最大的敌人，于是制定一整套交易规则以战胜自己。

4、他们都有伟大的目标，绝不小富即安。

5、他们对变化能快速做出反应、及时进行改变。

6、从不相信内幕消息、永不按照别人的建议交易。他们几乎都因听从某「专家」的建议吃过大亏。从此以后就改了。

7、他们赚钱后会提取储备金，以防不测。

8、他们都认为，市场不能总是提供最有利的交易环境，所以总是待在市场中进行交易不是一种谨慎的策略。

他们重视整体市场环境（也就是我们所谓的看大盘做个股，只不过他们不关心大盘每天的「区间套」、高低点罢了，他们关心的是市场的整体趋势），该歇着就歇着。

9、他们的首要交易规则就是在遭受损失时控制损失。基本都不超过该股票仓位的10%。

他们的交易失败率都接近50%，和掷色子差不多，区别在于他们及时地把错误交易止损了！

10、他们喜欢买强势票，总是选择一波牛市的领涨板块中的领涨个股。

11、他们很少「高抛低吸」，总是做完一个波段。

12、他们都喜欢采用金字塔交易法。他们在股价向预期相反的方向发展时，绝不向下摊平成本，而是直接割掉。相反地，他们在发现买对了时，会不断加仓，不惜「追高」。

13、他们获得巨额利润的主要功臣，是持有获利股。

14、他们都发现，没有人能在最低的价位买入股票、在最高的价位卖出股票。他们听从市场的变化，并按照市场行为进行了行动，而不是抱着希望和幻想继续持有股票。

附： 顶尖交易员的特质

1. 专注热忱；

2. 勇气；

3. 耐心；

4. 毅力；

5. 自我分析；

6. 自律精神——最重要的特质；

7. 开放的心胸；

8. 停损出场；

9. 精明，对数字反应快；

10. 旺盛的精力和事业心；

11. 追求梦想的毅力；

12. 竞争心态；

13. 速度与弹性；

14. 心智往往经过许多独特经验的塑造；

15. 具备一些运动细胞；

16. 全方位。

操盘建议

• A. 交易理念

1. 瑞士方法：不带情绪地对待交易对象——客观与中性；

2. 不进行交易是一种自律精神——非常重要的规范；

3. 交易市场中，机会绝对会敲两次门；

4. 衡量成功的基准：是否按照计划行事；

5. 市场是公司资料的最佳传播者；

6. 设定交易目标，思考交易动机，以及达成目标所需要的一切；

7. 把交易经验记录在交易日志中，随时翻阅；

8. 专注于交易系统，不要专注于盈亏结果；

9. 适当的导师需要有与自己类似的交易心理与风格；

10. 提升控制能力，累积胜算，尽可能降低运气的成分；

11. 对于一笔交易，最佳结构未必复杂；

12. 为了长期获利，交易的活力潜能应该数倍于潜在损失；

13. 循序渐进地交易：一次一颗豆子；

14. 寻找成功的交易员，模仿他们；

15. 坚持自己的交易计划，才能够提升时机掌握的正确性；

16. 专注未来而不是过去；

17. 留意获利能力的变化；

18. 如果建立一笔理想的交易，必须确认这点，扯足风帆，尽可能榨取利润；

19. 根据系统，及时认赔，这就是成功的征兆。

• B. 风险控制

1. 最初的损失就是最小的损失；

2. 不受认赔法则的约束，因为这个法则在一个更高的法则之下：如果您判断错误，才应该立即出场。虽然亏损通常代表判断错误，但未必始终如此；

3. 将获利当作亏损的准备金，这是我觉得非常重要的态度；

4. 宁可错失机会也不要发生亏损；

5. 预先评估各种应对行动；

6. 保持偏低的亏损，相当于创造较大的获利；

7. 设定部位允许发生的最大损失金额；

8. 优秀交易员都讨厌风险，预先防范错误的可能结果。

• C. 心理控制

1. 弹性的心态就是获利的心态；

2. 耐心是风险管理的根本要素。没有耐心，您就很可能抓到一些不当的机会，提高部位承担的风险。缺乏耐心源自于恐惧或贪婪；

3. 按照自己的个性进行交易；

4. 辨识三种恐惧情绪：害怕错失机会、害怕成功与害怕失败；

5. 辨识害怕成功的理由，把问题中性化；专注于成功的效益而不是压力；

6. 在冷清、沉闷的行情中，务必留意「手痒」的问题；

7. 留意偏执的心理；

8. 绝对不可以对于任何部位产生情绪性的执着；

9. 损失：感受恐惧的压力，避免重蹈覆辙；

10. 自信必须受到自省的调和；

11. 没有必要比市场精明，不要让自尊妨碍您及早认赔；

12. 交易不可能始终有趣，有时候您必须具备毅力渡过难关。

• D. 交易系统

1. 交易系统就是交易计划，显示您什么时候应该做什么。交易者必须对于自己的系统保持信心；

2. 最简单的方法是寻找长期趋势线，然后在趋势线附近买进；

3. 一个理想的计划至少需要具备两个素质：一是清晰显示进场与出场的时机；二是交易计划经过测试，显示具备稳定的活力能力，同时还要考虑风险与资金管理。

信噪比的另类解读：投资决策中，管理噪音比降低噪音更先进？

 

信息和认知对投资来说哪一个更重要？我们认为这是有分类和适用场景的。

此前，我们提到过去几年Buy and Hold策略是比较主流的，我们认为在此策略下认知更重要。但认知在不同公司的表达又是不同的，像对于可口可乐这样的穿越周期的好公司，我们的认知不太需要高频信息和数据去证实。而我们还认为，信息、数据在一些场景下跟认知同样重要，甚至是认知本身。

那么信息与数据是否真的会造成机构和机构之间的核心差异呢？

本期「WhatIf早知道」是IPO早知道和WhatIf联合推出的专栏。「Whatlf」致力于打造信息协同网络，提供充分闭环研究的商业信息和内容，其背后支持者包括家族办公室、资产管理机构、企业家、投资人、行业组织、CXO等。

本期主题为「信噪比的另一种解读」。今天的叙事者是服务于国内一二级市场的另类数据头部企业百观科技的创始人兼CEO陈沐，这位CEO原来也是投资行业的从业者。今天，百观科技将分享他们看到的信息和信噪比的变迁。

我们认为，所有的结构性变化，不是只是说和讨论的，而是持续地运营、模拟，静下心来认知这个世界，不是发一个朋友圈就好了，真正的结构化是在于我们怎么提高我们的大脑，不要只是交易、热闹。

以下为本文目录,建议结合要点进行针对性阅读

01:为什么在当下我们更要讨论信噪比？

02:面对信噪比下降，要改变信息吸收、处理的方式

03:怎么用技术的方式提高信噪比？

04:现在大环境的情况和信噪比的工作

05:未来解决信噪比的方式的发展和影响

Q1：为什么在当下我们更要讨论信噪比？

1、以往一二级投资机构的认知框架是寻找原始信息，去掉噪音，获取信号，再去做投资决策。因为以前的信息量少，市场参与者也少，大家的工作流是看新闻、分析财报，人工处理这些信息。

2、数字化的进程使信息量膨胀，超过了现有的处理能力，很多机构自然地做了减法，但这又会导致信噪比下降。那么如果要维持像以往一样的信噪比水准，要花更多的精力去分辨有效信息。

1）信息量膨胀，来源包括：基础数据、政策动向、新闻媒体、公司沟通、专家访谈、市场调研、卖方信息、宏观环境、社交媒体、另类数据。

另类数据是一种新的信息来源，现在各行各业的经济活动逐渐被数据捕捉到，有很大的数据挖掘价值。在另类数据服务使用上，美国比中国早了大概六七年。据我们看到的统计，美国有500多家另类数据厂商，覆盖了近二十种数据类型，中国有100家左右的另类数据厂商，但中国另类数据的类型多达三四十种。

2）基金AUM变大、投资标的变多，所以要做的投资决策更多，基金对信息挖掘的要求变多。

3）信息之间口径、时间点、角度都不一样，也增加了处理难度。

4）收集信息的时间变长，要处理的不同来源信息之间对齐工作变多，而人的记忆容量也是有限的，如果按照现有的笔记、Excel、机构协作系统等处理方式，会让专业投资者没时间思考。

Q2：面对信噪比下降，要改变信息吸收、处理的方式

信噪比下降，解决办法不是给信息做减法，因为很多有价值的信息确实蕴含在了新信息源里，如美团订单量、Bilibili的付费会员数等另类数据，可以提前两个月给到我们重要信号，这是我们必须去获取的。另一个例子是教培行业，如果我们更早地去读教育行业政策相关的文章，会发现教培行业很早以前就有逐步被监管的可能。

所以，我们应该改变方法论，改变技术，提高信噪比。一些机构里有自己数据科学团队，在国外这里的一个里程碑事件是Citadel曾招了前微软COO成为Citadel Security的CEO。此外，BlackRock的阿拉丁系统现在已经是它的核心业务线之一。

Q3：怎么用技术的方式提高信噪比呢？

1、信息采集层面

1）场景化。投资机构自己决策在哪些环节扩大自己的信息来源，增加信噪比的效率。这些新信息的适用场景主要包括二级市场的idea generation和跟踪研究、一级市场的deal sourcing、尽调、投后管理。

2）自动化。机构有自己的IT部门去自动化采集新的信息，或自己搭建数据中台，或对接服务商，要求自动化推送信息。

3）以终为始&以始为终。以始为终是要开放性地了解各种信息的来源、数据特点。而以终为始，是指要场景化建立自己的决策和认知框架，否则会被带偏。在此基础上，数据采集还要有迭代机制。

2、信息整理需要有结构化的思维。结构化处理是降噪的关键步骤，基金首先应有数据库化思维，对研究的行业与公司做好标准化目录索引，甚至以云端数据库去为规模化的数据存储、处理做准备。在此基础上就可以用自动化工具找到投资时需要的信号。

3、认知框架的自动化。从数据中找到信号最关键是要找到关键指标。信号的提炼可以实现自动化，但基金在认知框架中要确立哪些指标来服务于自己的研究，包括：

1）标准化的微观指标；2）中观指标；3）根据基金的策略建立的自己的宏观北极星，如Ray Dalio宏观指标分析框架、二级市场基金的大盘指标、一级市场的社会指标。

根据各个基金的投资主题，他们关注的数据有差异。有了主观认知框架，加上自动化，在数据决策系统中加减指标通过几行代码就可以达成了。

WhatIf信息官补充

认知的框架应该相对主动和灵活，正如芒格所说，在不同的场景中应该有不同模型去应用和迭代，比如在市场上升通道或者资金流动性较好时，各种另类数据和信息的处理是非常有效的，因为市场的映射会很有效，这些另类数据除了百观上述的各种业务数据外，还有很多其他的定义和来源，比如美国部分量化基金会跟踪部分投资人的13A披露，并加以处理，或者会关注一级市场的投资人的组合来形成一部分信息来源。

而在下行市场或者动荡市场中，多维度的信息会显得非常重要，尤其对于风控而言，比如最近1-2年，对政策和宏观信息的系统化处理尤为重要。

政策：

- 国家级媒体包括包括人民网、新华网、央视网、中国日报等，各级部委也有自己的媒体
- 国际政策等可查看Bloomberg等聚合Portal

宏观：

- 除Fed、PBoC政策外，还有ISM制造业数据、CPI数据等
- 此外部分资金方面数据可看投行PB交易数据、债券市场数据、期货市场数据、空头回补数据、国内南下北上资金数据等

行业自身主要包括：

- 数据库、行业协会
- 金融类：投行信息、Bloomberg等金融信息聚合平台、金融类信息分发平台

通常我们看到做得好的Hedge fund，都会针对一些策略沉淀信息和数据的workflow，过程中包括上述公开信息、另类数据、非结构化信息文本、内部协作信息等。

专业的投资人是有自己的表达的，对行业的看法、对公司的偏好、对风险的理解、对成长的理解等都是需要很好的表达，这种表达远远不仅局限为我喜欢一个公司我要长期持有，而是背后的原因得表达更为重要。

简单说一个公司是好公司已经不足以表达了，更重要的是它在什么情况下、什么价格下是好公司。

4、如何用技术团队实现降噪？基金会通过in-house招人、外包、用第三方产品这几种方式结合来完成。

我们发现大平台的对冲基金管理规模在100亿美元以上，更适合有一个健全的in-house数据科学团队，并且跟第三方数据服务商合作；10亿到100亿美元规模的中型基金，需要一两个内部人员对接数据服务商，再使用外包团队使自己的数据系统能运转起来；更小的基金可以直接使用第三方服务商的服务。

服务商的能力也在变强，未来也是可以实现内部数据科学家的职能的。美国基金在使用另类数据服务商方面的渗透率较高，但中国目前只有头部机构在尝试使用。

5、行业案例与趋势：一级市场在投后资产管理方面会比二级市场更加积极地运用数据去赋能它的被投公司。一级市场投后场景中，机构在控股被投公司后，需要用数据赋能公司的战略决策。Blackstone曾向美国SEC报备，它会将被投公司的数据进行共享。再看国内，高瓴控股百丽后也用数据去指导投后的数字化运营。

我们看到一些基金把自己的认知框架指标做了系统化评分标准。Iconic在对于SaaS的决策中，就将十几个公司的关键指标做成benchmark，遇到新的公司就以benchmark作为参照，用关键指标的比对系统来做降噪处理。做这些比对时，将尽调标的的data pack放进系统里，几个关键指标可以自动化地生成出来。

WhatIf信息官补充

在我们尽调基金的过程中，很多基金强调数据benchmark是没有实际用处的，究其核心原因是「市场并非这么定价」；这里我们发现有两类情况：严格遵守Benchmarking的机构，反向去不断要求自己找到合适的投资方向和标的的，通常风险收益和稳健度都比较好；坚持认知无法框架和benchmark化的机构，也有部分机构赚取了超额收益，同时，部分机构也因为追高损失了节奏，付出了「停滞期」。

在这个层面上，我们觉得投资以及类似的商业决策，确实是科学+艺术的结合，知道自己更偏科学，还是更偏艺术，辅助以适应自己系统的认知、决策设施，是更为重要的。

Q4：现在大环境的情况和信噪比的工作

1、市场环境的变化。中国走到了经济百年不遇的变局，政府在引导投资从to C走向to B、从线上走向线下。信息的大幅增加是不可逆的，决策的变量增多也越来越将大家拉回同一起跑线。

2、修内功的好时机。过去几年，投资资金流动性很强，大家抢项目的时候根本没时间去消化和沉淀。目前经济增速放缓，基金募资难更普遍，而且下决策做多、做空都比以往更难，我们还看到很多基金过去在运行的估值框架现在失效。但它们可以利用这个时候练好内功，借助数字化转型把投资流程重新梳理，复盘、建立新机制和方法论。

Q5：未来解决信噪比的方式的发展和影响

信息的膨胀是不可逆趋势。中国的统一要素市场中，数据是生产要素之一。从国外的NFT、区块链、Web3看，很多物质世界的事物也被数字化了。今后要降低投资研究的信噪比：

1、未来形态是人类与AI的结合。信息采集、处理甚至初步判断都能由机器完成，但人的感性部分没办法被机器取代。

2、分布式决策与赋能。信噪比降低的终局是使每个分析师的产能更强，并且由于技术赋能，某个行业领域会出现更多小的团队或平台进行专业的资管；大平台可以管理好更大的AUM，例如Bridgewater和Citadel都是系统性地管理更大的规模，单体的输出效率也很高。

交易心理學：如果无法逃脱周期，那就学会利用周期

 

如果无法逃脱周期，那就学会利用周期

巴倫週刊· 05/26 23:49

来源：巴伦周刊

周期是投资中无法回避的现象。对于投资者来说，最困难的是我们很难知道在一个周期中的实时位置，只有等经过之后，才能真正知道现在到底是波峰还是谷底，但是投资者可以利用历史信息来帮助评估当下的投资机遇与风险。

高盛集团合伙人彼得·奥本海默（Peter Oppenheimer）所著的《金融周期》试图通过发掘过去100年金融市场历史数据来把握周期的规律，本文选摘自本书的结论部分，它告诉我们从过去和现在能学到什么，以及对未来能期待什么。

随着时间的推移，经济、政治和投资格局发生了重大变化。重大科技创新（如互联网）和挑战（如气候变化）与经济增长率、通货膨胀和利率的典型周期共同演化。也就是说，尽管出现了如此多的变化，但经济活动和金融资产回报模式仍在周期中循环往复。作为总结，以下是一些重要的经验。

我们可以从过去学到什么？

• 资产带给投资者的回报取决于诸多因素，其中最重要的可能是投资的时间跨度和初始估值。投资者乐于持有投资的时间越长，经波动率调整后的回报率可能会越高

对股票投资者来说，这一点尤其重要。例如，在 2000 年科技泡沫顶峰时买入的股票，其 10 年期回报率是 100 多年来最差的，因为初始估值过高。类似地，日本股市（日经 225 指数）比 1989 年的峰值水平低了大约 45%。标准普尔指数直到 1955 年才回到 1929 年的水平。尽管这些都是历史上非同寻常的时点，但大部分都可以归结于估值。

不难理解的是，在风险调整的基础上，估值高峰（1929 年、1968 年、1999 年）之后往往是回报率非常低的时期，而在市场低谷（1930 年、1973 年、2008 年）的极低估值之后往往是回报率非常高的时期。

• 自 1860 年以来，美国股票的平均年化总回报率约为 10%，在1 年期到 20 年期的持有期跨度内都是如此。

对 10 年期政府债券来说，相同持有期限的平均回报率在 5% 至 6% 之间。虽然在短期内，股票经波动率（风险）调整后的回报要比债券低得多，但从长期来看，投资者通常会因承担风险而获得回报。

• 在很长一段时间内，股票市场（和其他资产类别）往往会周期性波动。

随着经济周期的成熟，每个周期通常可以进一步划分为四个阶段，各个阶段所反映的驱动因素有所不同：

（1）绝望期，在这一阶段，市场从顶峰走向低谷，也被称为熊市；

（2）希望期，即市场通过多次扩张从谷底反弹的短暂时期（美国平均为 10 个月，欧洲平均为 16 个月），这一阶段对投资者来说至关重要，因为它通常是在周期中实现最高回报的阶段，而且通常开始于宏观数据和企业部门的利润表现仍然低迷的时期；

（3）增长期，通常是持续时间最长的时期（美国平均为 49 个月，欧洲为 29 个月），盈利开始增长并推高回报；

（4）乐观期，即周期的最后阶段，此时投资者变得越来越自信，甚至可能变得自满，估值往往会再次上升，并超过收益增长，通常情况下，这一阶段在美国持续时长为 25 个月。

• 规避熊市很重要，因为股票回报在股票周期中高度集中。

年回报率的变动可能是巨大的。战后标准普尔指数年回报率最低为-26.5%（1974 年），最高为 52%（1954 年）。历史表明，随着时间的推移，避开最糟糕的月份和在最好的月份投资同样有价值。

并非所有熊市都是一样的。我们发现，从历史上看，熊市可以根据其严重程度和持续时间分为三类：周期性、事件驱动型和结构性。

周期性熊市和事件驱动型熊市的股价一般跌幅为 30% 左右，而结构性熊市的价格跌幅要大得多，约为 50%。事件驱动型熊市往往是最短的，平均持续 7 个月；周期性熊市平均持续 26 个月；而结构性熊市平均持续 3.5 年。事件驱动型和周期性熊市往往会在大约 1 年后恢复到之前的峰值，而结构性熊市平均需要 10 年才能恢复到之前的峰值。

牛市可以带来强大的回报。作为一个粗略的经验法则，以美国为例，牛市的平均股价在 4 年内上涨超过 130%，年化回报率约为 25%。部分牛市是由持续的估值增长驱动的，可以广义地描述为长期牛市。1945—1968 年的战后繁荣，以及 1982—2000 年通货紧缩和「冷战」结束的长期繁荣都是最佳的例子。牛市趋势不那么明显，而且往往更具周期性。我们将其分为以下几类：

1. 市场窄幅扁平（低波动性、低回报）。市场扁平化且股价停滞在一个狭窄的交易区间，波动较小。

2. 市场宽幅扁平（高波动性，低回报）。这段时期（通常很长）是指，股票指数的总体涨幅很小，但波动很大，其间会出现强势的反弹和回调（甚至有微型牛市和熊市）。

我们可以从现在学到什么？

• 尽管市场一直倾向于周期性波动，但金融危机后的周期在许多方面与过去有所不同。

一方面，经济周期已经很长了，就美国而言， 本轮周期是一个多世纪以来最长的。另一方面，通胀预期放缓，债券收益率跌至历史低点。英国长期债券收益率已达到1700 年以来的最低水平，目前有超过 14 万亿美元的政府债券收益率为负。在利润增长和回报方面，技术创新也导致相对的赢家和输家之间的差距越来越大。自金融危机以来，科技行业一直是利润率和利润增长的主要来源。

• 自金融危机以来，相对较弱的经济增长、相当低的通胀预期和债券收益率的经济背景意味着，投资者面临收入和增长的稀缺（因为政策利率接近甚至低于零）：

与金融危机前相比，高增长公司的数量有所减少，总体而言，企业部门的收入增速已经放缓。这些因素结合在一起，引发了人们在固定收益和信贷市场中对收益率的追逐，也在很大程度上反映在成长型股票相对于价值型股票的表现上。

无论是信贷市场还是股市，对未来增长的不确定性越高，对质量的溢价也就越高，也就是说，资产负债表越强健的公司对经济周期的敏感性越低。除非或直到经济增长和通胀预期开始恢复到金融危机前经济周期中的普遍水平，否则这种状况可能会持续下去。

• 由于上述这些变化以及量化宽松的开启，金融资产的估值普遍上升，这意味着未来的回报会更低。

债券收益率为零并不一定有利于股票。日本和欧洲的经验表明，较低的债券收益率推高了所需的股权风险溢价，即相对于无违约风险的政府债券，投资者承担风险并购买股票所需的额外回报。

债券收益率为零或为负可以降低周期的波动性，从而影响周期， 但与此同时，这使得股市对长期增长预期更加敏感。如果一场冲击导致经济衰退，我们可能会看到其对股票估值的负面影响比我们在过去的周期中看到的要大得多。

随着债券收益率为零或为负，养老基金和保险公司很容易受到债务错配的影响。这可能会导致一些机构为了达到保证的回报而承担过多风险，但收益率下降也可能导致对债券的需求增加，从而导致债券收益率进一步下降。

由于技术创新，又一个结构性转变已然出现。据估计，世界上90% 的数据是在过去两年产生的。这迅速影响了相对的赢家和输家之间的布局。那些最大的公司已经变得更加庞大：亚马逊、苹果和微软的总市值超过了非洲（54 个国家）的年 GDP，科技股是美国股市的主导板块。

历史表明，这种情况并不罕见。随着时间的推移，不同的技术浪潮将行业主导情况分成了不同的阶段，从金融股（1800 年至 19 世纪 50 年代）、反映了铁路繁荣的运输股（19 世纪 50 年代至20 世纪头10 年）和能源股（20 世纪20 年代至20 世纪70 年代）开始。

自那以后，除了 2008 年金融危机之前的一小段时间，科技一直占据主导地位。体现在从大型机（1974 年 IBM 成为标准普尔 500 指数成分股中市值最高的股票）到个人计算机（1998 年微软成为市值最高的公司）再到苹果（2012 年成为市值最高的公司）的演变。

对于未来，我们可以期待些什么？

未来的金融周期并不是本书的重点。然而，我们可以对过去和当前的周期进行观察，从而为未来的预期提供一些线索。

• 从过去的周期中可以得出的最一致的观察结果之一是，估值很重要。

高估值往往导致较低的未来回报，反之亦然。在后金融危机周期中，产品市场的通胀水平相对较低，金融资产的通胀水平则较高（且回报率较高），这种不同寻常的组合在一定程度上是由同一个因素导致的：利率不断下降。

• 实际利率水平的下降可以反映出许多因素：人口老龄化、储蓄过剩、技术对定价的影响，以及全球化。

至少在一定程度上，这也反映了金融危机后各国央行所采取的激进的量化宽松政策。

• 这种实际收益率的下降，加之总体增长率的下降，使得经济周期比我们过去看到的往往更长。

与此同时，经济体、企业和投资者更加依赖于这些现行条件的延续。这表明，未来几年投资者将面临一些不同寻常的挑战。

• 尽管短期内经济衰退的可能性仍然不大，但在面对经济冲击时降息的空间比过去要小得多，这使得从经济低迷中复苏变得更加困难。

政府可能会认为，在融资成本处于历史低位的情况下，增加借贷和财政扩张正变得越来越有吸引力。

但如果这样的借贷引发了更强劲的经济增长，那么在某个时候，通货膨胀预期和利率很可能会从当前的历史低点开始上升，随着债券收益率升至更高的水平，可能会引发金融资产减值。

• 一个可能的结果是，经济活动恢复到金融危机前的增长速度。

这将提振人们对未来增长的信心，但与此同时，可能会大幅推高长期利率，增加金融资产减值的风险，并可能导致股票和债券市场陷入痛苦的熊市。另一种可能的情况是，经济增长、通货膨胀和利率仍然非常低迷，就像日本近几十年来的情况一样。

尽管这可能会降低金融资产的波动性，但很可能伴随着低回报。鉴于人口老龄化以及由医疗保健和养老金成本形成的长期负债，对回报的需求不断上升，这使得在不冒更大风险的情况下，获得所需的回报变得更难了。

• 或许最大的挑战将来自气候变化和经济脱碳的需要。

尽管这方面的努力代价高昂，但它也为投资和调整经济结构提供了重要机会，使未来的增长更具可持续性。

• 技术成果开始显现。

在过去的 8 年里，风力发电成本下降了65%，太阳能发电成本下降了 85%，电池成本下降了 70%。在未来的15 年里，新技术不仅可以以与化石燃料发电相媲美的价格提供可再生电力，而且可以提供低成本的备份和存储系统，使得80% 〜 90% 依赖于间歇性可再生能源的电力系统得以运行。

• 从长期看，即便要承受周期引起的波动，投资也能够获得极高的利润。不同的资产往往在不同的时间表现最佳，而回报将取决于投资者的风险承受能力。

尤其是对股票投资者而言，历史表明，如果能够持有自己的投资至少 5 年，特别是如果能够识别出泡沫和周期变化的迹象，投资者就真的能够享受到长期回报带来的益处。