资本市场思考（一）：疫情之外“专业派”酝酿股市新机会

1、国投瑞银目录 HYPERLINK l _TOC_250014 1、 A 股大盘相关性背后是专业投资者的影子 3 HYPERLINK l _TOC_250013 、 相关性拐点有玄机 3 HYPERLINK l _TOC_250012 、 指数与相关系数负相关具有穿透性 4 HYPERLINK l _TOC_250011 2、 板块相关性与领域专业投资者行为模式 7 HYPERLINK l _TOC_250010 、 宏观公共信号和个体板块信号 7 HYPERLINK l _TOC_250009 、 公共信号与板块信号冲击的不同模式 8 HYPERLINK l _TOC_250008 情形一：较

2、强的公共信号冲击 8 HYPERLINK l _TOC_250007 情形二：正面和负面的板块信号冲击 9 HYPERLINK l _TOC_250006 、 板块估值对领域专业投资者的影响 11 HYPERLINK l _TOC_250005 、 结构性还是系统性的判断 12 HYPERLINK l _TOC_250004 3、 板块相关性对 2020 年权益市场的启示 13 HYPERLINK l _TOC_250003 、 对 2020 年权益市场怎么看？ 13 HYPERLINK l _TOC_250002 、 结构型的还是系统型？ 14 HYPERLINK l _TOC_250001

3、 、 哪些板块表现好的概率更高？ 14 HYPERLINK l _TOC_250000 风险提示 161、A 股大盘相关性背后是专业投资者的影子为了刻画 A 股整体价格的走势，一些金融机构编制并发布了代表大盘整体价格的指数，比如上证综指、沪深 300、万得全 A、申万A 股等。这些指数在金融市场获得广泛应用。许多投资者正借助于这些大盘指数，努力探寻 “战胜”市场的规律。本文通过公共信号与行业信号可能分化的视角，考察各板块指数相关性的特征以追踪专业投资者的行为，希望为资产配置管理者提供一个挖掘大盘及子板块配置机会的分析框架。、相关性拐点有玄机大盘指数的日度收益率和子板块指数的日度收益率，刻画了

4、A 股系统和结构两个维度的收益特性。我们利用大盘和子板块的收益率，计算出大盘与子板块收益率的相关系数。而相关系数演进的背后，体现了投资者特定的行为模式。正确识别大盘和子板块相关系数蕴含的规律，理解这些规律背后的逻辑，可以为我们打开一扇窥探领域专业投资者行为的窗口。本文将指数的日度收益率定义为指数的当日收盘价对上一交易日收盘价的变化率。而每个交易日的 子板块的相关系数，则被定义为该板块的日度收益率在该交易日以及向后回滚249 个历史交易日中与大盘指数日度收益率的相关系数。每个交易日的 大盘相关系数则被定义为该交易日中大盘各子板块相关系数的算术平均值。观察中国A 股大盘的相关系数序列，我们发现其演

5、进存在着一定的周期特征。图 1 展示了以中信一级 29 个板块1与万得全A 指数计算的大盘相关系数的形态。自 2006 年有数据以来，中信一级行业板块与大盘的平均相关系数呈现出 3 至 4 年的周期波动的特性。自中信一级指数创制以来直到 2019年前，有三轮比较明确的相关性高点分别发生在 2009 年、2012 年和 2016年。从 2019 年末开始，中信一级行业板块与万得全 A 的平均相关性开始从高点 0.85 向下滑落。现有数据似乎预示着， 2019 年末我们又迎来了新一轮大盘相关性从高向低的转变2。图 1：2020 年中国 A 股中信一级板块收益相关系数迎来下行通道A股中信一级板块与万

6、得全A指数平均相关性约3年约3年约4年约3年0.950.90.850.80.750.70.650.62006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020资料来源：光大证券研究所，数据截至 2019 年 1 月 17 日1该指数在 2020 年扩展成 30 个子板块，出于数据的可回溯性，我们仍然沿用老的编制口径。2该数据尚未包括非典型冠状病毒疫情所引发的冲击。事实上，中信一级指数所显示的大盘相关系数的周期波动，并非中信一级板块所独有。图 2 和图 3 分别展示了根据万得全 A 指数与万得二级板块指数计

7、算的板块平均相关系数以及根据申万A 股指数与申万一级板块指数计算的板块平均相关系数。在不同指数编制方法下，图 2 和图 3 所刻画的股市板块相关性都呈现出了与图 1 类似的周期特征，并且也都表明自 2019 年末开始，大盘相关系数开始进入新一轮下滑通道。图 2：万得全 A 二级板块与万得全 A 指数相关性图 3：申万一级板块与申万 A 股指数相关性申万一级板块与申万A股指数相关性万得全A二级板块与万得全A指数相关性10.950.90.850.80.750.7约3年 约4年 约3年约4年约3年0.652001 2003 2005 2007 2009 2011 2013 2015 2017 201

8、9约3年 约4年约3年约4年约3年10.950.90.850.80.750.720012003 2005 2007 2009 2011 20132015 2017 2019资料来源：光大证券研究所，数据截至 2019 年 1 月 17 日资料来源：光大证券研究所，数据截至 2019 年 1 月 17 日我们如此关注A 股相关性向下拐点的一个重要原因，在于我们观察到当A 股的大盘相关性处于下行通道时，股指处于上行的概率往往较大，而这背 后隐藏着鉴别领域专业投资者行为的方式，可能会给我们带来更多投资指引。、指数与相关系数负相关具有穿透性一方面，板块相关性与宽基指数走势的负相关性体现在全局层面上。图

9、 4 描绘了通过中信一级板块计算的大盘平均相关系数以及万得全 A 指数的历史序列。从大盘层级来看，万得全 A 指数上行的阶段往往伴随着大盘平均相关性下行，两者的相关系数约为-0.4，呈现出一定负相关性。在 2007 年、2015 年和 2019 年的部分时间里，股指和大盘平均相关性出现过短暂的正相关阶段，不过在后文我们将表明，这种背离存在着一定的经济学含义。图 4：万得全 A 指数与通过中信一级板块计算的大盘平均相关系数万得全A板块相关性（右轴）70000.9560000.950000.8540000.830000.7520000.710000.650200620082010201220142

10、01620180.62020资料来源：Wind，光大证券研究所为了更好地展现板块相关系数与全局指数表现的特征关系，结合图 1 至图 3 中的大盘指数平均相关系数的转折时间点，我们将中信一级指数编制以来的时间，按照大盘指数平均相关系数下行还是上行，分成 4 组通道，列于表 1。表 1：2005 年以来，大盘板块相关性的 4 组下行和上行通道下行时间段第一个下行通道32005/10/12 至 2007/01/31第一个上行通道2007/02/01 至 2009/01/19第二个下行通道2009/01/20 至 2010/05/31第二个上行通道2010/06/01 至 2012/09/02第三个下

11、行通道2012/09/03 至 2015/04/30第三个上行通道2015/05/01 至 2017/01/15第四个下行通道2017/01/16 至 2018/01/29第四个上行通道2018/01/30 至 2019/08/09资料来源：光大证券研究所绘制在全局视角上，我们发现存在两个有意义的特征（图 5）：第一，从全局上看，宽基指数的区间回报率4在板块相关性下行通道区间内表现为正，而在上行通道内表现为负。第二，宽基指数的区间回报率在板块相关性上行通道时的涨幅绝对值一般高于在下行通道时的跌幅绝对值。图 5：宽基指数收益在下行通道与上行通道中表现差异明显主板平均相关系数波动时间段对应的指数收

12、益% 200上证综指中证500沪深300上证50万得全A150100500-50资料来源：Wind，光大证券研究所另一方面，指数回报率与相关系数的负相关性具有穿透性。即大盘平均相关系数处于下行通道时，各子板块相关系数下滑的比率同该板块的区间收益同样呈反比关系。图 6 散点图中的点表示某个板块在下行通道中，其收益率和板块相关系数变动幅度所构建的对应关系，不同颜色的点对应不同的下行通道。图 6 中，每个下行通道中的板块收益和相关系数变动之间呈现出比较明显的负斜率。3由于中信一级指数数据不够，该时间点选自 Wind 全 A 与申万指数的对应拐点。4定义为该通道区间末的指数收盘价与区间初指数收盘价的百

13、分比例减 1。这说明在下行通道中，如果某板块的相关系数下滑程度越大，那么该板块的区间收益率往往就越大，指数与相关性的反向关系穿透到子板块层面。600第一个下行通道第三个下行通道第二个下行通道第四个下行通道500板块收益率（400300200）1000-100-60-50-40-30-20-10010板块相关系数变动率（%）图 6：下行通道时子板块收益率与相关系数变动率负相关（中信一级）%资料来源：Wind，光大证券研究所同时也要注意在各个下行通道中，子板块的收益率和相关系数变动率在不同的下行通道中所表现出来的相对位置并不固定（图 7）。这说明在大数定律下，尽管大盘收益率和平均相关系数呈负向关系

14、，但是在微观层面上，子板块对大盘相关系数的贡献具有随机性，不存在固定的特征模式，这就为板块择时提供了存在价值。图 7：4 个下行通道下子板块表现并没有显示出固定模式特征（中信一级）石油 煤炭 有色 公用 钢铁 基化 建筑 建材 轻工 机械电设 国防 汽车 商贸 餐旅 家电 纺服 医药 食品 农牧银行 非银 房产 交通 电子 通信 计算机 传媒 综合500400板块 300收益 200率%（100）0-100-60-50-40-30-20-10010板块相关系数变动率（%）资料来源：Wind，光大证券研究所为了排除指数编制可能带来的偏误，我们利用万得全 A 的二级板块数据重复绘制了图 6 和图

15、7。我们发现万得全 A 二级子板块的穿透特性以及随机性的结论同样稳健，对应的关系作于图 8 和图 9。图 8：下行通道板块指数与相关系数变动（万得全 A）图 9：不同阶段子板块未显示固定模式（万得全 A）能源材料资本货物商业运输汽车第一个下行通道第二个下行通道第三个下行通道600板 500收 400益第四个下行通道第五个下行通道块率 300（） 2001000-100-80-60-40-20020板块相关系数变动率（%）耐用品消费服务媒体零售食品饮料与烟草家庭医疗制药银行金融保险房地产软件硬件半导体电信公用600500板 400块%收 300益%（率 200） 1000-100-80-60-4

16、0-20020板块相关系数变动率（%）资料来源：Wind，光大证券研究所资料来源：Wind，光大证券研究所那么该如何理解大盘以及子板块指数与板块收益相关指数的负相关性以及穿透性呢？这些特征背后包含着怎样的经济学逻辑？对我们的投资能起到什么样的指引作用呢？我们认为领域专业投资者的行为，在上述特征中扮演了重要的角色。而通过追踪这些特征，可以为不占据信息优势的资产配置管理者及时把握具体板块信号提供指引。2、板块相关性与领域专业投资者行为模式板块的相关性与领域专业投资者的行为模式息息相关。简单的说，当个体板块受到较强的与宏观不一致的正面行业信号冲击时，该领域专业投资者会快速准确地对信号进行处理，推动该

17、板块指数根据板块信号而非宏观信号波动。而当板块信号相对悲观时，在避险情绪和信息不对称下，领域专业投资者的行为往往更依赖宏观指标。正是领域专业投资者对公共和板块信号的不同处理，在宏观上可以表现为板块收益和板块相关性弱反向的关系。认识投资者的行为模式，可以为资产组合管理者提供增量的参考信息。、宏观公共信号和个体板块信号我们假设投资者具有两个特性：第一，投资者的专业知识禀赋具有差异；第二，投资者是风险厌恶的。这两个基本假设具有一般性，我们不在这里赘述其合理性。在投资者专业知识禀赋具有差异的前提下，领域专业投资者对公共信号和各专业领域信号的解读能力并不相同。领域专业投资者可以有效地接收和解读公共信号（

18、比如，GDP、CPI 等宏观数据）并对此做出反应，但由于专业知识禀赋的差异，专业领域的投资者只对接收和解读本专业的信号更具优势，但对非专业领域信号的接收和解读则相对迟缓和不足。同样如果投资者是风险厌恶的，那么领域专业投资者对于专业板块好和坏的信号的反应也将不是线性的。投资者专业知识禀赋差异和风险厌恶，会造成不同领域专业投资者对相同的外部信号，做出不同的反应。我们用图 8 来描述投资者所面临的信息环境。A、B、C 分别代表不同的专业板块。投资者通过接收和处理公共以及个体板块两大类信号，来决定自己的投资行为。对于大多数投资者而言，接收公共信号并作出合理解读的壁垒相对较低。但是不同的投资者对于专业板

19、块的信息接收和解读能力却不相同。比如 A 板块领域投资者，很可能对作用于 A 板块的宏观和板块领域信号相对敏感、解读的正确率也高，但是对于解读作用于 B 板块或者C 板块的信号影响则相对较弱。图 10：宏观公共信息与板块专业信息的影响程度会影响板块相关性不一致资料来源：光大证券研究所绘制、公共信号与板块信号冲击的不同模式投资者如何处理公共信号和板块信号，是一个极为庞杂的题目，但是从两个特殊情形出发，我们可以比较好地解释中国股市板块性的几个特征，并从中提炼出鉴定领域专业投资者行为的方法。情形一：较强的公共信号冲击如果超预期的公共信号冲击显著强于个体板块信号，比如突发的公共卫生事件、经济衰退或者宏

20、观强烈的刺激等，领域专业投资者对板块的判断更多基于同步的信息源，个体的专业知识禀赋作用下降。虽然同样的宏观信号，对不同板块的影响可能有所差异，但从总量上讲，大多数板块的表现对于宏观信号的反应逻辑是一致的。如果经济体一直处于公共信号强于板块个体信号的状态，我们应该能够观察到大多数子板块的波动完全取决于共同的宏观信号，极端情形下，这就体现为各个子板块收益率与大盘收益率的相关系数都接近于 1，并且不同板块的相关系数的方差也较小。此时，大盘指数的波动与大盘板块平均相关系数的关联性比较小。大盘指数上下波动的同时，大盘平均板块相关系数一直处于接近于 1 的较高位置，如图 11 所示。但是，超预期强烈的宏观

21、信号冲击，在现实世界不会持续存在。超预期的强宏观信号，往往是以短期离散的形式出现。在这种情况下，如果仍然假设较弱的板块信号，那么此时大盘指数的波动与大盘平均板块相关系数的关系可能就如图 12 所示。公共信号强时，板块相关性高，板块指数走势取决于信号的好坏，而当公共信号弱时，随机扰动下，板块相关系数下滑，板块指数走平。图 11：连续的强烈公共信号冲击图 12：短暂离散的强烈公共信号冲击相关系数大盘指数（右轴）相关系数大盘指数（右轴）110资料来源：光大证券研究所绘制0资料来源：光大证券研究所绘制情形二：正面和负面的板块信号冲击在现实世界中，公共信号的强冲击虽然时有发生，但发生概率相对较小，个体板

22、块的相关系数和股指的走势往往依赖于个体板块的信号刺激。不考虑任何行为摩擦的情况下，如果一个子板块遭受到较强的与大盘不相关的个体信号冲击，这里既可以是正面的信号也可以是负面的信号，那么该子板块指数走势的波动与大盘指数波动的相关性就会出现下行。但是从板块信号到子板块指数的传导，是通过领域专业投资者来完成的。这个过程将不可避免地受到投资者行为模式的影响，导致实际板块指数波动 情况与无行为摩擦假设下的推论产生差异。但恰恰是这种差异，让我们可以 窥探到领域专业投资者的专业判断，并引导我们的投资。图 13：领域专业投资者对行业信号的解读影响他们的风险偏好导致他们的行为有规律可循资料来源：光大证券研究所绘制

23、从经济学角度来讲，风险厌恶的投资者会更在意财富的损失，使得财富效用函数显现出凹性，即损失一笔钱给风险厌恶者带来的痛苦大于获得同样一笔钱的愉悦，我们把这个叫做“损失厌恶效应”。领域专业投资者在对当前板块进行定价时，需要估计行业未来盈利走势的可能性。而“损失厌恶效应”意味着投资者在估计盈利走势时，其实隐含着两步：第一步，先估计未来行业盈利可能的客观概率密度；第二步，对客观概率中不同盈利的概率赋予不同的偏好权重，形成主观概率。投资者对板块进行定价时，依靠的就是主观概率。“损失厌恶效应”会使投资者对行业盈利出现损失的概率赋予更多的权重，而对出现收益的概率赋予的权重较小。如果领域专业投资者对板块越没信心

24、，投资者主观概率对出现损失时赋予的权重就会越高，信号扰动产生的弹性也就会越大，而如果投资者对板块非常乐观，投资者主观概率对出现损失时赋予的权重就会减小，信号扰动对概率产生的扰动就越小。如图 13 所示，“损失厌恶效应”带来的结果就是，当领域专业投资者对本板块很有信心时，投资者主观概率对出现损失时赋予的权重就会越小，宏观信号在此基础上对估值的扰动就会减小；但是当领域专业投资者对本板块非常悲观时，投资者对损失赋予的权重较大，对宏观信号的变动将变得极为敏感。领域专业投资者心理变动，将导致一旦其对专业板块信号解读偏负面，将会推动该板块指数波动与大盘指数波动（受宏观信号影响）的相关性增加。而当其对行业信

25、号解读偏正面时，领域专业投资者又会推动该板块指数波动与大盘指数波动的相关性减弱。这也就解释了，为什么个体板块相关系数下行时，往往其板块收益率表现较好。从大盘的角度来看，当大盘的平均相关系数开始下降时，意味着有更多子板块的信号比较偏乐观，领域专业投资者的投资信心开始转强，这往往会同时带动大盘上行。当平均相关性从高点向下滑时直至出现触底反弹之前，大盘的表现可能都有支撑。但是当股市上行达到足够高的阶段，专业投资者对自身板块的乐观信号能否支撑更高的估值开始变得谨慎，此时专业投资者又会开始对宏观数据敏感起来，体现出来的就是大盘的平均相关性低点往往要领先于大盘指数的高点。同样道理，当大多数领域专业投资者过

26、度悲观（此时专业投资者依然在意公共信号），一旦指数从低位反弹（公共信号略有好转），同时部分领域专业投资者开始乐观，将会带动更多不同板块领域专业投资者变得乐观。这就导致，如果市场转暖信号是真实的，那么平均相关性高点往往就会发生在大盘指数低点之后。因此在板块投资者情绪以及板块和宏观信号的共同作用下，大盘指数和大盘平均相关性的走势就会遵循类似图 14 的“不对称”的形态。大盘平均相关性的高点落后于大盘指数的低点，同时平均相关性的低点会领先于大盘指数高点。这种“不对称”性也表明，当板块平均相关系数进入向下拐点通道同时未明显出现上行反转时，大盘的表现会在投资者相对乐观的情绪带动下形成一个相对良好的安全区

27、间。图 14：板块与大盘平均相关性与大盘走势的关系示意大盘指数平均相关性平均相关性高点大盘指数高点大盘指数低点资料来源：光大证券研究所平均相关性低点时间方向、板块估值对领域专业投资者的影响股市的估值在投资者决策过程中也扮演相对重要的角色。估值水平越低，越容易孕育领域专业投资者的乐观情绪，也越容易出现板块相关系数下行的 现象。而估值较高的时候，领域专业投资者可能更谨慎，也越容易出现板块 相关系数上行的现象。我们将万得全A 板块5平均相关性下行和上行起始点，以及相对应的 P/E历史分位水平下，万得全 A 在后续 3、6、12 个月的回报情况进行了统计（表 2）。整体上看，板块平均相关性下行的起点对

28、应的万得全 A 的 P/E 历史分位数都是相对较低的水平，而上行起点对应的万得全 A 的P/E 历史分位数相对较高。同时表 2 也表明，在 1 到 4 个季度范围内，平均相关性下行的阶段大盘指数上行的概率高于平均相关性上行的阶段。表 2：平均相关性、P/E 分位以及万得全 A 后续回报的关系时点平均相关性P/E 分位3 个月回报6 个月回报12 个月回报下行起始2002/06/21（截至 2004/04/07）0.95238.3%1.3%-12.1%-9.8%2005/07/01（截至 2007/01/31）0.9010.3%11.3%10.1%73.9%2009/03/24（截至 2010/

29、12/10）0.9138.1%23.3%28.2%40.8%2012/05/22（截至 2015/03/31）0.8743.3%-8.6%-14.2%3.4%2016/07/25（截至 2018/01/31）0.92842.1%3.9%0.4%2.7%上行起始2004/04/08（截至 2005/06/30）0.83216.1%-21.6%-24.6%-34.2%2007/02/010.80852.2%58.8%88.8%94.3%5由于中信一级板块缺少 2005 年板块相关性数据，故使用万得全 A 数据（截至 2009/03/23）2010/12/11（截至 2012/05/21）0.797

30、16.5%0.3%-8.5%-23.3%2015/04/01（截至 2016/07/24）0.76343.2%12.5%-19.7%-13.7%2018/02/01（截至 2019/08/09）0.70232.4%-5.7%-17.4%-24.5%资料来源：Wind，光大证券研究所、结构性还是系统性的判断市场经常使用“结构性机会”来形容大盘个别子板块收益表现较好，但其他板块表现较弱的情况。我们利用板块相关系数以及不同子板块相关系数的标准差作为分类标准，可以相对客观地定义什么是系统性或者结构性的牛熊市，并且辅助判断未来的股市可能处于什么样的行情。我们根据大盘的相关性和不同板块相关性的波动性，可以

31、将大盘的表现分成 6 种状态：系统性牛市，系统性熊市，结构性牛市，结构性熊市，宏观牛，宏观熊。系统性牛熊市是由板块信号导致，其含义与结构性相对应，指的是大多数板块的表现都相对较好。而宏观牛熊市是由宏观公共信号导致，分别对应宏观信号导致的全板块收益的趋好或者趋坏。图 15：板块相关性与相关性方差的四种组合资料来源：光大证券研究所绘制根据板块相关性的均值和板块相关性的标准差，有助于我们区分这几种 类型（图 15）。从大盘的平均相关性出发，如果平均相关性快速上行，同时 子板块相关性的标准差快速降低，这往往意味着各个子板块的恐慌程度上行，大盘表现容易受公共信号影响，这通常是系统性熊市的特征，但同时也是

32、宏 观牛市和宏观熊市的特征（见图 11 和图 12）。相反的，如果大盘的平均相关系数处于较低的位置，同时子板块的相关 性的标准差也处于较低的位置，这往往意味着各个子板块间的相关性都较弱，即全行业都处于相对乐观的氛围中，此时权益市场很可能呈现出系统性牛市 的特征。如果大盘的平均相关系数处于较低的位置，但是各板块间的分化却又相对较大，体现为各板块相关系数的标准差较大。那就说明大多数行业的专业投资者认为该行业呈现积极信号，但是仍然有部分行业的专业投资者相对悲观，这是结构性牛市的特征。同样的，如果大盘平均相关系数处于较高的位置，但是子板块的相关系数的标准差处于较高的位置，说明信号非宏观主导，同时大多板

33、块的专业投资者偏悲观，尽管部分板块的专业投资者相对乐观。这可以定义为结构性熊市。图 16：相关系数标准差与平均值关系相关系数标准差相关系数平均值（右轴）0.140.950.120.90.10.850.80.080.750.060.70.040.650.020.62006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019资料来源：Wind，光大证券研究所，数据截至 2020 年 1 月 20 日从历史数据来看，满足系统性牛市的时间段少之又少。如图 16 灰色阴影所示，只有 2006 年底到 2007 年初，2014

34、年中至 2014 年初属于这样的阶段。2007 年、2015 年和 2019 年的两块红色区域标注的是宏观牛的时间段，这对我们回溯历史相对有帮助，这也解释了为什么图 4 中出现相关性上行，股指也上行的阶段6。进入 2020 年，我们正处于相关系数标准差较快上行，板块相关系数平均值从高点回落的阶段，而截止 2020 年 1 月底，仍然符合“结构性牛市”的特征。3、板块相关性对 2020 年权益市场的启示、对 2020 年权益市场怎么看？中信一级板块指数、万得全 A 指数以及申万二级板块指数计算的大盘平均相关系数，都表明自 2019 年 8 月以来开始进入新一轮的下行通道。按照历史经验，下行通道期

35、一般会持续超过一年。在之前的理论探讨中，我们认为如果宏观没有突发的更为强烈的冲击，那么大盘的平均相关系数仍然继续向下。在没有出现明显的板块相关系数反转之前，这代表了不同专业领域的投资者，对本专业领域的信号解读相对乐观，同时其交易情绪相对积极。按照图 14 所代表的经济学逻辑，如果大盘相关系数处于下行通道中，那么大盘指数上行就会有较高的安全垫。此外，当前以万得全 A 为代表的6对于群体性恐慌或者乐观，更倾向于认为是宏观信号冲击PE 仍处于 2006 年以来的均值以下（图 17），说明大盘的相对估值的还不算太高。那么 2020 的大盘指数上行，就有可能继续受到来自领域专业投资者对部分行业判断乐观的

36、支撑。图 17：2006 年以来万得全 A 的 PE 均值和正负一倍标准差605040+ 一倍标准差30均值2010 一倍标准差020062008201020122014201620182020资料来源：Wind，光大证券研究所，数据截至 2020 年 1 月 20 日、结构型的还是系统型？按照图 16，当前 A 股的板块平均相关系数正在下行，这就意味着至少有部分子板块与大盘的相关系数是在下行的。但是子板块收益与大盘收益的相关系数的标准差却处于相对较高的位置（接近 0.1），并且还在上行，这就意味着各个子板块与大盘的相关系数的分化相对严重，并非所有板块与大盘的收益相关系数都处于较低的位置。这就表明，尽管较多的子板块专业投资者对本行业的信号和估值的判断较为乐观，但是也有部分专业投资者对板块的判断存在差异，甚至这种差异还相对较大。根据图 15 的判定规则，我们认为 2020 年中国权益市场满足结构性牛市的特征，但是未来的发展仍然取决于宏观和板块信号的推动。、哪些板块表现好的概率更高？按照前文的分析，当子板块收益与大盘收益的相关关系减弱时，往往意 味着专业投资者对该板块的情绪相对比较乐观，该板块指数往往更容易上行。因此，从板块相关系数的角度