金融危机股票走势范文

前言：我们精心挑选了数篇优质金融危机股票走势文章，供您阅读参考。期待这些文章能为您带来启发，助您在写作的道路上更上一层楼。

第1篇

我们分析主要是沪深300在后金融危机时期，行业复苏速度不同导致股票走势分化，涨跌互现，使得股价波动相关系数主要分布在弱相关区域。从同一时期S＆P　500和沪深300权重分布的纵向比较来看，发现在经济稳定时期，两国股市网络的权重分布区间宽度相似，但中国股市整体相关系数较美国股市偏低。在金融危机时期，沪深300成分股的相关系数并没有呈现如S＆P　500大幅增大的情况，其原因可能是由于在2007至2010年，中国股市呈现出暴涨暴跌的剧烈波动行情，导致异常停盘情况较多，且期间有若干成分股因股改、重组等原因长时间停盘，一定程度上影响了数据的实时性。为了更深层地分析金融危机对证券网络的影响，引入影响因子这一参数。影响因子是度量一个结点对其余结点影响力的指标，定义为该结点所有连边的权重和。因为权重是分布在［－1，1］区间内的，因此影响因子值可能为负。定义影响因子IS为（式略）在IS值最大的地方，分布节点的数量也最大。结合现实，IS值排名靠前的所属行业中，传统的制造业占据半壁江山，涉及多个制造业领域；电力生产业也占据了4席，显示了能源日益紧缺的状况使得能源类股票的影响力日益增大。2007年至今，IS值的分布出现了明显的变化，呈现了先上升后下降的现象，出现较为明显的影响力较大的节点所属行业是唐钢股份，主要是因为经济危机条件下，住房价格出现了猛涨现象，房地产产业带动建材行业迅猛发展的态势。经过此轮金融危机的冲击，S＆P500证券网络中各股票之间的联动反应加剧，也就是说某些股票的波动会更大程度地影响市场中其余股票的走势，市场变得更敏感。同时排名前10的公司分属行业也发生了较大变化，金融保险业在危机之前占据了绝对的优势地位，在经历危机以后材料业异军突起，占据前10中的3席，与金融保险业平分秋色。汽车行业和金融行业的代表通用汽车公司和花旗集团，因在此轮金融危机中受到极大冲击，影响因子大幅下滑。，在金融危机前后，沪深300的IS值发生了较大的变化，S＆P　500分布趋势变化不大，但区别明显。沪深300网络与S＆P　500网络IS变化情况恰恰相反：在危机前，沪深300的IS值普遍偏大，危机下，节点的IS值普遍变小。S＆P　500的IS值则由普遍偏小变得普遍偏大。分析其中原因，其一，从整体上来说，IS值又是反映网络的稳定性指标，在经济危机的冲击下，沪深300的稳定性变弱，而S＆P500的稳定性增强；其二，是S＆P　500和沪深300分属成熟市场和新兴市场，市场本质的不同造成了不同的市场特征，在危机下对政策等反应强度也有较大不同。作为新兴市场，中国的国情决定了中国股市的发行制度和监管制度必然是与政府的利益取向一致的，因此存在特有的政策特征；在2009年3月至2010年2月这段时期，各项刺激措施的见效使得中国股市止跌企稳，行业间复苏速度与程度都有较大不同，沪深300成分股走势出现分化，导致IS值并没有呈现与S＆P　500类似大幅增大的情况。而且沪深300的IS值分布与成熟市场经济稳定时期出现类似情况也从一个侧面反映了中国股市正在逐步走向成熟。　最大生成树构建相关性网络生成树在各种分析研究中被广泛采用。其中生成树在分析证券市场网络中应用颇多［16－17］。本文采用最常见的Kruskal算法，构建了沪深300成分股网络的最大生成树，5　沪深300相关性网络最大生成树网络中结点的度是证券市场网络最重要的拓扑特征参数之一，度分布函数反映了网络的宏观统计特征，就目前对网络的研究发现，网络定点度的分布主要有指数分布和幂律分布；理论上利用度分布可以计算其他表征全局特性参数的量化数值。

金融危机前沪深300相关性网络节点度值排名靠前的股票如表1所示。在经济平稳时期，前10位的节点具有相同的度，网络中Hub节点度值分布较为均匀，即网络有较好的抗毁性。制造业占据前10中的6席，成为股市中最具影响力的行业，这与上节中分析影响因子得出的结论一致。金融危机后沪深300相关性网络节点度值排名靠前的股票如表2所示。与金融危机前相比，出现了若干个度值较大的Hub节点，其中唐钢股份的度值高达25，在网络中占据举足轻重的位置。制造业在Hub节点中的比例与危机前相比出现有较大下降，金属冶炼产业占据了第1和第5的位置。反映到经济现象中，我们认为尽管中国的三次产业都受到金融危机的直接冲击，但因其与国际市场联系的紧密程度不同，金融危机主要冲击了在出口中占主导地位的第二产业，而第二产业正是以制造业为主。对比表1和表2可以发现，金融危机前后Hub节点所代表股票发生极大变化，危机前度值排名前列的股票在金融危机的冲击下，大多成为网络中的一般结点，只有北京城建基本保持在度值排名前列，这与其所属房地产产业在2009年井喷式的增长不无关系。反观危机后度值排名前列的股票大多在危机前度值较小，金融危机的冲击使得新兴节点迅速取代网络中部分崩溃的传统Hub节点，网络度值分布随即发生巨大改变。在2008年中国房地产市场的大幅萎缩给国内金属消费需求构成了巨大的打击，金属冶炼业面临着十分严峻的挑战。然而随着2009年房产市场的全面上涨，金属冶炼业交易随之活跃，也已成为拉动工业生产的主动力，这也解释了在度值分布中，金属冶炼产业的两只股票均处于前列的现象。

真实网络大多是由若干个“群”或者是“团”组成的，即存在社团结构。在同一个社团中，各个节点联系紧密，而社团之间的联系就相对比较松散。证券网络中，也存在着这样的社团结构：属于同一社团的股票节点往往相关性较强，而分属不同社团的股票节点往往呈现较弱相关性。最大社团作为网络中最具影响力的“群”，对整个网络有着举足轻重的影响力。以上节中采用最大生成树算法构建的S＆P　500和沪深300相关性网络为研究基础，分析不同时期两国股市网络中以度值最大的节点为根节点的子树，深入研究其形态及组成，以期通过对最大社团的分析揭示金融危机下网络的特殊性质。Hub节点所代表的股票为MTB，属于金融行业，危机前最大社团结构较为复杂。结合2005年至2006年经济平稳发展的社会背景，金融业起到举足轻重的作用，因此金融业成为网络中的最大社团。由图7可见，在以MTB为中心的最大社团中，还存在着若干Hub节点，社团内部度值分布较为均匀。与此同时，MTB还与若干较大Hub节点直接相连：以公用事业节点GAS为例，通过与金融行业节点PCL直接相连与根节点MTB产生关联，同时又与一连串公用事业节点连接与同行业节点产生关联，这就形成社团之间的重叠，即出现一个节点同属不同社团的现象。仔细分析节点之间的连接情况可以发现，绝大多数连边是存在于同属一个行业的股票节点之间，S＆P　500市场行业聚类特征明显。

反观危机下的最大社团，如图8所示，Hub节点所代表的股票为CSCO，属于信息产业。结合金融危机的背景，可以推测金融业受到危机最正面的冲击，随着雷曼兄弟等众多大规模金融机构的破产，使得金融业股票在市场中的地位大大降低，这也解释了最大社团中只存在一只金融业股票的状况。从图8可以清楚看到，危机下最大社团结构层次明显简单。社团结构中度值为1的节点数目占到节点总数的6成以上，导致网络层次较少。以CSCO为根节点的子树中绝大多数节点与CSCO一样，属于信息产业，表现出极强的以行业聚类的特性。最大社团中除了CSCO度值明显较大外，其余结点度值均较小。中国股市金融危机前后最大社团形态如图9所示。金融危机前（见图9a），中国股市的最大社团规模明显较小且社团内部行业分布状况也有较大不同。中国卫星所在社团共有16个节点，其中与中国卫星同属于工业的股票共有6只，4只股票属于材料业，4只属于金融类股票，必需品消费业和可选消费业各有两只股票。材料业为工业提供原材料，而金融业尤其其中的房产业对材料业也有直接影响，因此在拓扑结构上同属一个社团属于合理现象。从中国股市网络拓扑结构来看，行业因素并不是社团形成的主要原因，不同行业之间联动性较成熟市场要更大，这也说明了在中国股市，一个行业中领头企业的股价波动，不仅会影响同行业公司的股价，也会较快波及其上游或是下游产业。图9b为金融危机下中国股市网络中度值最大节点唐钢股份所在社团。相比危机前的最大社团，在经历了金融危机的冲击后，沪深300证券网络的最大社团规模明显增大。最大社团中以唐钢股份为代表的材料业占据了重要地位，与唐钢股份直接相连的节点中，既存在一般Hub节点，也存在度值较小的节点，使得最大社团中节点的分布更显均匀。金融危机后的最大社团的形成行业因素虽然较危机前有所增强，但行业分布相比同期美国股市仍明显分散，上下游产业的关联效应依旧较强。从图中也可以发现，一些工业类股票同时与唐钢股份及相关联产业相连，出现了社团重叠的现象。以工业类股票白云机场为例，它与根节点唐钢股份直接相连，同时也与同行业的中海发展、华擎股份有密切关联，在与其直接相连的节点中也包括了能源类股票广聚能源、材料业股票江西铜业、包钢股份，公用事业类股票华能国际以及消费类股票歌华有线。通过对危机前后两国股市网络最大社团的分析，可以发现，在同一时期S＆P　500网络和沪深300网络具有明显不同的最大社团特征：S＆P　500具有以行业聚类的特征，而沪深300社团中行业覆盖面较广，一些有利害关系的产业出现在同一社团中。沪深300危机后的最大社团形态与S＆P　500危机前最大社团形态较为相似，由此可以印证中国股市正在慢慢走向成熟。

第2篇

关键词 评级信息；股票价格； 股价操作；超额收益率

中图分类号 F831.5 [文献标识码]A ？眼文章编号？演1673-0461（2013）03-0077-05

在2008年美国金融危机期间和2010年欧债危机期间评级机构的评级意见发挥着重要的作用。以美国国际保险公司在危机期间的表现为例，2007年8月31日随着评级机构对该公司证券化衍生产品信用等级的降低，该公司持有的104亿美元的保证金不足以保证其所签订违约掉期对冲合约，要求该公司追加59亿美元的保证金。9月12日标准普尔公司宣布降低该公司信用等级，从观望转为负面，并宣布有可能降低该公司发行的债券的信用等级1-3级，导致该公司股票价格从8日的22.76美元降低到12日的12.14美元。在标准普尔公司降级压力下，该公司于13、14日周末两天的努力，于9月15日上午宣布已获得由高盛、摩根斯坦利和纽约储备银行共同组成的联合过桥贷款750亿美元。但该公司在资本市场上发行的22亿美元商业票据已失败告知，而当日需要支付的到期债务资金为52亿美元。当日下午，标准普尔宣布降低该公司长期债券信用等级3个点，穆迪和Fitch也宣布降低2个点。按照新的评级结果，要求该公司为其违约掉期合同再追加200亿美元保证金。16日一早，高盛和摩根斯坦利宣布不再向该公司提供过桥借款，评级机构再次降低其评级，股票价格跌至4.76美元。按照新的评级结果和股票价格，该公司在未来15天内应当再追加320亿美元的保证金。为了避免破产，该公司与纽约联邦储备银行、评级机构紧急磋商，于22日达成最终协议，获得美联储370亿美元的贷款（见美国国际保险公司2008年英文版年报Form10-K格式第1页～2页。）。这一事例说明，评级机构的评级意见对上市企业的股票波动会带来实质性影响。那么投资评级机构的评级意见对股票价格带来什么样的影响，他们之间存在一种什么样的关系，需要我们进行深入研究。

一、研究现状和本文的研究对象

Cowles在1933 年发表《股票市场预测者有预测能力吗？》一文对评级意见的有效性进行了研究。此后分别有Colker（1963）、Groth（1979）、Brav（2003）、Asquith，Mikhail 和Au（2004）、Bradshaw（2005）等人陆续对该问题进行了研究，他们分别从投资评级的调整、投资评级的等级、投资评级等级的变动和对股价的长短期影响效应等角度开展研究，得出在评级信息后数日或者数周内，相关股票的价格波动具有显著的超常收益。但也有研究得出了相反的结论，例如Bidwell（1977）对11家业内有代表性的证券经纪商1970年～1973年间分析师荐股信息研究后发现分析师推荐的股票在信息后在较长期间内并没有取得优于市场的收益，Diefenbach（1972）、Logue和Tuttle（1973）的研究也表明评级信息长期内总体上不能够带来优于市场的超额收益。Stickel（1995）的研究发现对于“买入”建议可以获得平均的超常收益率，但“卖出”建议在统计上并不明显。

我国学者陈永生（1999）经过对《证券市场周刊》每周推荐的股票进行统计研究得出，投资分析师所推荐的股票的收益在统计学意义上与深沪大盘指数收益没有区别，而后朱宝宪、王怡凯（2001），唐俊、宋逢明（2002），高峰、宋逢明（2003），黄静、董秀良（2005）、徐立平、刘建和（2008）、周晓尘（2009）等从长短期角度对推荐股票的研究表明投资评级在长期内并不能带来超额收益，短期内是否能够带来超额收益也存在一定的争议。而丁亮、孙慧（2001）则对2000 年1月5日至8月30日期间中国证券报“潜力股推荐”专栏所推荐的股票的研究发现，在股票投资日后两天内出现了平均为1.39 %的异常收益率，而三天后则出现了明显的负向异常收益率，此外王征、张峥和刘力（2006），徐谡、曾勇（2006），王宇熹、肖峻和陈伟忠（2006），黄小康（2008）等的研究结论也支持投资评级有效性的结论。

可以看出，对于投资评级意见是否有效的研究结论还存在着很大的差异，这其中固然有所采用数据样本差异、研究方法的差异的因素，也可能有经济周期、行业构成等差异的影响。

二、研究假设和研究方法

金融市场上的评级信息大致可以分为两类：一类是具体的评级信息，包含“强烈买入”、“买入”、“看涨”、“中性”、“看跌”、“卖出”、“强烈卖出”七个等级；一类是评级动作，一般有“升级”、“维持评级”和“降级”三种，在某一投资评级机构初次评级信息的情况下，投资评级动作成为“初评”，在实际的操作中由于在投资评级不变的情况下很少有机构重复信息，所以很少看到“维持评级”的评级信息动作。

按照评级信息的目的和意义，投资评级升级和较好的评级信息会给股票带来正向超额收益，降级评价意见或者低级别的评级信息则会给股票带来负向的超额收益。而股市的周期性对股票超额收益走势的影响相关性还不清楚，因此我们的研究期望弄清以下问题：

（1）利好的评级信息能否给股票带来超额收益，比如在评级信息“升级”或者为“买入”等利好情况下；利差的评级信息是给股市带来负向的超额收益，比如在评级信息“降级”，或者为“卖出”等利差情况下。

（2）股市的周期性对股票的影响如何？同样的评级信息在股市的下降阶段和上升阶段对股票走势的影响是否相同，比如投资评级“升级”在股市的上升阶段和下降阶段对股票的影响是否存在异同？

（3）不同评级意见对股票价格的影响是否有明显的差别，比如是否存在“升级”意见对股票的影响不明显而“降级”意见的对股票有非常明显的影响？

（4）评级意见的效应在时间上是否会有明显的规律性？比如是否存在“升级”意见在当天对股市的影响不明显但在以后某天内影响比较明显，降级意见在当天影响不明显但在5天内影响效果明显等。

如果判断评级建议或意见对股票价格和收益的影响？常用的方法是计算评级意见前后股票价格变动带来的超额收益率。超额收益率是指相对于市场或行业的整体收益情况，特定事件引起的特定股票的超过市场平均收益率的收益情况。超额收益率可以有两个指标来计算，分别是：单日超额收益率（AR）和累积超额收益率（CAR），具体计算如下 ：

AR（j，t）=R（j，t）-R（m，t）

CAR（j，t）=R（j，t，i）-R（m，t，i）

R（j，t）是股票j在第t天的收益率；

R（m，t）是整个市场在第t天的收益率；

AR（j，t）是j股票在第t天的超额收益率；

R（j，t，0）是j股票在第t天的以i日为基期的累积收益率；

R（m，t，0）是整个市场在第t天的以i日为的累积收益率；

CAR（j，t，0）是j股票在0-T时间段内的累积超额收益率。

超额收益率为正表明评级信息的给股票带来积极的正面影响，超额收益率为负表明评级信息的给股票带来的影响是负面的。

三、样本选择和数据采集

美国金融危机期间和欧洲债务危机期间股票价格波动和投资评级意见之间所表现出的关系非常明显，但为什么不同学者研究得出不同的结论？我们发现主要存在以下两个问题：一是绝大多数学者的研究重点在一个期间的众多股票上，不同股票的评级意见和股票价格的变动存在一定的期间相互抵消，导致在不同时期研究得出不同的结论；二是研究者所选择评级意见对股票价格的影响时间区间主要对3个月和6个月价格的影响，这个反映时间过长以至于不能揭示评级意见的影响，因为在这个较长的时间区间内存在着多次、不同方向评级意见的可能，存在着宏观、行业、市场形势发生较大变化的可能。这些因素都影响了对评级意见对股票价格影响的效果研究。

为了克服这两个方面的缺陷，本文研究将研究样本缩小，重点关注少数几只股票，重点研究这少数几只股票的评级意见和股票价格之间的关系。我们选择了四家有代表性的金融企业作为本论文的研究样本，它们是高盛（Goldman Sachs Group Inc）、美国银行（Bank of American Corporation）、商业合作银行（Comeria Incoporated）和摩根斯坦利（Morgan Stanley）。之所以选择这四家企业基于以下三个方面的考虑：一是经历了一个股市涨跌周期，这四家企业均经受一个股市波动周期的洗礼；二是有代表性，美国的金融机构分为以传统金融服务业务为主的机构和以新兴金融创新服务业务为主的机构，我们各选择两家机构作为本。高盛和摩根斯坦利是全球最大的两家投资银行，代表金融服务新业务；美国银行和商业合作银行主要以传统的银行服务业务为主；三是投资者对评级机构的意见比较重视。这四家金融机构的规模庞大，一般投资者很难通过报表数据了解其实际运用状况，评级意见对投资决策有较大影响。

同时我们将评级影响的观察时间区间从3个月或6个月缩短到评级意见前后10天。如果在10天之内评级机构第二次了评级意见则我们作为一次新的评级意见处理。为了剔除股市整体波动对单个股票价格的影响，我们选择统计2008年～2009年一个比较完整的股市下降阶段和股市上升阶段的数据，分别收集和计算以下数据：①分别计算股票单日涨幅和标普单日涨幅，两者相减计算出单日股票超额涨幅；②以投资评级日为基础，分别计算（T+0，T+5）区间内股票和标普每日超额涨幅，两者相减计算出单日股票超额涨幅；以T-6日为基期分别计算（T-5，T+0）区间内股票和标普每日超额涨幅，两者相减计算出单日股票超额涨幅。如果数据允许，同样的方法计算T+10超额涨幅；③根据超额涨幅计算出超额收益率。所采集和整理的数据见附表。

四、研究结论

1. 评级机构有选择性的评级信息

在研究样本的所有股票评级中，在股市的上升阶段评级信息的21次一般样本中，“升级”的10次，降级的仅2次；在股市下降阶段的28个样本中，“升级”信息9次，降级13次。表明投资机构总是倾向于有选择性地利好的评级信息，而对于不好的评级信息评级机构总是选择不发或者少发。这一方面可能是出于自身利益的考虑；另一方面也可能是评级机构总是倾向于选择有利好消息的企业进行关注，而对经营一般的企业则关注较少的原因。

2. 评级信息前可能存在信息提前外溢

在研究样本中，投资评级为“升级”样本的前5日平均累积超额收益率为1.27%，信息后5日累积超额收益率为0.51%；评级“降级”前股市5日平均超额收益率为1.56%，信息后5日累积超额收益率为-3.56%；评级“初评”前股市5日平均超额收益率为1.23%，评级信息后5日累积超额收益率为1.69%。投资评级为“买入”的前5日平均累积超额收益率为3.26%，投资评级后5日内累积超额收益率平均为-0.3%；投资评级为“看涨”的前5日平均累积超额收益率为0.76%，投资评级后5日内累积超额收益率平均为1.23%；投资评级为持有的前5日平均累积超额收益率为1.37%，投资评级后5日内累积超额收益率平均为-0.18%。整体上看本例中在投资评级为利好的前提下，股票的超额收益在评级信息前往往会有较大幅度的正向超额收益，在评级信息后获得的超额收益率明显低于投资评级前获得的累积超额收益；而在较差的等级前，股票超额收益在投资评级前后也存在着较大幅度的波动。但是这种信息外泄行为引起的股票超额收益波动与股市的周期性密切相关。表明，评级信息前后存在着人为操纵的可能。

3. 评级对股票收益的影响非常明显

在股市整体处于上升期时，投资评级“升级”在当日能够给股市带来明显的正向超额收益，在评级信息前5日和后5日均能获得正向超额收益；上升阶段，投资评级“降级”当日平均获得-3.13%的明显负向超额收益率，投资评级前5日累积超额收益率为13.47%的超额收益率，投资评级后5日获得-3.50%的超额收益率；上升阶段，初评对评级信息的影响是较小的。在股市处于下降趋势中时，投资评级“升级”在当日给股市的影响是不确定的，而投资评级前5日和后5日累积超额收益率则为负值；在下降阶段，投资评级“降级”的前5日平均超额收益率为-2.06%，评级后5日的超额收益率为-3.57%。

4. 评级信息对不同的股票影响存在差异

同样的评级信息对于不同的股票带来的影响是不同的，对有的股票是正的超额收益，对有的股票带来的是负的超额收益，但是对于同一支股票的影响是基本稳定的；投资评级对股票超额收益的影响受阶段性的影响，同一支股票，在股市不同的阶段，同样的投资评级可能会带来完全相反的结果。例如投资评级“买入”对于高盛和美国银行的影响对于各自股票超额收益的影响是相对稳定的，但是在股市的上升阶段对两支股票超额收益的影响却是存在差异的。高盛在“买入”在评级信息前均获得明显的正向超额收益，而美国银行在投资评级前的超额收益情况则是随机的。

5. 评级信息的“后发优势”比较明显

在连续评级信息的情况下，股票的走势对于评级信息非常的敏感，连续的投资评级升级在股市上升阶段能够给股市带来超额的正向收益，并且这种正向收益在长期是能够持续的。但在股市的下降阶段连续升级的评级信息在信息后并不一定能够给股市带来超额的收益。连续的降级评级会使股票在评级信息前后走势发生巨大转折，一般来说在利差的信息后股票都会表现出超额的负向收益率。这也使得连续的降级评级信息表现出一定的“后发优势”，即后的评级信息比先的评级信息对股票走势的影响更具有决定性的作用。连续不变的评级信息对股票走势的影响是不确定的。在连续“持有”的情况下，投资评级前后股票超额收益的走势受到股市周期性影响较大；而在连续利好的“看跌”的评级信息下，从股票走势来看存在着信息提前外泄的可能性。

6. 利好评级信息存在短效性和利差评级信息存在长效性

升级、买入等利好的评级信息对于股市的影响时间是非常短暂的，仅仅是前后几天的事情，而降级、卖出l等投资评级的给股票所带来的影响持续时间则较长。但是值得注意的是在利好的评级信息后短期内股票一般很难获得较大正向超额收益甚至获得负向超额收益，但是随着时间推移，这种超额收益会逐渐转正。

五、研究局限性和建议

第3篇

而这种有趣的变化，却无心插柳地简化了房地产股票的投资策略，即在Shibor高涨区域买入房地产股票，在Shibor回落至底部区域时卖出房地产股票即可获取不错的相对收益与绝对收益。

利率波动缘起2008年，信贷毒瘾的戒断症状

2008年金融危机时，中国救援政策与海外市场有着显著不同。海外市场在动用央行的力量帮助企业降低杠杆，而中国则在动用商业银行力量诱使企业加重杠杆。这就导致了在政策效力衰减后，中国经济在官方利率下行通道遭遇经济体的降杠杆力量的对抗，从而使得市场利率出现与官方利率不一致，并且大幅上下波动的境况。

2008年金融危机爆发后，各个国家纷纷采取各种政策拯救经济，其中美国的QE与中国的4万亿一揽子刺激政策最为引人瞩目。

尽管表面看，两国政府都在向市场提供海量的流动性，但由于其资金来源的差异，两国政策有着根本的不同，其效果也大相径庭。

从美国看，美国流动性来源于美联储，其央行援助金融机构、购买资产、压低市场利率。但由于其银行系统、实体企业都具有较强的风险定价能力与运营水平，于是纷纷借助这次流动性洪峰降低杠杆（见图2），最终实现了经济体资产负债表的修复，使得经济走上了可持续发展的道路。

从中国看，其流动性相当一部分来源于商业银行对行政命令的执行，以降低贷款条件、承担更高风险为代价来向企业提供流动性。从贷款客户看，中国经济改革时间较短，经济体的风险定价能力并不是很强，错误评估了自己的负债能力。

我们将客户分为两类，一类为强势客户，比如地方政府、事业单位、国有企业等，这些客户或多或少地带有国家信用性质，具备规模扩张冲动，贷款时较少考虑还款风险；一类为弱势客户，比如温州私有企业主等，在与银行的交易中长期处于弱势地位，突然遇到贷款洪峰往往受宠若惊，尽量贷款。

也就是说，这两种类型客户的风险定价能力都有偏差，在银行信贷的洪峰中狂欢，逐年增加杠杆，不知不觉中染上了信贷的毒瘾（见图1）。

简而言之，在美国动用央行力量帮助企业降杠杆的同时，中国在动用商业银行力量诱使企业加重杠杆，这就直接导致了现在利率市场的乱象，即在利率平稳（或下行）通道遭遇经济体的降杠杆（或压杠杆，又或不敢继续加杠杆）力量的对抗，从而使得市场利率出现异常的剧烈波动。这种情况，在以前经济周期中颇为罕见（见图3、图4）。当今中国之经济体，很像是一个产生信贷依赖的瘾君子，如果停止吸食，甚至是略有减量，就会给经济系统带来极大的痛苦体验。

戒断症状激发短期投资机会

从经济周期的角度看，在一个正常经济体中，作为利率敏感型行业，房地产股票会被长期利率上升压垮，而被长期低息环境激发出泡沫。所以一个长期投资者应该在加息通道的后半段卖出房地产股票，在利率见底并长期稳定于底部后买入房地产股票。

出于两个理由的考量，在房地产行业寻找短期投资机会或者执行反向交易策略都是不明智的选择。一方面，房地产行业走势一旦确立就难以更改，执行短期投资策略很容易错失投资机会（图5直线）。另一方面，房地产一旦趋势逆转，其下跌和上涨幅度都容易超出人的想象，执行反向交易策略很容易被市场击溃，从而难以长期坚持（图5圆圈）。

但是，呈现出戒断症状的中国经济，却赋予了投资者在房地产股票上执行反向、短期投资策略的机会。一方面，从大的环境看中国毕竟处于利率下降（或稳定）通道，至少不是处于加息通道，短期市场利率的飙升毕竟不可持久，早晚会向长期趋势回归。

另一方面，根据我们的压力测试，以月为单位的高利率环境并不足以给房地产的基本面造成实质性的影响。这就使得我们具备了执行反向交易的胆量与勇气，即在Shibor飙升期买入房地产股票，在Shibor底部卖出房地产股票。

追溯测试来看，假设我们从利率乱象开始出现的2011年7月起，我们简单地在Shibor高出均值2倍方差时买入房地产指数，在Shibor低于均值0.5倍方差时卖出房地产指数，其累计收益率可高达14%，打败房地产指数30个百分点，打败沪深300指数43个百分点，实现绝对收益与相对收益的双赢。

因此，短期利率的异常波动是决定房地产股票走势的重要因素，依据Shibor的反向交易策略可以有效地打败市场。细化到股票交易的维度，我们倾向于选择对Shibor更为敏感，但是对系统风险相对迟钝的股票，以期在最大化收益的同时有效地防控风险。我们分别计算了股票池中房地产股票相对于Shibor和沪深300指数的贝塔，认为应该选择相对于Shibor的Beta较高，但是相对于沪深300指数的Beta适中的招商地产和深振业作为重点推荐标的。