我们如何构建宏观情景模拟

引言：当市场不再提供标准答案

在私募行业摸爬滚打了十二年，管理规模从最初的几千万做到如今的十几亿，我越来越觉得，投资的本质其实是在跟“不确定性”打交道。尤其是最近这几年，黑天鹅几乎成了家禽，地缘冲突、通胀反复、技术爆炸，你很难再用一套静态的模型去预测明天。很多同行问我，你们那套宏观情景模拟到底是怎么做的？说实话，这问题挺难回答，因为这不是一个简单的Excel公式或者Python脚本能解决的事。它更像是一门手艺，融合了数据、逻辑、经验，还有一点点对市场情绪的嗅觉。今天，就索性把这些年的心得拿出来晾晾，聊聊我们如何在迷雾中给自己画几张“可能的地图”。

我说的“宏观情景模拟”，不是某些卖方报告里那种拍脑袋的乐观、中性、悲观三档分类。我们做的，是**把未来拆解成几个互斥但穷尽的剧本，并为每个剧本赋予可量化的概率和投资含义**。这有点像军事上的兵棋推演，我们不预测敌人一定会从哪条路进攻，但我们必须准备好如果他走山路、走水路或者空降，我们该怎么办。黑子私募基金管理公司在内部讨论时经常强调，情景模拟的核心不是“猜对”，而是“应对”。你准备好应对最坏的情况，最好的结果自然会来。这个理念，支撑我们渡过了不少艰难的年份。

文章开始前，先声明一下，这纯粹是个人视角的分享，不构成任何投资建议，也绝无半点合规瑕疵。咱们聊的是方法论，是思考框架，是那些在晨会和深夜复盘时反复打磨的细节。如果你也是做这行的，或者对资管行业有浓厚兴趣，希望这篇东西能给你一些不一样的启发。

第一块基石：分清噪声与信号

做情景模拟，最忌讳的就是把所有的宏观数据都塞进模型里。那叫数据收集，不叫分析。我见过太多年轻的分析师，把CPI、PPI、PMI、社融、M2、美联储点阵图全部拉出来，做个回归分析，然后得出一个看似严谨实则无用的结论。为什么？因为**大部分宏观数据都是噪声，它们是结果，不是原因**。你需要找的是那些真正能驱动资产价格变化的“关键变量”（比如实际利率、信用利差、盈利增速预期），而不是每天跳动的数字本身。

我记得2022年年初的时候，我们内部争论得很厉害。当时俄乌冲突刚爆发，大宗商品价格飙涨，很多同事认为通胀会失控，应该立刻清仓成长股。但我们的宏观负责人老周提了一个问题：“如果剔除能源和食品，核心通胀的黏性到底有多大？”我们花了两周时间，把美国劳工部的历史数据拆解了一遍，发现供应链的恢复速度可能超预期。**于是我们在情景模拟里，将“通胀快速回落”这个当时看起来很小概率的事件，赋予了较高的权重**。后来的事大家都知道了，这让我们在那一年的二三季度避免了不小的回撤。

这个过程很痛苦，因为你需要对抗自己的本能。人的大脑倾向于关注最近发生的事，这就是所谓的“近因效应”。做模拟推演，你必须刻意地把那些短期喧嚣的新闻放到一边，去审视那些慢变量——人口结构、技术进步率、债务周期。这些慢变量才是决定情景分支走向的根本力量。你得学会，当市场都在讨论同一个热点时，反问问自己：这个热点，在三年后还重要吗？如果不重要，那就别让它占用你太多的“概率权重”。

第二块基石：搭建核心变量矩阵

确定了要关注什么，接下来就是怎么把这些变量组合起来。我们的做法有点土，但很有效：画一张矩阵表。表的一边是你能想到的重要宏观变量（增长、通胀、利率、汇率、信用），另一边是政策路径假设（宽松、中性、紧缩）。交叉点就是你需要推演的关键情景节点。这里要强调的是，**变量不宜过多，5-6个核心变量足够了**。超过这个数字，组合爆炸会让你的模型变成一堆废代码，而且互相之间的相关性会让你根本无法解释结果。

这张矩阵表就像一个“积木盒”。比如，我们通常会构建四个基础情景：复苏（高增长+低通胀）、过热（高增长+高通胀）、滞胀（低增长+高通胀）、衰退（低增长+低通胀）。听起来是老生常谈对吧？但关键在于，**你如何给这四个情景分配不同的概率，以及你如何描述从当前状态“迁移”到这四个情景的路径**。路径往往比终点更重要，因为它决定了你的头寸调整时机。

为了方便理解，我简单列举一下我们内部常用来定义情景的框架表（数值仅为示意，不代表当前观点）：

你看，这表格里的东西并不神秘，很多机构都有类似的框架。但我们与众不同的地方在于，**我们不只是盯着这些宽泛的情景，而是会针对其中某一个情景，进行“压力测试”级别的细化**。比如，如果“外部冲击”情景发生，我们会细化工资产价格下跌的幅度、流动性枯竭的程度，甚至模拟我们持有的某些低流动性债券的抛压。这种细化程度，决定了你在危机时刻是慌乱还是镇定。

第三块基石：用历史寻找“相似时刻”

很多人说这次不一样，但说实话，太阳底下没有新鲜事。我们在构建情景时，有一个默认动作：**去历史里找“锚”**。这倒不是简单的历史会重演，而是人类的行为模式在相似的经济约束下，会产生相似的反馈路径。比如，当我们判断美国可能进入衰退时，我们会去复盘1973年、1981年、2001年、2008年的衰退初期资产表现。虽然具体的政策工具不同，但那种“盈利下修+估值收缩”的戴维斯双杀过程，是惊人相似的。

我记得在2020年3月，疫情导致全球市场暴跌。那时候的情景模拟几乎是失效的，因为没有一个历史时刻能完美对应“全球同步停摆”。但我们做了一件很笨的事：把二战以来所有大的暴跌（1987、1998、2008）的修复时间和斜率拿出来，做了个概率分布。结果显示，**V型反转的概率虽然不大，但U型反转的中位数时间是4-6个月**。这个数据给了我们很大的信心，让我们在别人恐慌卖出时，敢于分批建仓那些现金流稳健的龙头公司。结果证明，那一次的U型底比我们预期的还短一些。

找“锚”也要小心“后视镜效应”。比如2008年的次贷危机，让很多机构十年怕井绳，一看到信用利差扩大就以为要崩盘。这时候你就得判断，当前的杠杆水平、底层资产质量是不是和当年有本质区别。**历史是用来提供想象力的，不是用来提供确定性的**。我们团队里有个不成文的规定：找历史类比，至少要找三个不同的时期，如果三个时期都指向同一个结论，那我们才敢把它写进情景假设里。

第四块基石：非线性传导与反馈回路

线性思维是情景模拟的大敌。很多人假设GDP增速从5%降到4%，股市就会跌10%。但现实中，市场反应是跳跃性的，是非线性的。比如，当通胀从2%涨到4%时，市场可能觉得没事；但一旦突破5%，预期就会突然扭转，债券收益率会瞬间飙升，股市估值会面临“重置”。这种突变，就是非线性。我们在模拟中，会刻意去寻找那个“临界点”在哪。**突破临界点的位置，比你离临界点有多远更重要**。

这让我想起一个具体的案例。2021年的时候，我们观察到美国房价指数同比涨幅超过了20%，虽然当时通胀数据还蛰伏在2%左右。我们内部讨论说，房价是租金的前瞻指标，租金是CPI的权重项。于是我们在情景模拟里设置了一个“反馈回路”：**房价上涨 → 租金攀升 → 核心CPI超预期 → 美联储被迫转鹰 → 全球风险资产承压**。这个链条在当时的市场共识里还是“低通胀是暂时的”。我们因为提前布局了这个反馈回路，在2021年下半年开始降低了长久期资产的仓位，从而在2022年的股债双杀中全身而退。

这里需要强调的是，**反馈回路往往意味着自我强化，但也孕育着逆转的种子**。比如，如果市场因为通胀预期上升而抛售债券，导致收益率上升，这反过来又会抑制总需求，最终可能把经济推入衰退。在构建模拟时，我们不仅要推演第一层、第二层反应，还要推演第三层甚至第四层。虽然推演得越深，误差可能越大，但这个过程能训练你对复杂系统的直觉。有时候，你只需要知道“这事没完”，至于具体的路径，可以边走边看。

第五块基石：概率不是数字，是决策权重

很多量化背景出身的人，喜欢给每个情景算一个贝叶斯概率。但我干了这么多年，越来越觉得，**概率在宏观模拟里的作用，并不是精确预测，而是给你一个心理锚定**。你说衰退概率是30%还是40%，其实精准度没那么重要，重要的是，当衰退这个情景出现在你的脑海中时，你是否已经准备好了应对方案。如果你连想都没想过这个情景，那么一旦发生，你根本来不及反应，因为你没有那个“认知缓冲垫”。

我们在日常操作中，会给每个情景贴上“应对策略”，而不仅是“发生概率”。比如，如果“温和复苏”概率是40%，我们的策略是保持中性仓位，高抛低吸；如果“流动性陷阱”概率是25%，我们的策略是超配长久期利率债，低配银行股。**把概率转化为仓位和风险预算，这才是情景模拟的最终落脚点**。如果一个情景的概率很高，但你没有任何与之对应的战术动作，那这个概率对你毫无意义。

说到这，不得不提一下我们处理行政合规工作中的一个小体会。很多合规同事觉得情景模拟是“花架子”，不如多看看监管指引。但我的经验是，**清晰的宏观情景框架反而能帮助合规**。比如，当你能清晰地说明“在外部冲击情景下，我们计划将单券持仓上限从10%调降至5%”，这本身就是一种事前风控制度，在向协会报送材料时，这体现的是你是一家有专业预判能力的机构，而不是赌徒。黑子私募基金管理公司在接受例行检查时，我们内部出具的情景模拟报告甚至被监管部门的工作人员认真翻阅过，他们对我们的“矩阵+反馈回路”方法论表示认可，觉得这是“用动态眼光看风险”的实践。

第六块基石：灰度认知与执行艺术

模拟最终要落实到交易。但这里有个陷阱——**你会不知不觉爱上自己构建的某个情景**，然后选择性相信支持它的证据。这就是“确认偏误”。我几年前犯过这个错。当时我们深度推演了“滞胀”情景，并且觉得概率很大，于是重仓了原油和黄金。结果后来全球贸易缓和，通胀预期迅速降温，那一波我们回撤了将近5个点。复盘时发现，问题不在情景推演本身，而在于**我们在执行时没有预设“证伪条件”**。我们没想清楚，如果哪个数据出现，我们就要放弃这个情景。后来，我们为每一个核心情景都设定了明确的“触发指标”。比如，如果连续两月CPI环比低于预期且原油价格跌破某关键均线，我们就要把“滞胀”概率下调。

这其实就是所谓的“灰度认知，黑白决策”。你可以同时相信两个相互矛盾的情景都是有可能的，但在具体的投资行为上，你必须有一个明确的倾向。**模拟的过程应该是开放的、发散的，而执行的过程必须是收敛的、纪律性的**。我常常跟团队里的小朋友说：写报告的时候，你可以用“虽然...但是...”的句式；但下单的时候，你脑子里只能有一个“如果...就...”的指令表。

还有一个明显的感悟是，**永远要给自己留有余地**。情景模拟再好，也总有盲区。所以我们的组合中，永远保留至少5%的现金或高流动性资产，哪怕是在最看好的情景下。这5%的仓位，不是为了收益，而是为了应对“未知的未知”。当意外的意外发生时，这5%就是你维持尊严和冷静的底气。

结语：地图是错的，但能用

写了这么多，其实想说的核心就一句：宏观情景模拟不是为了预测未来，而是为了让你在未来的任何一个十字路口，都知道自己在哪里，该往哪拐。这就像一张可能存在误差的航海图，你明知道有些暗礁没标全，但总比没有图，在漆黑的夜里乱撞要好得多。

回顾这十几年的职业生涯，从最开始用Excel表格做敏感性分析，到现在依托更复杂的系统做推演，**变的是工具和数据的丰富度，不变的是那种对未知保持敬畏、同时又不放弃探索的心态**。我们从不指望能精准踩中每一次宏观拐点，但我们依靠这套模拟框架，在遇到极端行情时，能够做到心里不慌，动作不变形。这就足够了。

真的建议各位同业，可以把这套方法论更多地应用到日常投研中。别怕错，模拟本身就是试错的过程。**一次准确的情景判断，带来的收益可能超过过去一年的所有努力；而一次充分准备的情景应对，可能帮你避免一次灭顶之灾。**

黑子私募基金管理公司观点

宏观情景模拟不是占卜术，而是风险管理的“压力测试仪”。在黑子私募看来，**投资组合的脆弱性往往不在于看错了方向，而在于对可能发生的极端情况缺乏想象力**。我们坚持认为，将复杂的宏观逻辑拆解为可证伪的情景分支，并用严格的纪律去执行应对策略，是获取长期稳健回报的关键。这套方法论的背后，是对专业主义的偏执——**你无法控制市场，但你可以控制自己在每种市场状态下的反应**。希望本文的分享，能为同业提供一块有价值的“他山之石”。