本报告评估了2月全球市场在流动性、AI话题与中东地缘冲突三大因素下的表现,认为美国流动性偏紧是近期美股及科技板块承压的主因,而AI对就业的负面宏观影响目前并不显著且存在行业/技能上的高度分化;在地缘风险抬升与全球再工业化背景下,贵金属和资源类资产有上行逻辑,A股因低配且兼具制造与科技优势显示出较强韧性,量化宏观交易因子(增长/通胀/流动性)近期也指向配置再平衡机会 。
| 指标(历史分位,近10年) | 中国 | 美国 | 英国 | 日本 | 印度 |
|---|---|---|---|---|---|
| PE 分位 | 85 | 83 | 69 | 83 | 20 |
| ERP 分位 | 48 | 84 | 87 | 99 | 21 |
| AIAE 分位 | 60 | 98 | 49 | 98 | 91 |
| 配置占比分位 | 85 | 81 | 9 | 25 | 5 |
| 超配程度分位 | 66 | 61 | 51 | 49 | 3 |
元数据与概览(引言与报告概览)
逐节深度解读
图表深度解读(逐图说明与解析) 注:下列每个图表先给出简要描述,再做数据趋势解读、文本联系与潜在局限点评。对应图表将以相对路径展示。
图表1:2月全球大类资产表现(page 2)
描述:横轴为各类市场与资产标的(权益、债券、商品、外汇),纵轴左为当月收益率,右轴为年初至今累计收益(钻石标记)。
解读:图显示韩国Kospi、本报告所称价值/小盘类标的在2月显著跑赢;与此同时,商品(尤其能源/贵金属)表现分化,黄金与原油在避险/供需担忧驱动下上行,从而验证文本中“非美与资源品跑胜美股”的结论。
局限与说明:图为横截面月度表现,未呈现波动性或流动性指标,无法直接判断驱动因素的持续性;此外年初至今点状指标需与流入/流出资金量结合以量化动能。
图表2/3:美国ON RRP与准备金规模(page 2)
描述:显示TGA(财政部总帐)、ON RRP(隔夜回购工具余额)与银行准备金(右轴)自2024年至2026年初的演变。
解读:图表清晰呈现准备金自2024年以来处于下降且多次触及“充裕”下限的事实,ON RRP接近耗尽,TGA在财政操作下波动,支持作者称“狭义流动性偏紧,易放大市场情绪”的判断。
局限:准备金/ON RRP是狭义流动性的指标,但并不能完全等同于广义流动性或市场流动性(交易所流动性、杠杆等),因此对资产价格的传导仍需结合银行信贷与市场对冲活动数据以更完整说明。
图表4/5:科技七巨头与软件板块表现(page 3)
描述:图表4为科技巨头当月与自2025Q4以来累计收益对比;图表5显示自2025Q4以来标普500与软件服务板块走势对比与软件的较大跌幅。
解读:图表显示自2025Q4(亦即准备金下限事件起点)以来软件及成长股回撤明显,支持作者“流动性收紧是科技回撤的重要背景”的论断;图中亚马逊、Meta等个股累计回撤幅度巨大,说明关注点不只是估值而是资金面/情绪引发的再平衡。
局限:个股回撤可能还受公司基本面(业绩、竞争)或估值修正等因素影响,图表本身不指明这些差异化因素的权重。
图表6-9:AI暴露度、就业与招聘指标(pages 4-5)
描述:图6比较标普500与软件服务指数历史走势;图7为行业AI暴露度与2023年以来分行业就业累计增速散点;图8/9分别展示按AI暴露分组的就业增速柱状与Indeed招聘指数对比。
解读:作者用散点与倒U型拟合说明行业层面并不存在单一线性关系,且招聘指标对软件岗位仍显示韧性,证据支持“短期整体就业尚未被AI系统性破坏”之结论,但图中也显示部分高暴露低适应性岗位确有压力(局部下行点)。
局限:AI暴露度度量来源(Felten等)为结构性指数,但不包含公司层面的技术部署速度与替代节奏,因而无法完全替代实证因果判定;招聘指数存在行业样本偏差风险(例如科技岗位更集中在线上招聘平台)。
图表10-11:学术证据(Hosseini & Lichtinger等)对高级/低级职位影响(page 6)
描述:图10为Manning & Aguirre关于职业AI暴露与适应能力的二维散点气泡图;图11显示不同层级工作薪资影响系数随时间分化。
解读:这些学术图表被引用以理论化说明AI影响的“分化性”与“技能分层”特征,强调政策与培训对缓解低级别岗位冲击的重要性,从而为中金在策略层提出关注“生产力提升与资源自足”的建议提供微观逻辑支撑。
图表12-13:地缘冲击后资产表现与A股韧性(page 7)
描述:图12为冲突事件对不同经验溢价(low/medium/high)资产影响系数;图13为冲突首日各类资产坐标图,显示Brent、黄金和沪深300在事件后表现。
解读:图表支持“地缘风险利好黄金与石油,并在短期造成全球资金避险再配置”的结论,同时展示A股在此次事件首日表现并未像日经或韩国那样大幅回撤,进而被作者用于说明A股的结构性韧性(部分源于产业链与制造+科技优势)。
核心量化模型与宏观交易因子(page 8-10)
描述:图14展示历史上市场交易主线(增长、通胀、流动性FMP)时序切换;图16/17为市场对未来PMI/PPI与流动性因子的预期路径(2月vs1月对比)。
解读:作者用定性与模型化的FMP(Fundamental Market Phases)标签指出2月市场交易主线已切换回“增长因子”并且市场对未来通胀与流动性因子均预期回升,这与其关于货币财政可能宽松、流动性将改善的中期判断相一致。
局限:FMP为中金内部量化框架,具体构造与权重在本摘录中未详述,外部读者难以复制或评估模型稳健性(报告引用详细方法在注释中,但未在本文完整呈现)。
估值与资金(图表18-28,pages 10-15)
描述与要点:报告逐图展示沪深300与标普PE演变、股债风险溢价(ERP)历史、A股与美股“AI Aware Expected Return”(AIAE)指标、外资对A股/美股配置占比、全球主动基金对A股/美股配置变化等。整体信号是:中国估值(PE或ERP)在历史分位仍具有吸引力或正在改善,且外资与全球主动资金对A股的低配正在逐步回升,A股的AIAE显示未来收益上行预期,而美股相对显示未来收益下行预期(图22/23)。
解读:作者用多维估值与配置指标构建了“从估值+资金流向判断未来收益”的框架,得出在全球资金再平衡(尤其在美元流动性改善与地缘主题下)的大背景中,A股具备结构性吸引力,外资低配度和全球主动基金配置均呈回升迹象,这支撑其对A股“韧性优于美股”的判断。
局限:估值/ERP/AIAE等指标依赖历史分位数与收益预测模型,对未来宏观或制度性变迁(如美元长期走弱、资本账户政策调整)敏感;此外“外资配置回升”是否能持续还需关注被动指数权重调整、流入速度与本币汇率变化等因素。
估值分析(报告中涉及的估值方法说明)
风险因素评估
批判性视角与细微差别
结论性综合(最终要点)
(完)
中金 宏观探市3月报:AI,地缘与A股韧性.pdf