深度剖析：何为库存周期理论？

Mr.Gray

引言：《库存周期理论》报告的由来


在正确预判去年四季度的大宗商品底和今年3月份的经济复苏之后，和我们探讨方法论的客户特别多。成功判断前者的关键之一在于“收益率方法”，它是来源于宏观对冲基金的一种惯用思路，我们在《大宗的周期与周期的周期》、《如何看待美元：基于收益率的方法》、《收益率周期与资本市场坐标》中已经有完整的介绍；判断后者的方法之一则是库存周期理论，它虽然问题很多但依旧是宏观分析基本方法之一。目前市场上关于库存周期的范儿比较正的方法论报告并不多。所以在这篇报告中，我把这种方法论的基本框架再度整理一下，以供大家参考。


博士的精神就是要讲“如何做红烧肉”，先要从养猪谈起。根据这种精神内涵，我们先要给大家介绍一下几种经典的经济周期框架，其中包括40-60年的康德拉季耶夫周期；15-25年的库兹涅茨周期；8-10年的朱格拉周期，以及3-5年的基钦周期（库存周期），其背后驱动因素分别是技术革命和产业变迁、房地产和建筑业周期、机械设备更新换代、企业预期和库存变化。


1. 经典的周期框架


康德拉季耶夫周期。根据康德拉季耶夫周期理论，全球经济自1789 年经历了四个周期。第一个长周期从1789 年到1849 年，上升部分为25 年，下降部分35 年，共60年；第二个长周期从1849 年到1896 年，上升部分为24 年，下降部分为23 年，共47年；第三个长周期从1896 年起，上升部分为24年；1920年以后进入下降期。康氏并未看到第三周期的结束，但一般认为二战结束可以作为第三个长周期的完结，共53 年。第四长波周期是从1950 年左右开始，如果我们把1973 年的中东战争和石油危机看作是上升阶段的顶端，则上升周期为24 年；如果以2008年这轮全球危机作为长周期的结束，则周期全程为58年。这样来说，目前大概率是全球经济处于第五波康氏周期的前半段。康德拉季耶夫周期的主要优点是其大框架；但缺点恰恰也恰是现代科学哲学最排斥的“宏大叙事”。客观来说，其事后判断可能会意义更大，而事前判断一则是偏主观，二则是不可证伪，而可证伪性恰恰是卡尔•波普之后科学研究的一个基本要求。


库兹涅茨周期。1930年，美国经济学家库兹涅茨提出了一种平均长度为15-25年的周期，它是以建筑业的兴旺和衰落为驱动的，因此也被称为建筑业周期。在全球房地产商品化程度提升之后，房地产业对于库兹涅茨周期影响更大。中国的数据链太短，尚难对库兹涅茨周期有实质性的证据支持，但粗略看上去，1998年停止福利分房，至2014年触顶，差不多15年左右；此后的下行周期可能会有5-8年以完成调整。


朱格拉周期。康波周期和库兹涅茨周期都属于长周期，而朱格拉周期属于典型的中周期。朱格拉周期是由法国经济学家朱格拉最早提出，它以资本的更新换代为驱动，可以从设备投资占GDP比重的变动中捕捉到痕迹，平均周期长度为8-10年。1975年以来，全球经济大约经历了五轮朱格拉周期（1975-1982，1983-1992，1993-2000，2001-2008，2009-）。粗略去看，新一轮朱格拉周期启动可能在2-3年以内，但和历史上大部分周期一样，除非是特别强劲的需求端信号，否则去判断周期启动仍是事后的事情。


基钦周期（库存周期）。基钦周期是20年代英国经济学家基钦发现的一个经验规律，其基本特征是3-4年，所以又称为短波理论。其基本驱动是厂商存货的变化，即当生产过多时，生产者就会减少生产安排消化存货，从而带来产出下降；而这一过程又会随着预期的变化被进一步放大。


比较有趣的是，康德拉季耶夫周期由苏俄人提出，50-60年一轮回，因而具有苏俄式的宏大和虚幻；库兹涅茨周期由美国人提出，18-20年一轮回，具有美国人的豪迈；朱格拉周期由法国人提出，10年一轮回，比较有法式浪漫；基钦周期由英国人提出，3-4年一轮回，有英国式的谨慎和传统。对于我们做研究来说，基钦周期（库存周期）意义更大一点，太多依赖长周期会主观色彩太浓，从而丢失掉可证伪性。


2. 库存周期的判别方法


在现实中我们如何划分库存周期？一个简单的方法就是看统计局“工业企业经济效益指标”中的工业企业产成品存货数据，用它的同比（一阶变化率）作为周期判断指标: 存货同比上升则为补库存，存货同比下降则为去库存。
一个常见的问题，也是常见的一个错误就是用PMI库存指标去判断库存周期。其实作为一个景气扩散指标，PMI库存相当于环比，其短期是高频变化的，所以不能用来做判断；但其趋势性和产成品库存完全一致。





3 库存周期的规律性及过去15年中国的库存周期


一个关于库存周期的常见质疑就是经济转型了，或者工业时代过去了，库存周期就不存在了。实际上并非如此，即使是美国、日本这样的发达经济体，库存规律依然相对比较完整地保持着。


我们的研究显示，1993年以来美国经济经历了93-97、97-01、01-05、05-09、09-13、13-16五轮库存周期，每轮周期4年左右的时间，目前最后一轮库存周期还没有确认底部。日本经济也展现出了同样的规律。尽管从长周期来看，日本经济增速在不断下台阶，且在相当长的一段时期内受制造业产能过剩困扰，但日本经济同样经历了94-97、97-99、99-02、02-06、06-09、09-13、13-16等六轮规律的库存周期。


在未来的几个月中，如果美国和日本的库存周期同样能够确认底部，则全球制造业补库存的力量会比较强；而如果经验规律继续有效，最迟2017年，美国和日本的这轮库存周期触底应该可以确认。





中国库存周期的规律同样能够清晰呈现。2000年之后，中国经历了2000-2002、2002-2006、2006-2009、2009-2013、2013-2016年等五轮库存周期。
其中有三轮周期偏强，分别是2002-2006、2006-2009、2009-2013，其周期长度都在40个月以上，上升期（补库存时段）均在27个月左右；有两轮周期偏弱，分别是2000-2002、2013-2016，其周期长度均为29个月，上升期均为12个月左右。换句话说，在强周期，补库存一般占据2/3的时间；而在弱周期，补库存一般占据一半不到的时间。


2002年周期偏强的原因是因为中国地产系产业链（98年停止福利分房）和出口系产业链（加入WTO）处于形成过程中，这两条产业链也是影响过去15年的产业链谱系；2006年的周期偏强是因为全球供需两旺，其根源可能在于中国的低劳动力成本与美国格林斯潘时期的货币政策的滞后影响；2009年的周期偏强是因为中国经济第一次吃药，在基建和房地产领域都毫无心理负担。





从库存与工业增加值、GDP的关系中我们可以看到，库存周期对于工业周期、GDP周期具有明显的解释力。在库存周期上升段，GDP和工业增加值一般同步回升，而库存周期下降段则相反。即补库存大概率对应经济回升，去库存对应经济回落。和工业增加值、GDP等指标相比，库存具有明显优势：库存相对于工业增加值来说趋势更平滑、更稳定、更具规律性；库存相对于GDP来说弹性更大。这些特征决定了我们可以根据库存周期的规律去做一些经验推演。





4 库存周期四阶段的进一步划分


聪明的朋友可能会发现一个问题：同样是库存上升，它既可能是需求上升、企业主动补库存带来，亦可能是需求下降、库存被动积压带来。所以，库存周期方法之下，一个完整的库存周期往往被分为四个阶段：


被动去库存：需求上升、库存下降。即需求回升，经济开始边际转暖，企业库存来不及反应，从而随销售增加而被动下降。
主动补库存：需求上升、库存上升。即需求回升，经济开始明显转暖，企业预期开始积极，主动去增加库存。
被动补库存：需求下降、库存上升。即需求已开始下降，经济开始边际变差，企业还来不及收缩生产，销售下滑导致库存被动增加。
主动去库存：需求下降、库存下降。即需求已确认下降，经济明显变差，企业预期消极，主动削减库存。





这里代表需求的指标，可以用工业增加值，亦可以用工业企业利润增速、发电量、产能利用率等。


5 库存周期与美林时钟殊途同归的对应


对于我们做宏观分析的群体来说，对于经济的判断归根到底是为了投资。另一种关于投资周期的著名方法就是美林时钟。美林时钟将经济阶段划分为复苏、过热、滞胀、衰退。


库存周期与美林时钟基本对应。被动去库存约等于复苏，主动补库存约等于过热，被动补库存约等于滞胀，主动去库存约等于衰退。
从这个角度去理解美林时钟，对美林投资时钟的理解也会更客观一些。美林时钟最大的精髓在于用一种冰冷的客观标准划分了投资周期，其中体现了边际变化决定资产价格的思想。但在现实中，“衰退”“复苏”之类的词逐渐被理解得公知化和概念化了。


6 库存周期与股指：大致两个季度左右的领先滞后关系。


因为库存变化是需求变化的映射，股市同样是需求变化和盈利变化的映射，二者之间存在稳定关系理解。从另一方面来说，由于库存属于一系列经济指标的变化中比较滞后的指标，股指恰恰又属于比较领先的指标，所以股指会领先于库存比较长的时间。


从经验数据来看，美国股市一般领先于库存周期6个月左右的时间；A股（上一轮牛市期间数据排除）领先于库存周期7个月左右的时间。


规律在现实中的一个应用是：我们可以推测库存见顶和见底的时间，前推7个月，作为股指见顶和见底的敏感时间段。在库存上升期而又不存在见顶风险的时候，就属于宏观面甜蜜期。


之所以有一段时间背离也是有特殊原因。众所周知，上一轮牛市的出现有着特殊的背景，解释也可有不同角度。我们抛开分母因素不谈（杠杆化），因为分母只是扩大了弹性，未必是影响了方向；那轮牛市在很大程度上可能与市场对政策层描述的两个增长故事的预期透支有关，一是“一带一路”，二是新经济。所以牛市第一波涨起来的是钢铁、建筑建材、交运等；第二波是互联网+等。无论原因如何，上轮牛市和泡沫化导致一段时期规律背离，并通过基数效应影响后续一段时期内的数据，并非是规律本身不再适用。





我们再以行业数据为例展示一下库存周期方法的应用。如图，我们把有色行业的股价指数后置7期，可以发现它和行业库存周期是基本吻合的。库存数据的好处是它有40个行业的分行业数据，特别是中游和下游行业，其库存变化对于判断股指变化具有较大的参考价值。





7 库存周期与大类资产：对于历史情形的复盘


上面我们介绍了用库存周期做t-7期递推的方法；在这里，我们用另外一种方法去做推演，并用历史数据做出复盘验证。我们用库存周期去递推美林时钟（而不用美林时钟的GDP和CPI的方法，在GDP长趋势下行周期中，GDP上行区间比较少），用美林时钟递推大类资产在理论上的表现，然后用实际表现去做验证。


我们进一步从股指扩展到包括债券在内的大类资产。一般来说，主动去库存阶段应该是债券投资的最佳时期；被动去库存阶段和主动补库存前段都属于股票弹性较大的阶段；主动补库存后段是商品的机会。


我们考察了2005年之后的数据，并大致划分为14个库存周期阶段。从复盘结果来看，有两个阶段的实际资产表现与理论推演结果完全不符，而这两个阶段无一例外都处于上轮牛市过程中。这一背离与库存t-7的方法、大宗商品收益率的方法的处境相同，可见上一轮牛市是很奇葩的存在。另有两个阶段股票、债券表现有部分吻合部分背离。其余10个周期阶段是基本吻合的。


所以我们大致可以把这种方法当作可参考的框架。





8 本轮周期情形分析


2016年2月产成品库存回落至0.7%的低位，从高频数据看，大概率2016年3月将进入一轮主动补库存，新一轮库存周期开始。


库存回升的动力在哪里？我们提示大家关注三个大逻辑的变化。实际上，在1-2月数据出来的时候，经济面的诸多积极信号已经出现（见我们的报告《经济面的积极变化正在发生》），只是说很多研究者当时仍习惯于“经济依然疲弱”这样一个过去5年不变，未来可以10年不变的套路去解读。从需求端角度，目前三个逻辑下的修复趋势正在发生:


一是基建，我们提示关注政治周期的影响及“十三五”首年的开工潮。1-2月本年新开工项目计划总投资增速达41%，这是2010年之后没有过的；


二是地产，我们提示关注本轮已持续13个月的脉冲所带来的滞后影响。2008年开始的一轮销售脉冲大约13个月，2012年的销售脉冲大约11个月，本轮也已大体持续13个月（包含2014年四季度的短暂回落）。3月30大城市地产销售增速高达80%。尽管一线城市和部分二线城市地产调控措施的出台大概率会导致本轮地产销售脉冲触顶，但它带给供给端的影响（地产新开工和投资的小修复）以及产业链的影响，包括对中游工业和下游耐用消费还在继续。


三是制造业和消费，我们提示关注工业通缩触底和一般物价再通胀周期所带来的积极推动。通缩对经济是存在杀伤力的，在上游价格下行的时候，中游企业要么去产能，要么去库存。而历史经验显示，一旦价格触底，工业的景气度也会修复。我们不能只相信前面的过程，而不相信它的逆过程。这轮铁矿石、原油和金属价格反弹带动了不少行业的景气度和预期。后续工业企业利润和制造业投资大概率会随PPI回升而触底回升；此外，消费基本上是一个顺通胀周期的过程，在通缩触底后，消费亦会出现同步修复。


当然，本轮周期并不具备2006、2009那样的强周期的基础（06年那轮的供需两旺或者09年那轮的剧烈加杠杆），4月高频数据似乎正弱于去年同期，我们猜测未来更可能是一轮弱库存周期（类似于2000或2013），比如补库存时间在四个季度左右，即补库存至2016年一季度末二季度初。这意味着资本市场周期的黄金期大约在三季度中期之前（提前7个月）。当然，这只是一个框架性分析，对此轮补库存的力度和时长的判断还需后续数据同步验证和修正。


9 经验规律的优势与缺陷


库存周期本质上是一种基于经验规律的方法。在投资研究中，偏经验规律性的研究、偏逻辑推断的研究、偏草根调研的研究是三种倾向。


偏经验规律性的研究的优势在于其被动客观性。规律有时候和直觉会有很大不同，基于规律性的研究可以冰冷地去基于大数接受一些规律，从而避免主观判断的干扰。显然，这种方法的缺陷在于有时候历史不会重演，即“这次不一样”。


偏逻辑推断的研究的优势在于它比较符合人的思维习惯，对于我们大部分人来说，我们对于逻辑的信任要重于其它。而且，在逻辑正确的情况下，逻辑推断可以让研究更为深入。但这种方法的缺陷在于同样一个前提，会有不止一条逻辑延伸，往往都能自圆其说。究竟哪一条是最具决定意义的逻辑？在缺少足够的数据验证的情况下我们很难事前做出判断。


偏草根调研的研究的优势在于它能够得到一些直观的关于经济运行的印象，更容易理解经济逻辑在实际运行中的演进；它能够部分排除掉数据造假的误导。但这种方法的缺陷之一在于其小样本，小样本是统计大忌；缺陷之二在于在一个趋势过程中，它对于细微的边际变化很难捕捉。比如在一个景气度较差的经济中，究竟是更差还是有好转，除非样本足够大，否则调研很难感知。


在现实判断中，如果我们能把三种方法独立运用，相互补充和印证，可能会更好一些。