第七章：行业轮动和季节性 — 资金为什么流动以及如何准确解读

想象你在跟踪你最喜欢的科技股。过去三个月，它停滞不前。一动不动。这家公司报告的数据还不错，产品运营良好。而与此同时，你眼睁睁地看着能源和银行股日复一日地飙升。你问自己："我错过了什么？我选了一家错误的公司？"

很可能不是。你只是站在了水流刚好离开的地方。而水 — 即资本，也就是大型投资者的资金 — 在市场中的行为就像河流一样：它永远不会静止，总是在寻找阻力最小的河道。

资金永远不会闲置 — 它只是改变地点

机构资本（大型基金、养老金管理者）无法仅仅停放在账户上。它必须投资在某个地方。当经济状况改变时 — 比如当央行开始提高利率时 — 大型参与者会重新调整投资组合。他们不会离开市场。他们只是将权重从一个行业转移到另一个行业。

这种流动称为行业轮动。行业 = 类似业务的公司群体（科技、银行、能源、医疗保健、消费品）。

现实生活中的类比：想象一个购物中心。早上人们涌向咖啡馆。中午到餐厅。晚上到电影院。访客数量（资本）没有减少 — 他们只是根据当时什么有意义而转移。行业轮动就是这样，只不过是在交易所中并按照经济周期的节奏进行。

简化为四个阶段的周期

• 衰退底部/复苏初期： 资本流向敏感行业 — 科技、奢侈消费品（汽车、奢侈品）。押注经济将启动。
• 充分增长阶段： 工业和原材料开始主导 — 公司进行生产并购买材料。
• 峰值/过热阶段： 能源和通胀推高商品价格。
• 减速/防守阶段： 资本寻求安全 — 医疗保健、能源公用事业、基本消费品（人们即使在危机中也会进食和取暖）。

这不是一个精确运行的时钟装置。这是一种趋势，一种一般的行为模式。但它帮助你理解背景 — 而背景在交易中是成功的一半。

相对强度：不要只问"它在上升吗？"，要问"它上升得比市场更快吗？"

这里来了本章最实用的工具：行业的相对强度（英文 relative strength）。

它是什么？你将行业的表现与整个市场进行比较。不是行业在绝对数字上是否上升，而是它上升得比广泛指数更快还是更慢（指数 = 许多股票的篮子，显示整个市场的情绪）。

类比：两个跑步者。都在向前跑。但一个在缓慢地拉开与另一个的距离。那个在前面的"相对强度在上升"。你关心的不仅仅是他在动 — 你关心的是他动得比周围更好。

具体的数字例子

假设在过去三个月中：

• 整个市场（指数）涨幅约 +4%。
• 银行行业涨幅 +9%。
• 科技行业涨幅 +1%。

在这个时间窗口内，银行有正相对强度 — 它们推动市场上升，处于领先地位。科技滞后，有负相对强度。

为什么这对选择单只股票很重要？因为有一个简单的统计事实：单只股票在很大程度上从其所在行业汲取力量。 粗略地说，单只股票的很大一部分运动可以由其所在行业和整个市场的运动来解释 — 公司本身只是等式中较小的一部分。当你选择一家强势公司但处于弱势行业时，你是在逆流而上。强势公司在强势行业中则有顺风。

因此，相对强度不是告诉你"买这个"。它告诉你："这里正在流水。这里更容易划桨。" 这是背景，不是指令。

季节性是概率，而非时间表

也许你听过"夏季市场清淡"或"年底往往更强劲"这样的说法。这称为季节性 — 市场倾向于在一年中的某些时期表现相似。

关键词是倾向。不是确定性。不是保证。

类比：在捷克，11月的降雨统计上比7月多。这意味着如果你在11月12日计划烤肉，一定会被淋湿吗？不。只是你下雨的概率更高。理性的人会带上雨伞 — 但不会因为一个潮湿的日子就取消整个夏天。

季节性模式也是完全一样的。这些是根据数十年数据计算的统计趋势。它们可以帮助你设定期望和管理风险。但基于"因为是12月"建立整个投资论点是像根据日历天气来规划生活一样。

数据块 — 如何正确阅读季节性

正确阅读季节性模式的方式如下：

• 样本量： 该模式涵盖多少年数据？5年 = 几乎没用。30+年 = 可以讨论。
• 频率： 模式在多少百分比的年份中重复？"在55%的年份中有效"的模式是弱趋势。"在80%的年份中有效"更强 — 但仍然不是确定性。
• 效应大小： 平均移动有多大？微小的平均值淹没在大的分散中（分散 = 各个年份相差多少）不是可靠信号。

只有当这三个因素都吻合时 — 足够年份、高频率、有意义的效应大小 — 该趋势才有分量。

过度拟合陷阱（数据挖掘）

现在来到本章最危险的部分。聪慧的人最常在这里溺水。

当你搜索历史数据足够久时，你总是会找到某种模式。这是数学确定性，不是成功。当你掷硬币十次时，可能连续五次出现正面 — 你的大脑立即尖叫"模式！"。实际上这纯粹是随机。

这称为数据挖掘陷阱：你在一个小数据样本上拟合一个规则得如此精确，它完美描述过去 — 但对未来毫无用处。

类比：你按一张特定人物的照片精确裁剪一套服装。它贴身得完美。然后你试图给活跃的人穿上它 — 它在接缝处撕裂。过度拟合的模式是根据过去的照片裁剪的套装。

如何自卫 — 反对自欺欺人的检查清单

1. 坚持大样本。 忽视五年的模式。你需要至少两个十年，理想情况下跨越不同的市场制度（增长和下跌）。
2. 问为什么。 是否存在逻辑上的经济理由？零售季节性在假日前有意义（人们购买礼物）。"股票X每月第三个星期二上升"没有意义 — 这是伪装成规则的随机。
3. 计算失败。 一个"几乎总是有效"的模式仍然有失败的年份。有多少？发生了什么？
4. 永远不要在单一趋势上下重注。 季节性是决策的一个输入，不是整个决策。

实践框架 — 如何把它们组合在一起

让我们把它变成一个你今天就能使用的程序：

1. 首先是地图（制度）： 我们可能处于周期的哪个阶段？利率在上升还是下降？哪个行业从逻辑上应该受益？
2. 然后是相对强度： 过去三个月哪个行业超越了市场？水流向那里。
3. 最后才是股票： 在强势行业内寻找强势公司。强势公司在强势行业中 = 顺风。
4. 季节性作为调味料，不是主菜： 如果季节性趋势也吻合（大样本、逻辑理由），这增加了信心。它本身不够。
5. 总是进行风险管理： 设置止损预警 — 一个价格水平，当你的论点开始崩溃时系统会提醒你。不是自动卖出，而是重新评估的信号。

在QMA中： 这正是Cometa příležitostí（机会彗星）所追踪的 — 它显示资本正流向哪里以及市场哪些领域正在苏醒，因此你无需手动比较数十个行业与指数。QMA为你预先过滤那个背景，这样你可以从顺风而非逆风开始选股。在QMA中打开

关键要点

• 先问背景再问公司。 首先是制度和行业，然后是具体股票。强势公司在弱势行业中逆流而上。
• 使用相对强度作为指南针。 不仅关心某物是否上升，而是关心它是否比市场上升更快。
• 把季节性当作带着雨伞的概率，而非时间表。 要求大样本、逻辑理由并计算失败。
• 对抗过度拟合。 当一个模式没有经济意义并基于几年数据时，它是伪装成规则的随机。

结尾趣事

市场最著名的"季节性"谚语之一是老话"五月卖出离开"（sell in May and go away） — 暗示夏季月份在历史上往往比冬季月份较弱。有趣的是，这个模式确实在长期历史数据中出现的频率比纯随机预期的要高。然而许多年期间表现完全相反 — 充满增长的夏季、充满下跌的冬季。这是本整章内容的教科书示范：即使是真实趋势仍然只是概率。谁把它读作法律，迟早会被淋湿。谁把它读作天气预报并带上雨伞，他就是在用头脑交易，而非迷信。