M1失效后,哪个是观察A股的关键新指标?

M1失效后,哪个是观察A股的关键新指标?

央地支出增速差(地方-中央支出增速的差值)或许是解释沪深300定价更有效的前瞻指标。该数值扩张,则有利于大盘指数,反之亦然,该指标从2017年至今对大盘指数有较强的相关性。

对于近期市场高度关注5月M1创历史新低。在2014年以前A股市场的整体涨跌节奏基本和M1同比增速的节奏一致,这一规律被称为"M1定买卖"。但在2014年之后两者相关性有所下降,在近3年定价有效性则明显下降,症结在于M1同比增速本质上和地产周期是高度绑定的金融现象,而经济转型背景下货币投放------地产销售------通货膨胀的传导金融路径走不通了。在此,我们更为深刻的观察是:在过去几年,对于A股宏观策略的定价核心可能正在逐渐从金融视角转移向财政视角,当前定调"财政是国家治理的基础和重要支柱",在此我们郑重提出:央地支出增速差(地方-中央支出增速的差值)或许是解释沪深300定价更有效的前瞻指标(领先1-2个月)。该数值扩张,则有利于大盘指数,反之亦然,该指标从2017年至今对大盘指数有较强的相关性。

首先需要明确两者的统计口径,这里的央地财政支出指的均是中央或地方的【一般公共预算支出】,地方财政支出占总支出比例超过80%。

具体而言:分税制改革以来,中央与地方的一般公共预算收入在规模上逐渐接近,但是在支出的规模上,地方财政支出占比是明显更高的。以2023年的财政数据为例,中央和地方的一般公共预算收入占比分别为45.93%和54.07%,但中央的一般公共预算支出占比仅有13.92%,地方的支出占比达到86.08%。

从央地财政支出结构来看:中央本级公共财政支出的主要方向是国防安全与外交等,地方公共财政支出则是更倾向于关注经济发展。

具体而言:地方公共财政支出方面,主要包括教育支出、社会保障和就业支出、农林水事务支出、城乡社区事务支出、医疗卫生支出、一般公共服务支出,这些占地方财政收入的比重为七成左右。教育支出、社会保障和就业支出占比相对较高,两者合计占比可达三成。中央本级公共财政支出方面,占比最高的是国防,比例达到41%,其次是国债利息和本金的偿还,占比达到18%,再往后是科学技术和公共安全的开支,两者合计占比达到15%。

其次,如何理解央地财政支出增速差这个指标的经济含义?央地财政支出增速差背后暗含的是对于地方化债进程与中央转移支付力度的观察。目前中央对地方转移支付规模占中央公共财政支出的比例持续走高,对于中央财政加杠杆有明确的内生诉求;同时,地方化债过程如果化债顺利,那么也有利于地方增强财政支出。

具体而言:在内需偏弱和地方财政普遍吃紧的背景下,地方财政收入的提升受限,地方财政支出一方面来自地方本级的财政收入,另一方面则来自中央向地方的转移支付,这一转移支付的比例可以占到地方财政支出规模的30%以上,2018年以来这一比例持续提升,2022年的占比已经达到43.1%。显然,当前我国财政的支出端主要执行方是地方财政,而地方财政一般公共预算收支的缺口则由中央通过转移支付和税收返还等方式来弥补,未来中央财政如果加杠杆也会通过转移支付的形式转为地方收入,进而提升地方财政支出。

A股分析师:继续调整空间不大,科技股关注度高

本周券商策略分析师整体认为,市场继续调整空间不大,或在等待流动性及政策面的催化。

如建投策略陈果团队称,市场结束调整需要等待流动性与政策催化,对比去年下半年的AI与华为链行情,科技板块性后续空间需要理性看待,重在选股与交易能力。

中信策略秦培景团队则表示,三大信号仍待验证,三季度有望迎来拐点。

首先,价格信号依然偏弱,内外需继续分化,且控产保价的起效仍待数据验证;部分核心城市房价有企稳迹象,但仍需去库存和稳市场的政策接力。

其次,外部信号仍趋复杂,近期美元走强下人民币汇率被动承压,而外部地缘扰动对市场风险偏好的压制还需要时间消化。

最后,政策信号有待明确,三中全会渐近,改革预期升温,预计重点在财税、国企、金融等领域,以及新质生产力的配套体制改革方向。

信达策略樊继拓团队表示,股市继续回撤空间不大。

中金策略李求索团队也指出,伴随近期指数调整,当前A股市场估值具备较好吸引力,对后续市场表现不必悲观。

科技股本周关注的分析师也较多。浙商策略王杨团队称,三重驱动将催化科创板行情,一则硬科技发酵,二则盈利底部改善,三则大非解禁高峰。

更多券商策略观点如下:

相关推荐
qzhqbb1 小时前
基于统计方法的语言模型
人工智能·语言模型·easyui
冷眼看人间恩怨2 小时前
【话题讨论】AI大模型重塑软件开发:定义、应用、优势与挑战
人工智能·ai编程·软件开发
2401_883041082 小时前
新锐品牌电商代运营公司都有哪些?
大数据·人工智能
青云交2 小时前
大数据新视界 -- 大数据大厂之 Impala 性能优化:融合机器学习的未来之路(上 (2-1))(11/30)
大数据·计算资源·应用案例·数据交互·impala 性能优化·机器学习融合·行业拓展
AI极客菌3 小时前
Controlnet作者新作IC-light V2:基于FLUX训练,支持处理风格化图像,细节远高于SD1.5。
人工智能·计算机视觉·ai作画·stable diffusion·aigc·flux·人工智能作画
阿_旭3 小时前
一文读懂| 自注意力与交叉注意力机制在计算机视觉中作用与基本原理
人工智能·深度学习·计算机视觉·cross-attention·self-attention
王哈哈^_^3 小时前
【数据集】【YOLO】【目标检测】交通事故识别数据集 8939 张,YOLO道路事故目标检测实战训练教程!
前端·人工智能·深度学习·yolo·目标检测·计算机视觉·pyqt
Power20246664 小时前
NLP论文速读|LongReward:基于AI反馈来提升长上下文大语言模型
人工智能·深度学习·机器学习·自然语言处理·nlp
数据猎手小k4 小时前
AIDOVECL数据集:包含超过15000张AI生成的车辆图像数据集,目的解决旨在解决眼水平分类和定位问题。
人工智能·分类·数据挖掘
好奇龙猫4 小时前
【学习AI-相关路程-mnist手写数字分类-win-硬件:windows-自我学习AI-实验步骤-全连接神经网络(BPnetwork)-操作流程(3) 】
人工智能·算法