那天你持有的东西跌了一片：一只没盈利的软件股、一只生物科技、还有你的比特币。
它们之间毫无关系——不同行业、不同国家、其中一个甚至不是股票。可它们在同一天、以差不多的幅度一起跌。
新闻上只有一条：美联储加息 25 个基点。
「为什么美联储一加息，成长股和加密货币会一起跌？」这是一个机制问题，不是预测问题——所以它符合这份手册的准入标准（回顾第七篇的分类）。理解它不需要预测未来，而理解之后，第六篇讲的「相关性在危机中趋向 1」会从一句结论变成一个可以推导的结果。
这一篇讲传导机制，不讲宏观择时。最后一节会解释为什么这个区分很重要。
本文仅用于记录和普及基础知识，不构成投资建议。
一、贴现率渠道：为什么远期现金流最受伤
任何产生现金流的资产，其价值都可以写成未来现金流的现值之和：
价值 = Σ 现金流ₜ / (1 + r)ᵗ
r 上升 → 分母变大 → 现值下降。这部分是显然的。
不显然、也更重要的是：不同时点的现金流，受 r 的影响完全不同。
打个比方
把利率想成一段路程的"损耗率"：钱从未来运到今天，每走一年都要被扣掉一点。
利率从 2% 涨到 5%，就是这条路变得更难走了。近处的货只走两年，多扣一点无所谓；而放在十五年外的那批货，要一路被扣十五次——同一个涨幅，对它的打击完全不是一个量级。
⭐ 这就是为什么"加息"这一件事，会对不同资产产生差别巨大的影响：不是市场情绪不同，是它们的货放在路的不同远处。 一家还没有利润的公司，它的全部价值都在很远的那一头。
一个具体的算例
假设无风险利率从 2% 升到 5%，看两笔现金流的现值变化：
| 现金流发生在 | r = 2% 时的现值 | r = 5% 时的现值 | 变化 |
|---|---|---|---|
| 2 年后 | 0.961 | 0.907 | −5.6% |
| 15 年后 | 0.743 | 0.481 | −35.3% |
同样的利率变动，对 15 年后那笔现金流的打击，是对 2 年后那笔的六倍以上。
这个性质叫久期（Duration）：现金流越靠后，对贴现率越敏感。
于是就能推出
| 资产类型 | 现金流分布 | 对利率的敏感度 |
|---|---|---|
| 高股息、稳定盈利的成熟公司 | 大部分在近期 | 低 |
| 尚未盈利的高成长公司 | 几乎全部在远期 | 极高 |
| 长期国债 | 远期 | 高 |
| 短期国债 | 近期 | 低 |
一家还没有利润的公司，它的全部价值都来自远期现金流的预期。 所以它在数学上就是一个超长久期资产，对贴现率的变动极度敏感。
这就是为什么在加息周期里，未盈利的成长股跌幅系统性地大于盈利稳定的公司——不需要任何关于「市场情绪」的解释，折现公式本身就给出了答案。
⚠️ 这一点值得停一下，因为它和大多数财经解读的口径不同。这里没有用到任何关于"投资者怎么想"的假设。 没有恐慌、没有风险偏好、没有情绪转向——只有一个分母变大了。
这也是这一篇能进这份手册的原因（第七篇的准入标准）：它是可推导的，不是可讲述的。 你不需要相信我对市场心理的判断，你可以自己把那两个数算一遍。
2022 年的市场表现是这个机制的一次大规模演示。
二、机会成本渠道
⭐ 上一节是"钱从未来运回今天要交多少过路费"。这一节是另一件事：当无风险资产的收益变高，所有别的东西都得先跟它比。 同一个利率，两条完全不同的传导路径。
第二条传导路径更简单：无风险利率是所有资产的比较基准。
当短期国债收益率接近于零时，持有不产生收益的资产（黄金、不生息的加密资产、成长股的远期故事）的机会成本很低。
当短期国债收益率升到 5% 时，情况变了：你现在有一个几乎无风险、流动性极好、能提供 5% 名义收益的选项。任何其他资产都必须提供超过它的预期回报，才值得承担风险。
这对不产生现金流的资产影响最大——因为它们无法通过提高派息来竞争，只能靠价格下跌来提高未来的预期回报率。
三、流动性与风险偏好渠道
第三条路径最难量化，但在短期内影响往往最大。
把资产按风险排成一条曲线：
现金 → 短期国债 → 长期国债 → 投资级债 → 高收益债
→ 大盘股 → 小盘股 → 未盈利成长股 → 加密资产
低风险 ←──────────────────────────────→ 高风险
当金融条件收紧（加息、缩表、信贷利差走阔）时，资金倾向于沿这条曲线向左移动；宽松时向右移动。
关键在于：曲线最右端的资产，对这个移动最敏感。
加密与股票的相关性
一个可观察的事实（不是预测）：比特币与纳斯达克指数的相关性，在 2020 年之后显著上升。
原因是结构性的——随着机构资金进入加密市场，加密资产越来越被纳入「风险资产」这个大类来配置。当机构因为宏观原因降低整体风险敞口时，它们会同时减持科技股和加密资产。
这带来一个对第六篇的直接推论：
「我同时持有科技股和加密货币，这是分散」——在宏观驱动的下跌中，这是同一个赌注。
它们对同一个变量（贴现率 / 流动性）敏感，而且都处在风险曲线的最右端。这就是「相关性在危机中趋向 1」的具体机制，而不是一句空洞的警告。
四、需要认识的宏观变量
不需要预测它们，但需要知道它们是什么、什么时候公布。
政策利率与美联储
- FOMC 会议：每年约八次，决定政策利率
- 点阵图（Dot Plot）：委员对未来利率路径的预测，季度更新
- 会议纪要与主席记者会：市场经常对措辞的细微变化做出剧烈反应
通胀
- CPI：公布早、市场关注度最高
- PCE：美联储的正式目标锚定在 PCE 的 2%（美联储说明）
- 核心（Core）：剔除食品和能源，用于观察趋势
就业
- 非农就业报告：每月第一个周五公布，历来是波动最大的数据之一
- 失业率、平均时薪、职位空缺
利率市场本身
- 收益率曲线：不同期限国债收益率的形状
- 期限利差（如 10 年减 2 年）：长期被作为经济周期的观察指标之一
- 实际利率（名义利率减通胀预期）：对黄金等不生息资产尤其相关
其他
- 美元指数：美元走强通常对新兴市场和大宗商品构成压力
- 信贷利差：高收益债与国债的利差，是风险偏好的直接读数
五、⚠️ 懂机制，不等于能择时
这一节是本篇最重要的部分，也是它必须存在的理由。
市场定价的是预期，不是数据
假设 CPI 公布为 3.2%。这个数字是利好还是利空？
取决于市场预期是多少。 如果预期是 3.5%，那 3.2% 是利好；如果预期是 3.0%，那 3.2% 是利空。
所以要靠宏观数据交易，你需要预测的不是「CPI 是多少」，而是「CPI 相对于市场共识的偏离方向」。
这是一个二阶问题，而且你的对手是把这件事当全职工作的机构。按第七篇第二节的框架：这是信息优势和分析优势的战场，散户在这两个维度上都处于劣势。
「利好出尽」
更麻烦的是，即使你猜对了数据，也猜不准反应。市场经常在数据符合预期时反向大幅波动，原因可能是仓位拥挤、预期已被充分定价、或者注意力转移到了别的变量上。
「事实兑现时行情反转」是一个反复出现的模式，它让「数据 → 方向」的简单推理经常失效。
结论
宏观分析的价值，在于理解风险的来源和资产间的关联，不在于择时。
按第七篇的分类，宏观择时属于第四类（预测），而宏观传导机制属于第一类（机制）。这一篇只写后者。
六、机制知识的实际用途
那么理解这些到底有什么用？有四个具体的、不需要预测的用途。
1. 识别隐藏的「同一赌注」
回顾第六篇的相关性检查。现在你有了更准确的工具：不要只按行业分类，按「对什么宏观变量敏感」分类。
持有：未盈利科技股 + 加密资产 + 长久期国债 ETF + 高成长小盘股
表面：四个不同的资产类别
实质：四个对同一件事（贴现率）敏感的头寸
这个检查能发现按行业分类发现不了的集中风险。
2. 理解自己的仓位对什么敏感
一个简单的问题：如果利率再上升 1%，我的组合会发生什么？
答不出来，说明你不知道自己承担的是什么风险。这个问题不需要预测利率会不会上升——它是一个情景分析。
3. 事件日的流动性与波动
FOMC、CPI、非农公布前后：
- 价差扩大（第二篇：做市商为不确定性提价）
- 流动性变薄
- 滑点急剧上升，止损单更容易在糟糕的价格成交
实际动作不是「预测数据」，而是：在这些时点减小仓位、避免用市价单、意识到止损保护会变弱。这是纯粹的风险管理，不含任何预测。
4. 理解为什么「分散」在最需要时失效
当宏观是主导变量时，所有风险资产由同一个因子驱动。这时按行业、按地域的分散化几乎不提供保护。
真正提供分散的，是对宏观因子的暴露方向不同的资产——而这类资产在牛市里通常表现平庸，所以人们往往在最需要它们之前就卖掉了。
七、这一篇的结论
- 久期是核心机制：利率上升对远期现金流的打击远大于近期。同样从 2% 到 5%，15 年后的现金流现值跌 35%，2 年后的只跌 5.6%。
- 未盈利的成长公司在数学上就是超长久期资产，对利率极度敏感。这不需要用「情绪」来解释。
- 无风险利率是所有资产的机会成本基准，对不产生现金流的资产影响最大。
- 流动性沿风险曲线传导，加密资产在最右端，因而最敏感。
- 比特币与纳斯达克的相关性在 2020 年后显著上升 —— 「科技股 + 加密」不是分散，是同一个赌注。
- 市场定价的是预期，不是数据。 靠宏观数据择时是一个二阶问题，对手是全职机构。
- 宏观知识的正确用法：识别隐藏的同一赌注、做情景分析、在事件日收缩风险——全部不需要预测。