撰写于2023年10-11月，原题是《从真实因素到股市：一个以投资回报率为主线的新策略分析框架》，有3.2万字，50多个图表，读起来很累。本文是缩写版，只写主要观点和结论，略去论证过程。不过我在结尾列出了全部参考文献。核心观点：本文构建了一个以投资回报率为主线的新策略分析框架。它的基本思想是：秉承真实经济周期理论，认为广义的技术进步决定了全要素生产率；广义的技术进步与其他真实因素一起，决定了自然利率和潜在经济增速。自然利率和潜在经济增速，再加上短期供求波动，决定了现实中的实际利率和GDP增速……这些因素经过一系列传导机制，决定了实体部门的投资回报率（净利率、ROE、EPS增速等），最终决定了虚拟经济（股市）的回报率。随后用日本、韩国、台湾省、美国的股市进行了验证，发现这个框架中的逻辑是合理的。最后对中国股市的表现进行了分析，认为中国的经济结构、老龄化等因素决定了TFP增速和自然利率的走低；而较低的TFP增速和自然利率限制了实体部门的投资回报率，决定了A股难以出现长期持续的大牛市。除非能够通过改革和创新提高TFP增速和自然利率。对股市的长远表现有一个大致的预期，可以使我们在应对时更加从容。对于国内的公募基金、券商和保险资产管理公司来说，策略分析框架的期限一般可以分为超短期（1个月） 、短期（1-3个月）、 中期（3-6个月）、长期（6个月以上）。对于价值投资者、PE/VC，划分方法又不同。通常考虑的期限越短，影响因素越多，博弈成分、随机因素越多，判断股市的走向就越难。考虑的期限越长，则随机因素、博弈成分越少，基本面因素越确定，判断股市走向越容易。绝大多数同行在分析股市大势时，都只考虑一年以内的因素。包括：●宏观经济波动。一般是从库存周期入手进行分析，至多考虑一下朱格拉周期。但是，每当A股下跌，大家都会提出这样一个令人沮丧的问题：为什么上证指数2007年是3000点，2011年是3000点，2023年还是3000点？似乎永远也无法摆脱3000点？为什么中国股市从未出现持续超过3年的牛市，而美国、日本、韩国等都曾多次出现持续5年甚至10年以上的长期牛市？很多人认为原因是：IPO太多；把股市当做圈钱的工具；退市制度不健全；骗子公司割韭菜；没有T+0；做空机制不够；长期资金太少；散户赌性太强；北上资金天天砸盘等等。我们用图1来表示这个新策略分析框架。它其实是一系列逻辑链（传导机制）的集合。说明如下：逻辑链1：长期内，广义的技术进步（包括狭义的技术进步、要素质量、要素配置效率、组织管理效率、制度创新、规模经济、研发投入、开放度、市场化、金融发展、基础设施等）决定全要素生产率（Total Factor Productivity，TFP）。逻辑链2：长期内，经济中的真实因素（广义的技术进步、资源禀赋、人口数量质量结构、经济体制、分配制度、监管制度、战争、资本积累等）一起决定自然利率和潜在经济增速。（甚至还部分地决定了自然失业率，不过本文不对这部分内容展开讨论）。这两个逻辑链都是毋庸置疑的，因为这正是它们的定义，在较为深入的宏观经济学教科书中都可以找到相关内容。逻辑链3：短期内，需求侧因素（财政政策、货币政策、产业政策、外生的需求冲击等等）一起，决定了企业的采购、生产、持有库存、销售行为，商业银行的信贷政策，居民和政府的投资和消费行为。这些是宏观经济的微观基础。进而决定总需求的短期波动。即我们在采用真实经济周期利率分析长期趋势的同时，并不排斥凯恩斯主义和货币主义，毕竟我们的目的只是为了寻找投资机会，赚钱。逻辑链4：慢变量（全要素生产率、自然利率）决定现实中的实际利率和GDP的长期趋势；短期快变量（总需求）决定现实中的实际利率和GDP的短期波动。学习过HP滤波（Hodrick and Prescott，1980，1997）的很容易理解，这里的基本思路就是把实际利率、GDP都分成长期趋势、短期周期性波动两部分，它们是不同的因素决定的。当我们考虑短期时，还应该加上随机因素，即一共三个部分。逻辑链5：短期内，供给侧因素（战争、气候、疫情、事故、限产等）与总需求一起决定通货膨胀率。逻辑链6：短期内，实际利率、实际GDP增速、通货膨胀率一起决定名义GDP增速。逻辑链7：短期内，实际利率、通货膨胀率、市场交易因素与预期，一起决定名义利率。特别指出：大多数人习惯上用名义利率减去通货膨胀率得到实际利率，因此误以为实际利率是由名义利率决定的。但实际上恰好相反，是实际利率决定了名义利率。逻辑链8：名义GDP增速、名义利率、市场竞争因素等一起决定企业的营业收入、现金流情况。进而与税收制度一起决定企业的盈利指标（销售净利率、ROE等）。进而决定企业的扣非归母净利润，从而决定企业的EPS、EPS增速。逻辑链9：上市公司的EPS增速、市场环境、投资者风险偏好一起决定上市公司的估值。逻辑链10：上市公司的EPS增速和估值，一起决定了股票价格。逻辑链11：上市公司的股价，与上市公司的结构、投资者结构、交易制度和监管制度等等真实因素一起，决定了大盘指数。其中上市公司的结构归根结底取决于经济结构。【1】上述每一个逻辑链都比这里描述得复杂得多。例如，逻辑链条3中，政府的一项政策会影响企业的生产经营行为，居民的消费行为，进而影响他们的现金流量表、利润表和资产负债表。当居民和企业的财务报表发生变化时，他们不仅会调整自己对未来经济的预期，还会调整自己的投资和消费行为，比如主动缩表或主动扩表，对未来经济造成更大的冲击。因此在分析的时候必须非常细致。【2】为了不使图1看起来太复杂，图1中没有涉及其他资产。如果在“国际局势、国际关系”的右边加上外国（比如美国）的情况，对国外的政策、总需求的波动（从而我国的出口）做详细的分析，再加上国外利率、汇率、贵金属、原油、基本金属、股市、债市、房地产等，这个框架就拓展成了大类资产分析框架。全要素生产率是索洛增长模型中，剔除要素（资本、劳动等）贡献之后的残差项。它表示，除了要素投入外，广义的技术进步（包括狭义的技术进步、要素质量、要素配置效率、组织管理效率、制度创新、规模经济、研发投入、开放度、市场化、金融发展、基础设施等）对推动经济增长的作用。显然，在要素投入不变的情况下，广义技术进步越快，意味着TFP增速越高，潜在经济增速就越高。反之，当广义技术进步越慢，TFP增速越低，潜在经济增速就越低。即TFP增速是潜在GDP增速的重要决定因素，二者趋势一致。而潜在GDP增速是现实中GDP增速的趋势，现实中GDP围绕着潜在GDP增速上下波动。因此TFP增速是现实中GDP增速的重要决定因素，二者长期趋势大体一致。图2左半边展示了这些变量之间的关系。这些对于宏观经济研究者来说都是常识，例如可以参见Hodrick and Prescott（1980，1997），Kydland and Prescott（1982）、Prescott（1986）等著名论文。
由于TFP是估算出来的，会受到模型设定、外来冲击的影响，因此TFP增速波动较大。解读时一般是分阶段估算出平均值，看不同阶段平均值有什么变化。第二次世界大战之后，全球进入第三次科技革命。美英德法日苏等国科技水平突飞猛进，1970s之后逐渐扩展到台湾省、韩国、马来西亚、香港特区等经济体。1978年之后中国开始改革开放，经济开始起飞，中南半岛上的越南、老挝、柬埔寨的改革则更晚。我们经常可以观察到，当一个经济刚开始起飞时，它的广义技术进步是很快的：第一、它能从国外学习先进的科技。对于全球来说，可能并未发生新的技术革命，但对这个新兴经济来说，却在发生翻天覆地、日新月异的技术革命。这种情况在1950s-1980s的日本和台湾省，1960s-1980s的韩国、香港、马来西亚，1978年之后的中国，以及1990s以来的越南、印尼等都发生过。第二、它能从国外学习先进的管理经验、高效的组织制度、先进的管理理念，这对它来说都算创新。这样可以提高效率。例如1980s-1990s中国狂热地学习日本企业的精细化管理经验。第三，它可以对国内阻碍经济发展的制度进行改革，与国际并轨，释放制度红利。典型的就是中国。第四、它可以加大研发投入，提高经济的开放度，提高市场化水平，促进金融发展和基础设施建设。第六，它还可以改进本国的教育体制，加快培养科技人才，建立产学研一体化的体制机制，增加人才储备，提高人口素质。1950s年之后的日本、台湾省，1960s之后的韩国，1980s之后的中国以及东南亚各国都是如此。技术进步的作用最终体现在TFP增速上。为了便于比较，我们从格罗宁根大学发布的117个经济体的TFP数据中选取了28个经济体，并且划分成7个阶段，计算出各阶段TFP增速的均值。其中各国都剔除了1974、1975年的数据（因为受第一次石油危机干扰），并刻意避开了1981-1982（受第二次石油危机干扰）、1998-2000（东南亚金融危机）、2008-2009年（全球金融危机）的数据。中国还剔除了1988-1989年的数据。1、从1950s到1970s，主要西方国家都保持了较高的TFP增速。1990s之后，TFP增速就出现了明显的下降。其中美国、德国、法国、英国一直保持了正的TFP增速。德国的TFP增速更高，法国稍低，它们目前是欧元区的“核心国家”，财政状况较好。1990s之后意大利、西班牙TFP增速下降得较为明显，它们目前是欧元区的“边缘国家”，财政状况较差。2021年这两类国家的债券收益率曾经分化非常明显，此处不做赘述。2、台湾省、韩国、日本、以色列、香港等由于积极学习欧美的先进科技，并承接欧美的技术转移，从1950s开始就保持了较高的TFP增速。但1990s之后，这些经济体的TFP增速也明显下降。东南亚其他国家（泰国、印尼、马来西亚、印度、新加坡）的TFP增速则整体比台湾省、韩国等更低一些。3、1980s-2007年，中国的TFP增速整体保持了正增长。但是2008年全球金融危机之后，TFP增速出现了负增长。这件事情非常重要，有无数学术论文对这一现象进行讨论，下文还会提到。4、巴西、墨西哥，在1950s-1970s都保持了较高的TFP增速，但1980s之后TFP增速下降。这其实是拉美很多国家的共同点，因此很多国家在1970s之后发生了债务危机，掉进了中等收入陷阱，使“拉美化”成了一个专有名词。有的国家，比如阿根廷，走向了民粹化，进而导致了经济社会的彻底崩溃，在腐败、犯罪、通货膨胀的泥潭里苦苦挣扎。表1：28个经济体不同阶段的TFP增速比较
最重要的是，这28个经济体处在全球各大洲，地理位置、资源禀赋、人口结构、经济体制、金融体制、发展模式等等各不相同，除了个别国家（老挝、印尼、泰国、印度）外，其他经济体的TFP增速全都趋势性地下降。换言之，在技术进步增速放缓之后，这些经济体的TFP增速下降了，说明这是一个全球性的普遍现象。图3展示了其中8个经济体的情况。
为什么各经济体的TFP增速会长期下降？原因很简单：对于发达经济体来说，它们作为技术进步的引领者，只有开发出新的突破性技术、应用于产业发展、并且对经济体的影响足够大的时候，TFP增速才能上升。但是一方面，突破性的技术并非总是存在；另一方面，随着经济规模的扩大，技术对经济的拉动作用在减小，要想推高经济体的TFP增速，需要更具突破性的技术。在更具突破性的技术未出现之前，TFP增速将越来越低。这里的典型例子是日本。对于新兴市场来说，它们最初是作为先进科技的学习者和模仿者，TFP增速快速上升。但是随着技术进步，学习和模仿的空间越来越小，技术进步速度将放缓；同时经济规模越来越大，同样的技术对经济的拉动作用在减小。此时，它要么安于维持较低的TFP增速，等待其他国家出现技术突破，自己再学习。要么自己进行创新，引领全球技术进步，但这条路充满荆棘和坎坷，研发投入需要的资金大、人才多、时间长，还不一定能成功。在研发出突破性技术之前，它只能维持较低的TFP增速。这里的典型例子是中国。
目前一般将自然利率定义为使经济体达到自然产出、实现充分就业、同时保持通胀相对稳定时的短期实际利率。自然利率提供了一个判断货币政策是紧缩还是扩张的标准，当现实经济中的实际利率高于自然利率时，货币政策是收紧的，反之是扩张的。可以把自然利率理解为经济处于均衡状态下资本的预期利润率，本质上也就是投资的实际边际回报率。它与货币和货币政策无关，是由经济中的真实因素决定的。这些真实因素包括：资源禀赋、人口结构、人口增速、人口素质（教育）、经济体制、分配制度（贫富差距）、基础设施、技术进步、监管制度、战争、实物资本的积累等等。技术进步是如何决定自然利率的呢？显然，采用新技术越多越先进，技术进步越快，生产效率越高，企业的边际投资回报率也就越高，意味着自然利率也就越高。反之越低。（二）在一定阶段，技术进步有可能是TFP和自然利率的主要决定因素广义技术进步是TFP的全部决定因素，也是自然利率的决定因素之一。从图2可知：推论1：在其他真实因素没有大的变化的情况下，自然利率与潜在GDP增速的长期趋势是相同的。这对宏观经济研究者来说是常识，是经济运行中的一个特征事实，不需要论证。推论2：在其他真实因素没有大的变化的情况下，TFP增速与自然利率的长期趋势是相同的。在一个经济体起飞之初的10-20年，技术进步很快，但决定自然利率的其他真实因素，例如资源禀赋、人口结构、人口增速、人口素质、经济体制、分配制度等变化相对较慢，甚至不变。此时技术进步成为影响TFP和自然利率的主要因素，TFP增速和自然利率的趋势应该是相同的。反过来，如果一个经济体的TFP增速与自然利率的趋势不同，那么一定是除技术进步外的其他真实因素发生了较大的变化。推论3：随着经济体的发展，在突破性技术出现之前，它的技术进步速度将放缓，TFP增速将下降；同时，随着TFP增速下降，投资回报率将下降，叠加其金融体制的健全、金融业效率的提高、人口老龄化等因素，其自然利率也将下降。即TFP增速和自然利率都呈长期下降走势。过去几十年，大量的研究表明，全球主要经济体的自然利率呈下降趋势，即自然利率的下降也是全球经济的一个普遍现象，或者特征事实。（我在这部分写过一个综述，列出了许多文献，这里省略了）。在前文中，我们指出TFP增速和自然利率各由真实因素决定，并且两者的长期趋势是相同的；各国的自然利率普遍呈下降态势。IMF于2023年4月发布的《世界经济展望》第二章研究了八个国家1975-1979、2015-2019年自然利率的变化情况，发现它们都是下跌的（图5）。IMF（2023）认为，在过去40年，有一些共同的因素驱动了自然利率的下行，例如人口老龄化和TFP增速的下行。在所有的发达经济体，TFP增速的下行都在自然利率的下降中起到了重要的作用，这与我们前文图2的逻辑是一致的。从图5中可以看出，日本自然利率的下降主要归因于人口老龄化和TFP增速的下降，这与Yosuke Okazaki and Nao Sudo（2018）的研究结论是完全一致的。另外，财政扩张抵消了人口老龄化和TFP增速下降对自然利率的部分影响。从图5可以看出，在中国，TFP增速和财政政策倾向于提高自然利率，但被人口老龄化抵消了。从图5还可以看出，国际资本流动对自然利率的影响普遍很小，在大多数国家可以忽略不计。
资料来源：转自2023年4月IMF的World Economic Outlook至此我们阐述了经济体的TFP增速、潜在GDP增速、自然利率等变量之间的长期关系。图1表明，这些变量决定之后，沿着图1的一系列传导机制，将决定上市公司的盈利指标、盈利能力，最终决定股市的长期趋势。对日本、韩国、台湾省、美国1950s之后的股市、TFP、自然利率等数据研究表明，这些经济体的长期牛市，与较高的TFP有关。当TFP下降时，相应地出现熊市。具体数据略。图6中左轴展示了格罗宁根大学、孙梁（2018）计算的中国TFP增速；右轴展示了李媛恒等（2020）和陈汝影（2020）分别计算的制造业TFP增速。虽然口径不尽相同，但趋势都是一样的。 图6 不同来源的中国TFP增长率与制造业TFP增长率资料来源：格罗宁根大学计算的TFP来自Wind；其他来自相关参考文献从格罗宁根大学的数据还可以看出，中国TFP增速分成了几个非常明显的周期，并且都与改革进程中一些标志性事件相关。1980s改革开放推高了TFP增速，但1980s末出现了一些波折，改革陷入停顿；1992年1-2月邓小平南巡讲话，1992年10月党的十四大提出建立社会主义市场经济体制，随后全国掀起经济发展热潮，再度推高了TFP增速；1998年东南亚货币金融危机，随后国企改制，拖累了TFP增速；2001年中国加入WTO，2003年房地产被确立为国民经济的支柱产业，开启了出口导向型加投资导向型发展模式，再度推高了TFP增速；2008年全球金融危机之后，开始转变经济发展放松，TFP增速逐渐下降到较低水平，中国经济增速逐步下降。不同来源的数据都表明，在2001-2007年，TFP增速较高，2008年之后大幅下降。关于TFP增速下降导致潜在GDP增速下降的文献则更是汗牛充栋，此处不多赘述。（二）TFP增速低于其他国家1950s-1980s的原因从表1可以看出，在中国经济起飞阶段，1983-1987、1991-1997、2001-2007年，TFP增速分别是1.14%、1.08%、2.82%，远低于加拿大、法国、德国、西班牙、意大利、台湾省、日本、以色列、马来西亚等经济体1955-1980年的水平。在1980s，中国已经建立起比较完善的工业体系（虽然技术比较落后），各行业之间技术进步的差异远比其他国家要大，存在严重的失衡，导致工业各个部门之间的TFP差异较大。在过去几十年的发展过程中，有的行业TFP增速高于美国，有的远低于美国。例如，就农业来说，美日早就实现了农业自动化，但中国独特的土地所有制决定了未来也很难完全实现农业自动化。要想透彻地分析这个问题，需要对各经济体各行业的TFP增速进行比较。可以参见李展（2021）。从经济大类来看，李展（2021）研究发现，从1978-2018年，中国经济增长的主要来源是制造业，制造业对经济增长的贡献度是57%，服务业是28%。美国经济增长主要来自服务业，服务业对经济增长的贡献度是84%，日本是59%。但中国服务业TFP在1978-2018年间大幅下降，拖累了整个TFP增速的上升。另外，中国地区之间发展严重不平衡。东部技术进步较快，中部其次，西部更慢。这导致TFP增速更低，不能与那些国土面积狭小、发展平衡的经济体相提并论。中国独特的国企-民企二元结构下，民营企业进入某些行业较为困难，政府习惯干预要素配置和市场准入，商业银行在发放信贷时也更倾向于以较低的利率向国企贷款，导致资源错配或资源配置低效率，经营不善的“僵尸”国企无法退出等等。这些问题在2008年之后特别明显，严重拖累了TFP增速。要解决这些问题，涉及到混合所有制改革、市场准入、财税体制改革等一系列改革。在2015年之前，中国的增长更多地依赖要素投入，而不是技术进步（要素质量的提高、配置效率的提高、自主创新等）。即经济增长是以要素投入推动为主的粗放型增长，而不是TFP增长驱动的效率型增长。粗放型增长导致：【1】中国1980s-2000s的TFP增速低于1955-1980s的欧洲、美国、日本、台湾省、韩国等。【2】导致经济高增速无法持续。中国在2001-2007年维持了较高的GDP增速，但经济难以承受粗放型增长的后果——高投入、高耗能、高污染、产能过剩等。这也导致2008年底中央为了应对经济危机推出“四万亿”投资计划时颇受诟病。此后中央提出转变经济发展方式，降低经济增速。在经济增速放缓之后，2012-2015年立刻出现产能严重过剩，不得不在2015年底提出供给侧结构性改革，在2016-2018年通过供给侧结构性改革去产能。在此背景下，一方面，传统工业企业无力提高要素质量、配置效率，遑论进行自主创新。另一方面，此时中国已经是全球第二大经济体，规模大，发展不平衡，因此虽然新兴产业逐渐发展壮大，但在整个经济中占比依然较低，体现在TFP上，就是TFP增速较低，对GDP的贡献小。这些原因，导致2008年之后中国TFP增速处于较低水平，平均值变成了负值（表1）。相比之下，美国的经济增速虽然较低，但却是“有质量”“有效率”的增长，TFP增速一直保持正值，拉动了经济增长。这正是中国目前进行科研体制、教育体制、产业体系等改革的方向。2008年之后中国的TFP增速持续较低。尤其是最近几年，中央在支持改革和创新方面不遗余力，不仅在对教育体制、科研体制方面进行全面的改革，还在融资、财税等方面对科技企业进行支持。但TFP增速并未显著提高。我认为原因有几个：二是国企、民企二元融资结构、僵尸企业、政府干预等扭曲了资源配置。三是我国经济规模已经很大，一般的技术进步给整个经济带来的TFP增速有限。除非有划时代的技术进步，提高经济中大多数行业的TFP增速，才能提高整个中国经济的TFP增速。四是从产业发展来说，中国企业更习惯于模仿而不是创新。当一项新技术新产品刚出现时，中国企业一拥而上进行模仿，争先恐后地进行大规模投资，通过规模效应降低成本，迅速推向市场。结果，一是迅速压低了整个行业的利润率和ROE；二是降低了企业进行研发投入的热情。最终导致这项技术进步带来的TFP增速有限。不过这种内卷的做法也使其他国家无力与中国企业竞争，阻断了其他国家进行大规模工业化的进程。顺便说一句，【1】目前中国模仿空间已经很小了，需要自主创新才能带来技术进步。但是自主创新需要大量长期的研发投入，可能在很长时间内都看不到成功的希望，更别说收益。很多企业不愿意进行这种研发，而是倾向于赚快钱。【2】1990s日本泡沫经济破裂之后，企业无力进行长期的研发投入，于是砍掉了很多研发项目，改为进行技术改良，导致了此后日本TFP增速放缓。目前中国GDP增速下滑过快，不能不让人担心也会出现这种情况（点击1，2）。下面讨论TFP与A股的关系。在讨论之前，我们先来看一下上市公司的结构。上市公司结构与经济结构有关。在2010年之前，中国采取的是出口导向+投资导向的发展模式，以发展工业为主。虽然2010年之后开始转变经济发展方式，但经济结构变化缓慢，历年稳增长都是靠基建投资、房地产投资拉动，这决定了上市公司也是以周期股为主（数据略）。近年来消费类、医疗保健类、信息技术类公司占比有所增加，但周期类依然占到一半以上。如果把全部上市公司看做一家公司，那么它的主要业务一直是周期性业务，它的股价即大盘指数。对1995年之后A股的表现进行分析，发现中国TFP增速能在一定程度上解释上证指数乃至整个A股的整体涨跌（数据略）。我们继续把所有上市公司看作一家公司，分阶段来看：在1997年至2001年，由于东南亚货币金融危机、国企改制等因素的影响，我国TFP增速较低甚至为负值，GDP增速下降，这家公司的ROE下降，净利润增速较低，股价（即指数）表现一般。从2002年至2007年，【1】在出口导向性、投资导向型发展模式下，GDP增长较快，TFP相对较高（但远低于日本、韩国、台湾等在1955-1980年的水平）；【2】中美欧三大经济体周期向上共振；【3】股权分置改革之后投资者风险偏好上升；【4】2005年8月至2007年人民币升值导致大举热钱涌入。2005-2007年A股出现了一轮大牛市。当时内需外需都非常旺盛，周期股业绩高增长。股价（指数）出现暴涨。实际上，2005-2007年表现最好的银行、地产、钢铁、煤炭、有色等全是周期股。在2008年经济周期向下时，这家公司的TFP增速快速回落，ROE下降，利润大幅负增长，股价（即指数）暴跌。在2011年之后，随着转变经济发展方式的推进，固定资产投资增速和GDP增速下降，TFP增速保持较低水平，ROE下降，利润增速下降，股价（指数）表现一般，估值难以提升。虽然期间2014年11月至2015年6月曾经因为大放水导致股市上涨，但TFP增速没有得到根本的改善，ROE和利润增速依然在下行，因此股市表现不佳。总之，从根本上说，TFP增速较低，限制了实体部门投资回报率的水平，这是上证指数长期难以摆脱3000点的根源。即便因为某种原因（比如库存周期向上波动、大放水）而短期上涨，最终还是会跌回3000点。在这样的经济结构下，必然有这样的股市。如果在TFP增速如此之低的情况下，上证指数反而出现长期大牛市，那才是咄咄怪事。前文指出，自然利率也决定了实际利率，并通过一系列传导机制，决定了实体部门的投资回报率，最终决定了虚拟经济的投资回报率（即股市的涨幅）。图7展示了TFP增速与孙国峰和Rees（2021）估算的自然利率，其中剔除了比较异常的2012年。不难看出，在2000-2007年，中国的TFP增速较高，自然利率也较高；在2008年全球金融危机中，中国的TFP增速和自然利率迅速下了一个台阶，此后再也没能回去。整体来说，不同阶段的TFP增速与自然利率水平趋势是一致的。如果图7中用孙梁（2019）估算的TFP增速，或者陈汝影（2020）估算的中国制造业TFP增速，结论都是一样的。
图8展示了上证A股、全部A股的ROE与自然利率。不难发现ROE与自然利率的变化非常一致。实际上，2004-2019年上证A股的ROE与自然利率的相关系数是0.70，全部A股的ROE与自然利率的相关系数高达0.75。我此前论证过，疫情导致中国的自然利率进一步降低了，因此如果有2020-2022年的自然利率数据，应该会发现股市ROE与自然利率之间的相关系数更高。
按照图1中的逻辑，经济的真实因素决定了TFP和自然利率（以及自然产出），并经过一系列传导机制最终决定了实体企业的净利率、净利润增速、ROE等（具体数据略）。因此，自然利率与ROE之间不仅是相关关系，而且是因果关系。自然利率下降意味着实体部门投资回报率的下降，从而ROE下降，最终导致虚拟经济的投资回报率也下降（即股市难以有好的表现）。首先应该明确：当你期望大牛市的时候，指的是哪一种大牛市？【1】2005年6月至2007年10月，A股那种靠周期股业绩高增长支撑的大牛市。周期股的利润特点就是跟随经济周期剧烈波动，一旦经济周期开始下行，利润增速就会大幅负增长，股市就会暴跌（2007年11月至2008年10月）。因此这种大牛市持续的时间短，波动巨大，从2005年6月初至2007年10月中旬上证指数上涨了513%，但从2007年10月的6124点至2008年10月底的1664点又跌了72%。由于这种大牛市持续的时间很短，因此分析它根本就不需要长期的框架，只需要框架图1的右半部分就够了。另外，中国重化工业、房地产行业、基建产业高速发展的时代已经过去了，随着经济发展方式的转变，经济规模的扩大，未来再也不可能出现2005-2007年这种以周期股业绩支撑的大牛市了。【2】2014年11月至2015年6月，A股那种单纯靠大放水加杠杆支撑的大牛市。这种牛市缺乏经济基本面的支撑，短期上涨之后会迅速崩盘。不仅没有任何意义，反而会给经济基本面和投资者造成严重的损害。分析这种大牛市也不需要长期的分析框架，只需要框架图1的右上角即可。经过2015年6月的崩盘，任何决策者和投资者都不应该再期望这样的“牛市”。【3】1955-1980s的日本，1971-2000、2009-2021年的美国那种靠创新带来技术进步支撑的长达数十年的大牛市。第【1】【2】种显然不是投资者想要的。真正值得我们期待的，是第【3】种，靠创新支撑的长期大牛市。创新意味着TFP增速的提高，意味着自然利率、潜在GDP增速的上升，从而实体经济的投资回报率将上升，表现为上市公司的净利率、ROE、利润增速上升，股价上涨。具体到中国，除了创新之外，还应该加上改革。改革能够释放制度红利，带来效率的提高。由于改革和创新带来的业绩增长是可持续的，由此带来的股价上涨也是可持续的。2008年之后我国的TFP增速和自然利率持续走低，导致上市公司ROE下降，股市难以走牛。此外，我认为还有几个因素导致A股（包括创业板）难以持续走牛：一是产业化的效率太高，过于内卷，压低了ROE，缩短了产品的生命周期前文提到过，中国企业更喜欢模仿而不是创新，并且产业化的效率太高：【1】喜欢在新技术新产品出现后一窝蜂地涌入，大规模投资，压低利润率和ROE，最后迅速导致产能过剩。以新能源为例，一时间全国到处都是光伏、风电、锂电池、新能源汽车企业，导致业绩在短期内暴增，然后产能过剩，大家一起亏钱。【2】迅速将产品在市场上铺开，渗透率迅速提高。原本可能需要10年做完的市场推广，可能三年就做完了。例如光伏、风电、新能源汽车龙头，在政策的推动下，迅速推向市场，提高渗透率。反映在股价上，就是短期内给予80倍甚至上百倍的估值，股价暴涨；随后随着渗透率迅速提高到30%、50%，预期未来业绩增速将下降，股价暴跌。原本可能持续10年甚至更久的慢牛，在2-3年内就涨完了，然后就是暴跌。因为上一点原因，导致投资者不敢长期持有科技股（担心坐过山车），更喜欢做趋势投资，而不是长期持有。这导致：【1】当热点行业和公司出现时，他们会一窝蜂地涌向，导致短期内暴涨。【2】在上涨到目标价之后，一窝蜂地卖出，导致暴跌。【3】在科技股上涨时寄予厚望，赋予极高的PE、PB或PS；在下跌时又超跌。由于很多科技股尚未到利润爆发期，在上涨过程中估值很贵，下跌之后估值也不便宜。导致这些股票看起来一直都很贵，很难下手长期持有。NASDAQ指数、韩国综合指数、台湾加权指数中，信息技术的权重远高于A股。A股创业板指中信息技术占比19.91%，创业板综指是30.3%，上证指数中只有12.04%。相比之下，NASDAQ中信息技术的权重是61.51%，台湾加权指数中信息技术权重是59.3%，韩国综合指数中是39.5%。上证指数、万得全A中金融、工业、周期类权重太高，确实能反映中国TFP低增速的客观情况。这样一来，上证指数难以长期脱离3000点才是正常的，如果它持续上涨，反而是匪夷所思的，因为违背了经济规律。上述这些原因，导致A股难以出现持续的大牛市，只能出现少数行业的结构性牛市。除非现在出现巨大的制度变迁，或者划时代的科技进步，持续提高中国的TFP增速和自然利率。但是在我的框架下，由于【1】中国经济已经进入“被追赶阶段”或“腹背受敌阶段”（点击），投资回报率下降，企业为了争夺利润势必更加内卷。【2】随着经济增速下行，科研投入增速也在下行，技术进步速度也会放缓（点击1，2）。【3】越往后人口老龄化越严重。因此未来要提高TFP和自然利率更加困难。
Hodrick R and Edward Prescott. Post-war Business Cycles: An Empirical Investigation. Working Paper, Carnegie-Mellon University, 1980.
Hodrick R and Edward Prescott. Post-war Business Cycles: An Empirical Investigation. Journal of Money, Credit and Banking, Vol. 29, No. 1 (Feb., 1997), pp. 1-16.
Kydland, F E, and E C Prescott (1982), "Time to Build and Aggregate Fluctuations", Econometrica 50(6): 1345-70.
Prescott, Edward. 1986. “Theory Ahead of Business Cycle Measurement.” Carnegie Rochester Conference Series on Public Policy 25:11–44.
Ángel Estrada García和Iván Kataryniuk, The Natural Interest Rate in Emerging Economies, 2021.
Julio A. Carrillo, Rocio Elizondo, Cid Alonso Rodríguez-Pérez, Jessica Roldán-Peña, The Longer-Term Convergence Level of the Neutral Rate of Interest in Mexico, 见Ángel Estrada García和Iván Kataryniuk, The Natural Interest Rate in Emerging Economies, 2021.
Yellen, J. L. (2015) The Outlook for the Economy: A Speech at The Economics Club of Washington, Washington, D.C., December 2, 2015, Speech 851, Board of Governors of the Federal Reserve System.
Yosuke Okazaki and Nao Sudo, 2018. "Natural Rate of Interest in Japan -- Measuring its size and identifying drivers based on a DSGE model --," Bank of Japan Working Paper Series 18-E-6, Bank of Japan.
Laubach, T. and Williams, J. C. (2016) Measuring the Natural Rate of Interest Redux, Finance and Economics Discussion Series 2016-11, Board of Governors of the Federal Reserve System (u.s.).
Johannsen, B. K. and Mertens, E. (2016) The Expected Real Interest Rate in the Long Run: Time Series Evidence with the Effective Lower Bound, feds Notes 2016-02-09, Board of Governors of the Federal Reserve System.
Holston, K., Laubach, T. and Williams, J. C. (2017) Measuring the Natural Rate of Interest: International Trends and Determinants, Journal of International Economics, 108, S59-S75.
Bouis, R., Rawdanowicz, L., Renne, J.-P., Watanabe, S. and Christensen, A. K. (2013) The Effectiveness of Monetary Policy since the Onset of the Financial Crisis, oecd Economics Department Working Papers 1081, oecd Publishing.
Fujiwara, S., Iwasaki, Y., Muto, I., Nishizaki, K. and Sudo, N. (2016) Developments in the Natural Rate of Interest in Japan, Supplementary Paper Series for the Comprehensive Assessment (2) 2016-E-12, Bank of Japan.
European Central Bank (2004) The Natural Real Interest Rate in the Euro Area, Monthly Bulletin, May, European Central Bank.
Bernhardsen, T. and Gerdrup, K. (2007) The Neutral Real Interest Rate, Norges Bank Economic Bulletin, 78, 52–64.
Björksten, N. and Karagedikli, O. (2003) Neutral Real Interest Rates Revisited, Reserve Bank of New Zealand Bulletin, 66, 1–11.
Richardson, A. and Williams, R. (2015) Estimating New Zealand’s Neutral Interest Rate, Reserve Bank of New Zealand Analytical Notes series AN2015/05, Reserve Bank of New Zealand.
Schmidt-Hebbel, K. and Walsh, C. E. (2009) Monetary Policy and Key Unobservable: Evidence from Large Industrial and Selected Inflation-Targeting Countries, in Monetary Policy under Uncertainty and Learning (Eds.) K. Schmidt-Hebbel, C. E. Walsh, N. L. S. Editor) and K. S.-H. (Series, Central Bank of Chile, vol. 13 of
Central Banking, Analysis, and Economic Policies Book Series, chap. 9, pp. 285–370.
Magud, N. E. and Tsounta, E. (2012) To Cut or Not to Cut? That is the (Central Bank’s) Question In Search of the Neutral Interest Rate in Latin America, imf Working Papers 12/243, International Monetary Fund.
Perrelli, R. and Roache, S. K. (2014) Time-Varying Neutral Interest Rate: The Case of Brazil, imf Working Papers 14/84, International Monetary Fund.
Fuentes, R. and Gredig, F. (2008) The Neutral Interest Rate: Estimates for Chile, Journal Economía Chilena (The Chilean Economy), 11, 47–58.
González, A., Ocampo, S., Pérez, J. and Rodríguez, D. (2012) Output Gap and Neutral Interest Measures for Colombia, Borradores de Economía 726, Banco de la República.
Zhu, F. (2016), Understanding the Changing Equilibrium Real Interest Rates in Asia-Pacific, BIS Working Papers 567, Bank for International Settlements.
IMF(2023)，World Economic Outlook: A Rocky Recovery, April 2023.第二章，可以从https://www.elibrary.imf.org/display/book/9798400224119/CH002.xml 下载。
Sohrab Rafiq(2021), What’s in the (R)-Stars for Korea?, IMF Working Paper.
Seonghoon Cho(2020), Natural Interest Rate, Potential GDP Growth Rate and Long-Term Monetary Policy Stance, Journal of Economic Theory and Econometrics, Vol. 31, No. 2, Jun. 2020, 40–69.
Hirofumi Suzuki(2020), Two Crises and the Natural Rate of Interest: Evidence from Taiwan, Thailand and Korea. Southeast Asia Journal of Economics 8(1), January-June 2020:83-106.
Kyu Ho Kang and Kyeongtak Do(2023), Korea’s Neutral Interest Rate: Estimates, Determinants, and Monetary Policy Stance.
李媛恒，石凌雁，李钰，《中国制造业全要素生产率增长的测度与比较》，《经济问题》，2020年第3期。
陈汝影，《资本深化、资源错配与制造业产出效率》，山东大学博士学位论文，2020年。
孙梁，《我国全要素生产率的测算及其影响因素分》，厦门大学硕士论文，2018年。
杨志云，陈再齐，《要素生产率、资本深化与经济增长——基于1979-2016年中国经济的增长核算》，《广东社会科学》，2018年5月。
孙国峰，Daniel M. Rees, 《中国的自然利率》，中国人民银行货币政策委员会讨论论文 No.2021/01.
王博，《战后日本技术创新与经济增长研究》，吉林大学东北亚研究院博士学位论文，2020年6月。
梁军，赵青，《全要素生产率变动与日本经济长期萧条》，《日本问题研究》，2016年4月。
Yosuke Okazaki and Nao Sudo, 2018. "Natural Rate of Interest in Japan-Measuring its size and identifying drivers based on a DSGE model," Bank of Japan Working Paper Series 18-E-6, Bank of Japan.
Bin Wang, Measuring the Natural Rate of Interest of China: A Time Varying Perspective. This Version: January 4, 2019. 可以下载自：https://www.sciencedirect.com/science/article/abs/pii/S0165176519300102
李展，《中美日全要素生产率的分析与比较——基于理论、方法与数据测算逻辑一致的框架》，《上海经济研究》，2021年第9期。