诺奖得主席勒回答你：美股熊市是否即将爆发？

　　据智通财经了解，2013年诺贝尔经济学奖得主、耶鲁大学经济学教授罗伯特·席勒最近发表文章称，当下美国股市的特点是，在经历了一段强劲的盈利增长和非常低的波动之后，估值异常高。

　　这些表面上相互矛盾的信息，是不是暗示着美股即将步入熊市呢？

　　要回答这个问题，我们必须回顾过去的熊市。这就要求我们准确地界定熊市的含义。如今媒体把“经典”或“传统”熊市定义为股票价格出现20%的跌幅。

　　在20世纪90年代以前，媒体并不这样定义，也没有迹象表明是谁提出了这个定义。这个定义可能源于1987年10月19日，当日股市单日下跌超过20%。人们试图将这一术语与“黑色星期一”联系起来，可能导致了20%与熊市间关系这个定义，记者和编辑们可能只是互相抄袭。

　　20%定义熊市的起源

　　无论如何，现在20%的跌幅被广泛认为是熊市的标志。不过对于下跌的时间段，似乎并无明显的共识。事实上，过去的报道对熊市的定义中，根本没有提到时间段。关于这个问题，记者显然认为并不需要精确。

　　在评估过去的美股熊市时，席勒采用了传统的20%这个数据，并添加了时间段。根据席勒的定义，熊市前的峰值是最近12个月的最高点，在接下来的一年里应该有一个月下跌20%。如果临近几个月均出现峰值的话，就选最后一个月。

　　参考席勒制定的每月的标准普尔综合指数和相关数据的汇编，可以发现，自1871年以来，美股只出现了13次熊市。熊市前的峰值月分别出现在1892、1895、1902、1906、1916、1929、1934、1937、1946、1961、1987、2000和2007年。而有两次股市崩盘没有出现在这个汇总中，即1973-74年和1968-70年崩盘不在名单上，因为这两次战线比较长，且是渐进性的。

　　周期性调整市盈率(CAPE Ratio)

　　一旦确定了过去的熊市，现在是时候评估他们之前的股票估值了，用席勒及其哈佛同事John Y. Campbell在1988年开发的一个指标，即周期性调整市盈率(CAPE Ratio)，来预测股票市场的长期收益。

　　据智通财经APP了解，“周期性调整市盈率”(CAPE， Cyclically Adjusted Price Earnings)，也就是用10年的平均盈利取代普通市盈率的过去一年盈利来计算，这样可以平滑经济周期的影响，更精确地反映估值。

　　希勒的数据显示，美股的CAPE在5到6倍左右就是大底部了，而超过25倍就进入“非理性繁荣”的疯狂期了——2000年科网泡沫破裂前夕，这一数值一度高达44.2倍。

　　本月，美股的CAPE刚超过30倍，这已经很高了。事实上，从1881年到今天，美股CAPE的平均值仅为16.8。此外，只有两次超过30倍：1929年，及1997-2002年间。 　　但这并不意味着高CAPE与熊市无关。相反，在熊市前的峰值月里，CAPE均值高于平均水平，为22.1，这表明CAPE在熊市爆发前确实往往会上涨。 　　此外，有三次熊市中，出现了CAPE低于平均水平，分别是1916年(第一次世界大战期间)、1934年(大萧条时期)和1946年(第二次世界大战后的经济衰退时期)。因此，高CAPE意味着具有熊市的潜在性，尽管它绝不是完美的预测指标。

　　股指涨幅

　　可以肯定的是，似乎有一些有希望的消息。根据席勒的数据，自1881年以来，标普500平均每年增长1.8%；而从2016年第二季度到2017年第二季度，实际收益增长率为13.2%，远远高于历史年增长率。

　　但这种高增长并不会降低熊市的可能性。事实上，熊市前的峰值月份也往往表现出较高的实际收益增长率：13次熊市中，年度平均增长率为13.3%。此外，跌幅最大的一次熊市期，即1929-32年，这次熊市爆发前的峰值期的12个月实际收益增长率达到18.3%。

　　低波动性

　　另一个表面上的好消息是，平均股价波动率——前一年实际股票价格的每月百分比变化的标准差——目前是非常低的，仅为1.2%。而1872年至2017年间，该波动率是目前水平的近三倍，为3.5%。

　　然而，这并不意味着熊市不会来临。事实上，过去13次熊市中，在美股熊市前的峰值月所在年份，股票价格的波动率也往往低于平均水平，尽管当前波动率水平低于那些时期的均值3.1%。不过，在1929年股市崩盘前的峰值月里，波动率只有2.8%。

　　简而言之，今天的美国股市看起来和之前13次熊市中大多数熊市爆发前的高峰期一样。不过，这并不是说这次就一定会爆发熊市：这样的事件很难预料，下一次熊市爆发前可能还有很长的路要走。即使熊市来临，对于那些不在市场高峰期买入，也不在波谷卖出的人来说，损失往往小于20%。

　　不过，以上席勒的分析应该是对市场自满情绪的警告。投资者如果对历史没有正确的认识，会面临很多的股市风险，从而可能承受相当大的损失。 ：