群晖性能调优指南
群晖DSM虽然在易用性方面非常不错,但是系统上的很多机制可以说是非常搓了,我的DS918+,自行添加内存到16G双通道,按理来说,NAS上跑的那点东西,16G内存是完全够用了,但就是这样,群晖也特别喜欢用虚拟内存,导致开机久了,我打开docker控制台,都要等7,8秒 原因就在于,群晖的配置都非常寒酸,那么高的价格只舍得配2G,4G的内存,DSM默认的vm.swappiness值设定为10,内存高的建议修改为1 所以,如果想要提高群晖系统的流畅度,首先就是要加大你的内存,之后修改DSM的vm.swappiness数值 ssh 进群晖,输入如下命令即可,不需要重启(对大部分Linux系统也适用) 目录 临时生效版 永久生效版 添加到群晖计划任务中 添加开机时刷新sysctl.conf 简单说一下vm.swappiness vm.swappiness 优化 相关文章推荐 临时生效版 之前的方法方法,虽说是永久生效,但是群晖并不会读取/etc/sysctl.conf,所以实际上,我们还是要重启后刷新一下sysctl.conf。不如直接开机时就执行修改swappiness的命令,这条命令...
深度学习笔记之约束优化
有时候,在 x 的所有可能值下最大化或最小化一个函数 f(x) 不是我们所希望的。相反,我们可能希望在 x 的某些集合 S 中找 f(x) 的最大值或最小值。这被称为约束优化 (constrained optimization)。在约束优化术语中,集合 S 内的点 x 被称为可行 (feasible) 点。 我们常常希望找到在某种意义上小的解。针对这种情况下的常见方法是强加一个范数约束,如 ∥x∥ ≤ 1。约束优化的一个简单方法是将约束考虑在内后简单地对梯度下降进行修改。如 果我们使用一个小的恒定步长 ϵ,我们可以先取梯度下降的单步结果,然后将结果投影回 S。如果我们使用线搜索,我们只能在步长为 ϵ 范围内搜索可行的新 x 点,或者我们可以将线上的每个点投影到约束区域。如果可能的话,在梯度下降或线搜索前将梯度投影到可行域的切空间会更高效 (Rosen, 1960)。 一个更复杂的方法是设计一个不同的、无约束的优化问题,其解可以转化成原始约束优化问题的解。例如,我们要在 x ∈ R2 中最小化 f(x),其中 x 约束为具有单位 L2 范数。我们可以关于 θ 最小化 g(θ) = ...
冷门高频股票因子
一些不常见的高频因子,分享给有缘人。 写得比较随意,大致有几块:Order aggressiveness、order book shape、撤单、事件聚集、订单薄韧性、异常挂单、逐笔。一、Order aggressiveness(1)订单侵略性,其实就是挂单的激进程度。假设你是买家,你挂单的价格越高,你就越激进;反过来,你是卖家,你挂单价格越低,你越是激进的卖家。举个例子,买家挂单越接近bid1,越激进;卖家挂单越接近ask1,越激进; (2)订单侵略性,体现了买家/卖家完成交易的迫切程度。通过整个订单薄,我们可以知道所有买家整体的激进程度、和所有卖家整体的激进程度;通过这个,就能构建一系列因子了。此外,买卖aggressiveness的差异,也是一系列因子; (3)一个订单的执行概率和订单薄的厚度、参与者对即将到来的订单的预期有关;买盘越厚,一个潜在的买家下market order的概率更大;这套说法对卖方同样适用;bid ask的厚度体现了看涨和看跌者的相对力量。 (4)不要用静态的思维来看待订单薄,要从动态的角度来分析。订单薄性质的变化,体现了多空力量的动态变化,是未来价格...
test
群晖性能调优指南
群晖DSM虽然在易用性方面非常不错,但是系统上的很多机制可以说是非常搓了,我的DS918+,自行添加内存到16G双通道,按理来说,NAS上跑的那点东西,16G内存是完全够用了,但就是这样,群晖也特别喜欢用虚拟内存,导致开机久了,我打开docker控制台,都要等7,8秒 原因就在于,群晖的配置都非常寒酸,那么高的价格只舍得配2G,4G的内存,DSM默认的vm.swappiness值设定为10,内存高的建议修改为1 所以,如果想要提高群晖系统的流畅度,首先就是要加大你的内存,之后修改DSM的vm.swappiness数值 ssh 进群晖,输入如下命令即可,不需要重启(对大部分Linux系统也适用) 目录 临时生效版 永久生效版 添加到群晖计划任务中 添加开机时刷新sysctl.conf 简单说一下vm.swappiness vm.swappiness 优化 相关文章推荐 临时生效版 之前的方法方法,虽说是永久生效,但是群晖并不会读取/etc/sysctl.conf,所以实际上,我们还是要重启后刷新一下sysctl.conf。不如直接开机时就执行修改swappiness的命令,这条命令...
深度学习笔记之约束优化
有时候,在 x 的所有可能值下最大化或最小化一个函数 f(x) 不是我们所希望的。相反,我们可能希望在 x 的某些集合 S 中找 f(x) 的最大值或最小值。这被称为约束优化 (constrained optimization)。在约束优化术语中,集合 S 内的点 x 被称为可行 (feasible) 点。 我们常常希望找到在某种意义上小的解。针对这种情况下的常见方法是强加一个范数约束,如 ∥x∥ ≤ 1。约束优化的一个简单方法是将约束考虑在内后简单地对梯度下降进行修改。如 果我们使用一个小的恒定步长 ϵ,我们可以先取梯度下降的单步结果,然后将结果投影回 S。如果我们使用线搜索,我们只能在步长为 ϵ 范围内搜索可行的新 x 点,或者我们可以将线上的每个点投影到约束区域。如果可能的话,在梯度下降或线搜索前将梯度投影到可行域的切空间会更高效 (Rosen, 1960)。 一个更复杂的方法是设计一个不同的、无约束的优化问题,其解可以转化成原始约束优化问题的解。例如,我们要在 x ∈ R2 中最小化 f(x),其中 x 约束为具有单位 L2 范数。我们可以关于 θ 最小化 g(θ) = ...
冷门高频股票因子
一些不常见的高频因子,分享给有缘人。 写得比较随意,大致有几块:Order aggressiveness、order book shape、撤单、事件聚集、订单薄韧性、异常挂单、逐笔。一、Order aggressiveness(1)订单侵略性,其实就是挂单的激进程度。假设你是买家,你挂单的价格越高,你就越激进;反过来,你是卖家,你挂单价格越低,你越是激进的卖家。举个例子,买家挂单越接近bid1,越激进;卖家挂单越接近ask1,越激进; (2)订单侵略性,体现了买家/卖家完成交易的迫切程度。通过整个订单薄,我们可以知道所有买家整体的激进程度、和所有卖家整体的激进程度;通过这个,就能构建一系列因子了。此外,买卖aggressiveness的差异,也是一系列因子; (3)一个订单的执行概率和订单薄的厚度、参与者对即将到来的订单的预期有关;买盘越厚,一个潜在的买家下market order的概率更大;这套说法对卖方同样适用;bid ask的厚度体现了看涨和看跌者的相对力量。 (4)不要用静态的思维来看待订单薄,要从动态的角度来分析。订单薄性质的变化,体现了多空力量的动态变化,是未来价格...
test
Subscribe to Test
Subscribe to Test
Share Dialog
Share Dialog
某行全国新增400 多亿元,去年是新增700多亿,而且,他们行还是股份制银行里新增最多的一家,显然,这么大的缩量已经不是春节因素可以解释的了,现在也理解了前一段时间央行副行长所说的“信货塌陷”的含义,这些人说话文绉绉的,内涵却非常丰富,语文没有学好,对投资也是致命的。另外,某行深圳分行的300 多亿货款是1月发放贷款的总量,而不是新增的量,新增的量是指比去年同期发放贷款量的多增加的量,也就是说,这家深圳分行今年1月份的新增贷款量是-100亿元。货款塌陷,估计只有靠国债和地方专项债发力了,这也是资金炒作基建股的逻辑,也难怪市场利率上不来,宽货币+事实上的紧信货,有利于债券,不利于股票。
哀莫大于心死:40年来首个信贷塌方月/年出现——贷款放不出去了。每年1月都是银行信贷爆炸月:今年1月银行急了。从1月信贷投放情形/数据可明白A股下跌近似股灾态的市场信心即资金安全焦虑——甚至与美联储3月加息缩表无关。最高决策集体不久就会明白中国经济自救者不是房市而是股市。
银行信货投放情况更新1-10日总体不理想,具体情况如下:
1、国有大行同比持平略有少增。四大行中,工行1-10日新增人民币货款3000亿 左右,同比少增近500亿。另外三家银行中. 一家同比基本持平,两家与工行情况 大体一致。邮储以零售为主,1-10日信贷 投放景气度高于四大行,交通银行尚不了 解情况,但预计与四大行较为类似。
2、股份制银行信贷投放非常疲软。1-10 日,招商、兴业、浦发等9家全国性股份制 银行对公+零售货款合计新增840亿左右, 同比少增近2800亿。其中对公贷款新增 530亿,不足去年同期1/3。其中,龙头招 商对公货款同比小幅少增,但零售仅为去 年同期一半,其他股份制银行均出现明显 走弱。
3、经济发达地区城商行情况尚可,但非 上市中小银行压力较大。1-10日,江苏、 浙商、上海等位于江浙沪发达地区的上市 城商行,对公+零售新增700亿,同比小幅 多增,但零售相对偏弱。非上市中小银行 信贷拖累较大,11-12月份预计同比少增 幅度超过了1500亿.1月份难以有明显起色。
关于信货塌陷
2021年经济用‘前高后低’概括显然太过笼统,从一季度的18%跌至四季度4%,尤其是下半年近乎自由落体式的下跌速度,让有官部门从标志性的迷之自信变得更加谦虚谨慎。半年数据拦腰斩后,央行迅速加大了货币政策的跨周期调节力度。
当前的棘手问题是,放出来的水(M2)已经足够多,但企业对资金的需求却越来越低迷!对比第三季度,第四季度的贷款需求指数进一步下滑0.6个百分点至67.7%。说明了什么?企业经营困难,连为银行打工的利息都赚不出来,我还贷什么款?
今年的形势。年中左右美联储第一次加息可能就是50个基点,加息3-4次并开启缩表几乎已成定局(也有人不行,人家玩的是阳谋,大概率是会加息的,幅度很难说,),外资、人民币汇率、GDP增速在114万亿高基数上换算成美元……都将面临着空前压力,所以美联储收紧前这个窗口期,在央行看来就是决战时刻。
但金融市场终究不是央行自己可以完全主宰的,2021年下半年就是很好的例子,央行7月降准,但此前的吸金大户房地产被‘房住不炒’死死扼住咽喉,充沛沛的流动性就是干瞪眼不传导向无欲躺平的实体经济,资金只能在金融系统内空转,甚至有企业在拿到银行贷款后转身去炒股,亏得一塌糊涂,这属于变着戏法空转。
在这种艰危时刻,老情人房地产那性感妖娆的身段是多么令人眷恋啊!只要放松房地产融资,问题可望迎刃而解。1月20日,1年期贷款利率(LPR)下调10个基点至3.7%,与市场预期一致;5年期LPR下调5个基点至4.6%,明显小于预期。
这让一直鼓吹房价上涨的专家、一直敦促刚需出手的掮客……们有些失望,有些措手不及。对资本市场的影响呢?前几天某知名经济学家喊出‘印钱2万亿生娃’刚被闭上嘴巴,后脚另一名知名经济学家就迫不及待扯着嗓子喊‘降息千股涨停’,这次啪啪打脸的是市场,斯人被雇佣机构划清界限,只好灰溜溜地自我解嘲……
回到主题,为什么央行信贷流通不畅?1月12日,央行发布金融统计数据显示,2021年我国人民币贷款增加19.95万亿,其中住户贷款增加7.92万亿,以个人住房按揭贷款为主的住户中长期贷款增加6.08万亿;开发商国内贷款2.33万亿,两者合计8.41万亿,占新增贷款的比重高达42%。数据清晰诠释了尖锐矛盾。
除了信贷,房地产对就业的拉动作用也难替代。就业是‘最大的民生’,是社会稳定的基石,经济学中的奥肯定律描述了GDP和就业的关系——GDP每增加1%,就业率就上升0.5%。我国14亿人口中,每年超过1000万大学生和不可计数的农民工就业。房地产和基建投资占固定资产投资的半壁江山,孰可轻言取代呢?
从‘道德血液’到‘房住不炒’,20年来围绕房地产的依赖、争论从未停息,争论的焦点无非是长痛or短痛?继续依赖or下定决心摆脱?如果说在出口导向时代还可以边拖边看的话,那么在内循环时代矛盾已经不容回避。可以借鉴的是日本和美国,没有房地产泡沫的破裂,永远不会有高技术产业踏着废墟崛起。
P.S信贷坍塌有解?没有除非可以借钱不还!
未来五年主要有两件大事:加房产税和降企业税(五险一金的比例,增值税,企业所得税)P.S市场活动指挥棒就是:税 看这人口老龄化速度,房地产软着陆还有希望?! 降息(五年期lpr)有望吗?难!

20211104
最近债券投资从业者们经历了至暗时刻,从华晨、沈公用证明的东三省债不要碰,到永煤的煤炭行业,城投信仰崩溃,以及校企紫光、清控的暴跌,都指向了一个现象,也就是信用的坍塌。凭本事借的钱,续不上就不还了!
透过现象,我更想从发行端的角度来看本次的系统性信用风险,根源是信贷政策的不稳定,为什么18,19年没什么违约,20年多了起来,这需要追索到15、16年的宽松信贷环境,鼓励企业扩表导致,一般发债期限集中在3或3+2年,但要续的时候被告知现在的信贷政策是紧缩,全社会去杠杆了。
后市判断,债券作为融资工具还是不能断的,国家一定会在短期遏制住坍塌的趋势,相信政策会及时出台,但是如果缺少好的经济环境,企业的生存仍将受到挑战,就像上高原,来口氧气是能缓解,需要的还是要从高原走下来,信贷的进一步差异化,精细化是未来主要课题
20220127
两所发布债券交易规则及指引



如何做空中国房地产?
1. 房价下跌对房地产业影响最直接
如果房地产价格下跌,房地产企业无疑首当其冲受到影响,所以做空房产股自然是减小风险的首选,但那么多房产股做空哪只好呢?稳健的方法是选择一只房地产基金,“雨露均沾”的做整个空房地产行业,例如:在纽交所上市的 Guggenheim China Real Estate ETF(NYSE: TAO)
2. 大量按揭贷款变坏账 银行遭殃
除房地产行业外,金融行业必定也会受到巨大影响,不久前我国银行业个人住房按揭暴增更是会加大房价下跌对金融行业的打击。这样的话金融行业ETF就成为可选标的,例如同样在纽交所上市的 Global X China Financials ETF(NYSE:CHIX)
3. 需求不振会导致大宗商品疲软
除了房地产和金融两个影响很大的行业,第三个会受到房价下跌影响的是大宗商品,房地产投资减弱必将导致铜和钢铁等商品需求大幅减少。我们可以使用相关商品的期货合约或CFD合约达到做空目的,例如铜的期货或CFD。
4. 接下来矿业公司股票将受打击 除了直接做空大宗商品以外,相关企业的股票也是不错的选择,澳大利亚矿业巨头必和必拓(NYSE:BHP, ASX:BHP)年报显示该公司2016财年销售收入中有132亿美元来自中国,占其收入的42.6%之多,中国房价下跌必定对必和必拓造成重创。所以说必和必拓的股票也是很好的做空标的,做空股票的话自然就首选看跌期权了:
当然,由于房价下跌会对整个国民经济都会造成不利影响,所以一系列投资中国的基金甚至是直接做空中国的基金也可以选择,这里就不一一列举了。
不像曾在美国次贷危机中一战成名的CDS(信用违约掉期)以及我国的RMBS(个人住房抵押贷款支持证券)、RBDS(可理解为中国版CDS)等听上去高大上但是对于个人投资者不现实工具,我们上面提到的这些策略和工具的门槛基本都很低。
总之,以前没赶上房价上涨行情,现在有那么多工具可以使用,不能又一次在房价下跌行情中遭受损失了。
后手:
中国有一种产品,叫做rmbs,即个人住房抵押贷款支持证券。
rmbs实质就是银行将抵押房贷打包成债券出售,让出部分房贷利息,从而回收资金。
承销rmbs的渠道信托公司,为了转移自身的风险,会向保险公司买一份债券保险cds,即rbds。
保险费率在1-3%左右。
保险公司将自己手上的rbds,向再保险公司比如中再再保险,等同抵押贴现,获得资金,即rrbds。费率在1.88-2.17%左右。
也就是说,只要违约率大于7-5%,你买rbds,rrbds就有赚了,而杠杆率最大可以达到0.02%,即5000倍,最低是0.065%,即1500倍。
那么怎样才会出现违约断供?违约多少能赚多少?
如果房贷全是零首付,那么不上涨,即房价上涨幅度低于贷款利率,也会出现全面违约断供。
如果全是二成首付,跌80%才有可能因为无力补充抵押物而违约断供。
房价跌多少才会出现大于7-5%的违约率呢?取决于正在还房贷的人能承受房价跌多少,或者涨不了多少。
……
这东西是百万为单位的,一是找渠道承销商的保险公司,一是找再保险公司,替别人的rmbs买保险。
一些杂谈:
公积金资产证券化实际上就是公积金住房贷款的证券化,其发起人是住房公积金管理中心,资产为个人住房贷款。实际操作与信贷资产证券化并无差异,一般通过信托作为SPV发起设立。目前,我国首单住房公积金贷款证券化项目是由上海住房公积金中心发起,发行额度大概20亿。

某行全国新增400 多亿元,去年是新增700多亿,而且,他们行还是股份制银行里新增最多的一家,显然,这么大的缩量已经不是春节因素可以解释的了,现在也理解了前一段时间央行副行长所说的“信货塌陷”的含义,这些人说话文绉绉的,内涵却非常丰富,语文没有学好,对投资也是致命的。另外,某行深圳分行的300 多亿货款是1月发放贷款的总量,而不是新增的量,新增的量是指比去年同期发放贷款量的多增加的量,也就是说,这家深圳分行今年1月份的新增贷款量是-100亿元。货款塌陷,估计只有靠国债和地方专项债发力了,这也是资金炒作基建股的逻辑,也难怪市场利率上不来,宽货币+事实上的紧信货,有利于债券,不利于股票。
哀莫大于心死:40年来首个信贷塌方月/年出现——贷款放不出去了。每年1月都是银行信贷爆炸月:今年1月银行急了。从1月信贷投放情形/数据可明白A股下跌近似股灾态的市场信心即资金安全焦虑——甚至与美联储3月加息缩表无关。最高决策集体不久就会明白中国经济自救者不是房市而是股市。
银行信货投放情况更新1-10日总体不理想,具体情况如下:
1、国有大行同比持平略有少增。四大行中,工行1-10日新增人民币货款3000亿 左右,同比少增近500亿。另外三家银行中. 一家同比基本持平,两家与工行情况 大体一致。邮储以零售为主,1-10日信贷 投放景气度高于四大行,交通银行尚不了 解情况,但预计与四大行较为类似。
2、股份制银行信贷投放非常疲软。1-10 日,招商、兴业、浦发等9家全国性股份制 银行对公+零售货款合计新增840亿左右, 同比少增近2800亿。其中对公贷款新增 530亿,不足去年同期1/3。其中,龙头招 商对公货款同比小幅少增,但零售仅为去 年同期一半,其他股份制银行均出现明显 走弱。
3、经济发达地区城商行情况尚可,但非 上市中小银行压力较大。1-10日,江苏、 浙商、上海等位于江浙沪发达地区的上市 城商行,对公+零售新增700亿,同比小幅 多增,但零售相对偏弱。非上市中小银行 信贷拖累较大,11-12月份预计同比少增 幅度超过了1500亿.1月份难以有明显起色。
关于信货塌陷
2021年经济用‘前高后低’概括显然太过笼统,从一季度的18%跌至四季度4%,尤其是下半年近乎自由落体式的下跌速度,让有官部门从标志性的迷之自信变得更加谦虚谨慎。半年数据拦腰斩后,央行迅速加大了货币政策的跨周期调节力度。
当前的棘手问题是,放出来的水(M2)已经足够多,但企业对资金的需求却越来越低迷!对比第三季度,第四季度的贷款需求指数进一步下滑0.6个百分点至67.7%。说明了什么?企业经营困难,连为银行打工的利息都赚不出来,我还贷什么款?
今年的形势。年中左右美联储第一次加息可能就是50个基点,加息3-4次并开启缩表几乎已成定局(也有人不行,人家玩的是阳谋,大概率是会加息的,幅度很难说,),外资、人民币汇率、GDP增速在114万亿高基数上换算成美元……都将面临着空前压力,所以美联储收紧前这个窗口期,在央行看来就是决战时刻。
但金融市场终究不是央行自己可以完全主宰的,2021年下半年就是很好的例子,央行7月降准,但此前的吸金大户房地产被‘房住不炒’死死扼住咽喉,充沛沛的流动性就是干瞪眼不传导向无欲躺平的实体经济,资金只能在金融系统内空转,甚至有企业在拿到银行贷款后转身去炒股,亏得一塌糊涂,这属于变着戏法空转。
在这种艰危时刻,老情人房地产那性感妖娆的身段是多么令人眷恋啊!只要放松房地产融资,问题可望迎刃而解。1月20日,1年期贷款利率(LPR)下调10个基点至3.7%,与市场预期一致;5年期LPR下调5个基点至4.6%,明显小于预期。
这让一直鼓吹房价上涨的专家、一直敦促刚需出手的掮客……们有些失望,有些措手不及。对资本市场的影响呢?前几天某知名经济学家喊出‘印钱2万亿生娃’刚被闭上嘴巴,后脚另一名知名经济学家就迫不及待扯着嗓子喊‘降息千股涨停’,这次啪啪打脸的是市场,斯人被雇佣机构划清界限,只好灰溜溜地自我解嘲……
回到主题,为什么央行信贷流通不畅?1月12日,央行发布金融统计数据显示,2021年我国人民币贷款增加19.95万亿,其中住户贷款增加7.92万亿,以个人住房按揭贷款为主的住户中长期贷款增加6.08万亿;开发商国内贷款2.33万亿,两者合计8.41万亿,占新增贷款的比重高达42%。数据清晰诠释了尖锐矛盾。
除了信贷,房地产对就业的拉动作用也难替代。就业是‘最大的民生’,是社会稳定的基石,经济学中的奥肯定律描述了GDP和就业的关系——GDP每增加1%,就业率就上升0.5%。我国14亿人口中,每年超过1000万大学生和不可计数的农民工就业。房地产和基建投资占固定资产投资的半壁江山,孰可轻言取代呢?
从‘道德血液’到‘房住不炒’,20年来围绕房地产的依赖、争论从未停息,争论的焦点无非是长痛or短痛?继续依赖or下定决心摆脱?如果说在出口导向时代还可以边拖边看的话,那么在内循环时代矛盾已经不容回避。可以借鉴的是日本和美国,没有房地产泡沫的破裂,永远不会有高技术产业踏着废墟崛起。
P.S信贷坍塌有解?没有除非可以借钱不还!
未来五年主要有两件大事:加房产税和降企业税(五险一金的比例,增值税,企业所得税)P.S市场活动指挥棒就是:税 看这人口老龄化速度,房地产软着陆还有希望?! 降息(五年期lpr)有望吗?难!

20211104
最近债券投资从业者们经历了至暗时刻,从华晨、沈公用证明的东三省债不要碰,到永煤的煤炭行业,城投信仰崩溃,以及校企紫光、清控的暴跌,都指向了一个现象,也就是信用的坍塌。凭本事借的钱,续不上就不还了!
透过现象,我更想从发行端的角度来看本次的系统性信用风险,根源是信贷政策的不稳定,为什么18,19年没什么违约,20年多了起来,这需要追索到15、16年的宽松信贷环境,鼓励企业扩表导致,一般发债期限集中在3或3+2年,但要续的时候被告知现在的信贷政策是紧缩,全社会去杠杆了。
后市判断,债券作为融资工具还是不能断的,国家一定会在短期遏制住坍塌的趋势,相信政策会及时出台,但是如果缺少好的经济环境,企业的生存仍将受到挑战,就像上高原,来口氧气是能缓解,需要的还是要从高原走下来,信贷的进一步差异化,精细化是未来主要课题
20220127
两所发布债券交易规则及指引



如何做空中国房地产?
1. 房价下跌对房地产业影响最直接
如果房地产价格下跌,房地产企业无疑首当其冲受到影响,所以做空房产股自然是减小风险的首选,但那么多房产股做空哪只好呢?稳健的方法是选择一只房地产基金,“雨露均沾”的做整个空房地产行业,例如:在纽交所上市的 Guggenheim China Real Estate ETF(NYSE: TAO)
2. 大量按揭贷款变坏账 银行遭殃
除房地产行业外,金融行业必定也会受到巨大影响,不久前我国银行业个人住房按揭暴增更是会加大房价下跌对金融行业的打击。这样的话金融行业ETF就成为可选标的,例如同样在纽交所上市的 Global X China Financials ETF(NYSE:CHIX)
3. 需求不振会导致大宗商品疲软
除了房地产和金融两个影响很大的行业,第三个会受到房价下跌影响的是大宗商品,房地产投资减弱必将导致铜和钢铁等商品需求大幅减少。我们可以使用相关商品的期货合约或CFD合约达到做空目的,例如铜的期货或CFD。
4. 接下来矿业公司股票将受打击 除了直接做空大宗商品以外,相关企业的股票也是不错的选择,澳大利亚矿业巨头必和必拓(NYSE:BHP, ASX:BHP)年报显示该公司2016财年销售收入中有132亿美元来自中国,占其收入的42.6%之多,中国房价下跌必定对必和必拓造成重创。所以说必和必拓的股票也是很好的做空标的,做空股票的话自然就首选看跌期权了:
当然,由于房价下跌会对整个国民经济都会造成不利影响,所以一系列投资中国的基金甚至是直接做空中国的基金也可以选择,这里就不一一列举了。
不像曾在美国次贷危机中一战成名的CDS(信用违约掉期)以及我国的RMBS(个人住房抵押贷款支持证券)、RBDS(可理解为中国版CDS)等听上去高大上但是对于个人投资者不现实工具,我们上面提到的这些策略和工具的门槛基本都很低。
总之,以前没赶上房价上涨行情,现在有那么多工具可以使用,不能又一次在房价下跌行情中遭受损失了。
后手:
中国有一种产品,叫做rmbs,即个人住房抵押贷款支持证券。
rmbs实质就是银行将抵押房贷打包成债券出售,让出部分房贷利息,从而回收资金。
承销rmbs的渠道信托公司,为了转移自身的风险,会向保险公司买一份债券保险cds,即rbds。
保险费率在1-3%左右。
保险公司将自己手上的rbds,向再保险公司比如中再再保险,等同抵押贴现,获得资金,即rrbds。费率在1.88-2.17%左右。
也就是说,只要违约率大于7-5%,你买rbds,rrbds就有赚了,而杠杆率最大可以达到0.02%,即5000倍,最低是0.065%,即1500倍。
那么怎样才会出现违约断供?违约多少能赚多少?
如果房贷全是零首付,那么不上涨,即房价上涨幅度低于贷款利率,也会出现全面违约断供。
如果全是二成首付,跌80%才有可能因为无力补充抵押物而违约断供。
房价跌多少才会出现大于7-5%的违约率呢?取决于正在还房贷的人能承受房价跌多少,或者涨不了多少。
……
这东西是百万为单位的,一是找渠道承销商的保险公司,一是找再保险公司,替别人的rmbs买保险。
一些杂谈:
公积金资产证券化实际上就是公积金住房贷款的证券化,其发起人是住房公积金管理中心,资产为个人住房贷款。实际操作与信贷资产证券化并无差异,一般通过信托作为SPV发起设立。目前,我国首单住房公积金贷款证券化项目是由上海住房公积金中心发起,发行额度大概20亿。

<100 subscribers
<100 subscribers
No activity yet