这个题我太适合回答了,之前同事总会问我,你怎么这么高的数据敏感度,你的数据分析思路怎么那么多?写得比较长,希望大家认真阅读,会有或多或少的收获。
数据分析师一开始当然能做几个有趣的分析,但是长期做数据分析工作,想法总会枯竭,寻找分析思路就变得异常痛苦。可以这么说,分析思路直接奠定了数据分析结论的准确性和实用性。因此,懂得如何寻找数据分析思路是每个数据分析师必须具备的能力。
那么面对一个业务场景,通过什么样的方式才能够寻找到正确的数据分析思路呢?在我看来,所谓正确的分析思路,本质上就是站在一定高度的业务思维逻辑,因此数据分析思路更多考量的还是一名数据分析师对业务的理解和眼界。这里,我将自己过去总结的方法分享出来,希望对大家有所帮助。
由浅至深分成五类:角色扮演、业务指标、现成模型、公司战略、行业发展
这个方法就是尝试把自己“扮演”成公司不同的角色,站在他人的视角上来寻找有哪些需要进行数据分析的点。用这种方式能够找到的数据分析思路往往是对方最需要的,自然也就具有更高的价值。比如,你可以把自己扮演成公司的销售、投资人、运营、财务、客户、供应商等,站在这些视角寻找有哪些有帮助的分析思路。
我在之前的一家公司就这样做过。当时把自己放在销售的角色上,发现公司对于潜在客户的收集和分析非常缺失,这样就影响了整个公司的销售效果。于是从这个角度出发,专门去相关网站爬取数据,通过地域、规模、员工人数等方面去分析,找出最有可能购买我们服务的潜在客户。最后这个分析结果得到销售团队的极度认可,提升了公司销售业绩。
用这种方法做角色扮演的时候大家一定要尽量贴近角色的日常生活,只有这样才能发现最有价值的分析思路。
这个是非常常见的分析方法。比如公司这个月的销售指标下降了,那么你就着手去分析指标下降的原因;同样,如果指标上升了,也去分析原因。一个公司的指标往往比较标准,比如利润率,销售额,客户增长等等。所以这样的方法比较通用,也比较简单。
在分析指标时有一点一定要注意,就是除了分析出原因外,最好还要给出解决方案。比如分析发现客户数近期有下降,那么除了给出原因外,还要给出增加客户数的方法以及这些方法背后的数据模型推理,形成一个完整的故事。
大家想好方向之后会遇到一个问题,那就是到底应该从几个维度用什么样子的模型来做分析呢?这个时候就体现一名数据分析师的基本功了。其实数据模型中包含了很多对于基础数据分析的思路,这些思路虽然比较单一,但哪个出彩的思路不是由单一的组合而成呢?
除了熟悉模型外,熟练的掌握数据分析的工具也能很大的帮助数据分析的验证。数据分析思路是需要打磨的,特别是刚刚产出的分析思路更需要通过数据去验证和调整。这个时候一个方便快速的数据分析工具会起到很重要的作用。
现成模型参考我的首页写的一些模型分享文章,大家可以拿去使用。
很多数据分析师都有一种自卑心理,总觉得自己就是一个小兵,是一个底层,没资格也没必要去思考公司战略层面的问题。其实这是非常错误的。一名数据分析师其最本质的价值就是去用数据驱动业务增长。而每一项业务本质上是公司整体战略的支撑,换句话说,一项业务如何发展是由公司整体战略决定的。
举个例子,公司在扩张期时,公司战略时快速扩张市场,那么所有业务的目标就是快速扩展。而这个时候你去研究如何降低公司成本,即便你的数据分析再准确,思路再清晰,但对于时下的公司而言毫无意义,那么这份数据分析报告的价值就等于零。再比如,公司马上迎来融资,你要查好VC关注哪些指标,自己做出分析,有些不达标的如何改善。或者你的公司马上要推新产品,你可以分析同类产品的市场份额等等
所以,如果想让你的分析有价值,一定要选对分析思路的方向,而这点就要求你充分的理解公司的战略。
当你能够站在公司战略层面去思考问题时,就一定会遇到一个问题,那就是公司战略到底应该如何制定。这个是一个非常大的话题,我们在这里不展开。其实除了AT级别的公司,大部分公司都是追随行业的潮流而动的,因此如果能够提前了解到行业最近的动向,并提前做好准备,那么你的分析就能够从支撑战略提升到决策战略了。推一万步说,即便你不能站在浪头引领时代,也能够走在一条正确的道路上,不会走歪了:)
比如在当下中美对抗的大形势下,很多行业和公司的发展路径都会发生重大的转变。如果你们公司正好是做一个进出口的公司,那么现在未来可能遇到的情况做一个分析,比如美国对你公司所在行业的产品提升关税1%个点,对于你们公司的产品的销售量和利润有什么影响,公司内部从哪些方面可以降低成本等。大家想想,当你拿出这样的分析报告给到老板的时候是什么效果。
所以,大家平时多多关注行业网站,多多阅读行业数据分析报告做好积累,厚积而薄发,升职加薪就在眼前:)。
最后,闪闪发光的数据分析思路永远都只会来自你自己的头脑,而非领导的指示。数据分析师不但是一名“实现者”更加是一名“思考者”,这也是为什么数据分析师的薪资横跨那么大,特别是懂行业、有商业头脑的数据分析师更是凤毛麟角。
更新:别只收藏,不忘点赞ʕ •ᴥ•ʔ
欢迎大家关注我微信公众号:空白女侠 曾经是名互联网数据分析师目前在伦敦从事数据及顾问工作,想通过写一些自己的心得给大家呈现不一样的职场感受。
看了其他高赞回答,给没有数据分析思路的朋友的感觉仍然是“你说的很有道理,但是我为啥还是没有数据分析思路?”。
为了彻底解决这个难题,我会从以下几个方面系统,手把手教会你:
1.什么是数据分析思路?
2.如何快速具备数据分析思路?
3.通过一个案例做到举一反三
一、什么是数据分析思路?
没有数据分析思路的人经常会有以下3种症状。
症状一:没有数据分析意识。
症状表现:经常会说“我觉得”“我感觉”“我认为”。
这类人一切工作靠拍脑袋决定,而不是靠数据分析来支持决策。这就导致:
写了100篇文章也不知道什么类型的文章用户会喜欢;
推广了10个付费渠道,却不知道钱花得有没有效果;
上线了无数个产品功能,却不知道什么功能对用户更有价值。
他们靠感觉来做事情,而不是用数据分析来做决策。这也是为什么他们浑浑噩噩工作了多年以后,却依然徘徊在基础岗位。
症状二:统计式的数据分析。
症状表现:做了很多图表,却发现不了业务中存在的问题。
这类人每天也按时上班,也用数据做了很多图表,但是只是统计、分析之前已经知道的现象。例如分析结论只是“这个月销售有所下降”,却不会深入分析现象背后发生的原因,从而也得不出什么具有价值的结论。
他们最害怕老板问这样的问题:为什么这个数据会下降?采取什么措施可以解决问题?
症状三:只会使用工具的数据分析。
症状表现:这类人平时学了很多工具(Excel、SQL或者Python等),谈起使用工具的技巧头头是道,但是面对问题,还是不会分析。
例如面试或者工作里经常遇到这样的问题:
上图表格是一家公司App的一周日活跃率,老板交给你以下任务:
(1)从数据中你看到了什么问题?你觉得背后的原因是什么?
(2)提出一个有效的运营改进计划。
你可能有这样的感觉:
面对问题,没有思路,怎么办呢?
面对一堆数据,我该如何下手去分析呢?
这些症状是大部分运营人员、产品经理和数据分析相关从业人员的真实日常写照。
那究竟什么是数据分析思路呢?
面对问题,通常的想法是零散的,没有一点思路。如果能将零散的想法整理成有条理的思路,从而快速解决问题,那该多好呀!
有什么方法可以将零散的想法整理成有条理的分析思路呢?这些方法就是分析方法。掌握了分析方法就可以具备这种能力。
将分析方法和盖房子做个类比(图2-5),分析方法就好比在盖房子前画的设计图,用来指导如何盖房子,是分析问题的思路。数据分析的技术工具好比盖房子中的挖土机等工具。在设计图的指导下才知道如何使用挖土机来盖好房子。同样,在分析方法的指导下你才能知道如何使用工具(Excel、SQL或者Python等)去分析数据,解决业务问题。
如果想零经验转行数据分析,首先需要做到两点:掌握入门工具Excel+具备基本的数据分析思维。不建议自己去找一堆资料抱着啃,因为这样既没体系又不保证效果。入门其实找个免费课听听,了解下基本情况就差不多了。这里推荐知乎的Excel+数据分析的3天训练营:既有Excel透视图表等数据分析基础功能实操带练,还有数据分析工作流+基础分析模型逻辑架构精讲,配合免费课程资料+真实案例拆解,轻松上手数据分析入门!有需要的点击链接即可:
二.如何快速具备数据分析思路?
前面我们知道了,具备数据分析思路的本质是掌握常用的分析方法。所以,问题倒也变的简单了,只要你掌握常用的分析方法,数据分析思路自然就有了。
常用的分析方法有哪些?
根据业务场景中分析目的的不同,可以选择对应的分析方法。我把常用的分析方法整理到下表了,你直接拿着用就可以了。
如果你的分析目的是想将复杂问题变得简单,就可以使用逻辑树分析方法,例如经典的费米问题就可以用这个分析方法。
如果你的分析目的是做行业分析,那么就可以用PEST分析方法,例如你想要研究中国少儿编程行业。
如果你想从多个角度去思考问题,那么就可以用多维度拆解分析方法,例如找相亲对象,需要从多个角度去分析是否合适。
如果你想进行对比分析,就要用到对比分析方法,例如你朋友问自己胖吗,就是在对比。
如果你想找到问题发生的原因,那么就要用到假设检验分析方法,其实破案剧里警察就是用这个方法来破案的。
如果你想知道A和B有什么关系,就要用到相关分析方法,例如豆瓣在我们喜欢的电影下面推荐和这部分电影相关的电影。
如果你想对用户留存和流失分析,就要用到群组分析方法,例如微博用户留存分析。
如果你想对用户按价值分类,那么就要用到RFM分析方法,例如信用卡的会员服务,就是对用户按价值分类,对不同用户使用不同的营销策略,从而做到精细化运营。
如果你想分析用户的行为或者做产品运营,就要用到AARRR模型分析方法,例如对拼多多的用户进行分析。
如果你想分析用户的转化,就要用到漏斗分析方法,例如店铺本周销量下降,想知道是中间哪个业务环节出了问题。
这几个分析方法是最常用的,掌握它们,可以帮助解决大部分问题。后文会分别讲解各个分析方法,最后再通过几个案例来看如何在实际的问题中灵活使用这些分析方法。
在工作或者面试中,会经常听到分析思维、分析思路、分析方法。这三个词语有什么关系呢?其实简单来说,它们都是指分析方法。因为分析方法是将零散的想法整理成有条理的分析思路。有了分析思路,你就具备了分析思维。
三.通过一个案例做到举一反三
应用数据分析思路解决问题,可以使用我总结的以下步骤:
第1步:明确问题。
通过观察现象,把问题定义清楚,这是数据分析的第1步。只有明确了问题,才能围绕这个问题展开后面的分析。如果一开始问题就定义错了,那再怎么分析,也是白费时间。
第2步:分析原因。
这一步是分析问题发生的原因,可以通过下面两个问题把原因搞清楚:①哪里出了问题?②为什么会出现这个问题?具体分析步骤如下:
(1)使用“多维度拆解分析方法”对问题进行拆解,将一个复杂问题细化成各个子问题;
(2)对拆解的每个部分,使用“假设检验分析方法”找到哪里出了问题。分析的过程可以用“对比分析方法”等多个分析方法来辅助完成;
(3)在找到哪里出了问题以后,可以多问自己“为什么出现了这个问题”,然后使用“相关分析方法”进行深入分析。
第3步:提出建议。
找到原因就完事了吗?还不行,要找到对应的办法才是分析的终点。所以,找到原因以后,还要针对原因给出建议,或者提出可以实施的解决方案。在决策这一步,常用的分析方法是回归分析或者AARRR分析。需要注意的是:
(1)做决策的选项不能太多。太多的选项不仅会增加决策的成本,还会让人迷失,无从下手。相对简单的问题,需要4个选项左右;相对复杂的问题,需要4~7个选项;
(2)决策要是可以落地的具体措施,这样决策者才能根据措施,合理安排资源,把措施变成行动。
光说不练,那是假把式。下面我们通过一个案例实际应用下,你就融会贯通啦。
【案例】
某App 3月10日-3月12几天的整体充值收入提升非常明显(大于50%),但是,在整体充值中,占80%以上的功能充值的收入下降明显(大于50%)。这期间可能发生了什么?
1.如何解读本组数据,写出你对该问题的分析步骤
2.根据上述分析,提出你对该问题的几种猜测
3.如果猜测都是需要解决的问题,请提出你的解决方案,并设计可行性的实验
【分析思路】
根据前面说的“数据分析解决问题的步骤”来解决业务问题。
一、明确问题
1.明确据来源和准确性
从时间、地点、数据来源这3个维度来展开确定数据的来源和准确性。
时间:3.10-3.12的时间范围内出现问题
地点: 全国地区
数据来源:与相关人员沟通后,数据准确无问题
2.业务指标理解
充值收入=付费人数*平均单价
因为问题中还提到收入上升、下降的问题,所以,我们要清楚这是在和谁比。本案例是与之前的收入相比较得出的结论。
我们观察数据发现,整体数据与部分数据呈现出完全相反的结论,也就是题目中所说的,整体充值收入提升了,但是占80%以上的功能充值的收入下降了。
这让我们想起了在“多维度拆解分析方法”中讲过的辛普森悖论(考查数据整体和数据不同部分会得到完全相反的结论 ),这是因为只看数据整体无法注意到数据内部各个部分构成要素的差异,忽略差异,导致无法观察到差异的影响。
如何分析这样的问题呢?
可以运用多维度拆解分析方法,把整体拆解成部分,然后查看内部的差异。那么,从哪些方面进行拆解呢?
可以从指标构成维度进行拆解,整体充值=占收入80%以上的功能充值(记为原核心充值)+占收入20%以下的功能充值(记为其他充值)
整体充值收入提升,其中原核心充值收入下降,根据上图的拆解可以得出,其他充值收入是上升的。
所以,现在的问题明确为:为什么原核心充值收入下降?
二、分析原因
当需要分析问题出现的原因时,可以使用多维度拆解分析方法对“充值收入”这个指标进行拆解。
充值收入=付费人数*平均单价。因此,可以拆分为付费人数”和“平均单价”。
现在还是无法找出“哪里出了问题。所以,我们从“用户是否首次购买”维度,把“付费人数“继续拆解为“新用户付费人数”和“老用户付费人数”。
其中,“新用户付费人数 ”是首次在该APP充值的用户有多少人,“老用户付费人数”是之前在该APP充值过,再次进行充值的用户人数。
新用户付费人数按渠道维度,又可继续拆解为渠道A的付费人数、渠道B的付费人数、渠道C的付费人数。
我们将“老用户付费人数”继续拆解为“再次充值”的老用户和“不再充值”的老用户。我们可以使用复购率来进行衡量,老用户付费人数=付费人数 * 复购率
接下来我们用假设检验方法对“多维度拆解分析方法”里面的每个部分进行验证。
1.提出假设:问题出在平均单价
假设1:A的平均单价下降,导致充值下降
2.提出假设:问题出在付费人数
这时需要对付费人数的组成部分进一步分析,也就是新用户付费人数和老用户付费人数。
假设新用户付费人数出了问题。可以拆解为渠道A的付费人数、渠道B的付费人数、渠道C的付费人数。
假设2:渠道A或B或C的付费人数减少
3.提出假设:老付费用户人数出了问题
付费人数前面已经分析过了,所以问题主要在“复购率”上,有可能是复购率降低。那么复购率为什么会下降呢?
为了找到复购率低的原因,我们梳理产品的业务流程,方便从业务流程提出假设。
用户在该App充值的业务流程是:
第1步,查看功能介绍,选择功能充值
第2步,进行支付
第3步,使用原核心功能
第1步,我们可以提出假设3:假设功能介绍不好,不吸引人
第2步,我们可以提出假设4:假设部分用户无法充值
第3步,我们可以提出假设5:用户使用体验不佳
4.收集证据
前面已经提出了假设,到这一步就可以收集证据,来验证假设。
我们可以和之前的数据进行对比分析,比如通过问卷调研或者电话访谈用户,来看“原核心功能充值”哪里出现了问题。
假设以上猜测都有问题。
先来看假设1:平均单价下降
对比之前的单价数据,发现3.10-3.12有促销活动,平均单价确实出现下降。所以得出结论假设1成立。
再来看第2个假设:各渠道付费用户减少
查看日新增用户数、渠道曝光率和渠道转化率等数据,发现各渠道用户减少,付费用户也减少,所以得出结论假设2成立。
再来看第3个假设:功能介绍不吸引人
通过对比查看功能介绍的数据和点击支付的数据,发现支付转化率不高。所以得出结论假设3成立。
再来看第4个假设:部分用户无法充值
查看用户反馈,请技术人员测试支付过程,发现支付过程有问题。所以得出结论假设4成立。
再来看第5个假设:用户使用体验不佳
与产品部门交流,发现产品近期有改动,新功能改动取代了原核心功能需求。所以得出结论假设5成立。
我们总结下,原核心功能收入大幅下降,是因为:
1)平均单价下降
2)各渠道付费用户减少
3)功能介绍不吸引人
4)部分用户无法充值
5)用户使用体验不佳
三、提出建议
原因1:因为促销活动,平均单价下降。等待促销完成即可。
原因2:是各渠道付费用户减少。可以调整渠道,获取产品对标的精准用户。
原因3:功能介绍不吸引人。重新设计介绍页面,更贴合用户需求。
原因4:部分用户无法充值。请技术人员进行修复。
原因5:用户使用体验不佳。对部分用户推更新版本,建立对照组,进行AB测试。
四、总结
1.什么是数据分析思路?
数据分析思路的本质是掌握常用的分析方法。
2.如何具有数据分析思路?
掌握下面10种常用的分析方法。
3.用数据分析解决问题的3步骤
第1步:明确问题。明确数据来源和准确性,理解业务指标,把问题定义清楚。
第2步:分析问题。分析问题发生的原因,使用“多维度拆解分析方法”拆解问题,把复杂问题简单化;使用“假设检验分析方法”找出哪里出了问题;使用“相关分析方法”解决为什么出现这个问题。
第3步:提出建议。针对原因给出建议,或者提出可以实施的解决方案,常用回归分析方法或AARRR分析方法。
当然,这些方法+案例只是我3天的数据分析视频课的一小部分,篇幅有限,完整版建议直接看课程视频:不仅有常用数据分析模型精讲,还拆解数据分析工作流+基础数据工具实操带练。还有更多大厂一线业务案例实战演练+配套免费资料,如果这么多干货分析消化起来困难,想走捷径,快速上手数据分析入门,建议点击链接参加:
首先这是Fed一月 memo
先说结论:
FOMC 维持利率在 0-0.25% 不变。且确定 3 月完全停止 QE,同时 3 月加息也是箭在弦上,基本会后声明皆符合市场预期,没有太多的意外。
Powell 记者会确实是偏一点点的小鹰派,但我也认为,Powell 的说法不至于拉升市场加息预期至 5次 、并拉升缩表预期至上半年,反而比较像是在强化加息 4 次之预期。
另外我个人觉得,一些中文媒体似乎误读了Powell 记者会的部分片段,下面 Allen 再进一步说明。
1. 3 月加息停止 QE 早已定价
本次会议 Fed 再次确认 3 月将准备第一次加息,并同时停止 QE。
Fed 也再次重申,货币政策是要支持美国经济达到充分就业、与通膨长期均值维持 2.0% 的两大目标。
这部分我想市场早已定价,这裡完全不会是问题,所以我们不讨论太多。
2.未来加息在每次会议都可能发生 (?)
Powell 的原文说法是:Won't Rule Out Hike Every Meeting.
但我有看到部分中文媒体写:不排除每次会议都加息的可能性。
上述我想或许是误读了 (还是其实是我自己误会中文的意思 ?)
我的理解是:Powell 是说加息在未来每场会议都可能发生,指的是“不会在特定月份才加息”,不是说每场都要加息。
Powell 说得很合理,经济本来就是动态的,加息本就不会侷限在什麽月份才启动,端看当时的经济状况而定。
我认为Powell 上述说法,并未延展今年加息预期至五次或更多,若有这种想法,那绝对是误读了。
3.更大规模的缩表?
Powell 在记者会上提到,Fed 需要更大规模的缩表,但请大家不要恐慌,因为我又觉得部份中文媒体过度解读了。
我认为Powell 说到的“更大规模缩表”,在思维上指的是:
因为当前 Fed 资产负债表高达 8.9 万美元,这是新冠疫情爆发之前的两倍大,显然在绝对规模上是非常巨大的。
而上一轮 2017-2019 年 Fed 缩减资产负债表,是自 4.4 万亿美元缩到 3.7 万亿美元停止,缩表的幅度大概是 15.9%,共缩减了约 7000 亿美元。
确实每次缩表的经济背景绝对是不一样的,所以幅度也绝对不会相同,但我们随便抓,假设本轮缩表将缩减 10% 资产负债表规模,那麽这也要降低 8900 亿美元,规模当然很大。
但我认为,不需要过度恐慌在“更大规模缩表”这几个字上。更重要的,我认为是“Fed 缩表的速率是多少?”
我相信缩表没问题,缩表太快才是问题,因为缩表速度若太快,将直接影响的会是美债殖利率升速、以及殖利率曲线的斜率。
这点Powell 也非常清楚,Powell 在记者会上也不断强调,联准会内部尚未具体讨论到一切缩表的进度,要等到 3 月再说。
4.缩表比较可能落在下半年
Powell 在记者会上说明,希望在加息至少一次之后,再来开会讨论缩表的事情,且委员会至少将讨论一次,才会做最终拍板。
更重要的,Powell 希望缩表的进程是有秩序的、是可被预见的过程。
从上述Powell 丢出的时间表看,我个人认为缩表将落在 2022 下半年,最快可能是 6 月份,因为在 3 月加息后,Fed 才会来讨论缩表。
我个人相信 Fed 现在内部早已在讨论缩表,但委员会显然尚未准备好来与市场沟通缩表的前瞻指引。
而缩表这麽大的事情,我个人认为 Fed 需要起次跟市场沟通 2 次,并把缩表规划说得非常清楚之后,才会开始进行,所以比较合理的缩表时间,估计将会落在下半年。
5.最大风险:高通膨
Powell 在记者会上,大概提到了 800 万次的“高通膨压力”,并认为目前美国通膨风险仍在上升阶段,但预计 2022 通膨还是会回落。
Powell 说明,目前美国通膨居高不下,主要仍是供应链所致,白话来说就是供需仍然失衡,且供给侧 (Supply Side) 改善的速度是低于预期。
Powell 强调,目前美国高通膨持续存在,而美国经济要的是长期扩张,所以若要长期扩张,物价势必需要保持稳定。
这边开始进入正题了,我认为这是本次会议的最重要核心,是让我体感上,觉得 Fed 鹰派的地方。我认为 Fed 承认自己落后给菲利浦曲线 (Behind the curve),简单而言,Fed 这次的加息速度大幅落后给通膨。
由于 Fed 在 2021 年对于通膨的误判,先前 Fed 在 2021 年认为通膨在年底就可望自然回落,但也就是因为这件事没有发生,反而通膨还更为严重,所以目前才有使用加息来追赶通膨的压力。但当前宏观环境看,通膨的压力是来自于缺工、供应链紧俏等问题,再加上拜登政府的大力推行财政刺激在那边推波助澜~
所以这一次的通膨是来自于实体经济上的供需失衡问题,并不是金融市场过度投机、企业超额投资等问题,我认为 Fed 在这次的通膨问题上,能做得空间非常有限。
这裡将产生一个不确定性的较大风险,就是 Fed 只能靠货币紧缩去压通膨预期,但实体经济的根本性通膨问题,还是没有获得解决。变成最终 Fed 只能再用更剧烈的紧缩政策,去引导通膨预期走低后,尝试来压低实际通膨率,所以这裡将让 Fed 的紧缩路径,存在著较大不确定性。
比较好的处理方式,应该是直接去解决实体经济上的缺工和供应链/例如我之前提到的塞港问题,让实际通膨率自己走低、而不是靠 Fed 挤压通膨预期之后去引导。
谁可以去把坐在白宫裡疑似患有阿兹海默的白髮老头一巴掌打醒...还我特~
结论:我个人认为 Fed 今年将加息四次,不至于加息五次,而加息四次之预期,相信市场应该已经定价;至于缩表,相信市场尚未定价,估计将落在 2022 下半年,最快可能是 6 月。
如果 Fed 今年加息五次,我会感到非常意外,因为这意味著 Fed 很可能在 2023 年底、2024 年初,就因为美国经济放缓太快而需要降息,Fed 这波操作就会变得非常韭。
最后说说股市的想法目前 Nasdaq 已经插水一段时日,抑制通胀是当务之急,而股市所谓修正才多久已出现V转。对通胀而言意义不大,修正数月才可能有帮助~所以我之前一直描述为“恐慌”。因此对白髮老头而言,怎麽做才有利于中期选举就很清晰了。
最好还是坚持认为市场或已定价加息四次之预期,但缩表预期则是尚未定价的观点。
配置上美股我倾向持有科技权值股,一些 Megacap 的估值我认为合理、前景确定性较高,而这样也可以让你的收益贴著 QQQ 走。
考虑到一堆成长股腰斩,我也愿意加仓接刀成长股,但建议佔据投资组合的比例,或许不要超过 15%,如果选股功力不错,这裡就会开始让你的收益拉开与 QQQ 之类的差距。
最后,我相信人人都会想在市场下跌的环境裡接刀,接刀不是不行,但若接刀失败,斩缆我建议速度要快,我个人不考虑价投的话一次斩缆的比例都是 50% 以上。