宏观知识|两倍做多机制、存储行情推演
|
|
-
假设基金初始募资1亿元（初始净值，净资产AUM），为实现两倍做多目的，将1亿现金作为“保证金”押给投行。 -
投行承诺支付相当于2亿元SK海力士股票的每日涨跌幅收益（实现两倍杠杆头寸，即200%敞口） -
为对冲自身风险，投行必须在二级市场买入2亿元市值的SK海力士股票或期货。 -
基金净值涨跌，“每日重置”带来的机械式买卖
- 初始状态（第一天开盘前）
本金（净资产）：1亿元
借款/合约价值：1亿元
持有股票总值：2亿元
当前杠杆：2倍 - 情景A：股价上涨（比如涨了10%）
股票总值变化：2.2亿
本金变化：原本1亿 + 赚到的0.2亿 = 1.2亿
此时实际杠杆：2.2(总资产)÷1.2(净资产)≈1.83倍
结果：杠杆降低了（从2倍降到了1.83倍）。
投行的操作（每日重置）：为了把杠杆拉回2倍，投行需要加仓。现在手里只有2.2亿股票，所以投行必须再买入0.2亿的股票。这就是所谓的“追涨”。 - 情景B：股价下跌（比如跌了10%）
股票总值变化：2 ×(1−10%)=1.8亿
你的本金变化：1 – 0.2 = 0.8
此时实际杠杆：1.8(总资产)÷0.8 (净资产)=2.25倍
结果：杠杆升高了（从2倍升到了2.25倍）。风险变大了！
投行的操作（每日重置）：为了把杠杆降回安全的2倍，投行必须减仓。现在手里有1.8亿股票，所以投行必须卖出0.2亿的股票。这就是所谓的“杀跌”。
b、投行风险把控
- 投行在二级市场买入2亿元市值的SK海力士股票或期货。
- 面对基金的多头敞口时，买入深度虚值看跌期权（即“崩盘保护”）：担心股价暴跌导致基金亏损超过保证金，，当股价单日暴跌超50%时，期权盈利可弥补损失。
- 但看跌期权的权利金可能非常昂贵（尤其在市场波动率高时）。为了降低成本，投行会同时卖出虚值看涨期权，用收取的权利金来部分或全部抵消买入看跌期权的支出。
- 这种组合策略被称为“领口策略”，它把原本“纯保险”式的对冲，变成了“带封顶的保险”，牺牲了部分上行收益，换取了更低的对冲成本。为降低对冲成本，投行可能同时卖出虚值看涨期权，收取权利金，但代价是若股价暴涨，其收益会被限制。
| 如何理解“卖出虚值看涨期权”？ 虚值看涨期权：指行权价高于当前市价的看涨期权。例如，SK海力士当前股价为100元，投行卖出行权价为120元的看涨期权，该期权即为“虚值”。 卖方角色：投行作为期权卖方，收取买方支付的权利金，但承担义务——若到期时股价超过120元，投行必须按120元的价格向买方交付股票（或现金结算差价）。 收益与风险：只要股价未涨破120元，投行就稳赚权利金；但若股价暴涨至150元，投行需按120元“低价”交付股票，相当于放弃了30元的上涨收益。 |
c、对投资者的影响
对于持有杠杆ETF的投资者而言，这种策略意味着：
- 成本隐性化：你支付的“管理费”或“利差”中，已包含投行转嫁的对冲成本；随着基金规模越来越大，投行的对冲成本飙升，这些成本最终都会转嫁给基金持有人，侵蚀基金收益
- 收益非线性：在市场平稳或小幅上涨时，基金表现良好；但在暴涨行情中，收益可能被“削峰”；
- 风险不对称：下跌时保护有限（因虚值看跌期权可能不触发），上涨时收益也被限制，长期持有损耗较大。
d、对市场波动的放大，“尾巴摇狗”效应：衍生品的对冲交易量占比过高时
基金不直接买股票，但它通过Swap（互换合约）将“购买指令”外包给了投行。投行为了自身风控，必须在现货市场进行全额对冲。当这种对冲资金量大到一定程度（如占据70%交易量）时，它实际上主导了股价的短期走势。
B、存储行情推演：高位震荡【智本社报告整理】
北京时间26/7/31周五，前一天晚上费城半导体、当天棒指超跌反弹，当天晚上费城半导体分化。
反弹缘由：①超跌、②空头回补（了结空头头寸，即买入）、③杠杆风险缓解（今年来新增杠杆减半，但仍处于高位）
a、股票先行调整
26年存储行情经历从”AI存储长期短缺，供应商利润暴涨“【1~6月的行情】到”估值过度、融资拥挤、政策去杠杆“【7月份行情】
此时市场走向短期超卖进而反弹，但盈利增长不再推高股价，说明定价逻辑发生变化，决定中期走势的不再是杠杆，而是b存储相对价格动量和c绝对价格拐点。【决定长期走势的始终是d存储的周期属性】
b、相对价格涨幅趋缓，即动量转负
股价已包含未来利润率变化，时刻响应预期；存储价格涨幅则反应供应商边际定价权。
c、绝对价格/利润拐点未到
d、周期风险：强资本开支与后期的产能释放
预期NAND先宽松，DRAM次之，HBM最晚
总结：存储行业的高固定成本、供给滞后和固定折旧，决定其周期性特点。需求扩张带动的价格上涨带来确定性的盈利，股价在利润兑现前上涨；供需紧张带来扩张预期，股价预期供需翻转先跌后转入高位震荡。
股票可领先基础面多个季度，但由于预期时刻调整，领先时间幅度也不确定，我们可以通过融资、价格动量、订单、财报等数据交叉验证并预测跟踪股价，但起决定作用的仍然是AI资本开支/云厂商利润，即AI的故事讲到这里，现在需要的是实实在在的飞轮效应。