Py学习  »  Python

你真的懂流动性吗?使用Python搭建流动性监控系统

LLMQuant • 9 月前 • 217 次点击  

 

“Liquidity is market oxygen.”
——流动性就是市场的氧气。

在资本市场中,流动性决定了资产价格的韧性与脆弱性。充足的现金和可用资金让市场能够平稳消化信息和冲击,而流动性收紧则可能放大波动、压低估值,并让资产间走势高度相关。

本文将以美国市场为例,带你系统了解几个核心流动性指标——M2、RRP、TGA、WALCL、EFFR——以及它们如何影响美股。同时,我们将展示一个可复现的Python分析框架,让你能够动态追踪市场流动性状态。


什么是流动性(Liquidity)

简单来说,流动性代表“有多少现金能够在短时间内买入资产”。

当市场中的可支配现金减少,风险资产价格往往随之下跌。

流动性枯竭时,市场更容易出现脆性——估值倍数收缩、资产间走势趋同、单一事件引发系统性冲击。

因此,理解流动性的结构和来源,是宏观交易与风险管理的核心。


核心指标:M2、RRP、TGA、WALCL、EFFR

注:本文所有分析与数据均以美国市场为例展开。

1️⃣ M2 —— 广义货币供应量

M2代表经济体中可支配货币总量,包括现金、活期与储蓄存款等。

经验法则:当M2同比(YoY)连续3个月为负,且下降幅度超过2%,通常视为需求侧流动性收缩的信号。

M2数据更新较慢(按月),短期灵敏度有限,但趋势性强,适合作为宏观判断的参考。


2️⃣ RRP —— 逆回购协议余额(Reverse Repo)

RRP反映货币基金将现金存放在美联储的规模。

  • • 高RRP:大量现金被锁在体系外,市场流动性偏紧。
  • • 低RRP(接近0):缓冲垫消失,市场需依靠银行准备金或私人部门资产吸收冲击。

当前RRP已降至近十年5分位以下,意味着资金回流市场,但体系弹性下降。若系统性事件发生,银行准备金可能迅速被消耗。


3️⃣ TGA —— 美国财政部总账户(Treasury General Account)

TGA是财政部在美联储的“支票账户”。

  • • TGA上升意味着财政部吸走了私人部门现金
  • • 这些资金只有在政府支出流回民间时,才能重新回到市场。

区别于RRP:

  • • RRP:私营部门现金,可迅速回流;
  • • TGA:政府现金,回流速度取决于财政支出节奏。

总结:“RRP低 + TGA高” 意味着体系流动性极度紧绷,银行准备金缓冲空间有限,短期冲击可能被放大。


4️⃣ WALCL —— 美联储资产负债表(Fed Balance Sheet)

WALCL代表美联储总资产。其下降意味着量化紧缩(QT) 在进行。

13周负斜率即为主动缩表信号,表明流动性在被持续抽离。

QT与高TGA叠加,通常导致市场估值下压、资产价格敏感性增强。当前美股Shiller CAPE接近历史高位,意味着市场对利率与流动性冲击高度敏感。


5️⃣ EFFR —— 美联储有效联邦基金利率(Effective Federal Funds Rate)

EFFR是美国银行间隔夜拆借利率,是美联储货币政策的核心工具。

经验法则

  • • EFFR持续高于60天均值(MA60),资金成本高企,流动性紧张;
  • • EFFR低于MA60且呈下降趋势,显示潜在宽松环境,市场可能获得流动性缓冲。

结合M2、RRP、TGA与WALCL,EFFR提供了即时利率环境信号,帮助判断美股市场短期风险与流动性压力。


美国市场结构观察

下图展示了美国市场对流动性变化的敏感性,可用于理解资产定价的宏观背景:

  • • 对10%全球流动性冲击的资产敏感度
  • • 资产类别回报 vs 流动性变化
  • • 美股估值走势
  • • 美国国债收益率曲线(1年期 vs 2年期)变化
  • • 保证金债务(Margin Debt)占比
  • • 总统任期周期内美股表现
  • • 净多/净空头头寸水平

(图表来源:Bloomberg、MacroCillator等)


流动性与股市:非线性、阶段性、时效性

流动性与资产价格的关系并非线性,而是阶段性和脉冲式的:

发行高峰、税收周期、政策调整等,短期内可能造成资金大进大出。

美元走弱、油价下降、RRP下行、降息预期上升,通常意味着流动性压力缓解;但是否真正缓解取决于银行准备金是否充足,以及财政和央行的协调节奏。

相反,当杠杆资金拥挤、收益曲线倒挂时,市场对流动性冲击的敏感度成倍放大。特别是当RRP接近0且TGA高企时,体系对短期冲击的吸收能力弱,VIX和保证金驱动的回撤可能被放大。


一个简单的流动性分析系统(Python)

为了系统性追踪流动性变化,可以构建一个自动化数据获取与信号判定模型。

核心数据包括:

  • • M2(货币供应)
  • • RRP(逆回购)
  • • WALCL(美联储资产负债表)
  • • TGA(财政部总账户)
  • • EFFR(有效联邦基金利率)
指标
条件
含义
M2 YoY < -2% 且连续3月下降
True
货币收缩
RRP < 历史5分位
True
市场缓冲枯竭
WALCL 13周斜率 < p10
True
QT活跃
TGA z-score > +1.0
True
财政抽水
OIS未来6个月无降息预期
False
货币政策无宽松迹象

当上述条件大多数触发时,系统判定为 “紧流动性”状态

核心代码框架示例:

# 完整代码可加入知识星球获取
from
 datetime import datetime, timezone
import
 pandas as pd, numpy as np
from
 quantjourney import QuantJourneyAPI

SERIES = {
"M2"
: {"method": "get_m2_money_supply", "column": "M2SL", "period": 3650},
"RRP"
: {"method": "get_fed_reverse_repo_agreements", "column": "WLRRAL", "period": 3650},
"FedAssets"
: {"method": "get_fed_total_assets", "column": "WALCL", "period": 3650},
"TGA"
: {"method": "get_fed_treasury_general_account", "column": "WTREGEN", "period": 3650},
"EFFR"
: {"method" : "get_effective_federal_funds_rate", "column": "FEDFUNDS", "period": 3650},
}

def
 fetch_bundle(qj: QuantJourneyAPI):
# 从FRED拉取核心流动性指标

# 返回 pandas.Series 对象的字典

# ...

pass
  # 加入知识星球查看完整代码

该框架可自动计算:

  • • M2同比变化
  • • RRP分位水平
  • • 美联储资产负债表斜率
  • • TGA Z-Score
  • • 生成一行式“流动性状态说明”

总结与展望

流动性收紧 ≠ 马上崩盘,但意味着系统弹性下降
 对投资者而言,防守与平衡或许更加关键,而非盲目追涨。

保持现金灵活性、控制久期风险、在市场仍健康时配置保护性仓位,或许是当前周期下更理性的策略。

本文仅供学习参考,不构成投资建议。


想了解更多对冲基金策略、顶级研究员的思维框架与实战经验?欢迎加入LLMQuant知识星球,获取第一手资料与独家内容。

 


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/188053