[专访]突破5%的美国10年期国债收益率“不久将趋于缓和”
“美国投资专家”Lee Choonkwang、Legnum投资咨询代表
"预计涨势将持续至9月底……现在投资国债仍为时尚早"
"美国政府回购、美国联邦储备系统扭转操作等政策工具很多"
“当前美国长期国债收益率处于令人承压的水平。不过，这一上升势头将很快进入缓和阶段。”
曾任职于摩根大通资产管理的美国投资专家、Legnum投资咨询代表Lee Choonkwang，近日出演阿视亚经济财经YouTube频道“Money Many”时表示：“这种（国债收益率）升势将持续至9月末。”
作为全球利率基准的美国10年期国债收益率已突破被称为“心理关口”的5%。在联邦公开市场委员会召开前一天的15日（当地时间）上午，该收益率一度升至5.041%，创下2007年7月以来最高水平。对地缘政治风险敏感的30年期国债收益率盘中也一度突破5.4%，创下2007年6月以来新高。
Lee Choonkwang将美国长期国债收益率急升归因于五项因素：财政负担及债务、人工智能投资带动公司债发行增加、中东战争引发的预期通胀担忧、政策不确定性，以及实际利率的支撑。
Lee Choonkwang首先指出：“美国财政赤字是长期议题，但上个月国债规模突破40万亿韩元时，市场感到震惊。相比之下，最直接的背景是人工智能投资和中东战争。”他解释称，为抢占人工智能市场，超大规模云服务商展开大规模投资，为筹措资金而发行的公司债急剧增加，进而产生了影响。
他表示：“微软（Microsoft）、谷歌（Google）等企业的信用评级高于美国国债。谷歌的100年期债券收益率高于美国国债，投资者便会卖出国债、买入公司债，因此必然会直接推高长期利率。”
此外，近期中东战争引发国际油价上涨、通胀担忧加剧，也导致国债抛售压力上升。在市场预期中东紧张局势将长期化的背景下，布伦特原油期货已突破每桶108美元，西得克萨斯中质原油也在每桶105美元附近波动。
不过，Lee Choonkwang表示：“我同意中东战争引发的油价上涨推高了预期通胀，但从实际通胀来看，油价上涨带来的通胀压力尚未显现。”他指出，投资者有必要区分预期通胀与实际通胀率：前者是经济主体对未来物价涨幅的主观预测。
他接着表示：“随着Kevin Warsh出任美国联邦储备系统主席，政策不确定性增大；华尔街所谓的‘债券自卫队’开始试图驯服市场，这也是原因之一。恰好这四五项因素相互交织，长期国债收益率也随之进入上升趋势。”
Lee Choonkwang尤其指出，国债收益率上涨并非仅限于美国。日本10年期国债收益率处于3.04%，德国10年期国债收益率在3.54%左右波动。首尔债券市场的10年期收益率也达到4.555%左右，较今年1月2日的3.386%上升逾1个百分点。他表示：“投资者应注意，不仅是美国，主要国家的国债收益率都在上涨。”
市场内外持续担忧，若国债收益率继续上涨，可能冲击股市和整体经济。对此，Lee Choonkwang预测：“鉴于这一升势预计将持续至9月末，目前投资国债仍为时过早，但长期利率的上升趋势将很快进入缓和阶段。”他判断，收益率虽可能进一步上升，但已接近顶部；即使10年期收益率突破5%，要持续呈现趋势性上涨也“很困难”。
Lee Choonkwang断言：“长期利率上涨会带来诸多副作用，但美国最在意的是其国家地位受到动摇。美国不会坐视利率上涨至这种程度，仍有多种政策工具可用。”尽管未能阻止市场的抛售压力，此前美国财政部宣布扩大长期国债回购规模，也是为稳定债券市场而采取的措施。
此外，Lee Choonkwang表示：“美国联邦储备系统也可能出手。”他列举量化宽松、扭转操作以及收益率曲线控制作为代表性工具，并预测“其中扭转操作的可能性最高”。扭转操作是指美国联邦储备系统卖出短期国债、买入长期国债以压低长期利率，其性质与财政部在市场上回购已发行国债的回购政策相似。他还提及，尽管Kevin Warsh主席表示将缩减资产负债表，但实际上资产负债表正在扩大，并指出：“这意味着其正在悄然买入市场中的债券。”
当天，Lee Choonkwang对于证券业“9月买入、11月卖出”的季节性魔咒划清界限，称其属于“统计偏差”。通常9月被视为历史上美国股市回报最差的时期，但他反驳称，若排除全球金融危机、2022年美国联邦储备系统激进加息等少数重大事件，整体表现仍较为良好。
对于今年带动股价上涨的存储芯片板块，他预计涨势将持续至明年上半年。Lee Choonkwang分析称：“若同比观察超大规模云服务商的资本支出投资，到2027年其季度投资增长势头将放缓。明年下半年以后，可能会因此出现波动，但我认为在上半年之前，存储芯片投资不会出现问题。”他强调，在高市场利率、中东战争等不确定性急剧扩大的环境下，投资者最终应关注的仍是“企业业绩”。
版权所有 © 阿视亚经济。未经许可不得转载，禁止用于AI训练及使用。
