如果10年前你有100萬，買不同資產，你知道現在值多少嗎？如果買輝達股票，拿到現在，2.2億元。特斯拉：2400萬元蘋果：1100萬元茅台股票：900萬元納斯達克指數：500萬元比特幣：2.3億元黃金：350萬元中國一線城市房地產：200萬國債：130萬存銀行：130萬滬深300指數：120萬三四線城市房地產：100萬鋼鐵股票：80至100萬如果你在10年前買P2P，財富歸0。你看，10年前的100萬，你買入不同資產，現在的價值從2.2個億，到2400萬，再到零，差距非常非常大，有的資產幫你實現財富自由，有的資產讓你血本無歸。你選擇了不同的資產，就選擇了不同的命運。那麼，怎麼實現財富的保值增值？從幾百年的歷史來看，有兩類資產能夠幫你實現財富增長，一類是順勢而為，一類是穿越周期。怎麼說？順勢而為的資產，代表科技進步的方向，意味著未來的高速增長。這類資產一般會經歷四個階段：看不見-看不起-看不懂-來不及，你在大家都看不見、看不起、看不懂的階段提前買入，將會給你帶來十倍百倍的財富增長，比如輝達引領的人工智慧革命，特斯拉引領的新能源革命。坐上時代的高鐵，自帶300公里時速，這就是順勢而為。對於科技革命帶來的新機會，一開始不能不信，到最後不能真信。穿越周期的資產，代表對抗通膨和貨幣超發，意味著供給稀缺和長期漲價。符合條件的主要是三大硬通貨，包括貴金屬、礦產資源；核心城市、核心區域的房地產；以及那些大賽道的龍頭公司，擁有強大的護城河和源源不斷的現金流。著名經濟學家佛里曼說過，通貨膨脹在任何時間、任何地點都是貨幣現象。金融世界的本質是全球貨幣一直在超發，現金類資產一直在貶值，我們的購買力一直在被稀釋，而三大硬通貨因為供給稀缺可以通過不斷漲價跑贏印鈔機。最後做個總結，能幫你實現財富增長的資產，就兩類：順勢而為的科技成長股，穿越周期的三大硬通貨。 (澤平宏觀展望)

由於AI主要通過替代人力和提升工作效率的方式來提高GDP增速，所以未來不但是AI行業本身聚集的城市可以得到快速發展，其他受益於AI較大產業的城市也一樣可以大幅提高發展速度，而當地的房地產市場也會顯著受益於城市GDP增速的提高。譯文：2023年，我們研究了生成式人工智慧（AI）對勞動力成本節省、生產力提高和經濟增長的潛在影響。我們的分析表明，如果人工智慧得到廣泛採用，最終可以將美國的年GDP提高15%，中國的年GDP提高9%。從那時起，中國的AI發展速度比我們的基線假設要快。例如2023年，中國代表前沿人工智慧研究的基礎模型數量增加到20個，超過了歐盟和英國的總和15個（美國109個）。最近DeepSeek成為美國AI領導者的全球競爭對手，這表明中國AI的採用率和經濟上升空間比我們預期的要快（圖 2）。我們更新了AI對中國增長趨勢影響的估計，納入了更快的採用時間表和更詳細的中國勞動力狀況。更新後的模型表明，未來幾年中國的潛在增長率將略高（例如2030年的額外增長率為0.2%-0.3%，而之前為0.1%）。圖 2：DeepSeek使用者數量比以前的應用程式增長得更快分析：這裡首先簡單介紹一下宏觀層面上GDP與房價的關係，GDP增速越高越支援房價上漲，樸素的理解就是經濟越發達的地區房價越高。而AI的應用可以在很大程度上提高勞動效率，這樣GDP增速也會因此而變高。如上圖2所示，鑑於目前中國AI模型的快速發展，高盛修正了之前AI對於中國GDP影響程度的估算，比如到2030年AI對GDP的額外推動增量為0.2%-0.3%，2024年中國GDP總量為134.9兆，按照年均4.5%增速來算2030年GDP大概是175.7兆，年額外推動增量可以達到0.35兆到0.53兆。從全國層面上看似乎這些GDP增量並不算多，但考慮到這些千億等級的每年額外增量並不是均勻分配的，而是集中分配到受益較多的核心城市中去（原因在後面交代），那麼對這些核心城市來說，每年GDP得到的受益就大得多了，特別是長期角度對本地房地產市場的影響也會非常顯著。中國詳細的行業概況譯文：在最初上調2023年AI對勞動生產率的提升作用預測時，我們根據國內就業份額對20個職業的任務級AI風險敞口進行了重新加權，以估計生成式AI的整體上升空間。在本次更新中，我們將這些AI暴露指標與中國約100個行業進行了匹配，以估計採用AI可能帶來的生產力提升。與美國相比，中國勞動力市場不太容易受到AI自動化的影響，因為暴露較少的體力密集型工作所佔比例較高。例如，雖然農業、製造業和建築業僅佔美國總就業人數19%，但它們佔中國所有就業崗位的50%。相反，金融/保險和專業/技術服務業更容易受到人工智慧驅動的任務自動化的影響，在美國佔總就業人數的14%，但在中國不到3%。圖 3：與美國相比，中國勞動力市場更不容易出現AI誘導的任務自動化分析：這裡高盛通過調查說明了AI為什麼對中國GDP的推動作用小於美國，主要是因為中國從事體力勞動的人群數量龐大（如上圖3所示，佔了一半以上），而目前AI在替代體力勞動方面的應用還有很長的路要走，主要提升的還是腦力勞動的效率。簡單點概括就是AI對高端職業勞動效率的提升作用很大，另一面看也是替代性越強，比如醫生、律師、工程師、金融、科研這些行業的效率會有大幅的提升，但同時也會有大量從業人員被替代掉。正如歷次科技革命所經歷的那樣，雖然AI會對某些行業的就業造成短期衝擊，但效率的提升對於GDP的正面效果是顯著大於對就業的衝擊的。具體到城市層面，那些城市獲得的收益最大呢？這要看城市的發達程度和城市經濟結構中的行業分佈。首先簡單點說，越是核心城市享受的GDP加速效果越大，這是因為核心城市的產業結構往往更高端，那麼AI應用對於經濟效率的提升作用就會更強大。其次從產業結構上說，有兩種類型的產業受益會很大，一種是AI與AI周邊的產業，比如AI模型開發行業、AI基礎設施行業（晶片、PCB、儲存、雲端運算、儲存、軟體等）；另一種是受益於AI應用的其他行業（汽車製造、生物醫藥、機器人、新材料、電子資訊等）。所以以上這些行業佈局較多的城市（其實就是一二線城市）在AI時代的經濟增速會大大加快，這自然也會帶動城市房地產市場的長期繁榮。AI領導者更快地採用譯文：在納入人工智慧提升的假設之後，中國的人工智慧採用曲線（定義將生成式人工智慧納入常規生產），明顯落後於美國和其他發達新興市場。這個時間表的採用率在2030年代中後期達到峰值，這意味著到2030年只有10%-20%的採用率。過去12-18個月中國人工智慧的快速發展以及最近的DeepSeek突破表明，這一時間表有很大的上升空間。特別是，中國成為人工智慧領導者表明，與主要新興市場相比，中國的採用率可能更快。因此我們上調了中國人工智慧採用率的假設，以匹配我們對非美國發達市場的預測（該預測仍比美國的採用率滯後一年，圖 4）。根據這一假設，到2030年採用率將超過30%，邊際採用率在2030年代初達到峰值，並且該技術在未來15年內被完全採用。圖 4：我們正在更新對中國AI採用的假設分析：之前高盛對於中國AI採用率的假設太保守了，它們預測到2030年中國AI的採用率只有10%-20%，而事實上Deepseek的出現表明中國對於新科技的採用速度遠超高盛的估計，現在他們預測到2030年中國AI的採用率將超過30%（如上圖4所示）。其實從25年前網路革命的例子就可以看出，中國對於新事物應用的速度是非常快的，記得2001年時候寧波就到處有網咖，我和同學放學第一件事就是竄進網咖去打紅警和帝國之類的遊戲，那時候離電腦和網路進入中國也就區區幾年。三年後的2004年大學暑假去旅遊，我發現偏遠的村裡網咖也早就普及了，不同的是我們當時玩的是魔獸世界，而村裡還在玩傳奇。另外還有一點就是大家別覺得2030年採用率30%很低，因為中國一大半是勞動密集型產業，AI的可用性並不大，所以30%的採用率基本上已經覆蓋了能用的所有行業。總之我個人對於AI未來在中國的快速普及採用是持非常樂觀的態度的，所以基於這個判斷和高盛前面的定量測算，長期來看未來核心城市的房價上漲空間會被打開，而且會繼續和普通城市拉開差距。規模稍小但更前置的增長升級譯文：在納入了更詳細的勞動力市場資料後，我們將勞動生產率的累計增長預測下調至8%（之前為9%），遠低於美國15%的增幅。儘管全面採用AI後的總體影響略低於我們之前的估計，但由於圖 4中概述的採用時間表更快，未來幾年的影響可能會更加積極。例如，我們現在預計人工智慧將在未來幾年開始提高中國的潛在增長，到2030年每年將實現0.2%-0.3%的增長（之前為0.1%的增長，圖 6）。圖表 6：隨著採用速度的加快，中國的潛在經濟增長將受到更大的推動分析：這一塊前面已經做過分析，這裡高盛給出的圖6可以看的更加直觀些，深藍色表示標準狀態下AI對GDP的加速作用，灰色代表AI快速普及狀態，而淺藍色代表高盛之前的測算（慢速普及狀態）。在這裡我個人覺得以後的走勢可能是偏向於灰色的AI快速普及狀態，可以看出快速普及狀態下AI對於GDP的增量貢獻在2033年達到0.45%的最高水平（中間每年的增加速度也不低），這對於GDP來說算是一個比較大的增益BUFF，當然對一二線城市的房地產市場來說也是影響拐點來臨時間點的重要長期因素。預計2025-2027年人工智慧相關支出將強勁增長譯文：包括最近的DeepSeek R1在內的自主開發模型的推出展示了中國公司不斷提高性能的能力，同時降低訓練/推理成本和計算能力要求。在我們分析師看來，這應該會繼續推動更高的資本支出和投資，以在整個生態系統（包括半導體、資料中心、雲服務、軟體和電信）中爭奪AI代理和應用程式。預計字節跳動、百度、阿里巴巴和騰訊 （BBAT） 這些中國最大的AI模型建構公司的總資本支出將在2025年增長38%。使用上市公司資料，我們將上市公司分為科技行業和非科技行業。請注意，我們在這裡使用了相對寬泛的科技定義。隨著科技公司建立AI基礎設施、平台和應用程式，未來幾年與AI相關的支出應該會急劇增加。這種模式類似於美國已經在進行的人工智慧投資周期。隨著AI應用的開發和成熟，非技術部門可能會增加支出，以便在這個十年的晚些時候將AI服務納入常規生產。總的來說，我們預計未來幾年中國人工智慧相關總支出將上升到接近年度GDP的1%（圖 7）。圖表 7：未來幾年人工智慧相關支出可能接近年度GDP的1%分析：上圖7是高盛對於AI基礎設施投資的預測，其中分為AI技術公司和非技術公司兩類，那麼首先投資的肯定是技術類公司，然後等AI技術相對成熟了，才會在各領域鋪開應用，這時候再根據應用的實際情況進行非技術領域的投資。從這個角度上看，2025年-2027年間技術類公司（BBAT型公司）所在城市的GDP和房地產受益會大點，典型的就是杭州前段時間的搶房情況。而在2028年開始AI應用普及的其他非技術領域的投資比例會增大，就比如汽車製造、生物醫藥、機器人、新材料、電子資訊等行業聚集城市的GDP和房地產受益會大點，而這些前沿行業基本集中在一二線城市。勞動力替代需要謹慎管理譯文：雖然人工智慧在經濟中的廣泛採用有可能減少勞動力投入，從而顯著提高勞動生產率，但鑑於目前勞動力市場疲軟和持續的通貨緊縮壓力，中國需要謹慎管理其步伐。在房地產市場低迷、嚴控地方政府隱性債務的努力以及金融業的監管收緊的情況下，房地產行業、公務員和金融部門都有工作崗位流失。青年失業率保持在15%以上，PPI通貨緊縮已持續28個月。在過去的幾年裡，每年有超過1000萬學生從大學畢業，對勞動力市場和工資造成了相當大的壓力。在這種環境下，AI的採用雖然可以提高勞動生產率，但同時也會減少工作崗位供應量，加劇通縮，削弱信心。另一方面，未來幾十年中國的人口老齡化速度將比其他主要經濟體更快。根據聯合國的預測，未來25年中國的勞動年齡人口（15-64 歲）可能會萎縮25%，人工智慧和機器人為老齡化提供瞭解決辦法：短期內，AI發展的競爭可能會適度促進科技行業的就業，而缺乏成熟的AI應用意味著非科技行業的就業流失率極低。幾年後，隨著AI準備好大規模採用，科技和非科技行業的失業工人人數可能會激增。以前的生產力提升技術周期表明，失業工人可能需要幾年時間才能在其他部門找到工作。因此，在勞動力市場適應AI採用的最後階段就業會再次增長（圖 8）。圖表 8：勞動力市場適應AI採用的可能三個階段分析：這裡高盛從短期和長期兩個角度分析了AI對於經濟的作用，從短期角度上看，鑑於目前處於通縮周期且就業市場疲軟，AI的大規模採用會加劇這兩種情況。而從長期角度上看AI可以彌補未來中國總人口下降帶來的劣勢，因為AI可以大大提高人均單位的產出效率，簡單說在AI加持下以後一個人可以當兩個人來用。上圖8是高盛關於AI採用對勞動力市場影響的預測圖，可以看出從2026年開始AI對於非科技行業的就業就開始出現了替代的作用，這種替代帶來的失業會在2030年前後達到頂峰，而這些失業人員一般會在失業的3年以後才重新找到合適的工作。失業後再就業的過程對於房地產市場無疑是較大的中短期打擊，所以在AI實際應用的非科技行業佈局較多的城市，其房地產短期可能面臨較大的下跌壓力。譯文：AI開發、AI採用和工作崗位流失的未來路徑仍然高度不確定，就像DeepSeek出現的速度一樣，技術突破的路徑不可預測。因此我們沒有改變對中國的實際GDP增長預測。我們基於最新資訊更新的模型表明，相對於我們之前的估計，中國的中期潛在增長有一定的上行空間。此外DeepSeek的出現和成為行業領導者的競爭可能會導致中國的AI投資周期更加提前。綜上所述，這意味著未來十年中國的年增長率將提高約0.2%，未來幾年主要由更前置的AI投資周期驅動，而未來幾年則受到隨著AI採用的勢頭增強而勞動生產率不斷提高的推動。分析：由於AI未來的實際應用路徑目前並不確定，所以以上的具體行業只是推測。但可以確定的有兩點，第一在宏觀層面上，AI會對未來GDP有顯著的增速效果，這將支援房地產繁榮。第二在中觀層面上，受益於AI的城市僅限於知識密集型行業扎堆的一二線城市，這些城市的房地產長期看更具價值，但短期受到失業後再就業的因素的擾動，房價將顯著承壓。 (finn的投研記錄)

Investor Presentation | Asia Pacific：科技與地緣變局下的中國經濟房地產市場分析：從以上的10城二手房成交量走勢表中可以清楚看出，去年9月底政策轉向開始成交量的上升一致持續到了2025年3月底（其中二月由於春節因素與往年相比差別不大），從4月開始二手房成交量小於2019-2023年平均水平。我們可以得到很明確的結論，第一就是我之前一直判斷的那樣，這一波是反彈而非反轉。第二是目前的二手房情況已經開始明顯差於往年的正常成交水平，可以確定房地產市場趨勢向下，又開始陷入萎靡。這裡需要說明一下為什麼定義2019-2023年平均水平是正常成交水平呢？因為2019年屬於正常年份，而2020-2021年屬於樓市活躍年份，2022-2023屬於樓市萎靡年份，這五個年份平均一下對於近幾年二手房市場的正常成交量代表性很強。另外還需要說明的是以上是10城資料，這對高線城市的代表能力也非常強，高線城市樓市對全國具有關鍵的風向標作用。同時二手房相對新房來說市場化程度要高很多，因為新房的供應量可以由地方政府控制，而二手房的供應量則完全由市場決定，所以在需求有限的前提下，二手房的量價關係更能代表市場的真實狀況。分析：從上圖可以清楚的看出，二手房同比成交價即使在去年9月底政策轉向後都沒有轉正（最高僅觸及-9%的水平），而在去年12月又開始往下走。再看代表短期連續趨勢的二手房環比成交價，僅在去年11月短暫轉正後又快速下滑，之後就一直保持每個月環比下跌1%-1.5%的水平。這兩個資料很明確的告訴我們，即使在去年四季度成交量增長超過50%的前提下，成交價格依然有明顯的向下趨勢。換言之，去年四季度開始的房地產成交量反彈在力度上遠遠不夠，尚不足以扭轉房價向下的趨勢，其作用只是放慢了下跌的節奏。消費端分析：上圖可以清楚地看出，除了以舊換新補貼外的商品零售一直處於0增速左右的狀態，而以舊換新補貼實質上只是把未來的消費提前，而並非創造更多的消費。就比如我本來打算明年要買一個包，我會因為目前在補貼而提前到今年買，而今年買好後明年不會再去買了，所以除去以舊換新後的商品零售增速其實更能反映市場的真實消費狀況。而汽車消費由於長期的補貼潛力已經挖得差不多了，理由和前面的包一樣，買完車後可以開很多年，並不會今年買完明年再買一輛，所以汽車的同比增速從24年開始就不太行了。而手機消費的異軍突起則是因為從2025年開始手機消費正式納入補貼範圍，剛納入補貼範圍的耐用消費品增速自然很高。但我們同時也要認識到，消費補貼就像一根枴杖，目前的情況就是你拿著枴杖走的挺好，但是一旦拿掉枴杖的話還走不走的動就很難說了，所以消費的真正考驗還是去掉補貼能不能靠自己真正的走起來。分析：就業問題一直是近期的焦點，製造業的就業目前還算穩定，而非製造業（服務業為主）的就業則趨勢明顯向下。而就業是收入的前提，有了收入才有消費，有消費了店舖和工廠才能賺到錢，當大家都賺到錢了並且對未來繼續賺到錢有充足的信心後，房地產市場才會好起來，房地產市場好起來後財富效應會讓大家更有消費熱情，經濟才能真正的回到正軌。以上的邏輯可以說是一環扣一環，並且互為因果（互相拉動而非單向拉動），所以就業是一切經濟指標的最基本保障，就業穩經濟的底盤就穩，加下去觀察就業資料對判斷後續房地產市場的長期趨勢也很重要。通縮問題分析：上圖看出其實從2022年開始中國就開始出現了通膨率下降的苗頭，而通縮在2023年正式殺到，根據大摩的預測通縮問題並不是短期可以解決的，在2025年和2026年通縮能得到的改善非常有限。通縮一方面會讓購買房產的保值需求不存在，另一方面會通過降低總需求而降低居民收入，這兩個方面都非常不利於房地產市場的走穩，所以預期房產的走穩尚需時日而並不能一蹴而就。分析：這是從企業的角度分析了收入和消費不振的原因，因為企業的利潤主要來源於降低成本來換取銷量，而降低成本這個動作會極大地壓縮整條供應鏈裡大量人員的收入水平，大家的收入低了自然也就更加無力消費，這就形成了一個惡性循環，商品從生產到零售都在打價格戰，而價格戰的結果會使大家的消費能力減弱，而消費能力的減弱促使價格戰加劇，到最後誰都沒錢賺，東西也賣不出去。那麼要打破這個惡性循環，最好的辦法就是轉向高定價權的商品，說白了就是科技製造，我生產的東西你做不了，那我就掌握了定價權，而我的利潤高了以後整條產業鏈上的人日子自然好過了，大家都有錢了自然消費也旺了起來。當然這條邏輯線裡也需要健全的法規來保障各方的利益，以免市場出現壟斷或者壓榨勞動力。說這個只是為了讓大家明白一個道理，就是科技製造的意義，未來房地產繁榮基本上會是科技製造繁榮的結果，科技製造強（利潤創造能力強）的城市的房地產才有投資的價值。分析：根據大摩的預測，2025年下半年開始中國的出口增速就會開始放緩，那為什麼專門提這個呢？一方面是出口代表賺錢能力，賺錢能力放緩則消費能力也會受到影響。另一方面出口放緩則產能會轉為內銷，國內商品可能會進一步供求失衡，那麼通縮壓力可能會持續加大，這也是壓制房地產的一個值得注意的因素。政策端預期分析：鑑於目前關稅戰緩和，我們可以按照上圖的基準情形來進行預期，在財政方面，2025年四季度推出0.5-1兆的補充預算，對應的實際GDP增速在4.5%，鑑於我們定的目標是5%，所以預期不會和目標差太多，所以在基準情形的基礎上可以再偏樂觀一點，而下半年財政支援的重點會是通縮治理。在貨幣方面，2025年下半年預期會有15-20bp的降息和50bp的降准，這個一直都是在預期內的。再通膨三大工程分析：棚改貨幣化一直都是拉動房地產市場最有效的方法，原因也很簡單，因為棚改貨幣化可以繞開目前收入預期降低這個主要卡點，精準的把購買力定向下發到拆遷後有購房需求的人群，換句話說就是精準的創造出需求。但相比去庫存時代每年600萬套，目前100萬套棚改貨幣化的量還遠遠不夠，地方財政狀況制約了棚改貨幣化的量，後續需要觀察棚改貨幣化的數量是否會增多，如果棚改貨幣化的數量足夠多的話，對房地產市場會有立竿見影的效果。分析：目前全國總體新房庫存在20百萬套，加上在建住宅一共是27.5百萬套，而1年的銷量僅為7.5百萬套，換句話說目前全國新房庫存的平均去化周期是44個月（算上在建未售住宅）。而高線城市的平均去化周期是33個月，不算上在建未售住宅的話是22.5個月，因為這裡面包含了30%牛市也賣不掉的死庫存，如果扣除死庫存的話高線城市的新房市場去化狀況還算良好。相對的低線城市的新房市場就非常不樂觀了。再來看看二手房市場，二手房市場的掛牌量為23百萬套，而一年的去化速度為6百萬套，換算成去化周期是46個月，同樣的高線城市的二手房市場情況相比低線城市要好很多，但還是處於明顯的供大於求的狀態，反轉尚需時間。分析：再來看目前造成房地產市場萎靡和消費市場不振的主要原因之一，即社會福利支出比較低的問題，上圖可以看出中國社保支出佔GDP的比例相比其他國家的位置。相比2017年其實中國的社保支出佔比已經提升了一大塊，但相對於其他國家來說提升的空間還是很大的，因為社保支出是還跟重要的促銷費和促投資的手段，有社保兜底了大家才敢把銀行裡的預防性存款拿出去消費和買房來改善生活。分析：上圖就是中國儲蓄率和其他國家的差別，中國目前儲蓄率高達36.5%，而同期其他國家大多在10%左右或以下，造成高儲蓄率的其中一個和重要原因就是社會保障力度不夠，預防性存款過多。那麼如果我們的保障力度可以跟上去，那麼按照12%的儲蓄率來算我們可以釋放出24.5%（近三分之二的儲蓄）的儲蓄率進行消費和購房，這釋放出來的資金量是非常驚人的。分析：同時減免個人社保也是促銷費的好辦法，由於社保是按月繳納，如果減免的話也可以對應的減少還房貸的壓力，這樣對於減輕提前還貸的壓力也有一定的輔助作用。分析：從2016年開始新生兒數量開始顯著下滑，在2024年開始又有所反彈，但是不太可能回到2015年之前的水平，所以長期來看中國的總人口是會不斷減少的。站在投資角度，只有人口長期流入的高線城市才有佈局的價值，低線城市自住的可以買，但是投資需要避免。分析：從社科院的調查來看，收入壓力是最主要的低生育率原因，其他重要的原因還有精力不足和教育成本高，未來鼓勵生育的政策一定是一條長線邏輯，所以買股票的可以往解決這三個問題的方向上考慮。比如針對精力不足的，寒暑假線上教育或者價格具有競爭力的託管機構可能就會獲得政策的扶持。 (finn的投研記錄)

不同養老保險制度之間的養老金待遇差異導致了整體收入不平等（Li et al.2020；Hanewald，Jia and Liu 2021）。在中國領取養老金的人員中，55%（主要分佈在低收入十分位）在主要由政府補貼的城鄉居民基本養老制度下領取養老金（圖23）。城鄉居民基本養老保險的覆蓋範圍包括農村居民和在城市打工的中國三億農民工的五分之三（Wang et al.2022）。城鄉居民基本養老保險的平均待遇水平不到企業職工基本養老保險平均待遇水平的6%，不到機關事業單位養老保險平均待遇水平的4%，企業職工養老保險和機關事業單位養老保險是面向正式職工的兩種繳費型養老保險（圖24）。[1][16]與東亞地區其他國家相比，中國是社會養老保險制度覆蓋率最高的國家之一，但相對於人均GDP而言，其養老待遇水平卻是最低的（Chomik et al.2024；Asian Development Bank 2024）。[1][17]在控制可觀察到的特徵不變的情況下，正規和非正規部門勞動者之間以及城鎮職工養老保險制度下的國企和非國企職工之間的平均養老待遇差距正在擴大（Glinskaya et al.2022；Wang et al.2022；Wang and Huang 2021；Wang et al.2023）。未來如不進一步擴大城鎮職工基本養老保險覆蓋範圍納入農民工，現行社會保障制度就會加劇累積性的不平等。 由於醫療費用支出上漲，老齡化也可能對居民的家庭預算帶來壓力。根據北京市醫療保險資料，64歲及以上人群的醫療費用支出幾乎是25-59歲年齡段人群的兩倍（Li et al.2020）。平均來看，老年居民的自付費用支出較高，收入分配最底層的居民的自付費用在總支出中的佔位元別高（圖25）。 低收入家庭在支付隨著年齡而上漲的醫療費用方面獲得的財務保障較少。自2003年以來，醫療保險的大規模擴張使低收入家庭獲得了防範健康風險方面的財務保障。儘管如此，覆蓋的深度也因保險制度、城市和職業而異。一般來說，機關事業單位和企業職工的醫保待遇比居民醫保更為優越[1][18]。例如，城鎮職工醫保的年保險費是居民醫保的8倍，平均報銷比例為85.2%，而居民醫保報銷比例為70%（Zhang et al.2023）。此外，居民醫保的支付範圍僅包括初級衛生保健、門診服務、基本住院和基本藥物，而職工醫保通常覆蓋更廣泛的醫療服務[1][19]。近年來，居民醫療保險參保率出現下降（圖26）。參保率下降可能反映了在保險費上漲的情況下，低收入群體的保費繳納意願較低：最近的一項研究發現，農民工平均願意繳納醫保費人民幣136元，僅相當於2024年居民醫保費預測的三分之一左右（Wang and Han 2022）。 隨著人口老齡化，缺乏抵禦健康衝擊的充分財務保障可能會加劇低收入人群的健康結果差距。醫保待遇水平較低的個人更有可能遭遇基本醫療服務機會減少和治療延誤的問題，從而導致不同社會經濟群體之間的健康結果差距擴大。[1][20]經濟壓力是限制老年人就醫的主要因素，而醫療機構的地理距離也影響了供給側的服務可及性（Qiu and Ran 2019）。基本醫療服務的可及性對於低收入和地處偏遠的老年人的健康影響更大。2018年，24%的家庭的自付醫療費用支出超過家庭總支出的10%，7%的家庭的醫療費用支出超過家庭總支出的25%——這是用於衡量巨額醫療支出的兩個可持續發展目標指標。在醫療保障不足的情況下，貧困家庭往往必須在醫療與食物、住房、教育等其他必需品之間做出選擇。

當前中國資本市場正站在開啟長期牛市的轉折點上。 我們的觀點與市場上大部分悲觀觀點完全不同，基於我們對長期的認識和判斷，我認為當前中國資本市場正站在開啟長期牛市的轉折點上。 這個判斷中有兩個關鍵詞，一個是牛市，一個是長期。應該說未來市場依舊會有波動，但長期上市場整體將呈現向上的趨勢。總的來說，未來中國經濟大概率會呈現以下幾個特點：1、中長期的貨幣寬鬆環境；2、中國即將進入新的經濟周期，不會出現類似於美國2008年的次貸危機；3 、政策正在推動房地產行業盡快跨越臨界點，進入新周期。 市場普遍的悲觀情緒是不對的