香帅分化与选择普通人的逆袭之路

　　城市化是中国财富增长的方舟，城市分化是财富大面积分化的起点。教育是实现财富重新分配的路径，其中户口是钥匙，房产是载体。
　　这是全生发展的第341篇文章
　　这几年，＂存量时代＂这个词被越来越多地提及，也越来越多地被更多的人所认同。
　　香帅在其新著《分化时代的财富选择》中提出，＂增量时代＂关注如何做大蛋糕，而＂存量时代＂关注如何分配蛋糕。
　　从增长到分配的时代背景之下，＂分化＂也成了人们经常谈论的话题。
　　分化之一，便是财富的分化。
　　比如，财富是越来越向普罗大众分配，还是越来越集中到少数上层人士手中？收入差距是越来越小，还是越来越大呢？
　　以美国为例，1978-2019年间，顶部1%的富豪所拥有的财富占比从21%上升到37%，前10%富人的财富占比从63%上升到71%，中下阶层的财富则在缩水，高于财富中位数的中产阶级（财富分位数10%-50%）的财富占比在1985年达到巅峰（37.4%）之后开始持续下行，到2008年首次跌破30%，之后继续下滑到22%；分位数后50%的穷人的财富占比则从3%一直下行到零附近。显然财富的分配出现了两级分化。
　　从衡量居民收入差距的基尼系数来看，2016年，美国的基尼系数为41.4%。1997年-2019年，高技能向的牙医的岗位数量增加了57%，实际工资上涨了26%；中等技能向的普通白领职业——簿记、会计、审计职员的岗位数量减少了13%，实际工资上涨幅度为牙医的一半；低技能向的蓝领职业——餐厅厨师的岗位数量增加了93%，但实际工资仅仅上涨6%。可见，收入分化也比较大。
　　美国如此，中国也不例外。
　　根据＂香帅财富基因调查＂结果，财富排在前10%的家庭的总资产（包括房产、存款、股票等投资品）在1200万左右，其中房产平均900多万，金融资产200多万；排在中间50-90%的家庭的总资产是400多万；后10%的家庭的资产则只有11万。一头一尾两个群体的资产差距是100多倍。
　　分化的背后，是哪些因素在发生作用呢？
　　其一是数字化。
　　数字化带来了效率的提高，促进了经济的增长，但也使得中等技能和中等收入的岗位大幅缩减，大部分劳动者只能下沉到数量庞大但收入极低的低端岗位，极少数则上升到收入快速上涨的高技能工作岗位——劳动力市场呈现出K型模型，两极之间渐行渐远。
　　数字化还体现在，拥有数字资产的公司的效率越来越高，成本更低，规模和网络效应也更显著，出现了赢家通吃的局面，绝大部分增长越来越集中在数字科技头部企业中。
　　尤其在疫情中，这种分化更为明显。
　　数字巨头们的个人财富都暴涨几百亿美元，程序员们的年薪跳涨，而餐饮服务业等低收入岗位则面临失业。
　　其二是低利率。
　　次贷危机、欧债危机以及全球疫情，都刺激了全球货币宽松，导致长期资金快速下行，低利率甚至负利率时代来临。
　　普遍的利率下行意味着资产价格中枢整体上升，低利率刺激金融资产价格大幅上涨，从而会让那些拥有大量存量资产人群的财富保值增值，也让这些有＂信用＂的人群更容易通过信用扩张完成＂钱生钱＂的过程；而没有存量资产、缺乏信贷能力的人群则被甩下列车。低利率成为财富分化的巨大驱动力。
　　数字化与低利率的叠加，使得强者恒强、分化加剧。
　　2020年年初到10月7日，标普500中的五家头部数字企业——亚马逊、谷歌、苹果、微软、脸书，股票价格平均上涨40.36%，而其余495家企业股票平均只涨了0.44%。
　　对于中国而言，在数字化和低利率之外，还隐藏着更多的因素。
　　根据＂香帅财富基因调查＂数据，户口的不同种类是造成家庭财富差距的主要原因之一。城市户口和农村户口家庭财富相差3倍。
　　就城市而言，城市家庭财富随着城市规模的缩小也呈现出单调下降的趋势：京沪户口家庭财富平均值是794万，广深户口家庭财富平均值是619万，包括成都、南京、武汉在内的二线核心城市户口家庭财富平均值约为337万。
　　而＂户口溢价＂，是不同城市的房价差距，以及城市房价与农村宅基地价格的差价导致的。
　　如果一个人拥有一线城市户口，却没有或者没有能力购买一线城市的房产 ，平均而言，其家庭财富会下降557万。
　　反之，一个农村户口的人如果购买了二线核心以上城市的房产，其家庭财富则迅速上升到441万，比其他农村户口家庭高出3倍。
　　同样地，选择大城市的人群，财富水平也更高。一个三线及以下城市户口的人，如果在一二线城市定居，那么平均财富水平为378万，如果他到四线及以下城市定居，财富水平会降至236万。
　　另外，教育也可以改变户口属性。对于大部分人而言，硕士博士是进入大城市的敲门砖。
　　从数据可以看出，硕博人口拥有一线城市户口的比例是35%，如果是985大学的硕博，更是达到45.7%；而高中及以下学历人群的这个比例是5.2%。
　　于此相反，农村户口人群中，硕博比例不足3%，而本科以下人口中，农村户口人群占了几乎一半。
　　也就是说，教育确实改变命运，但却是通过改变户口属性，以及城市和房产的选择来实现。
　　比如，一线城市的学历溢价就更高。2020年疫情中，留在一线城市的清北毕业生收入损失仅0.4%，而非985、211毕业生的收入损失达到5.6%；但回到三线城市的清北毕业生收入损失达到6.3%，与非985、211毕业生的6.6%基本持平。
　　同时，在二线核心及以上城市买房的清北毕业生，平均财富水平达到932万，而没买房或在三线及以下城市的清北毕业生，平均财富水平仅为384万。
　　这意味着，一个人如果在城市和房产的决策上没有顺势而为，教育的财富溢价就会大打折扣。
　　站在2020年，回看前面30年，中国家庭财富版图可以浓缩成一个词＂城市＂ 。
　　城市化是中国财富增长的方舟，城市分化是财富大面积分化的起点。教育是实现财富重新分配的路径，其中户口是钥匙，房产是载体。
　　一个中国人的财富方程式，其实就是——所在城市越大越好，买房越早越好，学历越高越好，如果没有所在城市的户口，那就加个根号。
　　而对于每一个普通的中国人，如何选择才能顺势而为，实现财富增长、阶层逆袭，以下观点值得借鉴与参考。
　　第一个选择是＂教育改变命运＂ 。
　　教育是财富的减震器。教育程度越高，疫情中收入受到的负向影响越小：高中及以下学历人群收入平均减少15%，1/3的人反映失业或者收入大幅下降；而硕博学位的受访者收入平均减少2.9%，仅有6%的受访者工作受到较大冲击。
　　而且，名校毕业生的收入损失更小。清北毕业生和其他985高校毕业生的收入损失分别是1%和1.6%，211高校毕业生的收入损失则是3.8%
　　医疗行业、互联网行业、学校科研机构、政府机关等知识密集型行业是疫情中最抗冲击的行业。
　　在职业选择上，＂体制内＂虽然显示了高度的稳定性，但是和金融资产＂风险——收益＂匹配的原则吻合，体制内的从业者财富水平处于排名的中间层。
　　政府、党群、机关团体就业者的平均财富是383万，而医疗行业、房地产行业、互联网行业的体制外就业人员的平均财富均超过了400万。金融行业体制外就业者平均财富更高达488万。
　　在大城市，这一现象更显著。比如，硕博人群中，一线城市体制外金融行业与党政机关就业者的财富水平之比为1.24：1，而在三线城市，这两个行业财富之比下降至1.18:1。这就意味着，在大城市的市场上打拼，更容易实现财富跃迁。
　　第二个选择是＂位置决定命运＂ 。
　　一个人所站的位置，决定了他的生产效率、收入以及福祉。人们投入到财富创造过程中的多个生产要素，其实都是与城市、区位密切绑定的。
　　中国的城市集聚了更多的公共财富，购买核心城市的房产，本质上就是拿到了该城市的车票，跟随城市发展的列车，分享了城市发展的红利。
　　中国的财富分化主要体现在城市差异上，能拥有核心城市的房产固然很好，但是即使暂时不能拥有房产，这个＂位置＂也为普通人提供了更多的机会。
　　＂位置＂的选择是工作和收入的核心变量，而且更会影响到未来的路径。不论是城市户口还是农村户口，高学历人群还是低学历人群，位置的选择都至关重要。
　　第三个选择是＂金融认知溢价＂ 。
　　2020年疫情后家庭财富变化的一个最重要途径就是＂金融投资＂。
　　一个显著的现象是低收入群体动用存款消费，高收入群体则动用存款买房产和配置基金。
　　这个举动的结果是，超过40%的高金融资产家庭房产和股票双升值，家庭财富平均增长超过40万，中等资产家庭通过房产或股票升值获得的财富增长比例大约为63%，平均增长了近12万，而低资产家庭则几乎没有能从资产价格上涨中受益。
　　但信息时代的一个优势是，学校不是教育和认知的唯一出口，而认知在金融投资中占有相当的影响力。
　　对金融信息及其关注的群体，平均资产规模为524.6万，而不关注的群体资产规模只有207.4万，相差了317.2万。
　　在金融投资上，学历不等于认知，教育水平对于投资业绩的贡献率微乎其微。
　　比如，持有10万-50万市值的股票及基金的人群中，硕博人群的投资业绩整体不如本科人群；持有200万-500万市值的股票及基金的人群中，博士人群的投资业绩最差。
　　总的来说，一个人的命运就像金融资产，一部分收益来自国家和历史的系统性风险，另一部分收益来自个人选择的个体性风险。
　　如果国家的命题在于是否继续保持增长，是否能将增长的果实更多地向弱势群体倾斜，实现效率和公平、增长和分配之间的平衡；那么个人的命题则是在于是否能在城市、专业、行业、资产的选择上不犯或者少犯错误，同时保持持续学习的能力。
　　2020年，不是历史的变量，而是历史的加速器，是分化的冰山浮出水面的拐点。
　　分化时代，重要的是我们如何做出选择。
　　更多文章请点击： 历史文章 合集