匯添富基金勞杰男：對“中特估”和“人工智能”行情的幾點(diǎn)思考

今年上半年，A股市場(chǎng)有兩個(gè)板塊表現特別突出，一個(gè)是所謂的“中特估”，另一個(gè)是“人工智能”。市場(chǎng)如此表現背后有很多復雜的背景和原因，包括國內宏觀(guān)經(jīng)濟結構轉型、科技進(jìn)步、地緣政治、存量資金博弈等。本文并不想仔細探究這兩個(gè)板塊表現突出背后的邏輯，主要就這兩個(gè)板塊里面的機會(huì )以及潛在的一些風(fēng)險談?wù)剮c(diǎn)思考。

“中特估”，是“中國特色估值體系”的簡(jiǎn)稱(chēng)，核心是中國的一些傳統央國企，為何估值常年在低位徘徊，并思考是否有積極的舉措使其估值提升，反映其應有的價(jià)值。從股票估值經(jīng)典的貼現模型來(lái)看，分子是下一期的分紅d，分母是k-g，k代表考慮風(fēng)險補償后的要求回報率，g代表增長(cháng)率，可以看出公司盈利的增長(cháng)情況（對應g）和在盈利基礎上的分紅情況（對應d），對一個(gè)公司的估值而言是非常重要的。當然，考慮風(fēng)險補償后的要求回報率，跟投資者的風(fēng)險偏好有一定的關(guān)系，但是公司的盈利增長(cháng)及其穩定性狀況，也是非常重要的影響因素。中國很多傳統行業(yè)的公司，其盈利增長(cháng)由于過(guò)了快速增長(cháng)的階段，速度已經(jīng)放慢不少，但如果能夠在考慮穩健經(jīng)營(yíng)的基礎上，提升分紅率水平，那么經(jīng)典貼現模型的分子變大，其估值是能夠提升的。

這里面有一個(gè)前提，就是其利潤狀況是大致穩定的。如果有些行業(yè)本身帶有比較強的周期屬性，我們去觀(guān)察它的PE估值以及PB估值都不高，分紅收益率水平也不錯，甚至分紅比率還會(huì )提升，但由于它的盈利狀況并不穩定，隨著(zhù)周期下行，買(mǎi)入這樣的股票還是會(huì )承擔不小的本金損失的風(fēng)險。比如典型的周期行業(yè)代表性公司，在周期上行階段，股票漲幅明顯，如果在股票價(jià)格較高的位置買(mǎi)入，隨著(zhù)周期下行，產(chǎn)品價(jià)格下跌，股票價(jià)格也會(huì )下跌不少，盡管在這一階段，公司的分紅收益率水平看起來(lái)還很有吸引力，但股票價(jià)格本身還是抵不住周期下行的問(wèn)題。我們也看到金屬加工行業(yè)里的一些個(gè)股，雖然它依靠賺取加工費的商業(yè)模式，但是客觀(guān)來(lái)說(shuō)它跟隨金屬價(jià)格也有比較強的周期性，在周期相對高點(diǎn)的時(shí)候買(mǎi)入，雖然分紅率也很有吸引力，但是其實(shí)從股票本身來(lái)說(shuō)，本金損失的概率和風(fēng)險也是挺大的。因此，對于“中特估”背景下的一些個(gè)股，我們要關(guān)注其分紅及分紅收益的情況，但更要研究辨別其盈利狀況是否穩定，如果有較強的周期性，我們要謹防在周期下行階段買(mǎi)入導致的“價(jià)值陷阱”。

對于一些傳統行業(yè)的央國企，如果其盈利增長(cháng)的速度g能有所提升，其估值自然也會(huì )有提升的表現。在這一角度的考慮下，我們需要去梳理上市公司所在的集團是否有一些好的資產(chǎn)能夠注入上市公司體內，注入的概率以及注入的價(jià)格，研究是否能夠提升股東回報?；蛘呱鲜泄倔w內是否有一些差的資產(chǎn)能夠剝離，進(jìn)而也能提升股東回報。當然還有一點(diǎn)也值得關(guān)注，就是傳統的央國企上市公司積極加大與市場(chǎng)的溝通，這對其估值提升或者市值回升也會(huì )帶來(lái)一定的幫助。

下面再談?wù)剬Α叭斯ぶ悄堋毙星榈囊恍┧伎?。人工智能的起源可以說(shuō)很早，但正式啟動(dòng)應該是在1956年。兩位年輕的數學(xué)家約翰·麥卡錫和馬文·明斯基說(shuō)服了著(zhù)名的信息論創(chuàng )始人克勞德·香農和IBM第一臺商用計算機的設計者納撒尼爾·羅切斯特，一起在達特茅斯學(xué)院組織了一個(gè)暑期項目，項目目標如下：這項研究基于一個(gè)猜想，“學(xué)習”的各個(gè)方面或“智能”的任何特征在原則上都可以被精確描述出來(lái)，所以人們可以制造一臺機器來(lái)模擬“學(xué)習”或“智能”。人們試圖讓機器使用語(yǔ)言，形成抽象概念，解決現在人類(lèi)面臨的各種問(wèn)題，并讓機器自我改進(jìn)。在達特茅斯會(huì )議后很多年的時(shí)間里，人工智能取得了一些進(jìn)展，但都沒(méi)有產(chǎn)生當初承諾的重大影響。從2011年前后開(kāi)始，深度學(xué)習技術(shù)開(kāi)始在語(yǔ)音識別、基于機器視覺(jué)的物體識別和機器翻譯方面取得巨大進(jìn)步。2016年和2017年，DeepMind（英國的一家人工智能公司）的AlphaGo擊敗了前世界圍棋冠軍李世石和后來(lái)的冠軍柯潔。再到最近，OpenAi（美國的一家人工智能公司）的chatgpt橫空出世，徹底引爆行情。

從投資的機會(huì )來(lái)看，主要有這樣幾個(gè)層面或維度，一個(gè)就是所謂的算力層，從英偉達的芯片到中國光模塊相關(guān)的一些公司，相關(guān)股票的表現可見(jiàn)一斑。但客觀(guān)說(shuō)從大模型現在訓練的角度，其實(shí)各家公司事實(shí)上在搞一些“軍備競賽”，所以算力層的落地一開(kāi)始會(huì )比較明顯，我們也能看到相關(guān)的一些公司業(yè)績(jì)的巨大爆發(fā)，比如英偉達的芯片出貨數量預期一直在上調，中國光模塊的出貨預期也一直在上調。但提前透支的風(fēng)險是客觀(guān)存在的，從股票投資的角度，對相關(guān)股票的周期性問(wèn)題需要有冷靜的評估和清醒的認識，不能線(xiàn)性地去外推算力層的需求，除非在模型的訓練之外，能夠看到人工智能應用的大規模爆發(fā)，但現在下不了這個(gè)判斷。

另外一個(gè)投資的關(guān)注點(diǎn)就是大語(yǔ)言模型本身及其發(fā)展。我們前段時(shí)間也去美國調研，一個(gè)整體的判斷結論就是大語(yǔ)言模型本身，最后它差異的空間不會(huì )很大，最重要的就是在訓練數據的一些獲取，數據質(zhì)量是非常重要的。模型這一層面，在大模型的基礎上，我們相信以后各行各業(yè)會(huì )出來(lái)針對一些自身行業(yè)的相對較小的模型，如果在各自領(lǐng)域小模型做得好，可能也會(huì )有比較好的價(jià)值創(chuàng )造的一些機會(huì )。

對“人工智能”而言，最重要的投資機會(huì )我們認為還是在應用領(lǐng)域。像移動(dòng)互聯(lián)網(wǎng)時(shí)代一樣，最大的投資機會(huì )其實(shí)就是在應用端，走出來(lái)了像騰訊、阿里、美團等大巨頭公司，投資回報也非常豐厚。對于人工智能的應用，我們相信也一定會(huì )出現偉大的公司，其帶來(lái)的投資回報也一定是巨大的，雖然現在還看不清楚哪些公司能最終走出來(lái)或者最終取得成功。對于應用而言，大致可以分為企業(yè)層面的應用（所謂的to B），以及個(gè)人層面的應用（所謂的to C）。就目前的跟蹤研究來(lái)看，to B端的應用落地，商業(yè)模式的走通可能會(huì )更快一些，也大概率能夠先賺到錢(qián)。從海外相關(guān)應用的進(jìn)展來(lái)看，也基本是這個(gè)判斷。

最后還有一個(gè)投資的層面是在模型和應用之間，可能也會(huì )有提供服務(wù)的一些支持公司走出來(lái)，比如像現在電動(dòng)汽車(chē)的智能化領(lǐng)域，有一些提供軟件服務(wù)的支持公司也是能賺到錢(qián)的，這個(gè)方面也值得跟蹤研究。

客觀(guān)來(lái)說(shuō)，人工智能的發(fā)展取得了突破性的進(jìn)展，但是它的發(fā)展也不會(huì )是一蹴而就，對于股票投資而言，更應該關(guān)注相關(guān)領(lǐng)域的發(fā)展階段、行業(yè)格局以及相關(guān)公司的估值和股票位置等。如果盲目地沖著(zhù)賽道買(mǎi)入一些股票，很可能這些股票已經(jīng)超漲了或者已有一定的泡沫，這個(gè)風(fēng)險也是需要去關(guān)注的。當然，人工智能的發(fā)展會(huì )不會(huì )不受控制，甚至威脅到人類(lèi)自身的安全，對于道德層面和法律層面的一些問(wèn)題等，也需要積極關(guān)注研究，對人工智能相關(guān)的投資也會(huì )產(chǎn)生深遠的影響。

風(fēng)險提示

基金有風(fēng)險，投資需謹慎。文章涉及的觀(guān)點(diǎn)和判斷僅代表我們對當前時(shí)點(diǎn)的看法，基于市場(chǎng)環(huán)境的不確定性和多變性，所涉觀(guān)點(diǎn)和判斷后續可能發(fā)生調整或變化。本文僅用于溝通交流之目的，不構成任何投資建議。

免責聲明：市場(chǎng)有風(fēng)險，選擇需謹慎！此文僅供參考，不作買(mǎi)賣(mài)依據。

標簽：