今年上半年,A股市场有两个板块表现特别突出,一个是所谓的“中特估”,另一个是“人工智能”。市场如此表现有很多复杂的背景和原因,包括国内宏观经济结构转型、科技进步、地缘政治、存量资金博弈等。本文并不想仔细探究这两个板块表现突出背后的逻辑,主要就这两个板块里面的机会及潜在的一些风险谈谈几点思考。
“中特估”,是“中国特色估值体系”的简称,核心是中国的一些传统央国企,为何估值常年在低位徘徊,并思考是否有积极的举措使其估值提升,反映其应有的价值。中国很多传统行业的公司,其盈利增长由于过了快速增长的阶段,速度已经放慢不少,但如果能够在考虑稳健经营的基础上,提升分红率水平,那么经典贴现模型的分子变大,其估值是能够提升的。
这里面有一个前提,就是其利润状况是大致稳定的。如果有些行业本身带有比较强的周期属性,我们去观察,它的PE估值及PB估值都不高,分红收益率水平也不错,甚至分红比率还会提升,但由于它的盈利状况并不稳定,随着周期下行,买入这样的股票还是会承担不小的本金损失的风险。比如典型的周期行业代表性公司,在周期上行阶段,股票涨幅明显,如果在股票价格较高的位置买入,随着周期下行,产品价格下跌,股票价格也会下跌不少,尽管在这一阶段,公司的分红收益率水平看起来还很有吸引力,但股票价格本身还是敌不住周期下行的问题。
对于“中特估”背景下的一些个股,我们要关注其分红及分红收益的情况,但更要研究辨别其盈利状况是否稳定,如果有较强的周期性,我们要谨防在周期下行阶段买入导致的“价值陷阱”。
下面再谈谈 对“人工智能”行情的一些思考。人工智能的起源可以说很早,但正式启动应该是在1956年。两位年轻的数学家约翰·麦卡锡和马文·明斯基说服了著名的信息论创始人克劳德·香农和IBM第一台商用计算机的设计者纳撒尼尔·罗切斯特,一起在达特茅斯学院组织了一个暑期项目,制造一台机器来模拟“学习”或“智能”。人们试图让机器使用语言,形成抽象概念,解决现在人类面临的各种问题,并让机器自我改进。在达特茅斯会议后很多年的时间里,人工智能取得了一些进展,但都没有产生当初承诺的重大影响。从2011年前后开始,深度学习技术开始在语音识别、基于机器视觉的物体识别和机器翻译方面取得巨大进步。2016年和2017年,DeepMind(英国的一家人工智能公司)的AlphaGo击败了前世界围棋冠军李世石和后来的冠军柯洁。
从投资的机会来看,主要有这样几个层面或维度,一个就是所谓的算力层,从英伟达的芯片到中国光模块相关的一些公司,相关股票的表现可见一斑。但客观说从大模型现在训练的角度,其实各家公司事实上在搞一些“军备竞赛”,所以算力层的落地一开始会比较明显,我们也能看到相关的一些公司业绩的巨大爆发,比如英伟达的芯片出货数量预期一直在上调,中国光模块的出货预期也一直在上调。但提前透支的风险是客观存在的,从股票投资的角度,对相关股票的周期性问题需要有冷静的评估和清醒的认识,不能线性地去外推算力层的需求,除非在模型的训练之外,能够看到人工智能应用的大规模爆发,但现在下不了这个判断。
另外一个投资的关注点就是大语言模型本身及其发展。我们前段时间也去调研,一个整体的判断结论就是大语言模型本身,最后它差异的空间不会很大,最重要的就是在训练数据的一些获取,数据质量是非常重要的。模型这一层面,在大模型的基础上,我们相信以后各行各业会出来针对一些自身行业的相对较小的模型,如果在各自领域小模型做得好,可能也会有比较好的价值创造的一些机会。
就“人工智能”而言,最重要的投资机会我们认为还是在应用领域。像移动互联网时代一样,最大的投资机会其实就是在应用端,走出来了像腾讯、阿里、美团等大巨头公司,投资回报也非常丰厚。对于人工智能的应用,我们相信也一定会出现伟大的公司,其带来的投资回报也一定是巨大的,虽然现在还看不清楚哪些公司能最终走出来或者最终取得成功。就应用而言,大致可以分为企业层面的应用(所谓的To B)及个人层面的应用(所谓的To C)。就目前的跟踪研究来看,To B端的应用落地,商业模式的走通可能会更快一些,也大概率能够先赚到钱。从海外相关应用的进展来看,也基本是这个判断。
客观来说,人工智能的发展取得了突破性的进展,但是它的发展也不会是一蹴而就,就股票投资而言,更应该关注相关领域的发展阶段、行业格局及相关公司的估值和股票位置等。如果盲目地冲着赛道买入一些股票,很可能这些股票已经超涨了或者已有一定的泡沫,这个风险也是需要去关注的。当然,人工智能的发展会不会不受控制,甚至威胁到人类自身的安全,对于道德层面和法律层面的一些问题等,也需要积极关注研究,这对人工智能相关的投资也会产生深远的影响。
来源:《投资有道》2023年10月刊
爆料、维权通道:应用市场下载“晨视频”客户端,搜索“帮忙”一键直达“晨意帮忙”平台;或拨打热线0731-85571188。政企内容服务专席19176699651。
相关标签: