“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。从股票估值经典的贴现模型来看，分子是下一期的分红d，分母是k-g，k代表考虑风险补偿后的要求回报率，g代表增长率，可以看出公司盈利的增长情况(对应g)和在盈利基础上的分红情况(对应d)，对一个公司的估值而言是非常重要的。当然，考虑风险补偿后的要求回报率，跟投资者的风险偏好有一定的关系，但是公司的盈利增长及其稳定性状况，也是非常重要的影响因素。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估值以及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抵不住周期下行的问题。我们也看到金属加工行业里的一些个股，虽然它依靠赚取加工费的商业模式，但是客观来说它跟随金属价格也有比较强的周期性，在周期相对高点的时候买入，虽然分红率也很有吸引力，但是其实从股票本身来说，本金损失的概率和风险也是挺大的。因此，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”。
对于一些传统行业的央国企，如果其盈利增长的速度g能有所提升，其估值自然也会有提升的表现。在这一角度的考虑下，我们需要去梳理上市公司所在的集团是否有一些好的资产能够注入上市公司体内，注入的概率以及注入的价格，研究是否能够提升股东回报。或者上市公司体内是否有一些差的资产能够剥离，进而也能提升股东回报。当然还有一点也值得关注，就是传统的央国企上市公司积极加大与市场的沟通，这对其估值提升或者市值回升也会带来一定的帮助。
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，项目目标如下：这项研究基于一个猜想，“学习”的各个方面或“智能”的任何特征在原则上都可以被精确描述出来，所以人们可以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。再到最近，OpenAi(美国的一家人工智能公司)的chatgpt横空出世，彻底引爆行情。
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。我们前段时间也去美国调研，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。
对“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。对于应用而言，大致可以分为企业层面的应用(所谓的to B)，以及个人层面的应用(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。
最后还有一个投资的层面是在模型和应用之间，可能也会有提供服务的一些支持公司走出来，比如像现在电动汽车的智能化领域，有一些提供软件服务的支持公司也是能赚到钱的，这个方面也值得跟踪研究。
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，对于股票投资而言，更应该关注相关领域的发展阶段、行业格局以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，对人工智能相关的投资也会产生深远的影响。
风险提示
基金有风险，投资需谨慎。文章涉及的观点和判断仅代表我们对当前时点的看法，基于市场环境的不确定性和多变性，所涉观点和判断后续可能发生调整或变化。本文仅用于沟通交流之目的，不构成任何投资建议。
