“中特估”，是“中國特色估值體系”的簡稱，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，反映其應有的價值。從股票估值經典的貼現模型來看，分子是下一期的分紅d，分母是k-g，k代表考慮風險補償后的要求回報率，g代表增長率，可以看出公司盈利的增長情況(對應g)和在盈利基礎上的分紅情況(對應d)，對一個公司的估值而言是非常重要的。當然，考慮風險補償后的要求回報率，跟投資者的風險偏好有一定的關系，但是公司的盈利增長及其穩定性狀況，也是非常重要的影響因素。中國很多傳統行業的公司，其盈利增長由于過了快速增長的階段，速度已經放慢不少，但如果能夠在考慮穩健經營的基礎上，提升分紅率水平，那么經典貼現模型的分子變大，其估值是能夠提升的。
這里面有一個前提，就是其利潤狀況是大致穩定的。如果有些行業本身帶有比較強的周期屬性，我們去觀察它的PE估值以及PB估值都不高，分紅收益率水平也不錯，甚至分紅比率還會提升，但由于它的盈利狀況并不穩定，隨著周期下行，買入這樣的股票還是會承擔不小的本金損失的風險。比如典型的周期行業代表性公司，在周期上行階段，股票漲幅明顯，如果在股票價格較高的位置買入，隨著周期下行，產品價格下跌，股票價格也會下跌不少，盡管在這一階段，公司的分紅收益率水平看起來還很有吸引力，但股票價格本身還是抵不住周期下行的問題。我們也看到金屬加工行業里的一些個股，雖然它依靠賺取加工費的商業模式，但是客觀來說它跟隨金屬價格也有比較強的周期性，在周期相對高點的時候買入，雖然分紅率也很有吸引力，但是其實從股票本身來說，本金損失的概率和風險也是挺大的。因此，對于“中特估”背景下的一些個股，我們要關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入導致的“價值陷阱”。
對于一些傳統行業的央國企，如果其盈利增長的速度g能有所提升，其估值自然也會有提升的表現。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能夠注入上市公司體內，注入的概率以及注入的價格，研究是否能夠提升股東回報。或者上市公司體內是否有一些差的資產能夠剝離，進而也能提升股東回報。當然還有一點也值得關注，就是傳統的央國企上市公司積極加大與市場的溝通，這對其估值提升或者市值回升也會帶來一定的幫助。
下面再談談對“人工智能”行情的一些思考。人工智能的起源可以說很早，但正式啟動應該是在1956年。兩位年輕的數學家約翰·麥卡錫和馬文·明斯基說服了著名的信息論創始人克勞德·香農和IBM第一臺商用計算機的設計者納撒尼爾·羅切斯特，一起在達特茅斯學院組織了一個暑期項目，項目目標如下：這項研究基于一個猜想，“學習”的各個方面或“智能”的任何特征在原則上都可以被精確描述出來，所以人們可以制造一臺機器來模擬“學習”或“智能”。人們試圖讓機器使用語言，形成抽象概念，解決現在人類面臨的各種問題，并讓機器自我改進。在達特茅斯會議后很多年的時間里，人工智能取得了一些進展，但都沒有產生當初承諾的重大影響。從2011年前后開始，深度學習技術開始在語音識別、基于機器視覺的物體識別和機器翻譯方面取得巨大進步。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。
從投資的機會來看，主要有這樣幾個層面或維度，一個就是所謂的算力層，從英偉達的芯片到中國光模塊相關的一些公司，相關股票的表現可見一斑。但客觀說從大模型現在訓練的角度，其實各家公司事實上在搞一些“軍備競賽”，所以算力層的落地一開始會比較明顯，我們也能看到相關的一些公司業績的巨大爆發，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。但提前透支的風險是客觀存在的，從股票投資的角度，對相關股票的周期性問題需要有冷靜的評估和清醒的認識，不能線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，但現在下不了這個判斷。
另外一個投資的關注點就是大語言模型本身及其發展。我們前段時間也去美國調研，一個整體的判斷結論就是大語言模型本身，最后它差異的空間不會很大，最重要的就是在訓練數據的一些獲取，數據質量是非常重要的。模型這一層面，在大模型的基礎上，我們相信以后各行各業會出來針對一些自身行業的相對較小的模型，如果在各自領域小模型做得好，可能也會有比較好的價值創造的一些機會。
對“人工智能”而言，最重要的投資機會我們認為還是在應用領域。像移動互聯網時代一樣，最大的投資機會其實就是在應用端，走出來了像騰訊、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，我們相信也一定會出現偉大的公司，其帶來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或者最終取得成功。對于應用而言，大致可以分為企業層面的應用(所謂的to B)，以及個人層面的應用(所謂的to C)。就目前的跟蹤研究來看，to B端的應用落地，商業模式的走通可能會更快一些，也大概率能夠先賺到錢。從海外相關應用的進展來看，也基本是這個判斷。
最后還有一個投資的層面是在模型和應用之間，可能也會有提供服務的一些支持公司走出來，比如像現在電動汽車的智能化領域，有一些提供軟件服務的支持公司也是能賺到錢的，這個方面也值得跟蹤研究。
客觀來說，人工智能的發展取得了突破性的進展，但是它的發展也不會是一蹴而就，對于股票投資而言，更應該關注相關領域的發展階段、行業格局以及相關公司的估值和股票位置等。如果盲目地沖著賽道買入一些股票，很可能這些股票已經超漲了或者已有一定的泡沫，這個風險也是需要去關注的。當然，人工智能的發展會不會不受控制，甚至威脅到人類自身的安全，對于道德層面和法律層面的一些問題等，也需要積極關注研究，對人工智能相關的投資也會產生深遠的影響。
風險提示
基金有風險，投資需謹慎。文章涉及的觀點和判斷僅代表我們對當前時點的看法，基于市場環境的不確定性和多變性，所涉觀點和判斷后續可能發生調整或變化。本文僅用于溝通交流之目的，不構成任何投資建議。