作者:杨大杨

导读:不同于大部分从优秀行业研究员发展起来的基金经理,诺安基金的张堃从策略分析师开始投研生涯,这让他的投资框架与其他基金经理相比有两点区别:

1)具备比较强的自上而下视角,不会偏爱某几个行业,而是从经济发展的脉络出发,在能力圈内把握未来最有机会的产业方向,再自下而上精选个股;

2)比较看重影响估值的因素,而不是只看盈利增长。我们都知道,股价=估值X每股收益,大部分自下而上的基金经理专注对每股收益的判断,认为估值的波动来自市场情绪,是不确定的。而张堃认为,对估值的判断,与业绩同等重要。影响估值的因素错综复杂,不是看盈利增速那么简单,需要对企业的商业模式、行业属性、产业链地位、定价权都有深刻理解。

2015年下半年熊市入行做基金经理的张堃,构建了一套围绕估值体系定价的投资框架,并且经历两轮牛熊周期后,不断迭代进化。他并不是简单做自上而下的行业配置,而是把握时代变局带来的大机遇,大变革意味着“大池塘”,能养出一条条“鲸鱼”。

此次访谈中,张堃也分享了自己认为正处于爆发前夕的下一个“大池塘”:人工智能

张堃认为,从PC互联网到移动互联网到物联网,人工智能将成为下一个科技革命的引爆点,也必将从方方面面改变我们的生活。这里面,会诞生一批全新的超级巨头,如同这几年拼多多、今日头条在互联网巨头夹击下的横空出世。随着全球的人口老龄化,机器人取代人工劳动力,会成为一个普遍的现象。中国已经开始出现服务型机器人的雏形,并且在语言、图形识别等领域,出现了长足的进步。从技术层面讲,若要人工智能爆发,基础设施主要包括三个方面:海量数据、算力瓶颈的突破和算法的提高。

记得多年前我看过一篇长文,分析为什么全球的大科技公司都在做人工智能,因为人是线性思维的,无法看到非线性的未来。比如说曾经无法想象的无人驾驶汽车,已经在电动车上出现了,今天的电动车完全不是省油的逻辑,而是人工智能汽车!每一次的创新,其实都来自硬件端的创新(从PC互联网到移动互联网无一例外),人工智能或许让过去的“功能硬件”,变成未来的“智能硬件”。张堃或许看到了一个全新的未来,也让组合拥抱积极的变化。

Image

以下,让我们先分享张堃访谈的部分金句:

1. 我的投资框架迭代伴随着对估值认知的迭代

2. 每个人的投资体系很难量化,所以很难证明谁比谁更有优势,收益率也有运气的因素,需要长时间大概率的重复样本,才能说明投资水平比其他人更强

3. 我比较淡化行业选择,我的组合会侧重一些细分方向,不完全跟行业相关

4. 中国的AI发展不比美国差,甚至有些领域比美国更领先

5. 我的投资目标并不是寻找黑马,而是从投资本质判断赢面有多大,不断积小胜为大胜,基于能力向外扩展,这种方式是可复制、可延续的

6. 回头看,光牛市赚钱不能证明是一个好的投资体系,一定要经历牛熊两类市场行情的检验,综合来看,才能证明投资体系是否靠谱

对估值的认知,在投资中非常重要

朱昂:你从15年开始做基金经理,能否谈谈这些年投资框架的迭代?

 张堃  我刚做基金经理那几年,的确经历了很多摸索和迭代,我认为投资体系最关键的部分是,如何给公司估值,也就是对赢面概率的判断,如果能准确判断出某个公司估值偏低,赢面就高,我的投资框架迭代伴随着自己对估值认知的迭代。

最开始的时候,我比较机械看待业绩增长和估值的关系,用类似PEG的方法,增速快的高估值,增速慢的低估值,后来发现这个方法过于机械。不同的行业属性、不同的产业阶段、公司在产业链地位的差异、上下游的话语权等等,都是影响估值高低的因素。

我现在对估值理解更深刻,估值不光由业绩影响,还有很多其他因素影响。我现在对估值的判断拉的焦距更长。拉长看,贵的未必真贵,可能未来潜力大空间大;便宜的也未必真便宜,比如行业已经饱和,到了下滑边缘。看得长远对估值判断更准确,这是我这几年比较大的感悟。

朱昂:你如何给不同公司做估值?

 张堃  估值的影响因素非常复杂,我只能举例讲一小部分。一个是看产业发展阶段,这是最重要的一点,比如我看好人工智能,它渗透率低的时候可以对应给高估值,再比如国产芯片,国产化率很低,依赖进口,因此国产替代空间很大,芯片还处在发展初期,应该给高估值。新能源车,渗透率10%左右,未来空间依然巨大,整条产业链估值都很高。对应的,地产、家电,已经发展到成熟阶段,很难再有太大成长空间,甚至可能会下滑,估值给了个位数。

再比如看是否需要不断投资。比如周期行业,不断要扩产能,加大再投资比例,消耗现金流,摊薄股东收益;高端白酒这种公司,不需要再投资,有稳定的现金流,这种商业模式就能拿到高估值,很多消费行业公司也是类似的。

朱昂:你怎么看估值对个股阿尔法的影响?

 张堃  EPS对估值的影响是短期的,但行业发展前景、公司在产业链中的地位,是决定市场更长期估值的因素。举个例子,去年调味品龙头,增速并不快,也就不到20%,但市场给了100倍的估值,如果一定要解释,应该是由于它的渠道话语权,以及行业的稳定性,所以市场对它的长期增长有信心。而新兴产业,像人工智能,长期空间大,也许当期亏损,但公司占据产业链核心地位,长远看市场也会给高估值。

朱昂:你认为自己有定价优势吗?

 张堃  讲定价优势需要量化估值体系,但是做投资的时候,每个人的参数都很难量化,很难定这个体系。比如行业增速可能和国家产业政策相关,贴现率很难判断,你可能知道终局在哪,但无法把握节奏,更不要说精确估值,所以很难证明谁比谁更有定价优势。只能通过收益率反推,但这里面还有运气的因素,可能市场风格正好在这,所以需要长时间大概率的重复样本,才能说明自己比别人更有定价优势。

产业方向决定选股和仓位管理

朱昂:具体到行业和个股层面怎么选?

 张堃  我比较淡化行业选择,我的组合会侧重一些细分方向,不完全跟行业相关。在方向选择上,我会考虑产业政策、发展空间、行业格局、确定性、估值水平、商业模式等要素。从估值的角度看,有些表面看比较传统的产品,其实细分行业也存在比较大的潜在空间,但总体来说,我对新兴产业、爆发性强的东西兴趣更大一些,不局限在某行业。

个股层面,我看重上市公司长期发展,市值大小、行业属性都是次要的。我会先设置一些硬指标,比如拆解杜邦公式后,同行业对比ROE的影响因素,如果ROE高于同行,就要去理解背后的原因,到底是毛利率比别人高,还是周转能力比别人高,还是费用率比别人低,或者是其他的因素。找到这个因素以后,再去有针对性地进行调研,看它的优势是否能长期保持,如果能,这个公司在同行业内具有一定的相对优势,在长期来看,就会拉大这个公司与其他同行业公司的差距,表现在市场上,它的涨幅也会比其他同行业的公司更大。

通过这样把研究范围缩小到几百家公司,再通过对上市公司、产业链的案头分析、对比、调研、专家访谈、听取研究员分析等路径进一步筛选。个股研究通常在晚上信息披露之后再进行对比分析,完成筛选后再进行日常跟踪,这是动态的过程。

朱昂:能否分享几个有代表性的投资案例?

 张堃  我可以分享下我的组合里面贡献比较大的票。过去一两年,我一直在寻找人工智能的投资机会,我觉得人工智能会引发很多行业效率的提升、社会的变革。

我当时找了一家做扫地机的公司,它现在做的是扫地机,未来会朝着服务机器人方向发展,我认为它的空间是非常大的,现在暂时还看不到它的边界。在公司招股书里,对未来业务模式有全面介绍,这家公司和我看好的方向逻辑相当契合,所以当时就买了,给组合贡献了比较高的收益。

另一家做精密齿轮的公司,它是全球重要供应商,受益于新能源车的兴起,同时,它还在开拓机器人关节,叫做减速机的业务,这块业务未来应用场景非常广阔。当时我通过对它同行的对比,认为它具有相对优势,所以也是一直坚定持有。过去一年,这两个算是比较成功的投资案例。

朱昂:你怎么做组合管理?

 张堃  我现在主要做一些未来看好的方向,比如AI、万物互联、新材料等。我不会对行业具体规划,规定哪些行业一定要占多大比例,像聚光灯一样,我只是在这几个大方向上,自下而上挑选公司。

人工智能或是即将爆发的下一个风口

朱昂:为何特别看好人工智能这个大方向?

 张堃  人工智能讲了很多年,一直没有爆发,它的爆发需要三个要素:

1)数据,人工智能需要训练,训练需要大量数据做支撑。现在最大的数据来源是互联网app,微信、微博、头条等,使用者会上传大量数据,但光有这些数据还不够,不够全面,比如你喜欢吃什么,心跳,个人健康状况等,还没有上网。

我们现在看到的AI,很简单,人脸识别,语音识别,大量成熟数据,进行训练后已经可用。未来,通过物联网发展,个人数据、生产数据、工厂数据、流程数据,都可以上网。丰富了数据来源,AI才能真正起来,渗透到各行各业。比如有一些上市公司已经在做平台的事情,各行各业可以通过它的平台做定制化开发,具体应用就是每个行业把各自数据上网,平台再反哺提升各行业效率。所以,数据是首要一点,现在已经处在快速累积阶段。

2)算力,之前的算力远远不够,我们以前自己做AI就知道,数据量一大,显存就不够,英伟达为代表的公司不断推出高端芯片,通过矩阵运算,算力这一块瓶颈会逐渐被解决,数据训练变得可行。

3)算法,涉及到AI学习程度,之前算法对于语音和图像识别能力能做到80%,一直到深度学习算法出来后,才提升到90%,甚至超过人类的识别程度。现在算法只能应用于专业性,比如下棋、识别图像等类似任务,没办法像人类智能,即可以通用性学习,相互迁移。未来,这是有可能实现的,算法的进步也是人工智能的关键。

这三点共同进步的时候,就是往前突破的时候,一旦到来,短期就会发生巨变,类似十几年前的互联网,十年前的手机,一旦触及快速渗透临界点,就会爆发。它给社会带来的变化,我们如果自下而上理解,员工工作如果能被AI替代,就不需要这么多岗位,这种情况各个行业都可能存在,很多公司人工数量大大缩减。

朱昂:你怎么看中美在AI发展之间的差异?

 张堃  中国的AI发展不比美国差,甚至有些领域比美国更领先。在芯片算力上,主要是英伟达等美国公司,但在数据上,中国领先很多,数据量、数据质量,都比美国好。算法大部分是公开的,主要算法就那几篇论文,应用层面算法为主,把公开算法模板化,迭代组合更新。国内算法工程师人数超过美国,互联网大厂和华为培养了很多人。

朱昂:你认为AI未来应用场景和投资机会在哪?

 张堃  AI的应用场景分消费和工业。工业的应用场景就是对劳动者的替代,这个应用场景是非标准化的。消费的最大应用场景应该是私人秘书,你的健康、饮食、其他事情都可以直接和AI交流,它能解决你遇到的大部分问题。

未来谁能胜出还有不确定性,可能出现新的巨头,现在有些公司在做平台,整合各行业资源,向各行业开放,平台数据共享,如果平台发展顺利,可能成为AI发展的中心,还有些公司积累了很多用户数据,如果横向扩展,可以针对用户推家用机器人。我们很难想象十几年后会出现什么庞然大物。

好的投资逻辑要同时经历过牛熊检验

朱昂:今年你的业绩很好,你的组合中有不少黑马,能谈谈背后原因吗?

 张堃  过去大家偏好大市值蓝筹,对中小市值重视不够,我倾向挑选出低估值、高成长的标的,利于配置。所以我的投资目标并不是寻找黑马,而是从投资本质判断赢面有多大,不断积小胜为大胜,基于能力向外扩展,这种方式是可复制、可延续的。至于今年跑的不错,有运气的成分,但是我们不能依赖运气,稳健些更好。

从市场来看,每年都有大的轮动。基金经理能力圈有限,很难兼顾那么多行业,不太可能每一次轮动都能把握得了。从我自己的角度,我只在能力圈范围内看未来可能爆发的两三个方向,持续深入研究。

朱昂:你是在大熊市入市的,这种经历对你有什么影响?

 张堃  我经历过两次大熊市,15年和18年,熊市对能力提升帮助很大。就像很多人一起坐在电梯上,有人在俯卧撑,有人在跳,都上去了,所以有人以为上升是靠俯卧撑,有人以为是靠跳,但其实是因为电梯上去了。牛市就像电梯向上,熊市像电梯向下。回头看,光牛市赚钱不能证明是一个好的投资体系,一定要经历牛熊两类市场行情的检验,综合来看,才能证明投资体系是否靠谱,熊市能更深刻认识到自己的能力。

朱昂:如果没做基金经理,你会做什么?

 张堃  我本科学的物理,大学时我就很喜欢相对论、量子力学一类的理论,我可能会在大学做学术研究。

风险提示:市场有风险,投资需谨慎。投资者投资于本公司管理的基金时,应认真阅读《基金合同》、《托管协议》、《招募说明书》、《风险说明书》、基金产品资料概要等文件及相关公告,如实填写或更新个人信息并核对自身的风险承受能力,选择与自己风险识别能力和风险承受能力相匹配的基金产品。投资者需要了解基金投资存在可能导致本金亏损的情形。基金管理人承诺以诚实信用、勤勉尽责的原则管理和运用基金资产,但不保证基金一定盈利,也不保证最低收益。基金管理人管理的其他基金的业绩不代表对本基金业绩表现。基金的过往业绩及其净值高低并不预示其未来业绩表现。基金管理人提醒投资者基金投资的“买者自负”原则,在做出投资决策后,基金运营状况与基金净值变化引致的投资风险,由投资者自行负担。我国基金运作时间较短,不能反映股市发展的所有阶段。

- end -

按姓名首字母排序





追加内容

本文作者可以追加内容哦 !