文章核心观点 - 公司在2025证券业高质量发展大会上荣获六项金牛奖，包括一项公司综合奖和五项产品单项奖 [2] - 奖项体现了权威媒体对公司产品在权益、固收、FOF等多个领域投资业绩的认可 [5] - 获奖产品横跨不同业务领域和投资期限，显示公司产品线覆盖广度与策略纵深得到进一步凸显 [5] 获奖情况总结 - 公司荣获“三年期金牛券商集合资产管理人”综合奖项 [2] - 旗下产品荣获三年期股票多头型金牛资管计划奖项 [2] - 旗下产品荣获一年期混合债券型（二级）金牛资管计划奖项 [2] - 旗下产品荣获三年期混合债券型（一级）金牛资管计划奖项 [2] - 旗下产品荣获五年期FOF型金牛资管计划奖项 [2] - 旗下产品荣获三年期积极混合型金牛资管计划奖项 [2] 奖项意义与公司实力 - 证券业金牛奖通过科学评价体系筛选业绩突出、管理规范的行业标杆 [5] - 奖项贯穿一年期至五年期等不同时间维度，显示公司金牛产品图谱更加完善丰富 [5] - 综合奖项的获得不仅是对公司投资能力的肯定，更是对公司综合实力的认可 [5] - 完善的产品图谱意味着公司能够为不同风险偏好、不同投资期限需求的客户提供更具层次的产品和服务 [5] 未来展望 - 公司将继续恪守能力圈，秉持匠人精神，坚持长期主义 [6] - 公司致力于在市场波动中保持定力，在投资研究中精益求精 [6] - 公司将以知行合一的方式应对不同市场环境的考验，努力为客户创造长期投资回报 [6]

价值投资与科技投资的对立印象 - 大众形成价值投资与科技投资对立的刻板印象，部分原因是知名价值投资大师的投资案例中科技标的占比很低[4] - 价值投资的核心原则是企业价值要可评估，而科技发展初期存在较多变量，使建立长期商业模式评估模型面临困境，导致价值投资者涉猎偏少[5] - 科技业务的理解存在较高门槛，例如半导体行业需要深厚的技术知识背景，这也限制了部分价值投资者的涉足[7] 价值投资的可评估标准 - 判断公司价值是否可评估需满足三个条件：长期需求下限可判断、生意的展业模式可判断、企业的护城河可评估[8] - 企业当期是否盈利并不重要，关键在于其商业模式是否确定，以及长期付费能力和盈利能力是否存在[9] - 对于需要持续高研发投入的业务，如芯片设计，只要未来能产生远超投入的收入，该业务就具备投资价值[11][12] 科技行业的研究门槛与投资逻辑 - 科技行业的研究难度天然大于传统行业，因为其产品离日常生活较远且产业链更复杂[15] - 科技投资的门槛源于对业务的深度理解，而非经验，例如评估手机SoC市场份额需研究行业竞争、客户采购策略及研发团队等多方面因素[13] - 价值投资者通过深度研究来评估科技企业的价值，例如判断一款芯片的长期市场份额和收入潜力[13] 晶圆代工行业的护城河与AI影响 - 晶圆代工是价值可评估的生意，其护城河体现在先进制程的规模经济和学习曲线效应，生产线投资规模可达百亿美金[16][17] - 最先进制程的晶圆代工是利基市场，全球需求仅能容纳一家优势企业，因其初始投资规模巨大且规模效应显著[17] - AI算力需求提升了晶圆代工护城河的价值，客户愿意为性能的小幅提升支付更高溢价，因为集群算力的价值量极大[18] 存储行业受AI驱动的变革 - AI的计算模式从顺序计算变为循环计算，导致计算次数与存储次数的比例发生巨大变化，显著提升对存储带宽和容量的需求[19] - AI需求暴增导致存储供需紧张，例如HBM生产占用通用DRAM产能，推动DDR价格大幅上涨并出现停止报价现象[20] - 存储行业的需求增速在AI时代超过算力增速，成为产业链中的瓶颈环节[20] 自主可控政策对国内半导体业的影响 - 在自主可控的产业政策背景下，国内晶圆代工和存储制造企业获得更多发展机会，包括产品采购和合作研发[21] - 自主可控政策改变了国内半导体企业的评估参数，例如未来市场份额和盈利能力预期，但并未改变其业务展业模式[23][24] - 国内半导体企业有望通过政策支持跨越初始的高门槛，未来在全球范围内形成竞争力并创造良好的股东回报[22] 摩尔定律放缓的确定性趋势 - 摩尔定律放缓是观察到的确定性现象，先进制程从14nm到2nm的演进速度明显减慢[25] - 从物理学原理看，晶体管尺寸缩小至10nm左右将面临量子隧穿效应，导致开关失效，因此尺寸无法无限减小[26] - 未来单芯片计算能力提升将依赖芯片面积增大或集群化使用，但均受物理限制，半导体制造可能进入慢迭代阶段[28][29] 研究的重要性判断原则 - 研究重要性的判断标准并非能否带来正收益，而是该问题是否对业务假设和公司评估不可或缺[30] - 重要事项的重要性应是显而易见的，例如AI对产业的影响、摩尔定律是否放缓等宏观问题[30]

资产配置框架的性质 - 资产配置并非单一模型，而是一套覆盖维度广泛的研究体系，工作量巨大 [1] - 主动配置被视为一项"体力活"，强调其需要多维度研究，而非否定其技术性和专业性 [1] 被动配置的局限性 - 被动配置旨在通过分散投资利用资产间的低相关性来降低波动，同时获得基础资产的平均收益率 [5] - 使用历史平均收益率作为预期收益率会导致配置模型追涨过去表现好的资产 [5] - 资产间的相关性不稳定，例如2008年金融危机后美股和美债的负相关性（跷跷板效应）减弱，导致分散效果打折 [6] - 被动配置效果高度依赖基础资产本身的表现，国内A股过去十年年化收益率仅2.2%，而最大回撤达-48%，过去二十年年化收益率为8.7%，最大回撤为-73% [13] - 国内中债财富指数过去十年年化收益率为4.1%，配置A股可能无法有效增厚收益反而放大波动，例如配置22%的A股（过去二十年表现）以期增厚1%收益，需承受约-16%的最大回撤 [14] 主动配置的可行性与挑战 - 从概率和长期视角看，择时配置是可行的，专业研究可将胜率提升至50%以上，长期在资产高估时低配、低估时超配是可行的 [18] - 宏观驱动逻辑会变化，没有一成不变的策略，例如美林时钟在2008年后因政府强力干预经济而失效，研究框架需持续调整 [21] - 主动配置需要多维度"下注"，寻找或构建15-20个良好的、互不相关的回报流以降低风险并维持预期收益 [22] - 在国内公募FOF实践中，通过在资产配置、风格、行业、基金选择等多个维度和层面建立相对独立的决策框架来提升效果，工作量巨大 [23] - 严格的风险预算是主动配置的重要组成部分，需根据资产波动性和相关性设定配置比例上限，以承受逻辑外因素带来的波动 [24][25] 核心结论 - 国内基础资产类别有限且A股呈现低收益、高波动特征，导致被动配置效果不理想，促使转向主动配置 [27] - 主动配置需应对宏观逻辑变化，通过多维度、多层次的独立决策框架和严格风险预算来提升效果和实现配置观点 [27]

投资教育理念 - 强调夯实投资基金基本功是做好投资和买对基金的重要起点 [2] - 通过1分钟学习一个知识点的方式降低投资起步门槛 [2] 债券分析指标 - 债券分析中常用收益率而非价格是因为收益率提供了统一标准具备可比性 [3] - 不同债券因票面利率期限付息频率不同导致价格不具备可比性例如价格102元的债券与另一只价格未知的债券无法直接比较 [3]

中国经济与资本市场韧性 - 中国制造业的坚实基础与资本市场韧性已构筑起应对变局的缓冲垫 [2] - 上证综指站上4000点关口，体现出制造业与服务业的坚实基础所带来的市场信心 [4] - 中国制造业的产能规模进一步巩固了在全球供应链中的话语权，成为应对各类外部挑战的关键支撑 [4] 企业发展策略 - 企业需通过加强并购重组、聚焦科技自立自强来提升竞争力 [2] - 上市公司应进一步加大并购重组力度，在当前行业分化加剧、产业集中度偏低的背景下，并购是企业实现规模化扩张和提升竞争力的重要途径 [6] - 单纯依赖内生性增长，企业往往难以在激烈的市场竞争中保持领先 [6] 未来产业投资方向 - “十五五”期间的首要亮点是加快科技自立自强，推动科技创新与产业创新深度融合，引领新质生产力发展 [8] - 新质生产力具体划分为四类：战略性新兴产业（如信息技术、生物技术、新能源等）、未来产业（如人工智能、量子技术等）、数字经济（涵盖算力、工业互联网等）以及传统产业的智能化转型 [8] - 人工智能有望引领第四次工业革命，其影响深远程度将远超以往的“互联网+”模式 [8] 民生与服务业发展机遇 - 民生领域是重点发展方向，未来五年政府在银发经济、创新药、养老产业等领域的投入将显著加大 [8] - 服务业（包括生产性服务业和消费性服务业）作为吸纳就业的重要领域，发展速度有望加快 [8] - 以“反内卷”为导向的供给侧调整将带来诸多产业投资机会，可重点关注“畅通循环”与“因业施策”等相关政策的落地效应 [8] 货币政策展望 - “十五五”期间货币政策仍存在降准和降息的空间 [8] - 货币政策更加注重结构导向与工具创新 [8]

文章核心观点 - 投资基金需要从夯实基本功开始 一分钟即可掌握一个知识点 使投资起步更轻松 [2] 基金投资基础概念 - 基金的风格漂移是指基金的实际操作背离了其合同约定的投资目标和策略 [3] - 风格漂移的类比是选择一家川菜馆 但菜单上大多是粤菜 虽然菜品味道可能不错 但违背了初始选择预期 [3]

电子行业公募基金持仓概况 - 2025年三季度公募基金对电子行业的持仓市值占比提升至25%以上，创过去十五年单一行业最高配置比例纪录[2] - 历史上公募基金对单一行业的持仓市值占比最大值通常落在20%附近，例如2010年第一季度的银行、2015年第一季度的计算机等[2] - 除2014年医药生物行业外，历史上单一行业持仓占比突破20%后，该行业后续均面临绝对收益率的调整压力[2] 当前电子行业高持仓的深度分析 - 从加仓时长看，历次核心资产加仓平均时长为十个季度，当前电子行业加仓时长及仓位略高于历史平均值[3] - 从配置系数看，历次核心资产加仓区间内配置系数高点分布在3.0倍附近，但2025年三季度电子行业配置系数分位数仅为1.9倍，表明仓位提升可能部分由股票市值被动提升造成，基金抱团并不极致[3] - 在市场风险改善阶段，加仓主线板块下季度具备超额收益的概率为86%，但若风险偏好下行且有新主线交替，重仓行业仓位位于20%附近则需警惕[3] 历史持仓高点的特征与比较 - 机构持仓的高点往往同步于市场变化，持仓创新高可能主要由行业自身涨幅贡献，而非主动加仓贡献[5] - 行业基本面顶点往往滞后于持仓和股价1-3个季度，机构持仓接近20%后可能在高位徘徊2-5个季度，不一定会立即减仓[5] - 历史上有主动对单一行业配置长期超过20%的情况，例如2006年下半年至2010年上半年对银行板块的配置，期间银行板块相较全A指数实现小幅超额收益[5] 持仓数据的市场意义 - 基于季报的行业持仓数据是观察市场关注度的窗口，可帮助建立水位感，了解市场拥挤程度，但不具备立竿见影的预判功能[6]

市场整数关口与情绪分析 - 上证指数触及4000点，这是A股历史上第三次站上该点位，前两次分别为2007年5月和2015年4月 [2] - 整数关口强化投资者的锚定效应，4000点因稀缺性受到更高关注 [2] - 中泰资管风险月报显示情绪指标波动显著大于估值和预期指标，10月情绪指标为22.24，而7月、8月、9月分别为41.41、59.44、70.03 [3] 行业分化与结构性行情 - 当前市场行情呈现分化，与前两次4000点时的普涨行情不同 [4] - 通信、电子、传媒等板块年内涨幅显著，而煤炭、食品饮料、银行等板块明显跑输指数 [4] - 沪深300指数年内涨幅约20%，其中第三季度上涨17.90%，但前20大成分股（多为科技股）贡献了11.24%的涨幅 [4] 投资策略与资产配置 - 市场整体估值经历不小上涨，虽不昂贵但波动可能放大，投资者赚钱难度提高 [6] - 建议引入配置思维，将资金分散到不同类别资产，利用其收益来源的不相干和负相关性来分散风险 [6] - 承认预测未来困难，需努力平滑投资组合波动，避免因情绪化操作影响投资 [7]

行业规模与重要性 - 房地产行业对中国经济发展至关重要，2023年中国房地产年销售额达到11.7万亿元，规模接近俄罗斯当年GDP，超过全球140个小国家的GDP总和 [3] - 行业背后关联上千万家庭住所及就业岗位 [3] 行业现状与近期动态 - 行业正经历从黄金时代到转型阵痛的历程，身处前所未有的大洗牌阶段 [3] - 尽管整体市场仍在筑底，但出现结构性变化，以今年9月为例，百强房企销售额环比增长22.1%，同比增长0.4%，实现年内首次同比转正 [3] 商业模式与核心议题 - 行业存在完整的产业链，涉及从拿地到交付的全过程 [3] - 房地产项目运作需要巨额资金，10亿元仅被视为行业"入场券" [3] - 企业曾普遍采用高周转模式（如"456军规"），但该模式目前已难以为继 [3] - 行业未来发展将更侧重于穿越周期能力，企业需要适应新的竞争维度 [3] 研究视角与价值 - 应以动态视角关注产业运行，理解行业商业逻辑有助于在底部区间识别投资机会 [4] - 深入分析地产产业链有助于把握行业从高周转到烂尾楼等问题的内在逻辑 [3]

核心观点 - 价值投资与科技领域投资并非对立，价值投资原则适用于所有能进行价值评估的领域，包括科技行业 [1] - 人工智能（AI）发展是当前科技变革的中心，其意义被类比为电的发现和利用，是百年一遇的时代红利 [1] - 部分科技领域如半导体行业，其商业模式稳定，价值评估有迹可循，是价值投资者能把握的机会 [4][9] 价值投资与科技股 - 价值投资者投资科技股较少的原因在于，能跨过科技研究门槛的投资者比例较低，且价值投资者在整体投资者中占比也不高 [1] - 价值投资的本质是基于价值评估原则，坚守买看得懂的股票、赚能力圈内的钱 [9] - 伯克希尔哈撒韦对苹果公司的投资被视为价值投资在科技领域的成功案例 [9] 半导体行业整体前景 - AI发展将使得未来很长一段时间内半导体行业的整体需求增速快于过去10年，当前仍处于科技变革初期 [4] - 无论贸易摩擦如何变化，半导体产业的国产替代长期方向不会改变 [4] - 摩尔定律的放缓甚至见顶，会使得中国半导体制造的相对劣势更容易被抹平 [9] 晶圆代工业务 - AI时代并未改变晶圆代工业务的展业模式，但由于AI对高性能计算要求的提升，其可持续性差异在扩大 [4] - 极高的最小经济规模、极高的客户试错成本以及生产经验积累的学习曲线，共同构成了晶圆代工厂的护城河 [5] - AI发展带来的云端训练算力、云端及端侧推理需求、机器人与智能汽车芯片需求，将为晶圆代工业务带来巨大增量 [5] - 在自主可控要求下，高试错成本变得可接受，国内企业获得了破门机会和追赶契机，政府通过政策和作为首批客户提供了支持 [5] 存储行业 - 存储的制造和设计是规模经济性极高的领域，在某些应用场景中客户的试错成本也极高 [5][6] - AI技术的发展改变了大模型处理问题的方式，导致计算和存储的配套比例关系发生巨变，存储需求呈现更快增长，其重要性显著提升 [6] - 存储行业的生意开展方式并未变化，自主可控为国内企业提供了追赶和超越的机会 [6] 模拟芯片 - 模拟芯片的展业模式与产品特征变化不大，其特点包括占下游成本较低、非理想工况较多、客户试错成本极高，一旦建立护城河将产生极高盈利能力 [8] - AI发展过程会带来更多模拟芯片增量，例如AI服务器功率更大需要更高价值的电源管理芯片，端侧产品、机器人、智能眼镜的发展也会增加需求 [8] - 供给端慢变的性质未变，而国产替代给了国内企业展业机会，此间会诞生价值投资能把握的机会 [8] 投资研究方法 - 研究应遵循重要性原则，即一个研究值不值得花精力取决于其重要性，而不取决于其难度 [9] - 长期确定性判断会诞生商业模式稳定、护城河宽阔的企业，其研究方法与传统产业并无差异 [9] - 价值投资以不变的理念应对万变的世界，从不拒绝进步和科技 [10]