纪要涉及的行业和公司 - **行业**：智能驾驶、汽车、机器人 - **公司**：夏丰、宋奇、塞斯、林响、比亚丁、小米、地平线、德赛尔、黑芝麻、波斯力、华阳、红的、吉利、知己、小鹏、理想、长安、比亚迪、长城、春思、魏小丽、上汽、广汽、德赛西威、华阳博特利、宝龙、特普、新全、服药、长虹 纪要提到的核心观点和论据 行业趋势 - **智能驾驶渗透率快速提升**：自驾L3渗透率将在接下来三年从10%快速渗透到50%再到80%；电动化渗透率从50%突破到80%预计在未来两到三年实现；2024 - 2028年L3级别测验渗透率将从4%提升至基本完全智能化；2024年线控振动渗透率达40%，2027 - 2028年达70% - 80%，EMB 2026年有一定出货，线控转向2026年为放量元年[3][35][36] - **新兴产业进入成长期**：长达十年以上的新兴产业导入期即将结束，进入真正意义上的成长期[3] - **行业格局变化**：整车未来将分为三类公司，支架能力强的公司可分享Low Taxi蛋糕及衍生业务，部分公司聚焦代工制造和销售；行业淘汰赛进入实质阶段，2025年可能出现更多强强联合，前六家车企市场占有率将超80%[30] DeepSeek对行业的影响 - **研发端**：算力需求下降，加速VRM模型、强化学习、DeepSeek的MOE架构等在车企尤其是自驾领域的应用；数据优质指标重要性上升[2] - **体验端**：座舱体验上升，驾驶域体验流畅度上升，百公里接管次数快速下降；预计今年上半年车企在研发层面基于DeepSeek思路修正模型，年中云端改进，年底端侧上车[2][7][16] - **行业启发**：为车企和行业提供启发，短期内不会产生格局巨变，是强者恒强的游戏；需优质模型底座和大量优质数据；强化学习可通过算法优化实现交替成本和较强逻辑测验能力；征流是有效保存模型能力的方法，大模型征流后效果强于小模型强化学习[5][6][8] 投资观点 - **投资需关注基本面兑现**：过去两年智能驾驶投资信心不足，因市场审美疲劳；预计2028 - 2030年Lobotaxi可能落地成功；2025年国内电车L3渗透率预计达25%，电车渗透率年外超60%，同比增速35%，未来两三年电车中80%可能标配接近L3的功能[20][21][22] - **行情预测**：类似2019 - 2020年电动化行情，本轮内核是智能化，明年可能是智能化叠加整车板块估值行情；2025年整车PS估值可能重回两倍中枢，若配合机器人发展，有回到5倍的可能性；宁不见板块PE估值2025年有重回30 - 40倍中枢的可能[23][24][25] - **投资节奏**：市场反应更快、更左侧，事件先行，数据兑现相对较晚但一定会跟上[28] 标的推荐 - **整车**：选股需考虑智能化属性、销量、技术判断能力、人才密度、组织思索和交错能力；小鹏、理想、小米明年机会较大，小鹏权重可能最高；华为合作伙伴有一定折价但可给到两倍PS，其他靠自身实力的公司PS可能在一倍左右；比亚迪有较强确定性，业绩和估值共振可观[31][32][34] - **零部件**：赛道排序为芯片＞预控＞接网雷达＞线控底盘；推荐地平线、黑芝麻、德赛西威、华阳、博特利、宝龙等标的；智能化将带动行业估值回升，头部公司净利润同比增速超30%，行业合理估值水位稳定在30倍PE以上，2027年板块有近一倍上涨空间[37][39][40] 其他重要但可能被忽略的内容 - **支架体验**：1月份对一、二级队车企支架系统能力和情况进行综合比较，目前各队在处理困难场景时接管率较高，预计年底小鹏和林响百公里接管次数可能下降到一次；日常上下班半小时一级队接管一次左右，故意出难题跑一个半小时接管情况也有提及[19] - **特斯拉估值**：不考虑机器人，Lobo taxi是特斯拉创新高的重要组成部分，未来5 - 10年特斯拉可能将Lobo taxi业务转化为实际收益，若全球出行30%为Lobo taxi，特斯拉市值有望达五六万亿美金[27] - **公司业务情况**：地平线2025年有新的产品周期，芯片将大批量上车比亚迪、理想、奇瑞等车企，2025 - 2026年收入年化增速维持在50%以上；黑芝麻有不错客户基础，2025年收入可能翻倍；德赛西威是国内芯片量产工程化落地最好的企业，占据行业高阶支架行业预控市占率30%；华阳布局智能驾驶业务；博特利先锋制动业务受益于电动化和智能化；宝龙是比亚迪三部摄像头核心供应商，空旋市占率25%且将提升，2025年业绩将快速修复[41][42][43][44][45][46]

纪要涉及的行业或者公司 行业：全球石油行业 公司：未提及 纪要提到的核心观点和论据 - **全球石油需求增长**：1月全球石油需求同比增长150万桶/日，达到1.015亿桶/日，超出月度预测20万桶/日；美国冬季寒冷和亚洲旅游活跃有望推动2月需求继续上升 [2][4] - **地区需求情况** - **美国**：取暖油需求上升，四周平均馏分油需求达到2022年3月以来最高水平 [4] - **亚洲**：中国新年假期17天旅行量同比增长8%，超过官方预测；印度1 - 2月宗教朝圣预计吸引4.5亿信徒，推动旅行需求延续至2月 [4] - **全球石油库存情况** - **整体库存**：1月最后一周全球可观测石油库存增加700万桶，主要因原油库存增加2000万桶，部分被石油产品库存减少1300万桶抵消；1月全球可观测石油库存减少7800万桶，其中原油库存减少5800万桶，石油产品库存减少2000万桶 [4] - **OECD商业库存**：1月最后一周OECD商业石油库存净减少500万桶，主要因石油产品库存减少1600万桶，原油库存增加1100万桶抵消部分降幅；1月OECD商业石油库存净减少2400万桶，其中石油产品库存减少3100万桶，原油库存增加700万桶 [4] 其他重要但是可能被忽略的内容 - **部分地区石油消费统计**：日本、韩国、西班牙、英国、美国、葡萄牙、意大利等经济体公布了近期石油消费统计数据 [21] - **方法论**：介绍全球需求跟踪器和美国汽油需求跟踪器的计算方法及数据来源 [83][84] - **披露信息**：包括投资建议历史查询方式、分析师薪酬、公司特定披露、其他披露（如制裁证券、加密资产、ETF等相关）、法律实体及国家/地区特定披露等内容 [86][87][88]

纪要涉及的行业和公司 - **行业**：金融（银行、券商）、科技（AI、消费电子）、医药、光伏、锂电池、新能源汽车、券商 - **公司**：高盛、德意志银行、征信、和泰军、银河、南烟山商、郭台铭、海通 纪要提到的核心观点和论据 市场表现 - **整体市场**：今日市场早盘上攻3300点后围绕其博弈，收盘沪指涨超1%站稳3300点，创业板指、北证50等小指数表现更强势；早盘市场强势，午盘后有显著盘中回落，接近翻绿，下午两点半左右触底回升尾盘拉升；市场热度和领涨领域扩散，从高端制造和科技股扩散到钢铁、地产产业链、金融等板块；本周除中证红利外，其他关键指数表现强势，科创50、国证2000、创业板指和中证1000、中证500涨幅超4%，符合近十年春节行情数据规律 [1][2][3][18] - **板块表现** - **金融板块**：券商表现强势，银行股下跌；银行股阶段性走弱在预期内，因其适合配置高股息，风格在春节后行情中不占优，但整体仍相对稳健 [3][4] - **科技板块**：以Deepfake为代表的AR方向、消费电子、传媒领域表现不错，AI仍是市场核心有弹性的投资方向，很多持续上涨或涨停连板个股来自AI领域；国内AI大模型领域进展显著，DeepSeek可比肩领先模型，吸引国产芯片和国际AMD适配，云服务平台和国际云厂商积极上线其模型 [5][12][13] - **医药板块**：DRG DRT概念股领涨，其背后是医保支付改革和医疗信息化建设机遇；部分创新药龙头公司积极推动AI与传统医药研究结合，AI可提升医药研发效率 [7][8][9] - **光伏行业**：核心矛盾与锂电池相似，因无序供给扩张致供需失衡，但需求层面无需过度担心；行业政策部署规避内卷恶性竞争，光伏板块自去年底时有高光表现 [15][16] 市场分析与展望 - **国际机构唱多A股**：高盛、德意志银行等国际机构看好A股未来发展；高盛认为A股或沪深300有百分之十几或二十的上涨空间，科技股有望迎来机遇期，中国科技股估值与美国科技巨头有望收敛；德意志银行认为DeepSeek是中国科技领域的斯普特尼克时刻，代表科技突破转折点 [6][21][23] - **基本面改善**：从2000多家上市公司财报预告或快报抽样研究看，整体基本面改善概率较高，三季度市场净利润拐点可能到来，长期来看去年2月以来是本轮上升周期起点，基本面是市场根本性影响因素 [25][26] - **技术面分析**：从短线看，市场1月13日见底上行，本周二尾盘形成短线下跌背驰后拉升，形成连续三个短线中枢，需关注走势级别提升和高位压力化解；60日均线在3325点附近是短期多空力量博弈重要参考，底部50日均线支撑也很重要；背驰行情出现后有三种演变趋势，分别是最后一个下跌中枢级别扩展、更大级别的盘整、形成该级别以上的反趋势 [27][28][29][31][32][33] 券商行业情况 - **新开户数据**：上交所披露1月新开户数据同比环比回落，去年1、12月新开户约两百多万户，今年1月177.37万户，但受春节影响大，工作日仅19天；剔除影响后投资者情绪尚可，A股新开户数达157万户，基金新开户数约20万户 [35][36] - **业绩表现**：券商受金融市场和股市影响大，近期市场成交额维持万亿以上，全市场换手率达1.5%，市场活跃对券商业绩影响大；多家券商披露2024年业绩预报或快报，如征信、和泰军、银河等盈利规模超百亿，行业盈利能力在A股有竞争力，一季度业绩有望延续较好状态 [37][38] 其他重要但是可能被忽略的内容 - **AI眼镜**：媒体和科技博主透露重要厂商可能在AI眼镜产品上进行较多布局，虽目前使用体验不佳，但随着材料和技术进步，有望带来完善技术路线，如同智能手表给生活带来显著影响 [10][11] - **高速铜缆连接**：虽市场可能担心推理或模型训练效率提升减少GPU或AI芯片需求，但随着行业部署，对算力芯片需求增加，有望打消担忧，高速铜缆连接有望延续景气周期 [40]

纪要涉及的行业和公司 - **行业**：自动驾驶行业 - **公司**：D 公司、吉利、商汤、小鹏、理想、大疆、Vivo、华为、高通、广州某 taxi 公司 纪要提到的核心观点和论据 Deep 模型对智能驾驶的影响 - **提升体验和降低成本**：Deep 模型可提升自动驾驶系统整体表现，提高车辆感知、决策和执行能力；还能显著降低云端和端侧计算成本，如将原本 200 TOPS 的芯片算力需求降至 150 TOPS [2]。 - **多环节赋能**：在自动驾驶多个模块都能发挥作用，包括上游算法、硬件、芯片、推理工程、角色规划、感知定位以及测试仿真数据等环节，不同技术路线都可通过其优化提升性能 [4]。 - **优化数据标注**：可利用 GPT 等技术进行自动标注，提高效率并减少错误，还能通过强化学习机制提升系统性能 [4]。 D 公司 Deep Think 成果应用及影响 - **车机任务应用**：2024 年 1 月发布 Deep Think 成果并应用于车机任务，结合地图导航与语义信息输出高级导航指令，辅助城市智能驾驶，提升导航指令精准性和效率，还计划扩展至障碍物检测、行人识别等领域 [3][5]。 - **宏观影响**：一是降低成本，通过优化计算资源，使云端和终端设备以更低成本、更高效能运行；二是实现技术平权，让自驾能力较弱的厂商也能参与先进智能驾驶技术发展，如吉利已开始使用该技术 [3][6]。 模型实际应用操作和效果 - **场景理解与算力节省**：通过让模型理解特殊和标准场景，提高数据集分类效能；大规模语言模型可在 PC 上运行，小型模型部署在芯片上能节省算力，如以往 200 - 300 TOPS 算力任务，现用不到 100 TOPS 芯片也可完成 [7]。 - **优化智能座舱与提升迭代效率**：将 DBC 放置在车机系统中优化智能座舱，使语音识别、任务识别等功能更便捷；通过多监督模型训练，提升自动驾驶端到端路线迭代效率 [7][8]。 - **图片标注与准确率**：抽样 2D 图片输入 DBC 进行标注，优化离线使用效果，在特定领域内，系统对图像和特殊场景分类准确率超 90%，优于开源版 GPT，且可在车载芯片上运行 [3][11][12]。 语言大模型在自动驾驶中的应用 - **多模态应用**：原始语言大模型无法直接用于自动驾驶场景，在芯片上部署简化后模型，通过蒸馏技术减少参数量，主要用于语义输出，参考 DeepMind 训练方法重新训练自有模型并迭代 [13]。 - **实际应用场景**：目前只能输出语义级别的导航指令，与端到端系统整合为自动驾驶提供辅助，用于提供高层次命令，如场景描述和路线规划 [14][15]。 - **与端到端算法结合**：谷歌的艾玛（Emma）模型实现端到端视觉驱动，通过高级命令语言输出导航指令，已被 Vivo 等公司应用于自动驾驶出租车并取得较好效果 [16]。 不同厂商对 DBC 的应用差异 各厂商应用目标不同，有的希望提高感知效率，有的希望优化决策规划；D 公司计划用 DPSK 结合自有端到端模型，在城市 NOA 场景中提升 NPI 性能及安全性 [3][17]。 国内自动驾驶厂商技术路线和架构选择差异 大疆采用端到端整体技术方案；一些团队基于 DPCK 优化，解决模型过重、感知效果不佳问题；一些厂商采用小模块加决策基于排名方法；理想将感知与规划整合至端到端模型中再强化学习训练 [20]。 自动驾驶技术应用效果及发展方向 - **应用效果**：目前尚无全面展示实际应用效果的明确数据，仿真结果与实际车辆测试存在显著差距，新技术路线离量产还有很大距离，从训练到量产至少需两个季度 [21][23]。 - **发展方向**：取决于各厂商技术路线和架构选择，一些团队优化现有模块，一些团队整合上下游模块实现端到端解决方案，同时需进行大规模硬件产品测试及路测 [24]。 其他技术相关情况 - **大语言模型在云端架构作用**：可在数据工程方面发挥重要作用，如数据分类、清洗和标签化处理，优化与数据平台 API 交互，但在云端仿真方面无法显著赋能 [26]。 - **自动标注技术发展现状**：基于 DBCC 等模型的自动标注技术已实现约 50%自动化率，通用场景下准确率达 95%以上，未来有望进一步提高自动化率降低人工标注成本 [3][27]。 - **FP8 和流水线并行训练应用前景**：对支架领域赋能有限，现阶段不具备明显优势 [28]。 - **强化学习在支架领域应用前景**：具有潜力，但具体应用需进一步探索 [29]。 - **奖励模型设计**：在自动驾驶系统中至关重要，尤其是端到端模型，当前多采用开环模式，理想为闭环模式，开环系统奖励函数可基于舒适性、安全性等指标设计，端到端系统各公司做法不同 [31]。 - **大规模视觉语言模型车载应用挑战**：面临时延控制和计算资源限制，需大幅度压缩和优化以满足实时性要求，确保输入到输出时间不超 250 - 300 毫秒 [3][32]。 - **DS 技术数据标注优势**：未带来本质业务创新，但在算法效率和准确率方面表现更优，优化特定场景整体效果 [33]。 不同车型自动驾驶技术情况 - **中低端车型**：可采用简化版小模型进行决策规划，虽可能影响 MPI，但能解决特定小问题，市场前景较好，新技术接受度高，有望率先受益 [41][46]。 - **高端车型**：采用高 TOPS 算力芯片和先进大规模架构，如 VRM，以实现最佳城市 OA 效果 [42]。 - **算力需求差异**：城市 OA 应用至少需 300 TOPS，强化学习优化可减少约 30%算力消耗，低端车型现有算力足够，高规格车型需更高性能芯片，产品化需综合考虑效果和成本 [45]。 自动驾驶技术发展预期 - **端到端自动驾驶**：纯一段式端到端版本可能要到 2025 年第三季度才能突破现有技术并上车，当前黑盒子模型可靠性未达理想水平 [43][45]。 - **L4 级别自动驾驶**：发展仍需时间，目前处于停滞状态，预计至少到 2025 年第三季度才有明显进展 [48]。 其他重要但是可能被忽略的内容 - **各车厂技术进度差异原因**：源自各自研发策略和目标不同，不同公司处于不同技术发展阶段，优先解决的问题不同 [18]。 - **仿真和实车测试一致性**：大疆仿真能力与真实世界一致性约在 60% - 70%，仿真结果与实际车辆测试可能有 20% - 40%误差，评估受多种因素影响 [25]。 - **量产项目感知模块优化**：当前以两段式结构为主，逐步向全端到端方向发展，今年预期低算力消耗实现更好效果，云端训练后可通过 OTA 部署或拷贝集成包至车载设备 [34]。 - **车载嵌入式开发工程优化**：大疆在工程优化方面能力较强，与华为等头部厂商相当，能让芯片发挥更高性价比，提升整体性能确保产品竞争力 [35]。 - **嵌入式工程化能力对 DPC 模型应用**：是 DPC 模型应用基础，强大工程化能力对提升应用效果至关重要，传统车厂工程化效果不佳会影响整体 MPI 和安全性 [38]。 - **DPC 模型应用情况**：用于离线端感知模块等非关键任务对工程化要求不高，用于车机系统或自动驾驶功能需高度优化，用于研发工具对算力要求相对较低 [39]。 - **Deep C 方法训练 VOM 模型**：可显著减少训练数据量，降低算力需求约 20 - 30% [40]。 - **自动驾驶领域竞争格局**：过去大公司靠堆叠算力和云计算资源占优势，新技术发展使小团队也能参与竞争，通过优化底层操作系统等方式实现成本控制和性能提升 [47]。

行业与公司 - 行业：美国劳动力市场 - 公司：未提及具体公司，主要关注美国整体就业数据 核心观点与论据 1. **12月就业数据强劲**：12月非农就业人数增加256k，失业率下降0.15个百分点至4.1% [1][2] 2. **服务业推动增长**：零售、运输和商业服务等行业表现强劲，尤其是零售业增加43k，较上月有72k的反弹 [3] 3. **制造业疲软**：制造业就业人数减少13k，2024年全年减少87k，尤其是耐用品行业减少16k [4] 4. **工资增长**：第四季度工资增长5.9%年化率，为自2023年第三季度以来的最大季度增幅 [5] 5. **劳动力市场供需变化**：劳动力需求上升，就业人口比例从59.82%上升至59.95%，劳动力供给也有所增加，但增幅小于需求 [7][10] 其他重要内容 1. **政府就业数据**：州和地方政府就业人数增加11k，总政府就业人数增加33k [4] 2. **工作时间与收入**：平均小时工资环比增长0.3%，工作时间保持不变，第四季度总工作时间增长1.4%年化率 [5] 3. **失业率修订**：失业率的年度季节性因素修订影响较小 [10] 4. **劳动力参与率**：整体劳动力参与率从62.46%上升至62.51%，但25-54岁主要劳动年龄群体的参与率从83.50%下降至83.43% [10] 数据与图表 - **图表1**：私人非农就业人数月度变化，显示12月增加223k [11] - **图表2**：失业率下降至4.1%，就业人口比例略有上升 [12] - **图表3**：就业报告总结，详细列出各行业就业变化 [12] 总结 12月美国劳动力市场表现强劲，尤其是服务业推动就业增长，但制造业持续疲软。工资增长和劳动力需求上升为消费提供了支持，失业率下降至4.1%。尽管劳动力供给有所增加，但需求增长更为显著，劳动力市场整体表现良好 [1][2][3][4][5][7][10]

行业与公司 - 行业：全球股票衍生品策略 - 公司：UBS（瑞银） 核心观点与论据 1. **2025年波动性展望**： - 2025年波动性预计将保持高位，且波动性本身也会波动[1][15] - 经济增长放缓、通胀下降、政策利率下调以及失业率上升将推动波动性上升[7] - 关税升级风险增加了不确定性，尤其是对欧洲股市和银行板块的影响较大[7] 2. **波动性驱动因素**： - 宏观经济不确定性是波动性的主要驱动因素，尤其是关税政策的影响[36] - 低相关性和高收益分散性抑制了波动性，但随着经济增长放缓和政策不确定性增加，波动性可能上升[15][16] 3. **投资策略**： - 建议通过卖出SPX看跌期权并买入VIX看涨期权来对冲风险[7][66] - 在QIS（量化投资策略）中，买入股票波动性并卖出利率波动性表现良好[61] - 避免或战术性使用跨资产类别的波动性“套利”策略[66] 4. **关税影响**： - 关税升级可能导致经济增长放缓和通胀上升，尤其是对美国市场的影响较大[67] - 欧洲银行板块对关税升级的敏感性较高，可能导致市场下跌5-10%[71] 5. **量化模型与工具**： - 使用REVS（经济体制、收益、估值、情绪）框架来评估波动性和投资机会[12][22] - 早期预警信号（EWS）显示短期内市场下跌的风险较高[51] 6. **市场情绪与波动性**： - 市场情绪工具（如EWS、UBS拥挤度评分、CTA信号）有助于评估短期波动性风险[134] - CTA（商品交易顾问）信号显示，CTA在当前市场中的投资比例较高，可能在未来市场下跌时加剧波动性[165] 7. **乐观情景：全球“金发姑娘”情景**： - 如果通胀继续趋近目标且经济增长保持稳健，市场可能进入“金发姑娘”情景，波动性保持在较低水平[24] - 欧洲股市可能表现优于美国股市，周期性板块可能优于防御性板块[24] 其他重要内容 1. **波动性预测模型**： - 使用MACRO Cookbook模型预测波动性，历史数据显示，经济增长放缓和利率下调通常伴随着更高的波动性[25] - 预计2025年S&P 500的波动性将平均在20%左右，波动性范围可能在15%到30%之间[96] 2. **收益分散性**： - 2024年TECH+股票与S&P 500其他股票的收益增长差距为24.5%，预计2025年将缩小至10.4%[108] - 收益分散性的减少可能缓解股票相关性，进而影响波动性[109] 3. **估值与波动性**： - 估值分散性与收益分散性同步上升，抑制了相关性[17] - 如果经济增长放缓和收益普遍疲软，相关性可能显著上升[19] 4. **市场结构变化**： - 市场结构的变化（如量化/算法/对冲基金定价）导致VIX对市场下跌的反应更加敏感[24] - 长期gamma头寸和低市场beta头寸导致市场下跌时波动性加速[170] 数据与图表 - **图1**：S&P 500波动性可能保持高位，且波动性本身也会波动[2] - **图2**：欧洲实现波动性估计与隐含波动性（红点）[5] - **图3**：关键观点、论据和交易想法[8] - **图4**：VIX交易在20%左右[27] - **图5**：波动性波动性（vol-of-vol）保持高位[35] - **图6**：S&P 500实现波动性情景[29] - **图7**：基于经济展望的S&P 500回报分布[32] - **图8**：VIX的五P框架[38] - **图9**：主要宏观经济数据事件前的隐含波动性[41] - **图10**：2024年主要宏观经济数据事件后的实际波动性[43] - **图11**：2024年主要宏观经济数据事件后美国股市的反弹[46] - **图12**：2024年主要宏观经济数据事件后波动性的上升[48] - **图13**：当前早期预警信号（EWS）净信号[52] - **图14**：当前净信号的驱动因素[55] - **图15**：股票与利率波动性[59] - **图16**：跨资产波动性风险溢价（VRP）[62] - **图17**：跨资产波动性风险溢价（VRP）在不同波动性制度下的表现[65] - **图18**：全球关税对GDP的影响范围[68] - **图19**：全球关税对通胀的影响范围[72] - **图20**：美国方向与波动性估计[74] - **图21**：欧盟方向与波动性估计[74] - **图22**：收益/拥挤信号4周回报[79] - **图23**：REVS整体信号4周回报[80] - **图24**：覆盖候选股票列表[81] - **图25**：UBS对主要宏观经济和市场变量的预测[85] - **图26**：服务业与制造业PMI差距（z-score）[87] - **图27**：各地区综合PMI[89] - **图28**：基线水平[93] - **图29**：上行水平[94] - **图30**：衰退水平[95] - **图31**：S&P 500波动性在不同宏观情景下的表现[98] - **图32**：基线S&P 500波动性[99] - **图33**：投资-储蓄敏感性[100] - **图34**：奥肯法则敏感性[101] - **图35**：菲利普斯曲线敏感性[101] - **图36**：1Q25 S&P 500周回报分布[103] - **图37**：2Q25 S&P 500周回报分布[105] - **图38**：TECH+与市场其他部分EPS增长收敛[110] - **图39**：2025年EPS修订[111] - **图40**：收益分散性上升[112] - **图41**：NVDA收入与超大规模企业资本支出之间的差异[115] - **图42**：ERP驱动因素[120] - **图43**：历史美联储降息周期中的MOVE/VIX比率[132] - **图44**：S&P 500的P/E分散性[128] - **图45**：收益分散性[130] - **图46**：当前EWS净信号[135] - **图47**：当前净信号的驱动因素[137] - **图48**：方向性风险信号中的变量[140] - **图49**：信号> +1标准差时买入看涨期权的表现[141] - **图50**：信号< -1标准差时买入看跌期权的表现[141] - **图51**：信号在+/-1标准差之间时卖出ATM跨式期权的表现[145] - **图52**：信号在+/-1标准差之间时的组合表现[149] - **图53**：基于OW/UW信号的1个月回报分布[148] - **图54**：净上升/下降概率对回报的影响[152] - **图55**：UBS拥挤度评分[154] - **图56**：SPX驱动因素[158] - **图57**：SXXP驱动因素[160] - **图58**：美国增长[161] - **图59**：GLP-1股票[162] - **图60**：欧洲银行[163] - **图61**：当前和预计的动量信号[166] - **图62**：CTA在+/-5%波动时的估计买卖[168] - **图63**：S&P 500总回报表现[173] - **图64**：SPX gamma变形与偏斜[178] - **图65**：VIX与SPX的峰度差异[180] - **图66**：UBS SPX ConVIXity对冲策略表现[181]

行业与公司 - 行业：安全、设计、垂直SaaS软件行业[1][2] - 涉及公司：ADBE、ADSK、NCNO、VRNS[1][2] 核心观点与论据 1. **2025年展望**：安全、设计、垂直SaaS软件行业在2025年将呈现增长趋势，尤其是云安全、身份管理和SASE（安全访问服务边缘）领域[4][7] 2. **投资主题**： - 安全支出将保持健康增长，预计增长13%，但部分公司的估值扩张空间有限[4][7] - 垂直SaaS行业的基本面将在2025年改善，尤其是NCNO等公司[4][7] - 设计类公司（如ADSK、ADBE）具有周期性，且EMEA地区的复苏可能带来估值提升[4][7] - 更多网络安全公司将提供捆绑定价策略[4][7] - 低利率环境可能对部分公司产生影响，尤其是杠杆较高的公司[4][7] 3. **公司推荐**： - **ADBE**：受益于生成式AI（GenAI）的采用，估值较低，预计EPS复合增长率为12-15%[3] - **ADSK**：周期性改善和成本削减可能推动自由现金流（FCF）增长，目标价355美元[3] - **NCNO**：银行业和抵押贷款背景改善，竞争格局有利，风险回报比高[3] - **VRNS**：SaaS转型进展顺利，预计2025年ARR的50%来自SaaS，目标价60美元[3][61] 4. **20个预测**： - ADBE将在2025年3月的分析师日上公布Firefly ARR[7] - CYBR将提高长期自由现金流目标[7] - PANW的QRoC/XSIAM将成为平台化战略的主要驱动力[7] - ZS将举办分析师日，并公布达到50亿美元ARR的路径[7] - CRWD将在2026年下半年加速ARR增长[7] 其他重要内容 1. **估值与目标价调整**： - ADBE目标价从645美元下调至567美元，基于25倍FY26E EPS[13] - CYBR目标价从335美元上调至375美元，基于39倍FY27 FCF[13] - FTNT目标价从95美元上调至103美元，基于30倍FY26 FCF[13] - VRNS目标价从65美元下调至60美元，基于8倍FY27E ARR[14] 2. **风险因素**： - ADBE面临核心创意产品开发放缓的风险[77] - CYBR面临云PAM市场竞争加剧的风险[78] - FTNT面临SASE市场侵蚀防火墙市场的风险[79] - VRNS面临文件分析市场竞争加剧的风险[88] 3. **行业评级分布**： - 49%的公司被评为“增持”（Overweight），53%为投行客户[118] - 36%的公司被评为“中性”（Equal Weight），45%为投行客户[119] - 14%的公司被评为“减持”（Underweight），31%为投行客户[120] 总结 - 2025年安全、设计、垂直SaaS行业将呈现增长趋势，尤其是云安全和SASE领域[4][7] - ADBE、ADSK、NCNO、VRNS是2025年推荐的公司，分别受益于AI、周期性改善和SaaS转型[3] - 估值调整反映了对GenAI竞争和行业动态的重新评估[13][14] - 风险因素包括市场竞争、宏观环境变化和公司转型的不确定性[77][78][79][88]

行业与公司 - 该纪要主要涉及全球金融市场，特别是股票市场的量化模型和行业轮动策略[1][10] - 公司包括UBS及其量化研究团队，涉及的行业包括电信服务、银行、房地产投资信托基金（REITs）、能源、房地产管理与开发、半导体等[5][38] 核心观点与论据 - **量化工具与人类洞察的结合**：量化工具能够分析大量历史数据，但在某些情况下，人类洞察可以弥补量化模型的不足，帮助做出更明智的投资决策[1] - **市场波动性**：2024年初市场波动性增加，美联储的行动提供了一定的缓解，但利率仍处于约20年来的高点[2][18] - **因子表现**：2024年增长、动量、质量和规模因子表现优异，而低风险和价值因子表现不佳[5][30] - **行业轮动模型**：当前模型超配周期性行业（+46%），低配防御性行业（-46%）[5][34] - **机器学习盈利增长模型**：对电信服务、银行和REITs的上涨有高度信心，对能源、房地产管理与开发、半导体行业的下跌有高度信心[5][38] - **市场情绪与因子轮动**：当前市场处于“恐惧”阶段，投资者倾向于质量和增长因子，而在“贪婪”阶段则倾向于价值因子[24][28][29] 其他重要内容 - **交叉波动性与相关性**：所有地区的交叉波动性和成对相关性均低于历史水平，这对主动管理者来说是一个不利因素[11] - **VIX指数**：VIX指数在2024年8月飙升后回落，但仍保持较高水平，反映出市场的不确定性[18][19] - **机器学习与共识盈利增长的差异**：机器学习模型与共识盈利增长预测在能源、食品饮料与烟草、汽车、耐用消费品与服装、半导体等行业存在显著差异[38][41] - **拥挤度与量化研究交叉点**：通过分析拥挤度和量化研究交叉点，识别出116只股票作为多头（103只）和空头（13只）机会[44] 数据与百分比变化 - **因子表现**：2024年增长因子表现最佳，DPS增长为4.1%，EPS增长为0.7%，而低风险因子表现最差，低价格贝塔为-7.7%[31] - **行业轮动模型**：超配周期性行业+46%，低配防御性行业-46%[34] - **机器学习与共识盈利增长差异**：电信服务的机器学习盈利增长预测为40.1%，而共识预测为3.1%，差异为36.9%[38] 图表与模型 - **图1：波动性走向**：展示了VIX指数和联邦基金利率的21日移动平均线[3][4] - **图2：全球各地区交叉波动性水平**：当前水平低于历史中位数[12][13] - **图3：全球各地区成对相关性水平**：当前水平低于历史中位数[14][15] - **图8：当前因子表现**：展示了增长、动量、质量、价值和风险因子的表现[32] - **图10：机器学习与共识盈利增长预测的差异**：展示了能源、汽车、耐用消费品与服装、食品饮料与烟草、半导体等行业的差异[38] - **图11：高信心机器学习与共识盈利增长预测**：展示了电信服务、银行、REITs等行业的预测差异[38] 总结 该纪要详细分析了2024年全球金融市场的量化模型、行业轮动策略以及市场情绪对因子表现的影响。通过结合量化工具与人类洞察，UBS量化研究团队识别出多个行业的投资机会与风险，特别是在电信服务、银行、REITs等行业的上涨潜力，以及能源、半导体等行业的下跌风险。

行业与公司 - 行业：全球外汇市场[1][3] - 公司：HSBC Bank plc[2] 核心观点与论据 1. **美元表现强劲**：DXY指数在12月上涨2.6%，主要由于美联储的鹰派立场[4][11] - 12月2日，DXY上涨0.7%，因特朗普提议对金砖国家征收100%关税[4][12] - 12月18日，美联储降息25个基点至4.25-4.50%，但市场认为其立场鹰派，DXY当天上涨1.0%[4][14] 2. **欧元表现疲软**：EUR-USD在12月下跌2.1%，主要受欧洲央行鸽派立场和政治不确定性影响[5][19] - 12月12日，欧洲央行降息25个基点至3.00%，EUR-USD下跌0.3%[5][21] - 12月18日，美联储鹰派立场导致EUR-USD下跌1.1%[5][23] 3. **英镑表现不佳**：GBP-USD在12月下跌1.7%，主要受美元走强和英国央行鸽派立场影响[6][27] - 12月13日，英国GDP数据疲软，GBP-USD下跌0.4%[6][28] - 12月19日，英国央行维持利率不变，GBP-USD下跌0.6%[6][30] 4. **日元表现疲软**：USD-JPY在12月上涨4.3%，主要受美联储鹰派立场和日本央行鸽派立场影响[7][37] - 12月18日，美联储鹰派立场导致USD-JPY上涨0.9%[7][38] - 12月19日，日本央行维持利率不变，USD-JPY上涨1.7%[7][38] 5. **人民币表现疲软**：USD-CNY在12月上涨0.7%，主要受美元走强和中国经济数据疲软影响[35][36] - 12月2日，特朗普提议对金砖国家征收100%关税，USD-CNY上涨0.4%[35] - 12月18日，美联储鹰派立场导致USD-CNH上涨0.5%[36] 6. **加元表现疲软**：USD-CAD在12月上涨2.7%，主要受加拿大经济数据疲软和美元走强影响[42][43] - 12月6日，加拿大就业数据疲软，USD-CAD上涨1.0%[42] - 12月18日，美联储鹰派立场导致USD-CAD上涨1.0%[43] 7. **澳元和纽元表现疲软**：AUD-USD和NZD-USD在12月分别下跌4.7%和5.2%，主要受美元走强和风险情绪恶化影响[44][46] - 12月2日，特朗普提议对金砖国家征收100%关税，AUD-USD和NZD-USD分别下跌0.6%和0.5%[45] - 12月18日，美联储鹰派立场导致AUD-USD和NZD-USD分别下跌1.9%和2.3%[46] 8. **挪威克朗和瑞典克朗表现分化**：EUR-NOK在12月上涨1.2%，而EUR-SEK下跌0.6%[47][49] - 12月19日，挪威央行维持利率不变，EUR-NOK上涨0.6%[48] - 12月19日，瑞典央行降息25个基点至2.50%，EUR-SEK下跌0.8%[49] 9. **瑞士法郎表现疲软**：EUR-CHF在12月上涨0.9%，主要受瑞士央行降息影响[50][51] - 12月12日，瑞士央行降息50个基点至0.50%，EUR-CHF上涨0.6%[50] 10. **原油价格上涨**：布伦特原油在12月上涨2.3%，主要受OPEC+减产协议和中国刺激政策预期影响[52][53] - 12月3日，OPEC+达成减产协议，布伦特原油上涨2.5%[52] - 12月11日，美国考虑对俄罗斯石油实施新制裁，布伦特原油上涨1.8%[53] 11. **黄金价格下跌**：黄金在12月下跌1.0%，主要受美联储鹰派立场影响[54] - 12月19日，美联储鹰派立场导致黄金价格下跌2.3%[54] 其他重要内容 - **全球股市表现**：2024年全球股市（FTSE All-World指数）上涨20.6%，主要受科技股推动[60] - 美国和台湾股市表现最佳，分别上涨25.1%和41.8%[60] - 欧洲股市表现相对疲软，仅上涨9.2%[60] - **债券市场表现**：美国国债收益率在12月大幅上升，主要受美联储鹰派立场影响[57] - 12月18日，美联储鹰派立场导致10年期美国国债收益率大幅上升[57] - 欧洲债券市场也受到压力，10年期德国国债收益率上升15个基点[57] - **外汇市场表现**：12月主要货币对美元的表现如下[64] - 纽元下跌5.2%，澳元下跌4.7%，日元下跌4.3%[64] - 布伦特原油上涨2.7%，黄金下跌1.0%[64]

行业或公司 * 上市公司或行业未明确提及 核心观点和论据 * **亚洲新兴市场债券和股票基金净流出**： 本周，亚洲新兴市场债券和股票基金净流出加速，债券基金净流出为-17亿美元，较上周的-15亿美元有所增加。股票基金净流出大幅下降至-9.96亿美元，较上周的-46.24亿美元有所减少。[80] * **亚洲新兴市场债券基金净流出**： 亚洲新兴市场债券基金净流出加速，硬货币基金净流出为-15亿美元，而本地货币基金净流出下降至-1.84亿美元。ETF净流出大幅增加至-11.1亿美元，而非ETF净流出大幅下降至-6.06亿美元。[80] * **亚洲新兴市场股票基金净流出**： 亚洲新兴市场股票基金净流出大幅下降至-9.96亿美元，ETF净流出减少至-5.12亿美元，而非ETF净流出减少至-4.83亿美元。[80] * **全球跨资产基金**： 美国高收益债券基金净流出大幅下降至-10亿美元，而美国高评级债券基金净流入为+17亿美元。[80] * **非居民新兴市场投资组合净流出**： 新兴市场本地债券净外国流出，主要由匈牙利(-70.4亿美元)引领。新兴市场股票净外国流出，主要来自台湾(-10亿美元)。[80] 其他重要内容 * **亚洲新兴市场零售债券基金净流出**： 本周，亚洲新兴市场零售债券基金净流出加速至-17亿美元，从上周的-15亿美元有所增加。硬货币基金净流出加速至-15亿美元，而本地货币基金净流出下降至-1.84亿美元。ETF净流出大幅增加至-11.1亿美元，而非ETF净流出大幅下降至-6.06亿美元。[80] * **亚洲新兴市场股票基金净流出**： 本周，亚洲新兴市场股票基金净流出大幅下降至-9.96亿美元，ETF净流出减少至-5.12亿美元，而非ETF净流出减少至-4.83亿美元。[80] * **全球跨资产基金**： 美国高收益债券基金净流出大幅下降至-10亿美元，而美国高评级债券基金净流入为+17亿美元。[80] * **非居民新兴市场投资组合净流出**： 新兴市场本地债券净外国流出，主要由匈牙利(-70.4亿美元)引领。新兴市场股票净外国流出，主要来自台湾(-10亿美元)。[80]