中国科技股投资价值 - 中国科技股当前最大的优势在于估值水平相对偏低，而美股科技板块在过去几年经历了显著的估值扩张，整体定价处于较高区间[1] - 中国科技企业市场估值相对合理，为全球资金提供了一个重要的分散配置窗口，近几个月部分国际资金已重新流入中国资本市场[1] - 对于腾讯、阿里等成熟的中国科技企业，其商业模式清晰、现金流基础稳固、市场地位明确，在复杂环境下具备较强的抗风险能力，适合作为中国科技资产的“核心配置”[1][24] - 对于AI领域的新兴科技公司，态度更为谨慎，因新公司面临政策监管、技术迭代、商业化落地及市场接受度等多重变量，且不少企业尚未稳定盈利却已被赋予较高估值，泡沫和波动风险不容忽视[1][25] 2026年全球资产配置方向 - 随着德国和中国经济逐步企稳，非美市场重新具备吸引力，全球进入多极化与利差收敛阶段[2][34] - 资产配置可重点关注三类方向：第一，提高非美资产比重，尤其是估值相对合理、处于修复阶段的德国和中国市场[2][35]；第二，黄金等实物资产重要性上升，在通胀不确定、地缘冲突未解、政策可信度下降的环境下，避险需求将持续强化，黄金已成为组合中稳定性的重要来源[2][35]；第三，新兴市场在“本身利率较高、而美国可能转向宽松”的组合下风险回报正在改善，一旦美元进入结构性走弱阶段，其弹性会更明显[2][35] - 对于美国资产，并非全面回避，而是要更谨慎，美国核心科技龙头虽整体估值仍处高位，但其技术垄断地位、规模优势与政策支持依然稳固，经历调整后依然具备不可替代的长期配置价值，但投资前提应转向精选标的、节奏控制与仓位管理[2][35] 核心投资策略与框架演进 - 核心投资理念建立在系统化的全球宏观视野之上，结合长期结构性趋势与短周期市场变化，通过情境驱动的方式进行跨资产配置与多策略布局[9] - 多策略架构的目的是让不同策略在不同市场阶段各自发挥作用，通过组合的互补性来提升整体的稳健度与回报的可持续性[9] - 投资方法随市场环境、政策变化、技术进步持续演化，从早期的“买入并持有”，到90年代因风险管理需求转向对冲与套利策略，再到2008年后引入量化方法，以及近年尝试用AI将宏观知识等非结构化因素转化为模型信号[10][11] - 2025年因政策节奏与信息发布体系被打乱，策略又调整为主动性、策略化的“全面核心配置”，在信息受阻时期将股票和黄金作为基础配置以维持系统稳定[12] 多元策略的具体落地与执行 - 当前市场呈现高波动、信息不完整、政策不确定性上升等特征，任何单一策略的有效性周期都在明显缩短，因此采用多元策略框架以降低单一策略失效的风险[12] - 多元策略的分散并非简单配置不同资产，而是针对不同类型的风险来源设计相应策略，资金配置覆盖多种策略维度，每一类策略都具备独立的模型、规则与风险控制体系，并整合为统一组合框架[13] - 不同策略之间保持较低的相关性，使其在单一策略承压时能够相互补位，增强组合的整体韧性与持续性，实际执行中结合环球宏观、套利、动量、事件驱动与风险管理等多类策略[13] - 量化工具是不可或缺的组成部分，用于捕捉短期风险变化、市场情绪与结构性信号，但最终投资判断仍以宏观环境与政策方向为核心，结合量化的精确性与宏观判断的方向性[13] 团队决策与风控体系 - 采用团队分工协作模式，不依赖纯自动化，宏观层面提供明确的观点，核心角色负责基于地缘政治、经济政策判断市场大方向，设定收益目标与尾部风险的预期管理[14] - 专门的量化团队负责关注影响短期风险的因素，用更宽泛的方式收集资料、捕捉市场信号，资料收集可以自动化，但资料选择、检验和处理需要人为判断，数据用于印证宏观观点[14] - 决策流程有序：宏观观点提出后，中间团队负责收集资料、分析数据并印证观点提出调整建议，再将处理好的数据结果反馈，最终结合数据做出决策[15] - 建立系统化的复盘与验证机制，由数据团队对宏观观点进行独立检验，对比宏观判断与实际数据的差异，并共同探讨偏差来源，通过反复校准使决策既符合宏观逻辑又贴合市场实际[16] 产品规模与收益管理 - 产品规模扩大后收益率下降的现象取决于投资策略与资产类别，公司采用多策略组合并覆盖股票指数、货币、大宗商品等多个高流动性市场，资产容量充足，有利于承载规模增长，因此整体收益并不会因规模扩大而自然下滑[18] - 目前整体管理规模约在15亿美元左右，在现有策略和资产结构下，进一步扩张并未构成实质性压力[19] - 对客户进行清晰的分层管理，对于资金体量较大的客户采用独立账户管理模式，根据其风险偏好和目标定制投资策略，避免大规模资金在同一产品中高度集中[19] - 收益目标的设定遵循清晰而务实的原则：先定义可实现的稳定回报目标，再反向设计实现路径，将年度目标拆分为季度执行目标，通过纪律化执行和严格的风险控制实现回报[20] AI时代投资逻辑与估值体系变化 - 当前AI周期与2000年互联网泡沫存在本质差异，AI应用率先服务于拥有核心资本、算力和决策权的大型企业，其效率提升已在财务报表中转化为真实利润，估值基础更为扎实，系统性泡沫风险被先行兑现的盈利有效对冲[27][28] - 政策环境剧变，AI已上升为大国博弈核心领域，政府会通过产业政策、财政支持与监管协调来维持头部企业和核心生态的稳定发展，不会坐视失控式崩溃[28] - 英伟达等头部科技企业在技术、政策协同、资本、产业链、品牌和生态体系等多个层面形成了高度复合的竞争壁垒，通过与国家级机构和大型企业建立长期合作关系锁定了未来数年的盈利空间，被迅速替代的可能性极低[29] - AI的崛起正重塑传统估值体系，利润创造重心从“需求端扩张”转向“供给端效率提升”，头部科技企业之间形成高度集中、相互强化的“自循环盈利”体系[31][32] - AI时代企业价值的评估核心从“关注过去的盈利”转向对“未来资源的控制力”，需考察企业是否拥有由核心算法、算力架构及海量数据构成的技术壁垒，其战略方向是否与国家政策导向高度契合，以及是否在供应链中掌握关键节点并与关键机构建立深度绑定关系[33] 2026年市场前瞻与风险关注 - 2025年主导市场的“别无选择”逻辑正在显著弱化，进入2026年，随着德国和中国经济逐步企稳，非美市场重新具备吸引力[34] - 全球货币政策出现明显利差收窄，欧洲和不少新兴市场降息周期接近尾声或完成，而美国可能因经济放缓进入更明显的宽松阶段，这会削弱美元优势，增加资金重新分散配置的动力[34] - 日本利率政策逐步正常化迈向加息，意味着过去多年盛行的“借日元、买高风险资产”的套利交易存在反转风险，一旦集中平仓，容易对高估值风险资产形成放大式波动[34] - 财富分化趋势越来越严重，在投资上需聚焦“有权力、有资源、有技术垄断能力”的企业，远离那些依赖传统消费驱动的资产[35] - 短期最需要关注的风险是通胀是否再度回升，一旦通胀反弹，央行可能被迫收紧政策，冲击市场流动性[36] - 更深层风险来自政策和市场结构本身，美国长期依赖财政刺激和政策托底的模式正受到高债务和政治周期的限制，如果美元利差优势消退过快，可能引发资金从美债和高估值资产中快速撤出，叠加日元套利交易集中平仓，容易造成市场放大波动[36] - 由于过去一段时间经济数据存在滞后和失真，一旦2026年上半年真实的增长和通胀情况逐步显现，市场可能需要在较短时间内完成重新定价，波动性自然会上升[38]