核心观点 - 瑞银分析师对2026年中国股票市场表现持乐观态度，认为将迎来另一个“丰年”，主要基于宏观环境改善、政策支持、市场结构优化及资金流入等多重因素 [4][5] - 2026年中国宏观经济将在“结构性再平衡”中保持较强韧性，预计GDP增速约为4.5%，通胀有望回暖 [12][13] - 中国人工智能行业在2026年将持续发展，模型能力加速追赶、应用场景拓宽，且出现类似海外市场泡沫的概率较低 [15][16] 股票市场前景与投资机遇 - 宏观视角：国际经济秩序重构背景下，中国经济的稳定性与“十五五”规划开局为资本市场奠定基础，新一轮科技革命推动中国资产价值重估，国内外资金流向呈现积极信号，主动型海外基金开始重新增持 [6] - 具体投资观点：市场表现与宏观经济的相关性因指数结构优化而减弱，对资本市场的定向支持政策是前所未有的核心推动力，中国股市估值在全球比较中仍具吸引力，外资兴趣显著提升，国内机构与居民资金也在积极入市 [6] - 盈利预测：2026年市场盈利（EPS）有望实现约10%的增长，动力源于收入增长、股份回购以及利润率提升 [7] - A股市场分析：预测2026年A股盈利增长约8%，增长质量将优于去年，驱动力将从金融板块转向更广泛的非金融企业，名义GDP与PPI的回升是关键 [7] - 板块与风格配置：明确看好人工智能（尤其是硬件与半导体设备）、互联网龙头、券商、光伏以及具有强劲“出海”能力的公司 [6][7] - 投资风格：看好成长风格，小盘股相对大盘股的超额收益可能较去年收敛，行业层面看好受益于盈利复苏与“反内卷”政策的顺周期板块，如部分重金属与化工行业 [8] - 资金与情绪：市场活跃但并未过热，新增投资者数量温和回升，居民存款迁移迹象初现但过程缓慢，融资余额占总市值比例处于健康水平，保险资金、私募基金以及主题ETF是重要的增量来源，保险资金每年可能带来数千亿元级别的长期资金 [7] 股票发行及并购市场趋势 - 股票发行市场：在流动性持续改善、投资者信心回升背景下，有望延续2025年的活跃态势，市场流动性充裕将支撑高质量IPO [9] - 香港市场IPO乐观预期原因：港交所已公开披露的上市申请公司超过300家，2026年IPO融资规模有望超越2025年；外资基石投资回归，2025年出现多家此前未参与过港股基石投资的欧美及中东长线基金“破冰”现象，此趋势预计将在2026年延续；以AI为代表的“硬科技”公司在港股上市获得热烈反响，投资者基础广泛且包括大量外资主权基金及长线机构；A股与港股均为优质上市地，发行人可根据自身业务定位等因素灵活选择 [10] - 并购市场趋势：预计2026年将延续活跃态势，主要呈现四大趋势：中国私募基金更加关注欧洲消费品、个别医疗及高端制造资产；跨国企业对其中国业务进行战略性评估与分拆，为本土私募基金及产业投资者提供收购优质资产的良机；私有化交易以及由大股东或私募基金发起的公开收购可能增加；具备中资背景的私募基金在境内重组、跨境收购及私有化交易中均高度活跃，是市场重要的资金与交易驱动力 [11] 宏观经济形势 - 经济展望：2026年中国经济将保持较强韧性，全年主题聚焦于“结构性再平衡”，增长路径将在调整中趋向稳健 [13] - 具体预测：预计2026年中国GDP增速约为4.5%，CPI预计回升至0.4%左右，PPI跌幅显著收窄 [14] - 消费领域：中长期受益于“十五五”消费率目标设定与社保体系完善，增长潜力有望系统性释放 [14] - 出口领域：增速或温和放缓，但中国出口的竞争力与市场多元化将继续构成支撑 [14] - 投资领域：基建投资在低基数与政策协调下有较大概率实现由负转正，带动整体投资周期性修复 [14] 人工智能行业展望 - 模型能力：国内主要互联网公司、科技企业及创业公司预计将持续推动模型快速迭代，使中国模型的平均智能水平与海外领先模型之间的差距进一步缩小，多模态能力、智能体（Agent）及工具调用等闭环行为能力将成为发展重点 [17] - 应用落地：2026年将是AI场景加速落地的一年，短期内云服务和广告仍是最确定的变现渠道，AI原生广告、多模态内容生成以及端侧AI等方向都有望在2026年取得实质性进展 [17] - 算力基础设施：2026年，国产芯片的单卡性能持续提升，并通过超节点等技术在集群层面缩小与国外先进水平的差距，AI模型开发者正从算法层面积极适配国产芯片，通过软硬件协同优化提升算力使用效率 [17] - 行业风险：中国出现类似海外市场那种AI泡沫的概率较低，原因包括头部模型厂商多依靠母公司现有业务现金流支持研发，行业内部循环融资现象较少；国内企业在资本开支上更注重投入产出比和算力使用效率；数据中心建设与使用率保持稳健，由真实AI负载支撑 [18] - 智能体（Agent）发展：大规模推广与商业化仍需时间，将会渐进式发展，演进过程可能分三个阶段：首先是在单一应用中嵌入智能体功能；其次是在平台生态系统内实现多服务联动；最终可能实现跨平台的智能体协同（A to A模式） [18]