2025年巴菲特股东大会前瞻 大会背景与核心看点 - 2025年伯克希尔股东大会将于北京时间5月3日晚9点举行 正值巴菲特执掌公司60周年 叠加全球关税政策变动及接班人阿贝尔上任等背景 [2] - 问答环节时长调整为4 5小时 较2023年缩短1小时 巴菲特与接班人阿贝尔 保险业务主管贾恩将共同回应股东提问 [2] - 伯克希尔A股年内上涨18% 大幅跑赢标普500指数（年内下跌3 31%）24个百分点 [2] 投资动向一：现金储备与资产调整 - 伯克希尔现金及短期国债储备达332亿美元 较2023年的1676亿美元翻倍 [3] - 大幅减持苹果股票 2024年末持股3亿股 较2023年末减少6 0556亿股 同时减持美国银行3 5262亿股至6 8023亿股 [3] - 清仓两只标普500指数ETF（SPY和VOO） 结束自2019年的持仓 [3] - 股票回购额降至29亿美元 为2018年以来最低 2024年三季度起停止持续6年的回购操作 [3] 投资动向二：日本市场战略 - 2024年4月发行900亿日元债券 2019年至今累计发行1 95万亿日元（约989亿元人民币）债券用于投资日本 [4] - 持续增持五大日本商社：三井物产持股比例从8 09%增至9 82% 三菱商事从8 31%升至9 67% 住友商事从8 23%提高至9 29% 伊藤忠商事从7 47%上调至8 53% 丸红从8 30%增至9 30% [4][5] - 日本股票持仓成本138亿美元 市值235亿美元 预计2025年股息收入8 12亿美元 覆盖1 35亿美元债券利息成本 [5] 市场关注焦点 - 巨额现金配置方向成焦点 伯克希尔强调长期偏好股票投资而非持有现金 [6] - 市场关注巴菲特对美股科技股减持 美国经济政策及关税问题的看法 [6] - 巴菲特接班人计划及未来领导层过渡安排受瞩目 [6] - 巴菲特2024年宣布遗产捐赠计划 财富分配逻辑或成大会讨论点 [7]

股东大会安排与参与人员 - 伯克希尔股东大会问答环节将于北京时间5月3日晚9点开始，巴菲特将全程参与，携CEO接班人阿贝尔及保险业务负责人贾因共同回答股东提问[1] - 今年股东大会取消传统开场电影环节，问答时间提前一小时，总时长缩短至四个半小时，比去年减少约一小时[1][4] - 问答环节分为上下半场，上半场为奥马哈当地时间5月2日早8点至10点30分，下半场为11点至下午1点，对应北京时间3日凌晨2点结束[1] 巴菲特接班与公司未来 - 今年是巴菲特收购伯克希尔60周年，可能是"巴菲特时代"落幕的开始，被视为史上最重要的一场股东大会[4][5] - 巴菲特在股东信中明确表示阿贝尔将接任CEO并撰写年度信，投资者需为没有巴菲特的伯克希尔做好准备[5] - 投资者关注管理层"交班"计划、阿贝尔未来角色和战略方向、以及巴菲特描绘的公司发展蓝图[5] - 巴菲特子女苏茜和霍华德在董事会任职，将在巴菲特去世后掌控股票信托，家族与职业经理人共治模式受关注[14] 投资策略与现金使用 - 伯克希尔现金储备达创纪录的3342亿美元，占公司净资产的53%，投资者关注如何利用这些资金[15] - 投资者期待大规模投资或收购，如西方石油、可口可乐或百事公司，但分析师认为可能不会有大动作[16][17][20] - 巴菲特可能改变主意收购西方石油剩余72%股份或业绩低迷的房地产公司，但收购百事可能性较低[20] - 巨额现金的另一用途是在巴菲特退出导致股价暴跌时回购公司股票，为管理层过渡做准备[20] 股票持仓与调整 - 苹果持仓占比从2023年的约50%降至2024年底的22%，美国运通以14%成为第二大持仓[19][21] - 伯克希尔连续四个季度抛售苹果股票，2023年二季度持股几乎砍半，三季度减持25%，四季度停手[21] - 巴菲特可能因税务原因或预见到苹果面临的风险而减持，投资者关注是否重启减持[22] - 伯克希尔对日本五大商社投资不断增加，计划长期持有数十年，这些公司股价表现超过日经225指数[23] - 自2022年8月以来多次减持比亚迪港股，持股比例从近20%降至不足5%，投资者关注对中国资产看法[24] 经济前景与关税影响 - 特朗普政府贸易战冲击股市和投资领域，巴菲特可能难以避开政治话题[6] - 关税预计将导致Geico等汽车保险公司维修成本上升，伯克希尔众多业务将受影响[7] - 华尔街经济学家警告美国可能濒临经济衰退，伯克希尔业务处于衰退冲击前沿[7] - 投资者希望了解巴菲特对美国经济前景判断，是否继续表达对美国经济有信心[8] - 巴菲特曾将关税称为"战争行为"，投资者希望他公开反对关税并充分评估影响[7][8] 公司估值与股息政策 - 伯克希尔A类股市净率1.7倍，为2007年以来最高水平，基于2025年预期收益市盈率25倍，高于标普500指数约20倍[10] - 分析师预计未来一到两年伯克希尔盈利增长可能有限，投资者需警惕高估值风险[11] - 巴菲特长期反对派发股息，但阿贝尔可能改变这一政策以展示领导力和保持公司文化[12] - 股息政策变化将对投资者回报产生直接影响，类似Alphabet和Meta Platforms已开始派息[12]

投资组合变动 - 伯克希尔哈撒韦公司大幅削减苹果公司持股，从2024年第一季度末的7.89亿股减少至2024年底的3亿股 [2] - 苹果在投资组合中的权重从2023年的大约50%显著下降至2024年底的22% [3] - 投资组合中其他前五大持股保持不变，包括美国运通、美国银行、可口可乐和雪佛龙，但权重结构发生变化，美国运通以14%的权重紧随苹果之后 [3] 现金头寸 - 公司现金头寸急剧增加至创纪录的3340亿美元，该金额包括短期国库券等高度流动的短期投资 [5][7] - 现金积累的部分原因是出售苹果股票所得收益并未全部用于购买其他股票 [5] 投资策略解读 - 投资组合的变动以及现金头寸的创纪录高位，反映出投资策略趋于保守 [1] - 市场推测保守策略可能源于对经济的担忧，或认为当前股票估值普遍过高、缺乏有吸引力的投资机会，但公司管理层对其具体原因保持沉默 [8] - 尽管策略保守，公司过去一年仍进行了其他投资，例如买入达美乐披萨和Pool Corp的股票，但这些交易的规模不足以改变其主要持股构成或阻止现金余额创新高 [4]

文章核心观点 景顺长城联合多家机构发布2024年《ETF客户投资行为洞察报告》，从多方面呈现ETF市场发展态势，为投资者与从业者提供指引，助力ETF生态高质量发展及投资者投资优化 [1][9] 投资者画像 - 2024年ETF市场规模和投资者数量爆发式增长，全市场ETF年内规模激增1.67万亿，同比增幅81.57%，总规模达3.72万亿，非货币类ETF份额持有人总数达2095万户，较2019年中期增长10.8倍 [2] - ETF有赚钱效应，近一年盈利2%以上客户占比约55%，大幅亏损占比低，大部分客户期望收益在10%-30%，实际盈利10%-30%客户占比超27% [2] - 30 - 40岁投资者是中坚力量，25岁以下年轻客群增速最高，年增速达212% [3] - 男性投资者占比约58%，较股票市场女性投资者比例高出1.4个百分点 [3] - ETF客户在一线、新一线城市分布更集中，如上海人口占比1.7%，ETF客户数占比近10% [3] - 不选择ETF投资的首要原因是“还不太了解ETF，不敢去买”，占比51.6%，其次是“感觉ETF收益率太低”和“不知道如何筛选” [4] 投资偏好 - 成长风格高弹性赛道受青睐，科创50、半导体芯片赛道新增交易户数合计占比近15%，还有境内宽基和跨境品种获大量新增客户 [5] - ETF客户平均持仓金额从2020年的8.5万元升至2024年的11.2万元，超44%客户平均持有时长在1个月以内，近27%客户持有时长超1年，1.6%客户持有时长超五年 [5] - 操作频率和收益率相关性不强，高频交易胜率49.29%，每5 - 20个交易日操作一次胜率略高于50% [6] - 近90%用户关注KOL，偏好定期解读、晒实盘操作和教投资方法的KOL，视频和社交媒体成重要信息传播媒介 [6] 投资策略 - 定投在宽基指数“定投、网格、一笔投”策略回测中表现突出，拉长久期、科学定投可提升投资胜率 [7] - 科学配置与理性理财重要，选择低相关资产构建组合分散风险，避免追涨，亏损时定投摊薄成本，设定止盈止损目标 [7] - 景顺长城构建多元化投资组合，截至2025年3月28日，管理ETF规模增长至551亿，产品20只，涵盖多类产品 [8]

公司业务模式 - 作为非传统资本提供商 采用私有制模式运营 旨在提供稳定性和投资者保护 [1] - 拥有逾二十年经验 为投资者提供累进式资本解决方案 [1] - 所有融资服务均在美国提供 不在中国境内开展此类业务 [5] 投资策略特点 - 提供战略解决方案 帮助投资者在应对短期挑战的同时优先考虑持续增长和发展 [1] - 通过独特解决方案释放投资组合潜在价值 确保流动性需求与持续财务增长之间的战略平衡 [1] - 采用前瞻性思维方式 在瞬息万变的金融环境中探索新的投资策略 [1] 目标客户群体 - 服务对象为认证投资者 成熟投资者 专业投资者或其他符合法律要求的合格投资者 [3] - 不适用于不符合相关要求的人士 [3]

文章核心观点 不同资金量级的投资者在投资策略、对手盘和面临的挑战上存在差异，需根据自身情况选择合适的投资方式并做好风险控制以实现资产进阶 [2][4] 不同资金量级投资策略 A7 - A8 - 资金量小可盯着中小票（中证2000成分股）做，研究游资、私募规律赚钱不难 [4] - 可通过打新、长期重仓权益且分散配置优质股等方式实现进阶 [5][7] A8 - A8.7 - 资金易被对手盘紧盯，需分散到几十个类似票上，但收益率会下降 [4] A8 - A9 - 需要开始研究行业、大势，对手盘变为公募基金、外资、国家队等 [4] - 可采用中大盘股策略容纳资金，或小微市值与中大盘股策略结合 [10] A9以上 - 对手盘主要是散户、大户和同体量游资，需其他方法进阶 [4] A10 - 单打独斗在当前环境下很难，账户易被关注 [4] 投资心态与风险控制 - 优先在控制回撤条件下做收益，避免单吊、大比例杠杆等方式 [2] - 等适合自己的行情，允许踏空但不允许大回撤 [2] - 随着资金增大需改变投资框架，跨过心理关，承受一定亏损以构筑心理防线 [12] 具体投资建议 - 可转债水位下降时，低价位转债摊大饼，20 - 30万一张饼，摊100个 [14] - 拿小部分仓位买股指期货吃贴水，进行期现套利 [15] - 留小部分现金作为后手，用于货币基金、打新 [16] - A8级别注重回撤控制，目标跑赢银行利息 [16] - 多元化投资，包括高股息、美股、指数etf、黄金、大饼、国债等 [18] 不同账户资金量投资者特点 - 账户内10万以下喜欢天天骂人 [6] - 账户20 - 50万专心研究市场行情 [6] - 账户100万以上喜欢分享操作经验 [6]

投资心态与策略 - 投资中不应盲目跟随市场热点或他人选择 频繁切换投资主题可能导致收益不佳 [1] - 投资目标应以绝对收益为导向 而非与他人比较收益 高置信度是可靠支撑 [2] - 需做好买入后短期被套准备 市场波动不可避免 需提前制定应对预案 [3] 投资决策依据 - 买入理由需明确且一致 避免因不同观点而频繁改变操作策略 [4] - 不同投资逻辑对应不同操作要求 技术面买入需遵循动量策略 基本面买入需承受短期波动 [4] - 应在熟悉领域按自身节奏投资 而非盲目进入陌生领域跟随他人 [4] 长期投资理念 - 投资需坚持长期主义 认可"慢慢变富"的价值积累理念 [5]

根据研报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. **模型名称：DeepSeek-R1** - **模型构建思路**：通过混合专家（MoE）架构与动态路由技术，结合强化学习提升推理能力，实现低成本高性能的模型训练[16][38] - **模型具体构建过程**： 1. 采用MoE架构，通过门控网络动态分配任务给专家模型，实现稀疏激活[28] 2. 引入GRPO（Group Relative Policy Optimization）算法，舍弃Critic模型降低训练成本[31] 3. 使用FP8混合精度训练框架提升计算效率，减少内存占用[36] 4. 通过多令牌预测（MTP）技术增强模型预测能力[34] 5. 结合冷启动数据（高质量长思维链数据）提升训练初期稳定性[42] - **模型评价**：在极低训练成本下实现与主流大模型相当的性能，推理成本仅为GPT-4 Turbo的17%[16][43] 2. **模型名称：DeepSeek-V3** - **模型构建思路**：基于6710亿参数的混合专家模型，优化架构与训练方法以提升开源模型性能[33] - **模型具体构建过程**： 1. 延续DeepSeek-V2的MLA（多头潜在注意力）机制，减少KV缓存数量[25] 2. 扩展MoE架构至更大参数量级，结合动态路由技术[33] 3. 引入FP8混合精度训练框架[36] 3. **模型名称：DeepSeek-V2** - **模型构建思路**：设计经济高效的混合专家语言模型，平衡性能与成本[23] - **模型具体构建过程**： 1. 创新提出MLA（Multi-head Latent Attention）替代传统MHA，降低KV缓存[25] 2. 采用MoE架构实现模型容量扩展[28] 3. 使用GRPO算法优化强化学习流程[31] 4. **模型名称：DeepSeek LLM** - **模型构建思路**：基于扩展法则（Scaling Laws）研究模型规模、数据与计算资源的优化分配[21] - **模型具体构建过程**： 1. 通过小规模实验预测大规模模型性能，指导资源分配[22] 2. 验证高质量数据对模型扩展的倾斜效应[22] 量化因子与构建方式 （注：研报中未明确提及传统量化因子，主要聚焦AI模型技术） 模型的回测效果 1. **DeepSeek-R1** - 推理成本：GPT-4 Turbo的17%[16] - 训练成本：显著低于传统大模型（未披露具体数值）[43] - 日活跃用户：上线10天突破2000万[15] 2. **DeepSeek-V3** - 参数量：6710亿[33] - 支持FP8混合精度训练[36] 3. **DeepSeek-V2** - MLA机制：KV缓存减少50%以上（对比MHA）[25] - MoE架构：激活参数量仅为全模型的1/4[28] 关键公式与技术 1. **扩展法则（Scaling Laws）** $$ \text{模型性能} = f(\text{模型规模}, \text{数据规模}, \text{计算资源}) $$ 指导资源分配时需优先考虑数据质量[21][22] 2. **GRPO算法** 舍弃Critic模型，通过群体分数估计基线： $$ \text{优势函数} = \text{奖励值} - \text{群体基线} $$ 降低RL训练成本[31] 3. **多令牌预测（MTP）** 同时预测未来多个令牌： $$ P(y_{t+1}, y_{t+2}, ..., y_{t+k} | x) $$ 增强训练信号密度[34] 4. **FP8混合精度框架** 将部分计算精度降至8位浮点，内存占用仅为FP32的1/4[36]