全球科技投资范式复盘与展望系列（二）：科技浪潮的研判体系

证券研究报告|2024年12月06日 全球科技投资范式复盘与展望系列（二） 科技浪潮的研判体系 核心观点策略研究·策略深度 问题提出：探寻科技行情的共性规律。把握全球科技投资范式需要回答如下四个问题：①科技行情产生的共性规律有哪些？②如何把握技术创新和产业生命周期，在投资实战中主动出击并长期持有？③如何在泡沫顶峰出现时及时逃顶、及时止盈？④如何在泡沫破灭后的漫长调整中做好防御性投资？本文将尝试从买方视角出发，从第一个问题出发开启入讨论，为全球投资者把握历史大势、研判产业逻辑、实现科学决策提供帮助。 框架更迭：传统DDM模型的反思。虽然传统DDM三要素模型在A股市场大势研判过程中发挥了较好作用，但近年来的市场演绎却逐渐体现出其不足之处：①两次基于DDM模型三要素框架的大势研判失效（2023年7月下旬至2024年2月初的A股市场，2023年1月至2024年7月海外发达及新兴市场）。 ②预期差理论对市场走势具备一定的解释力，但在投资实务中的可操作性不足。③资本市场的治理水平、投资者保护制度、地缘政治事件、大国博弈等重要因素对未来的全球资本市场长期走势有显著影响，而传统DDM三要素框架并未对这些因素进行有效刻画。 范式创新：研判全球科技行情的六要素框架。针对传统DDM三要素框架的不足，本文提出一种融合企业盈利水平、无风险利率、风险溢价、预期偏差、内部约束、外部约束的六要素框架，并对六要素背后映射的细分驱动因素进行了总结，尝试归纳全球科技行情产生的基础条件和共性规律，为市场大势研判提供新的思考路径。 案例分析：本轮美股科技行情的演绎逻辑重现。本文使用六要素框架对美股本轮科技行情的演绎过程进行了四阶段推演（2022年11月至2023年3月、 2023年4月至2023年8月、2023年10月至2023年12月、2023年12月至今），尝试在纷繁复杂的驱动因素抽象出驱动市场上行的核心要素和主要矛盾，为投资者还原市场演绎的逻辑真相。 统一框架：全球科技行情核心驱动因素变迁。在开篇研究的基础上，本文使用六要素框架进一步归纳了全球四轮科技行情的核心驱动因素，分子端的企业盈利增长、预期偏差以及分母端的无风险利率、风险溢价、外部约束在不同历史时期扮演了至关重要的作用。 风险提示： （1）全球地缘政治冲突的不确定性； （2）美联储降息节奏和幅度存疑; （3）人工智能应用落地不及预期； （4）文中各类资产和产品、个股仅作数据梳理，不构成任何投资推荐意见。 证券分析师：王开021-60933132 wangkai8@guosen.com.cnS0980521030001 基础数据 中小板/月涨跌幅(%) 6474.51/-4.96 创业板/月涨跌幅(%) 2221.46/-2.99 AH股价差指数 146.68 A股总/流通市值(万亿元) 80.13/73.47 市场走势 资料来源：Wind、国信证券经济研究所整理 相关研究报告 《“新质生产力”系列（八）——八大新兴产业及九大未来产业巡礼》——2024-12-04 《2025年全球股市和多元资产展望——水清石见》——2024-11-25 《2025策略年度展望-供需优化，新质领航》——2024-11-20 《2025年ESG展望-中资企业开启出海新篇章》——2024-11-19 《2025年A股市场展望-供需优化，新质领航》——2024-11-19 请务必阅读正文之后的免责声明及其项下所有内容 内容目录 问题提出：探寻科技行情的共性规律5 框架更迭：传统DDM模型的反思5 DDM模型简介5 传统DDM模型存在的问题6 范式创新：研判全球科技行情的六要素框架8 案例分析：本轮美股科技行情的演绎逻辑重现10 统一框架：全球科技行情核心驱动因素变迁27 研究总结：在不确定的世界寻找确定性30 风险提示31 图表目录 图1：DDM模型6 图2：影响股权资产定价的三个主要因素6 图3：研判全球科技行情的六要素框架9 图4：全球科技行情的六要素研判框架及驱动因素汇总9 图5：2023年1月至2024年10月纳斯达克指数走势图10 图6：2023年1月至2024年10月美股主要指数涨跌幅10 图7：2016年至2024年美股各行业板块市值占比统计10 图8：加密货币价格走势图11 图9：美股CoinbaseGlobal（COIN.O）股价走势图11 图10：联邦基金目标利率和美元指数走势图11 图11：美国长短债利率长期倒挂11 图12：《芯片和科学法案》计划在未来十年内投资预算278.2亿美元12 图13：2022至2023年美国计算机、电子和电气设备行业的平均建设支出规模大幅提升13 图14：2015至2023年全球数据中心GPU市场出货量14 图15：2015至2023年全球半导体销售额统计14 图16：2015至2023年全球半导体销售额当月同比变动率14 图17：2022年以来半导体龙头公司单季度净利润变动（亿美元）14 图18：2023年以来日本半导体产成品库存逐渐下降15 图19：美股半导体上市公司存货周转天数变动统计16 图20：2020Q2-2023Q2英伟达分业务营收统计（亿美元）17 图21：全球主要地区半导体销售额统计（十亿美元）18 图22：2021Q2-2024Q2英伟达分业务营收统计（亿美元）18 图23：ChatGPT全球月活用户数大幅领先竞争对手19 图24：全球前11大流量平台排名19 图25：美股七巨头资本支出/营业收入占比统计21 图26：美股七巨头研发费用/营业收入占比变动统计21 图27：2023年一季度至2024年二季度美股七巨头净利润变动情况21 图28：2022年以来美股七巨头市盈率变动统计22 图29：纳斯达克指数市盈率PE-TTM22 图30：相对强弱（超买超卖）指标22 图31：CBOE波动率（VIX）指数23 图32：CNN恐慌与贪婪指数23 图33：AAII散户投资人情绪指标23 图34：看跌/看涨期权比例（Put/CallRatio）23 图35：2020年以来美国主要部门劳动生产率当季环比增长率变动情况24 图36：2007至2023年美国私营非农业部门全要素生产率年均增长率（百分比）24 图37：新冠疫情结束后美国经济增长存在较强韧性25 图38：2023年以来美元长期处于强势区间25 图39：2020年以来全球买入美债资产净额变动统计25 图40：2020年以来全球买入美股资产的净额变动统计25 图41：本轮美股人工智能科技行情的六维逻辑推演26 图42：本轮美股科技行情的起承转合重现26 图43：六要素研判框架下美股四轮科技行情期间主要驱动因素汇总27 图44：美股四轮科技行情主要驱动因素汇总28 表1：受益于《芯片与科学法案》的半导体公司统计13 表2：ChatGPT产品迭代和更新汇总15 表3：2017年以来英伟达数据中心GPU产品迭代和更新汇总16 表4：海外代表性大模型厂商盈利情况统计20 表5：全球科技行情六要素研判框架下定量或定性评价指标汇总29 问题提出：探寻科技行情的共性规律 在《全球科技投资范式复盘与展望系列（一）：四轮全球科技股周期与A股映射》中，我们复盘了历史上以美股为代表的全球四轮科技行情，阐述了每轮行情的市场表现、驱动因素、演绎过程及终结原因，讨论了行情背后的技术创新和产业周期，并对历次行情期间A股市场尤其是科技板块的表现进行了比较，尝试抽象出科技行情中存在的共性驱动因素和演绎逻辑，为全球投资者把握历史大势、研判产业逻辑、实现科学决策的提供帮助。 美国作家马克·吐温曾言：“历史不会重演，但总是惊人的相似”。纵观海内外历次科技行情，每一轮市场演绎都离不开产业政策利好、流动性扩张、上市公司盈利水平提升、市场风险偏好抬升等因素的影响。当今世界正经历百年未有之大变局，以中美为代表的全球科技主导力量加速战略布局，持续推进算力基础设施建设、数据要素流通、大模型技术研发和投融资支持，力争在全球新一轮人工智能产业革命浪潮中构筑先发优势。科技创新是必由之路，面向未来，如何构建科学严谨的投资方法论，在新一轮科技革命浪潮面前抢抓投资机遇、把握时代红利，是每位市场参与者需要思考的问题。 我们希望通过框架丰富和详尽复盘来回答如下四个问题：一、科技行情产生的共性规律有哪些？ 二、如何把握技术创新和产业生命周期，在投资实战中主动出击并长期持有？三、如何在泡沫顶峰出现时及时逃顶、及时止盈？ 四、如何在泡沫破灭后的漫长调整中做好防御性投资？ 框架更迭：传统DDM模型的反思 通过《全球科技投资范式复盘与展望系列（一）：四轮全球科技股周期与A股映射》可以发现，每一轮行情的演绎都离不开流动性扩张、产业政策刺激、技术创新突破、代表性科技产品销量增长、企业盈利水平提升、市场风险偏好抬升等因素的影响。但具体到每一轮行情的演绎逻辑，各因素所发挥的作用和时效性却不尽相同，造成泡沫破灭的扰动因素亦有差异。因此，讨论科技行情产生的基础条件，首先需要一个统一的分析框架，将各种驱动因素整合到一起，形成系统的思维模型。本文中我们基于策略研究中已形成市场共识基础分析框架——股利贴现模型（DividendDiscountModel，DDM）进行讨论，并在此基础上独立构建全新的分析框架，论述科技行情的产生条件。 DDM模型简介 DDM模型是现金流折现模型的一种特殊形式，其原理是把预期在未来派发的一系列股息按贴现率贴现成现值，并将一系列股息的净现值求和得到该股票的合理价值，从而实现上市公司的股权资产定价。图1给出了代入资本资产定价模型的DDM模型公式，其中V代表某一企业股权的现值（当前股票价格），�为投资年限；分子端�0代表初始期的股息分红，��代表企业的盈利增长率；分母端��代表市场的无风险利率（一般用十年期国债收益率表示），��为市场基准组合的收益率（如 标普500指数组合、沪深300指数组合），�(��−��)为风险溢价或风险补偿，1+ ��+�(��−��)整体上构成了股息的贴现率，即投资者进行股权投资的期望回报率。由此可知，股权资产价格的影响因素主要有三个：即分子端的企业盈利和分母端的无风险利率、风险溢价（图2），这也在一定程度上对应了证券投资分析中的基本面分析、资金面分析和情绪面分析三项工作。 图1：DDM模型 资料来源：Farrell,J.L.(1985).TheDividendDiscountModel:APrimer.FinancialAnalystsJournal,41(6),16–25.，国信证券经济研究所整理 图2：影响股权资产定价的三个主要因素 资料来源：国信证券经济研究所绘制 传统DDM模型存在的问题 过去十年间，以DDM模型为逻辑基础、预期差为分析手段的研究框架逐渐被市场主流采纳，成为各类机构投资者进行大势研判的主要方法。然而，自2023年以来，受到多重因素影响，该分析框架对市场走势的预判出现了多次失效的情况： ①2023年7月下旬至2024年2月初，A股市场基于传统DDM模型三要素框架的大势研判失效。 具体而言，新冠疫情结束后，经济基本面曾一度稳中向好，对外贸易保持增长，国内流动性持续宽松，国民经济持续恢复、总体回升向好，高质量发展扎实推进，产业升级厚积薄发；同时，2023年上半年美联储停止加息，市场流动性预期转好，全球发达市场和印度、东南亚等新兴市场的权益表现逐步走强，为A股市场走牛奠定了基础。此时，若以DDM三要素框架来分析，分子端的企业盈利和分母端的流动性确定性均较高，市场对于宏观经济持续复苏信心较强，使得分母端风险偏好的预期也较高。因此，在预期分子分母端三要素发生共振的前提下，市场主流声音普遍认为A股即将筑底完成，有望开启新一轮行情；即使走势震荡上行，也不应该出现非理性的下跌。 然而，外资纷纷撤离中国，对A股市场的流动性造成了一定影响。同时，受到国内房地产市场持续低迷影响，DDM三要素框架下的分母端风险偏好出现了非线性波动，这种悲观预期也在后期反映在经济基本面上，部分