股权投资：2023年宏观经济与热门行业投资分析

国家宏观经济政策和产业政策是影响股权投资成功与否的首要因素，政策的力度和方向直接影响资本市场的信心。投资必须顺应国家产业发展的潮流和大势。在相当长的时期内，国家都会重点支持新经济领域的行业，如新一代信息技术行业，包括半导体、人工智能、大数据、云计算、金融科技、机器人等；新能源及高端制造行业；生物医药及大健康行业，包括医药、医疗服务、医疗器械、保健、养老产业等。在这些行业中选择投资，就不容易出现方向上的错误。 除了顺应政策方向外，赛道还必须有足够的发展潜力。赛道的宽度，决定了理论上项目所能获得的最大收益，关乎企业的生存空间，也影响着资本的投资热情。从大方向看，大赛道拥有更大的战略腾挪空间。在新经济形式下，大数据、人工智能、物联网、云计算的出现改变和颠覆了许多原有业务、市场和应用，行业间发展越趋融合之势，天花板被解构或重新创造，代表新技术、新生产力的产品和服务逐步取代旧产品，如被大众所熟知的特斯拉和苹果。同时，赛道的宽度也是在持续发生变化的，新经济形式下，股权投资除关注大赛道外，还应当深研细分赛道，尤其是目前处于新兴领域、创新高科技方向，其未来的市场容量将可能超乎想象。

● 掌握宏观经济周期的底层逻辑和经济周期的分类及应用； ● 了解我国2023年宏观经济周期中的定位和未来发展方向； ● 了解2023年房地产、大宗商品等大类投资的方向； ● 了解新能源、医疗医药、人工智能等热门行业发展方向和细分领域投资策略。

第一讲：底层逻辑：宏观经济周期理论 一、宏观经济的周期波动 1. 万物皆周期——春夏秋冬的四季轮回 案例：中美日三国经济周期历史轮动 2. 为什么投资要研究周期——历史在不断重演 二、四种常用的经济周期范式 1. 基钦周期——2~4年的存货周期 2. 朱格拉周期——10年左右的中周期 3. 库兹涅茨周期——20年左右的建筑周期 4. 康波周期——为期60年的长周期 三、影响宏观经济的周期分类 1. 信贷信用周期——货币流动性是基石 2. 政府政策周期——重要方向指引 案例：中国房地产行业产业政策分析 3. 设备更新周期——技术驱动经济前进 案例：新能源行业设备更新周期分析 4. 企业盈利周期——微观构成宏观 5. 情绪心理周期——风动旛动还是心动 第二讲：周期定位：2023年我国宏观经济周期定位 一、库存周期：2023年下半年可能探底回升 1. 我国库存周期已切换至被动去库存，对应经济周期中的复苏 2. 库存周期本质是需求的映射 3. 新一轮库存周期预计在 2023 年三季度启动 二、设备更新周期：2023年下半年有望底部回升 1. 新一轮设备更新周期有望启动 2. 工业行业投资潜力三维度评价体系 3. 制造业投资对经济增长的拉动料将持续回升 三、信用周期：有望持续向上 1. 信用周期指数的构建方法 2. 信用周期的二阶段论：供给驱动和需求驱动 3. 2023 年信用周期有望迈入“需求驱动”阶段 四、周期叠加：三周期有望共振向上 1. 从逻辑和实践上，三大周期之间存在一定内在关联 2. 在三周期共振的推动下，工业复苏或仍有很大空间 3. 三周期共振向上是对投资市场较为友好的环境。 第三讲 大类投资：房地产与大宗商品 一、房地产行业投资分析 1. 需求有支撑、供给将拖累，总量不悲观、结构强弹性 2. 政策或全面转向，供给端应出尽出，需求端亟待跟进 3. 供给过度出清，格局优化更剧烈，估值中枢将上移 4. 我国房地产目前需求端呈现出超跌状态，供给端处于过度出清状态，将呈现“L”型总量弱复苏 二、大宗商品投资分析 1. 全球流动性拐点将至，海外银行危机叠加，货币属性强的商品迎来配置机遇 2. 供给约束引发周期品投资的“范式转变”，商品价格有望触底回升 案例：传统周期品上市公司的改革与产业升级 3. 关注成本下降带来盈利拉阔的投资逻辑 4. 中特估将成为贯穿全年主线，利好周期板块投资 第四讲 2023年热门板块投资分析 一、新能源行业投资分析 1. 光伏行业：长期趋势向好，硅料产能逐步释放，下游需求逐季增长 2. 新能源车：继续销量高速增长，关注产能紧缺环节及技术路线变化 3. 风电行业：关注海上风电发展及国内企业出口增量带来的估值提升机会 3. 储能领域：中美欧三大市场齐爆发，储能迎来黄金发展期 案例：某光伏企业融资要素及估值分析 二、医疗医药行业投资分析 1. 创新药产业链：审批加速，国内创新药医保谈判降幅预期温和 2. 创新医疗器械：本土企业相继推出创新医疗器械，获批数量逐年攀升 3. 先进设备制造：自主可控和扩大内需，国产替代率低的先进制造设备龙头机会 4. 疫后复苏：前期因疫情影响而受损的院内诊疗和消费医疗领域有望迎来业绩修复 5. 中药板块：新药研发加速、行业监管规范化、以及人口老龄化 案例：某传统中药上市公司的化妆品转型进击之路 三、人工智能领域投资分析 1. 大模型公司：大模型作为将来重要的基础技术底座 案例：美国人工智能大模型领域发展启示 2. 数据要素：数据质量和体量决定了大模型的优劣，未来围绕着数据产权将有进一步的价值划分 3. 算力公司：模型越来越大、渗透率加速提升、技术演进对算力需求爆发式增长 3. 国产算力替代：各地加速推进智算中心，国产AI芯片进行国产替代 4. 国内应用（降本线）：生成式AI能很好地节省人力，如广告、影视、电商、游戏等领域 6. 国内应用（增收线）：产品壁垒较高的公司，在接入大模型后，提升用户数量