机构抱团与股价表现及AI重塑生产函数研究

  • 来源:慧博智能投研
  • 发布时间:2026/08/18
  • 浏览次数:13
  • 举报
相关深度报告REPORTS

投资策略:机构抱团如何影响股价表现?.pdf

机构抱团行为与股价表现之间存在密切的历史关联,超额收益高点通常略早于抱团顶出现,而抱团瓦解则是股价顶部的右侧确认。本报告回顾了银行、消费、计算机、新能源等历次典型抱团行情,指出相对基本面趋势是决定抱团瓦解的关键,资金踩踏则加速了这一过程。当原有板块业绩弹性减弱,其他板块展现出更强增长潜力时,资金会发生切换,引发负反馈循环。与此同时,AI技术正从劳动、资本、技术及数据要素四个维度重塑宏观生产函数。劳动要素方面,替代效应与增强效应并存;资本要素方面,形态与折旧机制发生改变;技术水平方面,AI使其成为内生变量并可能带来规模报酬递增。数据作为新生产要素,通过网络效应和非竞争性特征推动经济增长,体验经济...

机构抱团的演进逻辑与历史回顾

回顾公募基金的持仓结构变迁,机构配置往往向业绩长期优秀、叙事最有吸引力的板块集中。随着机构持续加仓,行业的超配比例不断抬升,当这一比例超过特定阈值时,便进入历史分布的极端尾部区域,被视为抱团高集中度状态。历次抱团集中度达到高位后,往往会维持一段时间,其持续时间与行业基本面趋势紧密相关。

历史上曾出现多次典型的机构抱团行情。2006年至2009年的银行抱团时期,信贷快速扩张推动金融盈利高增,市场形成货币宽松利好金融的认知,这是单一行业抱团最极致、高位持续最久的一轮。2009年至2012年的消费抱团中,高端白酒迎来涨价潮,凭借独特属性成为经济下行周期中的最优解,机构配置向消费集中。2013年至2015年,移动互联浪潮爆发,计算机等软件应用领域相对全A基本面优势显著,机构加速拥抱相关板块,但这一轮抱团在高位的时间较短。2016年至2021年,供给侧改革与外资流入强化了核心资产定价逻辑,消费板块迎来二次抱团,高集中状态持续约两年。2021年至2022年,双碳目标确立叠加全球能源危机,新能源景气度快速上行,机构加速集中配置,极致抱团持续约六个季度。

抱团集中度与超额收益的关系

机构超配比例对于股价具有一定的指引作用。回顾历史上几轮抱团行情,相对股价顶一般略早于抱团顶出现,股价往往在机构超配高点前一至三个季度就已提前见到相对高点。这意味着超额收益的高点大多略早于抱团顶出现。

抱团瓦解是相对股价顶的右侧确认,大多滞后约一年。将机构超配比例首次跌破临界值并持续下行视为抱团瓦解,借鉴历史经验看,多数情况下股价顶到真正触发抱团瓦解的时间在三至六个季度。当超配比例达到一定水平时,可视为早期风险信号,此后交易性价比可能下降。

机构抱团瓦解的关键驱动因素

相对基本面趋势是决定抱团瓦解与否的关键。当原有抱团板块的业绩弹性减弱,而其他板块展现出更强的增长潜力时,资金会发生切换。例如,当银行相对于食品饮料的净资产收益率相对优势回落甚至转负时,银行抱团快速瓦解,食饮抱团随之成型。类似地,当移动互联网浪潮下科技接棒成为弹性最大的板块,且食饮相对计算机的基本面优势缩小时,新一轮科技抱团开始酝酿。最近一次切换发生在新能源与人工智能之间,随着AI产业叙事明朗,电力设备相对通信的基本面相对优势扭转,新能源抱团迅速瓦解。

催化剂方面,前期流动性收紧和后期资金踩踏加速了瓦解过程。旧主线瓦解前板块已积累显著超额收益,一旦松动,机构相似持仓放大卖出冲击,易引发股价下跌、净值回撤、排名回落、赎回压力、被动减仓的负反馈。杠杆资金对基本面变化反应滞后,多在瓦解后才明显流出,加剧后期踩踏。

AI技术对生产函数的重塑机制

AI技术正全方位渗透至经济社会运行的各个环节,成为新一轮生产力变革的核心驱动力。在传统的增长核算体系中,总产出由资本投入、劳动投入和技术水平决定。AI技术的发展对经典增长理论的基础假设带来了挑战,从多个维度重塑生产函数。

在劳动要素方面,本轮AI主导的技术进步将自动化覆盖边界大幅延伸至认知型脑力劳动领域。AI对劳动要素的影响具备多元性,包括替代效应、生产率效应、复原效应以及增强效应。增强效应在微观层面几乎与AI技术的普及同步,而替代效应已经出现苗头且可能正在加速。

在资本要素方面,AI正在逐步改变资本的核心形态,重塑了资本的固定成本与可变成本配比结构,并可能改变资本的折旧机制。AI对资本的影响正处于逐步兑现的阶段,成本特征变化的显现取决于AI行业渗透率的提升以及智能资本弱实物折旧属性在宏观核算中的体现。

在技术水平方面,当AI广泛渗透进研发环节时,这种资本深化将激活想法积累、经济增长、资本形成的良性循环,使技术进步与经济增长具备持续上行可能性。AI推动技术水平从外生给定的索洛余值转变为内生变量,可能带来规模报酬递增。

数据作为新生产要素的经济影响

数据作为一种新的生产要素进入分析框架,具有完全非竞争性、边际复制成本趋近于零以及数据网络效应等特征。数据要素通过新古典增长路径、内生增长路径以及要素偏向型技术进步路径促进经济增长。长期积累、可反复投入生产的数据会形成独立的数据资本,直接带动社会总产出提升;同时,数据能够加速研发与知识挖掘,形成正向循环,持续抬高经济体长期潜在增长水平。

AI越擅长什么,未来人类可能就越重视什么。当数字世界真假难辨,真实痕迹正在成为新的信任锚点,体验本身也将成为算法趋同之下重塑自我认知的重要一环。消费者正在从单纯追求拥有更多,逐步转向追求感受更多,体验经济规模预计将持续增长。

AI产业的盈亏平衡与融资缺口分析

把AI产业看作一个整体,在2030年前后可能需要近万亿级别收入才得以覆盖其会计成本,外部融资的缺口高点则可能出现在2028年前后。如此大级别的盈亏平衡水平以及远未达峰的外部融资缺口意味着AI技术必须通过更显性的收入转化持续自证。

设备折旧越快,需要AI变现越快。在中性资本开支增速假设下,要实现资本开支的会计盈亏平衡,不同折旧情形对应着不同的收入要求。如果从复合年均增长率的角度看,未来几年需要兑现较高的年化增速,这需要技术端与应用面的双突破。

外部融资缺口的路径差异较为显著。在资本开支的悲观情形下,外部融资缺口可能较早见顶,而在中性与乐观情形下则需在2028年左右见顶。需要注意的是,路径假设的前提是收入等于会计盈亏水平,若实际收入无法满足该条件,融资缺口的规模将更大,见顶时间也会更滞后。尽管沉没成本越发累积,但产业趋势面前,对错都是后视的,看向三年后的万亿美元级别收入门槛而产生怀疑是正常的。

编辑:流星雨
  • 热门文档
  • 热门文章
  • 本年热门
  • 本季热门
  • 本月热门
  • 本年热门
  • 本季热门
  • 本月热门
分享至