【抽奖】E10.进化与反脆弱：AI时代下的全球资产配置
非常有财
本期嘉宾
恽雷 | 南方基金国际投资部总经理
本期·介绍
期权交易员、《反脆弱》作者纳西姆·尼古拉斯·塔勒布曾说：风会熄灭一支蜡烛，却会让火越烧越旺。
同样面对波动和不确定性，有些人的资配理论可能不再适用，但有些人的全球投资价值观与方法论却在不断进化。今天的全球资本市场，似乎正站在这样一个时刻：AI像一阵风，吹过美股、韩股、日股，也吹过黄金、原油乃至全球风险资产的定价逻辑。机会前所未有地清晰，拥挤也前所未有地明显。
当世界越来越围绕同一个叙事旋转，我们该如何判断风险？当分散配置的底层相关性正在变化，我们又该如何搭建一个更有韧性的投资组合？
本期「非常有财」，我们邀请南方基金国际投资部总经理恽雷，一起进入一场关于进化、波动与反脆弱的讨论：在AI冲击下，全球资产配置正在如何打破旧范式，在风险和波动中重构投资逻辑。
注：本期内容为嘉宾个人观点，不构成投资建议。市场有风险，投资需谨慎。
内容·提要
一、全球资产配置基础理念进化
1、生息资产与非生息资产 01:56
我们从恽雷的资产配置基础理念中对资产的分类讲起：什么是生息资产，什么是非生息资产？
生息资产的属性是收益可归因：例如长期看，标普500这类资产的回报主要来自EPS增长、股息和回购，估值贡献只是其中一部分。非生息资产则是难以用现金流贴现解释的资产：黄金、比特币、原油、艺术品、强主题资产等，更多由稀缺性、流动性、供需边际和叙事变化定价。
恽雷认为，AI时代并没有推翻这套划分，但让它变得更动态。微软、谷歌、Meta 等云厂商因为AI资本开支扩大，自由现金流可能阶段性收窄，但只要投资最终指向更强的现金流创造能力，它仍然可以是生息资产。反过来，AI硬件、存储、半导体设备等板块在传统视角下不具有长期稳定现金流，但在资本开支周期中现金流爆发，也可能阶段性呈现很强的生息特征。
风险提示：上述内容和意见仅作为客户服务信息，并非为投资者提供对市场走势、个股和基金进行投资决策的参考。本公司对这些信息的完整性和准确性不作任何保证，也不保证有关观点或分析判断不发生变化或更新，不代表本公司或者其他关联机构的正式观点。历史业绩不代表未来收益，基金投资需谨慎。
【猜你还想知道】
● EPS：每股收益（Earnings Per Share），反映公司在一定会计期间内每一股普通股对应的利润创造能力。基本公式为：EPS = 归属于普通股股东的净利润 ÷ 加权平均普通股股数，股价 = EPS × PE。因此，股价上涨可以来自两个方向：一是 EPS 上升，即公司盈利增长；二是 PE 扩张，即市场愿意给予更高估值。成长股行情中，市场往往先交易未来 EPS 上修；而在盈利兑现阶段，EPS 是否真正增长，会决定估值能否被消化。
● 现金流贴现：DCF（Discounted Cash Flow），是资产定价中最基础的估值方法之一。资产的内在价值等于未来可产生现金流的现值总和。基本公式为：企业价值 = Σ [FCF_t ÷ (1 + r)^t] + TV ÷ (1 + r)^n。其中：FCF_t 为第 t 年自由现金流；r 为折现率；TV 为终值，即预测期之后的长期价值；n 为明确预测期年数。永续增长模型：TV = FCF_(n+1) ÷ (r - g) 其中 g 为长期永续增长率。
利率上行会推高折现率，使远期现金流的现值下降；利率下行则会抬高远期现金流估值。因此，久期较长的资产，比如高成长科技股、创新药、未盈利成长公司，对利率和风险偏好的变化更敏感。
从资产配置角度看，现金流贴现框架解释了为什么“生息资产”会受到利率、通胀和风险溢价影响：它们的价值不只取决于当前盈利，也取决于未来现金流折现后的现值。
● 资本开支： CapEx，是企业为维持或扩大长期生产经营能力而发生的资本性支出，通常包括厂房、机器设备、数据中心、服务器、芯片、基础设施等长期资产投入。在 AI 产业链中，资本开支是判断景气度的重要变量。云厂商扩大数据中心和算力投入，会传导至 GPU、HBM、服务器、光模块、散热、电力设备等环节。但最终仍要回到现金流框架：AI CapEx 能否带来可持续收入、利润率改善和自由现金流增长，决定了这轮资本开支周期能否被估值长期消化。
2、流动性载体资产与波动率资产 17:37
在非生息资产内部，恽雷进一步区分了两类资产：一类是夏普比相对高的“流动性载体资产”，例如黄金、比特币、A股微盘股等；另一类是需要持续交易边际变化的“波动率资产”，例如很多商品和强主题资产。这类资产能长期走出不错的净值曲线，核心往往不是现金流，而是稀缺性和再平衡力量。黄金的稀缺、比特币的供应规则、微盘股早期被忽视带来的流动性稀缺，都可能让它们在特定阶段具备较好的持有体验。
【猜你还想知道】
● 夏普比率：Sharpe Ratio，是衡量资产或组合“单位风险收益”的指标，用来观察投资者每承担一单位波动，获得了多少超额回报。基本公式为：夏普比率 =（组合收益率 - 无风险收益率）÷ 组合收益率标准差即：Sharpe Ratio = (Rp - Rf) ÷ σp
夏普比率越高，说明同等波动下获得的超额收益越高。从资产配置角度看，夏普比可以帮助比较不同资产或策略的风险调整后收益。单看收益率，容易高估高波动资产；加入夏普比后，可以观察收益是否来自稳定风险补偿，还是单纯来自更高波动暴露。
但夏普比依赖历史收益和波动率，对尾部风险、流动性风险和杠杆风险刻画不足。某些策略在平稳市场中夏普比很高，但极端行情中可能出现集中回撤。
● A股微盘股：A股微盘股通常指总市值或流通市值较小、成交额较低、机构覆盖较少的一类上市公司，没有统一官方定义。从资产配置角度看，微盘股更像是一类高波动、高弹性的权益风险暴露。它的表现通常与市场流动性、风险偏好、监管政策和量化资金行为密切相关。
3、社会意识形态与市场风格 27:06
不同市场会奖励不同的投资风格。美国市场长期奖励成长，背后是科技进步、全球化公司、高ROE和对失败的容忍；欧洲更奖励价值，背后是成熟经济体、工业、医药、奢侈品和稳定现金流；香港作为离岸市场，更容易奖励动量，因为资金往往追求更高的短期回报。A股则更像奖励产业趋势，而产业趋势的本质是持续的资本投入：房地产周期里是居民投入，新能源周期里是政府和产业资本投入，AI硬件周期里是海外云厂商和国内互联网平台投入。
二、旧框架下的新变量：传统资配理论再校准
1、尾部风险：强动量与相关性异常 36:04
尾部风险常常来自两个信号：一是动量极强，二是资产之间出现不合常理的相关性。比如黄金、铜、铝、稀土等有色资产本来各有定价逻辑，但如果在某一阶段同时上涨、同时下跌，说明市场正在用同一种叙事交易不同资产。
AI链也呈现类似特征：各市场产业分工和基本面不同，却在很多交易日高度同涨同跌。当相关性被单一叙事强行拉高时，就要亮起黄灯。尾部风险并不总能预测，但可以通过识别动量和相关性失真提前做好准备。
【猜你还想知道】
● 尾部风险：指发生概率较低、但一旦出现会造成较大冲击的极端事件风险，通常对应收益率分布左尾的大幅亏损，比如 1987 年股灾、2008 年金融危机、2020 年疫情冲击。通常对应收益分布左尾的大幅亏损。传统波动率主要衡量日常涨跌幅，但尾部风险关注的是极端亏损的程度。数学上可以用收益率分布的分位数来描述：P(R ≤ -L) = α其中 R 为资产收益率，L 为亏损幅度，α 为尾部概率。
● 管理尾部风险的金融工具：尾部风险管理的核心，是在市场极端下跌、波动率快速上升或资产相关性突然抬高时，让组合获得一定保护。常见工具大致可以分为四类：
第一类：期权和波动率工具。包括买入 VIX 相关产品、买入深度虚值看跌期权、构建看跌价差等。它们的特点是在危机中可能提供非线性收益，但平时通常需要付出权利金、展期成本或时间损耗。
第二类：结构性产品。典型代表是 Buffer ETF，即缓冲型 ETF。它通过期权组合提供一定下行缓冲，同时设置上涨收益上限。常见结构是：在某个观察期内，如果标的指数下跌，ETF 为前一段跌幅提供缓冲；如果标的上涨，投资者可以参与上涨，但收益会受到上限 cap 限制。
第三类：低波动和防御类因子。低波动因子 Low Volatility，通常选择历史波动率较低、回撤相对较小的股票。它的目标是降低组合波动。系统性危机中，低波动股票也可能下跌，只是跌幅通常相对较小。质量因子 Quality，通常偏好高 ROE、低负债、盈利稳定、现金流充足、资产负债表健康的公司。质量因子的防御性来自企业基本面韧性：在融资条件收紧、需求放缓或市场风险偏好下降时，高质量公司通常更容易维持盈利和现金流。
第四类：资产配置层面的应对。包括降低权益仓位、提高现金和短债比例、采用杠铃策略、趋势跟踪和动态再平衡等，这类方法更强调组合结构本身的抗冲击能力。
● 动量：动量指资产价格或收益趋势在一段时间内延续的现象。简单说，过去表现较强的资产，未来一段时间仍可能继续较强；过去表现较弱的资产，也可能继续偏弱。
动量 = P_t ÷ P_(t-k) - 1 其中 P_t 为当前价格，P_(t-k) 为 k 期前价格。在量化投资中，也常用过去 3 个月、6 个月或 12 个月收益率来衡量动量。
动量既可以来自基本面改善，比如盈利预期上修、订单增长、行业景气度提高；也可以来自资金流入、叙事强化和交易拥挤。尾部风险中需要关注的是，当某类资产的上涨主要由动量驱动，且交易过度拥挤时，一旦趋势反转，回撤可能被迅速放大。
● 相关性失真：相关性失真是资产配置中的重要风险。历史上看起来分散的资产，在共同叙事、流动性冲击或风险偏好骤降时，可能瞬间变成同一笔交易。相关性的基本公式为：ρ_xy = Cov(X,Y) ÷ (σ_x × σ_y) ，ρ_xy 为资产 X 与资产 Y 的相关系数，取值范围为 -1 到 1。
在市场压力阶段，投资者可能同时卖出股票、信用债、商品、新兴市场资产等风险资产，转向现金或高流动性资产。此时，不同资产之间的相关性可能快速上升，原本的“分散配置”保护效果下降。
2、人口红利变人口负债 41:42
AI正在改写全球资配里一些最基础的变量。过去新兴市场常常因年轻人口、低成本劳动力、消费扩张而获得估值加分；但AI时代需要额外评估“可替代性”，可替代性越高，劳动力供给越未必是优势；如果一个国家的劳动力优势恰好落在最容易被AI替代的环节，比如IT外包、BPO、初级代码和初级设计，受教育年轻人口反而可能带来就业和社会稳定压力，人口红利就可能变成人口负债。
印度IT外包产业就是一个典型案例：过去三十年，它是“替代美国程序员”的低成本力量；现在，AI正在成为更便宜的“替代印度程序员”的力量。这不是某一个国家独有的问题，而是所有产业都要面对的底层逻辑变化：唯一不变的是变化本身。
【猜你还想知道】
● 人口红利：人口红利指劳动年龄人口占比较高、抚养负担较低时，经济体可能获得的增长优势。它通常通过劳动力供给、消费需求、储蓄率和投资能力影响潜在 GDP。
● 人口红利在估值模型中的应用：例如在DCF模型中，年轻劳动力扩张、消费市场扩大，可能提高长期增长率 g；老龄化、抚养比上升、财政压力加重，则可能提高折现率 r。人口趋势改变的是一个国家或行业的长期估值中枢。
● 国别风险溢价：国别风险溢价CRP（ Country Risk Premium），指投资者因汇率、财政、资本流动、产业结构、人口结构等不确定性，要求获得的额外风险补偿。在国别资产定价中，可以简化理解为：预期收益率 = 无风险利率 + 市场风险补偿 + 国别风险溢价。人口红利较强的国家，通常更容易获得较高增长预期和较低社会稳定风险；人口负债加重的国家，可能面临财政压力和增长放缓，国别风险溢价也可能上升。
● AI 时代的有效人口红利：AI 改变了人口红利的判断方式。过去市场更关注“年轻劳动力是否足够多”，现在还要看“这些劳动力是否能被 AI 替代”。程序员、初级设计、基础文案等岗位，可能面临较高替代压力；护理、线下服务、建筑、先进制造等岗位的人口价值相对更稳定。可以理解为：有效人口红利 = 劳动年龄人口 × 技能匹配度 × 不易被替代程度
● 印度Nifty IT指数：从2024年12月13日盘中高点46088点跌至2026年6月底26208点，回撤约43%。并且每一次大幅回撤⼏乎都对上⼀场重大AI公司的发布会。截止2026年6月底，10家主要印度IT公司从各自峰值以来合计市值蒸发约2200亿美元。
数据来源：NSE/Business Standard、Investing.com、Economic Times，截至2026.7.28。
3、分散化：基于底层逻辑的多元配置 52:14
AI让全球风险资产似乎进入同一个叙事框架：美股靠AI资本开支，韩股靠HBM，日股靠半导体设备，A股也有AI硬件链。但分散化假设并未推翻，真正的多元资产配置，并非只是把不同地区的资产放进同一个篮子，而是把不同的底层逻辑、不同的β来源放进同一个篮子。欧洲金融、美国宽基、港股高股息、黄金、原油、美债、A股微盘或制造业出海，各自背后有不同收益来源，基于资产底层逻辑的配置才可能在市场再平衡时提供承接。
【猜你还想知道】
● 分散化多元配置理论：分散化的核心是把不同收益来源、不同风险因子、不同宏观敏感度的资产放入同一组合，真正有效的分散来自底层逻辑的差异。常见的多元配置框架包括：
宏观因子配置：根据增长、通胀、利率、汇率和流动性环境，配置股票、债券、商品、黄金、现金等资产。比如增长上行利好权益，通胀上行利好部分商品，利率下行利好长久期债券和成长股。
国别配置模型：用 GDP 增速、人口结构、通胀、FDI、财政状况等变量，判断不同国家资产的风险收益比。人口红利在这里是重要输入，因为它会影响劳动力供给、消费增长、潜在 GDP 和企业盈利增速。
因子配置模型：在股票内部进一步拆分为规模、价值、质量、动量、低波动、红利等因子。不同因子在不同市场阶段表现不同，因此因子层面的分散也很重要。
Black-Litterman 模型：在市场均衡权重基础上加入投资者对某些资产或国家的主观观点，再生成更稳定的配置权重。例如，如果判断印度人口红利确定性较高，可以在模型中加入对印度资产的超配观点。
4、因子趋同：动量、质量也可能押注同一条产业链 59:55
在AI主导的市场里，因子分散也会受到考验。动量因子注重趋势的延续，质量因子代表赚高盈利能力、稳健现金流和低财务风险。但如果市场里最强趋势、最高盈利质量、最大现金流优势都集中到Mag 7、半导体、HBM和AI硬件链上，动量和质量就可能在持仓上高度重合，所谓“因子分散”会退化成用不同规则押同一条产业链。
但因子不能只看统计标签，还要看背后的基本面来源。成长股的动量可能来自EPS环比加速，AI硬件链的动量可能来自存储和半导体涨价，价值股的动量可能来自派息比率提升和ROE改善。质量也要问“好公司为什么被奖励”：是ROE稳定、资产负债表健康，还是现金流足以支撑回购和再投资。只有把动量和质量背后的驱动拆开，才能判断它们是真分散，还是共同暴露在同一个AI叙事里。
【猜你还想知道】
● 因子模型理论：因子模型是一套解释资产收益来源的框架，核心问题是：一只股票或一个组合的收益，究竟来自哪些共同风险来源。小盘风格、价值风格、高盈利公司、低投资公司、动量行情等，都可以被视为“因子”。通用形式可以写成：Ri - Rf = αi + β1F1 + β2F2 + ... + βnFn + εi。其中 Ri - Rf 是资产相对无风险利率的超额收益，F1、F2...Fn 是不同因子，β 是资产对这些因子的暴露，α 是无法被因子解释的超额收益，ε 是随机误差。
Fama-French 三因子模型是因子模型的经典版本，在市场因子的基础上，加入规模和价值两个因子：Ri - Rf = αi + βmkt × MKT + βsmb × SMB + βhml × HML + εi。其中 MKT 是市场因子，SMB 是规模因子，代表小市值股票相对大市值股票的超额收益，HML 是价值因子，代表高账面市值比股票相对低账面市值比股票的超额收益。
五因子模型则是在三因子基础上，进一步加入盈利能力和投资风格两个因子：Ri - Rf = αi + βmkt × MKT + βsmb × SMB + βhml × HML + βrmw × RMW + βcma × CMA + εi。其中 RMW 是盈利因子，代表盈利能力强的公司相对盈利能力弱的公司表现，CMA 是投资因子，代表投资更保守的公司相对投资更激进的公司表现。
● 动量因子：动量因子指过去一段时间表现较强/较弱的资产，未来短期内仍可能延续趋势。量化中常用过去 3 个月、6 个月或 12 个月收益率衡量：Momentum = P_t ÷ P_(t-k) - 1。动量可能来自盈利预期上修、价格上涨、订单改善、派息提升或行业景气度延续，也可能来自资金流入和叙事强化。
● 质量因子：质量因子通常偏好盈利能力强、资产负债表健康、现金流稳定的公司。常见指标包括：ROE = 净利润 ÷ 股东权益毛利率 = 毛利润 ÷ 营业收入；自由现金流 FCF = 经营现金流 - 资本开支资产负债率 = 总负债 ÷ 总资产。质量因子通常在经济放缓、融资环境收紧或市场风险偏好下降时更具防御性。
在 AI 行情中，质量因子也可能与动量因子重叠。许多大市值科技龙头同时具备高 ROE、强现金流、低负债和强价格动量，因此“质量分散”有时会变成对同一批科技龙头的重复暴露。
● MAG7：“美股七巨头”，通常指 Apple、Microsoft、Alphabet、Amazon、Nvidia、Meta、Tesla。它们在美股指数中的权重较高，也集中承载了云计算、AI 模型、芯片、广告、电商、智能终端和自动驾驶等叙事。MAG7 同时具有多重因子属性：从质量因子看，很多公司拥有高 ROE、强现金流和较高利润率；从动量因子看，AI 叙事和盈利预期上修推动股价强势；从成长因子看，它们仍是全球科技资本开支和商业化的重要载体。因此，在看似分散的美股组合中，如果大量持仓最终集中到 MAG7，组合的真实风险可能比表面更集中。
● HBM：HBM，即 High Bandwidth Memory，高带宽内存，是 AI 芯片和高性能计算中的关键存储技术。它通过把多层 DRAM 垂直堆叠，并用先进封装连接到 GPU 或 AI 加速器附近，实现更高带宽和更低功耗。HBM 产业链通常包括 DRAM 设计制造、先进封装、封装基板、测试设备和上游材料等环节。SK 海力士、三星、美光是主要供应商。由于 HBM 技术门槛高、认证周期长、客户集中度高，它在 AI 景气周期中具有较强价格和订单弹性。
风险提示：上述内容和意见仅作为客户服务信息，并非为投资者提供对市场走势、个股和基金进行投资决策的参考。本公司对这些信息的完整性和准确性不作任何保证，也不保证有关观点或分析判断不发生变化或更新，不代表本公司或者其他关联机构的正式观点。历史业绩不代表未来收益，基金投资需谨慎。
三、AI时代下的单市场新范式
1、A股：从宏观Beta到产业Alpha 01:05:23
过去十年，中国资产在全球组合中更多被视为宏观β：城镇化、房地产、消费升级、新兴市场增长共同构成外资能理解的配置逻辑。2021年之后，地产、人口、消费和监管环境变化，让简单买入中国β的逻辑变弱。
中国资产的机会正在从宏观β转向产业α，外资关注的结构从买白酒、消费、互联网，到独有的制造业体系、国产替代能力和全球化资本品企业。中国公司从“服务中国内需”走向“输出全球制造能力”，这是新的定价线索。
【猜你还想知道】
● 贝塔 Beta ：资产对整体市场或宏观周期的敏感度，即市场涨跌时，资产跟着涨跌多少，一般公式为βi = Cov(Ri, Rm) ÷ Var(Rm)，其中 Ri 是资产收益率，Rm 是市场收益率。β 大于 1，说明资产波动通常高于市场；β 小于 1，说明资产相对防御。
● 阿尔法 Alpha ：扣除市场风险暴露后，来自选股、产业判断、公司竞争力或结构性机会的超额收益。αi = Ri - [Rf + βi × (Rm - Rf)] ，其中 Rf 是无风险利率，Rm - Rf 是市场风险溢价。若一个资产的实际收益超过了由市场贝塔解释的部分，超出的部分就可以理解为阿尔法。
2、港股：三类资金，三种定价力量 01:14:51
港股是理解离岸市场的典型样本。长线外资曾经主导腾讯、互联网和消费的成长定价；险资南下寻找高股息资产；对冲基金和量化资金则喜欢港股的波动和交易机会。三类资金风格和定价对象不同，也让港股结构变得复杂。离岸市场最重要的两个问题是：上市主体是否足够丰富，流动性来自谁。香港的优势是资产足够丰富，消费、地产、金融、互联网、创新药、AI硬件都能找到标的；脆弱性则在于流动性来去自由，很多资产如果没有对应资金覆盖，就可能长期低估。
【猜你还想知道】
● 长线外资：指养老金、主权基金、保险资金、全球共同基金等以中长期配置为主的资金。它们更关注市场规模、流动性、公司治理、指数权重、盈利稳定性和资本回报，而非短期交易波动。
● 险资：险资是保险公司资金，特点是规模大、期限长、负债约束强。保险公司收到保费后，需要为未来赔付和保单收益做准备，因此投资目标通常不是短期高收益，而是资产收益与负债久期的匹配。
● 离岸市场：指资金、资产或金融产品在本土司法辖区之外进行融资、交易和配置的市场。它们共同特点是“服务跨境资金”，但不同离岸市场的资金结和定价逻辑并不相同。
3、韩国：AI硬件叙事与K型分化 01:25:21
韩国市场的核心矛盾，是AI红利高度集中在三星、SK海力士等财阀龙头，而散户以更高风险承接波动。社会层面的K型分化，包括代际、雇佣、地域和资产分化，又映射到资本市场：财阀龙头吃到AI红利，散户通过杠杆和高集中度资产押注阶层跃迁。
韩国HBM、存储、PCB等虽然有供需错配，但它们不是原油这类商品，而是资本品。资本品涨价要看下游客户能否接受，一旦下游大厂通过长协、锁价或订单节奏限制价格上行，股价动量就会开始衰减。抱团瓦解可能会先从夏普比崩塌和估值收缩开始。
【猜你还想知道】
● K 型分化
K 型分化指同一经济体内部，不同群体、行业或资产价格走势分叉：一部分受益于资产上涨、产业升级和全球需求，另一部分则面临收入增长慢、就业不稳定、住房负担重等压力。韩国的 K 型分化可以从四个层面理解：代际、雇佣、地域和资产。
代际 K 型：全租房制度与住房负担
韩国的“全租房”制度：租客向房东支付一大笔押金，通常租期 1-2 年，期间不按月付租金，租约结束后房东返还押金。这个制度在房价上涨、利率较低时，曾经帮助有资产的一代通过押金滚动和房产升值实现财富积累。但当房价下跌、利率上行或房东资金链紧张时，全租房制度的风险会暴露：租客担心押金能否被返还，年轻人则面临“买房贵、租房押金也高”的双重压力。
雇佣 K 型：正规雇佣与非正规雇佣
韩国劳动力市场长期存在明显二元结构：一边是财阀、大企业和公共部门的正规岗位，工资、福利、养老金和就业保护较强；另一边是合同工、派遣工、平台劳动者、日结工等非正规岗位，收入较低、保障较弱、晋升路径也更窄。
地域 K 型：首都圈与地方分化
韩国人口和资源高度集中在首尔、仁川和京畿道组成的首都圈。OECD 数据显示，首都圈约占韩国国土面积的 11.8%，但集中了约 50.6% 的全国人口。人口、教育、就业、企业总部和公共资源向首都圈集中，使年轻人形成“必须去首尔”的路径依赖。
资产 K 型：财阀股东、正式员工与散户投资者
韩国资本市场的分化，与财阀结构高度相关。三星、SK、LG、现代等大型企业集团掌握了韩国最核心的制造、科技和出口能力。AI 周期中，三星电子和 SK 海力士处在存储、HBM 和半导体供应链核心位置，更容易吃到全球 AI 硬件需求的红利。但普通散户能够参与这轮红利的方式，不是持有稳定分红和长期股权，而是通过现货、ETF、杠杆 ETF、融资和短线交易来参与价格波动。于是资产端形成一种不对称结构：财阀龙头和核心员工获得产业红利，散户更多承担市场波动和杠杆风险。
● KOSPI 的集中度风险：韩国股市指数对少数半导体龙头依赖很高。韩国金融委员会数据显示，三星电子和 SK 海力士合计市值占 KOSPI 的比例，从 2025 年底的 34% 上升到 2026 年 7 月 15 日的 52%。当市场交易 AI、HBM 和存储周期时，整个韩国股市会被两家公司显著牵引。这种集中度会带来两面性：上涨时，韩国股市对 AI 硬件链的敏感度很高；下跌时，分散化不足也会让指数回撤被放大。
● 单股 2 倍杠杆 ETF：韩国在 2026 年 5 月推出以三星电子、SK 海力士为标的的单股 2 倍杠杆及反向 ETF。单股杠杆 ETF 追踪的是单只股票的每日涨跌幅，目标是放大单日收益，风险在于每日再平衡机制，上涨时助推买盘，下跌时增加卖压。
风险提示：上述内容和意见仅作为客户服务信息，并非为投资者提供对市场走势、个股和基金进行投资决策的参考。本公司对这些信息的完整性和准确性不作任何保证，也不保证有关观点或分析判断不发生变化或更新，不代表本公司或者其他关联机构的正式观点。历史业绩不代表未来收益，基金投资需谨慎。
4、日本：春斗加薪下的工资-物价循环 01:31:27
春斗连续加薪让居民对未来收入更有信心，在当地调研中恽雷总也感受到日本社会士气、消费心态和年轻人行为正在变化。工资上涨、通胀恢复、利率正常化，日本正在从“失去的三十年”中复苏。但春斗加薪主要覆盖大企业和正规雇佣，年轻人、非正规雇佣和内需消费未必同步受益；日股上涨也更多集中在海外盈利、商社、半导体设备和改革叙事，内需修复仍需时间。
【猜你还想知道】
● 春斗：是日本每年春季由工会、企业和产业团体围绕工资、奖金和劳动条件进行的集中谈判机制，它是日本观察通胀、消费和货币政策的关键信号。近几年春斗加薪幅度明显抬升，但春斗的覆盖并不均匀，受益更明显的通常是大企业、工会组织度较高的正式员工；中小企业、非正规雇佣、年轻人和服务业劳动者，未必同步获得同等幅度加薪。
● 工资-物价循环：逻辑可以简化为工资上涨 → 居民收入改善 → 消费需求增强 → 企业提价能力上升 → 利润改善 → 再次加薪。如果这个循环顺利运转，日本就可能从长期低通胀环境中修复出来。对日本央行来说，稳定的工资增长是判断通胀能否持续的重要条件。
● 日本“失去的三十年”：通常指日本资产泡沫破裂后，经济长期处于低增长、低通胀和低利率状态的阶段。1980 年代末，日本股市和房地产价格快速上涨；泡沫破裂后，资产价格大幅回落，银行和企业资产负债表受损，居民和企业转向去杠杆，经济进入漫长调整期。
● “半截社会”：一种整体未崩溃、但活力不足的社会状态。体现在几个层面：一是代际半截，春斗加薪更多惠及团块二代和大企业正式员工，冰河期世代、Z 世代和非正规雇佣获益较少。二是雇佣半截，终身雇佣的壳仍在，但新增正式岗位有限，中小企业和服务业更多依赖合同工、派遣工和小时工。三是资产半截，日经 225 受海外盈利、商社和大型权重股推动较强，TOPIX 更能反映本土企业整体状况，内需消费股表现相对分化。四是社会心态半截，居民有高储蓄和安全感，但风险偏好、消费冲动和生育意愿都不高。
四、黄金、原油与美债
1、黄金：从真实利率到美元信用 01:39:31
黄金过去更像一个金融属性很强的资产：利率上行，黄金承压；利率下行，黄金受益。但近几年，黄金定价变得更复杂。美元信用、财政赤字、地缘政治、储备资产安全、央行购金，都让黄金脱离了单一真实利率框架。
黄金的长期叙事来自货币数量持续增长与黄金稀缺性的对照。短期则会受到利率预期、美元、地缘和通胀扰动。在组合里，黄金更重要的作用未必是贡献很高收益，而是降低波动、打破股债相关性，并在极端场景下提供再平衡资产。
【猜你还想知道】
● 黄金的定价因素：黄金的传统定价框架主要看真实利率、美元强弱和避险需求。黄金本身不产生利息，因此真实利率上行时，持有黄金的机会成本提高，金价通常承压；真实利率下行时，黄金相对吸引力增强。美元走强时，以美元计价的黄金对非美投资者更贵，通常压制需求；美元走弱时，黄金更容易受益。但近几年黄金定价不再只由真实利率解释。央行购金、地缘冲突、财政赤字、美元信用和储备资产安全，正在成为更重要的长期变量。世界黄金协会数据显示，2026 年一季度全球央行净购金约 244 吨，中国央行一季度增持约 7 吨；其 2026 年央行黄金储备调查也显示，89% 的受访央行预计未来 12 个月全球央行黄金储备会继续增加。
● 央行买盘与“美元信用对冲”：央行买黄金的逻辑和普通投资者不同。普通投资者更多关注金价涨跌、利率和避险；央行更关注储备安全、资产分散和支付体系风险。2022 年俄乌冲突后，俄罗斯部分银行被排除出 SWIFT 系统，约 3000 亿美元资产被冻结。这类事件让许多非美经济体重新评估美元资产的安全性：美债、美元存款和跨境清算依赖美国金融体系，而黄金没有发行人，也不依赖某个国家的信用承诺。
● 布雷顿森林体系：布雷顿森林体系是二战后建立的国际货币体系：其他主要货币盯住美元，美元按每盎司 35 美元与黄金挂钩。即美元成为国际储备货币，黄金则是美元信用背后的最终锚。这个体系在 1971 年瓦解。美国停止美元与黄金的兑换，黄金开始成为自由交易的金融资产。布雷顿森林体系的意义在于，它解释了黄金和美元之间的历史关系：黄金曾经是美元信用的锚，后来变成了美元信用的对冲品。
2、原油：边际供需决定价格弹性 01:45:52
原油是更典型的商品资产，价格要看边际供需变化。全球每日供需体量巨大，但只要边际上多出或少掉1%左右的供给，就可能带来非常大的价格波动。突发地缘冲突、库存变化、美国经济韧性、OPEC供给节奏、页岩油成本上升，都可能成为边际变量。
【猜你还想知道】
● 世界原油供需格局：原油价格的核心由供需决定，但原油供给有很强的边际特征。全球每天消费和生产规模都很大，只要边际供给减少 1%-2%，就可能带来明显价格波动。
从供给端看，全球原油大致可以分为三类：（1）OPEC/OPEC+：以沙特、伊拉克、阿联酋、科威特等为代表，掌握较强的产量协调能力和剩余产能。（2）非 OPEC 传统产油国：包括美国、加拿大、巴西、挪威、圭亚那等，主要由市场化企业根据价格和资本开支决策生产。（3）受制裁或地缘扰动产油国：如俄罗斯、伊朗、委内瑞拉等，其供给更容易受到制裁、运输和金融结算限制影响。从需求端看，主要进口方包括中国、印度、欧洲、日本、韩国等。
● IEA、OPEC、EIA：发布原油供需、库存和价格相关数据的三类机构 。
IEA（International Energy Agency）国际能源署，更偏消费国视角，关注全球石油需求、OECD 库存、能源安全、能源转型和消费端变化。主要看需求预测是否下修、库存是否累积、消费国能源安全压力是否上升。
OPEC（Organization of the Petroleum Exporting Countries）石油输出国组织，成员多为主要产油国。OPEC+ 则是在 OPEC 基础上加入俄罗斯等非 OPEC 产油国形成的协调机制。它更偏产油国视角，核心变量是产量政策、减产执行、剩余产能和成员国财政平衡油价。
EIA（ U.S. Energy Information Administration）美国能源信息署，是美国能源部下属统计机构。它更偏数据和技术口径，重点跟踪美国原油库存、汽油库存、炼厂开工率、页岩油产量、进出口、钻机和全球供需预测。
● 页岩油：是从致密岩层中开采出来的原油，美国是最典型的页岩油生产国。页岩油改变了过去全球原油市场只由 OPEC 主导的格局，使美国从主要进口国转向重要生产国和出口国。页岩油的特点是投资周期相对短、产量响应较快，但单井衰减速度也较快，常被视为油价的“边际供给调节器”。
● 霍尔木兹海峡对原油的影响：霍尔木兹海峡连接波斯湾和阿曼湾，是全球最重要的原油运输通道之一。EIA 数据显示，2022 年通过霍尔木兹海峡的石油流量约为每日 2100 万桶，相当于全球石油液体消费量的约 21%。霍尔木兹风险影响油价，不一定要真的完全封锁。只要市场担心油轮保险、航运成本、运输延误或出口中断，油价就会计入地缘风险溢价。若冲突持续时间较短，战略库存、替代航线和 OPEC 备用产能可以缓冲影响；若持续时间较长，库存下降、运费上升和供应链重排会让油价压力变得更明显。
● 原油价格“上行弹性大”：原油短期供需弹性都偏低。消费者不能马上减少汽油、柴油、航空燃油需求，生产商也不能立刻大幅增加供给。当供给出现边际扰动时，价格需要快速上升来压制需求或刺激供给。即油价 = 基础供需平衡 + 库存变化 + OPEC剩余产能 + 地缘风险溢价 + 金融市场预期。如果需求疲弱、库存高、OPEC 有足够剩余产能，油价上行空间会受限；如果地缘冲突升级、库存处在低位、剩余产能不足，油价上行弹性会被放大。
3、美债：全球资产定价的锚 01:51:18
如果只能选一个未来最容易被市场集体误定价的变量，恽雷选择美债。这是因为美债是全球最充分定价的资产之一，也是股票、商品、黄金、外汇和信用资产共同参考的锚。短期看，市场关注利率路径；中长期看，更重要的是美联储资产负债表和全球流动性管理。美联储缩表和沃什的更少信号指引，都会改变全球资产的折现率、风险偏好和流动性环境。
【猜你还想知道】
● 美债对其他资产的传导影响：美债收益率是全球资产定价的基础变量， 10 年期美债收益率常被视为全球无风险利率和长期折现率的重要参考。在估值模型中，折现率上升会压低远期现
