易方达中证人工智能ETF基金投资价值分析:投资人工智能领域核心标的

王建新1

文：燕翔、朱成成、许茹纯

核心观点
人工智能几经波折后迎来了主升浪
自古以来，人类就对以自己为模板创造人工生命并赋予其智能充满着幻想。1943年，Warren McCulloch和Walter Pitts发表了关于人工智能最早的工作，之后到上世纪50年代中的10多年时间里一直是人工智能的孕育期。此后1950年代中至1990年代中人工智能的发展经历两次黄金时期和低潮。1997年5月11日，IBM制造的专门超级计算机深蓝击败了国际象棋世界冠军，标志着人工智能的研究到达了一个新的高度。2000年代后，人工智能的应用领域变得更广，应用程度也变得更深，例如近年来人工智能被广泛应用于智慧服务、自动驾驶、智慧抗疫、创新经济等领域，人工智能几经波折后终于迎来了主升浪。

当下是投资人工智能的最好时机

通讯技术在科技革命中起着极其关键的作用，可以说每一次新技术的大规模推广和使用都是以通讯为先导的。今天5G通讯网络已经开始铺设，万物互联的基础设施即将具备。整个信息技术的产业即将再次迎来大爆发，2020年将是智能革命的元年，下一轮的投资机会将会在人工智能领域产生。对应到资本市场上，我们认为科技创新大时代是未来行情的主线条，当下是投资人工智能的最好时机。

中证人工智能主题指数分析：投资人工智能领域核心标的

中证人工智能主题指数（930713.CSI）是由中证指数有限公司发布的股票指数，从沪深两市选取为人工智能提供基础资源、技术以及应用支持的公司中选取代表性公司作为样本股，反映人工智能主题公司的整体表现，主要存在以下几个特点：

第一，从历史表现来看，中证人工智能主题指数长期收益率较高，收益-风险表现优异，其中尤其在2013-2015年以及去年下半年以来科技占优的行情中表现十分亮眼。

第二，从行业的权重分布上看，从申万一级行业的权重分布上看，中证人工智能主题指数成分股中计算机和电子等TMT行业权重靠前。

第三，从个股情况来看，中证人工智能主题指数大幅聚焦人工智能领域核心标的。

易方达中证人工智能ETF基金：交投活跃、费用更低

易方达中证人工智能ETF（159819.OF，简称AI智能）是紧密跟踪中证人工智能主题指数收益率的基金产品，追求跟踪偏离度和跟踪误差的最小化，为投资者提供一个管理透明且成本较低的指数投资工具。

自9月23日上市以来，易方达中证人工智能ETF交易十分活跃，表明该基金的市场关注度及参与度均比较高，同时也反映了易方达中证人工智能ETF流动性相对较好。

费率端来看，本基金的管理费率为0.15%，托管费率为0.05%，而同类其他基金上述两类费率平均分别为0.54%和0.11%，即本基金的费率要显著低于同类型其他基金。

人工智能几经波折后迎来了主升浪



自古以来，人类就对以自己为模板创造人工生命并赋予其智能充满着幻想。1943年，Warren McCulloch和Walter Pitts发表了关于人工智能最早的工作，之后到上世纪50年代中的10多年时间里一直是人工智能的孕育期。此后1950年代中至1990年代中人工智能的发展经历两次黄金时期和低潮。1997年5月11日，IBM制造的专门超级计算机深蓝击败了国际象棋世界冠军，标志着人工智能的研究到达了一个新的高度。2000年代后，随着大数据的普及、深度学习算法的完善、硬件效能的提高，人工智能的应用领域变得更广，应用程度也变得更深，例如近年来人工智能被广泛应用与智能制造、智慧服务、自动驾驶、智慧抗疫、创新经济等领域，人工智能几经波折后终于迎来了主升浪。

人类对人工智能的期望由来已久

自古以来，人类就对以自己为模板创造人工生命并赋予其智能充满着幻想。古希腊神话中，火神赫菲斯托斯就创造了黄金机器人作为自己铁匠铺的助手；皮格马利翁则爱上了自己创造的雕像伽拉忒亚并由爱神赋予之生命；《列子·汤问》中的偃师所创造的歌舞伎不止表演高超，甚至有人类的情欲；黑暗的中世纪中，用巫术创造魔像的故事广为传播；文艺复兴时期欧洲的炼金术师沉迷于创造出何蒙库鲁兹这种人工生命；怪物弗兰肯斯坦的故事家喻户晓；《2001太空漫游》中的HAL电脑的自主意识及其采取的行动让人惊心动魄。我们可以发现，创造人工智能的想法自人类的诞生就一直存在，它随着人类的发展不断演化（神造人->人造超人->人造亚人->人造电脑），并随着人类的发展逐渐的变成现实。

人工智能的孕育期及诞生：1943-1956

1943年，Warren McCulloch和Walter Pitts发表了关于人工智能最早的工作。他们提出了一个神经网络的架构：每个神经元只有“开”和“关”两种状态，并可由周围神经元的刺激切换状态。同时，他们证明了神经网络可以用于数值和逻辑的计算。

1950年，哈佛的两个本科生Marvin Minsky和Dean Edmonds建造了第一台神经网络计算机SNARC，可以模拟40个神经元。

本时期最重要的贡献来自于阿兰·图灵。1950年，图灵发表了《Computing Machinery and Intelligence》论文，介绍了图灵测试、机器学习、基因算法、强化学习等概念，奠定了人工智能发展的基础。

1956年的达特茅斯会议标志着人工智能的诞生：John McCarthy联合Minsky、Claude Shannon、Nathaniel Rochester在达特茅斯组织了两个月的Workshop。达特茅斯会议将不同的研究领域的研究者组织在了一起，提出了“人工智能”这个名词，人工智能也成为了一个独立的研究领域。参会者尽管只有十人，但是他们中的每一位在未来很长的一段时间都对人工智能领域产生了举足轻重的影响。

第一次黄金时期及低潮：1956-1980年代初

达特茅斯会议之后，人工智能迎来了发展的黄金时期，出现了大量的研究成果。

Herbert Simon、J.C.Shaw、Allen Newell创建了通用解题器（General Problem Solver），是第一个将待解决的问题的知识和解决策略相分离的计算机程序；Minsky、Seymour Aubrey Papert提出了微世界（Mircro world）的概念，大大简化了人工智能的场景，有效地促进了人工智能的研究。微世界程序的最高成就是Terry Winograd的SHRDLU，它能用普通的英语句子与人交流，还能作出决策并执行操作。

第一次黄金时期离不开资金的支持。1963年，ARPA（后来的DARPA，美国国防部高级研究计划局）拨款220万美元给MIT，并于之后每年提供300万美元（至1970年代结束）。更重要的是，ARPA的经费并没有附带明确要求，这提供给了MIT科学家梦寐以求的研究氛围。

第一次黄金时期让人们对人工智能领域充满了乐观情绪，甚至人工智能的领军人物Minsky都认为“在三至八年里我们将得到一台具有人类平均智能的机器”。

人们的乐观情绪在1970年代渐渐被浇灭。研究者发现，即使是最尖端的人工智能程序也只能解决他们尝试解决的问题中的最简单的一部分。人工智能还遭遇了以下一些问题：

存储空间和计算能力的严重不足：例如，Ross Quillian的自然语言处理程序只包括20个单词，因为这是存储的上限。

指数级别攀升的计算复杂性：1972年Richard Karp的研究表明，许多问题只能在指数级别的时间内获解，即计算时间与输入的规模的幂成正比。

缺乏基本知识和推理能力：研究者发现，就算是对儿童而言的常识，对程序来说也是巨量信息。1970年代没有人建立过这种规模的数据库，也没人知道怎么让程序进行学习。

随着人工智能发展遭遇瓶颈，资金纷纷抛弃人工智能领域。由于项目失败等原因，DARPA也终止了对MIT的拨款。到了1970年代中期，人工智能项目已经很难找到资金支持。

第二次黄金时期及低潮：1980年代初-1990年代中

这次黄金时期的到来，专家系统（Expert system）功不可没。专家系统专注于某一个领域，因而设计简单，易于实现，而且避免了所谓的“常识问题”。商业领域第一个成功的专家系统是Digital Equipment Corporation的R1，从1982年至1988年，它帮助公司平均每年节约4000万美元。到了1988年，全球顶尖的公司都已经装备了专家系统：DEC部署了40个专家系统，杜邦部署了100个。随着专家系统的大规模应用，知识库系统和知识工程得到了普及。



另一个重大的助力是日本的第五代计算机项目。它是日本通商产业省在1982年推出的一个大型研发企划，目的是开发采用平行架构的拥有人工智能的革命性的电脑，开创下一个时代。整个计划预计10年完成，3年用于先期研究，4年用于子系统开发，最后3年组成一个可运行的原型，整个项目预算高达570亿日元。



受此计划的刺激，其他强国纷纷采取应对策略。1983年，英国开始了预算3.5亿英镑的Alvey工程，关注大规模集成电路、人工智能、软件工程、人机交互（包含自然语言处理）以及系统架构；在美国，DRAPA组织了战略计算促进会，年投资额在四年内增长了2倍；而在准将Bobby Ray Inman的领导下，一群美国的计算机和半导体厂商组成MCC（Microelectronics and Computer Technology Corporation，微电子与计算机技术集团）财团，在系统架构设计、芯片组装、硬件工程、分布式技术、智慧系统等方向发力。

在这个时期内，算法也得到了突破性的进展。1982年，John Hopfield证明Hopfield网络可以学习并处理信息，David Rumelhart则提出了反向传播算法。它们和1986年发表的分布式处理的论文一起，为1990年代神经网络的商业化打下了坚实的基础。

随着专家系统的不断发展，复杂度的快速提升，基于知识库和推理机的专家系统显示出了让人不安的一面：难以升级扩展，鲁棒性不够，直接导致高昂的维护成本。

1980年代末期，由于人工智能的项目成果不明朗，DARPA大幅削减了对人工智能的资金支持。

1991年，英国政府发布Alvey工程的最终报告，报告指明，Alvey工程达到了其设定的技术目标，但是并没有提升英国在信息技术市场的竞争力。报告将原因归集为“资本的短缺和管理运营的低效率”。Alvey工程主管Brain Oklay指出，信息技术工业应更注重培训、市场推广和研究成果的商业化。他抱怨道日本的低利率让高科技公司可以开发低毛利产品，而英国的高利率阻止了公司这么做。

尽管英国觉得日本的计划更为成功，但1992年6月，日本政府宣布向全世界公开第五代计算机项目所开发的软件，允许任何人免费使用，这标志着日本雄心勃勃的第五代计算机项目的失败。第五代计算机项目并没有带来人工智能的突破，甚至有人说，第五代计算机项目的最大收获其实是项目的副产物：其训练了成百上千的计算机领域的专家。该项目的失败有多重原因，一般认为，通用型微型机对专用型大型机的冲击及项目研发成果缺乏商业化场景是项目失败的重要原因。

成果显现：1990年代中至今
1997年5月11日，IBM制造的专门超级计算机深蓝（Deep Blue），在经过多轮较量后，击败了国际象棋世界冠军Garry Kasparov。尽管不乏IBM作弊的声音，但这个事件标志着人工智能的研究到达了一个新的高度，也给人工智能做了一次大规模的宣传。2000年代后，随着大数据的普及、深度学习算法的完善、硬件效能的提高，人工智能的应用领域变得更广，应用程度也变得更深。例如近年来人工智能被广泛应用于智能制造、智慧服务、自动驾驶、智慧抗疫、创新经济等领域。今年新冠疫情的爆发导致医疗需求大幅增加，而我国目前的医疗资源依然相对紧张并且分布较不均衡，但是人工智能在医疗领域中的图像识别、医药筛选、远程问诊等方面能够发挥非常良好的作用，可以大大提升医疗体系的运转效率，因此人工智能在抗击疫情方面发挥了十分重要的作用。从更长期的角度看，人工智能在医疗行业的应用将对传统医疗机构运作方式带来极大的变革，最终能够有效缓解医疗资源存在的压力，未来智慧医疗也将有望迎来进一步的发展。此次疫情的爆发同样也暴露了城市治理中存在的诸多问题，而人工智能在智慧政务、疫情监控、社区防疫等方面同样能够形成非常好的协同效应，通过科技赋能，人工智能带来的智慧治理模式对当前的城市治理体系和社区管理方式同样进行了智能化升级，极大的提高了效率。随着疫情防控进入常态化，经济中很多企业面临人员不足、资金周转困难、生产资料匮乏等问题，而人工智能实现的智能化转型同样成为了制造业和服务业提高抗风险能力的重要发展方向。随着技术和应用的不断发展，人工智能也正与经济社会的多个领域在不断进行创新融合，新模式、新场景、新交互在不断催生，人工智能带来的新经济也成为了经济增长的重要支撑。疫情期间的隔离是的正常购物成为难题，实体零售收到了重大冲击，但无人零售、智能物流、智能配送能够帮助零售企业迅速解决这一方面的难题。与之伴随的是自动驾驶同样开始加速发展，催生新的无人经济，对于后疫情时代的生活生产的恢复同样存在重要的作用。此外随着人工智能、5G、虚拟现实等新技术的发展，人工智能同样也会为数字内容领域注入新动能。下一阶段人工智能技术将更广泛的渗入新型基础设施建设，并且将获得更多元的应用场景和更大规模的受众。人工智能也正成为未来经济的主要增长点，尤其是后疫情时代，人工智将能成为各国经济实现重建、转型的重要力量。根据埃森哲对中国以及全球12个发达经济体的研究，到2035年人工智能将帮助各国显著扭转经济增速近年来的下滑趋势。随着人工智能技术不断走向成熟，人工智能的战略重要性已经成为各国共识，全球主要国家也都在纷纷加大对人工智能的关注、支持和投入。2015年以来我国关于支持人工智能发展的政策也在不断落地。


当下是投资人工智能的最好时机



通讯技术在科技革命中起着极其关键的作用，可以说每一次新技术的大规模推广和使用都是以通讯为先导的。今天5G通讯网络已经开始铺设，低时延、高速度的通讯网络很快就会建成，万物互联的基础设施即将具备。整个信息技术的产业即将再次迎来大爆发，2020年将是智能革命的元年，下一轮的投资机会将会在人工智能领域产生。对应到资本市场上，我们认为科技创新大时代是未来行情的主线条，当下是投资人工智能的最好时机。

商业利益在人工智能浪潮中扮演日益重要的角色

我们发现，人工智能的黄金时期与投资规模息息相关。第一次黄金时期由ARPA的投资所触发，第二次黄金时期来自于商业利益的推动和日本第五代计算机的刺激，而最近的这一轮人工智能的热潮，则主要来自于商业巨头间用于弥补移动互联网增长乏力而发力寻找下一个增长点的人工智能竞赛。明显的，我们可以发现，商业在人工智能中扮演的角色愈发重要：从第一次黄金时代的缺席，到第二次黄金时代的推动（专家系统），再到这个世代的主动推手——这也是我们强调人工智能公司一定要有应用场景的原因。

我们认为，人工智能领域的繁荣需要政府和企业互相配合。政府主导的计划是基础研究，毕竟，美国政府1960年代所支持的基础研究造就了一个新的工业，并且，目前强人工智能的研究还急需基础理论的补足；但是，政府主导的应是基础研究，而不是应用研究，对于弱人工智能来说，其应用研究的主导应该是商业化的公司。与政府先比，商业化公司更为灵活。人工智能是一个新兴产业，其技术产品的形态在高速变化中，政府部门必要的长决策链难以快速应对市场变化。就算是广受赞誉的日本经济产业省，其1982年制定的“正确”政策在1980年代末泛用型微型机的冲击下都显得十分荒谬。同时，商业化可以避免英国Alevy工程失败原因之一的政府机构的效率问题。最重要的是，政府的资源的投入并不是长期稳定的，而是脉冲式的，会受到当前国际政治经济环境的强烈影响，而只有技术的商业化，形成产品和稳定的现金流，方能在长时间内支撑人工智能工业稳定发展。

第一、二次低谷不会再重演

同时我们也注意到，人工智能的低谷，均与人工智能未能达到期望有关。未达到期望的原因则略有不同：第一次人工智能的失败在于数据、算力的缺失以及算法的不完善，第二次人工智能的失败在于专家系统高昂的维护成本、泛用型机器的冲击及政府主导计划商业化的失败，特别是泛用型微型机的冲击对专业型大型机影响巨大。至于目前出现的从泛用型处理器向专用型处理器转变的现象，我们认为其与1980年代末泛用型微型机对专用型大型机的冲击不同：1980年代末计算机的渗透率非常低，大量场景对低价泛用型微型机的需求远未满足，而现在，泛用型处理器已经充斥着我们的日常生活（手机、计算机等），而且他们的运算能力在大多数情况下是富余的（计算机CPU的算力对于日常办公娱乐来说已经过剩），但对于研究和模型搭建，尤其是需要复杂计算的深度学习，以及专用型人工智能的运行来说，专用型处理器的低功耗、高效率是必须的。随着当前神经网络被证明可以有效处理复杂问题，以及算力、存储能力的快速增加，大型计算机的计算节点、计算速度、存储规模已经超越人脑若干数量级，我们认为弱人工智能领域的“金线”已经触手可及。

2020年将是智能革命的元年

通讯技术在科技革命中起着极其关键的作用，可以说每一次新技术的大规模推广和使用都是以通讯为先导的。石器的应用和推广是以人类语言的使用为前提的。铜铁冶炼技术的推广需要文字的普及。机器的爆发使用、以及相关商品的推广，和电报的广泛使用密切相连，汽车时代对应的是电话时代。到了信息技术时代，通讯技术从1G、2G、3G、4G一步步升级，每一次都对应着信息技术的跨越式发展。

2019年6月6日，工信部正式发放5G商用牌照。今天5G通讯网络已经开始铺设，低时延、高速度的通讯网络很快就会建成，万物互联的基础设施即将具备。整个信息技术的产业即将再次迎来大爆发，2020年将是智能革命的元年。

万物互联的网络就会产生无穷的数据，有了庞大的历史和动态的实时数据，计算能力和计算算法就变得十分重要，高精尖的CPU、高深的算法就有了用武之地，智能的数据会从这里产生。有了智能的数据，我们就可以在机器人、各种自动设备植入AI芯片，让机器按照我们想要的方式运行。有了数据人工智能就有了基础，所以下一轮的投资机会将会在人工智能领域产生。



目前的人工智能是弱人工智能。我们将人工智能分为弱人工智能、强人工智能和终极人工智能三个阶段。不同阶段所需要的复杂度是指数级递增的。弱人工智能指的是专注在某一特定类别任务的人工智能，如人脸识别算法专注人脸识别，Siri只能完成特定功能的语音交互，AlphaGo十分强大但是专注于围棋领域；强人工智能，或通用人工智能，指的是泛用型人工智能，一般拥有自主的意识，可以通过图灵测试；终极人工智能指的是在各方面均能超越其造物主的人工智能，如EA《质量效应》中的Geth种族，在质疑自己的存在意义并觉醒后，其战胜了自己的造物主Quarians。显而易见，当前绝大部分人工智能公司的产品均只能在某一特定类别任务试用，是弱人工智能。强人工智能仍处于孕育期，尚未有足够坚实的理论支撑，也未出现经过检验的原型。至于终极人工智能则更加长远，估计本世纪不会出现。

硬件支撑、数据集、算法、应用场景是人工智能的四大要素。根据研究，我们将目前的弱人工智能领域归集为下面这个模型。硬件支撑是整个人工智能的基础。数据的搜集需要传感器，数据的储存需要存储介质，算法的训练需要高效的芯片，应用场景则需要相应的硬件配合（如手机、机器人等）。数据集是训练算法的基础。俗话说“巧妇难为无米之炊”，在机器学习当道的情况下，拥有良好标记的大数据集方能训练出优秀的算法。算法源自数据集，优秀的算法可以应用于相应的应用场景进行变现，如人脸识别可以应用于安全领域，语音识别可以应用于翻译领域等。应用场景可以产生大量的业务数据，这些数据大多经过了用户的标识，可以补充进数据集中，从而更好地训练出更优秀的算法。更优秀的算法会促进更大规模的应用，这样就形成了一个正反馈的循环。因而，我们认为，人工智能领域，在无破坏性技术的出现的情况下，先发公司优势较大。



不断下探的存储成本和计算成本推动人工智能的发展。目前，存储成本已从1980年的437,500美元/GB下跌到2016年的0.019美元/GB，CAGR在-38%左右。较低的存储成本可以使得大数据的存储更为便宜。而用$/GFLOPS（1GFLOPS=109FLOPS，FLPOS=Floating Point Operations Per Second，每秒十亿次浮点运算价格）衡量的计算成本也一路下探，根据Wikipedia的数据，$/GFLOPS CAGR在-37%左右。2017年6月，AMD Ryzen结合AMD VEGA Frontier Edition将$/GFLOPS降到0.06美元。保守估计，2030年代模拟人脑的计算机单价将低于1000美元，我们将迎来人工智能奇点。





科技创新大时代是未来行情的主线条

在2020年年度策略会上，我们提出我国有望进入一个科技创新的大时代。回过头来看刚过去的近半年时间，我们此前的判断似乎在不断地被验证，即使受疫情影响市场短期波动加大，科技板块持续强于大盘的走势却基本未间断过。站在当前时点，我们依然维持此前的观点不变，坚信科技创新大时代风格仍将会延续。

疫情冲击不小，但目前中国经济形势正处在持续回升的势头当中，经济仍在加快修复。可以看到，进入2020年后，突如其来的新冠疫情对短期经济带来了较大冲击，随着4月份一季度经济数据的公布与上市公司一季报的陆续披露，疫情直接冲击我国内需带来的影响基本上已经体现。从经济数据来看，疫情对我国一季度整体经济运行带来的影响是巨大的。一季度GDP同比为-6.8%，受国内疫情冲击影响，国内首次出现季度GDP负增长。不过在一季度经济数据公布以后，基本上可以确定，-6.8%就是经济增长的最低点了，最新公布的二季度经济增速已经由负转正回升至3.2%的水平，同时各高频数据也显示当前我国经济正在稳步复苏。



进入2020年之后，为应对新冠疫情的爆发，国内货币政策在持续引导利率下行。2020年以来，1年期中期借贷便利（MLF）两次下调，从3.25%下降至2.95%，下降了30个BP，短端的7天期逆回购利率也经历了两次下调，从2.5%下降至2.2%，降幅同样高达30个基点。6月30日，央行官网发布消息称决定于2020年7月1日起下调再贷款、再贴现利率。



8月份社融数据再超预期，宽货币到宽信用仍在继续。8月社融当月新增值35800亿元，高于市场预期值2.73万亿元，同比多增13844亿元，存量276.7万亿元，同比增长13.3%，相比上月小幅回升0.4%。8月金融机构新增人民币贷款12800亿元，同比多增700亿元。8月M1同比增速为8.0%，相比上月上行1.1%，M2同比增长10.4%，相比上月继续回落0.3%。总体来看，8月份社融数据再超预期，反映宽货币到宽信用仍在继续。



宽松的流动性环境将对资产价格形成支撑，尤其是对于权益类资产，利率的大幅下行有望通过提高估值进而推动股价上行。不过这里需要强调的是这个过程中，因为利率趋于为0或者负数，这样的贴现和从理论上来说是趋向于无穷大的。这也就意味着，当我们面临零利率或者负利率的宏观环境时，盈利（分子）稳定性以及成长性的价值会更加突出，市场对于基本面无瑕疵品种的估值容忍度会进一步提高。



展望后市，我们认为在当前全球货币低增长、低通胀、低利率的“三低”环境中，赛道长、盈利（分子）稳定性以及成长性的价值会更加突出，我们继续看好科技板块，坚信科技创新大时代风格仍将会延续。

中证人工智能主题指数分析：投资人工智能领域核心标的



中证人工智能主题指数（930713.CSI）是由中证指数有限公司发布的股票指数，从沪深两市选取为人工智能提供基础资源、技术以及应用支持的公司中选取代表性公司作为样本股，反映人工智能主题公司的整体表现。从历史表现来看，中证人工智能主题指数长期收益率较高，收益-风险表现优异，其中在2013-2015年以及去年下半年以来科技占优的行情中表现十分亮眼。从行业的权重分布上看，从申万一级行业的权重分布上看，中证人工智能主题指数成分股主要集中在TMT板块，其中计算机和电子行业权重靠前。从个股情况来看，中证人工智能主题指数大幅聚焦人工智能领域核心标的。

中证人工智能主题指数编制方式及简介

中证人工智能主题指数（930713.CSI）是由中证指数有限公司发布的股票指数，从沪深两市选取为人工智能提供基础资源、技术以及应用支持的公司中选取代表性公司作为样本股，反映人工智能主题公司的整体表现。

中证人工智能主题指数以2012年6月29日为基期，基点1000点，于2015年7月31日首次公开发布。从调整频率来看，指数按照每半年一次的频率进行样本股定期调整，调整时间为每年6月和12月的第二个星期五的下一个交易日。



中证人工智能主题指数历史表现

中证人工智能主题指数长期收益率较高，收益-风险表现优异，其中在2013-2015年以及去年下半年以来科技占优的行情中表现十分亮眼。以2012年6月末为起点，截至2020年9月23日，中证人工智能主题指数年化收益率为17.4%，年化波动率为33.1%。长期来看，收益-风险优于上证综指、深证成指等指数，充分体现中证人工智能主题指数成分股的优质性。

中证人工智能主题指数在2019年之后稳步上升，即便2020年春节后，市场受新冠肺炎疫情影响出现大幅下挫，仍然能够保持总体较高的正收益。自2019年1月1日至2020年9月23日，中证人工智能主题指数近一年多年化收益率达47%，远高于上证综指、深证成指、wind全A等指数；年化波动率为32.2%，最大回撤-26.5%，波动及回撤基本保持在相对稳定的水平。







指数风格：大幅聚焦人工智能领域核心标的

综合来看，中证人工智能主题指数成分股权重分布较为均衡。截至2020年9月23日，中证人工智能主题指数总市值1000亿以上的成分股共5只，权重合计20%；总市值500亿以上的成分股共17只，权重合计48%；总市值不足100亿的32只成分股权重为9%。



从申万一级行业的权重分布上看，中证人工智能主题指数成分股主要集中在TMT板块，其中计算机和电子行业权重靠前。具体来看，中证人工智能主题指数行业分布集中度较高，截至2020年9月23日，计算机行业权重占比为47%，电子行业次之，占比为38%，而通信、机械设备等行业占比均在10%以下。

从申万一级行业的数量分布上看，中证人工智能主题指数成分股同样主要分布于计算机、电子和通信行业。具体来看，截至2020年9月23日，计算机行业成分股数量为53只，电子和通信行业成分股数量次之，分别为23和9只。而国防军工、传媒和汽车行业成分股数量均在5只以下。





从个股情况来看，中证人工智能主题指数大幅聚焦人工智能领域核心标的。中证人工智能主题指数前十大成分股主要为电子、计算机等科技板块的龙头公司，这些成分股均为大盘风格，安全性高，且具有较可观的成长空间，近年来表现优异。



指数估值：估值水平自2019年以来出现修复

中证人工智能主题指数市盈率低于创业板整体，2015年来整体呈先降后升态势。从市盈率来看，截至2020年9月23日，中证人工智能主题指数的PE（TTM）为57.1，在我们选择的几个参照指数中高于大盘指数，但低于创业板综指。就市盈率的长期走势来看，2015年下半年以来，中证人工智能主题指数的估值先是震荡下行，随后在2019年年初达到低点后出现反弹。

从市净率来看，中证人工智能主题指数市净率同样也自2019年年初出现了一定程度的反弹。截至2020年9月23日，中证人工智能主题指数的PB（LF）为5.3，高于我们选取的上证综指、深证成指、wind全A等指数PB。从历史走势来看，中证人工智能主题指数PB中枢2015下半年下移趋势同样较为显著，随后在2019年年初达到低点后出现反弹。

虽然目前人工智能主题指数的估值水平大致处于历史中枢水平，但正如我们前文所述，受益于景气度改善和流动性宽松的逻辑，2019年来的这轮行情中成长性较强的科技板块表现持续占优，估值水平同样有所修复。而当前来看，宽信用格局依然在延续，人工智能板块后续的成长空间同样十分广阔，因此我们认为中长期看人工智能板块仍然具备较强的投资价值。







易方达中证人工智能ETF：交投活跃、费用更低



易方达中证人工智能ETF（159819.OF，简称AI智能）是紧密跟踪中证人工智能主题指数收益率的基金产品，追求跟踪偏离度和跟踪误差的最小化，为投资者提供一个管理透明且成本较低的指数投资工具。费率端来看，本基金的管理费率为0.15%，托管费率为0.05%，而同类基金上述两类费率平均分别为0.54%和0.11%。自9月23日上市以来，易方达中证人工智能ETF交易十分活跃，表明该基金的市场关注度及参与度均比较高，同时反映了易方达中证人工智能ETF流动性相对较好。

易方达中证人工智能ETF简介

易方达中证人工智能ETF（159819.OF，简称AI智能）是紧密跟踪中证人工智能主题指数收益率的基金产品，追求跟踪偏离度和跟踪误差的最小化，为投资者提供一个管理透明且成本较低的指数投资工具。

费率端来看，本基金的管理费率为0.15%，托管费率为0.05%，而同类基金上述两类费率平均分别为0.54%和0.11%，即本基金的费率要显著低于同类型其他基金。



易方达中证人工智能ETF交易活跃

自9月23日上市以来，易方达中证人工智能ETF交易十分活跃，表明该基金的市场关注度及参与度均比较高，同时反映了易方达中证人工智能ETF流动性相对较好。具体来看，9月23日上市当日，易方达中证人工智能ETF成交金额达1.3亿元，换手率为2.2%，而同类型人工智能ETF成交金额中位数仅为327万元，换手率为0.6%。9月24日，易方达中证人工智能ETF成交金额依然高达8168万元，换手率为1.4%，而同类型人工智能ETF成交金额中位数仅为575万元，换手率为1.3%。



管理公司&基金经理：专业、规范、稳健、绩优

易方达基金成立于2001年，是一家领先的综合型资产管理公司，通过市场化、专业化的运作，为境内外投资者提供专业的资产管理解决方案，努力实现投资者资产持续稳定的保值增值。截至2019年12月31日，公司总资产管理规模超过1.4万亿元，其中非货币非短期理财公募基金管理规模排名行业第一。公司始终专注于资产管理业务，依托专业化的团队、着力打造在专业领域的核心竞争优势，坚持价值导向、研究驱动的投研理念，致力于深度研究为基础的价值发现，追求长期、稳健、可持续的投资回报。旗下主动权益类基金自2001年公司成立以来的简单平均年化净值增长率为13.94%、债券类基金自2008年首次发行以来的简单平均年化净值增长率为7.71%，均位居国内基金行业前列，并大幅战胜股、债市场基准指数，其中基金科翔自2001年成立以来累计净值增长近23倍，年化收益超过18.5%。公司提倡开放、民主、协同的管理理念，经过十九年的发展沉淀，逐步形成了以“持信、抱朴、存谐、笃进”为核心内涵的特色公司文化及一支稳定而长期富有激情的专业团队。凭借规范的运营与持续稳定的业绩，易方达赢得社会各界的广泛认可，在市场上牢固树立起了“专业、规范、稳健、绩优”的品牌形象。

易方达中证人工智能ETF基金现任基金经理张湛，投资经理年限0.5年，目前在任管理基金4只，规模68.5亿。曾任易方达基金管理有限公司投资发展部数量化投资研究员、指数与量化投资部量化研究员、指数及增强投资部投资经理。拟任易方达基金管理有限公司指数投资部基金经理。2020年3月起担任易方达中证科技50交易型开放式指数证券投资基金基金经理。2020年4月起任易方达中证军工交易型开放式指数证券投资基金基金经理。2020年4月起任易方达中证全指证券公司交易型开放式指数证券投资基金基金经理。2020年7月起担任易方达中证人工智能主题交易型开放式指数证券投资基金基金经理。

（本报告中所有涉及的个股信息，仅为公开信息汇总，不构成任何盈利预测和投资评级）

燕翔      SAC执业证书编码：S0980516080002朱成成   SAC执业证书编码：S0980520080010许茹纯   SAC执业证书编码：S0980520080007
本文转载自国信证券2020年9月25日外发报告：《国信证券-易方达中证人工智能ETF基金投资价值分析：投资人工智能领域核心标的》

绿皮书：《美股70年:1948～2018年美国股市行情复盘》（500页）



本书系统回顾了1948～2018年美国股市的行情表现特征，分析了行情发生时的历史背景与经济基本面情况，并对行情背后的驱动力进行了探讨。回顾历史的目的是为了展望未来，拥有超过200年历史的美国股票市场，历经风雨、潮起潮落，穿越了许多的经济周期，无疑是最好的历史教科书。本书在写作过程中，参考了包括《华尔街日报》《巴伦周刊》等大量的一手资料，对1948～2018每一年的美股行情都进行了复盘回顾，告诉读者那一年发生了什么事情，股市为什么会涨为什么会跌。本书内容由两部分构成，第一部分纵向以时间为维度，分年份对美国股市行情发展的历程进行了回顾。第二部分横向以板块为维度，对9个行业板块的基本面和超额收益表现进行了探讨。

红皮书：《追寻价值之路：2000~2017年中国股市行情复盘》。



本书系统回顾了2000～2017年A股的行情走势，并且在方法上更加注重使用量化的经验证据去解释行情变化。笔者尝试构建一个“四位一体”的分析框架进行复盘，即宏观经济、企业盈利、利率水平、资产比价。本书每章内容主要分四部分展开：第一部分大事回顾，对影响资本市场的重点事件进行叙事性描述；第二部分经济形势，分析宏观经济形势及上市公司盈利和估值变化；第三部分行情特征，剖析并解释当年股市行情的结构性特征；第四部分策略专题，是对相关热点问题的专题性深度研究。



               
作者：追寻价值之路