今年以来，数字经济的行情如火如荼。基金一季报显示，不少产品调仓至TMT（科技、传媒、通信）板块。计算机专业出身的许文星是比较特别的一位，翻看他的季报持仓，单一行业的占比不超过20%，单一产业链占比不超过20%，均衡、逆向是他投资的关键词。

许文星的职业生涯始于上一轮TMT牛市，2014年，他入行担任TMT行业研究员。2018年开始担任公募基金经理，过去五年，许文星的代表作中欧养老产业A累计收益188.14%，远超同期业绩基准6.97%（数据来自基金定期报告，2023/3/31）。截至3月末，该基金近一年收益位于同类排名前1%。（排名来自银河证券，中欧养老产业A近一年排名10/1301，同类指偏股型基金(股票上下限60%-95%)(A类)，2023/3/31）2022年，在沪深300单边下跌21.63%的背景下，中欧养老产业仅下跌10.53%（数据来自基金定期报告，2023/3/31），展现出优秀的回撤控制能力。

投资风格的形成，既来自他对股灾的认知，也和他的性格有关，“我性格比较保守，做决策会首先考虑风险。”从控制风险的视角出发，许文星把目标锚定在“追求长期可复制的绝对收益”，尽量优化组合的夏普比率。

在许文星的认知里，如果想要在权益资产上挣到相对比较长期的复利，那么收益的来源一定是企业的成长性，而不是零和博弈。

如何获取企业的成长性？在许文星看来，首先要选择长期向上的行业，以风险评估为起点，以定价分析为终点，在产业低谷期买入。

许文星认为，投资者对基金经理的信任是脆弱且宝贵的，作为投资经理，有责任控制波动和回撤，呵护这份信任。

“我很幸运能牛市做研究，熊市做投资”

2013年，A股即将拉开牛市序幕。毕业于上海交通大学计算机专业的许文星进入证券行业，担任TMT行业研究员。

谈到这段经历，许文星觉得 “自己运气蛮好的，能够在牛市做研究员，在熊市做投资”。

牛市是一种助推力，使得他对投资的判断和决策更果断。

但到了2015年，他做了一个比较意外的决定：转向周期行业研究。回顾当时的心路历程， “到15年二季度的时候，推荐了不少股票表现很好。”他说，“自己也飘飘然，感觉对这行业已经非常熟悉了。”

转为周期研究员没多久，股灾就来了。从那之后，他意识到原来挖掘的很多股票存在运气成分。他对基金经理的投资行为也有了新思考：为什么高学历、自称理性的基金经理，在那样的市场环境下，也做出非理性的决策？“我想可能是和人性、相对收益的约束有很大的关系。”

做了周期行业研究员后，许文星发现其实传统行业的很多公司还不错，自己原来推的新兴公司反而没那么好。很有意思的是，当时恰好中国房地产周期的低点，当时看的水泥、建材行业处于低谷，到后续三年五年，这些行业又涨了很多，他完整了经历一轮行业周期。

这段经历为之后投资风格的形成埋下伏笔，行业巨大的周期性，重塑了他对绝对收益、风险、回撤的思考。

锚定绝对收益

许文星对业绩有着清醒的认知，他认为短期业绩有一定的偶然性，运气成分居多。他把绝对收益设为主要目标，追求长期可复制的绝对收益，“既要多赚钱少亏钱又要排名靠前，这是不可能的。”

组合管理上，通过行业均衡，个股相对集中的操作，立足未来一到两年，获得还不错的回报，同时控制好风险。

当把目标锚定在绝对收益时，决策的方向就很简单了，那就是——尽量优化组合的夏普比率，尽可能让每次决策所承担的风险，获得未来更多可能的回报。

专注绝对收益、弱化相对回报，这导致的直接结果是——在过去五年管理基金期间，每年都有那么几个月，相对排名是比较差的。回头来看，这几个月几乎都是结构性牛市中后期。因为均衡、逆向的投资风格和决策，必然在牛市中后期，会更多地选择规避风险，而不是去挣泡沫的钱。

“整体上我是希望去挣成长的钱。在成长的钱基础之上，能多挣一点估值回归的钱，就更不错了。”

他认为股票市场的投资收益来源有三种，一是企业成长，这个企业今天100亿市值，未来300亿市值。二是贴现率。2016年，外资进入中国之后，使得市场贴现率发生了变化。龙头白马股的贴现率逐渐降低，资金足够股价上涨，估值抬升。三是别人的钱，比如一个公司市值长期在一千亿徘徊，但是上下波动有周期性的钱可以赚。这是市场中最快的钱。

赚后两种钱都有一定难度。贴现率对资金久期要求非常高，而赚别人钱对交易水平要求非常高，在这件事情上人是无法战胜机器的。

泡沫的钱是不太好挣，泡沫背后可能有风险。当市场出现泡沫化倾向的时候，我们会更加审慎一些，甚至宁愿少赚一点钱去规避泡沫化的风险。我们希望去挣估值修复、企业成长的钱，大概归纳出企业成长的一般路径，大概是可复现、可迭代的。但是估值修复的钱，有时候是需要机缘巧合的。

对许文星来说，最重要的是能创造绝对收益，所投的资产最终能创造复利回报。当想明白这件事情之后，相对收益和相对排名就没那么重要。从市场风格偏好看，许文星大部分超额收益，来自于震荡市或熊市。

这跟许文星的“弱者心态”也有关系——不做强假设，体现在投资上是“尽可能客观”，克服趋利避害的心态。“在投资上，风险和不确定性是非常重要的考量因素，所以尽可能把投资建立在相对比较弱的、大概率的假设上。”不要去假设自己没有把握的事情，什么样的事情是相对概率大？就是相对比较接近常识的事情，它是大概率的事情。

从结果上来看，控制波动是会损失收益的，但许文星认为是值得的，“管理波动本质上是管理信用。不管理波动，投资者可能可以赚年化30%，管理波动投资者只能赚年化20%。但是管理了波动，投资者就实实在在赚到了20%。如果不管理波动，投资者可能低点就卖光了。”

作为资管行业从业者，他认为客户对基金经理的信任是非常宝贵且脆弱的。表面上看，基金经理是管理别人的钱，实际上管理的是信用，投资者可能是看了净值曲线或者媒体宣传，就去买了，但可能不知道基金经理的投资逻辑。作为基金经理，其任务之一就是管理这份信用。

以风险评估为起点，以定价分析为终点

既然要赚企业成长的钱，那如何选择具有成长性的企业成为一个非常重要的命题。

在行业上，许文星做了减法。追溯历史上的牛股，他发现能够持续为股东创造复利回报的公司大体上分布在四个领域：

一是互联网和软件。中美最大的公司都诞生于此，网络公司能够创造大量的社会价值，并且无形资产的价值很高，ROE回报不错。

二是具有护城河的制造业，如半导体行业。能够建造护城河的企业，更多是通过成本优势，这通过规模或者工艺来构建。而半导体行业是全球制造业的皇冠上的明珠，是全球制造业中壁垒最高的环节之一。

三是医药。医药行业与人口变化、全球老龄化趋势紧密相关。另外，医药伴随生物技术和基因技术等不断演进，这让医药行业的内生性和周期相关性比较低。

四是消费品和服务业。它构建护城河的方式，就是占领消费者心智。

偏长期视角内，他更加关注偏向科技、成长类型的行业，具体包括软件、电子、互联网、消费，医药、服务行业。

从组合管理角度出发，安全边际和企业盈利是他追求持续优化组合风险收益比的最重要基础，逆向投资是他争取长期超额收益的主要来源。

在个股选择上，以风险评估为起点，定价分析为终点，中间大部分是定性因素，更多的是评估公司经营过程中一些有机因素，比如管理层、竞争、外部环境、宏观环境所决定的这门生意的特征。最后从财务结果来做部分验证。

首先是对商业模式、业务形态有基本的认知，力争能够领先市场一到两个季度去评估这个公司可能会发生的风险。对这个行业、公司有了初步的认知和理解后，再看这些公司所处行业的长期空间。

第三是管理层和内外部竞争环境。这个公司的竞争力表现，最终是由管理层、行业竞争关系构成。

第四是财务结果。行业空间、经营环境、管理层和外部供应商的关系，最终构成了它的商业特征。商业特征最终形成了财务结果，毛利率、现金流，为股东创造ROIC的回报，公司经营的整体策略。“当财务结果和经营特征打架时，会重新审视我对这件事情的判断。”

之后就是定价，这是投资中最重要的一个环节，也是获得超额回报最重要的一步。许文星希望在这个市场中，找到一些错误定价的机会，这样才能够获得超额收益。

本质上来说，价格是未来现金流的折现，但是精准预测一个公司的估值是非常困难的。最重要的是，要去评估这些公司在三到五年之后的经营状况，它的长期发展前景，竞争状态，行业地位会不会比今天更好，是不是更有成长性。这是许文星判断这个公司在三年五年之后估值水平的重要视角。

线性外推AI的投资前景容易误判

作为计算机专业毕业的基金经理，许文星对ChatGPT热潮表现出少有的冷静和克制。他认为，线性外推新技术带来的投资机遇，很可能会陷入误区。

许文星指出，以预训练大语言模型为代表的通用人工智能模型在参数规模达到一定程度之后，学习和推理效果急剧增长，涌现出很强的泛化能力和解决多步骤复杂任务的能力。这类能力的出现，使得各行各业生产效率的提升成为可能。相对清晰的是，该技术将显著提升大部分重复性工作的生产效率，以及进一步降低知识和信息获取的成本，这将对大部分依赖知识整合的行业形成长期深远的影响。

而另外一些关乎商业价值的思考，许文星则认为需要更多的推演，比如大模型涌现出推理能力的工程上限，算法迭代后训练和推理成本的快速下降，资本投入后技术扩散带来的竞争壁垒变化，以及商业落地过程中泛化与垂直、效率与准确、成本与价值之间的权衡，等等。

人工智能涌现的能力，是一种现象，是在大量的数据语料输入和算力支撑下涌现的结果，并不是颠覆式的发明，所以可能会存在能力边界。这个技术的商业价值跟它的能力边界有关系。

另外，大家对于硬件基础设施的投入抱有很高的期待。但根据摩尔定律，随着数据量和运算需求的大幅增长，算法和整体的芯片架构，会出现台阶式的升级。

而这个台阶式的升级，目标是一致的，都是希望训练和推理成本下降，它不是线性下降，是直线下降。就像过去几十年人类社会存储的数据量指数级增长，但是内存条市场并没有相应地大幅增长。

因此，许文星认为，如果用线性思维去假设AI背后的硬件开支，有可能会陷入认知上的误区，存在错判风险。从过去信息技术发展的历程来看，这个风险出现概率还是蛮大的。

另外，信息技术有一个特点，当它要产生比较大的商业价值，往往需要一定的垄断性和市场份额的支撑。OpenAI和微软获得了产品领先性，当一个行业获得了大量的社会共识，引起了大量的资本投入之后，很容易出现投资大幅度增加、技术扩散的现象。

目前基于人工智能大模型的技术有一定扩散的趋势，进而导致竞争壁垒发生变化。在许文星看来，这件事情在投资上非常重要。假设公司会创造多少商业价值，就建立在到底能不能取得非常高的商业壁垒。而这件事情目前来看也有一定的不确定性。而且不确定性在扩大，这些现象其实都是一个技术在发展到早期、中期的时候，很容易出现的现象。

面对新技术的涌现，人们总是容易高估短期影响，而低估长期影响。技术进步引发的社会关注会促进大量热钱投资该领域，短期内创造出更多的应用需求和新增供给，但瞬息万变的技术路线和竞争格局也会使得在该领域投资获得长期回报的不确定性快速上升。

对技术而言，价值的创造也远不仅局限于技术型企业。对于少数核心竞争力不在于技术领域内，但长期不会被技术替代，并可以利用技术大幅度提高效率、增收节支、强化竞争力和优势的企业，也可能会成为技术升级浪潮中的长期赢家，这也需要我们更多的观察和思考。

许文星举了个例子，蒸汽机出现时，投资思路有两种，一是买做工业设备和工业自动化的公司，二是去买利用这些自动化设备加速生产的公司。从这个思路，可以去找一些利用人工智能技术快速降低成本、提高效率，甚至扩大收入的公司。

从一个相对长远的视角来看，许文星相信技术进步和人口周期最终决定了产业演进和资本流动的方向。因此，技术进步下能够不断提升生产效率的产业方向，以及人口结构背景下的消费趋势，也是他始终高度关注的投资领域。