用数据说话:亲身经历的香港真实疫情,及其对内地抗疫政策的参考(上)

此时此刻,在经历了连续一个月每天10点准时开抢深圳隔离酒店、每周二全天刷港珠澳大桥车票的屡败屡战和万分崩溃之后,笔者坐上了香港飞成都的CX986航班,开始隔离,曲线回深。

自1月27日回港至今,笔者几乎完整经历了香港的第五波Omicron疫情,从每天几十,到几百,到几千,到几万,再到如今的“事实躺平”。与此同时,内地也正面临Omicron的高度挑战,今日上海新增感染人数已超过 1600 人,全国连续多日日增 5000 人左右。

 

香港在欧美“躺平”和内地“坚挺”之间的“仰卧起坐”,成为了支持内地防疫政策的良好数据参考。

本文用数据说话,准备分两期回答如下问题:

 

上期:

1,截止目前,香港感染了多少人

2,Omicron的典型发病过程是怎样的?

3,香港Omicron死亡率真高吗?

4,Omicron的后遗症可怕吗?

 

下期:

5,如何开展家抗疫,准备哪些必要物资

6,香港为什么一再推迟全民核酸检测,做与不做临界点在哪里?

7,为什么香港只能做仰卧起坐?

8,内地本轮疫情,香港是罪魁祸首吗?香港决定继续放开,内地后续怎么办?

9,香港的第五波疫情,对内地防控调整有哪些参考意义?

Q1 截止目前,香港到底感染了多少人?

 

香港卫生署卫生医护中心和医院管理局发布的官方数据显示:截止3月24日,第五波疫情总确诊人数逾 1,088,593 宗,其中经过核酸检测确诊 698,253 宗,经过抗原快速检测上报 390,340 宗。香港总人口为 7,394,700 人,则感染人口比例为 14.72%

 

用数据说话:亲身经历的香港真实疫情,及其对内地抗疫政策的参考(上)

截止3月24日,香港第五波Omicron疫情确诊人数与人口数(按年龄组别)

值得注意的是,Omicron对各年龄段无差别打击。在各个年龄段中,感染率(该年龄段感染人数÷该年龄段的人口数)在 8%-16%之间,差别非常细微,这与早期“新冠病毒主要攻击老年人”的特点非常不同。20岁到60岁的中年人,感染率甚至比小孩和老人还略高一些,这跟他们的社交范围有关。

 

用数据说话:亲身经历的香港真实疫情,及其对内地抗疫政策的参考(上)

截止3月24日,香港第五波Omicron疫情感染率(按年龄组别)

尽管此数据看起来已经很大,但仍然只是冰山一角。至今,香港并没有进行过哪怕一轮全民核酸检测,官方并不能掌握真实情况,未纳入统计的情况包括:

1、收到强制检测令的人士,不配合强检或忘记去强检

笔者所在的小区在春节后因排污管测出环境阳性,随即列入围封强检。尽管围封强检仅一晚,第二天一早就可放开,仍然有不少家庭敲门无人应答,到底是真无人在家还是不想配合无法鉴定。同时,香港对个人隐私保护严格,也未公布无人应答的家庭信息,最后在当晚检测出3名阳性患者后,第二天一早就完全解封。再如,香港版的场所码——安心出行,在疫情初期,也曾对与确诊患者有地点交集的人士发出强制检测,但强检通知仅仅是一条短信而已,不少人没有看到,也有人看到了又忘记去检测,最后也不了了之。强检而不检,在内地是难以想象的,但在香港何以如此“随意”,这就涉及到所谓政府的强制权力问题了,后面再单独分析。

2、自行快速抗原检测为阳性,但不上报政府。

 

内地刚刚放开的快速抗原检测,在香港已经上市了很长时间。第五波疫情以来,相信几乎每个家庭都备有快速检测盒,政府也在免费发放快速检测盒。按照政府的要求,自行检测阳性的人士,应当通过专门的网站上报。但截止目前,以“全民自检”代替“全民强检”的上报案例仅为39万宗,远低于核酸检测的近70万宗,显然数据偏差很大。

为什么自检阳性的人,不愿上报政府呢?这个问题对正在推行自行抗原检测的内地,有非常重要的参考价值。

 

首先,Omicron的绝大多数都是无症状感染者(今天3月25日上海发布:确诊病例 29 例,无症状感染者 1580 例)和轻症患者,前者无需治疗、后者按照感冒对症吃药(如必理通、扑热息痛、莲花清瘟等,去医院也是这些药)即可痊愈转阴。只要家庭有独立的房间安排患者隔离,就没有上报的动力,因为上报并不能给患者和家庭带来额外的好处,反而带来更多的限制,包括:可能被送去条件更差的方舱,对家庭其他成员(大陆定义为密接者)的禁足令等等。其次,自检阳性患者,如果不上报,政府实际上是不可能追溯到该行为的,因为自检人士完全可自称未进行过自我检测,故不知道自己是阳性。再次,即使上报,由于前期确诊的人数太多,政府事实上也没有更多的资源来快速跟进处理这一大批无症状和轻症患者,只是在上报后自动回复一个短信表达“收到”,然后会在数天内给家庭地址寄来一个医疗包,但不少人表示,等收到医疗包时,病症都好得差不多了。综上,自检阳性上报政府,一无法律强制(也无法强制),二无额外收益,只是凭空增加限制,那就全凭自觉了。同理,内地开放抗原快速自检后,如何确保阳性主动上报,也是个问题。

3、没有检测的无症状感染者和轻症者。

 

前面说了,至今为止,香港未做全民强制核酸检测,无症状感染者也不会在完全没感觉的时候,自行做快速抗原检测。对于轻症患者,只要家里没有老人小孩需要保护,很多年轻人不过嗓子疼而已,连发烧也没有,也可能不做检测。

既然政府数据是失真的,那么有没有更可信的数据呢?3月22日,香港大学医学院给出了最新的数学模型计算结果,截止3月20日,已感染人数高达 440 万人,占香港总人数的 60%

用数据说话:亲身经历的香港真实疫情,及其对内地抗疫政策的参考(上)

来源:港大医学院3月22日数学模型

这个数据是否可信呢?由于这个发布会才几天,政府还没有对此做出评价。但在上一次(3月15日)港大医学院做出已感染人数358万的估算时,卫生防护中心传染病处认为该估算合理,并表示:每1个已发现的感染者背后,可能有3至4个未发现的感染者

 

从笔者在香港的朋友圈来开,如果以家庭为单位,一半左右的朋友都中招了。再考虑到笔者的朋友圈,一来内地人为主,都怕新冠;二来家里都有小孩,担心加剧;三来在港没有七大姑八大姨,社交关系简单,应该算疫情下线。因此,60%是一个靠谱的中招比例。

视频来源:香港01

 

60%的感染人数,无论是病程发展过程、死亡情况、后遗症等问题,都具备了数据分析的基础,接下来分三个问题来一一讨论。

Q2 Omicron的典型发病过程是怎样的?

给武汉制造了第一波疫情的新冠病毒“野生株”,给大家带来了太过震撼的记忆。但新冠进入到第三年,经过了多轮变异,它也在学会跟人类共存。病毒的目的不是杀死宿主,毕竟宿主死了,它也死了。按照自然进化规律,为了让病毒世世代代繁衍,它的最优策略是降低毒性,提高传播性。因此,进化到了现在的Omicron变异株。

 

下图为香港疫情期间广为流传的发病过程示意图。笔者身边中招的朋友不在少数,无一例外地按此走完了从感染到转阴的全过程,中间的差异就是提前或延后一两天日而已。

用数据说话:亲身经历的香港真实疫情,及其对内地抗疫政策的参考(上)

非常靠谱的Omicron病程发展图

Days 是时间轴,表示天数,其中D0为感染日。

Infectiousness 曲线表示传染性,曲线越高,传染性越强。

Symptoms 色带表示症状,颜色越深,症状越明显。

D1-D3:潜伏期。患者逐渐开始有感觉,一般表现就是嗓子不舒服。但此时快速检测仍然为阴性,患者分不清到底是正常的嗓子不舒服还是中招。幸运的是,此时的传染性也非常低,否则Omicron的传染性还要突飞猛进。

 

D4-D6:发病期。病程进入快速发展期。如果自身免疫系统在此时打败了Omicron,恭喜你,成为了无症状感染者;如果免疫系统没有抗住这一波攻击,则患者开始发烧、咳嗽、嗓子疼、肌肉酸痛等症状,轻症患者基本在D6不适感达到顶峰;重症患者此时会非常不适,需要送院救治,不在本讨论范围。随着病程加深,抗原浓度也开始明显,快速抗原检测从D4的浅色T线,逐渐变成D6的深色T线。

 

D7-D10:康复期。疫苗训练过几轮的免疫系统,逐渐打败Omicron,从D7开始,症状逐渐消失,有时甚至忘记吃药。病患的生理不适,慢慢被隔离的心理不适所取代,恨不得每个小时测一次,看是否转阴。D9-D10,基本可以转阴。连续两日转阴后,传染性基本也消失,按照香港规矩,即可解除隔离回归正常生活。有不少案例,在D8或D9时,T线的颜色还是比较深,但可能一夜之后突然就消失了,没有颜色逐渐变浅的过程,所以患者并不要因为颜色没有变浅而着急。

综上所述,Omicron的不适集中在D3-D7,共计5天,传染性集中在D4-D9,共计6天,抗原阳性检测集中在D4-D10,共计7天。大家可以自行跟感冒进行对比,结论不言而喻。

Q3 香港Omicron死亡率非常高,是真的吗?

首先声明,笔者并非医学专业出生,以下讨论只是基于常识(Common Sense)展开,不对之处,敬请各位读者自行判断。

截止3月24日,香港第五波Omicron疫情,总计死亡人数 6557 人,死亡率(死亡人数/人口总数)为 0.08%,即每万人死亡 8 人,病死率(死亡人数/感染人数)为 0.6%,万感染者死亡 60人。无怪乎,张文宏医生3月14日在华山感染官微上转文表示:在实现广泛接种和自然感染率的国家,新冠病毒的病死率已经低于流感

用数据说话:亲身经历的香港真实疫情,及其对内地抗疫政策的参考(上)

来源:香港卫生署《2019冠狀病毒病第5波數據》

但是如果我们细究80岁以上老人的情况,可以明显看到,其死亡率为 1.2%,即每100个80岁以上老人死亡了1.2人,病死率高达 9.3%,即每10个感染的80岁以上老人差不多就要死亡1人。应该说,这就是本轮疫情媒体最关注的点,也是最为诟病香港病死率高的点。

关于此点,有几个重要概念必须要说明,否则笼统地说病死率高意义不大。

首先,张文宏医生在说新冠病死率低于流感时,有一个重要前提,即实现广泛接种和自然感染率。但很不幸,香港前四波疫情控制得非常优秀(极低的自由限制,快速的动态清零),反而一方面让自然感染率低,另一方面让老人认为接种疫苗的风险可能大于其收益。当时,香港主要是mRNA疫苗复必泰和灭活疫苗科兴生物。对于前者,社会普遍认为存在未知风险,不利于老人和小孩接种,对于后者,则很大程度上延续了对内地的一贯偏见,认为科兴生物没有太大作用。最后的结果就是两者都没打。所以张文宏医生的前提不复存在,不管是哪个年龄段,死亡病例都有 60%-70% 没有打疫苗,20% 左右仅打了一针疫苗,没有完成全程接种,两种情况合计,就占到死亡病例的 80%-90% 左右。

 

所以,重点是,打针!打针!打针!

 

用数据说话:亲身经历的香港真实疫情,及其对内地抗疫政策的参考(上)

来源:香港01

 

其次,80岁以上的死亡病例,占到了香港所有死亡病例的 70%,可以叫做绝大多数。很遗憾,笔者没有拿到80岁以上病例的具体年龄,只知道最低年龄是80岁,平均年龄是多少并不清楚,只能姑且保守认为在 85 岁左右。有意思的是,联合国人居署发布的2021年预期寿命排行榜,香港冠绝全球,为 85.29 岁。因此,可以得出一个显而易见的结论,占香港绝大多数死亡病例的保守平均死亡年龄,跟香港本身的预期寿命非常接近。这背后引申出来的意义,难以言说但显而易见。

 

再次,新冠死亡的统计,其实包含了三类人。第一类叫做死于新冠(die of),即直接在临床上死于新冠病毒;第二类叫死时带毒(die with),即死亡原因与新冠病毒无关,但同时验出身体带有新冠病毒,例如有坠楼、中风等人士,入院后发现阳性,但无新冠病症。当然,这两类有时难以判断,所以第三类为原因暂时不明的。

 

香港政府专家顾问、中文大学呼吸系统科讲座教授许树昌分析了120例第五波死亡个案,结论非常有意思,死于新冠和死时带毒的比例分别是38%和37%,几乎持平。这也是当前新冠统计上的一大有意思的结论。

 

视频来源:香港01

 

综上所述,Omicron已经是温和的病毒,大家不用再以新冠初期武汉病情来看待当前的疫情,否则就是刻舟求剑。病毒都在进化,何况人呢

 

Q4 香港Omicron的后遗症如何?

人类畏惧病毒,无外乎两个方面,一是得病过程的痛苦甚至死亡,一是病愈之后可能导致的长期后遗症。

 

关于第一个方面,前文已经说了,绝大多数人都是无症状和轻症,得病过程既不痛苦也没那么容易死亡。那值得我们继续把他当成一个极端Case的理由,就只剩下后遗症了。

 

Omicron病毒,是2021年下半年才开始流行,香港是2022年春节才开始大爆发。因此,一个简单的逻辑,目前大多数所谓对新冠病毒的后遗症研究,要么并不是针对Omicron变异株的,要么就是才刚刚开始

 

对于前者,一个典型案例是:近期,牛津大学在《Nature》杂志上发表的论文《SARS-CoV-2 is associated with changes in brain structure in UK Biobank》。这是一个怂人听闻的题目,新冠和人类脑部结构的改变有关!一时间,各种解读的公众号喧嚣尘上,并以此来解释为什么新冠后会丧失味觉和嗅觉,就是因为这两个区域的脑神经受损了。但仔细看看文章就可以发现,该文采集新冠病人脑成像数据的时点为2021年4月,当时,英国流行的是Delta变异株,则这部分病人应该感染的是此前的Alpha、Beta、Gamma变异株,Omicron几乎可以肯定不在此列

 

对于后者,至少在香港都才刚刚转阴不久,还没有明确的数据。后遗症不会凭空产生,一定跟发病时对身体的损伤有关。大量的无症状感染者,说明自身免疫力已经将Omicron扼杀在萌芽阶段,更很难想象还能具有延迟杀伤力。轻症患者的临床表现来看,Omicron主要攻击上呼吸道,并没有攻击到肺部,因此,在香港Omicron被戏称为“新冠上呼吸道感染”,而非“新冠肺炎”,既然肺部并没有受损,也很难想象后续反而受损的可能。至于还有些康复患者接受媒体采访时表明,自己体能下降、注意力不集中、焦虑、记忆力差、睡眠习惯改变等,我只想说,过个春节大吃大喝,再加上居家隔离10多天,就是个好人也会有这些“后遗症”。如果去研究一下小朋友天天对着电脑上网课的后遗症,恐怕比此更甚;再研究一下笔者这类两地家庭,真心后遗症到想死!再次强调,笔者不是医学专业出生,以下皆为个人理解。我想强调的是,Omicron的后遗症还缺乏研究,目前的夸大,并不是真正的科学结论。

 

作者简介:阎镜予,香港中文大学博士,星河产业集团常务副总裁,星河资本合伙人。曾任职于香港中文大学、深圳市发改委,负责深圳市23个战略性新兴产业基地集聚区的规划建设工作,参与制定深圳市总部经济政策,目前负责星河WORLD园区的管理运营,并投资了云从科技、太和水、美味不用等、星际荣耀、国星宇航等企业。

转自:https://mp.weixin.qq.com/s/Ucwkb6PLD-1OmQsl4P3YzQ

黄浦发布2022年寒假转学通知,上海9个区已经启动!

继嘉定、浦东、长宁、徐汇、杨浦、虹口、普陀、奉贤7个区后,嘉定也发布了2022年寒假转学通知。请大家注意受理时间,逾期将不予办理!

  • 2022年嘉定区寒假转学通知!

  • 2022年浦东新区寒假转学通知

  • 2022年普陀、奉贤寒假转学通知!

  • 2022年长宁区寒假转学通知!

  • 2022年杨浦、虹口、徐汇寒假转学通知!

嘉定区
黄浦发布2022年寒假转学通知,上海9个区已经启动!
黄浦区义务教育阶段
本区户籍学生转学细则

黄浦发布2022年寒假转学通知,上海9个区已经启动!

黄浦发布2022年寒假转学通知,上海9个区已经启动!

黄浦发布2022年寒假转学通知,上海9个区已经启动!
小学登记细则

黄浦发布2022年寒假转学通知,上海9个区已经启动!

黄浦发布2022年寒假转学通知,上海9个区已经启动!

黄浦发布2022年寒假转学通知,上海9个区已经启动!
小学转学对口安排表

黄浦发布2022年寒假转学通知,上海9个区已经启动!

黄浦发布2022年寒假转学通知,上海9个区已经启动!
初中登记细则

黄浦发布2022年寒假转学通知,上海9个区已经启动!

黄浦发布2022年寒假转学通知,上海9个区已经启动!

黄浦发布2022年寒假转学通知,上海9个区已经启动!
初中转学对口安排表

黄浦发布2022年寒假转学通知,上海9个区已经启动!

黄浦发布2022年寒假转学通知,上海9个区已经启动!
高中转学细则

黄浦发布2022年寒假转学通知,上海9个区已经启动!

黄浦发布2022年寒假转学通知,上海9个区已经启动!

转自:https://mp.weixin.qq.com/s/7lEkSm9PP9QnS3turW7azg

中概股崩溃启示录

本文系基于公开资料撰写,仅作为信息交流之用,不构成任何投资建议。
2021年2月17(正月初六),春节之后的第一个交易日,投资者恐怕做梦也想不到行情如火如荼的中概股,已行至阶段顶点,接下来十三个月将迎来崩溃。
 
在外部,外国公司问责法案》逐步推进带来退市风险;在内部,互联网等新经济公司增长中枢下移,业绩不及预期。于是,105家主要中概股公司在十三个月的时间里,最高跌幅中位数达到87.5%。
 
阿里巴巴、滴滴、贝壳、B站、叮咚买菜、声网、涂鸦智能、新氧等一批各自行业的龙头或头部公司,清一色的下跌百分之八九十。
 
当市场的钟摆冲向极端情绪那一侧,即是至暗时刻到来,也同样开启回归常态的进程。在中概股灾后重建时期,博弈不会停止,新世界也正在重新建造。
 
值得思考的是,崩溃到底为我们带来哪些启示?
 
 

01

中概股2021崩溃记录

 
 
2021年2月至今,是中概股投资者不堪回首的一年多时间。
 
以纳斯达克中国科技股指数为例,2021年2月17日至今年3月15日,指数从4533.41下滑到1348.32,跌幅为70%。其它指数、ETF大致也是这副光景。
 

中概股崩溃启示录

图:纳斯达克中国科技股指数,来源:wind
 
股价崩溃自有原因——外因是《外国公司问责法》的不断推进,内因是整体增长中枢的下移。
 
2020年12月18日,《外国公司问责法》签署生效。此法令规定,若外国公司连续3年未能通过美国公众公司会计监督委员会(PCAOB)的审计,将被禁止在美国任何交易所上市。简单来说就是3年不交审计底稿就得退市,但一些包含公众数据的公司,因为国家安全的缘故根本无法提交审计底稿。
 
随着《外国公司问责法案》不断推进,中概股下跌不停。
 
  • 2021年度3月24日SEC公布实施细则征求意见稿。
     
  • 7月30日消息称SEC停止处理中国在美上市和其它证券销售的注册。
  • 8月16日SEC称暂时暂停中国公司使用VIE架构赴美上市,三年内不公开审计信息将退市。
  • 12月2日,SEC通过修正案确定法案实施规则,要求在美上市外国公司遵守美国审计标准,否则将退市。
  • 2022年3月10日,SEC将5家公司列入暂停清单,包括百济神州、百胜中国、再鼎医药、盛美半导体、和黄医药。
到底有多难受,看看当时B站(NASDAQ:BILI)的“脚踝斩”的表现,也许你能感同身受,其股价从最高157.66美元下挫至最低14.93美元,跌幅91%。
 
中概股崩溃启示录
图:B站股价,来源:wind
 
中概股也曾抵抗过,并不是说第一时间就躺平。
 
具体而言,法令签署之后的2个月,中概股互联网公司加速上扬,发起最后的主升浪。那时的逻辑是2020年疫情期间互联网公司的业绩(用户和ARPU增量)实在太好。
 
但等到2021年,疫情从全面席卷变为各地时有反复,从整体走向局部,不可抗力带来的增长终究无法持续。与此同时,中国互联网用户渗透率见顶使得互联网公司的业绩增长中枢开始下移,2021年互联网公司的增长每况愈下,外部内部问题叠加,中概股一波又一波下跌。
 
 

02

极端情绪与股价

 
 
外有《外国公司问责法案》,内有增长中速下移,钟摆效应的指导下,中概股市场情绪从正面到负面,从负面变得极端。
 

中概股崩溃启示录

图:钟摆效应,来源:网络
 
数据能说明市场情绪有多么的极端,2021年2月17日至今,105家主要新经济中概股公司市值蒸发九成是普遍情况。具体数据:最高跌幅的中位数为87.5%,89家最高跌幅超过70%,76家最高跌幅超过80%,42家最高跌幅超过90%。各行业的龙头或头部公司,在大势面前均不能幸免。
 
云计算行业的【金山云】最高跌幅96.5%;
生鲜电商龙头【叮咚买菜】最高跌幅94.5%;
全球第一实时互动云服务商【声网】最高跌幅93.7%;
AIOT平台第一股【涂鸦智能】最高跌幅93.7%;
在线音乐龙头【腾讯音乐】最高跌幅90.9%;
网约车龙头【滴滴出行】最高跌幅90.5%;
地产中介龙头【贝壳】最高跌幅90.5%;
破圈了的综合社区【B站】最高跌幅90.3%;
港美股券商龙头【富途控股】最高跌幅89.5%;
另外,【拼多多、阿里巴巴、百度】也是七八成的最高跌幅。
 

中概股崩溃启示录

图:中概股股价,来源:锦缎研究院
 
股价下跌是一个层面,另一个层面是极低的估值:通常情况下互联网等新经济公司都以销售增速即P/S估值,只有增速较低或停滞的行业和公司才以P/B估值。而上表最低价对应的P/B中位数为0.74倍,这就不讲道理了,要知道互联网等新经济公司只是增长中枢下移,还不至于说停滞甚至负增长。
 
我们相信,极端情绪和估值都将会过去,从2022年Q2开始,中概股可能要迎来一个灾后重建时期,因为问题都在逐渐得到解决。
 
 

03

重新建造新世界

 
 
关于《外国公司问责法案》,并不是说3年退市已经尘埃落定,博弈还在继续。3月16日的金融委会议上就讲了,“目前中美双方保持良好沟通,正在致力于形成具体合作方案。”当天中概股集体反弹,纳斯达克中国科技股指数大涨22.88%。退一万步讲,即使3年退市,也还有港股和A股(以创业板和科创板为主)可以承接。
 

中概股崩溃启示录

图:金融委会议,来源:财联社
 
关于互联网等新经济公司的增长中枢下移,其实是件很正常的事情。每个行业都有周期,不过是长与短的区别,周期转换的时候确实很难,但当新周期来临时优质公司将再次蓬勃生长。
 
以互联网公司为例,有着三重增长空间的互联网公司必然能重建新世界:
 
1)消费互联网的演进,过去消费互联网载体从PC切换到手机,未来载体将从手机切换到VR(Oculus做的最好)和AR(Google Glass做得最好)设备,更强的虚拟度会带来新的消费形态。在国内,PICO的VR头显做的不错,OPPO也拿出了自己的VR眼镜Air Glass。VR游戏《节奏光剑》是个里程碑,2021年10月底它在Oculus上实现1亿美元总收入。
 

中概股崩溃启示录

图:VR游戏《节奏光剑》,来源:网络
 
2)产业互联网的演进,腾讯云与三一重工旗下树根互联打造了灯塔工厂——北京桩机厂。改造后的桩机厂人均产值提高到1072万元,而同期行业人均产值排名前20的平均值仅190万,差距达4倍多。用互联网的技术对实体产业进行升级再造,其价值是无穷的。一众云计算公司,阿里云、金山云等;一众深耕产业的公司,声网、涂鸦智能、新氧等都会迎来自己的机会。
 
3)互联网等新经济公司的出海。字节跳动的Tik Tok,百度的智能音箱及智能屏(自动驾驶系列产品也很有机会),米哈游的《原神》,跨境电商shein……中国公司的全球化竞争,在未来十年会有一个高潮。
 
一定要相信,任何原因引起的股市崩溃总会过去,不信你可以看看巴菲特的人生经历。巴菲特一生曾经历8次危机,1962年古巴导弹危机,1970年美国经济衰退,1973年第一次石油危机,1980年第二次石油危机,1987年黑色星期一,2000年科技股泡沫,2008年的次贷危机,2020年新冠危机。每次的危机都会让他遭受损失,资产减半那是平常事,但每次危机一定能过去,而且之后总会创新高。
 

中概股崩溃启示录

图:一生中经历无数危机的巴菲特和芒格,来源:网络
 
股市崩溃总会过去,但投资者一定要吸取教训,从中得到启示。因为拉长周期看,股市崩溃是再正常不过的事情了,人不能两次跳进同一个坑。
 
 

04

崩溃启示录

 
 
启示1:不要以股价和市值去评判一家公司。
 
泥沙俱下的时候,雪崩的时候,市场价远远低于上市公司内涵价值是无法避免的,不能以当前的股价去判定一家公司的好坏。
 
当年的网易刚上市就碰上美国科技股泡沫破灭,股价从发行价15.5美元跌到不足1美元(90%以上的跌幅),还面临次年亏损,投资人起诉等问题,后来网易股价涨了几千倍。蔚来2018年Q3上市时,发行价6.26美元,股价一年多时间最多跌了81%,公司现金流也非常紧张,后来拿到融资,叠加2020年新能源车市场爆发,蔚来最多涨了56倍。
 
我们从上文的中概股崩溃图表里随便找一家跌幅巨大的公司,就新氧吧,虽然医美行业肯定没有2000年的互联网行业爆发力强,也没有2020年的新能源汽车行业爆发力强,但是每年也有20%以上的增长,是一个非常景气的赛道。
 
新氧作为比较稀缺的医美平台龙头,行业正本清源的担当(救助基金、行业供给侧评级、数字化赋能医美机构、共享医院赋能医生创业等),每年稳定的保持20%以上的增长,这样的公司怎么招也应该给个四五倍P/S估值,15-19亿美元的市值。但它现在的估值是跌破净资产,0.68倍P/B,市值只有2.6亿美元。
 
启示2:永远不要加杠杆。
 
港美股投资者,往往忍受不住杠杆的诱惑。因为国外经济增速很低,导致资金成本也很低,2%左右,国内融资不可能有这么低的成本。
 
加杠杆不管在什么行情下都是输:
 
  • 股价单边下跌的行情,跌了被迫减仓,股价反弹融资额度恢复又追高买入。把价值投资做成了高吸低抛的短线交易。
 
  • 股价大幅上涨的行情,不断放大杠杆,一个大幅回调,又进入被迫减仓,高吸低抛的戏码里。
 
  • 不涨不跌的震荡行情,要么白白付出融资成本,要么追求波动较大的股票进入1)或2)两种情景。
 
启示3:中国经济是坚强的后盾,永远相信明天是美好的。
 
巴菲特为什么能扛过那么多次股市崩溃?答案是它生在美国。中概股经历2008年、2011年、2015年和2018年的大幅下跌,最终都再创新高,未来也仍然会克服一切问题,因为中国经济已经成为全球引擎。
 
这里有个产业界的观察:比亚迪2021年销售汽车74万辆,有消息说内部指引2022年计划是200万辆。凭借着三电系统全栈自研,DMi插混系统在国内一骑绝尘,比亚迪实现200万辆的年销售目标,可能会延迟,但一定会实现。如果比亚迪能够带领自主品牌实现这个200万辆的突破,基本上就代表了中国从2021年人均GDP 1.2万美元迈了一个大台阶,迈出中等收入陷阱,人均GDP 2万美元指日可待。一个经济强国,必然会有一批强大的上市公司。
 
今天中概股的大幅波动,放在时间长河里可能不值一提,泥沙俱下之后总会有彩虹。

转自:https://mp.weixin.qq.com/s/8x_FWQtBDY-DqDDXZNmzVA

机器学习和深度学习的区别到底是什么?

 

  • 终于考上人工智能的研究僧啦,不知道机器学习和深度学习有啥区别,感觉一切都是深度学习
  • 挖槽,听说学长已经调了10个月的参数准备发有2000亿参数的T9开天霹雳模型,我要调参发T10准备拿个Best Paper
机器学习和深度学习的区别到底是什么?

现在搞传统机器学习相关的研究论文确实占比不太高,有的人吐槽深度学习就是个系统工程而已,没有数学含金量。

但是无可否认的是深度学习是在太好用啦,极大地简化了传统机器学习的整体算法分析和学习流程,更重要的是在一些通用的领域任务刷新了传统机器学习算法达不到的精度和准确率。

深度学习这几年特别火,就像5年前的大数据一样,不过深度学习其主要还是属于机器学习的范畴领域内,所以这篇文章里面我们来唠一唠机器学习和深度学习的算法流程区别。

机器学习和深度学习的区别到底是什么?

1、机器学习的算法流程

实际上机器学习研究的就是数据科学(听上去有点无聊),下面是机器学习算法的主要流程:

  1. 数据集准备
  2. 探索性的对数据进行分析
  3. 数据预处理
  4. 数据分割
  5. 机器学习算法建模
  6. 选择机器学习任务
  7. 最后就是评价机器学习算法对实际数据的应用情况如何
机器学习和深度学习的区别到底是什么?
=

1.1 数据集

首先我们要研究的是数据的问题,数据集是构建机器学习模型流程的起点。简单来说,数据集本质上是一个M×N矩阵,其中M代表列(特征),N代表行(样本)。

列可以分解为X和Y,X是可以指特征、独立变量或者是输入变量。Y也是可以指类别标签、因变量和输出变量。

机器学习和深度学习的区别到底是什么?

1.2 数据分析

进行探索性数据分析(Exploratory data analysis, EDA)是为了获得对数据的初步了解。EDA主要的工作是:对数据进行清洗,对数据进行描述(描述统计量,图表),查看数据的分布,比较数据之间的关系,培养对数据的直觉,对数据进行总结等。

探索性数据分析方法简单来说就是去了解数据,分析数据,搞清楚数据的分布。主要注重数据的真实分布,强调数据的可视化,使分析者能一目了然看出数据中隐含的规律,从而得到启发,以此帮助分析者找到适合数据的模型。

在一个典型的机器学习算法流程和数据科学项目里面,我做的第一件事就是通过 “盯住数据”,以便更好地了解数据。个人通常使用的三大EDA方法包括:

描述性统计

平均数、中位数、模式、标准差。

机器学习和深度学习的区别到底是什么?

数据可视化

热力图(辨别特征内部相关性)、箱形图(可视化群体差异)、散点图(可视化特征之间的相关性)、主成分分析(可视化数据集中呈现的聚类分布)等。

机器学习和深度学习的区别到底是什么?

数据整形

对数据进行透视、分组、过滤等。

机器学习和深度学习的区别到底是什么?

1.3 数据预处理

数据预处理,其实就是对数据进行清理、数据整理或普通数据处理。指对数据进行各种检查和校正过程,以纠正缺失值、拼写错误、使数值正常化/标准化以使其具有可比性、转换数据(如对数转换)等问题。

例如对图像进行resize成统一的大小或者分辨率。

数据的质量将对机器学习算法模型的质量好坏产生很大的影响。因此,为了达到最好的机器学习模型质量,传统的机器学习算法流程中,其实很大一部分工作就是在对数据进行分析和处理。

一般来说,数据预处理可以轻松地占到机器学习项目流程中80%的时间,而实际的模型建立阶段和后续的模型分析大概仅占到剩余的20%。

1.4 数据分割

训练集 & 测试集

在机器学习模型的开发流程中,希望训练好的模型能在新的、未见过的数据上表现良好。为了模拟新的、未见过的数据,对可用数据进行数据分割,从而将已经处理好的数据集分割成2部分:训练集合测试集。

第一部分是较大的数据子集,用作训练集(如占原始数据的80%);第二部分通常是较小的子集,用作测试集(其余20%的数据)。

接下来,利用训练集建立预测模型,然后将这种训练好的模型应用于测试集(即作为新的、未见过的数据)上进行预测。根据模型在测试集上的表现来选择最佳模型,为了获得最佳模型,还可以进行超参数优化。

机器学习和深度学习的区别到底是什么?

训练集 & 验证集 & 测试集

另一种常见的数据分割方法是将数据分割成3部分:

  1. 训练集
  2. 验证集
  3. 测试集

训练集用于建立预测模型,同时对验证集进行评估,据此进行预测,可以进行模型调优(如超参数优化),并根据验证集的结果选择性能最好的模型。

验证集的操作方式跟训练集类似。不过值得注意的是,测试集不参与机器学习模型的建立和准备,是机器学习模型训练过程中单独留出的样本集,用于调整模型的超参数和对模型的能力进行初步评估。通常边训练边验证,这里的验证就是用验证集来检验模型的初步效果。

机器学习和深度学习的区别到底是什么?

交叉验证

实际上数据是机器学习流程中最宝贵的,为了更加经济地利用现有数据,通常使用N倍交叉验证,将数据集分割成N个。在这样的N倍数据集中,其中一个被留作测试数据,而其余的则被用作建立模型的训练数据。通过反复交叉迭代的方式来对机器学习流程进行验证。

这种交叉验证的方法在机器学习流程中被广泛的使用,但是深度学习中使用得比较少哈。

机器学习和深度学习的区别到底是什么?

1.5 机器学习算法建模

下面是最有趣的部分啦,数据筛选和处理过程其实都是很枯燥乏味的,现在可以使用精心准备的数据来建模。根据taget变量(通常称为Y变量)的数据类型,可以建立一个分类或回归模型。

机器学习算法

机器学习算法可以大致分为以下三种类型之一:

监督学习

是一种机器学习任务,建立输入X和输出Y变量之间的数学(映射)关系。这样的(X、Y)对构成了用于建立模型的标签数据,以便学习如何从输入中预测输出。

无监督学习

是一种只利用输入X变量的机器学习任务。X变量是未标记的数据,学习算法在建模时使用的是数据的固有结构。

强化学习

是一种决定下一步行动方案的机器学习任务,它通过试错学习(trial and error learning)来实现这一目标,努力使reward回报最大化。

参数调优

传说中的调参侠主要干的就是这个工作啦。超参数本质上是机器学习算法的参数,直接影响学习过程和预测性能。由于没有万能的超参数设置,可以普遍适用于所有数据集,因此需要进行超参数优化。

以随机森林为例。在使用randomForest时,通常会对两个常见的超参数进行优化,其中包括mtry和ntree参数。mtry(maxfeatures)代表在每次分裂时作为候选变量随机采样的变量数量,而ntree(nestimators)代表要生长的树的数量。

另一种在10年前仍然非常主流的机器学习算法是支持向量机SVM。需要优化的超参数是径向基函数(RBF)内核的C参数和gamma参数。C参数是一个限制过拟合的惩罚项,而gamma参数则控制RBF核的宽度。

调优通常是为了得出超参数的较佳值集,很多时候不要去追求找到超参一个最优值,其实调参侠只是调侃调侃,真正需要理解掌握算法原理,找到适合数据和模型的参数就可以啦。

特征选择

特征选择从字面上看就是从最初的大量特征中选择一个特征子集的过程。除了实现高精度的模型外,机器学习模型构建最重要的一个方面是获得可操作的见解,为了实现这一目标,能够从大量的特征中选择出重要的特征子集非常重要。

特征选择的任务本身就可以构成一个全新的研究领域,在这个领域中,大量的努力都是为了设计新颖的算法和方法。从众多可用的特征选择算法中,一些经典的方法是基于模拟退火和遗传算法。除此之外,还有大量基于进化算法(如粒子群优化、蚁群优化等)和随机方法(如蒙特卡洛)的方法。

机器学习和深度学习的区别到底是什么?

1.6 机器学习任务

在监督学习中,两个常见的机器学习任务包括分类和回归。

分类

一个训练好的分类模型将一组变量作为输入,并预测输出的类标签。下图是由不同颜色和标签表示的三个类。每一个小的彩色球体代表一个数据样本。三类数据样本在二维中的显示,这种可视化图可以通过执行PCA分析并显示前两个主成分(PC)来创建;或者也可以选择两个变量的简单散点图可视化。

机器学习和深度学习的区别到底是什么?

性能指标

如何知道训练出来的机器学习模型表现好或坏?就是使用性能评价指标(metrics),一些常见的评估分类性能的指标包括准确率(AC)、灵敏度(SN)、特异性(SP)和马太相关系数(MCC)

回归

最简单的回归模式,可以通过以下简单等式很好地总结:Y = f(X)。其中,Y对应量化输出变量,X指输入变量,f指计算输出值作为输入特征的映射函数(从机器学习模型中得到)。

上面的回归例子公式的实质是,如果X已知,就可以推导出Y。一旦Y被计算(预测)出来,一个流行的可视化方式是将实际值与预测值做一个简单的散点图,如下图所示。

机器学习和深度学习的区别到底是什么?

对回归模型的性能进行评估,以评估拟合模型可以准确预测输入数据值的程度。评估回归模型性能的常用指标是确定系数(R²)。此外,均方误差(MSE)以及均方根误差(RMSE)也是衡量残差或预测误差的常用指标。

2、深度学习算法流程

深度学习实际上是机器学习中的一种范式,所以他们的主要流程是差不多的。深度学习则是优化了数据分析,建模过程的流程也是缩短了,由神经网络统一了原来机器学习中百花齐放的算法。

在深度学习正式大规模使用之前呢,机器学习算法流程中药花费很多时间去收集数据,然后对数据进行筛选,尝试各种不同的特征提取机器学习算法,或者结合多种不同的特征对数据进行分类和回归。

机器学习和深度学习的区别到底是什么?

下面是机器学习算法的主要流程:主要从

  1. 数据集准备
  2. 数据预处理
  3. 数据分割
  4. 定义神经网络模型
  5. 训练网络

深度学习不需要我们自己去提取特征,而是通过神经网络自动对数据进行高维抽象学习,减少了特征工程的构成,在这方面节约了很多时间。

但是同时因为引入了更加深、更复杂的网络模型结构,所以调参工作变得更加繁重啦。例如:定义神经网络模型结构、确认损失函数、确定优化器,最后就是反复调整模型参数的过程。

参考文献  
[1] https://github.com/dataprofessor/infographic    
[2] 陈仲铭. 《深度学习:原理与实践》   

作者:ZOMI酱 

https://zhuanlan.zhihu.com/p/455602945

 

– EOF –

转自:https://mp.weixin.qq.com/s/tFw8sfsznHwn0E5I7SVf3A

中概互联迷雾:你在信仰些什么?

这些年,机构苦口婆心教育基民“越跌越买”,但似乎只有中概互联,能让大家一边痛骂不如改名“中丐互怜”,一边乖乖掏钱。

 

2021年2月18日,(易方达)中概互联网ETF场内价格创出历史新高。当时,这只基金的份额不到35亿份,产品的名气远没有现在这么大。没想到的是,在随后净值和场内价格持续下跌过程中,这只基金的份额不减反增,1年多时间翻了10倍以上,直逼355亿份。(交银)中概互联网LOF、(广发)中概互联ETF、恒生科技ETF等可投港股互联网的指数基金,份额在这期间都实现了大跃进。

 

中概互联迷雾:你在信仰些什么?

 

这种“自杀式”的抄底行为,习惯了阴谋论的投资者们会不假思索地认为,八成又是机构在诱韭菜深入。其实并非如此。

 

Wind 数据显示,在(易方达)中概互联网ETF份额和规模逆势攀升之际,机构持有比例在小幅上升,而且内部持有比例也在小幅升高,这说明不仅是机构资金,基金公司内部人员也在中概股下跌的过程中不断抄底。

 

中概互联迷雾:你在信仰些什么?

 

当国内资金抄底热情满满,外资却迎头一棒。13F报告显示,高盛、淡马锡、贝莱德、摩根大通等多家外资减持了阿里巴巴等中概股龙头。而5家中概股更被美国证监会列入“预摘牌名单”,摩根大通对中概股批量给出“卖出评级”,冷冷冰雨把多头按在地上反复摩擦。

 

有人上车,越跌越买,有人下船,不惜割肉离场。巨大的分歧,似乎让中概股的未来更加扑朔迷离。

 

本文主要回答中概股下跌的原因,以及国内外资金抄底都买了什么,一共分为三个部分:

 

1)揭秘:中概股为何大跌?

2)抄底:国内资金买“平台”

3)变化:海外机构爱玩车

 

 

01

缘何大跌?

 

 

“刚出ICU,又进KTV”,中概股最近的表现几近癫狂。不过,短暂的欢愉并不能抚慰投资者受伤的心。

 

Wind数据显示,截至3月21日收盘,370只中概股中有231只今年以来下跌,占比62%;其中,股价腰斩的个股29只,天地荟、聚好商城跌幅均逼近90%。没有涨跌板限制的市场,跌起来就是这么奔放。

 

若统计股价高点至今的跌幅,情况更为惨烈。比如,目前中概股市值最大的阿里巴巴,2020年10月底曾创出了319.32美元的历史最高价,而如今股价不到当时的1/3,跌幅高达67%,期间最低跌至73.28美元;百度、拼多多等中概股自高点以来的跌幅均在50%以上,即使是较为抗跌的京东跌幅也达到40%。

 

中概互联迷雾:你在信仰些什么?

 

在港股上市的腾讯控股、美团、小米等互联网公司,股价也节节败退,跌到股东都不认识。

 

中概股这轮调整,下跌幅度之大、周期之长、波及范围之广历史罕见,背后原因肯定不能简单的用业绩来解释。近乎团灭的背后,总的就是四个字:内忧外患。

 

众所周知,中概股面临的最大“外患”就是退市风险。

 

根据美国国会2020年通过的《外国公司问责法案》,如果外国上市公司连续三年未能提交美国上市公司会计监督委员会所要求的报告,允许美国证监会(SEC)将其从交易所摘牌;其中就包括在美上市的外国公司需要披露审计底稿的不对等要求。

 

今年3月10日,SEC将5家中概股公司列入《外国公司问责法》的暂定清单,再次引发了中概股的抛售潮,让投资者对退市的杀伤力有了更直观的感受。退市风险,说到底是信任危机,对中概股造成的压力主要来自于两个方面:

 

一是,对流动性折价的担忧。美股是一个全球性的市场,流动性泛滥,在美上市的溢价比较高,融资效率更高;与之相比,港股流动性没有那么充裕,在港上市的溢价较低。中概股在美退市后转到港股上市,考验着国内投资者的承接能力,可能存在流动性折价风险。

 

二是,美元投资者集中抛售的压力。目前中概股股东中仍有大量的海外机构,若这些公司从美股退市,势必会引发海外投资者的大规模抛售。

 

屋漏偏逢连夜雨。退市之剑悬而未落,国内行业监管政策的收紧,又给中概股的前景蒙着捉摸不透的阴影。

 

在过去一年多里,互联网行业反垄断、教育行业“双减”、网络游戏防沉迷新规等政策陆续出台。尽管这些政策的出发点都是好的,并非为了打压个别行业和企业,但海外投资者对国内政策预期调整需要时间,容易导致市场短期过度反应,风险偏好骤降,出现恐慌式下跌。

 

在与一些基金经理的交流中发现,对于中概股下跌的原因,还有另外一种声音。有人认为,经过多年发展,互联网的渗透率非常高,行业发展进入后半段,近几年互联网行业的增长逻辑是市场下沉,但整个行业空间或许已经逼近“天花板”,预计未来行业增速将见顶回落。

 

换句话说,互联网行业高速成长期已经过去了,未来将进入成熟期,估值的想象空间变小了。这样的看法虽然有些“马后炮”,但无疑加重了市场的悲观预期。

 

不过,退市、政策监管,以及行业增速见顶,可能都只是中概股下跌的表层原因,深层次的原因在于底层估值逻辑发生了变化。

 

当共同富裕摆在了重要的位置,当经济发展从高速度转变为高质量,分配制度也从效率优先到兼顾公平,在此背景下,市场的估值体系可能被重塑。

 

中概股的坚定持有者们最怕听到的鬼故事,就是互联网要变为公共事业。众所周知,科技股往往增速快,行业空间巨大,市场也愿意给它们高估值;相反,公共事业公司无论是业绩增速,还是行业空间,都没有那么性感。如果真的发生这种改变,互联网公司势必会遇到业绩和估值的双杀压力。

 

相比业绩的简单直白,公司估值要模糊太多,常常是见仁见智。互联网公司当前遇到的最大问题是,当市场环境发生剧烈改变后,它们到底值多少钱,估值应该怎么给,市场参与者还没有形成共识,也没有一个可参考的标准。在中泰资管姜诚看来,隐藏在背后的原因是“价值锚”的缺位。

 

尽管退市阴霾未散,原有估值逻辑也有可能被推倒重来,但是面对股价动辄腰斩、估值进入历史较低区间的互联网公司,抄底资金可谓是前赴后继。

 

 

02

国内资金买「平台」

 

 

高毅资产首席投资官邓晓峰在今年初与投资者线上交流时分享了自己对互联网行业的看法。

 

在他看来,互联网行业类似2012、2013年时的白酒行业。当时受“八项规定”和“塑化剂”事件的影响,白酒股持续调整,直到2016年才开始复苏,但这并不妨碍这个行业长期的高回报,因为白酒本身是一门好生意。互联网的商业模式也非常优秀,当行业稳定之后,很容易为股东创造可观的回报。

 

他认为,外部因素对中概股互联网公司影响达到最大值的时候,大概率是行业在资本市场表现最差的时候。他断言,尽管互联网行业上行的空间和时间尚不确定,但今年互联网至少是一个下行风险很小的行业。

 

在3月初这轮恐慌性下跌中,邓晓峰有没有抄底中概股不得而知,但他对于互联网行业的乐观预期无疑是具有代表性的。“中国巴菲特”段永平也是中概股的忠实信徒,曾在互联网泡沫中逆势抄底网易一战成名,如今除了“风投”拼多多之外,外界最为津津乐道的还是他抄底腾讯。

 

2018年,腾讯因游戏版号停发等问题股价暴跌,短短几个月跌幅超40%,段永平趁机上车。去年,腾讯被批为“精神鸦片”,股价再次大跌近40%。段永平8月4日在雪球(ID:大道无形我有型)上称买了腾讯,再跌继续买,二度抄底。今年2月28日,有雪球粉丝调侃,腾讯又到了大道底。段永平回复称,“低过我上次买的价钱了,那明天再买点”。此后,他还多次表达了对腾讯的看好。

 

3月8日,他在回复网友提问时表示,“计划没(每)掉10%加一次仓”。3月14日,他表示再过一两个礼拜,应该还有些苹果的put到期,到时可以考虑再买点;次日上午,他又声称“明天准备拿伯克希尔B股换点腾讯,不等了”。不过,这些话可能更像开玩笑。他曾表示,腾讯对他的吸引力还没到让他卖掉任何别的股票去换的地步,再跌几次说不定就要认真想想了。

 

过去几年,腾讯因游戏业务广受诟病。作为游戏学习机“小霸王”的缔造者,段永平对游戏有着不同的看法。他曾经解释过买腾讯的理由。在他看来,游戏最根本的东西是消费时间并获得快乐,而网络游戏是大多数人获取简单快乐最具有性价比的办法。游戏和其他消费品没有任何差别,并不存在良知的问题。如果以10年计,拿着茅台和腾讯应该比拿着现金好。

 

即使是高调抄底腾讯的段永平,持有腾讯的比重还很低。相比之下,国内一些公募产品才是重仓持有或是逆势抄底中概股的中坚力量。

 

比如,国投瑞银中国价值发现一直重仓持有腾讯控股和阿里巴巴,去年四季度还加仓了后者,目前分别为第一和第二重仓。基金经理汤海波表示,看好过去 一年中受持续政策打压,目前估值处于历史低位的平台型互联网公司。他认为这些行业仍有充足的发展空间,并相信中国互联网龙头公司在全球范围内的竞争优势。

 

上投摩根亚太优势基金经理张军也表示,中概股的远期市盈率约为13倍,而美国股市则超过20倍。中国股票并不昂贵。即使市盈率只是停留在目前水平,预期的经济扩张应该会推动公司收益在未来几年大幅上升。

 

创金合信港股互联网基金经理胡尧盛则从业绩角度提出了看好互联网行业的逻辑。他在四季报中表示,核心互联网公司收入端依然维持较高增速,虽然利润端不理想,但并非公司经营出了问题,基本面并没有出现风险。而当前股价下跌反应有些过度。他四季度真金白银为自己的认知“充值”,加仓了美团、腾讯控股、阿里巴巴、京东集团、百度集团等股票。

 

统计公募基金重仓股后发现,互联网龙头、平台型公司仍是国内资金布局首选,即使是投资范围更广的QDII基金也是如此。具体来看,腾讯、美团、阿里、京东等龙头股成为很多基金必配重仓股。

 

中概互联迷雾:你在信仰些什么?

 

国内投资者最懂中国,也最懂中国的公司,互联网公司的公允价值可能无法判断,但这些公司中不少是好公司,这于这一点很多人深信不疑。他们越跌越买,拉长周期看,输的或许只是时间。

 

更何况,当安全边际已经跌得足够明显,哪怕是异国他乡的海外投资者,也在抄底中概股这件事情上逐渐有了共识。

 

 

03

国外机构爱玩车

 

 

97岁的芒格对中国经济、中概股的看好从来不掩饰。

 

根据不久前披露的13F文件显示,截至2021年12月底,查理·芒格旗下公司DailyJournalCorp(每日期刊)通过美国存托凭证(ADR)累积持有阿里巴巴602060股,持有市值约0.72亿美元,占比约28%,为公司第三大持仓。

 

中概互联迷雾:你在信仰些什么?

 

值得一提的是,与去年三季度相比,四季度每日期刊买入阿里巴巴的股票数量接近翻倍,如此大手笔的加仓,可见芒格对阿里巴巴是真爱,对中国经济、互联网的信心并非嘴上说说而已。

 

去年一季度,阿里股价大跌,芒格首次买入了165320股;二季度阿里股价波动较小,他并没有急于加仓,只是维持之前的持仓不变;三季度阿里单季下跌近35%,芒格再次出手,买入136740股,持股总数也上升至30万股;四季度阿里又下跌了近20%,他这次选择了重拳出击,一口气买了30万股。

 

尽管越跌越买,持仓成本不断摊薄,但过早的抄底,还是让芒格在这笔投资上有些被动。以至于在近期召开的每日期刊股东大会上,他对中概股、对阿里巴巴的看法之类的问题被股东们反复提到。

 

芒格在回答股东提问时表示,之所以投资中国公司,是因为能够买到更多的价值。一些中国公司不仅价格便宜,而且竞争力更强。与美国的投资机会相比,中国的投资机会更好,而且能以更便宜的价格买入,获得更高的公司价值。他不觉得阿里巴巴的股权结构是一项特别大的风险,只是觉得其护城河没有苹果和Alphabet那么深。

 

实际上,在抄底中概股的道路上,芒格并不孤单。

 

国内投资者比较熟悉的先锋领航集团,去年四季度买入了74只中概股,而且均为新进持仓,持有市值排名靠前的个股包括百度、蔚来、小鹏汽车、拼多多、理想汽车等;但是,先锋集团没有买阿里巴巴、京东这些老牌零售电商龙头,而是选择了后起之秀拼多多。

 

中概互联迷雾:你在信仰些什么?

 

贝莱德四季度对中概股有增有减,对63只中概股进行了增持,对66只中概股进行了减持或清仓,另外新进买入红黄蓝、叮咚买菜等4只中概股。其中,蔚来、拼多多、理想汽车、阿里巴巴等个股均获得增持,百度、百胜中国、小鹏汽车虽被小幅减持。

 

中概互联迷雾:你在信仰些什么?

 

有意思的是,道富银行、摩根大通、纽约梅隆银行、挪威中央银行、高盛集团等知名外资机构,对中国“造车新势力”表现出了浓厚的兴趣,四季度纷纷增持了相关公司,其中蔚来受关注度最高,获得149家机构增持,189家机构新买入。

 

中概互联迷雾:你在信仰些什么?

 

若从持股机构数来看,阿里巴巴中驻扎的外资数量最多,达1287家,较三季度小幅下降;另外,百胜中国、京东、百度、蔚来持股机构数均超过500家。

 

中概互联迷雾:你在信仰些什么?

 

当然,对于中概股,尤其是处于反垄断风口浪尖的中国互联网公司,外资机构之间是有分歧的。但对于一些好公司,尤其是中国市场上快速成长的优质公司,他们从来不吝啬手里的子弹,比如造车新势力、以做下沉市场起家的拼多多。

 

 

04

尾声

 

 

 

段永平曾被记者问道,当年网易跌得仅剩0.8美元,你哪来的勇气敢买入?他反问道,原本值10块钱的东西,现在有人哭着喊着要以1块钱的价格卖给你,这还需要什么勇气吗?

 

当价格显著低于企业价值时,抄底当然不需要勇气和胆识,但需要子弹。

 

很多时候投资会陷入“一看就会,一学就废”的困境,原因既关乎能力,又在于资金的不自由。大多数人是不具备判断一家公司价值的能力的,而股价见底与价值发现通常不会同时到来。

 

毕竟,段永平只有一个,但倒在了黎明前黑暗中的人,却有许多。

 

 

全文完。

 

转自:https://mp.weixin.qq.com/s/XPCA4w1aSfUe4N1SA4X6-g