1.1 估值因素长期低贡献但中短期显著影响
对于估值分析而言，长周期来看指数涨幅主要由盈利上涨推动，估值在长周期中贡献幅度较少。近 15 年，万得全 A 指数年化涨幅 5.9%，其中盈利端年化回报 7.5%，泛科技成长指数（成长：中信风 格指数）年化涨幅 8.7%，盈利年化回报 7.7%，但对于中短期行情（年频为例）而言，估值的扩张 与收缩对于指数年度涨跌幅具有较高的影响，如果从年度振幅角度考虑，估值短期扩张与收缩对行 情的影响则更为剧烈。
1.2 科技股估值高波是科技中短期行情走势的决定性因素
对于中国科技股而言，科技指数较全 A 的回报高低与选取的统计时间起点有关，科技股盈利年化 回报与全 A 较为接近，但从盈利与估值的趋势性变化来看，更为明确的是其盈利端和估值端的波 动率要显著高于全 A。
聚焦中期维度（对应科技股历史上完整的三次牛熊阶段（3-5 年）），科技牛市的区间回报归因中， 估值的区间扩张也是起到了主导作用，特别是在行情前中期。而对于 5 年以上的长周期投资来说， 由于估值存在周期性的扩张与收缩往复，长周期中呈现出被抵消掉的均值回归特征，因此长视角看 其贡献率较低，使得会产生是否需要忽视估值端扩张与收缩探索的疑问，但实际考虑市场整体投资 考核期以及 A 股特别是科技股领域投资，估值短周期波动更大，因此估值端探索的重要性实际更 高。
2.1 相对估值指标仅适宜作为水平评价指标而非预测性指标
市场传统使用的相对估值指标主要是 PE 及 PE(TTM)，以 PE(TTM)为例，其计算方式： PE(TTM)=∑(成分股,总市值)/∑(成分股,或归母净利润(TTM))，这种计算方式中，∑(成分股,归母净利 润(TTM))反映的是过去已经发生，市场已经计价的业绩情况（gPast），PE(TTM)的扩张与收缩主要 通过指数市值的扩张与收缩的变化而呈现，基于 gPast 绝对值的大小得到的 PE(TTM)值，更适用于 指数当前的估值水平评价（相较历史数据的高低，相较参照系的高低），而不具有历史可比性，即 不能做为分析预测指数下一阶段估值扩张与收缩的指标。
同理，市场同样对不同类型行业公司采取 PEG、EV/EBITDA、P/B 等，以及调整后估值 no-cash PE、 P/（E+ R&D）、EV/（EBITDA+R&D）等相对估值方法，这些估值指标反映的都是当前估值水平 的评价，是用来便宜进行估值横向比价的所选特定截面，这些估值指标值呈现出的高低（或者说基 于历史数据的分位值），只反映当前的静态水平，也并不能作为估值未来扩张与收缩的核心逻辑 （如当前 PE 处于历史 20%分位，并不意味后期一定上行，而不跌落至 0%），当我们讨论估值的 扩张与收缩的时候，重点都在于相关估值方法的若干变量因素的边际变化方向。
2.2 为什么不同行业分析师会倾向选择不同的估值指标方法
统一的估值定义，是用于衡量企业当前&潜在盈利能力相对当前市值的性价比指标。但是同一衡量 盈利能力的财务指标对于不同行业来说存在不准确性、不可比性。不准确性如净利润同样为相同值 的银行业和消费业，其盈利质量存在不同。不可比性对于处于不同生命周期或者经营模式的异质性 行业而言，同一盈利财务指标不能准确反映不同行业/公司的真实价值，如部分成长初期科技行业， 初期的低净利润水平无法有效衡量企业的潜在盈利水平，采用 PS 估值适宜性更强。
2.3 估值变化趋势曲线并不准确
如果我们基于时间序列，将 PE(TTM)转化为折线趋势指标，估值扩张与收缩的路径变得更为清晰， 这其中的主要干扰项为指数成分股的变动，1：比如三大运营商陆续纳入通信行业指数，使得通信 指数的近期估值分位显著低于历史水平。2：业绩高/低基数带来估值的跳跃。3：亏损带来的负值。 这些问题的根源都来自于历史业绩（gPast），这一度量指标存在缺陷，分别对应的问题是：净利润 绝对值受成分股变化影响，净利润绝对值高波动，净利润绝对值转负。 以上三点使我们在分析估值变化的过程中，存在缺乏更清晰的意义，可比性差及历史数据存在不准 确性等多维度问题。
3.1 基于 DCF 三阶段模型的 PE 定价方式及原理
基于我们在《基于周期嵌套景气比较的行业轮动框架——新行业比较框架之一》中提出的改进版 DCF 三阶段定价模型公式，将基于传统 DCF 模型对企业价值 FV 扩张与收缩的判断过程，按时间 序列划分为两维度，基于短周期景气（1 年左右）和基于中周期景气（2-10 年），侧重分析其短 周期景气主要驱动力- g 次年，中周期景气主要驱动力- g 复合。该公式转换后，可推导到估值的三阶段 定价公式。 作为绝对估值法的转化，意味着假设投资者有准确的参数数据，即可得到准确的内涵估值，并将其 与行业/企业的当前市场估值进行比较，从而得到扩张或收缩的判断依据。
同样，上述源自于将传统贴现模型按增速周期拆分后的三阶段贴现模型的估值度量理论，可将其自 变量划分为四个因素，分别是增长预期（g 次年， g 复合），无风险利率、通胀预期和风险溢价。
3.2 估值定价分段理解
如同 DCF 三阶段模型，定量计算不同阶段，该公司内涵价值的不同占比，PE 三阶段模型同样可以 用于理解不同阶段，该公司的估值（倍数）占比。 假设一家公司，初始净利润/现金流 FCF0=1，一阶段 g 次年=20%；二阶段 g 复合=15%，持续 9 年；三 阶段 0%增，持续 50 年，贴现率为 10%。则该公司内涵价值=Stage1(1.09)+ Stage2(9.82)+ Stage3(10.67)=21.58，即与该公司当前净利润比，即为当期估值 21.58 倍。 从对于估值的可理解性上，我们认为不同阶段的变量对应的分别是： Stage1 决定估值扩张/收缩预期（短期估值方向）。 Stage2 决定估值扩张/收缩幅度（估值上下空间高度）。 Stage3 决定估值底的中枢。
3.3 Stage1 决定估值扩张/收缩预期（短期估值方向）
g 次年通常反映市场对当前时点到未来一年左右时间的盈利增长预期，切换到 PE 维度，市场更多用 PE-Forward1 年这一指标来衡量，这里的 g 次年直接挂钩的是分析师对于盈利预测的一致预期。从 PE 与 12 个月 EPS 同比滚动相关性来看，近端业绩预期对于估值扩张或收缩具有方向上的指引性， Stage1 阶段虽然占整体估值定价的权重较小，但是市场通常会基于最新盈利或盈利预期线性外推 Stage2 的复合增速，因此 Stage1 中近端业绩—g 次年预期的方向对于整体估值扩张/收缩方向具有一 定指向作用。
3.4 Stage2 决定估值扩张/收缩幅度（估值上下空间高度）
从敏感性角度，我们可以测算出对估值定价影响最大的部分，为 Stage2 成长期（Eg：Year10）的 现金流折现值终值。我们假设所有公司在 Stage1、2 阶段按固定 CAGR 增长，三阶段都转为 0%增 长，40 年剩余久期，整体 Stage3 虽然占比大，但更多呈现为 Staeg2 现金流折现值的固定放大系数 （9.8 倍）的特征，即成长期不同复合增速对于当期静态估值倍数的决定性最为重要，这也可以理 解为对于 g 复合增速以及结合不同成长久期（2-10 年）所乘对应的所谓成长空间，决定了估值扩张 的上限。
思考 1：为什么估值的纵向分位比较意义不大？ 以创业板指为例，当市场在关注创业板 PE-BAND 水平处于高分位还是低分位时，这种比较方法某 种程度来说意义并不大，2019 年 30 倍估值的创业板和 2020 年 30 倍估值的创业板指，无论从估值 绝对值或分位来说，并非严格意义上的性价比相同。相反，后视角来看，前者 30 倍隐含的性价比 更高，由于创业板指（成分股）在 2020 年后发生了较大变化，2019 年的创业板指 30 倍估值隐含 了一个近端较大的成长空间，而鉴于当前创业板指（成分股）个股及行业的成长空间的前瞻来看， 短期并不具备另一个类似于此前新能源行业赋能的成长空间。因此，判断后续成长空间的重要性， 要显著高于基于估值分位的买卖判断，如果行业成长空间预期的判断结果是进一步下行，那么估值 低分位也很难构成买入理由。
3.5 Stage3 决定久期-稳定性（估值底中枢）
Stage3 通常决定的是估值底，这一考量基准是该行业生命周期已度过 Stage1 和 Stage2，进入 Stage3 阶段 g 增速为 0，即不考虑分母（系统性变量）情况下的分子 0 增模型。 我们筛选全部 A 股中，过去 12 年年度归母净利润均大于 5 亿，且复合增速较低，振幅较低的个股， 筛选结果多集中在交运（公路铁路）、公用事业（水务）、银行（大型银行）等方向。我们选取净 利润波动标准差最低的十家公司，如天津港、重庆水务、大秦铁路、宁沪高速等，样本与宽基指数 PETTM 比值的均值/中位数一直保持在低波动、低振幅状态，反映出接近分子零增和分母扰动下的 估值底的近似真实呈现。
思考 2：同样 0 增的银行业与高速公路行业，估值底都是 10X 么？ 在存续期、分母变动都相同的情况，同样 0%增速预期的行业，其估值底是否完全相同？从定价原 理角度来看，理论上是相同的。 但在实际环境理解中存在不同，一方面是行业异质性带来的各行业存续期，生意模式等难以存在假 设上的相同。另一方面，相同的 0 增长虽然可以反映自由现金流在赚钱能力上的相同水平，但无法 消弭其在盈利质量上所存在的固有差异。即无论哪种自由现金流的计算方式终归到基于净利润项的 调整，而不同行业的同样净利润水平背后涉及到不同的盈利质量水平，如贡献同样稳定净利润水平 的银行业和交运业，银行业维持同样净利润水平涉及到的是更高的杠杆风险。
也就是说，各行业的 Stage3 阶段定价，都存在一个估值底，但是不同行业的估值底中枢是不同的， 这主要由盈利质量所决定。从当前的情况来看，铁路公路行业的估值底中枢在 10X 左右，银行业 要低于 10X，白酒行业要高于 10X。
3.6 基于分子变动的估值扩张收缩理论路径
综合我们对分子定价因素 g 的三阶段介绍，综合来看，估值的扩张收缩节奏，理论上如下图所示， 同时，我们结合电新龙头公司的近年来的股价/EPS/PE 路径与理论路径进行对比。
4.1 分母因素 1——无风险利率 Rf
用于计算现金流的无风险利率，应该与现金流的计价货币保持一致，如营收、盈利皆以人民币结算 为主的 A 股，其理论无风险利率应该为中债 10 年期国债收益率，而非 10 年期美债收益率。 但从近 10 年 A 股估值波动与美债波动的相关性来看，市场对于美债利率的关注度明显更高。我们 认为造成这一现象的原因主要有 6 点： 1 经济周期同步性。美债利率上行引发中国国债利率上行的预期（中美利率悖离并非历史常态）。 2 预期数据易跟踪性。美联储对美国货币政策的解释频率更高，对投资来说更易追踪，所以形成观 察美债作为中债利率的逻辑传导路径的依赖性。 3 股市风险偏好传导。美债利率波动影响美股市场股价波动，通过风险偏好传导，影响 A 股股价波 动。
4 定价锚定效应传导。A 股生物医药行业与美股医药行业的估值锚定代表性最强，这背后考虑的是 在全球生物制药领域，美国市场无论是在历史时间序列长度、一级融资端还是二级市场的估值定价 端，都具有较强的锚效应，而作为融资大户，美债利率对美国生物制药行业的融资成本及定价都有 直接影响，从而在 A 股生物制药领域外资占比不高的情况下，展现出了美债对估值定价相关性更 强的现象。 5 汇率传导。作为国际货币，联储加息导致美元短期走强，强美元汇率层面对应人民币走弱，特定 情况下会造成外资流入流出波动。 6 定价资金属性变迁。从外资定价角度来看，北上持股比例更高的个股样本合集对于解释这一现象 有更好的说明性。
思考 3：低利率一定会导致估值扩张么？ 利率表征的货币政策主要用于逆周期调节，货币政策边际宽松带来的分母利率下行，初期有助于提 振估值水平，这种对于估值提振的假设首先是建立在分子预期不变或者未来将要提升的假设背景下 的。以 90 年代日本经验来看，1991 年开始，日本经济增速大幅下滑，到 1995 年利率已经到了非 常低的水平。在利率下行初期，盈利预期修复无法证伪叠加充裕流动性，估值端产生明显扩张，但 从贴现因子 r 的定价逻辑( r (coe) = Rf + ERP )来看，1）当无风险利率 下降到一定程度后，对整体 分母 r(coe)的边际影响会有所减弱，从 1995 年后的日本经验来看，同样可以验证，利率再下行对 于估值的提振边际明显减弱。2）利率低位，如盈利预期仍无法拐头向上，估值反而会重新下行。 即，分子的趋势性缺失相较分母的周期性变动而言，影响程度更大。
从 2020 年疫情后中美股市和经济增速、利率的错位表现来看，同样可以验证上述情况，近三年的 时间区间内，美债利率的下行可以驱动美股估值扩张，然而中债利率的下行却无法对 A 股估值形 成提振，这背后逻辑主要由第二点因素导致，即市场担忧 A 股较美股的基本面恢复偏弱，利率下 行未能有效提振 A 股的分子增长预期。
思考 4：黄金的定价方式 黄金的定价逻辑与估值 0 增模型较为类似，剔除了分子端的影响，其价格波动更多呈现单边受分母 端影响的过程。黄金分子端不产生现金流，久期逻辑上为无限大，类似于零息长期美债，其价格波 动完全受分母端（美债利率）变量影响。
4.2 分母因素 2——股权风险溢价
贴现参数 r，在股票定价中通常指 COE（Cost Of Equity）。股权投资者的权益成本（即权益市场投 资回报率），其高于无风险利率的部分，即为股权风险溢价 ERP（Equity Risk Premium）。 历史 ERP 的计算，来源于权益市场历史数据，即过去基于股票市场回报率测算的风险补偿收益。 当前市场主要有三种历史 ERP 的计算方式，一是基于股票市场历史(回报率)数据折算的历史 ERP 值，二是海外市场已有少量存在应用的调查问卷方式得到的历史 ERP 值；三是基于上市公司已知 市值，通过假设折现率倒推隐含 ERP。
我们从第三种方法，当前 A 股已存 0%增个股及行业的隐含估值（10x）倒推来看，在 0%增模型假 设讨论估值底的情况下，隐含 COE 贴现率大致在 10%左右，= Rf + ERP，在过去 10 年十年期中债 国债利率平均值在 3-4%左右的情况下，意味着 A 股隐含的 ERP 股权风险溢价达到了 6-7%，这一 数字亦与第一种计算方法下的全 A 过去的平均年化收益率较为接近。 如果采用市场对于 ERP 的计算方式（市盈率倒数-十年期国债收益率）和理解方式，存有两方面问 题，一是会造成因果混乱，该种 ERP 的计算方式反映的是股市相对债市的性价比，ERP 呈现的是 一种股市相对债市的结果指标，本质上反映的还是（债市不变情况下）当前股市估值 PE 的高低， 呈现的是结果而非原因。二是，PE 导数方式所代表的全 A 隐含回报率，与真实回报率回溯来看， 存在差异，低于实际回报率主因 PE 倒数方式未包含全 A 分红回报这一来源。
我们认为对于 ERP 的理解，可以梳理拆解为两部分：一部分是已发生已计价的 ERP（简称，历史 ERP），另一部分是未发生未计价的 ERP（简称，未来 ERP）。 对 ERP 回归本源的理解，来自于投资者对未来一段时间需要股市提供的回报率预期。 当此前权益市场承压幅度较大的时候，全 A 的历史 ERP 通常处于较低位置，因为历史回报率降低。 但与此同时，未来 ERP 提升的幅度更大（需要提供更高的风险补偿），带动整体 ERP 走高。 如果再有利空/风险事件发生，一方面继续压低历史 ERP，另一方面继续提升未来 ERP，意味着权 益市场需要提供更高的未来回报率，以满足投资者对于风险事件的更高补偿要求。如果有利多事件 发生，一方面历史 ERP 提升，另一方面会压低未来 ERP，意味着投资者对权益市场未来需要提供 的风险补偿/回报率要求降低。
整体而言，市场仍然是通过风险事件，短期风险事件，或长期风险事件，通过对回报预期产生扰动 的方式，影响定价。另一个角度看，市场投资者对 ERP 计算方式中所减去的参照系的要求一直在 变，这是我们所想重点提示的，如果单纯减国债收益率这一指标来锚定投资者所需要的 EPR，更适 用于衡量股债性价比，是大类资产配置领域的重要参考指标，却难以对股票市场内部结构做出判断， 对内部结构变化而言，全 A 回报率所减的参照系指标，也可能是当期市场一致共识最强的少数行 业，如结构性赚钱效应最突出阶段具有一定持续性的主线行业。
4.3 分母因素 3——通胀
通胀因素作为 Stage3 的组成部分，意味着可以影响 r(coe)-cpi 这两个三阶段分母项的综合结果，对 于所谓长久期资产（Stage1+2+3 含量更高）的估值定价影响更高。 理论上，通胀上行会导致 Stage3 的分母下行，有利于估值扩张，这背后基于的假设是该行业/公司 进入稳定阶段后，其营收盈利增长主要受益于价格水平上行驱动。 而实际上，从 A 股过去几轮价格因素冲高过程中的市场整体估值表现来看，通胀上行到一定程度 后反而对估值形成了明显压制，这背后的定价逻辑是更高幅度的价格上行是由宏观经济过热所导致， 引发了货币政策紧缩的预期，导致 r(coe)预期的上行幅度大于 cpi 预期的上行幅度，即分母 r(coe)- cpi 整体呈现上行结果，从而对估值形成明显压制。
前者（温和通胀）有利于估值扩张，后者（通胀过高/恶行通胀引发紧缩预期）反而导致估值压缩， 通胀性质和幅度的差别，会使得估值与通胀散点呈现出经典的墨西哥帽形（Sombrero-Shaped）。
5.1 估值运行特征 1——A 股整体估值中枢下移
伴随着经济转向“新常态发展”、“高质量发展”，实际 GDP 中枢的不断下移，使得全 A 整体盈利增 速中枢同步下行，这也进一步导致估值定价层面的中枢下行。
5.2 估值运行特征 2——估值阶段性重估
基于生命周期的估值方法，实际上也是 Stage1+Stage2-Stage3 理论的一种呈现方式，即不同生命周 期位置的行业，从不同的 Stage 阶段开始计算现金流。 过去 A 股运行过程中，投资者可能会遇到的所谓估值重估，即估值中枢的系统性上下移动，这种 现象本质上对应的是在原有定价流程中，对 Stage2 成长空间的 Re-Value 过程，回归到理论上，其 实重复的是“Stage1+Stage2+Stage3 定价中，突发 Re-Value-Stage2”的过程，这一点在过去的白酒行 业估值系统性抬升过程中呈现的尤其明显。
以茅指数为例，历史上分母未下行阶段（即剔除分母扰动）的估值大幅提升代表性阶段为 2016- 2017 年，这一阶段美债、中债利率是上行的，但茅指数的估值却在这一阶段大幅提升。从对应的 Stage2(g 复合预期)来看，茅指数后面四年的 g 复合中枢是明显上台阶的，这反映的就是投资者对于茅指 数原有定价过程中，基于其 Stage2 定价因素的变化，进行 Re-Value-Stage2 的过程。而茅指数和宁 指数 2020-2021 年的估值扩张更多是受益于整体宏观背景下利率下行的催化。
对于科技股而言，同样存在着估值重估（Re-Value-Stage2），只不过驱动科技股估值重估的底层逻 辑与其他行业存在一定区别，茅指数为代表的非科技行业 CAGR（g 复合）的中枢抬升更多是由供需 两侧竞争格局持续优化所带动的；而对于科技股而言，驱动其估值重估的往往是由（科技创新产生 的）供给催生的新需求所带动。
5.3 估值运行特征 3——易过度且右偏
从上文分析框架中，可见，估值的定价过程中，涉及的定价因素较多，是众多因素共同反映后的综 合结果，且众多的定价因素皆为预期项，而非实际项，因此，综合来说，估值的定价方式是若干个 因子预期值的综合博弈结果。 A 股实际估值往复过程中，通常将情绪高和低点演绎的极为充分，使得估值中枢不是沿着理论的现 金流贴现曲线去完成，这反映了分子分母中五因子的不规则运动，会对估值曲线形成较大干扰。但 对于估值中枢偏离度影响最大的还是对于 Stage2 成长空间大小和确定性的判断，对于行业成长空 间判断的乐观度提升，使得投资者交易出的估值顶部或更高；对于成长空间确定性判断的置信度提 升，使得投资者倾向于更快速的交易出估值顶部，即估值曲线的正态分布更易右偏。
5.4 科技股估值运行特征 1——基于科技创新的估值周期性
我们总结科技行业的定义是：通过研发创造的新技术成果，生产（阶段性）新产品/新服务，引领 创造市场新需求的企业。科技股行情整体遵循底层新技术突破催化带动产业发展的行情驱动逻辑。 考虑到科技创新的周期性与技术迭代速度，科技股的估值扩张与收缩较市场整体会呈现清晰的周期 性特征，这种估值周期性的扩张与收缩更多来自于科技行业自身创新生命周期的变迁，而科技行业 的生命周期往往由新技术的培育、发展来驱动，因此科技股的生命周期较其他行业传统的单个生命 周期循环（Life Circle）不同，往往跟随新技术的出现呈现出多个生命周期循环的变迁。
5.5 科技股实际运行特征 2——科技股估值侧重
Stage2 的催化行为 准确的说，科技股属于成长股范畴。科技股/成长股的估值溢价主要来源于 Stage2 阶段带来的成长 性/成长空间溢价。 1、就成长股和价值股估值定价区别而言，成长股更多处于 Stage2 阶段，价值股更多处于 Stage3 阶 段（当我们重点讨论 Stage2、Stage3 的主要变量的时候，其实我们讨论的是成长股范畴，价值股的 PE 定价重点更多在 Stage1、Stage3）。 2、就成长股和科技股估值定价区别而言，估值扩张和收缩的底层逻辑存在不同，科技股更多依赖 新科技技术周期去驱动其 Stage2 扩张/收缩的时点和节奏，而非科技领域成长股更多依赖其行业供 给两侧结构变化带来的景气度扩张/收缩。
Stage2 分子端的主要定价依赖的是成长空间，这由 Stage2 的 g 复合增速预期&持续久期长度预期所决 定。而成长空间的预期，投资者往往依赖的是多重因素线性外推，如海外映射、改革措施/预期、 兼并购行为、新技术突破、行业竞争格局跟踪、已公布业绩等。这其中，仅有已公布业绩是滞后项， 拉动的是估值扩张的持续时间，而非估值扩张的启动时点。
5.6 科技股估值运行特征 3——科技股估值对分子敏感性高于分母
当我们讨论科技成长股是长久期资产，价值股是短久期资产的背后，对应的是科技成长股的定价是 Stage1+Stage2+Stage3 的三个完整阶段计价，价值股对应的是 Stage1+Stage3 的两个阶段计价。长久 期资产多出的 Stage2 定价部分，意味着其对于二阶段分子（g 复合）及整体分母变动的敏感性更高。
假设长久期资产与短久期资产分别经历 15%、0%增速 10 年后，进入永续 0 增阶段，r (coe) = 10%， 在此种假设下分母（△r-cpi）每增加 1Pct，长久期资产较短久期资产的压值收缩幅度更大，但这种 差值远不及投资者的直观感受，这种感受悖离背后的成因更多维度，如常见的是市场系统性估值收 缩发生 / 投资者风险偏 好降低的区间， 也会带来 高增速成长股 CAGR 预期被同 步下调 （eg.15%→10%）的情况，这会使得成长股估值压缩呈现更剧烈的特征。
思考 5：为什么低估值行业具有避险/防御属性？ 所谓的高低估值分化，可以理解为 Stage2 的定价部分当前时点是收缩的还是扩张的，如果 Stage2 扩张则利好高估值，收缩则利好低估值。 这里的低估值又分为两种情况，一种是类似于公铁路、水务的零增低估值行业，分子受宏观经济影 响的波动率较低，另一种是类似于周期资源股或传统行业之类的低增低估值行业。前者看底部有效 性，后者分子端也会受到短期供需错配/改善影响下的景气度提升影响，仍然可以产生一定估值弹 性。
当市场出现系统性风险时，投资者愿意涌入低估值板块背后的行为逻辑在于，低估值板块的隐含估 值并没有计价 Stage2 成长性扩张的部分，更多是呈现的 Stage3 估值底有效的部分，且分子低/零增 速，因此在市场整体出现风险偏好带来的系统性杀估值压力下，分子降无可降，其估值底受影响相 对更小，因此成为避险选项。即，成长性溢价压缩，迫使投资者转向低估值的背后，一方面来源于 风险偏好下行（使得成长股有估值(分母)下行压力更大的风险），另一方面或来源高低估值行业景 气（增速差预期）出现收敛。
思考 6：如何看待本轮科技行情估值扩张特点和未来运行方向？ 本轮科技股中结构性的 ChatGPT 产业，特别是其中逻辑较为顺畅的算力、光模块等方向估值呈现 出非常典型的 Stage1 方向向上，Stage2 空间打开的特征。但从科技股整体（Pettm 绝对值和相对值） 走势来看，本轮科技股估值扩张在 3 个季度内已经完成了一轮小级别的估值扩张收缩周期，重回 22 年底/23 年初周期低点水平，科技股整体并未出现明显估值扩张，从结构上这更多反映了： 1） 本轮 AI 新技术仍处于初期的特征，优先计价于局部优势方向，AI 技术向科技股的扩散尚未展 开（当前新技术出现初期更多呈现在“点”，尚未扩散到面），科技股整体估值扩张的空间仍处 于初期。
2）从历史真实转化为产业趋势（非主题投资）的科技细分行业估值复盘来看，从未出现过盈利未 启动，估值就触顶的情况，估值顶更多出现在盈利增速触顶前后，本轮科技行情尚处于孕育期，盈 利层面尚未进入验证兑现阶段。 3）从前三次科技股估值周期来看，第一阶段估值上行区间，都存在明显的估值双顶、三顶等反复 冲高过程，本轮科技行情整体冲高回落至启动前水平，强势方向处于估值第一次回调阶段。
4）历史上三轮科技股完整的估值扩张收缩周期的耗时平均值为 4-5 年左右。估值扩张阶段的实际 占比小于估值收缩阶段的时间占比，反映了估值的右偏特征。从实际科技股估值快速扩张的阶段定 量分析来看，科技股估值扩张的幅度高但时间占一轮完整扩张收缩周期的比重呈现较为短促的特征。 从周期底部扩张开始到估值见顶的时间占比约为 20-40%。这个完整周期与相关科技产业趋势的跨 度有关，即使按过去经验的 4-5 年周期时序来看，当前科技周期启动的时间仅为 0.75 年，除少数细 分方向外，整体扩张周期与右偏顶峰尚有时间距离。 基于我们全文对于估值扩张收缩的拆解、探索，成长空间（及其背后对应的 g 复合）是抓住估值扩 张的核心思路，从当前 A 股行业趋势而言，基于 AI 产业趋势的相关科技行业是值得关注的重点方 向。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
