基金受益所有人的判定(基金受益所有人的判定标准说法正确的是)

最近“数字经济”正在风口浪尖。《“十四五”数字经济发展规划》近期刚一出台，便深受瞩目。甚至有业内人士说，这是一个类似于新能源一样的大机会。

实际上论总量，我们数字经济中的电商占比已经很高，大幅超过其他国家。但智能化，产业应用、核心软件水平还比较低，这是十四五规划里最重要的部分，也是投资机会最大的领域。尤其是万物互联，可能是里面最核心的。

很多人问，数字经济相关的基金有哪些？

被动基金，有一些相关的细分行业ETF，比如云计算ETF，5GETF，AIETF，这些都是。

主动管理基金，着重投资于这个领域的，其实不多。我关注到的，尤其专注于这个领域的，可能是诺安的张堃（kun）。也许是他去年多次旗帜鲜明的表示，“重点参与智能化和万物互联”，让人印象比较深刻。

实际上，张堃是去年才被大众认识的“黑马”基金经理。

他管理的诺安优选回报，2021年收益率68.09%，在所有类别基金中排名20，去年下半年开始受到市场关注。

去年全年，收益率最高的一批基金里，大部分与重仓新能源、上游资源相关。

张堃比较独特之处在于，他的持仓和新能源关联不大，也没有上游资源，而是重点布局万物互联网以及人工智能（AI）。正好就是“数字经济”的核心。所以若是对数字经济有兴趣，或许可以研究下张堃。

图：2021年收益率最高的25只公募基金

数据来自：wind

重点持仓：

万物互联 人工智能

早在去年基金中报里，张堃就提出鲜明观点——专注投向智能化这个方向，坚持自下而上选择相关的成长股。

他在中报写道，“华为发布了鸿蒙操作系统，我们认为这是一个具有标志意义的事件，很可能将引领我们进入真正的万物互联时代。”

“想象一下，当家里所有的产品全部接入互联网，彼此之间实现互通，智能手机、平板、穿戴式设备、大屏电视、电脑、耳机、VR、AI音响、车辆等相互协作，所有产品都可以通过手机控制，在移动办公、智能家居、运动健康、影音娱乐和智能出行等各大板块物联网都能实现最大化的便利，这种生活是不是非常美好？”

他认为，万物互联是继互联网，移动互联网之后又一次大的产业浪潮，将会产生一个新的万亿级的市场，这中间蕴含着大量投资机会。受益于万物互联的投资方向包括5G、芯片、传感器和人工智能等。

从他去年的持仓也是可以应证这一点。

截止2021年6月底，他的前十大重仓里主要是5G、芯片、传感器和人工智能方面的公司。比如科大讯飞，海康威视，中兴通讯，伟创电气，中微公司，芯原股份等等。

张堃过去两年自下而上挖掘了不少相关公司。

案例不少。“比如一家做扫地机的公司，它现在做的是扫地机，未来会朝着服务机器人方向发展。在公司招股书里，对未来业务模式有全面介绍，这家公司和我看好的方向逻辑相当契合，所以当时就买了，给组合贡献了比较高的收益。”张堃说。

“另一家做精密齿轮的公司，它是全球重要供应商，受益于新能源车的兴起，同时，它还在开拓机器人关节，叫做减速机的业务，这块业务未来应用场景非常广阔。当时我通过对它同行的对比，认为它具有相对优势，所以也是一直坚定持有。”

万亿大赛道：

中国的AI不比美国差

张堃在AI领域的研究深度和执著程度，恐怕在公募基金经理里不多见。

他认为，中国的AI发展不比美国差，甚至有些领域比美国更领先。

比如在芯片算力上，主要是英伟达等美国公司。但在数据上，中国领先很多，数据量、数据质量，都比美国好。

“由于AI算法大部分是公开的，主要算法就那几篇论文，应用层面以算法为主，一般把公开算法模板化，迭代组合更新。国内算法工程师人数实际上已经超过美国，互联网大厂和华为培养了很多人。”张堃说。，

AI的应用场景可以分为消费和工业。工业的应用场景就是对劳动者的替代，这个应用场景是非标准化的。消费的最大应用场景是私人秘书，你的健康、饮食、其他事情都可以直接和AI交流，它能解决你遇到的大部分问题。

张堃认为，随着全球的人口老龄化，机器人取代人工劳动力，人工智能会成为一个普遍的现象。中国已经开始出现服务型机器人的雏形，并且在语言、图形识别等领域，出现了长足的进步。

“从技术层面讲，若要人工智能爆发，基础设施主要包括三个方面：海量数据、算力瓶颈的突破和算法的提高。”

张堃详细解释了这三个方面。

1）数据。人工智能需要训练，训练需要大量数据做支撑。现在最大的数据来源是互联网app。

我们现在看到的AI，很简单，人脸识别，语音识别，大量成熟数据，进行训练后已经可用。未来，通过物联网发展，个人数据、生产数据、工厂数据、流程数据，都可以上网。丰富了数据来源，AI才能真正起来，渗透到各行各业。数据是首要一点，现在已经处在快速累积阶段。

2）算力。之前的算力远远不够，数据量大，显存硬件就不够。英伟达为代表的公司不断推出高端芯片，通过矩阵运算，算力这一块瓶颈会逐渐被解决，数据训练变得可行。

3）算法。涉及到AI学习程度，之前算法对于语音和图像识别能力能做到80%，一直到深度学习算法出来后，才提升到90%，甚至超过人类的识别程度。现在算法只能应用于专业性，比如下棋、识别图像等类似任务，没办法像人类智能，即可以通用性学习，相互迁移。未来，这是有可能实现的，算法的进步也是人工智能的关键。

这三点共同进步的时候，就是往前突破的时候，一旦到来，短期就会发生巨变，类似十几年前的互联网，十年前的手机，一旦触及快速渗透临界点，就会爆发。

经历牛熊：

对估值认知的迭代

张堃个人是典型理工男风格。物理学出身，对数字敏感。十分非常推崇量化投资大师西蒙斯。

实际上在投资过程中，他很注重数据的解读。

他解释自己的投资框架，“我比较淡化行业选择，组合会侧重一些细分方向，不完全跟行业相关。在方向选择上，会考虑产业政策、发展空间、行业格局、确定性、估值水平、商业模式等要素。从估值的角度看，有些表面看比较传统的产品，其实细分行业也存在比较大的潜在空间。”

总体来说，张堃对新兴产业、爆发性强的东西兴趣更大一些，不局限在某行业。

个股层面，他比较看重上市公司长期发展。

“我会先设置一些硬指标，比如拆解杜邦公式后，同行业对比ROE的影响因素。如果ROE高于同行，就要去理解背后的原因，到底是毛利率比别人高，还是周转能力比别人高，还是费用率比别人低，或者是其他的因素。”

“找到这个因素以后，再去有针对性地进行调研，看它的优势是否能长期保持。如果能，这个公司在同行业内具有一定的相对优势。在长期来看，就会拉大这个公司与其他同行业公司的差距，表现在市场上，它的涨幅也会比其他同行业的公司更大。”

过去几年，经历摸索和迭代，张堃逐渐找到自己的方法。

“我认为投资体系最关键的部分是，如何给公司估值，也就是对赢面概率的判断。如果能准确判断出某个公司估值偏低，赢面就高。我的投资框架迭代伴随着自己对估值认知的迭代。”

“最开始，我比较机械看待业绩增长和估值的关系，用类似PEG的方法，增速快的高估值，增速慢的低估值。后来发现这个方法过于机械。不同的行业属性、不同的产业阶段、公司在产业链地位的差异、上下游的话语权等等，都是影响估值高低的因素。”

现在，张堃对估值理解更深刻。估值不光由业绩影响，还有很多其他因素影响。

“现在对估值的判断拉的焦距更长。拉长看，贵的未必真贵，可能未来潜力大空间大；便宜的也未必真便宜，比如行业已经饱和，到了下滑边缘。看得长远对估值判断更准确，这是我这几年比较大的感悟。”

本文不代表投资建议，投资有风险！