景顺长城信优成长混合A
(026463.jj ) 景顺长城基金管理有限公司
基金经理农冰立基金类型混合型成立日期2026-03-20总资产规模10.32亿 (2026-06-30) 基金净值1.0829 (2026-09-18) 管理费用率0.60%管托费用率0.20% (2026-06-30) 持仓换手率457.00% (2026-06-30) 成立以来分红再投入年化收益率8.31% (2790 / 9467)
备注 (0): 双击编辑备注
发表讨论

景顺长城信优成长混合A(026463) - 基金投资策略和运作

最后更新于:2026-06-30

基金投资策略和运作分析
管理人对宏观经济、证券市场及行业走势的简要展望

景顺长城信优成长混合A026463.jj景顺长城信优成长混合型证券投资基金2026年中期报告

本组合对公司的盈利增长速度和估值匹配度保持高度关注。组合选择标的时,既要求基本面具备较高置信度,也要求中长期赔率能够补偿波动风险;同时重视公司在特定产业环节、品牌资产或商业模式中的稀缺性,因此组合结构会相对集中在管理人能力圈内的优质资产。  2026年上半年,外部因素对全球市场冲击明显,大宗品价格波动率提升,以及美联储加息预期不断反复,股票市场不同类型资产都出现了少见的较高的波动。市场先对科技内部部分景气加速方向给出了更高的确定性定价,股票快速上涨之后导致的集中交易行为,叠加杠杆带来的风险,又带来后续大幅的调整。展望2026年后续阶段,市场有望更加均衡,无论是科技还是非科技领域的公司,都会更重视盈利本身和估值的匹配度。管理人会更加重视科技内部高预期板块的波动风险,结合中报和后续盈利增速验证,持续评估公司成长速度与估值水平的匹配程度,降低市场风格快速切换对组合净值带来的影响,继续追求中长期的超额收益。  从产业方向看,Coding驱动的Agent应用仍在各行各业加速渗透,海外旗舰模型在2026年二季度的持续迭代,也说明底层模型性能仍有较大的提升空间。模型性能仍是人工智能产业扩张的第一性变量,旗舰模型不断打开应用上限,硬件迭代则持续降低推理成本。随着模型能力、软件工具链和硬件效率共同改善,AI在办公、研发、制造、内容生成和企业流程中的使用深度仍有较大提升空间。  在AI基础设施内部,管理人继续看好光通信和载板领域的中长期需求增长。国内光通信头部企业在下一代光通信技术上的卡位仍具备全球竞争力,更强的上游物料锁定能力和量产交付能力,有助于其在高阶推理持续抬高网络带宽、功耗和稳定性要求的趋势下,在全球AI供应链中承担更重要的角色。CPU、GPU面积和复杂度提升,以及光通信半导体化趋势,也在共同推升高端载板需求。海外头部产能扩张存在一定瓶颈,国内载板企业有机会凭借量产化能力、良率改善和客户验证承接更多需求,并推动自身技术能力向高端环节跃迁。  管理人同样看好国内晶圆厂在全球晶圆资源日益稀缺背景下的价值重估。Agent推理需求高速发展,使扩产周期较慢的晶圆资源逐渐进入供需偏紧阶段;同时,需求来源也从传统半导体客户扩展到海外头部模型企业和云服务企业。国内模型与国产算力的协同发展,有望在2026年至2027年拉动国产XPU芯片企业进一步成长。晶圆厂作为供需约束最先体现的环节,盈利弹性和产业地位值得持续关注。  港股新消费公司在2026年二季度受到前期高基数影响,部分业务增长速度有所放缓,相关资产估值已经反映了较为保守的市场预期。部分龙头公司的隐含预期接近中长期低增长甚至零增长,但从管理人跟踪情况看,头部潮玩、高端珠宝和美妆领域的优质公司仍具备较大的渠道拓展空间和产品迭代能力,此前破圈形成的IP认知和品牌形象也已经在消费者心智中形成较深积累。  管理人认为,新消费的投资本质是对优秀企业家、优秀经营策略和优质品牌资产的长期投资。消费理性并不等同于消费需求消失,能够持续获得消费者认可、渠道打法合理、产品组合优秀的公司,仍有机会在相对平淡的宏观环境中实现增长。2026年二季度的市场环境为这类成长资产提供了更有吸引力的估值位置,从中长期赔率角度看,组合仍会保持对优质标的相对集中的研究和配置结构。
公告日期: by:农冰立
外部宏观事件、地缘政治冲突以及针对算力资本开支持续性的分歧,预计仍然将在后续影响成长股的风险偏好和预期,而被动投资产品,杠杆和量化的参与也更容易放大短期因素对市场的冲击。管理人认为,尚处于早期阶段的AI发展本身始终会面临巨大的分歧和预期的波动,但是技术第一性带来的模型性能提升,Scaling Law的进一步发展仍然是支撑下个阶段资本开支回收率的关键因素,而从产业的反馈来看,管理人仍然对此保持乐观。国产开源模型的迭代,同样进入了强调参数提升和高阶算力匹配的阶段,中美在大模型底层进步的竞争,本身也是推升硬件技术继续迭代的核心驱动力。考虑到新的计算平台会成倍数级别提升同等模型的推理性能,管理人认为更强的模型以更低的成本,通过长链路Agent,loop任务等方式进入严肃企业部署是大概率事件,大模型的应用上限在于用更高的生产率提升个人和整体组织的产出,并非单纯的劳动力替代。企业的成本和预算模式在AI的推动下会出现新的模式,传统意义的人力和IT开支预算模式在衡量企业未来的token相关预算存在局限性,大模型厂商面对的市场空间长期很可能会远远超过目前传统意义的编程人员和白领的工资预算。  展望2026年后续阶段,本组合将继续以盈利兑现和估值匹配为核心约束,在宽基成长框架下兼顾行业分散与标的稀缺性。管理人会持续跟踪科技高景气方向的订单、利润率和中报验证,也会重视消费资产在低预期位置上的业绩兑现弹性,力求在组合稳定性和成长弹性之间保持较好的平衡。