大模型实现量质齐变，人工智能开启新篇章
　　大模型实现量质齐变，人工智能发展有望开启新篇章。从人工智能历史发展的三次浪潮来看，算法、算力和数据是人工智能实现场景落地三驾马车。其中人工智能算法模型的突破有两个方向：新架构和更大量级的参数量。大模型的出现相较于深度学习，省去了一开始大量的特征工程，通过提升参数量、引入Prompt使得生成式文本进一步突破。目前大模型已在NLP取得较为成熟的进展，之后预计向多模态发展，模型泛化性的不断提升使得通用型AI有望到来。
　　多模态大模型有望带领人工智能技术走向通用
　　随着投喂数据集的多样化，大模型逐渐具备多模态属性。早期的GPT、BERT大模型只投喂全文字数据集，应用局限于问答机、知识图谱、文本总结、关键词提取等自然语言处理场景，不能处理图片、视频等数据集。迭代之后基于视觉的大模型，如Dall E可以联合文本、语音、图片、视频等不同模态数据进行联合学习，探索不同模态数据的语义关联和信息互补。由此得到的视觉基础大模型在环境感知、内容检索、语义理解、模态对齐等任务上具备先天的优势，对于提升大模型基础环境孪生能力、丰富应用场景具有重要价值。
　　中证人工智能主题指数
　　中证人工智能主题指数选取为人工智能提供基础资源、技术以及应用支持的公司中选取代表性公司作为样本股，反映人工智能主题公司的整体表现。从行业分布上看，截至2023年3月22日，中证人工智能主题指数成分股软件、半导体、信息技术、电子产品和计算机硬件（长江二级行业分类）的权重分别为23.26%、19.13%、15.89%、14.78%和10.37%，合计占比达83.42%，是指数的重点投资方向。从市值分布的情况来看，中证人工智能主题指数共计50只成分股，其中中小盘股的数量居多，而大盘股权重更高。
　　华夏中证人工智能ETF
　　华夏中证人工智能ETF（515070）紧密跟踪标的指数，追求跟踪偏离度和跟踪误差最小化。该基金力争日均跟踪偏离度的绝对值不超过0.2%，年跟踪误差不超过2%。
　　风险提示
　　1、行业基本面、政策面发生预期外变化；
　　2、量化模拟测算不保证实际收益。
　　

研究报告全文：丨证券研究报告丨量化金融丨专题报告TableTitle业绩表现亮眼人工智能步入新发展时代报告要点中证人工智能主题指数选取为人工智能提供基础资源技术以及应用支持的公司中选取代表性TableSummary公司作为样本股反映人工智能主题公司的整体表现指数自2013年3月以来持续领跑沪深300且超额收益呈现出进一步扩大的趋势同时近期表现优秀在市场低迷的情况下依旧韧性十足领跑主流指数投资价值相对凸显华夏中证人工智能ETF515070紧密跟踪标的指数追求跟踪偏离度和跟踪误差最小化该基金力争日均跟踪偏离度的绝对值不超过02年跟踪误差不超过2分析师及联系人TableAuthor邓越邓元哲SACS0490517070010请阅读最后评级说明和重要声明丨证券研究报告丨2023-04-08cjzqdt11111TableTitle2量化金融丨专题报告业绩表现亮眼人工智能步入新发展时代大模型实现量质齐变人工智能开启新篇章TableSummary2大模型实现量质齐变人工智能发展有望开启新篇章从人工智能历史发展的三次浪潮来看算法算力和数据是人工智能实现场景落地三驾马车其中人工智能算法模型的突破有两个方向新架构和更大量级的参数量大模型的出现相较于深度学习省去了一开始大量的特征工程通过提升参数量引入Prompt使得生成式文本进一步突破目前大模型已在NLP取得较为成熟的进展之后预计向多模态发展模型泛化性的不断提升使得通用型AI有望到来多模态大模型有望带领人工智能技术走向通用随着投喂数据集的多样化大模型逐渐具备多模态属性早期的GPTBERT大模型只投喂全文字数据集应用局限于问答机知识图谱文本总结关键词提取等自然语言处理场景不能处理图片视频等数据集迭代之后基于视觉的大模型如DallE可以联合文本语音图片视频等不同模态数据进行联合学习探索不同模态数据的语义关联和信息互补由此得到的视觉基础大模型在环境感知内容检索语义理解模态对齐等任务上具备先天的优势对于提升大模型基础环境孪生能力丰富应用场景具有重要价值中证人工智能主题指数中证人工智能主题指数选取为人工智能提供基础资源技术以及应用支持的公司中选取代表性公司作为样本股反映人工智能主题公司的整体表现从行业分布上看截至2023年3月22日中证人工智能主题指数成分股软件半导体信息技术电子产品和计算机硬件长江二级行业分类的权重分别为2326191315891478和1037合计占比达8342是指数的重点投资方向从市值分布的情况来看中证人工智能主题指数共计50只成分股其中中小盘股的数量居多而大盘股权重更高华夏中证人工智能ETF华夏中证人工智能ETF515070紧密跟踪标的指数追求跟踪偏离度和跟踪误差最小化该基金力争日均跟踪偏离度的绝对值不超过02年跟踪误差不超过2风险提示1行业基本面政策面发生预期外变化更多研报请访问2量化模拟测算不保证实际收益长江研究小程序请阅读最后评级说明和重要声明量化金融专题报告目录大模型实现量质齐变人工智能开启新篇章5大模型的突破5多模态大模型有望带领人工智能技术走向通用8爆款应用之一大模型办公软件11爆款应用之二大模型智能驾驶12爆款应用之三大模型个性化教育13爆款应用之四大模型互联网金融13中证人工智能主题指数14市值配置均衡把握龙头价值属性15业绩表现亮眼指数被低估16华夏中证人工智能ETF18风险提示20图表目录图1人工智能发展三次浪潮5图2大模型Transformer以前数年参数量级没有发生明显变化6图3与机器学习相比深度学习结合神经网络在算法逻辑和结构上取得突破6图4Transformer模型的机理之一是迁移学习7图5大模型引入Attention机制算法架构实现突破7图6Transformer发布后模型参数量量级指数级上升7图7ChatGPT聊天机器人模型效果8图82023年2月1日OpenAI发布ChatGPTPlus订阅版8图9多模态DALL-E2模型文本描述的编辑需求选择一个位置在图中添加柯基8图10大模型的三大前沿能力9图11大模型产业化面临的挑战11图12微软目前已经将最新的GPT模型整合到Office生产力套件中11图13WPS此前曾上线智能写作小程序12图14WPS已经初步具备丰富的AI场景12图15百度文心大模型应用多模态12图16毫末超算中心雪湖绿洲12图17科大讯飞个性化学习手册主要功能13图18资本市场买方时代财富管理与资产配置需求成为主线13图19大模型可用于财富管理相关功能的开发13图20中证人工智能主题指数编制方案14图21中证人工智能主题指数成分股行业分布截至202332215图22不同市值水平的成分股数量截至202332215图23不同市值水平的成分股权重占比截至2022332215图24指数与沪深300单位净值走势截至202332216请阅读最后评级说明和重要声明321量化金融专题报告图25相对同等成长性的指数指数PB仍有一定程度低估截至202332218图26营业收入和增速18图27净利润和增速18表1大模型在不同行业的应用视图10表2中证人工智能主题指数前十大成分股截至202332216表3不同指数近期收益率截至202332217表4华夏中证人工智能ETF产品概况19请阅读最后评级说明和重要声明421量化金融专题报告大模型实现量质齐变人工智能开启新篇章大模型的突破人工智能发展经历三次浪潮起伏1第一次浪潮20世纪5070年代人工智能起步阶段首次提出人工智能概念及少数成果但由于算法理论薄弱及计算机性能缺陷导致无法支持应用推广2第二次浪潮20世纪8090年代以专家系统和日本第五代计算机为代表专家系统的出现推动人工智能从理论走向部分实际应用例如医疗气象地质等领域但由于专家系统推理方法单一数据量匮乏导致人工智能发展受限再度进入停滞3第三次浪潮2000年以后信息技术的蓬勃发展带来了行业数据量的爆发以及新型人工智能芯片的进阶为人工智能的发展提供基础条件同时理论算法不断沉淀以机器学习深度学习为代表的算法在互联网工业等领域取得了较好的应用效果并且在图像识别语音识别自然语言处理等细分领域取得巨大进步深究人工智能技术发展的驱动力由算法算力和数据三大要素构成学习算法的设计决定设计出的大脑够不够聪明模型的革新要有高性能的计算能力可以训练一个大的网络芯片的革新必须要有大数据信息技术的发展图1人工智能发展三次浪潮资料来源新华三人工智能发展报告白皮书杨新安等著长江计算机小组长江证券研究所人工智能算法模型的突破有两个方向新架构和更大量级的参数量大模型诞生之前算法的突破主要集中于算法结构与逻辑两个方面由于算法的计算底层资源仍存缺陷以及模型的有限性导致数据量的指数性量级变化并未带来更优的计算结果算法发展在数年间并未取得参数量级方面的巨大突破请阅读最后评级说明和重要声明521量化金融专题报告图2大模型Transformer以前数年参数量级没有发生明显变化资料来源OurWorldinDataSevillaetal2022长江计算机小组长江证券研究所深度学习是机器学习的一种类型但是相较于机器学习深度学习在内在逻辑架构融合神经网络上取得了突破机器学习带来了产业化落地深度学习融合神经网络提升了算法的泛化性简单理解来说机器学习更倾向于人为选择标注特征通过模型和喂养数据得到参数量特征数量及参数量有限深度学习并非简单的线性变化结构中加入了隐层其获得参数量的过程并不重要从而使开发者无需过多的关注过程就可得到结果这种黑盒学习的方式操作更加简便泛化式增加图3与机器学习相比深度学习结合神经网络在算法逻辑和结构上取得突破资料来源长江计算机小组长江证券研究所与机器学习和深度学习不同大模型有两点结构上的主要改变首先是以迁移学习为机理引入预训练机制通过预训练调参目标模型相比于深度学习省去了一开始大量的特征工程无标注数据然后根据特性细分的数据训练得到最终目标模型另一方面模型引入Attention机制其本质在于建模了各个特征之间的重要性对于不同的请阅读最后评级说明和重要声明621量化金融专题报告任务可以根据输入进行特征分配灵活的捕捉全局和局部的联系从众多信息中选择出对当前任务目标更关键的信息化繁为简图4Transformer模型的机理之一是迁移学习图5大模型引入Attention机制算法架构实现突破资料来源清华NLP团队openBMB长江计算机小组长江证券研究所资料来源AttentionIsAllYouNeedAshishVaswani等著长江计算机小组长江证券研究所大模型实现量质齐变当前时点1计算芯片性能不断提升例如英伟达A100GPU的性能相较于上一代产品提升了20倍首次推出世界上最快的内存带宽可运行最大的模型和数据集2信息技术发展不断成熟加速从工业经济向数字经济转变算力和数据均已具备迎接下一次浪潮的基础大模型的出现在算法结构层面实现了进一步突破同时参数量指数级增加图6Transformer发布后模型参数量量级指数级上升资料来源OurWorldinDataSevillaetal2022长江计算机小组长江证券研究所国内外巨头纷纷投入大模型新兴应用ChatGPT问世风口起浪潮将至2018年OpenAI和谷歌分别发布GPT和Bert随后亚马逊微软英伟达智源人工智能研究院阿里百度华为浪潮等国内外科技巨头纷纷展开大模型研究和探索并推出自研大模型2022年11月30日OpenAI发布全新聊天机器人应用模型ChatGPT上市五天请阅读最后评级说明和重要声明721量化金融专题报告后用户数量突破100万人2023年1月微软宣布将对OpenAI进行为期数年价值数以十亿计美元的投资并且计划将ChatGPT集中整合到自身所有产品2023年2月1日OpenAI发布ChatGPTPlus订阅计划大模型开始走向商业化变现图7ChatGPT聊天机器人模型效果图82023年2月1日OpenAI发布ChatGPTPlus订阅版资料来源OpenAI官网长江计算机小组长江证券研究所资料来源OpenAI官网长江计算机小组长江证券研究所多模态大模型有望带领人工智能技术走向通用随着投喂数据集的多样化大模型逐渐具备多模态属性早期的GPTBERT大模型只投喂全文字数据集应用局限于问答机知识图谱文本总结关键词提取等自然语言处理场景不能处理图片视频等数据集迭代之后基于视觉的大模型如DallE可以联合文本语音图片视频等不同模态数据进行联合学习探索不同模态数据的语义关联和信息互补由此得到的视觉基础大模型在环境感知内容检索语义理解模态对齐等任务上具备先天的优势对于提升大模型基础环境孪生能力丰富应用场景具有重要价值图9多模态DALL-E2模型文本描述的编辑需求选择一个位置在图中添加柯基资料来源OpenAI中国信通院长江计算机小组长江证券研究所请阅读最后评级说明和重要声明821量化金融专题报告多模态的大模型广泛吸收音频文本视觉等不同模态数据集并以此构成了丰富多样的技术应用细究其内容创作模式可以分为三类AI内容孪生能力AI内容编辑能力和AI内容创作能力AI内容孪生能力可大致分为智能增强技术和智能转译技术两个主要分支大模型可以根据给定的低质量原始数据生成经过增强后的高质量数字内容力求在数字世界中孪生并重构完整逼真的客观世界具体到行业场景大模型可用于修复并增强由采集设备或环境因素引起的视觉内容受损例如低分辨率模糊像素缺失等同理对于有缺陷的文本和音频数据相关的智能增强技术被用于解决片段缺失脉冲干扰和音频失真等问题在实际生产生活中为相关应用生成复原高质量的数字内容在智能转译场景大模型可以实现给定语音信号进行字幕合成依据文字进行语音生成等任务AI内容编辑能力在内容孪生技术的基础上内容编辑的相关技术构建了虚拟数字世界与现实物理世界间的交互通道AI内容编辑主要通过数字内容的语义理解和属性控制两类技术来实现对内容的修改和控制大模型可以通过学习不同语义成分的变化解耦语义学习技术并逐渐开始服务于人工智能试妆试衣生成同一个人不同年龄照片等新兴应用程序常用的属性控制技术已经广泛地应用于智能图像编辑文本情感改写和智能调音等多项应用中作为辅助功能提升内容创作者的效率AI内容创作能力数字内容的创作能力可划分为基于模仿的创作和基于概念的创作两类大模型可以通过学习某一类作品的分布特性在旋律创作文本写作和诗词创作等具体任务进行模仿式的新创作图10大模型的三大前沿能力资料来源中国信通院京东探索研究院长江计算机小组长江证券研究所大模型作为技术底座具备普适性理论上适用于所有行业的AI应用场景大模型日益提升的普适性多模态的属性允许不同行业将具备通用基础能力的AI大模型作为智能底座可结合行业知识和场景数据进行微调能有效应对碎片化和多样化需求并大幅缩减研发定制部署等工程化过程中的人力时间费用等成本投入目前大模型已经在多个领域得到广泛应用如金融传媒文娱电商等未来应用场景会进一步多元化请阅读最后评级说明和重要声明921量化金融专题报告表1大模型在不同行业的应用视图资料来源中国信通院长江计算机小组长江证券研究所但考虑到当前大模型训练过程中的高昂成本问题在实现产业落地时需要综合考虑大模型应用成本和产品性能提升带来的经济效益之间的平衡因此我们认为大模型有望产生爆款应用软件的方向或将具备以下特性1大模型的应用能实现应用性能的显著提升2应用场景需要具备一定通用性市场空间相对广阔基于上述因素我们判断大模型或有望在以下场景培育爆款应用请阅读最后评级说明和重要声明1021量化金融专题报告图11大模型产业化面临的挑战资料来源WAVESUMMIT2022深度学习开发者峰会百度CTO王海峰长江计算机小组长江证券研究所爆款应用之一大模型办公软件内容生成本身就是大模型的核心功能之一本轮市场对大模型的关注起源于微软对OpenAI的重视而办公软件正是微软选定的大模型应用场景之一根据微软CEO纳德拉在正在达沃斯举行的世界经济论坛上表示微软正在迅速推进OpenAI的工具商业化计划将包括ChatGPTDALL-E等人工智能工具整合进微软旗下的所有产品中并将其作为平台供其他企业使用微软目前已经将最新的GPT聊天机器人模型整合到WordPowerPoint和Outlook等生产力套件中最新的GPT技术将允许用户运用更灵活的方式检索内容同时最重要的是帮助用户快速生成个性化文本图12微软目前已经将最新的GPT模型整合到Office生产力套件中资料来源硅星人公众号长江计算机小组长江证券研究所请阅读最后评级说明和重要声明1121量化金融专题报告具体分析大模型在办公软件中的应用主要基于两类核心场景1文字内容的补写大幅提升文档创作的效率尤其是部分功能性文档的内容生成2文本格式的校对和美化当前金山办公的WPSOffice中实际上已经集成了部分AI功能例如格式优化图片生成等后续伴随大模型的进一步应用相关功能的实用性可用性或将进一步提升成为加强自身办公软件产品护城河又一手段图13WPS此前曾上线智能写作小程序图14WPS已经初步具备丰富的AI场景资料来源WPS稻壳会员公众号长江计算机小组长江证券研究所资料来源新浪科技长江计算机小组长江证券研究所爆款应用之二大模型智能驾驶多模态是大模型的特点之一而在智能驾驶过程中各类信息数据正是多模态输入的此外大模型巨量数据巨量算例巨量算法本身也符合智能驾驶场景的要求正因如此当前智能驾驶产业正积极预期大模型的落地2022年11月百度发布了文心大模型其自动驾驶感知模型超过10亿的参数规模具备数千个对象识别能力大大扩展了自动驾驶语义识别数据目前主要应用在远视距多模态和数据挖掘三个方面无独有偶2022年小鹏也宣布引入Transformer大模型2023年1月毫末超算中心雪湖绿洲MANAOASIS亮相由毫末智行与火山引擎联合打造每秒浮点运算达67亿亿次毫末训练平台部署到OASIS上后可以运行包括云端大模型训练车端模型训练标注仿真等各类应用图15百度文心大模型应用多模态图16毫末超算中心雪湖绿洲资料来源佐思汽车研究长江计算机小组长江证券研究所资料来源佐思汽车研究长江计算机小组长江证券研究所请阅读最后评级说明和重要声明1221量化金融专题报告爆款应用之三大模型个性化教育个性化教育已经是AI应用的核心落地场景之一但当前存在的问题在于智能软硬件与学生交互性仍存在显著不足而这一现状有望在大模型的帮助下得到改善解决当前智慧教育最后一公里的问题A股上市公司科大讯飞近年来始终致力于智慧教育因材施教业务其拳头产品个性化学习手册能够根据不同学生对自身学业不同的掌握程度协助教师布置千人千面的课后作业但当前时点智能软硬件与学生的交互性仍有不足在学生发现错题后的解答工作仍需要教师完成造成教师额外工作压力这也成为制约个册大范围铺开的原因之一在大模型的帮助下智能软硬件能实现与学生更好的交互从而驱动因材施教产品渗透率的加速提升图17科大讯飞个性化学习手册主要功能资料来源讯飞个性化学习手册官网长江计算机小组长江证券研究所爆款应用之四大模型互联网金融当前时点资本市场逐渐进入买方时代财富管理与资产配置需求成为主线2018年开始资本市场逐渐由卖方市场向买方市场转变逐渐由产品时代转向配置时代配置时代客户业务的内涵与需求发生重大变化原有经纪业务逐渐向财富管理业务转型资管业务从交易型业务向交易配置型业务的转变在此背景之下大模型可通过对多模态数据进行更有效的关联分析建立更完善的事理图谱从而持续提升投研分析风险预警智能投顾等功能的可用性图18资本市场买方时代财富管理与资产配置需求成为主线图19大模型可用于财富管理相关功能的开发资料来源长江计算机小组长江证券研究所资料来源长江计算机小组长江证券研究所请阅读最后评级说明和重要声明1321量化金融专题报告中证人工智能主题指数中证人工智能主题指数选取为人工智能提供基础资源技术以及应用支持的公司中选取代表性公司作为样本股反映人工智能主题公司的整体表现该指数发布于2015年7月31日基日为2012年6月29日基点为1000点图20中证人工智能主题指数编制方案资料来源Wind长江证券研究所从行业分布上看截至2023年3月22日中证人工智能主题指数成分股软件半导体信息技术电子产品和计算机硬件长江二级行业分类的权重分别为2326191315891478和1037合计占比达8342是指数的重点投资方向可见指数主要关注为人工智能提供基础资源以及人工智能应用端的企业请阅读最后评级说明和重要声明1421量化金融专题报告图21中证人工智能主题指数成分股行业分布截至2023322零部件通用装备工控及自动化仪器仪表396139122家用电器046421软件通信设备2326534计算机硬件及设备1037电子产品半导体14781913信息技术1589资料来源Wind长江证券研究所市值配置均衡把握龙头价值属性从市值分布的情况来看中证人工智能主题指数共计50只成分股其中中小盘股的数量居多而大盘股权重更高截至2023年3月22日指数成分股市值不超过500亿的成分股共有36只权重占比4372而市值500亿以上的股票虽然则有14只但是权重占比达到了5628其中1000亿以上的5只股票权重高达2804总体来看指数偏好发展确定性更高的行业龙头公司对其个股权重配置高把握龙头价值属性图22不同市值水平的成分股数量截至2023322图23不同市值水平的成分股权重占比截至202233221000亿以上51000亿以上28900亿至1000亿0900亿至1000亿0800亿至900亿2800亿至900亿8700亿至800亿1700亿至800亿4600亿至700亿2600亿至700亿4500亿至600亿4500亿至600亿12400亿至500亿3400亿至500亿7300亿至400亿8300亿至400亿13200亿至300亿9200亿至300亿11100亿至200亿16100亿至200亿13100亿0100亿005101520020406080100资料来源Wind长江证券研究所资料来源Wind长江证券研究所中证人工智能主题指数前十大成分股包含海康威视科大讯飞韦尔股份紫光股份用友网络澜起科技浪潮信息中科曙光深信服德赛西威总市值合计约1080445亿前十大成分股累计占比4753加权平均ROE约为1365Wind一致预期未来2年净利润增速高达2394兼具盈利能力和高弹性请阅读最后评级说明和重要声明1521量化金融专题报告表2中证人工智能主题指数前十大成分股截至2023322Wind代码证券名称权重长江二级行业总市值亿元PETTMPBROETTMWind一致预期未来2年净利润增速002415SZ海康威视1015电子产品40077631246342593751002230SZ科大讯飞762软件11975595967528352854603501SH韦尔股份518半导体10332833265322321815000938SZ紫光股份431通信设备8402938442687121877600588SH用友网络407软件831912013537622151716688008SH澜起科技389半导体71721552074013315427000977SZ浪潮信息339计算机硬件及设备50630230332113472279603019SH中科曙光321计算机硬件及设备5466636093229753177300454SZ深信服302信息技术56279-19316826-4314868002920SZ德赛西威269零部件56069542395117304225资料来源Wind长江证券研究所业绩表现亮眼指数被低估从历史收益收益率来看2013年3月以来指数持续领跑沪深300指数对比基日以来中证人工智能主题指数和沪深300指数的走势中证人工智能主题指数自2013年3月后稳定跑赢沪深300指数且超额收益呈现出进一步扩大的趋势指数累积收益约为21050同期沪深300收益率约6247累积超额收益达到14803指数累积收益折合年化收益为1147同期沪深300年化收益476年化超额收益为671图24指数与沪深300单位净值走势截至20233226055504540353025201510050012-0613-0614-0615-0616-0617-0618-0619-0620-0621-0622-06CS人工智沪深300资料来源Wind长江证券研究所指数近期表现优秀在市场低迷的情况下依旧韧性十足领跑主流指数请阅读最后评级说明和重要声明1621量化金融专题报告表3不同指数近期收益率截至2023322代码简称年初至今近一月近三月930713CSICS人工智30428973165000300SH沪深300330-350441399673SZ创业板50-220-641-053399296SZ创成长-269-553-042399295SZ创业蓝筹350-271647399006SZ创业板指-021-518166399088SZ深创100430-312491399102SZ创业板综695-219763399330SZ深证100234-485368399005SZ中小板指276-384344399001SZ深证成指437-394536399101SZ中小板综514-319552000688SH科创50772385991881001WI万得全A564-264617000906SH中证800422-305514000905SH中证500691-178725000009SH上证380625-190675000903SH中证100380-394454000010SH上证180282-336383000016SH上证50062-537169000001SH上证指数571-123643000015SH上证红利703112649资料来源Wind长江证券研究所比较各主流指数的预期增速和估值的关系发现中证人工智能主题指数相对同等成长性的指数投资者目前对该指数有一定低估将主流指数的估值与预期增速绘制散点图并做回归分析主流指数拟合出的估值与成长的关系为PBG为014测以指数目前约38的预期增速回归估值大于5X而当前估值小于5X相较而言或有一定低估请阅读最后评级说明和重要声明1721量化金融专题报告图25相对同等成长性的指数指数PB仍有一定程度低估截至202332250CS人工智中小综指45创业板综创成长40创业板指深证成指创业板5035深创10030中证500创价值25中小100年净利润复合增速中证8002深证10020沪深300科创5015上证18010一致预期上证505上证380红利指数Wind0024681012PBLF单位倍资料来源Wind长江证券研究所依据当前成分股回测预期指数2023年营业收入或在之前高基数的基础上连年攀升预期直至2024年将保持1835左右的增速高速增长净利润方面预期2023年扭转颓势且连年攀升预计2024年将实现3016的增速总体来看营业收入和净利润均具备良好的增长前景为指数行情进一步上升提供了强劲有力的基本面支撑图26营业收入和增速图27净利润和增速100004090025090003580020080007003015070006006000255001005000204005040001530003001002000200-5010005100000-1002017A2018A2019A2020A2021A2022E2023E2024E2017A2018A2019A2020A2021A2022E2023E2024E营业收入亿元营收增速净利润亿元净利润增速资料来源Wind长江证券研究所资料来源Wind长江证券研究所华夏中证人工智能ETF华夏中证人工智能ETF515070紧密跟踪标的指数追求跟踪偏离度和跟踪误差最小化该基金力争日均跟踪偏离度的绝对值不超过02年跟踪误差不超过2华夏基金管理有限公司成立于1998年4月9日是经中国证监会批准成立的首批全国性基金管理公司之一公司总部设在北京在北京上海深圳成都南京杭州广州和青岛设有分公司在香港深圳上海设有子公司华夏基金定位于综合性全能化的资产管理公司服务范围覆盖多个资产类别行业和地区构建了以公募基金和机构业务为核心涵盖华夏香港华夏资本华夏财富的多元化资产管理平台截至2021年12月31日华夏基金母公司及子公司管理资产规模超17万亿元服务超19亿户请阅读最后评级说明和重要声明1821量化金融专题报告个人投资者以及超8万户机构客户服务全国社保企业年金及专户客户以及欧美亚多个国家和地区的主权基金央行养老金银行资产管理公司证券公司等境外机构客户华夏基金秉承为信任奉献回报的经营理念珍惜基金持有人的每一分投资和每一份信任勤勉尽责地为投资人提供优质的投资理财产品和服务创造长期稳健的投资回报1表4华夏中证人工智能ETF产品概况条目内容基金全称华夏中证人工智能主题交易型开放式指数证券投资基金基金简称华夏中证人工智能ETF基金代码515070上市日期2019年12月24日基金类型股票型基金被动指数型基金业绩基准中证人工智能主题指数收益率紧密跟踪标的指数追求跟踪偏离度和跟踪误差最小化本基金力争日均跟踪偏离度的绝对值不超过02年跟踪误差不投资目标超过2李俊北京大学法学学士工商管理硕士2006年7月至2008年7月曾任职于北京市金杜律师事务所证券部2008年12月加入华夏基金管理有限公司曾任数量投资部研究员基金经理助理等2017年12月至2022年3月任上证金融地产交易型开放式指数发起式证券投资基金基金经理2018年1月至2021年5月任华夏新趋势灵活配置混合型证券投资基金基金经理2019年1月至2021年5月任华夏新锦绣灵活配置混合型证券投资基金基金经理2019年9月至2021年12月任华夏中证全指证券公司交易型开放式指数证券投资基金基金经理2019年9月起任华夏中证5G通信主题交易型开放式指数证券投资基金基金经理2019年10月起任华夏中证银行交易型开放式指数证券投资基金基金经理2019年11月起担任华夏中证全指房地产交易型开放式指数证券投资基金发起式联接基金基金经理2019年11月起任华夏中证全指房地产交易型开放式指数证券投资基金基金经理2019年12月起任华夏中证银行交易型开放式指数证券投资基金发起式联接基金基金经理2019年12月起任华夏中证人工智能主题交易型开放式指数证券投资基金基金经理2019年12月起任华夏中证5G通信主题交易型开放式指数证券投资基金发起式联接基金基金经理基金经理2020年2月起任华夏中证新能源汽车交易型开放式指数证券投资基金基金经理2020年4月至2021年12月任华夏中证全指证券公司交易型开放式指数证券投资基金发起式联接基金基金经理2020年6月起担任华夏中证人工智能主题交易型开放式指数证券投资基金发起式联接基金基金经理2021年2月起担任华夏沪港通恒生交易型开放式指数证券投资基金联接基金华夏沪港通恒生交易型开放式指数证券投资基金基金经理2021年3月起任华夏中证生物科技主题交易型开放式指数证券投资基金基金经理2021年5月至2022年8月任华夏中证智能汽车主题交易型开放式指数证券投资基金基金经理2021年5月至2022年8月任上证医药卫生交易型开放式指数发起式证券投资基金基金经理2021年7月起任华夏中证物联网主题交易型开放式指数证券投资基金基金经理2021年8月任华夏中证光伏产业指数发起式证券投资基金基金经理2021年9月起任华夏中证新能源汽车交易型开放式指数证券投资基金发起式联接基金基金经理2021年12月起任华夏中证港股通50交易型开放式指数证券投资基金基金经理2021年12月起任华夏中证农业主题交易型开放式指数证券投资基金基金经理2022年12月起任华夏中证新能源交易型开放式指数证券投资基金发起式联接基金基金经理2022年12月起任华夏北证50成份指数证券投资基金基金经理资料来源Wind长江证券研究所1华夏基金官网httpswwwchinaamccomguanyugailanindexshtml请阅读最后评级说明和重要声明1921量化金融专题报告风险提示1行业基本面政策面发生预期外变化若未来发生当前所无法预期的行业基本面或者对应政策的变化那么当前针对行业以及政策基本情况所得到的合理推测将会一定程度失效对应到行业的具体未来表现上也可能会有合理预期以外的表现2量化模拟测算不保证实际收益量化模拟测算只是尽可能模拟历史当中出现的事件规律概率以及胜率等而有一定概率发生并不代表一定发生请阅读最后评级说明和重要声明2021