晨报｜科技：产业链再平衡，创新兼顾安全

何翩翩｜中信证券全球产业策略首席分析师

S1010520050004

全球产业策略｜讲好下一个香港故事：以自动驾驶打造世界顶级智慧城市及绿色金融大都会—2023年投资策略

随着新特首的上任和后疫情生活的复常，香港将“活起来、动起来”，再次强势向世界出发。本文重点探讨自动驾驶在香港实践的可行性，以及如何引领香港打造全球顶尖智慧城市和绿色金融大都会。我们认为，自动驾驶不但能提升社会的经济效益，也可让市民的生活更智能化，符合ESG概念和本届政府的目标，“为市民谋幸福，为香港谋发展”。我们认为，香港政府可在法律法规的制定和落地推进两方面发力，首先完善自动驾驶封闭场景（机场和港口）以及半开放场景（屋苑、校区、新发展地区、产业园区、旅游景点等）的落地规划，并加速牌照发放和标准化制定，继而为开放场景（公路干线和市内道路）及车路协同设立路测试点。政府也可牵头为自动驾驶技术企业、交通物流运营商和车企打造生态圈闭环，并提供激励政策。我们认为，香港可凭借其国际金融中心的地位，以及港交所与时并进的上市制度，打造全球自动驾驶“融资港”，以吸引更多公司和资金赴港上市及投资。

风险因素：L4级自动驾驶技术发展不及预期；自动驾驶成本下降不及预期；香港自动驾驶落地不及预期；全球宏观经济复苏放缓等。

许英博｜中信证券科技产业首席分析师

S1010510120041

科技｜产业链再平衡，创新兼顾安全：2023年投资策略

展望2023年，我们认为科技产业效率创新与安全的再平衡将成为科技产业投资的主线。效率维度，在当前国际形势、宏观趋势、产业政策背景下，坚定看好中国科技产业的韧性发展机遇，维持整体向好、结构化提速的乐观判断，建议重点关注以智能汽车、智能终端、数字经济、互联网电商&广告等重点场景高确定性筑底复苏机遇。安全维度，复杂多变的外部环境和逆全球化趋势将进一步提升安全可控在科技产业领域中的地位，本土科技中产业链安全、信创安全、数字经济安全相关的半导体、计算机、云网等板块值得关注。估值维度，目前A股以及全球科技板块的估值处在过去五年的低位，板块相对投资价值凸显，估值有望逐步得到修复。当前时点，我们建议投资人重点关注半导体、信创安全、运营商等战略地位显著、产业安全相关、业绩高确定性向好的相关细分板块。中期维度，建议关注估值低位，后续基本面与估值高确定性修复机遇的智能汽车、电池与材料、消费电子、数字经济以及港股互联网等细分领域。

风险因素：全球与国内疫情的不确定性；宏观经济增长乏力导致国内政府与企业IT支出不达预期的风险；互联网平台经济监管持续趋严的风险；国际贸易摩擦加剧；美元走强导致的汇兑风险；相关产业政策不达预期的风险；全球流动性不及预期的风险；企业新业务投资导致利润与现金承压的风险；企业核心技术、产品研发进展不及预期等。

明明｜中信证券FICC首席分析师

S1010517100001

固收｜美债利率是否已见顶？

美国经济明年上半年步入衰退的风险较高，CPI初步出现曙光，预计未来会继续出现较大缓解，因而美联储鹰派立场或接近顶峰。我们仍维持此前美联储或于明年一季度停止加息的判断, 加息终点或略高于5%。虽然中短期美债利率或将继续跟随政策利率上升，但美联储继续鹰派会增强远期降息预期，因而后续美联储更鹰派的表态对10年期美债利率的推动或较有限，10年期美债利率突破前高的风险偏低。

张若海｜中信证券数据科技行业首席分析师

S1010516090001

线下消费｜疫情扰动门店收缩，EV咖啡逆势扩张，国产品牌韧性较强

短期疫情风险持续攀升，风险区域数量大于10个的城市占中国2021年GDP比例达到43%。受疫情与出行限制影响，线下客流仍处低位，10月全国客运量同比下降41%；2022年10月末较7月末，近100样本城市购物中心内运营门店数量降低9.1%，其中服装、生活服务类运营门店减少幅度较高，汽车、运动消费赛道扩张趋势不减，但头部公司出现分化；细分赛道来看，瑜伽、咖啡、中餐、EV等细分线下赛道稳步扩张；品牌侧建议关注受益于门店运营规模持续上升、门店消费环境优化的EV、咖啡赛道国产品牌。

风险因素：局部疫情反复带来的系统性风险；样本城市数据具备一定局限性；消费者购买意愿和出行意愿回暖不及预期。 

数据科技｜聚焦景气、政策与流动性，探索基本面量化投资应用

基于相关性较低的多个基本面量化指标，以线性模型构建综合行业配置策略。以政策情绪与景气分位两个因子作为行业选择的主要信息，融入流动性因子稳定行业配置结果，并进行指标融合的参数测试。回测从2018年1月至2022年10月，策略绝对收益率、相对全行业等全配置超额收益率、相对沪深300超额收益率分别：90.02%、88.83%、102.98%，最大回撤为-16.75%，相对沪深300年度超额胜率、月度配置超额胜率 、月度行业配置超额胜率分别为80%、 77.27% 、 54.39%

风险因素：统计模型依赖的历史规律可能会失效；数据覆盖度不足。

点“阅读原文”了解更多