鐵礦石與 A 股市場週報與全球資金市場週報 20240108

整體來看
•      預計下週國內進口礦到港仍處於高位水平，在鋼企復產以及春節前補庫需求的驅動下，礦石資源維持從海上壓港經港口向鋼廠流動，進口礦總庫存進一步增加，且主要體現在鋼廠環節，反觀港口以及壓港資源，預計維持當前水平，階段性進一步累庫空間有限。 $F山證鐵礦石(03047.HK)$
供給方面
•      全球發運3347.6萬噸，環比減182.2萬噸，其中澳洲發運1811.9萬噸，環比減210.2萬噸，巴西發運945.5萬噸，環比增加86.4萬噸。
•      受發運衝量結束影響，以四大礦山爲代表，發運量季節性回落明顯，非主流礦山在高礦價的支撐下，發貨量繼續增加，預計下週礦石發運量仍有下降空間。
需求方面
•      本週 247 家鋼廠高爐鍊鐵產能利用率爲 75.63%，環比上升 0.44 個百分點。日均鐵水產量周環比減少 3.11 萬噸至 218.17 萬噸，低於去年同期。247 家鋼廠對進口礦的日均消耗量環比下降 3.54 萬噸至266.13 萬噸。
•      2024年首周鋼企高爐開啓復產，雖然目前仍有鋼企在春節前安排檢修計劃，但從整體鋼企的生產節奏來看，節前鋼企仍以復產爲主，預計未來1-2周高爐開工在本週提升的基礎上進一步增加，同時鐵水產出將恢復至220萬噸以上水平。
庫存方面
•      本週全國 45 港進口礦庫存環比增加 253.02 萬噸至 12244.75 萬噸。其中澳礦庫存爲5358.13 萬噸，環比增加 73.26 萬噸，巴西礦庫存爲 4735.04 萬噸，環比增加 116.17 萬噸。

本週A股週報：
一、紅利擁擠了嗎？交易指標不能指示“見頂”2024年第一週，紅利指數表現突出，從行業漲跌幅分佈來看，也存在“股息率越高，本週漲幅越高”的特徵。這種“一枝獨秀”的行情也使得部分投資者開始擔心紅利風格上的“擁擠”，我們從2021年8-9月的強週期行情和2023年4月份的AI主題行情得到的經驗是，交易擁擠度、成交佔比過高和對資金的虹吸效應這些指標難以精準判斷“見頂”，唯一時點上的耦合可能只有此前的強勢風格跌破前期低點，而上述各項指示“見頂”的交易特徵還沒有在紅利風格上出現：中證紅利指數日均換手率仍然位於2021年6月份以來的低位水平；周度成交額佔比在本週有所上行，但也未達到歷史極值；

二、此外，前期的強勢的TMT風格雖然有所下跌，但離前低仍有較大的距離，難言紅利風格已經構成了較強的“資金虹吸”效應。真正的疑問在於是否要打破紅利資產估值的“箱體”我們發現，紅利風格與此前廣受認可的“賽道”之間的估值差異，確實已經收斂到了歷史低位的水平，而要繼續收斂這種估值差異，往往需要某一種“比較優勢”的配合：我們統計了自2010年以來成功在一段時間內提升並穩住相對滬深300估值溢價的行業和風格，其中最爲典型的是食品飲料和“茅指數”，在2010年-2021年期間，大多數時候都在穩定地提升相對於滬深300的估值溢價，在這些時間裏，它們擁有的“比較優勢”是相對滬深300的盈利增速差始終維持在較高的水平，且波動不大。“長坡厚雪”的食品飲料和“茅指數”能夠保持長期的盈利增速優勢的秘訣，在於2010年以來宏觀上增加值率放大的背景之下，企業能夠以品牌作爲壁壘，順應“中產階級”的身份認同，不斷提升價格和毛利率。對存在產業趨勢的醫藥和“寧組合”而言，高速增長的來源是社會整體“金融化”的過程中，“有形之手”引導了金融資源向高端製造的傾斜和產能的大量釋放。

三、超越“股息率”本身，實物的韌性構成了當前紅利的基石從2020年以來，經濟開始“去金融化”，經濟結構逐漸向更加消耗實物和增加值率更低的製造業偏移，用電量、原材料產銷量在2010年-2020年之間的大多數時間裏其增速都小於GDP增速，但從2022年開始強於GDP增長，在2023年全球貿易走弱時，中國出口數量指數仍然保持兩位數高增長，也體現了經濟中韌性的部分在“量”而不在價，“量”又集中在實物消耗，同時，部分“量”的供給上還存在着瓶頸和壟斷限制，尋找具備這一類特徵的行業或許好於單純依賴股息率的高低來尋找“紅利”。 $貴州茅臺(600519.SH)$

全球資金市場週報：
美股科技股周度行情與展望美股科技股上週整體回調，但部分公司股價週中開始復甦，科技股中AI領域和加密貨幣板塊受預期變化導致價格波動。關於業績發佈，1月將有多家科技公司公佈業績，包括台積電、德州儀器、微軟、特斯拉等，業績發佈將對股價產生影響。台積電業績前瞻：前11個月年比收入下降4.1%，即將發佈季報，採取措施提高產能利用率及加快先進製程簽單，預計三納米制程客戶數量將增加。

美股科技股晶片行業進展臺積電計畫與三星合作推進先進 2 納米制程的量產，預計 25 年進一步推進；1.4 納米制程計畫在 27 年至 28 年間量產。高通重點發展方向為 5G 通信效率提升和 AI 智慧化；PC 端 AI 晶片性能顯著，低功耗下實現顯著性能提升；移動端晶片加強 AI 模型支援，相較前代提高能效與 GPU 性能。AI 技術持續優化，端側晶片推理能力顯著提升，依託 NPU 性能優化和投機採樣技術，預計 25 年實現 7B 參數模型每秒 40~50 個 token 生成速率。
AI 小模型優勢與應用進展加密貨幣領域小型模型更受關注，具備高效率、低成本和定製化能力。斯坦福 AI 實驗室研究顯示，小模型在推理成本上可節省至 75%，且微調後性能與大模型持平。 $微軟(MSFT.US)$