摩根士丹利华鑫基金雷志勇：产业视角下的科技成长投资之“道”

导读：每一年市场的开年，通常都对全年有着一定的指导意义。比如说2019和2020年的结构性牛市，市场开年表现就比较好。2022年的系统性熊市，市场一开年就出现下跌，大家等待的“春季躁动”也从未发生。进入2023年，市场出现了不错的“开门红”，也预示着今年A股市场大概率有不错的结构性机会。

那么2023年具体的投资机会在什么方向呢？摩根士丹利华鑫基金的基金经理雷志勇有一个鲜明的方向：数字经济。他认为数字经济的本质是从生产方式和底层架构上提升社会效率，并且在国家政策的扶持下，会进入一个长达十年以上的景气周期。

雷志勇的背景和投资框架也有其独特之处。他和许多人不同，在做投研之前有6年的通信产业背景。这让雷志勇对行业和企业的研究中，有更强的产业视角。他发现对中观产业判断的胜率，比完全的个股公司判断要更高，也更看重一个企业在产业链中获得的评价。独特的产业背景，让雷志勇对科技股投资的风险偏好并没有那么高。他把确定性放在了弹性之前，这一点和许多科技成长股的基金经理有所不同。

在科技股投资中，最大的难题是估值体系。雷志勇把科技股做了进一步的分类，并且延展出了消费型、项目型、爆发型的三套估值体系。消费型科技股最终买单者是个人消费者，商业模式和消费品类似，属于慢变量的赛道，主要用PS的估值方式。项目性科技股是A股TMT公司的主要代表，用PEG的方式进行估值，但PE的倍数也不是简单机械的完全和G匹配，更多需要根据细分子行业的生命周期进行划分。这类公司最怕的是戴维斯双杀（PE和G都出现下跌）。最后是爆发型公司，这类公司具有周期属性，主要对业绩持续性和空间做判断。

从组合构建和管理上，雷志勇遵循一套“531”的组合层次框架（基于约9成的股票仓位配置）。50%的个股是产业链中比较优秀的白马龙头，30%的个股是一些可能进入业绩拐点、估值也处在历史低位的“小而美”公司，10%的个股是一些具有周期性或者主题性的公司。能够看出，雷志勇重仓股的留存度相对比较高，把具有较强产业地位的龙头股作为组合底层。交易则更集中在腰部组合，用概率思维获取“小而美”公司带来的正收益，并且对周期性的交易仓位进行兑现，也保持对市场一定的敏感度。

此外，雷志勇也是摩根士丹利华鑫基金的科技成长小组组长，通过融合研究的方式，获得整个团队的研究支持，帮助他更好把握泛科技领域的投资机会。

以下，我们先分享一些来自雷志勇的投资“金句”：

1. 投资这份职业（和大部分工作）的最大差异是，即便你投入了大量的时间心血，但并不保证能有好的结果

2. 映射到我的选股思路，确定性是占第一位的，其次才是弹性

3. 跟踪科技行业的变化相比跟踪个股的变化，确定性更高、更靠谱

4. 我非常重视一家企业在产业链中的评价，包括这家公司的竞争对手、上下游客户对它的评价

5. 大家看我的持仓会发现，我的组合中没有估值特别高的明星公司，但都是质地还不错，估值合理的企业

6. 有些行业绝对景气度的增速显著高于其他行业，但是边际景气度的变化同比上一年的增速是下行的，这是两个层次的概念

7. 我的组合采用“531”的配置体系，50%配置具有中长期产业逻辑的龙头白马，30%配置“小而美”的公司，10%配置具有周期属性或者主题属性的公司

8. 这些公司的“美”体现在两个方面：1）业绩上即将迎来拐点；2）估值处在历史较低位置

9. 2023年可能是数字经济建设的元年，景气周期持续时间能长达十年甚至更久，是一个中长期向好的赛道

理解投资和实业的最大不同

朱昂：你是一个少数具有产业背景的科技基金经理，这个很少见，当时是怎么想到从产业进入二级市场的？

雷志勇 我在中国移动工作了6年之后，觉得金融行业更像一个朝阳行业，通过时间的沉淀，能体现专业能力的长期积累。

还有一个原因是从家庭的角度出发，需要从广州搬到深圳。正巧有一个券商研究所的机会，于是机缘巧合就先加入了券商研究所。工作了几年后来到了摩根士丹利华鑫基金。

朱昂：之前在中国移动做工程师，这一段产业背景对你之后的投研生涯带来哪些帮助？

雷志勇 我以前在中国移动做的是数据增值业务管理和规划，当年大家用的手机彩信、Wap上网、都是来自这一块的业务。到我离开的时候，是中国移动集团内部的数据业务专家。

做过传统的产业研究后，再转到投资，让我发现投资和大部分工作有非常本质的区别。我在中国移动做的工作，有点类似于项目和工程。只要你付出了时间心血，就一定会有收获。只是这个工程最后是90分还是80分的区别。

投资这份职业的最大差异是，即便你投入了大量的时间心血，但并不保证能有好的结果。这就是投资和大部分工作最大的区别。明白了这一点后，我尽量在投资结果的不确定性中，找到相对的确定性。通过一个长期可积累的方式，使得我的投入和付出，大概率是能获得正向回报的。

映射到我的选股思路，确定性是占第一位的，其次才是弹性。无论是选行业还是选股，我尽量从金融市场的不确定性中，找到一种平衡，这也是我一直努力的方向。

把握科技股的中观行业变化

朱昂：科技股天然不确定性比较高，变化也非常快，能否谈谈你是如何做科技股投资的？

雷志勇 从最初的研究员到最后成长为基金经理，我对科技股投资的想法是有演变的。我发现，跟踪科技行业的变化相比跟踪个股的变化，确定性更高、更靠谱。一个行业的发展过程中，会经历不同的生命周期，整个过程是一种慢变量。而且，我们能从大量公开透明的行业数据和专家交流中，帮助我们验证对行业的判断。

相比之下，影响个股的因素更多，不仅有公司自身的竞争力，还包括管理层，以及产业层面的竞争对手，不确定风险更高。

理解了这一点后，我会先从中观行业的研究出发，去寻找景气度和确定性向上的行业。在一个比较好的行业做个股挖掘，天然就能屏蔽业绩层面的不确定性。在把握了中观行业层面之后，我再从这些确定性较高的行业中挖掘个股。

在个股选择上，我比较看重几个维度：

1）公司在产业链的地位。我非常重视一家企业在产业链中的评价，包括这家公司的竞争对手、上下游客户对它的评价。假设我们对细分行业的判断没有错，这家公司又有很强的江湖地位，产业链的人对公司的评价都是很正面的。那么除非公司犯错，否则沿着正轨一直走下去，就能够享受到正常发展的红利。

2）公司的质地和估值要结合。我觉得一个优质的公司，也要有合理的估值水位。在有了景气度向上，强大的产业链地位基础上，又有比较合理的估值，这样的投资就有很高概率获得正收益。

朱昂：中观景气度的判断并不容易，能否展开谈谈你是如何做中观行业景气度判断的？

雷志勇 知道行业景气度的变化，是任何一个研究员的基本功。以前我看TMT的时候，基本上能判断出所覆盖行业未来半年、一年甚至两年的景气度变化方向，是向上、维持、还是向下。做了基金经理后，泛科技领域要覆盖的行业数量更多了，不仅要了解TMT，还需要拓展到高端制造、国防军工、电力设备新能源、甚至医药等领域。投资的难点就在于，如何在数十个细分行业中做景气度的比较。

这就需要一个扎实的研究团队给我的工作提供支持，给出他们对细分赛道增速的展望。我们公司内部把研究部划分为三个大组：科技、消费、大周期。我本人是科技成长组的组长，整个团队目前有8名研究员，接下来会扩大到10个人，属于比较强的团队配置。平时我也是和研究员坐在一起，大家能迅速就某个问题做讨论交流。

我们内部研究员的考核也是公开透明的，以模拟组合+量化打分为主。研究员只要做出客观的正向贡献，就能体现在考核上，形成了正循环的机制。而且，我们也采取融合研究的方式，用多个行业研究员对某一条产业链进行研究。比如说激光雷达领域涵盖了多个细分行业，我们就有电子、计算机、电新的分析师都进行研究，覆盖整个产业链。在这样的研究支持下，对我做中观行业景气度判断，就带来了很大帮助。

有了研究支持后，对于基金经理来说主要是做选择。我们能做出行业的展望，其他投资者也会做出类似展望，而且市场在很多时候是比较有效的。高景气的赛道，估值水平也会比较高。这时候，基金经理就需要对性价比做出判断，里面会带有基金经理的个人性格和偏好。他是不是愿意在更高的估值，去买景气度更好的赛道，还是用低一些的估值，去买景气度排第二第三的赛道。在具体的买入环节，更多体现基金经理的选择，背后是一种平衡。

对我自己而言，我首先会回避景气度泡沫比较大的行业，更愿意去找景气度比较好，但估值也要在合理范围的公司。所以大家看我的持仓会发现，我的组合中没有估值特别高的明星公司，但都是质地还不错，估值合理的企业。

景气的边际变化比绝对值更重要

朱昂：行业比较要实现较高胜率并不容易，比如说2021年许多人觉得电动车行业增速很高，其实2022年这个行业表现并不算太好，能否谈谈你如何提高在科技行业做比较的胜率？

雷志勇 这个问题特别好，确实在跟踪行业景气度的时候，会有几个难点：

首先，对一个行业景气度的判断，需要有业绩的验证和订单的跟踪，这些数据通常是滞后于基本面的。比如说我们跟踪业绩的时候，会滞后真实基本面大约一个季度的时间。这时候，肯定有人能研究得更早，在某些赛道依靠专业能力领先市场。等到我们看到数据上的验证后，股价通常已经上涨了一段时间，这时候我们要做出决策上的判断：去追进去，还是等待回落调整。这个决策判断，是第一个难点。

其次，景气度有绝对景气度和边际景气度变化两者。有些行业绝对景气度的增速显著高于其他行业，但是边际景气度的变化同比上一年的增速是下行的，这是两个层次的概念。最好的景气度是，绝对景气度和边际景气度变化同时上行。但很多时候，我们会看到绝对景气度还比较高，边际景气度却出现下行的情况，这又让基金经理面临决策上的第二个难点。

我自己是怎么处理这个两个难点的呢？在判断景气度之外，我还会参考这个行业远期空间和渗透率所处的位置。我先拿第一个难点举个例子，去年一季报和半年报后，我看到了大储这个行业景气度非常好，只是这时候股价已经有比较强的体现了。这时候我从渗透率角度出发，发现全球大储的渗透率都不是很高，那么未来景气度有继续上行的空间，就能参与。

我再拿第二个难点举个例子，去年电动车表现不太好很大的原因，就是虽然绝对增速依然很高，但边际的增速是下行的。这时候我们再去看渗透率，发现电动车渗透率已经在比较高的水平，要加速向上的难度很大，订单的增速也在放缓。

根据我的中观景气度框架，再做一个对于2023年的案例展望吧。

我们以今年TMT行业为例，从绝对增速看，半导体的增速很高，但是相对增速是向下的。相比之下，计算机行业的绝对增速并不高，但边际增速是上行的。在我的投资框架中，会认为计算机行业优于电子。所以今年会花更多时间精力在计算机行业挖掘个股。

科技股的三种估值方式

消费型、项目型、爆发型

朱昂：在选股的层面，你会偏向选一些龙头白马，但科技经常会出现弯道超车，龙头企业反而被追赶者超越，其次在中国的科技股领域，龙头企业又有市值和估值的天花板，很难出现那种几万亿市值的公司，能否对于这一块，再具体谈谈？

雷志勇 我觉得要对科技股的属性进一步做区分，我主要分为两大类型。

第一类属于消费型科技股。比如说我也研究美股，里面的微软、Adobe看着是科技公司，其实最终买单的客户是个人消费者。这类公司的商业模式，和白酒是一样的。产品购买的决定权在个人手里，会形成比较强的用户粘性壁垒。比如说Windows系统用习惯了，就很难用别的操作系统。我们用Photoshop习惯了，再用别的软件也不习惯。A股有一些SaaS模式的公司，也属于消费型科技股。这一类公司，是慢变量的商业模式。只要估值合理，业绩增速不出现下滑，就大概率能跑赢市场。

第二类属于项目制科技股。这类公司的买单者是大型企业或者政府，买单者的定价权比较强。我们看到的消费电子龙头、安防行业龙头都属于项目制科技股。由于商业模式属于成本加成，这些公司对于下游客户是缺乏议价权的，依靠的是制造业规模优势和人口红利。对于项目制科技股来说，估值是有天花板的，我会用PEG的估值体系来做。

这两大类型科技股构成了我组合的主要持仓。还有最后一类：爆发型科技股，这类公司的稳定性比较差，占我持仓的比重也就比较低。比如说电源管理芯片就属于这个类型，由于供给的短缺带来价格暴涨。这类型的公司，我会更多用周期股的方式去投。

最后，A股科技股的变化相对海外是比较少的。这和我们市场的发行机制有关，对于创投性质的一级市场公司天然就做了屏蔽，能上市的公司都是已经比较成熟的。相对来说，港股和美股的科技公司有更大不确定的风险。

朱昂：你前面提到了科技股的估值方法，确实我们看到科技股的估值方法比较多样，你把科技股的估值分为爆发型、项目型、消费型，这是很特别的分类，能否再展开谈谈？

雷志勇 没错，我对科技股的估值方法按照这三大类进行了划分。

第一类是消费型科技股，这类公司在A股包括一些云服务、半导体模拟芯片的公司。对于这类公司的估值又划分为不同的生命周期。在行业处在早期阶段时，收入会呈现很高的增长速度，这时候就应该用PS的方式去估值。当然，PS的估值倍数也比较艺术。我会用对标美股企业的PS倍数以及公司自己所处的行业空间做结合。也有一些A股的SaaS公司并不纯粹，需要采用分部估值法。

第二类是项目制科技股，A股TMT行业中的大部分公司都属于这个类型。这一类型的公司，我主要是用PEG的方式进行估值。但是，我并不是完全机械的按照一倍PEG去估值，多少增速（G）就对应多少估值（PE），而是要根据不同细分子行业的生命周期进行划分。比如说导入期阶段的公司，增长弹性就比较大。类似于光伏设备和锂电设备，在2019年的时候看到他们G（增速）能连续三年维持在比较在40%-50%增速，这时候PE就应该给到40倍。等到企业的持续高增长下来了，这时候就要判断企业中期可持续的增速到什么位置，对应的估值水位也要下一个台阶。

坦率说，对企业中长期增速的判断，从后视镜看很清楚。站在当下看未来，还是比较难的。我会从订单的景气度、产品渗透率、行业空间多个维度去做判断。举个例子，此前有一家安防龙头的估值是比较高的，可是当产品的渗透率也比较高了之后，中期增速就会下来，这时候就容易出现杀估值的现象。可以说，估值判断中的艺术部分，是来自对中长期增速的展望。

第三类是爆发型科技股，这类公司有比较强的周期性特征，在我组合的仓位不超过10%。要对这类企业进行估值，更多是判断公司所处的爆发周期或主题能持续多久。很多这类机会我们关注到的时候已经涨了50%，这时候就要对业绩的持续性和空间做判断，指导我们是买入，还是规避，或者是卖出兑现。

朱昂：在PEG的定价模式下，一旦增速下降就会出现戴维斯双杀，在科技股中出现的频次还挺高的，你如何避免戴维斯双杀呢？

雷志勇 我自己也吃过戴维斯双杀的亏。我自己的经验教训是，要对这家公司业绩下滑的原因和持续时间进行判断。如果公司业绩下滑是短暂的，主要来自外部的干扰，那么我一般会继续持有。如果业绩下滑来自公司内部因素，那么我就会选择卖出。

事实上，要真正判断清楚业绩下滑的原因，通常需要1到2个季度的跟踪。一个比较好的做法是，当公司某一个季度业绩低于预期的时候，我先降低一部分仓位，如果后面的跟踪确认基本面有中长期的问题，我就再全部卖出，否则就会继续持有。

531的组合管理方式

朱昂：你十大重仓股的留存率比较高，重仓的公司持有时间比较长，能否谈谈背后的原因？

雷志勇 这和我组合管理的想法有一定关系。我组合中50%的持仓是基本面比较确定，中长期看好的龙头企业。这类公司的景气度变化不大，我就能拿比较长的时间。呈现出来的结果是，我重仓股的换手率并不算太高。

但是我会对后面的腰部组合进行一定换手，这类公司要么确定性不是特别高，要么属于偏周期或者主题属性的公司，还有一些公司短期预期收益率兑现了我也会卖掉。

朱昂：说到组合管理，能否具体谈谈你在组合管理上是怎么做的？

雷志勇 我的组合采用531的配置体系，50%配置具有中长期产业逻辑的龙头白马，30%配置小而美的公司，10%配置具有周期属性或者主题属性的公司。

首先，我组合上第一追求的是确定性。所以，我有50%的仓位配置在能长期存活下去、产业赛道逻辑很强的龙头白马股上。而且，这些龙头白马也都是科技指数中的权重股，通过对他们的重仓也不会偏离科技指数太多。当然，我在做个股选择的时候，也会根据估值的匹配度。并不是只要是龙头我就会买，也避免投资中的追涨杀跌。

其次，我的组合会有30%配置在小而美的公司。我说的小而美，并不是说市值一定要多小，而是说这些企业相比前面的龙头白马来说，产业链地位还没有那么确定，市场份额会相对小一些。那么“美”又是指什么呢？这些公司的“美”体现在两个方面：1）业绩上即将迎来拐点；2）估值处在历史较低位置。

对于小而美的公司，我会通过广泛研究和调研，去挖掘一批公司，通过分散化的投资，最后依靠胜率实现收益。我们只要买入公司中，60%业绩兑现，就能实现戴维斯双击。六成胜率即可以帮我们实现覆盖组合弹性。而且，我们会在偏低的估值买入，这类公司继续下跌的幅度也是有限的。

最后，我的组合会有10%配置在强周期或者主题型的公司。这部分仓位也有两个作用：1）如果对一个公司短期的业绩判断对了，会对组合有比较大的贡献；2）通过一定的交易，保持对市场的敏感度。如果一年到头拿着十几个大白马不动，也会失去对科技投资的敏感度。科技的天然属性就是快变量，需要保持对市场热度的敏感。

朱昂：历史上看，你产品的超额收益很高，贝塔波动也没有科技指数那么大，这是如何做到的？

雷志勇 我觉得波动相对科技指数较低有两个方面的原因。

首先，我在一开始就提到，我投资理念把确定性放到了弹性的前面。在2019年刚开始做基金经理的时候，我的投资也是相对谨慎的，主要投向自己当时比较熟悉的TMT领域。等到之后的投资框架和领域逐步拓展，再把能力圈延伸到泛科技领域。而且，我投资领域的拓展，也是希望把组合覆盖的行业做进一步均衡。除了TMT之外，还有高端制造、电力设备新能源、国防军工等。

其次，过去几年我投资有一个比较大的变化，重仓股的集中度一直在下降。我一开始做投资的时候，有些重仓股会买到8-9个点。过去一两年，我对组合集中度做了一定的分散。集中度分散的结果，就是整体的组合波动会更小。

朱昂：历史上看，你比较重配TMT，但这几年TMT跌幅好几年都是行业第一（比如说2022年），有没有给你的选股带来一些难度？

雷志勇 TMT行业过去两年表现不好，主要是受到业绩的拖累。如果一直坚持在TMT行业做投资，就对选股的命中率提出了更高的要求。我更倾向于在景气赛道撒网，这样获得正收益的概率会更高，也逼着我们把投资范围从TMT拓展到泛科技领域。

万物皆周期，过去两年表现不好的TMT，今年也有比较好的机会。我特别看好计算机行业，逐步进入比较大的向上周期。相反，一些此前景气度较高的行业，随着增长的基数扩大后，景气度的边际变化会向下。所以未来两年，不排除我的仓位会增加对TMT的配置。

投资数字经济的天时地利人和

朱昂：说到你对计算机比较看好，你接下来会发行一个数字经济的新产品（大摩数字经济混合，基金代码：A类017102 /C类017103），能否谈谈这个产品的特点，以及为什么在这个时间点发行这只产品？

雷志勇 首先，在去年的二十大会议中，专门提到要大力发展数字经济，建设数字中国。整个数字经济有可能会媲美二十年前的地产经济，成为持续长达十年高景气的方向。政策层面在未来若干年，也都是非常友好的。例如去年底财政部有一个意见征求稿，明确企业关于数据资源会计处理适用的准则，把数据资源纳入到财务报表，实现计价。

其次，为什么要在这个时间点发行这个产品？因为我们认为，2023年可能是数字经济建设的元年，景气周期持续时间能长达十年甚至更久，是一个中长期向好的赛道。

最后，我自己此前的实业背景和长期在科技股投资积累的投研经验，也算是和这个产品特征比较契合。而且，还有我们整个科技成长组的团队给我支持。

总结来说，就是天时地利人和。天时是国家政策，地利是数字经济在2023年大力发展的蓝图框架，人和是我自己的专业背景和团队投研支持。

朱昂：能否再具体谈谈，你认为数字经济中比较看好的投资机会吗？

雷志勇 数据经济是一种新的生产和组织方式，属于科技领域比较泛的概念，涉及的细分行业很多。从本质上，数字经济能提高我们的生产效率。举一个例子，以前银行客户经理面对企业贷款需求的时候，需要去访谈企业的管理层，看企业的财务报表和订单，整个过程不仅费时费力费人，也未必能得到企业完全真实的信息。

但是到了数字经济时代，银行的客户经理只需要得到企业授权，就能从相关的公共事业部拿到企业大量的运营和财务数据，包括水电使用数据，员工社保购买数据，上下游企业交易数据。这能让银行在很短的时间内，判断出一家企业的运营状况。从而实现了工作效率的大幅提升。

所以，既然数字经济的本质是提高生产经营的效率，就会在投资机会上覆盖多个行业。我认为最受益于数字经济的是TMT和高端制造。TMT是数字经济发展的底座，提供了底层的网络、服务器、计算机和智能终端。高端制造通过对数字技术的应用，能够大量实现智能化替代人工，也是一种提高生产效率的方式，并且有着很广阔的应用领域。

数字经济的发展，也经历了几个不同的阶段。在数字经济1.0的时代，更多是对底层基础设施的构建。到了数字经济2.0的时代，数据的安全性和完整性就变得更加重要，需要确保大家把资金投入的数字经济，是安全可靠的。

数字经济2.0还有数字产业化的特点，也就是说不是简单用OA系统的办公软件，而是企业在管理运作的过程中，全面实现数字化。比如说煤矿的数字化中，可以实现无人化和智能化的挖矿。目前，我们绝大多数的企业和领域都还没有实现数字产业化，这一块是非常大的蓝海。

未来，数字经济还会进入数据变现的阶段。那些掌握了数据要素的企业，能够在数据脱敏之后通过合法合规的方式把这些数据卖给需要的客户。

朱昂：我能看到数字经济必然会创造社会价值，但是最终是否能真正转换成企业的盈利价值呢？

雷志勇 毫无疑问，数字经济会带来整个社会效率的提升。在这个过程中，一定会有大量“卖铲子”的公司受益。就像前面提到的煤矿数字化，煤炭企业在这两年赚了很多钱后，一定会加大在数字化层面的资本开支，那么相关企业的订单必然会增长。我们已经发现有一批相关企业这三年的业绩能够兑现。

而且对科技股的投资，业绩的兑现也会有一个节奏。先从偏硬件和基础设施的领域开始，最后可能才是数据价值的兑现。

朱昂：能否再谈谈你对科技行业的展望？

雷志勇 从TMT领域的排序上，我前面也提到过，计算机优于电子。一方面计算机的业绩出现了边际改善，而电子还没有看到业绩上的变化；另一方面计算机还有政策的催化。

从高端制造的排序上，储能优于光伏和电动车。国防军工介于光伏和电动车之间。

持续的思考会转换为认知

朱昂：科技股的波动很大，容易给基金经理带来压力，能否谈谈你如何面对压力？

雷志勇 我是从产业出来的，投资上把追求确定性放在第一位。我买的股票，估值也不会特别离谱，都是有相对的安全边际。有了这几点的保障，我对科技股的涨涨跌跌还是比较淡定的。

我还会通过运动出汗来平复对短期波动的关注。此外，我业余时间喜欢看书，包括一些科幻小说，排解投资上的压力。

即便短期有波动，中长期股价还是跟着基本面走的。所以，我更想做三年一倍的基金经理，不是一年三倍的基金经理。

朱昂：在你的投资生涯中，有没有高光时刻，有没有低谷的事情，如果有，这些阶段是如何度过的？

雷志勇 高光时刻通常也就一两个星期，都是业绩特别突出的时候，能给持有人赚到钱，心情特别愉悦。这种感觉有点像钓鱼，重要的是钓到鱼的过程，而不是吃鱼。

去年有段时间排名比较靠后，而且又因为疫情带来了生活上的不便，比较难过。回头看，投资中经历一些不顺后，自己变得更成熟了。即便未来两年依然有困难和煎熬，也会更加从容应对。

朱昂：在你的投资生涯中，有什么飞跃点或者突变点吗？

雷志勇 我觉得投资是一个量变到质变的过程，没有那种顿悟。每天持续的思考，才会在某一天转换为认知。我以前看许多人说，投资中慢就是快，自己最初还不太理解。做了几年投资后，确实发现持有优质公司，短期或许跑输一些主题股，长期会跑赢很多。所以我做投资以来，换手率在不断下降。好公司耐心持有就行，不需要频繁换股。

朱昂：科技投资需要不断学习新的知识和行业，你是如何保持学习的？

雷志勇 我们整个团队一直保持对科技行业的前瞻性研究。现在的问题，并非信息太少，而是信息太多后，我们可能会错过。

我们团队也会对每天股票的涨跌做复盘，从中发现是否有新的主题需要学习，这些主题是否有业绩配套，还是纯炒作，有没有参与的价值。

- end -