✦

美国与伊朗的紧张局势升级以及战略石油储备的减少 , 预计将推动能源价格进一步上涨 , 这可能促使美联储采取更为审慎的政策立场。

✦

近期半导体和韩国股市的调整 , 提示了市场可能存在过度集中的风险。建议投资者拓宽投资组合 , 超越热门交易 , 关注非科技人工智能受益者以及部分亚洲市场。

✦

美国银行业第二季度业绩表现稳健 , 得益于强劲的交易和资本市场活动。预计在利率维持较高水平和监管环境更趋支持的背景下 , 银行业的盈利能力将保持持续性。

✦

中国 2026 年第二季度 GDP 数据反映出经济结构性特征 , 出口和工业部门在一定程度上缓解了零售和房地产领域面临的压力。考虑到经济复苏可能呈现不均衡的态势 , 建议投资者保持审慎并进行精选。

✦

新加坡 2026 年第二季度强劲的 GDP 增长 , 印证了我们对新加坡股市的积极看法 , 认为其是东盟地区优质的防御性市场。尽管当前估值相对较高 , 但监管改革带来的市场流动性改善 , 有望支撑其估值的进一步重估。

每周资产配置

美国与伊朗紧张局势再起及油价上涨 : 潜在的尾部风险 ?

6 月份美国总体通胀数据走软 , 促使期货交易员降低了美联储在 12 月加息的可能性。但这可能为时过早。中东地缘政治紧张局势的再度升级 , 加上特朗普承诺恢复对伊朗的袭击并可能引发另一场 " 无休止的战争 ", 几乎确保了通过霍尔木兹海峡的航运再次停滞。但问题是 , 尽管存在明显的逆风 , 原油价格的上涨幅度似乎不大 , 因为投资者对特朗普的 " 极限施压 " 言论变得越来越 " 麻木 "。但这种乐观态度可能具有误导性。

当美伊战争首次爆发时 , 主要经济体可用的战略石油储备有助于阻止油价更大幅度的飙升。但根据国际能源署 ( IEA ) 的数据 , 这一储备目前正在减少 , 并可能在几周内耗尽。油价飙升及其对经济增长的影响 , 目前显然没有反映在风险资产中 , 因为股票和债券的波动性已明显回到低点。在政策方面 , 油价回升也可能迫使美联储重新采取鹰派立场 , 因为美联储主席沃什本人曾建议不要过分解读最新的 CPI 数据 , 因为抗击通胀的战争尚未结束。

拓宽交易 :

通过脱离集中主题来分散投资组合。

今年早些时候 , 我们曾警告投资者极端市场集中风险 , 上周半导体股票和韩国股市的暴跌再次证实了我们的观点。现在 , 面对石油风险和极端的投资者仓位 , 我们未来几个月的策略是通过拓宽超越热门交易来分散您的投资组合 :

✦

人工智能主题 : 将范围从直接的技术受益者扩大到金融等非技术受益者。

✦

亚洲股票 :将范围从韩国扩大到新加坡和中国。

✦

美国股票 :将范围从大盘股扩大到小盘股。

✦

全球行业 :将范围从科技股扩大到非科技股 , 特别是金融股。

美国与伊朗紧张局势升级 , 油价上涨。

资料来源 : 彭博、星展银行

波动性处于低位 : 是投资者自满的表现吗 ?

资料来源 : 彭博、星展银行

每周焦点

CPI 缓解但政策不确定性持续

尽管 6 月份美国消费者物价指数 ( CPI ) 数据不及预期 , 促使期货交易员降低了美联储 12 月加息的可能性 , 但这一判断可能为时尚早。中东地缘政治紧张局势的升级 , 加之特朗普承诺恢复对伊朗的袭击并可能引发另一场 " 无休止的战争 ", 几乎已确保通过霍尔木兹海峡的航运再次停滞。值得注意的是 , 尽管面临明显的逆风 , 原油价格的上涨幅度似乎不大 , 投资者对特朗普的强硬言论似乎已逐渐 " 麻木 "。然而 , 这种乐观态度可能具有误导性。

当美伊战争首次爆发时 , 主要经济体可用的战略石油储备有助于阻止油价更大幅度的飙升。但根据国际能源署 ( IEA ) 的数据 , 这一储备目前正在减少 , 并可能在几周内耗尽。油价飙升及其对经济增长的影响 , 目前显然没有反映在风险资产中 , 因为股票和债券的波动性已明显回到低点。在政策方面 , 油价回升也可能迫使美联储重新采取鹰派立场 , 因为美联储主席沃什本人曾建议不要过分解读最新的 CPI 数据 , 因为抗击通胀的战争尚未结束。

美国银行盈利稳健

美国主要银行在第二季度财报季表现出色 , 交易收入和投行费用分别受益于市场波动加剧和人工智能驱动的资金需求增长。摩根大通报告其交易收入同比增长 35% 至 121 亿美元 , 投行费用同比增长 30%。我们继续看好美国金融股 , 因为多重利好因素将支撑其盈利能力。2026 年 3 月的巴塞尔协议 III 终局修订案预计将放宽资本约束 , 支持贷款增长和净利息收入 ( NII ) 扩张。利率长期维持较高水平的环境也应支持净息差 ( NIMs ) 。此外 , 更友好的商业监管环境也可能激发更强劲的并购和资本市场活动 , 从而提振咨询费收入。

科技股盈利——人工智能基础设施

趋势展现韧性

在财报季初期 , 科技公司继续展现出韧性 , 人工智能基础设施支出仍是关键支撑。领先的半导体光刻设备制造商阿斯麦 ( ASML ) 公布的销售额和每股收益 ( EPS ) 均超出预期 , 利润率也强于预期。台积电 ( TSMC ) 同样公布了稳健的第二季度业绩 , 在人工智能 CPU 的强劲需求支撑下 , 每股收益远超预期。该公司预计 2026 财年销售额将同比增长 40% 以上 , 并计划增加 80 亿美元的资本支出 , 理由是人工智能业务前景强劲。然而 ,IBM 却逆势而行 , 在营收和盈利不及预期后 , 其股价周二收盘下跌 25%。尽管管理层预计大型机及相关软件销售将更强劲 , 但客户却将支出转向了计算基础设施。由于市场继续青睐硬件、半导体和内存而非软件 , 我们仍坚信人工智能基础设施这一主题。

中国经济观察

中国经济在 2026 年第二季度 GDP 同比增长 4.3%, 虽低于市场预期及 4.5-5.0% 的官方目标区间 , 但反映出经济运行的客观态势。值得关注的是 , 外部贸易表现强劲 , 上半年出口在高科技和汽车产品的带动下 , 同比增长 17.6%, 创下历史新高。此外 ,6 月份的贷款增速有所减弱。然而 , 考虑到出口和工业部门的韧性 , 预计政策制定者将倾向于采取有针对性的宽松措施 , 而非大规模的利率调整。在此背景下 , 建议投资者在投资时保持审慎并进行精选。

尽管地缘政治动荡仍具韧性

新加坡 2026 年第二季度 GDP 数据强化了我们对股市的建设性立场。预估数据显示 , 实际 GDP 同比增长 5.7%, 远高于趋势水平 , 并支持我们上调后的 2026 年 4.3% 的预测。尽管如此 , 第二季度主要驱动因素——人工智能驱动的贸易活动、韧性十足的金融服务以及持续的建筑动能——在未来几个季度应保持支撑作用 , 即使高基数效应可能导致总体增长有所放缓。我们认为 , 在当前背景下 , 新加坡作为东盟地区高质量的防御性市场 , 其地位得到了巩固。 这主要得益于其有韧性的宏观基本面和平均约 4% 的诱人股息收益率。尽管估值高于历史平均水平 , 但鉴于监管改革和全球结构性趋势推动的市场流动性改善和增长前景 , 进一步重估仍是可能的。

新加坡在 2026 年第二季度展现出全面韧性 , 尽管部分领域有所放缓。

资料来源 : 彭博、星展银行

截至 2026 年 6 月的最新数据基于预估值

中国 2026 年第二季度 GDP 增速

资料来源 :CEIC、星展银行

每周问答

问题

投资者是否要在 A 股和港股之间

有所偏好 ?

投资总监办公室观点 :A 股和港股市场正在形成一种相互关联且各有侧重的局面。中国宏观经济在高科技和新能源出口的强劲推动下持续保持稳定。政策支持依然具有针对性 , 并集中在人工智能、半导体、先进制造、机器人和技术自给自足等战略性领域。然而 , 国内需求和房地产市场仍然面临一些挑战。

这些因素暗示了对境内 A 股的偏好。A 股市场能够提供对高科技硬件、零部件、设备以及人工智能基础设施受益者的更广泛和更直接的投资机会。相比之下 , 港股指数则更多地侧重于平台、消费和电子商务类公司。这些公司面临着持续的竞争压力、不均衡的消费趋势 , 并且与当前的人工智能硬件周期关联较不直接。

尽管如此 , 这不应被理解为对所有 A 股优于所有 H 股的全面偏好。在两地市场中 , 选择性仍然至关重要。境内 A 股在指数层面与政策和主题动能保持更紧密的一致性 , 而 H 股仍然为那些具有真实技术、供应链或人工智能敞口的优质公司提供机会。对于投资者而言 , 关键在于区分中国战略性产业升级的真正受益者和那些盈利可见性较弱或主题相关性有限的公司。

A 股提供对高科技硬件、设备和人工智能建设受益者的更直接的敞口。

资料来源 : 彭博、星展银行

问题

Anthropic等前沿模型如何与开源大型语言模型 ( LLMs ) 竞争 ?

投资总监办公室观点 :在快速发展的人工智能领域中 , 开源和闭源的大型语言模型 ( LLMs ) 各自具有独特的优势和权衡。像 OpenAI 和 Anthropic 这样的闭源模型 , 通常能提供更优的性能、可靠性以及集成的内置安全措施。这些特点使它们更适合处理高风险工作或涉及敏感数据的受监管用例 , 在这些场景中 , 可靠性、合规性和受控访问至关重要。它们的主要缺点是成本 , 因为按使用量计费的定价在大规模应用时可能会变得昂贵。

包括 DeepSeek、千问和 Llama 变体在内的开源模型 , 则提供了明显的经济优势。当自行托管或通过高效提供商运行时 , 它们可以减少或消除按 Token 计费的费用 , 同时允许广泛的定制和本地部署。这赋予了对数据更大的控制权 , 并避免了对供应商的依赖。然而 , 其权衡在于需要技术专业知识来维护性能和安全性。

实际上 , 这两种方法都不太可能完全占据主导地位。企业及机构正越来越多地采用混合策略 , 即利用闭源模型处理关键或受监管的任务 , 同时使用开源替代方案来处理对成本敏感、高并发或专业化的工作负载。这种分工应能促进创新 , 拓宽访问范围 , 并增强整个 AI 领域的韧性。

开源和闭源大型语言模型 ( LLM ) 各有其独特的优势和权衡

资料来源 : 星展银行