Asia financials financing the investment super-cycle and adopting AI — Interpretación del informe

Visión general

Este informe de estrategia de renta variable y temas de Asia EM vincula el superciclo de inversión corporativa con oportunidades en financieras y otros sectores sensibles al capex. Su tesis central para los bancos es que AI debe ser un beneficiario neto a través de productividad, reasignación de personal y apalancamiento operativo, aunque las valoraciones elevadas y la adopción desigual crean riesgos relevantes.

Perspectivas principales

Morgan Stanley considera que ya está en marcha otro superciclo de capex corporativo, respaldado por AI, energía, seguridad económica y defensa. Por ello, prefiere capex frente a consumo y bienes frente a servicios; su Focus List se concentra en semiconductores y memoria, hardware tecnológico, industriales y bienes de capital, materiales y energía. Dentro de financieras, favorece entidades de banca mayorista y gestión patrimonial en Japón, Singapur, Hong Kong y Corea. Es cauteloso con los bancos australianos por sus valoraciones elevadas, endurecimiento de políticas y cambios fiscales adversos. El análisis combina paneles de recomendaciones y valoración con revisiones de beneficios, crecimiento de consenso y posicionamiento de fondos activos. En julio de 2026, la amplitud de revisiones de beneficios de media móvil de tres meses fue-0.4% para MSCI EM y-0.6% para bancos, frente a5.0% para financieras diversificadas y2.0% para seguros. Hardware tecnológico alcanzó16.8% y semiconductores11.7%, lo que respalda la preferencia por tecnología vinculada a la inversión. Los bancos tuvieron pesos activos de-0.3% en la muestra combinada y-0.5% en fondos estadounidenses, mientras UCITS tenía0.3% de sobreponderación. El informe compara P/B con ROE y P/E con crecimiento de EPS para valorar bancos APAC en función de rentabilidad y crecimiento. Asia Pacific ex-Japan Focus List aplica esta visión mediante18 valores Overweight en tecnología, industriales, materiales, energía, utilities y financieras. Desde el23 de abril de 2009 hasta el31 de agosto de 2026, la cartera equiponderada y rebalanceada obtuvo700.9% de retorno total en dólares, frente a473.4% del MSCI Asia Pacific ex-Japan Index. Incluye dividendos, excluye comisiones de corretaje y no está auditada; el informe advierte que el rendimiento pasado no garantiza resultados futuros. La arquitectura temática comprende AI & Tech Diffusion, Future of Energy, Societal Shifts y Multipolar World, con16 subtemas, incluida una evaluación independiente AI Challenged y una capa transversal de disrupción o deflación para captar presión bajista sobre ingresos o márgenes. La escala de materialidad distingue entre exposición central, significativa, moderada, insignificante, comodín o no aplicable, evitando tratar una asociación temática superficial como relevancia de inversión. Para los bancos, la conclusión central es que AI debe ser un beneficio neto y no una amenaza para los ingresos. Los bancos globales lograron aproximadamente10% de ganancia neta de productividad durante los últimos12 meses, y Morgan Stanley espera mejoras de20–50% en banca mayorista, mercados, asesoramiento y operaciones. Con AI plenamente integrada, estima un alza de aproximadamente18% en el beneficio antes de impuestos a largo plazo. El41% de los bancos globales citó el impacto financiero positivo o ROI como principal resultado de AI. Las mayores ganancias se sitúan en funciones de mayor coste, liberando capacidad para tareas comerciales y de asesoramiento; el efecto se describe como apalancamiento operativo duradero, no como eficiencia puntual. La implementación afronta obstáculos, pero el informe los separa de la erosión de ingresos. Los principales son confianza, seguridad y riesgo reputacional,23%; preparación de datos, integración heredada y escasez de capacidades AI,22% cada uno. Ninguno se identifica como evidencia de que AI erosione la base de ingresos bancaria. Morgan Stanley sostiene que los mayores bancos llevan varios años de ventaja en gobierno de datos, herramientas internas de ciberseguridad y capacitación empresarial. El efecto laboral se describe como mejora y reasignación de talento, no como recortes generalizados, con la rotación natural como palanca principal. JPMorgan tiene un presupuesto tecnológico 2026 de aproximadamente$20bn; aproximadamente$2.3bn, o aproximadamente25% de su presupuesto de inversión de aproximadamente$9.2bn, está vinculado a AI. Las pérdidas se concentran en puestos offshore y menos experimentados de dos a10 años, mientras la contratación se desplaza hacia AI, gobierno de datos y riesgo. Bank of America lo denomina inteligencia aumentada; JPMorgan prevé más personal AI y menos banqueros en ciertas categorías, con crecimiento de funciones comerciales y reducción de operaciones y soporte. Las cuentas de CCB por empleado de operaciones crecieron6% interanual. En Australia, los próximos12 meses se centrarán en recapacitación, reasignación y rediseño de tareas. Los beneficios no son uniformes. Las financieras están sesgadas hacia AI Adopters y la sociedad envejecida; los bancos de Hong Kong y Singapur tienen la mayor exposición combinada. Sin embargo, las financieras tienen la segunda mayor proporción de exposición AI Challenged, tras tecnología. Los desafíos AI moderados o mayores afectan a34% de bancos APAC, frente a19% en Américas y3% en EMEA; las cifras APAC son32% para servicios financieros y29% para seguros. Morgan Stanley lo atribuye a una brecha más amplia entre líderes y rezagados de adopción, haciendo de la capacidad de ejecución un determinante de los beneficios previstos.

Marco de análisis

Morgan Stanley identifica primero el ciclo de capex y lo traduce en preferencias regionales, sectoriales y de estilo. Después contrasta esas preferencias con valoración, amplitud de revisiones de beneficios, crecimiento de consenso y posicionamiento de fondos activos, y las expresa mediante una Focus List equiponderada. Para la tesis de AI, combina un marco de materialidad temática con encuestas a bancos globales, ejemplos de presupuestos y empleo, y comparaciones regionales de exposición a desafíos AI. Sigue la transmisión desde la inversión tecnológica hasta productividad, reasignación, capacidad comercial, apalancamiento operativo y beneficio antes de impuestos.

Notas metodológicas

• OtroOtro

  Escala de materialidad temática

  El informe califica la importancia de cada tema para la tesis de inversión de una empresa y separa exposición positiva, incierta, negativa o disruptiva, para no confundir asociación temática con materialidad financiera.

• Teoría cuantitativa, factorial y de carterasOtro

  Amplitud de revisiones de beneficios de media móvil de tres meses

  La medida calcula mejoras menos rebajas como proporción del universo de estimaciones futuras y suaviza el resultado durante tres meses para comparar el impulso de beneficios entre industrias EM.

• Métodos de valoraciónValoración por P/B

  Comparación P/B frente a ROE

  El gráfico de bancos APAC compara precio sobre valor en libros con rentabilidad sobre recursos propios para evaluar si las diferencias de valoración se acompañan de diferencias de rentabilidad.

• Métodos de valoraciónValoración por P/E y PEG

  Comparación P/E frente a crecimiento de EPS

  El informe compara múltiplos de beneficios bancarios con crecimiento esperado de EPS para situar la valoración relativa frente a las perspectivas de crecimiento.

• Finanzas conductuales y análisis de eventosAnálisis de flujos de fondos y posicionamiento

  Posicionamiento de fondos activos por industria

  Compara los pesos de cartera con los pesos del índice MSCI EM e incluye cambios trimestrales para mostrar sobreponderaciones e infraponderaciones de gestores activos.

• Teoría cuantitativa, factorial y de carterasOtro

  Rentabilidad de Focus List equiponderada

  La Focus List asume pesos iguales y se rebalancea cuando se añade o elimina una posición; los retornos incluyen dividendos, excluyen comisiones y se comparan con MSCI APxJ Index.

Correspondencia y comparación de activos

Correspondencia estructurada entre la tesis y activos concretos (fortalezas, debilidades, pares y riesgos).

• ASPEED Technology (5274.TWO)

  Componente Overweight de Morgan Stanley Asia Pacific ex-Japan Focus List.

  Fortalezas

  Incluida en la Focus List orientada a capex y tecnología.

  Comparación

  Último precio de la tabla: 16,065.0; potencial total frente al precio objetivo de Morgan Stanley: 30.0%.

• BHP Group (BHP.AX)

  Componente Overweight de Morgan Stanley Asia Pacific ex-Japan Focus List.

  Fortalezas

  Aporta exposición a materiales dentro de la estrategia de capex.

  Comparación

  Último precio de la tabla: 66.2; potencial total frente al precio objetivo de Morgan Stanley: 1.2%.

• Contemporary Amperex Technology Co. Ltd. (300750.SZ)

  Componente Overweight de Morgan Stanley Asia Pacific ex-Japan Focus List.

  Fortalezas

  Incluida como exposición industrial en la Focus List temática.

  Comparación

  Último precio de la tabla: 363.6; potencial total frente al precio objetivo de Morgan Stanley: 63.7%.

• Delta Electronics (2308.TW)

  Componente Overweight de Morgan Stanley Asia Pacific ex-Japan Focus List.

  Fortalezas

  Incluida como exposición a tecnología de la información.

  Comparación

  Último precio de la tabla: 1,840.0; potencial total frente al precio objetivo de Morgan Stanley: 46.7%.

• Gulf Development (GULF.BK)

  Componente Overweight de Morgan Stanley Asia Pacific ex-Japan Focus List.

  Fortalezas

  Aporta exposición a utilities en la estrategia del ciclo de inversión.

  Comparación

  Último precio de la tabla: 63.3; potencial total frente al precio objetivo de Morgan Stanley: 34.4%.

• Hana Financial Group (086790.KS)

  Componente financiero Overweight de Morgan Stanley Asia Pacific ex-Japan Focus List.

  Fortalezas

  Alineada con la preferencia por determinadas financieras coreanas.

  Comparación

  Último precio de la tabla: KRW136,300.0; potencial total frente al precio objetivo de Morgan Stanley: 10.1%.

  Riesgos

  Exposición a la brecha regional entre líderes y rezagados en adopción de AI.

• Hanwha Aerospace (012450.KS)

  Componente Overweight de Morgan Stanley Asia Pacific ex-Japan Focus List.

  Fortalezas

  Aporta exposición a industriales y gasto en defensa.

  Comparación

  Último precio de la tabla: KRW1,102,000.0; potencial total frente al precio objetivo de Morgan Stanley: 27.0%.

• Larsen & Toubro (LART.NS)

  Componente Overweight de Morgan Stanley Asia Pacific ex-Japan Focus List.

  Fortalezas

  Aporta exposición a industriales e inversión de capital.

  Comparación

  Último precio de la tabla: 4,030.0; potencial total frente al precio objetivo de Morgan Stanley: 11.2%.

• LS Electric (010120.KS)

  Componente Overweight de Morgan Stanley Asia Pacific ex-Japan Focus List.

  Fortalezas

  Aporta exposición industrial coreana vinculada al tema de capex.

  Comparación

  Último precio de la tabla: KRW207,500.0; potencial total frente al precio objetivo de Morgan Stanley: 30.1%.

• NAURA Technology Group (002371.SZ)

  Componente Overweight de Morgan Stanley Asia Pacific ex-Japan Focus List.

  Fortalezas

  Incluida como exposición china a tecnología de la información.

  Comparación

  Último precio de la tabla: 699.8; potencial total frente al precio objetivo de Morgan Stanley: 16.9%.

• PTT Exploration & Production (PTTEP.BK)

  Componente Overweight de Morgan Stanley Asia Pacific ex-Japan Focus List.

  Fortalezas

  Aporta exposición a energía dentro de la estrategia del superciclo de inversión.

  Comparación

  Último precio de la tabla: 148.5; potencial total frente al precio objetivo de Morgan Stanley: 9.8%.

• Samsung Electronics (005930.KS)

  Componente Overweight de Morgan Stanley Asia Pacific ex-Japan Focus List.

  Fortalezas

  Aporta exposición coreana a tecnología de la información y semiconductores.

  Comparación

  Último precio de la tabla: KRW260,000.0; potencial total frente al precio objetivo de Morgan Stanley: 46.5%.

• Singapore Exchange (SGXL.SI)

  Componente financiero Overweight de Morgan Stanley Asia Pacific ex-Japan Focus List.

  Fortalezas

  Alineada con la preferencia por determinadas financieras de Singapur.

  Comparación

  Último precio de la tabla: 25.5; potencial total frente al precio objetivo de Morgan Stanley: 8.5%.

  Riesgos

  Exposición a la brecha regional entre líderes y rezagados en adopción de AI.

• SK hynix (000660.KS)

  Componente Overweight de Morgan Stanley Asia Pacific ex-Japan Focus List.

  Fortalezas

  Aporta exposición coreana a semiconductores y memoria, central para la estrategia de capex.

  Comparación

  Último precio de la tabla: KRW1,674,000.0; potencial total frente al precio objetivo de Morgan Stanley: 55.3%.

• Standard Chartered (288.HK)

  Componente financiero Overweight de Morgan Stanley Asia Pacific ex-Japan Focus List.

  Fortalezas

  Alineada con la preferencia por financieras mayoristas de Hong Kong.

  Comparación

  Último precio de la tabla: 230.8; potencial total frente al precio objetivo de Morgan Stanley: 14.0%.

  Riesgos

  Exposición a la brecha regional entre líderes y rezagados en adopción de AI.

• Taiwan Semiconductor Manufacturing (2330.TW)

  Componente Overweight de Morgan Stanley Asia Pacific ex-Japan Focus List.

  Fortalezas

  Aporta exposición a semiconductores, central para AI y capex tecnológico.

  Comparación

  Último precio de la tabla: 2,405.0; potencial total frente al precio objetivo de Morgan Stanley: 24.2%.

• Wiwynn (6669.TW)

  Componente Overweight de Morgan Stanley Asia Pacific ex-Japan Focus List.

  Fortalezas

  Aporta exposición taiwanesa a tecnología de la información.

  Comparación

  Último precio de la tabla: 7,095.0; potencial total frente al precio objetivo de Morgan Stanley: 5.7%.

• Zijin Mining Group (02899.HK)

  Componente Overweight de Morgan Stanley Asia Pacific ex-Japan Focus List.

  Fortalezas

  Aporta exposición china a materiales y minerales críticos.

  Comparación

  Último precio de la tabla: 36.6; potencial total frente al precio objetivo de Morgan Stanley: 66.6%.

Datos clave

• Ganancia neta de productividad de bancos globales~10%Ganancia neta de productividad durante los últimos12 meses.
• Mejoras de productividad funcional esperadas20–50%Esperadas en banca mayorista, mercados, asesoramiento y operaciones.
• Alza de beneficio antes de impuestos bancario a largo plazo~18%Estimación una vez que AI esté plenamente integrada.
• Bancos que citan impacto financiero positivo o ROI41%Proporción de bancos globales que lo cita como principal resultado de AI.
• Obstáculos de implementación de AI23%; 22%; 22%; 22%Confianza, seguridad y riesgo reputacional fueron23%; preparación de datos, integración heredada y escasez de habilidades AI fueron22% cada uno.
• Presupuesto tecnológico de JPMorgan en 2026~$20bnAproximadamente$2.3bn, o cerca de25% del presupuesto de inversión de aproximadamente$9.2bn, estaba vinculado a AI.
• Cuentas CCB por empleado de operaciones+6% y/yCitado como evidencia de mejora de productividad.
• Retorno de Focus List desde su inicio700.9%Retorno total en dólares del23 de abril de 2009 al31 de agosto de 2026, frente a473.4% para MSCI APxJ Index.
• Amplitud de revisiones de beneficios de julio de 2026MSCI EM -0.4%; banks -0.6%; diversified financials 5.0%; insurance 2.0%Media móvil de tres meses de mejoras menos rebajas dividida por el universo de estimaciones futuras.
• Amplitud de revisiones de beneficios de tecnologíaTechnology hardware 16.8%; semiconductors 11.7%Lecturas de media móvil de tres meses de julio de 2026.
• Financieras APAC con desafíos AI moderados o mayoresBanks 34%; financial services 32%; insurance 29%Para bancos, las cifras comparables fueron19% en Américas y3% en EMEA.

Impacto e implicaciones

La preferencia del informe se dirige a industrias sensibles al capex y a instituciones financieras capaces de convertir inversión en AI en productividad, capacidad comercial y apalancamiento operativo sostenido. Dentro de financieras, las franquicias mayoristas y patrimoniales de determinados mercados asiáticos están mejor alineadas con la tesis, mientras bancos australianos y adoptantes lentos afrontan riesgos de valoración, política, fiscalidad o ejecución. La amplia brecha regional de adopción implica que AI probablemente aumente la diferenciación entre líderes y rezagados.

Riesgos

• Los bancos australianos enfrentan valoraciones elevadas, endurecimiento de políticas y cambios fiscales adversos.
• La implementación de AI está limitada por confianza, seguridad y riesgo reputacional, preparación de datos, integración de sistemas heredados y escasez de habilidades AI.
• Los desafíos AI moderados o mayores afectan a34% de bancos APAC,32% de compañías de servicios financieros APAC y29% de aseguradoras APAC.
• La brecha entre líderes y rezagados de AI puede exponer a las instituciones más lentas a presión disruptiva o deflacionaria sobre ingresos y márgenes.
• Los cambios laborales pueden afectar de forma desproporcionada a puestos offshore y menos experimentados, aunque el informe no espera recortes generalizados.

Aspectos que vigilar

• Si el superciclo de capex corporativo sigue respaldado por gasto en AI, energía, seguridad económica y defensa.
• Si los bancos convierten la implementación de AI en las ganancias funcionales previstas de20–50% y el alza aproximada de18% del beneficio antes de impuestos a largo plazo.
• Avances en preparación de datos, integración de sistemas heredados, ciberseguridad y capacitación AI empresarial.
• La velocidad de adopción de AI entre líderes y rezagados financieros de APAC.
• Recapacitación, reasignación y rotación natural durante los próximos12 meses, especialmente el traslado desde operaciones y soporte hacia funciones comerciales, CRM, datos, riesgo y transformación.
• Valoraciones, endurecimiento de políticas y cambios fiscales de los bancos australianos.