日本股市基准情景：AI回流与周期价值补涨并存

概览

本报告围绕日本1Q财报季和AI主题再定价展开。作者认为，市场方向的关键变量是美国 hyperscaler 在财报中披露的资本开支计划。若资本开支继续强劲，全球资金可能重新回流AI相关股票；但由于日本AI相关周期成长股已经嵌入较高盈利预期，资金未必只集中在此前上涨的纯AI标的，而可能扩散到受益于AI投资、但估值和预期仍较低的周期价值股。

核心观点

核心观点有三点。第一，基准情景不是“AI或价值”的二选一，而是“AI回流”和“落后周期价值补涨”并存。第二，AI相关周期成长股盈利并未恶化，但股价中隐含的盈利门槛明显提高，若财报只是表面不差而未超出市场高预期，股价可能承压。第三，周期价值股若具备盈利增长、高市场 beta、较低P/B且此前未充分上涨，可能在AI投资收益扩散时获得盈利上修和估值重估的双重驱动。

分析框架

报告采用情景分析、因子观察和股票筛选结合的方法：先设定AI资本开支和财报表现下的三种市场路径，再观察TOPIX 500动量因子、AI相关行业盈利修正指数、信用利差和主题表现，最后在TOPIX成分股中按FY26 EPS增长、市场 beta、P/B和三个月动量筛选周期成长与周期价值股票。

方法论与常识提炼

• scenario_analysis三情景市场路径

  AI资本开支与财报预期情景

  报告提出三种情景：强资本开支带动AI回流并伴随周期价值补涨；AI公司盈利显著超越高预期并导致资金再次集中流入AI周期成长；以及AI公司未能跨过高盈利门槛、地缘和供应链风险升温，引发风险偏好下降和高 beta AI股票去仓位。

• factor_analysis动量与估值因子观察

  TOPIX 500动量、P/B与beta

  报告关注近期动量因子自6月末高点回调约20%后的恢复可能，并用P/B和三个月动量区分高预期周期成长与落后周期价值。

• stock_screening周期成长与周期价值筛选

  FY26 EPS增长、市场beta、P/B和三个月动量

  在TOPIX universe中剔除银行后，先选择FY26 EPS增长前50%且市场beta前30%的股票，再以P/B为主分类指标、三个月动量为辅助过滤，识别高预期周期成长和具备补涨潜力的周期价值。

• macro_policy制度化财政扩张框架

  日本财政扩张、日元走弱与银行股

  报告认为2026年Basic Policy显示财政扩张正在嵌入政策框架，财政纪律弱化和对BOJ加息约束的担忧可能表现为日元走弱和债券价格下跌，从而使银行股成为利率上行受益者及AI回调对冲工具。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• 日本AI相关周期成长股

  受美国 hyperscaler 资本开支和AI投资周期直接驱动

  优势

  若美国大型云厂商确认强资本开支，动量和盈利修正因子可能较快恢复，部分高修正周期成长股可能跑赢。

  劣势

  估值和盈利预期已高，财报需要明显超出市场预期才能继续支撑股价。

  对比

  相对周期价值股，上涨弹性更直接但预期门槛更高，财报风险收益比下降。

  风险

  财报未达高预期、地缘风险、供应链担忧、信用利差扩大和高beta去仓位。

• 日本周期价值股

  可能受益于AI资本开支收益从纯AI标的向上游和相邻产业链扩散

  优势

  估值折价扩大、市场预期较低，若财报超预期可能同时获得盈利上修和估值重估。

  劣势

  若AI股票强势反弹导致资金从防御性或价值轮动中撤出，短期资金流可能反转。

  对比

  相对周期成长股，盈利增长前景相近但隐含盈利门槛更低，补涨空间更依赖扩散证据。

  风险

  宏观不确定性、需求恢复不及预期、AI投资外溢不明显、财报未能确认经营改善。

• 日本银行股

  受益于日元走弱、利率上行预期和财政担忧下的收益率变化

  优势

  既是更高利率受益者，也可在短期作为AI相关股票波动的对冲资产。

  劣势

  若政府限制BOJ加息或利率上行预期消退，核心催化可能削弱。

  对比

  相对AI链条股票，银行股更偏宏观利率和汇率敞口，而非AI资本开支直接受益。

  风险

  BOJ政策路径低于预期、收益率曲线变化不利、信用风险或市场风险偏好下降。

• 网络安全、网络基础设施和AI实施支持

  受AI模型使用者扩大、数据保护和模型治理需求提升驱动

  优势

  Kimi K3等开放模型可能推动AI应用扩散，使安全使用AI的基础设施和服务需求上升。

  劣势

  主题此前受AI颠覆影响表现落后，盈利兑现节奏仍需验证。

  对比

  相对前沿模型公司，这些方向更偏应用层和安全合规受益，可能分享更广泛的AI使用增长。

  风险

  AI应用落地慢于预期、企业安全预算不足、竞争加剧、主题反弹缺乏盈利支撑。

关键数据

• 报告日期2026-07-24页面首部显示July 24, 2026。
• 美国 hyperscaler 2027年资本开支预测约US$1.2 trillionMorgan Stanley预测约比市场一致预期US$0.9 trillion高30%。
• 美国 hyperscaler 2028年资本开支预测约US$1.4 trillionMorgan Stanley预测约比市场一致预期US$1.0 trillion高40%。
• 动量因子近期回调约20%报告称上周TOPIX 500动量因子较6月末近期高点回调约20%。
• Yaskawa Electric案例财报后次日下跌14.3%，五个交易日后跌幅扩大至26.6%报告用其约1.59的调整后beta说明高预期、高beta周期成长股在财报不及预期时的下行放大风险。
• 数据中心未来融资成本结构服务器、芯片、算力和能源基础设施约占总成本60%美国信用策略团队预计融资重点将从数据中心外壳建设转向芯片、算力和能源基础设施。
• 公共与私人投资路线图到FY2040累计超过￥370 trillion日本Basic Policy相关段落提及该投资路线图。
• 潜在额外财政支出假设每年约￥10 trillion报告认为政策估计隐含每年约￥10 trillion的额外支出。

影响与含义

对投资组合的含义是，应避免把日本市场配置简单切成AI成长和非AI价值两端。若美国 hyperscaler 继续验证强资本开支，AI相关股票仍可能恢复动量；但更优的风险收益可能来自受益于AI投资外溢、估值较低且盈利门槛不高的周期价值股。同时，财政扩张和日元走弱背景下，银行股可作为利率上行受益和AI相关股票波动的对冲；AI模型竞争扩大后，网络安全、网络基础设施和AI实施支持可能成为应用层受益方向。

风险

• 美国 hyperscaler 财报未能确认强资本开支计划，导致AI投资周期担忧再起。
• 日本AI相关公司未能跨过已显著抬高的盈利预期门槛。
• 中东等地缘风险、供应链担忧或信用利差扩大引发风险偏好下降。
• 高beta AI相关股票出现去仓位，动量反转加速。
• 若AI股票强势反弹，近期流入银行股、国内需求股或部分价值股的防御性资金可能反转。
• 日本财政扩张假设、BOJ政策方向或日元走势与报告判断不一致。
• 网络安全等应用层受益主题可能只停留在估值修复，缺乏短期盈利验证。

后续跟踪

• 美国 hyperscaler 在1Q财报中的资本开支计划与2027-2028年指引。
• 美国信用市场对大型科技企业和 hyperscaler 融资的利差变化。
• 日本AI相关公司能否在1Q财报中超越已经较高的市场预期。
• TOPIX 500动量因子是否从近期约20%回调中恢复。
• 周期价值股财报是否出现超预期盈利、上修指引或估值重估信号。
• KOA案例所显示的AI资本开支收益是否扩散到电子零部件、工业设备等相邻领域。
• 日本Basic Policy后财政扩张、日元、债券价格和BOJ加息预期的市场反应。
• Kimi K3等开放AI模型扩散后，网络安全、网络基础设施和AI实施支持的订单或盈利证据。