美股市场医疗保健股票的机会

在成本压力和惩罚性监管的背景下,医疗保健股一直表现落后。但长期趋势极其有利,使该行业成为一个引人注目的机会。

介绍

过去 10 年,医疗保健股的表现与标准普尔 500 指数基本一致。下图显示了XLV、医疗保健 SPDR 交易所交易基金 (ETF) 和标准普尔 500 指数自 2013 年以来的表现,这两个指数均从 100 开始正常化。

美国股票

但在去年,标准普尔 500 指数相对于 XLV 表现出色,如下图所示(两个指数在图表开始时均标准化为 100)。

xlv 和标准普尔

标准普尔 500 指数表现优异有多种原因。推动这一趋势的因素之一是投资者对人工智能 (AI) 的热情以及随之而来的科技股大幅上涨,而科技股在标准普尔 500 指数中占有重要地位。但医疗保健公司受到通货膨胀和劳动力成本压力的打击尤其严重。另一个不利因素是医疗保健公司面临的不利监管环境。

下表显示了 XLV ETF 的构成。这些公司从顶部的 XLV(联合健康)最大的组成部分开始显示,第二行是第二大的组成部分(强生),依此类推。

卫生保健

除了健康保险和福利公司 UnitedHealth 之外,XLV 的所有最大组成部分都涉及药物或医疗设备开发。人工智能和其他创新激发了科技股领域的巨大热情,也将使这些公司受益。人口趋势坚定支持整个医疗保健行业。问题是这些积极的基本面是否足以抵消通胀和监管阻力。

通货膨胀与监管

过去三十年,医疗保健行业的盈利增长速度超过了标准普尔 500 指数的整体增长速度。医疗保健每股收益 (EPS) 的复合年增长率为 9.9%,而标准普尔 500 指数的复合年增长率为 7%。

健康 eps

但在过去的一年里,医疗保健每股收益的增长落后于大盘。根据麦肯锡最近的一份报告,部分原因是价格压力和劳动力短缺。虽然这些趋势不太可能在短期内消失,但专注于抑制通胀的美联储和自然调整的劳动力市场意味着这些压力将会减轻。麦肯锡报告的结论是:

2023 年,美国医疗保健行业面临严峻形势,包括衰退压力、持续高通胀、劳动力短缺和流行的 COVID-19。但玩家们并没有坐以待毙。我们预计,加速改进工作将帮助该行业在 2024 年及以后应对这些挑战,最终恢复到历史平均利润率。

该行业还面临监管方面的阻力。《减少通货膨胀法案》 (IRA) 于 2022 年 8 月 16 日签署成为法律。这项立法赋予医疗保险前所未有的权力,可以与药品制造商谈判价格,然后惩罚那些不遵守卫生与公众服务部下达命令的公司。毫不奇怪,惩罚违规行为的权力遭到了行业的强烈抵制。默克公司最近起诉美国政府(《华尔街日报》文章),认为 IRA 的结构违宪。时间会告诉我们监管环境将如何演变,但鉴于亲商倾向最高法院的裁决以及此案结束的可能性(根据上述《华尔街日报》的文章),部分监管压力很有可能会减轻。

人工智能在医学中的应用

虽然人工智能对医学的直接影响可能更多地体现在效率方面(例如自动生成患者会议摘要),但人工智能和更广泛的技术创新的中长期影响将更加深远。计算方法在生物学中受到关注的一个例子可以通过轶事(例如, Flatiron 研究所的计算生物学中心)和系统地(在 Google Scholar 上搜索2023 年迄今为止的计算生物学文章)来看到。关于科技对医学的影响,《纽约时报》杂志在最近的一篇文章中声称:

我们可能正处于一个令人惊叹的创新时代的风口浪尖——其局限性甚至尚不明确。

技术创新不一定会转化为股市回报,但考虑到基础科学,如果投资者对人工智能对科技公司增长前景的影响感到兴奋,他们很可能会对相同技术在医疗保健领域的增长影响感到兴奋。投资者关注点的这种转变尚未发生,但其要素已经就位。

人口统计

根据全球人口预测,在 21 世纪余下的时间里,老年人在世界人口中的比例将稳步上升。根据“我们的数据世界”项目,本世纪剩余时间增长最快的人口群体将是 65 岁以上群体,增长第二快的群体将是 25-64 岁群体。

人口

尽管全球老龄化人口(其中大部分来自发展中国家)如何能够负担得起昂贵的发达国家医疗费用存在无数问题,但对各种医疗保健需求的潜在增长可能会成为未来几十年的行业顺风车。

估值

医疗保健行业面临着通货膨胀和工资压力等短期阻力、监管负担增加等中期阻力,但由于有利的人口结构和快速的技术创新,医疗保健行业也面临着长期的阻力。

在估值方面,医疗保健行业的市净率(P/B)传统上高于整体市场的市净率,尽管现在估值差距已大幅缩小。

健康SPX

对估值情况的另一种看法是查看医疗保健行业相对于 10 年期国债收益率水平的收益率(市盈率)。根据这一指标(EPRF),医疗保健行业相对于整体市场来说也是“便宜”的,因为其收益率比整体市场高几个百分点,尽管这两个指标随着时间的推移往往会非常接近。

健康 SPX 2

虽然这些估值论据具有启发性,但要更严格地审视当前基本面和估值如何影响医疗保健股票的预期回报,需要采用基于模型的方法。在QuantStreet,我们有两个模型可以让我们评估医疗保健(和其他)行业的未来回报前景。

其中一个模型着眼于美国行业层面的未来一年回报率在历史上如何响应不同的预测变量。下图显示了该模型对医疗保健行业的预测。

预报

如果所有预测变量都等于我们估计模型的区间内的平均值,第一个条形图(基础)给出了该行业的回报预测。下一个柱 (p_b) 显示该行业当前相对较高的市净率使回报率预期降低了 3.92%。另一方面,过去盈利增长 (ltm_eps_gr) 的下降对回报预测贡献了 3.16% 的正值,因为较低的增长率和较高的未来回报之间存在历史关联(也许是因为每年增长缓慢的行业往往会受到市场的过度惩罚。目前10年期国债利率处于高位,负利率为3.15%。其他预测变量的影响很小。明年的净回报率为 +10.59%。

我们有第二个预测模型,它使用机器学习技术在单个资产类别的层面上重复此分析,并且该模型生成类似的 +10.74% 的未来一年预测。有趣的是,第二个模型由于盈利增长放缓、滞后而提高了基准预测,并由于当前估值相对较高而降低了预测,而当前估值相对较高,通过相对于 10 年期国债利率 (EPRF) 的较低收益率来衡量。总体而言,这两个模型出于相似的原因提供了非常相似的预测。

瀑布

总结

医疗保健行业基于长期的基本面前景和有吸引力的估值提供了令人信服的投资机会。挑战在于时机。行业的积极因素——技术创新和人口统计——是多年或数十年的趋势。从中期来看,即使不是更长的时间,监管负担也将对该行业产生负面影响。通货膨胀和劳动力市场压力是目前的问题。在我看来,积极因素最终将胜出,并使医疗保健行业成为投资者战略投资组合的重要组成部分。但是,从战术角度来看,不可能说长期积极趋势何时会超过短期消极趋势。

与往常一样,投资者应考虑其风险偏好和流动性需求来调整投资组合。那些认为自己没有信息来做出明智决策的人应该咨询合格的投资顾问。

Harry Mamaysky 是哥伦比亚商学院教授、 QuantStreet Capital合伙人

韭菜热线原创版权所有,发布者:风生水起,转载请注明出处:https://www.9crx.com/74293.html

(0)
打赏
风生水起的头像风生水起普通用户
上一篇 2023年8月4日 22:57
下一篇 2023年8月4日 23:23

相关推荐

  • 北京大学Julia语言入门讲义第11章: 数据框

    统计数据分析 Julia比较适合用作数值计算,编程既有Python、R、Matlab这样的语言的简洁,又有C++这样的编译语言的运行效率。统计数据分析、作图需要用到许多复杂的算法,有些算法耗时很多,比如MCMC等。大量数据的分析、计算、测试都需要易用的编程和高效的运行效率,Julia在这两点都很适合。 Julia用作统计数据分析,缺点是其问世时间还比较短,许…

    2023年8月24日
    12500
  • 央行和投资者对黄金感兴趣

    上周世界黄金协会报告称,七月份各国央行继续增加全球黄金储备。世界黄金协会还强调,中国、波兰和土耳其是本月最大的黄金买家。 为什么央行对黄金感兴趣? 央行经常转向黄金,因为无论货币或地缘政治发展如何,它通常都能保持其价值。这可能是数据继续显示许多央行热衷于增加全球黄金储备的一个促成因素。 今年投资者也对黄金产生了兴趣。利用从Explorer平台获得的数据,我们…

    2023年9月20日
    11400
  • 这些行业在 2023 年下半年脱颖而出

    作者:Nick Peters-Golden 根据 VettaFi 最近的股票研讨会的民意调查显示,能源和信息技术是投资者最关心的两个行业。 在由 VettaFi 副主席 Tom Lydon 主持的“当今市场格局的战略行业分配”小组会议上,观众对他们认为今年剩余时间里最有吸引力的行业进行了民意调查。绝大多数受访者选择了能源(42%),信息技术紧随其后(21%)…

    2023年10月4日
    9400
  • 公司债券 ETF 杀死了“阿尔法”吗?

    自全球金融危机(GFC)以来,信贷市场已形成高度集中的买方结构。这主要是在监管机构的推动下,限制了金融机构在关键时刻提供市场流动性的能力。由于低利率和央行债券购买增加了公司债券发行量,提供流动性的便利比以往任何时候都更加重要。 因此,市场参与者转向交易所交易基金(ETF)来获得表面上的替代流动性来源,从而创造了一个新的重要买方投资者。然而,正如我们的分析所示…

    2023年8月2日
    17000
  • 北京大学R语言教程(李东风)第40章: 随机模拟

    40.1 随机数 随机模拟是统计研究的重要方法, 另外许多现代统计计算方法(如MCMC)也是基于随机模拟的。 R中提供了多种不同概率分布的随机数函数, 可以批量地产生随机数。 一些R扩展包利用了随机模拟方法,如boot包进行bootstrap估计。 所谓随机数,实际是“伪随机数”, 是从一组起始值(称为种子), 按照某种递推算法向前递推得到的。 所…

    2023年11月29日
    18000

发表回复

登录后才能评论
客服
客服
关注订阅号
关注订阅号
分享本页
返回顶部