# Кай Ву о нематериальных активах: «Это единственный фактор, объясняющий провал Value-акций»

Источник: https://www.youtube.com/watch?v=kV0G8oy2jiU
Канал: Excess Returns
Опубликовано: 02.01.2025

---

За последние 15 лет стратегии, основанные на традиционных факторах стоимости (Value), столкнулись с беспрецедентными трудностями, а международные рынки значительно отстали от США. В интервью каналу Excess Returns основатель Sparkline Capital Кай Ву (Kai Wu) объясняет этот феномен переходом от индустриальной экономики к экономике нематериальных активов. По его мнению, именно неумение стандартного бухгалтерского учета оценивать интеллектуальную собственность, бренды и человеческий капитал создает искаженную картину реальности для современных инвесторов.

## 📉 Кризис традиционного стоимостного инвестирования
[[JUMP:0:00]]

Традиционный фактор стоимости Фама-Францу (Fama-French), основанный на отношении рыночной цены к балансовой стоимости (P/B), демонстрировал стабильную доходность в течение 80 лет, начиная с 1926 года [3:42]. Однако последние 15 лет стратегия находится в глубоком упадке. Кай Ву утверждает, что «стоимостное инвестирование не мертво по определению», так как покупка недооцененных активов всегда должна приносить доход, но проблема заключается в методах измерения этой стоимости [4:07].

В эпоху Бена Грэма, когда создавался классический секьюрити-анализ, экономика была индустриальной, и балансовая стоимость отражала реальное положение дел [4:48]. Сегодня же основная ценность таких гигантов, как Apple, Nvidia или Alphabet, сосредоточена в нематериальной части баланса. Инвестор, который игнорирует нематериальные активы, будет систематически недооценивать инновационные компании с современными бизнес-моделями [5:15].

Основные проблемы учета нематериальных активов по стандартам GAAP:

*   **Непоследовательность:** расходы на физическое строительство (заводы) капитализируются и переносятся в баланс, тогда как расходы на R&D (исследования и разработки) списываются как текущие затраты [6:10].
*   **Наказание за инновации:** компании, инвестирующие в будущее, выглядят менее прибыльными «на бумаге», чем те, что эксплуатируют старые физические активы [6:35].
*   **Нелинейность результатов:** в отличие от строительства завода, инвестиция $50 млн в разработку лекарства может принести либо миллиарды, либо ноль, что делает историческую стоимость инвестиций плохим индикатором итоговой ценности [7:44].

## 🤖 Измерение «неизмеримого» с помощью ИИ и NLP
[[JUMP:8:48]]

Поскольку бухгалтерская отчетность не дает полной картины, Кай Ву предлагает использовать альтернативные данные (Big Data). Для этого Sparkline Capital применяет методы обработки естественного языка (NLP) и машинного обучения. Это позволяет извлекать структурированную информацию из миллионов неструктурированных документов: патентных заявок, профилей LinkedIn, отзывов на Glassdoor и реестров товарных знаков [9:26].

Кай Ву выделяет четыре «столпа» нематериальной стоимости:

1.  **Интеллектуальная собственность (IP):** анализ патентных аннотаций позволяет отличить передовые технологии от устаревших [14:13].
2.  **Бренд (Brand Equity):** мониторинг товарных знаков. Ву приводит в пример кейс Mattel и бренда Barbie: через данные USPTO можно отследить создание целой «вселенной» вокруг одного бренда — от кукол до кино и аксессуаров [16:38].
3.  **Человеческий капитал:** использование данных LinkedIn для оценки качества персонала. Sparkline Capital разработала алгоритм, похожий на PageRank, который оценивает компании по их способности переманивать таланты из других престижных фирм [15:04].
4.  **Сетевые эффекты:** ценность, создаваемая экосистемой пользователей и партнеров.

Кай Ву отмечает, что обучение собственных моделей (например, BERT от Google) в 2019 году было необходимостью, но сегодня инструменты демократизировались благодаря API от OpenAI, что позволяет эффективнее выявлять нюансы в текстах [11:11].

## 🌍 Почему международные рынки отстают от США
[[JUMP:28:13]]

За последние 14 лет разрыв в доходности между акциями США и международными рынками составил около 8% годовых [29:30]. Многие аналитики объясняют это разницей в оценках (мультипликаторах), но Кай Ву провел декомпозицию и выяснил, что основная причина — фундаментальные показатели.

Ключевые цифры исследования Ву:

*   Ежегодный рост прибыли на акцию (EPS) в США составил 5,5% в долларовом выражении [30:09].
*   Международные акции показали отрицательный рост — минус 0,1% за тот же период [30:22].
*   Корреляция между уровнем инвестиций страны в нематериальные активы (R&D, бренды) и последующим ростом EPS составляет около 54–70% [33:15].

По мнению эксперта, США лидируют во всех 11 секторах экономики по уровню нематериальных инвестиций, а не только в технологиях [34:19]. Это связано с более благоприятной средой для предпринимательства и меньшим количеством регуляций по сравнению с Европой, которая «стреляет себе в ногу», ограничивая развитие ИИ [35:22].

## 🇨🇳 Развивающиеся рынки и фактор Китая
[[JUMP:45:23]]

На развивающихся рынках (EM) инвесторы традиционно полагаются на материальные активы. Однако Кай Ву утверждает, что стратегия нематериальной стоимости работает и здесь. Особенно ярко это проявилось в случае с Китаем.

В 2020 году, когда Китай находился на пике и занимал 40% индекса MSCI EM, стратегия Ву показала максимальный «недовес» (underweight) по этой стране — на 20% ниже индекса [48:14]. Это произошло органически: модель увидела переоцененность активов относительно их реальной интеллектуальной мощи. Когда китайский рынок обвалился на 43%, стратегия сохранила капитал инвесторов, не используя при этом макроэкономических прогнозов [47:21].

Ву подчеркивает, что 2/3 избыточной доходности (альфы) его стратегии на международных рынках обеспечивает именно выбор конкретных акций (stock selection), а не ставка на определенные страны или сектора [49:05].

## 👨‍💻 Будущее финансового аналитика в эпоху LLM
[[JUMP:56:39]]

Кай Ву скептически относится к идее использовать ИИ для прямого предсказания цен акций на основе исторических данных, называя это «опасным оверфиттингом» (переобучением модели) [53:15]. Рынки нестационарны, и то, что работало в прошлом, быстро арбитражируется.

Однако он оптимистичен в вопросе трансформации профессии аналитика:

*   **Автоматизация:** ИИ заберет на себя рутину — создание презентаций, вычитку текстов и структурирование данных [58:50].
*   **Человеческая роль:** за людьми останутся креативность в создании стратегий, эмпатия и общение с клиентами [58:37].
*   **Новые рабочие места:** Ву проводит аналогию с аграрным сектором: когда-то 90% населения работало в поле, сегодня — 2%, но появились пилоты, инженеры и «промпт-инженеры», а общее богатство общества выросло [59:42].