證券時報記者 劉藝文
經歷過三年多的調整，醫藥板塊已經見底了嗎？是否存在投資機會？帶著一系列問題，證券時報記者專訪了東吳證券醫藥行業首席分析師朱國廣。
「從整個醫藥板塊而言，尤其是從處方藥板塊，大的機會估計集中在三四季度。」他稱，雖然半年報機會不大，但是其中的原料藥產業可以關註，有的標的公司已經披露了業績，業績很不錯。
他還向記者分享了自己從事研究十幾年的感悟，首先要專業，其次要勤奮，最後還要註重產業研究。
重視產業研究
證券時報記者：能否介紹一下您的研究經歷與感悟？
朱國廣：我是2011年入行的，起初在西南證券待了9年，於2020年7月加入東吳證券。2014年獲得了水晶球第一名，2015年獲得新財富最具潛力分析師，2022年拿到了新財富第三名。
在這個行業，我已經從業了13年，總體來說很多大周期曾經經歷過，有一些研究心得感悟。
首先是專業性強。醫藥行業，尤其是醫藥產業的研究壁壘比較高，所以我們招的很多分析師都是科班出身，跨專業的話可能不太容易。
其次是要勤奮。分析師本身是一個很需要付出的工作，周末甚至節假日都要工作，總體而言還是比較辛苦的。如果沒有這樣的狀態，就很難做得起來。如果你不努力，但同行都在努力，那你就落後了。
最後是要重視產業研究。對醫藥行業，我們不僅僅要研究公司、研究股票，還研究產業。產業研究，不僅僅覆蓋二級市場，還要把握一級市場產業的發展趨勢。東吳證券培養了很多買方的創新藥分析師，這些分析師分布在建信基金、工銀基金、中歐基金、富國基金等。這是東吳證券註重產業研究的成果。
目前，東吳證券每年都會召開創新藥大會，已連續召開四屆了。大的醫藥公司董事長、總經理、首席科學家等都會參加。這說明我們的創新藥研究逐漸在市場中形成了一定影響力。
此外，我們還有創新中藥大會，影響力也很大，比如達仁堂的董事長、阿膠的總經理、太極的總經理等也都會來參加。這些都說明了我們對產業研究的重視。
看好三四季度表現
證券時報記者：一段時間以來，醫藥板塊出現了明顯調整，您如何看待這一變化？
朱國廣：2021年7月以來，醫藥板塊確實有所調整，調整的原因可能是多方面的。一是與大的市場環境有關聯，整個市場呈現震蕩走勢。二是與醫藥行業本身有關，比如說集采，不管是化藥的集采、醫療器械的集采，還是中成藥的集采，都有很大的影響。三是與外部環境有關，比如藥明康德、藥明生物等受國際形勢的負面影響較大。
雖然醫藥板塊這幾年有所調整，但底層邏輯並沒有變。什麽是它的底層邏輯？比如說老齡化對醫藥板塊的需求，隨著老齡化日益嚴峻，對醫藥的需求也會明顯增多。在底層邏輯不變的情況下，政策一旦有所變化，醫藥板塊就可能迎來反轉。整體而言，醫藥板塊受政策的影響還是比較大的。
證券時報記者：目前正值半年報披露視窗期，您預計此次中期業績會對醫藥板塊的後期表現提供支撐嗎？眼下會是布局的良好視窗期嗎？
朱國廣：從整個醫藥板塊，尤其是處方藥板塊來看，大的機會估計集中在三四季度。為什麽是三四季度呢？因為去年是從7月底開始醫療反腐，比如今年上半年與去年同比的話，反腐的影響還沒有顯現，同比基數還比較高。但是從三四季度開始，去年的基數效應就已經開始顯現，同比業績可能就比較好。
雖然半年報機會沒那麽大，但其中的原料藥產業還是可以關註的。有的標的公司已經披露了業績，業績很不錯。部份中藥公司相對而言也可以關註。我們認為，眼下應該關註的是三季報和四季報，重點布局三季報裏面的處方藥、中藥和生物藥。這些藥是剛需，受其他因素影響較小。
證券時報記者：從行業細分來看，您認為醫藥板塊哪個賽道接下來確定性比較高？能否分享一下您的選股思路？
朱國廣：看好處方藥。不管是中藥處方藥，還是化藥處方藥，預計在三四季度會有較好表現。這是從業績上來判斷的。
從大的方面而言，創新藥相對來說是最好的。現在中國逐漸把更多的創新藥賣到海外，這非常值得肯定。比如科倫藥業的科倫博泰，可以賣給默沙東。可以說，創新藥是國內為數不多具有全球競爭力的產業。
AI助力新藥研發
證券時報記者：近期國家對醫藥行業方面出台了哪些政策？這些政策對醫藥行業發展產生哪些影響？
朱國廣：有幾個方面的政策，一個是醫療反腐，反腐至今有一周年，現在基本已結束，取得了一些階段性成果。後面可能是常態化的醫療反腐，但常態化反腐的影響相對小一些。
第二個是創新藥的國談政策。今年7月1日已經開始啟動，但要到10月份、11月份才開始談判。能夠進入名單的公司，相對來說會受益明顯。
第三個是集采政策。原來集采主要集中在化藥上，現在集采可能會涉及醫療器械，後期可能會圍繞醫療器械持續集采，包括一些中成藥可能也會集采。
證券時報記者：AI（人工智能）可能會對醫藥、醫療賽道模式帶來哪些改變？
朱國廣：影響主要有以下兩個方面：
第一是對藥物研發的影響。一個藥物，在研發的過程中，要尋找一些好的分子。比如說某些靶向藥物，AI能找到抑制這種腫瘤生成的主要訊號通路。這個靶點發現以後，就要找分子，而找分子是一個很復雜的過程，利用AI的算力能夠解決這一問題。
第二是對診斷的影響。比如，目前華為和潤達醫療就在合作，利用華為的算力來賦能潤達醫療。具體做什麽呢？現在醫院裏面的檢查報告的診斷，就可以用AI來解讀。
