中枢神经系统疾病药物研发困境逐步反转。中枢神经系统（CNS）疾病临床 需求未被满足，患病人群数量庞大，但领域内曾多年未出现新药。究其原因主要有：1）血脑屏障阻碍药物进入中枢神经系统；2）大部分 CNS 疾病缺 乏明确致病机理；3）临床试验设计难度大，缺乏可量化和评估的疾病标志物；4）CNS 系统毒副作用影响大，需要综合评估收益。虽然 CNS 新药开发难度大，但同时说明 CNS 领域内药物研发壁垒高，从而为新药带来更长的生命周期。回到当前时点，CNS 领域的部分适应症例如阿尔茨海默病、精神分裂症、偏头痛等领域近年来逐渐有所突破，出现新机理药物获批，同时跨国药企也在加码 CNS 领域的布局，CNS 领域研发困境逐步反转。

芯片是 AI 算力的主要载体，AI 产业应用浪潮带动高性能芯片的需求增长。生成式 AI 浪潮下，英伟达数据中心业务迎来加速增长。在 AI 大模型训练和推理助推算力需求、AIPC 生态建立增加 PC 终端硬件需求、物联网和 5G 技术下算力需求存在下沉趋势的情况下，高性能芯片需求上升。国内外 AI 芯片产品升级迭代，芯片市场成长空间可观。据中国信通院测算，预计未来五年全球算力规模的增速将在 50% 以上。AMD 预计 2027 年的全球 AI 芯片（用于数据中心）市场规模 4000 亿美元。

核药（放射性药物）是现代医学的重要组成部分，涵盖多种功能。核药可以对病灶进行精准定位，实现疾病的早期无创性诊断，具有灵敏度高、方法简便准确和合乎生理条件等特点。同时，核药还可对人体组织进行有效性杀伤，从而治疗某些疾病，让人体更加健康。

全球医疗健康融资额2023年同比2022年仍有一定幅度下滑，基本接近2019年水平。2023年全球生物医药融资金额为575.43亿美元，同比2022年下滑34%，与2019年融资额631.05亿美元基本接近。2023Q4融资金额小幅仍然下滑，2023Q1-2023Q3三个季度融资金额环比保持平稳。2022Q4-2023Q3 全球医疗健康季度融资金额分别为155.52、152.45、154.58、152.03亿美元，季度间环比保持平稳。2023Q4季度融资金额为116.38亿美元，同比2022Q4季度融资金额下滑25%。

目前我国养老理财市场中养老理财产品占大头，个人养老金理财产品占比小。从“四地四机构”到“十地十机构”的试点推进，养老理财规模从 0 提高到 1000 亿以上。个人养老金制度试点，个人养老金产品规模也在扩展，但是个人养老金理财产品规模只有 17 亿。未来，随着个人养老金制度在全国范围内推进，养老理财产品发行机构和发行区域扩大，将助力养老理财市场的繁荣和规模的扩大；理财子可将养老类理财纳入到养老生态圈，从产品匹配、产品和渠道多元化以及制度体系完善、借鉴海外经验等方面，通过产品类型和规模并重，来加快养老理财市场的发展。

2013 年是中国经济的重要转折点，中央首次提出“三期叠加”，意味着经济从高增长向高质量发展阶段演变，对于当前宏观环境存在借鉴意义。2014 年也是房地产周期的重要节点，开启了 2015-2021 年一轮强势上行周期。此外，2013-2014 年是金融严监管的初期，对后续金融去杠杆奠定基础。2013-2014 年投资环境与当前存在相似性，位于熊市后期市场底部。

我们从社融各子项的经济逻辑、高频数据、季节性特征等角度出发，于每月月末进行社融预测。每月的社融数据通常由央行于次月 10-15 日公布，存在一定 的滞后性。在之前的报告《社融指标全解析与预测框架构建》中，我们构建了自下而上的社融拆分预测框架，过去一段时间对社融的总量和结构给出了较为准确的预测。

2024 年 2 月 15 日，印度新能源和可再生能源部（MNRE）发布文件称：2024 年 4 月 1 日将重新实施光伏组件认证清单（ALMM， Approved List of Models & Manufactures）。

2024 年 1 月 9 日，《华尔街日报》（Wall Street Journal）发表署名文章：The Latest Dirty Word in Corporate America: ESG，直击美国国内目前面 临的 ESG 争议。此文在海外市场并未引发主流关注，讨论寥寥；但被国内媒体翻译为《美国企业界的一句最新脏话：ESG》并转载后，迅速传遍国内舆论场。

延续 DiTs 架构，Sora 实现高质量长视频生成。根据技术报告，Sora 延续 DiTs 架构，随训练计算量提升而展现出显著的生成能力提升（Scalable）。相较先前模型，我们认为其最为突出的创新之处在于：1）LDM 自编码器实 现时间维度压缩，使得长视频生成成为可能；2）直接对 LDM 中潜视频进行图块化处理并直接使用 Transformer 建模，解除输入格式限制的同时，能够创新性地实现任何像素和长宽比视频的生成；3）我们判断其训练数据集中可能包含带有物理信息的合成数据，从而使模型展现出对物理信息的初步理解能力；4）复用 DALL·E 3 的重标注技术，对视频数据生成高质量文字标注，借助 GPT 对提示词进行扩展，提升生成效果。