Wyprzedaż w segmencie AI: selekcja wysokiej jakości akcji technologicznych po korekcie

Kluczowe punkty:

• Wyprzedaż akcji związanych z AI podniosła poprzeczkę w procesie selekcji spółek. Szansa nie tkwi w kupowaniu tego, co spadło najmocniej, lecz w poszukiwaniu spółek, których kurs się cofnął, podczas gdy jakość biznesu, zdolność monetyzacji AI i atrakcyjna wycena pozostają bez zmian.
• Nasz model selekcji faworyzuje wysokiej jakości spółki technologiczne o profilu wzrostowym, w których AI ma realne znaczenie. Filtrujemy pod kątem następujących kryteriów: silnego wzrostu przychodów i zysku na akcję (EPS), zdrowych marż, dodatniego wolnego przepływu pieniężnego, niskiego zadłużenia, rozsądnych wskaźników wyceny oraz wyraźnej przeceny względem ostatnich maksimów.
• Micron, Nvidia i Microsoft wypadają w modelu najlepiej: Micron zyskuje na wąskim gardle po stronie podaży pamięci HBM (High Bandwidth Memory), Nvidia pozostaje głównym motorem wzrostu przychodów w obszarze AI, a Microsoft zapewnia zdywersyfikowaną ekspozycję na AI dzięki chmurze, Copilotowi oraz oprogramowaniu dla przedsiębiorstw.

Wyprzedaż akcji związanych z AI sprawiła, że selekcja spółek zyskała dziś na znaczeniu. Okazja nie polega na kupowaniu tego, co spadło najmocniej, lecz na wyszukiwaniu spółek, których kurs się cofnął, podczas gdy jakość biznesu, zdolność do monetyzacji AI i rozsądna wycena pozostają bez zmian.

Ostatnia przecena w segmencie spółek związanych z AI rodzi wśród inwestorów odwieczne pytanie: Czy to okazja do kupna, czy sygnał ostrzegawczy?

Odpowiedź nie musi być taka sama dla każdej spółki.

Strategia „kupowania dołków” bywa ryzykowna, gdy wyceny wciąż są wysokie, oczekiwania co do zysków są wygórowane, a kapitał inwestorów jest skoncentrowany na tych samych liderach AI. Lepszym rozwiązaniem jest przefiltrowanie rynku pod kątem spółek, których kurs się cofnął, przy niezmienionych fundamentach — w tym przy niezmienionej zdolności do monetyzacji AI.

Ten filtr ma wskazywać spółki technologiczne notowane w USA, charakteryzujące się dynamicznym wzrostem, zdrowymi marżami, dodatnim wolnym przepływem pieniężnym, kontrolowanym zadłużeniem oraz wyraźnym cofnięciem kursu względem niedawnych szczytów.

Zastosowane kryteria filtra

Pierwszym krokiem jest zdefiniowanie uniwersum wysokiej jakości spółek wzrostowych. W filtrze zastosowano następujące kryteria:

• Spółki technologiczne notowane w USA: Koncentrujemy się na segmencie rynku najbardziej dotkniętym wyprzedażą związaną z AI.
• Kapitalizacja rynkowa powyżej 10 mld USD: Zawęża próbę do większych, bardziej płynnych spółek i eliminuje najbardziej spekulacyjne małe podmioty.
• 5‑letnia skumulowana roczna stopa wzrostu przychodów (CAGR) powyżej 10%: Szukamy spółek z historią trwałego wzrostu przychodów.
• 5‑letnia skumulowana roczna stopa wzrostu rozwodnionego zysku na akcję (EPS) powyżej 12%: Sprawdzamy, czy wzrost przekłada się również na zyski, a nie tylko na sprzedaż.
• Oczekiwany wzrost sprzedaży w kolejnym roku powyżej 15%: Wyróżnia spółki, w których impet wzrostu pozostaje wyraźny.
• Prognozowana marża brutto powyżej 40%: Selekcjonuje wysokiej jakości spółki technologiczne z siłą cenową, zróżnicowaną ofertą oraz skalowalnymi modelami biznesowymi.
• Dług netto/EBITDA poniżej 1x: Pozwala uniknąć spółek z wysokim ryzykiem bilansowym, co nabiera większego znaczenia w okresach podwyższonej zmienności.
• Dodatni wolny przepływ pieniężny za ostatnie 12 miesięcy: Jest to istotne, ponieważ inwestorzy coraz częściej pytają, czy wydatki na AI można finansować w sposób zrównoważony.
• Kurs akcji poniżej 90% swojego 52‑tygodniowego maksimum: Gwarantuje, że kurs faktycznie się skorygował, a nie utrzymuje się blisko szczytowych poziomów.
• Prognozowany wskaźnik P/E (forward P/E) poniżej 55x: Wprowadza dyscyplinę wyceny i eliminuje spółki wciąż wyceniane pod perfekcję.

To nie filtr „głębokiej wartości”, lecz filtr wysokiej jakości spółek wzrostowych po korekcie. Celem jest wskazanie spółek, w przypadku których rynek obniżył oczekiwania, podczas gdy fundamenty mogą pozostawać nienaruszone.

12 spółek, które spełniły kryteria wyszukiwania

• Nvidia (NVDA): Wiodący dostawca układów do zastosowań AI. Zapewnia kluczową moc obliczeniową dzięki GPU, platformom dla centrów danych i infrastrukturze AI.
• Microsoft (MSFT): Lider w chmurze i oprogramowaniu. Ekspozycja na AI wynika z Azure, Copilota, oprogramowania dla przedsiębiorstw i narzędzi produktywności.
• Micron (MU): Producent pamięci półprzewodnikowych. Zyskuje na znaczeniu w łańcuchu dostaw AI, ponieważ pamięć o wysokiej przepustowości (HBM) stanowi kluczowe wąskie gardło dla obciążeń obliczeniowych AI.
• KLA Corp (KLAC): Dostawca sprzętu dla przemysłu półprzewodnikowego, koncentrujący się na kontroli procesu, inspekcji i metrologii w zaawansowanej produkcji chipów.
• Marvell Technology (MRVL): Spółka półprzewodnikowa z ekspozycją na układy projektowane na zamówienie (custom silicon), łączność w centrach danych oraz rozwiązania sieciowe.
• Arista Networks (ANET): Dostawca rozwiązań sieciowych dla chmury, oferujący wysokowydajny sprzęt dla hiperskalerów i centrów danych.
• ServiceNow (NOW): Dostawca oprogramowania dla przedsiębiorstw, wspierającego automatyzację procesów; AI jest coraz głębiej wbudowana w jego platformę.
• Lumentum (LITE): Spółka z obszaru sieci optycznych, dostarczająca komponenty wykorzystywane na potrzeby łączności w chmurze i centrach danych obsługujących AI.
• Teradyne (TER): Producent sprzętu do testowania półprzewodników, korzystający na rosnącym popycie na testy zaawansowanych układów oraz na rosnącym zapotrzebowaniu na moc obliczeniową i pamięć na potrzeby AI.
• Nova (NVMI): Spółka metrologiczna dla przemysłu półprzewodnikowego, dostarczająca narzędzia kontroli procesu używane w zaawansowanej produkcji chipów.
• Onto Innovation (ONTO): Producent sprzętu półprzewodnikowego działający w obszarach inspekcji, metrologii i zaawansowanego pakowania, w tym wytwarzania chipów na potrzeby AI.
• Guidewire Software (GWRE): Dostawca oprogramowania chmurowego dla branży ubezpieczeniowej, oferujący dodatkową ścieżkę wzrostu związaną z AI, choć monetyzacja jest mniej bezpośrednia niż w przypadku spółek infrastrukturalnych.

Ocena jakości po wyprzedaży w segmencie AI

Po wyłonieniu listy 12 spółek kolejnym krokiem jest ich uszeregowanie.

Model opiera się na czterech filarach i przyznaje maksymalnie 100 punktów.

1. Jakość biznesu - 30%

Oceniamy, czy spółka jest fundamentalnie na tyle mocna, by po wyprzedaży zasługiwała na drugie spojrzenie.

Podkryteria:

• 5‑letnia skumulowana roczna stopa wzrostu (CAGR) przychodów
• 5‑letnia skumulowana roczna stopa wzrostu rozwodnionego zysku na akcję
• Oczekiwany wzrost przychodów w kolejnym roku
• Marża brutto
• Dług netto/EBITDA
• Rentowność wolnych przepływów pieniężnych

2. Zdolność monetyzacji AI - 30%

To element oceny eksperckiej.

Pytamy, czy wpływ AI jest już wyraźnie widoczny w przychodach, portfelu zamówień i nowych zamówieniach, a także w wykorzystaniu chmury, sile cenowej lub wdrożeń wśród klientów.

3. Poprawa wyceny - 20%

Ten filar weryfikuje, czy wyprzedaż faktycznie poprawiła atrakcyjność wyceny.

Aby wzmocnić wiarygodność oceny, łączymy dwa podejścia:

• Wycena absolutna: prognozowany wskaźnik P/E (forward P/E)
• Niższy prognozowany wskaźnik P/E oznacza wyższą punktację.
• To pokazuje, czy spółka nie jest wciąż wyceniana na perfekcję.
• Wycena relatywna: Z‑score wskaźnika P/E względem 5‑letniej historii.
• Ujemny Z‑score oznacza, że spółka handluje poniżej własnej 5‑letniej średniej wyceny
• Dodatni Z-score oznacza, że spółka jest nadal notowana powyżej swojej 5-letniej średniej wyceny.
• To pomaga ocenić, gdzie reset wyceny jest naprawdę znaczący.

Proponowana skala punktowa:

A. Wynik prognozowanego wskaźnika P/E - 50% wyniku wyceny

• P/E poniżej 15x = 5
• 15-25x = 4.5
• 25-35x = 4
• 35-45x = 3.5
• Powyżej 45x = 3

B. Relatywny Z‑score P/E — 50% wyniku wyceny:

• Z‑score poniżej −1,5 = 5
• -1,5 do -0,5 = 4,5
• -0,5 do +0,5 = 4
• +0,5 do +1,5 = 3,5
• Powyżej +1,5 = 3

Łączna formuła wyceny:

Wynik wyceny = (punkty za forward P/E × 50%) + (punkty za relatywny Z‑score × 50%)

Następnie ta łączna ocena wyceny trafia do modelu z wagą 20%.

4. Skala korekty względem szczytu - 20%

Wykorzystujemy miarę „cena jako procent 52‑tygodniowego maksimum”. 

Im niższa wartość, tym głębsza korekta.

Proponowane punktowanie:

• Spadek o ponad 40% = 5
• Spadek o 25–40% = 4,5
• Spadek o 20–25% = 4
• Spadek o 15–20% = 3,5
• Spadek o 10–15% = 3

To premiuje spółki, w których reset wyceny był bardziej znaczący.

Łączna formuła oceny:

Wynik końcowy to średnia ważona, a nie prosta średnia:

Łączny wynik =

• Jakość biznesu × 30%
• Zdolność monetyzacji AI × 30%
• Poprawa wyceny × 20%
• Skala korekty względem szczytu × 20%

To ważne, bo nie wszystkie czynniki powinny ważyć tak samo. Po wyprzedaży w segmencie AI bardziej liczą się jakość biznesu i realna monetyzacja AI niż sama skala spadku kursu.

Orientacyjny ranking 12 spółek

*W przypadku Guidewire brak dostępnego relatywnego Z‑score wskaźnika P/E, więc ocena wyceny opiera się wyłącznie na forward P/E. Alternatywnie można przyjąć neutralny wynik dla wyceny względnej.

Wnioski z rankingu

Model plasuje na czele spółki: Micron, Nvidia i Microsoft, ponieważ łączą wysoką jakość biznesu z klarowną monetyzacją AI oraz bardziej sprzyjającą wyceną po wyprzedaży.

Micron wypada szczególnie dobrze, bo AI to nie tylko moc obliczeniowa, lecz także przepustowość pamięci. HBM pozostaje jednym z najistotniejszych wąskich gardeł w infrastrukturze AI. To daje Micronowi mocniejszy profil monetyzacji AI niż sugerowałaby łatka „cyklicznej spółki pamięciowej”.

Nvidia pozostaje jednym z najsilniejszych motorów wzrostu przychodów z AI na rynku. Jej korekta względem szczytów była płytsza niż u części konkurentów, ale jakość biznesu i bezpośrednia widoczność monetyzacji AI pozostają wyjątkowe. Ujemny relatywny Z‑score P/E sugeruje też, że względem własnej historii akcje są wyceniane bardziej rozsądnie. Kluczowe ryzyko: oczekiwania wciąż są wysokie, więc wyniki muszą dalej uzasadniać wycenę.

Microsoft oferuje bardziej zdywersyfikowaną ekspozycję na AI poprzez chmurę, oprogramowanie dla przedsiębiorstw i narzędzia produktywności. Jest mniej bezpośrednio cykliczny niż spółki półprzewodnikowe, a jednocześnie daje ekspozycję na wdrożenia AI w Azure i Copilocie oraz popyt na oprogramowanie dla firm. Jego wycena relatywna prezentuje się również bardziej sprzyjająco po korekcie.

Kolejna grupa — Arista, Marvell, Teradyne, KLA, Nova, Onto Innovation i Lumentum — reprezentuje szerszy łańcuch dostaw infrastruktury AI. Te spółki mają ekspozycję na sieci, układy projektowane na zamówienie, testowanie półprzewodników, metrologię, łączność optyczną i zaawansowaną produkcję chipów.

To ważne, bo inwestowanie w AI to nie tylko GPU. Infrastruktura AI potrzebuje również pamięci, sieci, testowania, inspekcji, pakowania i łączności centrów danych.

ServiceNow i Guidewire to bardziej historie inwestycyjne oparte na oprogramowaniu. ServiceNow ma wiarygodny wątek wdrożeńi AI w przedsiębiorstwach i odnotował znaczącą korektę, ale inwestorzy mogą oczekiwać dalszych dowodów, że AI realnie napędza przychody, dosprzedaż lub ekspansję marż. Guidewire jest raczej spółką typu compounder z potencjałem wzrostu związanym z AI niż bezpośrednim motorem monetyzacji AI.

Zagrożenia, na które należy zwrócić uwagę

Wciąż istnieją istotne zagrożenia.

• Oczekiwania wobec zysków wciąż mogą być zbyt wysokie: część liderów AI będzie musiała realizować bardzo mocne wyniki, by uzasadnić obecne wyceny.
• Nakłady inwestycyjne na AI mogą spowolnić lub zmienić kierunek: jeśli hiperskalerzy zmienią plany wydatków, fragmenty łańcucha infrastruktury AI mogą ulec szybkiemu przeszacowaniu.
• Korelacje znów mogą wzrosnąć: nawet zdywersyfikowane spółki infrastruktury AI mogą spadać razem, jeśli gra pod AI będzie się dalej odwracać.
• Reset wyceny nie zawsze oznacza „tanio”: kurs akcji może być niższy względem szczytów, a wciąż może mu towarzyszyć wysoka wycena.
• Monetyzacja AI w oprogramowaniu wymaga dowodów: spółki z silną narracją AI, ale słabymi potwierdzeniami w wynikach finansowych, pozostaną wrażliwe.
• Ryzyka makroekonomiczne i geopolityczne nadal mają znaczenie: wyższe rentowności, zmiana oczekiwań co do ścieżki polityki Fed, zmienność na rynku energii czy szoki geopolityczne mogą utrzymywać presję na spółki wzrostowe wrażliwe na stopy procentowe.

Podsumowanie

Wyprzedaż stworzyła ciekawsze punkty wejścia w niektórych segmentach technologii, ale jednocześnie podniosła poprzeczkę w procesie selekcji spółek.

Najlepszymi kandydatami po wyprzedaży nie muszą być te, które spadły najmocniej. Chodzi o spółki, których kurs się skorygował, ale siła generowania zysków, jakość biznesu i monetyzacja AI pozostają nienaruszone.

Ten przegląd wskazuje użyteczną listę obserwacyjną obejmującą obszary: moc obliczeniowa AI, chmura, pamięć, sieci, infrastruktura optyczna, sprzęt półprzewodnikowy oraz wybrane spółki z obszaru oprogramowania.

Dla inwestorów kolejna faza trendu AI może mniej polegać na kupowaniu wszystkiego z metką AI, a bardziej na wskazywaniu spółek, które rzeczywiście monetyzują rozbudowę tej infrastruktury.