中观行业盈利预测模型研究——周期行业篇

站在投资的角度，决定股票价格的无非是估值和盈利两个因素，相对于估值的频繁波动，盈利则更加确定一些；目前市场上主要证券公司研究机构对于行业业绩的预测有两种研究方法，一部分机构倾向于主观判断，一部分机构则采用自下而上的研究方法。我们认为，自上而下进行行业业绩预测或许更客观化、富有逻辑性，通过利用丰富的中高频宏观数据和行业数据，月频跟踪行业整体盈利变动情况，并随着月频、周频的宏观行业数据持续披露，及时做出调整。既能月频跟踪行业动态，减弱财务信息公布的滞后性，又能对行业未来做出一定的预测。 我们建立了“中观行业盈利预测模型”，本文针对大周期行业进行分析和预测，包括煤炭、化工、电力、钢铁、基本金属。 煤炭：影响煤炭行业的两大核心因素，“阶段性政策转向”和“供需关系”，对应政策干预和市场化，两种“无形的调控手段”使得煤价，在煤炭于我国能源重要性决定的价格下限，和公用事业属性决定的价格上限之间波动，形成更强的周期性。因此，我们煤炭行业的盈利预测包括两大部分，阶段性政策的定性分析预测和市场供需定量模型。煤炭行业23Q4营收累计增速预计-6.80%，利润累计增速-31.88%。 化工：鉴于化工行业身处供应链的靠中位置，向上衔接上游资源，向下连接各行各业，行业紧跟我国经济周期，因此，化工行业属于强周期性行业，预测其行业盈利的关键在于把握行业的周期特性；模拟市场供需关系，包括产品价格、需求端、供给端等因素，利用定量模型能较为客观地模拟化工品的供需平衡，达到行业业绩预测地效果。化工行业23Q4营收累计增速预计-3.73%，利润累计增速-35.60%。 电力：电力行业是一个半周期半公用事业属性的行业；在周期性市场性下，销售电价受供需影响，供给需求紧平衡下，电价具备上行动力，供给需求宽松下，电价或承压；然而，公用属性所附带的社会责任限制了电价大幅上行的能力；两种属性在不同的政策环境下，比重有所变化。因此，我们对电力行业的盈利预测模型将采用定量为主、定性相辅的方法，定量衡量模拟电力市场的供需关系，定性分析当前政策环境下周期性和公用事业属性的平衡。 电力行业23Q4营收累计增速预计8.97%。 钢铁：钢铁行业是一个以需求为主导的竞争市场，具备经济学里的“存在大量买家和卖家”、“产品同质化”、“进入退出市场困难”的市场特征，在供给侧改革后，行业受钢材需求影响较大，具有强烈的周期性和市场性，因此，模拟好钢材市场的供需关系对于我们预测钢铁行业盈利极为重要，我们采用定量的方法，建立模型， 模拟跟踪钢材市场供需关系的变化。 钢铁行业23Q4营收累计增速预计-3.30%，利润累计增速-25.20%。 基本金属：由于疫情后财政政策的不同，中美经济周期错位，导致上游资源需求或呈现扁平化，短期内难出现21年供需紧平衡的局面；在经济周期错位下，未来中美大类资产或走向分化格局，因此预测未来我国基本金属行业业绩需把握好国内铜铝的供需关系，我们的定量预测模型不断跟踪国内铜铝的供需情况，在配合宏观指标预测下，给出未来行业盈利判断。基本金属行业23Q4营收累计增速预计8.65%，利润累计增速5.20%。 风险提示：行业政策风险、数据统计错误风险、模型训练风险、模型过拟合风险。 1.中观行业盈利预测模型 站在投资的角度，决定股票价格的无非是估值和盈利两个因素，相对于估值的频繁波动，盈利则更加确定一些；目前市场上主要证券公司研究机构对于行业业绩的预测有两种研究方法，一部分机构倾向于主观判断，一部分机构则采用自下而上的研究方法；两类方法存在一定的缺陷，例如，盈利预测存在主观性，盈利预测的时间跨度较大，预测并不能跟随宏观经济、政策的变动及时做出调整，导致行业拐点的把握不够及时准确。 为解决上述问题，我们推出了“中观行业盈利预测模型”： 模型核心思路：不同于一致预期盈利预测，我们的行业盈利预测模型采用自上而下的方法，通过利用丰富的中高频宏观数据和行业数据，紧密跟踪行业整体盈利变动情况，并随着月频、周频的宏观行业数据持续披露，及时做出调整；例如，上游周期行业的经营具备较强的周期性，跟宏观经济发展、产品出厂价格相关性较高，可利用月度的宏观数据以及预测数据（工业增加值、固定资产投资完成额等）对行业增速进行大趋势上的判断，再利用行业数据（产品价格、产量等）进行细微的修正，达到近似跟踪和预测的效果。 图表1：大致上，周期行业的业绩具备较强周期性，受经济发展、产品价格影响较大 模型方法论：行业业绩动态跟踪模型采用数据建模的标准流程，特征工程-建模调参-模型评估。 特征工程： 数据预处理：包括处理异常值（通过识别和剔除或替换异常数据）、处理缺失值（通过填充、删除或估算缺失数据）、以及数据标准化（将数据转换为具有零均值和单位方差的格式，以便不同量级的特征可以公平比较）。 特征提取：涉及从原始数据中提取有意义的信息，通过聚合、摘要统计、使用领域知识来构建新特征。 特征选择：旨在识别哪些特征对预测最有用，方法包括相关性分析、主成分分析（PCA）。 建模调参： 模型选择：根据问题的性质选择合适的模型。包括线性回归、决策树、随机森林、神经网络等。 超参数调优：利用技术找到最佳的模型参数设置。通过多轮测试，找到提高模型性能的最佳参数组合。 交叉验证：确保模型在不同数据子集上的表现稳定，从而避免过拟合。 模型评估： 性能指标：根据模型类型选择合适的性能评估指标。 结果分析：对模型的预测结果进行深入分析，注重模型决策过程的可解释性。 模型验证：使用独立的测试数据集来验证模型的泛化能力，确保其在未见数据上的表现。 2.煤炭 2.1模型框架：把握好“阶段性政策转向”与“行业大周期性” 复盘过去数轮煤炭的周期，影响煤炭行业的两大核心因素，阶段性政策和供需关系，对应政策转向和周期。 煤炭行业历来受政策关注和影响，远有供给侧改革，近有能耗双控和可再生能源发展，并伴随着逆周期的“稳增长”政策和发改委政策指导，政策的转向给煤炭行业带来了机会和调整。整体上，政策态度看似矛盾复杂，实则简单清晰，回归本质，我们需理解煤炭行业的重要性以及其行业属性；由于我国的资源禀赋和能源自主可控的大方针，过去现在未来，煤炭都将是我国能源供给的主要来源，不可或缺，根据国家统计局数据，2022年煤炭消费量占能源消费总量的56.2%，即使面对可再生能源的崛起，我国能源消费里煤炭的总量难以撼动；煤炭的难以替代决定了煤炭的价值以及价格的下限。然而，煤炭行业的周期性和公用事业属性决定了煤炭价格的上限，考虑到供需关系和其维持能源供应稳定的重要责任，煤价不宜过高。通过市场供需和政策调控，两种手段，煤炭价格在其重要性决定的上限和行业属性决定的下限之间波动。 煤价决定了煤炭行业的营收和利润，体现了供给侧改革后行业的周期性逐渐变强。根据相关性分析，煤炭行业业绩与动力煤价格、炼焦煤价格呈强正相关，然而，与煤炭产量的关系甚微，体现了供给侧改革后煤炭产能出清效果较好，行业周期性渐强。 图表2：供给侧改革后，煤炭行业营收累计增速与煤价强相关 图表3：供给侧改革后，煤炭行业利润累计增速与煤价强相关 煤炭价格与宏观经济发展、工业用电量强正相关。根据《中国碳中和综合报告2020》，我国煤炭的主要用于火力发电，电力行业占我国煤炭消费总量的54%；同时，我国全社会用电量中，第二产业用电量占比最高，近十年内二产用电占比维持在70%附近；因此，工业用电决定了煤炭的大部分需求，相关性分析显示，工业用电量指标跟煤价呈现强相关，其次是经济增速。 图表4：煤价与工业用电量、宏观经济增速相关性较高 总结以上，煤炭行业的盈利预测包括两大部分，阶段性政策的分析预测和市场供需模型，对应影响煤炭行业的两大因素，阶段性政策拐点和供需。针对模拟供需关系，我们构建了行业模型，主要用到“动力煤价格”、“GDP增速”、“工业用电量”等指标作为模型自变量；针对阶段性政策的拐点判断，我们使用主观性分析，通过分析经济数据以及近期政策动态和风向，给出政策预判。 图表5：煤炭行业模型框架 2.2模型效果 营收累计增速： 图表6：煤炭行业整体营收累计增速模型拟合效果较好，校正R方0.86 图表7：营收累计增速模型回归效果 利润累计增速： 图表8：煤炭行业利润累计增速拟合效果较好，校正R方0.86 图表9：利润累计增速模型回归效果 毛利率： 图表10：煤炭行业毛利率拟合效果一般，校正R方0.43 2.3四季度行业预判 图表11：煤炭行业营收增速预测 图表12：煤炭行业利润增速预测 3.化工 3.1模型框架：把握行业周期的特性 化工深入我国各行各业，行业周期紧跟我国经济周期。化工产品广泛应用于人们的衣食住行，从着装中的涤纶长丝、种植所用的化肥农药、住宅中的塑料涂料，到汽车轮胎中的橡胶等，都属于化工产品；化工行业向下链接纺织服装、农林牧渔、房地产、汽车等众多行业，也因此与我国的经济整体发展密不可分，根据相关性分析，化工行业整体营收增速与名义GDP增速的相关性达0.73，高度相关；最后，考虑到化工行业身处供应链中间，受上游原材料和下游需求两头的刺激，其行业周期自然紧跟我国经济周期。 化工行业业绩主要取决于化工品价格，彰显行业的强周期特性。化工行业营收和利润增速与众多行业指标息息相关，包括产品价格、出口金额、库存等，其中，与化工品价格最为相关，相关性超过0.85；然而，产量指标与行业业绩的关联度较低，行业产量的增加缩小对业绩的影响较小。因此，化工行业的景气度取决于产品价格，而不是产量，体现了化工行业具备较强的周期性。 图表13：化工行业营收累计增速与化工品价格高度相关，体现行业具备较强的周期性 图表14：化工行业利润累计增速与化工品价格高度相关，体现行业具备较强的周期性 综上所述，化工行业属于强周期性行业，预测其行业盈利的关键在于把握行业的周期特性，模拟市场供需关系，包括产品价格、需求端、供给端等因素，利用模型能较为客观地模拟化工品的供需平衡 ， 达到行业业绩预测地效果 。模型采用 “ 名义GDP增速 ”、“中国化工产品价格指数”等作为自变量，建立模型。 图表15：化工行业模型框架 3.2模型效果 图表16：化工行业整体营收累计增速模型拟合效果较好，校正R方0.82 图表17：模型回归效果 考虑到利润增速预测的复杂性，我们采用定性定量相结合的方法，预测逻辑采用利润表链条（营收-毛利率-净利润-利润增速）。通过模型先预测营收和毛利率，然后扣除定性分析三费后得到净利润、利润增速。 图表18：化工行业整体毛利率模型拟合效果一般，校正R方0.49 3.3四季度行业预判 图表19：化工行业营收增速预测 图表20：化工行业利润增速预测 4.电力 4.1模型框架：把握周期性市场性与公用事业属性之间的动态平衡 电力行业是一个较为复杂的行业，既有周期属性市场属性，又有公用事业属性，两类属性在不同时间和政策环境下实现动态平衡。不同于其他行业，我国电力行业除了一定的盈利要求外，还自带重要的社会责任，服务于城市生产、流通和居民生活，提高整个城市的劳动生产率；因此，电力行业较为复杂，需平衡好市场属性和社会责任之间的关系，是一个半周期半公用事业属性的行业。行业的周期性和公用事业属性在不同的时间和电力政策下形成新的平衡，1985年前，发电供电一体化，政府分类制定售电电价，2015年，开启电力市场化改革，发电、输配电、售电相互分离，采取“管住中间，放开两头”的策略，行业的市场属性周期属性逐步被释放，2021年，国家发展改革委印发《关于进一步深化燃煤发电上网电价市场化改革的通知》，推动工商业用户全部进入电力市场，按照市场价格购电，取消工商业目录销售电价，电力行业的周期属性进一步放大。 图表21：在较长的时间跨度内，电力行业营收与宏观经济指标的相关性较低 图表22：电力市场化改革后，电力行业营收与宏观经济指标的相关性显著提高 我国电力市场化改革本质上是电力体制改革，逐步从计划运行机制过渡到市场运行机制，改革目的是优化电力资源配置，激