核心观点
本研报探讨了化工行业周期性波动和边际利润反转的可能性。报告认为，由于暂时性冲击导致的边际利润大幅波动往往比结构性变化更能引起投资者的关注。研报重点分析了玉米、烯烃、甲醇等化工品的边际利润和竞争力变化，并利用机器学习模型预测了未来6个月、12个月和36个月内的反转概率。
关键数据和研究结论
- 反转概率： 研报指出，目前甲醇、氨和烯烃的反转概率最高。对于评级为“买入”的 MEOH 来说，今年夏天可能会出现波动；对于评级为“买入”的 NTR 和“持有”的 LXU 来说，2025年可能会出现上涨；如果烯烃利润率改善的速度快于预期（例如，由于关税导致的需求下降），那么评级为“持有”的 LYB 和 DOW 也可能存在上涨空间。
- 均值回归测试： 研报发现，大多数跟踪的关键商品利润率利差和比率在过去十年中没有显示出可靠的均值回归。
- 季节性趋势： 对于大多数化工公司来说，第二季度是最大的成交量季度，其次是第三季度。通常情况下，上半年的产量占全年的55%-65%。
- 低ess图表： 研报认为，低ess平滑器可以更好地识别长期趋势，因为它受异常值的影响较小。
- 控制图： 研报建议投资者首先关注终端市场需求和下游库存周期，然后是计划外的停产规模、产能新增的时机、对原料价格的政策冲击（例如，OPEC政策的转变）以及副产品经济的转变。
- KISS法则： 研报提出了几个简单的框架来评估化工品反转风险，包括：
- KISS #1：动量导致反转： 商品利差或比率的动量越负，未来6个月、12个月甚至36个月内该利差或比率就越有可能上升。
- KISS #2：偏差反转： 将当前条件与历史利润率利差或替代品套利比率的十位数进行比较，并使用该十位数来预测急剧反转的风险。
- KISS #4：ROIC反转，或边际成本回归： 高成本曲线上的化工资产通常大部分时间都在盈亏平衡点附近运行。当一家商品在高成本曲线上的公司 ROIC 大于7%时，通常只需要2-5个季度，ROIC 就会回落到7%以下。当 ROIC 低于0%时，利差通常在不到6个月内恢复到正值。
- 机器学习模型： 研报使用了基于机器学习的模型来预测反转概率，并提供了对未来6个月、12个月和36个月内反转概率的详细分析。
总结
本研报为投资者提供了分析化工品反转风险的多种框架和工具，并利用机器学习模型预测了未来一段时间内关键化工品的反转概率。研报认为，投资者应关注动量、偏差、ROIC 等指标，并结合控制图、低ess图表等工具来评估化工品反转风险。
