【长城策略】中观行业盈利预测模型研究——中游制造行业篇(汪毅,简宇涵)

（以下内容从长城证券《【长城策略】中观行业盈利预测模型研究——中游制造行业篇(汪毅,简宇涵)》研报附件原文摘录）
　　核心观点 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”，本文针对中游制造行业进行分析和预测，包括工程机械、专用机械、通用机械、风电、光伏、汽车。 工程机械：行业具备较强的周期性，但其行业周期往往早于经济周期启动和结束；分析其中缘由，工程机械行业的终端需求为基建项目，与稳增长政策高度相关，而稳增长政策一般逆周期实施。因此，盈利预测方法包括两大部分，定性为主，定量为辅，定性分析当前所处的经济周期阶段和预判未来政策节奏，定量分析月频行业微观数据，追踪行业动态，同时我们发现行业增速存在一定趋势性，亦利于做行业盈利预测。工程机械行业23Q4营收累计增速预计5.65%，利润累计增速19.20%。 专用机械：行业周期同步于经济周期，行业业绩与宏观经济指标相关度高，具备强周期特性，因此，通过宏观经济指标可建立模型预测行业业绩。专用机械行业23Q4营收累计增速预计11.53%，利润累计增速13.89%。 通用机械：行业属于强周期性行业，行业周期紧跟经济周期，预测其行业业绩的关键在于把握行业的周期特性和经济周期的演变。通用机械行业23Q4营收累计增速预计7.96%，利润累计增速9.78%。 风电：行业是一个较为独立的行业，其行业周期主要受行业政策影响，与经济周期的关联度较低，行业政策通过控制风电新增装机量影响行业业绩；通过跟踪风电新增装机量，发现风电新增装机量大幅提升一般发生在采购成本较低的时候。我们采用定性分析为主、定量为辅的方法，定性分析行业政策，定量构建了我们的风电行业模型。风电行业23Q4营收累计增速预计-5.29%，利润累计增速-35.74%。 光伏：对比风电，我国光伏行业起步较晚，仍属于成长期，存在较多的影响因素和制约因素，例如，行业政策、贸易壁垒、技术突破等；虽然行业受到较多的制约因素，但其本质仍是市场化行业，行业业绩与组件价格息息相关。根据我们的模型，光伏行业23Q4营收累计增速预计17.83%，利润累计增速20.67%。 汽车：行业周期匹配经济周期，彰显行业战略地位；汽车行业是一个以需求为主导的行业，汽车销量、宏观经济与行业营收息息相关。根据我们的模型，汽车行业23Q4营收累计增速预计15.23%，利润累计增速26.97%。 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。 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. 工程机械 2.1 模型框架：行业周期领先于经济周期启动和结束 相较其他中游制造业，工程机械具备较强的行业周期性，但其行业周期往往早于经济周期，根据美林时钟，工程机械的行业周期在经济衰退期中启动，在经济滞涨期结束。分析其中缘由，工程机械行业的终端需求为基建项目，与稳增长政策的颁布时间高度相关，往往稳增长政策逆周期实施，助力经济迎来拐点顺利复苏。 在本轮的经济周期中，受疫情后快速恢复影响，行业周期同步于经济周期启动，但早于经济周期结束，工程机械行业累计增速于2022.03大幅转负，行业累计增速-27.27%，对应经济增速8.95%。 工程机械行业营收与行业微观指标呈现强正相关，与宏观经济指标相关性一般。根据相关性分析，工程机械行业营收增速与叉车销量、钢材价格呈强正相关，然而，与PPI、GDP、工业增加值等宏观指标的正相关性介于强弱之间，体现了工程机械行业周期与经济周期，存在一定的关联性，但在节奏上存在一定程度的错配。 考虑到工程机械行业利润与众多的宏观和行业指标相关性较弱，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。 总结以上，工程机械行业的盈利预测需把握稳增长政策的节奏，因此，预测方法包括两大部分，定性为主，定量为辅，定性分析当前所处的经济周期阶段和预判未来政策节奏，定量分析月频行业微观数据，追踪行业动态，同时我们发现行业增速存在一定趋势性，亦利于做行业盈利预测。针对定量分析，我们构建了行业模型，主要用到“GDP增速”、“基建固定资产投资”、“叉车销售量”、“钢材价格”等指标作为模型自变量。 2.2 模型效果 营收累计增速： 毛利率： 2.3 四季度行业预判 3. 专用机械 3.1 模型框架：行业周期同步于经济周期 专用机械行业服务于我国各行各业，行业周期紧跟我国经济周期。专用机械涵盖光伏设备、矿山冶金机械、锂电设备、油气装备、3C设备等，广泛应用于供应链上下游生产，其产品需求对应上游原材料需求、下游电子产品、汽车等需求；不同于工程机械，专用机械行业服务的范围更为广泛，涉及煤炭、有色金属、纺织服装、电子、汽车、电力设备等众多行业，也因此与我国的经济整体发展密不可分，根据相关性分析，专用机械行业整体营收增速与名义GDP增速的相关性达0.51，高度相关；最后，考虑到专用机械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。 专用机械行业业绩与宏观经济指标相关度高，具备强周期特性。专用机械行业营收和利润增速与众多宏观指标息息相关，包括GDP、PPI、出口金额等，其中，与PPI最为相关，相关性接近0.80；同时，原材料价格与行业业绩的关联度也不低。 综上所述，专用机械行业属于强周期性行业，行业周期紧跟经济周期，预测其行业业绩的关键在于把握行业的周期特性和经济周期的演变。模型采用“GDP增速”、“PPI同比”、“钢材价格”等作为自变量，建立模型。 3.2 模型效果 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。 3.3 四季度行业预判 4. 通用机械 4.1 模型框架 通用机械行业业绩与出口金额、宏观经济增速相关度高，具备强周期特性。通用机械行业营收增速与众多宏观指标息息相关，包括出口金额、GDP、PPI等，其中，与出口金额最为相关，相关性接近0.69。 综上所述，通用机械行业属于强周期性行业，行业周期紧跟经济周期，预测其行业业绩的关键在于把握行业的周期特性和经济周期的演变。模型采用“名义GDP增速”、“出口金额”、“钢材价格”等作为自变量，建立模型。 4.2 模型效果 4.3 四季度行业预判 5. 风电 5.1 模型框架：把握好行业政策 风电行业是一个较为独立的行业，其行业周期主要受行业政策影响，与经济周期的关联度较低。不同于其他行业，风电行业有独立的行业周期，其行业周期往往受政策影响，具体表现为，每年风电行业需求由风电装机量决定，风电装机量受政策影响；回顾风电行业过去的发展历程，2006-2010年，《可再生能源法》的颁布确立了可再生能源的优先发电权和补贴发展模式，国内新能源正式起步，期间2009年风电新增装机量增速达94.96%；2011-2015年，风电脱网事故导致的行业监管政策成为制约行业需求的重要因素，风电装机量波动较大，先跌后涨；2016年，陆上风电补贴持续退坡，行业营收增速大幅下滑；2021年，双碳政策下，行业营收增速大幅向上。 风电新增装机量大幅提升一般发生在采购成本较低的时候。考虑到风电行业是重资产行业、前期投资较大，政府和投资人对风电项目的回报率极为关注，项目采购成本越低，项目回报率越高，因此，风电新增装机往往发生在PPI处于低水平的时候。 风电行业营收与宏观经济指标相关性不高，与PPI呈现高度负相关。根据相关性分析，风电行业营收增速与宏观经济指标普遍相关性较弱，与工业增加值同比相关性为0.02，与GDP增速相关性-0.21，体现了风电行业周期的独立性，与经济周期错配；然而，风电行业营收增速与PPI同比呈现高度负相关，相关性达-0.56。 总结以上，风电行业是一个独立的的行业，其行业周期主要受行业政策、采购成本影响。独立性代表行业周期受经济周期影响较小，由于行业目前仍处于成长期，周期属性较弱，且行业整体景气度受政策影响较大；采购成本方面，风电项目属于重资产投资、前期投入大，投资人及其关注项目整体回报率，项目采购成本越低，项目回报率越高。针对风电行业，我们采用定性分析为主、定量为辅的方法，定性分析行业政策，定量构建了我们的风电行业模型，主要用到“GDP增速”、“PPI同比”、“风电新增装机量”等指标。 5.2 模型效果 同样，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。 5.3 四季度行业预判 6. 光伏 6.1 模型框架：影响因素较多的市场化行业 对比风电，我国光伏行业起步较晚，仍属于成长期，存在较多的影响因素和制约因素。从全球光伏发展历程看，相较欧洲，我国光伏行业起步较晚，2006-2011年，全球光伏行业进入快速成长期，市场主要集中在欧洲，2012-2018年，我国光伏新增装机量快速增长，国内光伏行业取得快速发展；考虑到行业仍处于成长期，存在较多的影响因素，例如国内外新能源政策、贸易关税、技术线路变更等，因此，相较风电，光伏行业更为复杂。 虽然行业受到较多的制约因素，但其本质仍是市场化行业。根据相关性分析，光伏行业营收增速与终端产品价格息息相关，例如组件价格；然而，行业营收增速与宏观指标的相关性较低，体现行业的周期属性较弱；同时，行业营收与PPI的关联度较低，行业并未完全成本驱动模式，相较风电，光伏行业仍属于成长期。 综上所述，光伏行业是一个影响因素较多的市场化行业，受行业政策、贸易壁垒、技术突破等非定量因素影响较大，因此，我们采用定性为主、定量为辅的方法，定性分析国内政策、国外关税、技术路线等，定量建立模型，模拟跟踪光伏市场的供需关系。我们模型所用的自变量指标包括“工业增加值”、“PPI”、“组件价格”等。 6.2 模型效果 营收累计增速： 毛利率： 6.3 四季度行业预判 7. 汽车 7.1 模型框架：以需求为导向的战略性制造行业 汽车行业周期匹配经济周期，彰显行业战略地位。汽车行业，作为一个拥有120年历史的行业，一直以来都是各国工业竞争的焦点；汽车最早起源于欧洲，诞生了奔驰、宝马、大众等知名汽车品牌，先后被美国、日本等赶超，汽车行业逐渐成为了制造强国的标志。凭借着智能化、电气化趋势，我国汽车自主品牌有望实现弯道超车，对欧美品牌发出冲击。与此同时，在众多制造业里，汽车行业是为数不多的行业周期与经济周期高度匹配的行业，从另一个角度彰显汽车行业对于我国经济的重要性。 汽车行业以需求为主导，汽车销量、宏观经济与行业营收息息相关。根据相关性分析，汽车行业业绩与汽车销量呈现强相关，相关系数达0.93，与宏观经济指标普遍关联度较高，与工业增加值同比相关性0.84，与GDP增速相关性0.78，与海关总署公布的出口金额同比相关性0.55。 7.2 模型效果 营收累计增速： 利润累计增速： 毛利率： 7.3 四季度行业预判 8. 四季度行业业绩预测 制造行业的业绩预测方法较为复杂，定性为主、定量为辅。中游制造业可大致分成两类，传统制造业和新式制造业；针对传统制造业，包括工程机械、专用机械、通用机械，行业存在较强的周期性，行业周期或与经济周期匹配，或提前于经济周期，定量模型适用于模拟行业的周期特性；针对新式制造业，包括风电、光伏、汽车，行业处于成长期，存在较多的影响因素，例如行业政策、外贸关税、技术突破等，需通过定性分析行业政策等因素，以定性分析为主。 整体上看，中游制造行业的未来需求呈现小幅波动，其中工程机械营收增速小幅回暖，其他行业营收增速或小幅向下。 工程机械行业23Q4营收累计增速预计5.65%，利润累计增速19.20%（由于去年Q4利润低基数效应导致）。 专用机械行业23Q4营收累计增速预计11.53%，利润累计增速13.89%。 通用机械行业23Q4营收累计增速预计7.96%，利润累计增速9.78%。 风电行业23Q4营收累计增速预计-5.29%，利润累计增速-35.74%。 光伏行业23Q4营收累计增速预计17.83%，利润累计增速20.67%。 汽车行业23Q4营收累计增速预计15.23%，利润累计增速26.97%。 9.风险提示 1. 行业政策风险：行业环保政策变动，可能对企业生产经营产生一定影响 2. 数据统计错误风险：数据搬运过程可能导致数据错误 3. 模型训练风险：模型训练风险包括模型选择错误风险、参数错误风险等 4. 模型过拟合风险：当模型放入过多指标，容易导致模型失真，不具备预测能力 证券研究报告： 《中观行业盈利预测模型 –– 中游制造行业篇》 对外发布时间： 2023年12月26日 报告发布机构： 长城证券股份有限公司（已获中国证监会许可的证券投资咨询业务资格） 本报告分析师： 汪毅 S1070512120003 yiw@cgws.com 简宇涵（研究助理） S1070122080002 jianyuhan@cgws.com 长城证券研究院市场策略研究团队： 汪毅，王小琳，王正洁，丁皓晨，简宇涵，杨博文 研究员微信号： 汪毅（15000095031） 王小琳（18833550053） 王正洁（13127569759） 丁皓晨（15601751510） 简宇涵（15625136644） 杨博文（18263867287） 欢迎大家与我们微信交流！ 最新的市场策略观点，最新的月度股票组合，最新的机构观点汇总，欢迎关注长城宏观策略！ 长城研究--宏观策略 特别声明： 《证券期货投资者适当性管理办法》、《证券经营机构投资者适当性管理实施指引（试行）》已于2017年7月1日起正式实施。通过新媒体形式制作的以上推送信息仅面向长城证券客户中的专业投资者及风险承受能力为稳健型、积极型、激进型的普通投资者。若您并非上述类型的投资者，请取消阅读，请勿收藏、接收或使用以上推送中的任何信息。 因此受限于访问权限的设置，若给您造成不便，烦请见谅！感谢您给予的理解与配合。 免责声明： 长城证券股份有限公司（以下简称长城证券）具备中国证监会批准的证券投资咨询业务资格。 以上推送信息摘自长城证券已发布的研究报告，完整内容请以长城证券已发布的研究报告为准。 研究报告由长城证券向专业投资者客户及风险承受能力为稳健型、积极型、激进型的普通投资者客户（以下统称客户）提供，除非另有说明，所有研究报告的版权属于长城证券。未经长城证券事先书面授权许可，任何机构和个人不得以任何形式翻版、复制和发布，亦不得作为诉讼、仲裁、传媒及任何单位或个人引用的证明或依据，不得用于未经允许的其它任何用途。如引用、刊发，需注明出处为长城证券研究所，且不得对研究报告进行有悖原意的引用、删节和修改。 研究报告是基于本公司认为可靠的已公开信息，但本公司不保证信息的准确性或完整性。研究报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他投资标的的邀请或向他人作出邀请。在任何情况下，研究报告中的信息或所表述的意见并不构成对任何人的投资建议。在任何情况下，本公司不对任何人因使用研究报告中的任何内容所引致的任何损失负任何责任。 长城证券在法律允许的情况下可参与、投资或持有研究报告涉及的证券或进行证券交易，或向研究报告涉及的公司提供或争取提供包括投资银行业务在内的服务或业务支持。长城证券可能与研究报告涉及的公司之间存在业务关系，并无需事先或在获得业务关系后通知客户。 长城证券版权所有并保留一切权利。

点此查看微信公众号原文全部内容>>

大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）