前期的报告中，我们通过制造业固定资产投资完成额算了制造业的产能增速，并将之和需求增速作对比，发现目前供需增速大体持平，而供给增速（产能的增速）依然持续而快速的下行。随着供给增速逐渐弱于需求增速，制造业景气度将出现持续的修复。
这一研究方式的好处是，我们能对供需有较为直观的判断。但是其弊端也比较明显，第一，固定资产投资完成额夸大了产能的投放，实际上只有一手设备和厂房投资才应当算作产能的组成部分，土地、旧厂房以及二手设备的购置都不应当算作新增产能，最好的数据应为制造业设备投资的资本形成额，而并没有相应的公开数据。第二，因为存量庞大，多数时候产能增速的变化相当平缓，决定供需变化仅需要不到一个百分点的产能增速变化，但是光产能增速的测算误差往往就会接近一个百分点，这使得产能增速参考价值有限。
实际上供需缺口的主导变量也并非产能和需求（何况产能只是测算值，并非统计局公布的真实值，事实上也不存在公允的产能统计方法和口径），而是设备投资和需求，设备投资决定产能，当前投资增速低于产能增速，那么产能增速就会持续下降。需求决定产量。投资和需求就可以决定产能利用率的变化。当设备投资上升较快时，过度投资会导致产能利用率不断下降，最终带来产能过剩问题，而设备投资不足时，产能利用率不断提升，最终导致供给短缺。问题是，产能的过剩和紧缺往往是长年累月的投资增速过高/过低导致的，到底需要多长时间的低投资才会导致产能不足，是本篇报告要解答的问题。
我们用一个简单的思路测算产能：本月投放出来的产能=上个月末的存量产能-本月因为损耗而丧失掉的产能+本月的设备投资。我们知道，设备损耗是概率事件而不是必然事件，所以我们假设每个月存在固定的损耗概率（大数定律可以保证一个行业和整个经济体有固定的损耗率，损耗率就等于损耗概率）那么存量的产能只需要一个简单的公式进行测算：
其中C为产能，EIi为每个月的设备投资（EI0为当月投资，EI1为上个月投资，以此类推），k为每个月的损耗率。产能测算模型中，有两个变量需要确定，第一是每个月的损耗率应当如何厘定，第二是每个月的设备投资的变量如何确定。
若要确定损耗率，我们需要确定设备的平均寿命。我们发现，发达市场的人均资本开支呈现七年的周期波动，其中可能包含部分制造业设备的集中到期更换因素。据此，我们按照7年的平均寿命来进行测算，对应每个月1/84的损耗率，即1.19%。
每个月的设备投资则需要通过每个月的制造业固定资产投资完成额和每年的设备投资占比综合计算出来。我们将通过每年的设备投资额和固定资产投资完成额计算出每年的设备投资占固定资产投资的比例（每个行业都有对应公开数据），以此测算每个月的设备投资额。另外，设备投资额仅有04年到16年的数据，而设备投资的占比有较为明显的线性趋势，我们可以线性推算出其他年度设备投资额的大致比例。
为了测算到底多长时间的高投资，多高的投资才会导致产能过剩，低投资维持多长时间才会导致产能不足，我们决定回答一个相对比较好量化的问题：当前的投资增速到底会让产能利用率带来多大的变化。
一般来说，产能过剩意味着产能利用率过低，而产能不足意味着产能利用率较高。虽然统计局会公布季度的产能利用率，但这只针对部分规模以上的样本企业。而且全行业产能利用率的绝对值是一个相对不靠谱的数据：钢铁和化工等“烧炉子”的行业存在较为明确的设计产能，开工则不能停，停下来是为了检修，那么通过检修期大体可以估算出对应行业的产能利用率，但是加工制造业的产能利用率则比较随意了：大部分加工行业生产线不固定，不存在“设计产能”一说，而且工人的效率、生产线的班次等等都会导致产量出现变化，订单多的时候经常会看到产能利用率超过100%的情况。更重要的是，制造业作为一个总量概念，该如何用一个统一标准测算各行业产能，又该如何用一个统一标准测算复权平均的产能利用率，是一个难以解决的问题。
但是这并不意味着这个问题不能拿来研究，产能利用率的变化还是有办法测算的：如果产能增速和全部工业品的销量增速大体持平（投资增速合理），那么产能利用率应该是持平的，如果产能上升过快（投资增速过高），那么产能利用率会出现下降，反之则会出现上升。我们从产能利用率的定义入手（U为产能利用率，S为销量，C为产能）：
那么，产能利用率的环比变化为（数学上往往通过取自然对数来计算）：
也就是说，产能利用率的变化等于销量增速-产能增速。单独把产能增速拉出来的话，
根据对数函数的泰勒展开式，
也就是说，产能增速在当月的变化大体等于当月设备投资占总产能的比例减去当月损耗率，即新增投资占总产能的比例。所以，产能利用率、销量、投资之间的关系为：
产能利用率的环比变化=销量的环比增速-
当月投资占总产能的比例+当月设备损耗率
短期来看，销量的增速是产能利用率的主导因素，如果为了提振产能利用率，刺激设备投资当然会带来较为直接的正面刺激。我们以中国的数据为例：制造业投资约占固定资产投资30%，GDP中资本形成占GDP的30%-40%，以此推算制造业资本形成额大体占GDP10%左右，而当月投资占总产能的比例大体在2%-5%不等，去掉当月设备损耗1.19%，大约不到4%。如果刺激投资为制造业投资带来12个百分点的同比贡献（平均每个月1个百分点的环比贡献），那么销量的环比增速就会提高0.1个百分点，而当月投资占总产能的比例这一项只会增加不到0.04个百分点，利用率就多提高了至少0.06个百分点，这还没算刺激投资的政策可能还会带动消费、基建和房地产投资，这些项目对销量的影响远比制造业投资大得多。
长期来看，当月投资占总产能的比例是产能利用率的主导因素，销量增速最终会进入自然增长。投资增速高的时候，当月投资占总产能的比重就高。而当月投资占总产能的比重相对来讲较为稳定，即使投资增速下滑，比重也不会出现迅速的下滑。对高增速的消化往往需要数年的时间。本轮制造业设备投资增速从08年算起，下降了40个百分点，但是当月投资占产能比只下降了2个百分点。
我们测算了08年以来产能利用率的累计变化情况（以08年开始为基准），看到表观产能利用率呈现持续下降的态势，直到2016年企稳见底。从统计局的数据来看，产能利用率已经企稳回升了。这之间的差异主要因为工业企业平均产能利用率存在一定的幸存者偏差，统计局只能统计部分存活的规模以上的工业企业的产能利用率并做以汇总，而我们考虑了全部的产能，包括已经被出清和还没有被出清的僵尸产能。我们的模型中没有考虑去产能的因素，所有产能只能自然折损。所以实际的工业景气度会比我们测算的还要好。
从前面我们测算的产能利用率的变化来看，产能去化大体在2016年结束了。对于工业企业来说，产能利用率的持续扩张意味着ROE的持续提升。然而即使产能利用率在不断提升，市场依然倾向于忽视周期类行业ROE的提升，主要因为多数投资者依然担忧它的可持续性。我们测算后发现，周期类行业的可持续性可能远比市场想象的要好。
从历史数据来看，产能增速已经弱于需求增速，这和我们之前报告的结论有一定的出入。我们前期的报告，通过固定资产投资完成额的测算，表明供需大体平衡。从设备投资的数据来看，产能增速已经在2017年开始弱于需求增速了。这里我们的需求增速以规模以上制造业主营业务收入增速，而不是第二产业GDP为主（虽然数据上二者相同）。
我们用主营业务增速主要由以下考虑：首先，第二产业GDP衡量了全社会第二产业的最终端产品业务增速，但是并不限于制造业（建筑业也算在第二产业），并且我们的投资数据只包含规模以上工业企业（以2017年产值超过2000万为基准），口径上有偏差，利用GDP测算时自然会有偏差。其次，主营业务增速可以细化到行业，而GDP只有总量数据。最后，二产GDP增速和制造业本质上并无区别，GDP以终端产品为准，但是二者的增速从逻辑上来讲是相同的。生产一万辆车，背后需要一万个车身、一万个发动机和五万个轮胎，那么生产两万辆车，背后则需要两万个车身、两万个发动机和十万个轮胎，增速上来讲并没有区别，即使考虑库存因素的话，为了保证库存周转的稳定，销量和产量的提升/下降背后会带来短暂的补库存和去库存因素，但这也会同时计入销售收入和GDP。
就统计局公布的区间（2014年以来的数据为统计局公布的）来看，它大体与第二产业GDP增速相同。2014年之前的主营业务增速是我们根据各子行业的增速以及体量计算出来的。从数据上来看，主营业务增速的波动略高于GDP增速，这其中可能有统计口径、统计数据质量不同导致的。历史数据波动大并不影响当前制造业产能大体出清比较干净的结论。
除了历史的供需缺口，市场更关心未来会如何。我们从两个角度进行研究，第一个角度，假设制造业各行业投资增速维持不变，并且主营业务增速维持不变的话，未来的产能缺口大体是什么水平。第二个角度，如果维持投资增速，那么制造业产能增速的收缩能够支撑总需求增速下降多少个百分点。
首先，从第一个角度出发，如果维持投资增速的话，我们会看到产能增速依然会持续下降，而如果需求增速不出现明显下行的话，那么产能缺口将越来越明显，产能利用率将会逐步提升。根据我们的测算，到2019年，假设需求增速不变的话，供需增速差异可能会达到接近三个百分点。如果从数量角度来说明的话，2018年制造业全行业会在2017年的基础上新增约1.2万亿元的产能缺口，而2019年会在2018年的基础上新增约2.7万亿的产能缺口，2017年的这一数字仅为3000亿。我们测算产能缺口的方法是，如果维持产能利用率不变的情况下，可以根据投资数据测算出主营业务增速的合意值，如果合意值高于实际的主营业务增速，那么代表产能边际过剩，反之则代表产能边际不足。每年的产能缺口指的是在上一年的产能利用率的水平下，今年主营业务是多增长了还是少增长了。我们测算的数据表明，自2017年起，每年的主营业务增速都在多增，而且多增的量在不断放大。
为了回答第二个角度提出的问题，我们建立了一个景气度和竞争压力散点图，横轴为上面提出的同比产能利用率维持不变所需的主营业务增速，代表竞争压力。纵轴为主营业务收入增速，代表景气度。一个蓝海行业会表现出景气度高于竞争压力的现象，即位于散点图的上方，表现为供不应求，而红海行业会表现出竞争压力高于景气度的现象，位于散点图的下方，表现为供过于求。一条穿过原点的45度斜线代表供需平衡。
从制造业的散点图来看，2009年的四万亿刺激计划令制造业短暂地维持在了供需平衡线之上，但是因为消费能力支撑不起如此快速的产能扩张，景气度迅速下降，而竞争压力却没出现迅猛的下跌，这便是2011年以来长期的去产能的背景。目前来看，虽然2017年散点回归到供需平衡之上是由需求的迅速增长驱动的，但即使如此，算上通货膨胀，需求增速也大体维持在10%的位置，和社会零售总额增速大体接近，而供给端依然在持续收缩，这代表当前的需求增速大体合理。
从散点图的推演来看，如果需求出现下跌，只要散点大体维持在供需平衡线上，制造业的表观产能利用率和ROE就不会出现下行。根据我们的测算，大体对应2018年1.6个百分点的需求增速下行，2019年1.2个百分点的需求增速下行。也就是说，只要2018年没有出现1.6个百分点的需求增速下行（2018年上半年只下滑了0.8个百分点，除非下半年同比下滑超过2.4个百分点，全年才有可能下滑1.6个百分点），并且2019年的需求没有在此前提下再下行0.8个百分点的话，制造业的景气度会越来越好。
产能增速从2008年初的40%跌至当前的10%，传统行业的去产能贡献了主要的制造业去产能行为。我们从两个角度来分析制造业的去产能进度：从板块分析（将制造业的所有行业分为原材料制造业、装备制造业和消费品制造业），从上下游分析（将制造半成品的行业归为中上游，将制造成品的行业归为下游）。
按照以上分类，我们统计了各板块对制造业的产能增速下降的贡献。过去几年，三大板块去产能都较为明显，但是去产能主要集中在原材料制造业。并且，09年四万亿刺激之后，装备制造业和消费品制造业的产能增速一度回正，而原材料制造业一直在持续降产能增速，早在2015年供给侧改革之前就开始出现了，近几年反而是消费品制造业和装备制造业去产能的贡献开始逐渐显现。
另外，我们从上下游的角度来看：
按照以上分类（装备制造业大体是下游，原材料制造业大体是中上游，只是消费品制造业有上游有下游），我们统计了制造业的产能增速贡献，也明显地看到中上游供给增速的收缩是制造业供给增速收缩的主要因素。在2012年之后，下游的供给增速也出现一定程度的收缩，二者共同带动供给增速的收缩。
另外，从供需缺口的角度来看，原材料制造业，以及全部中上游的企业，已经在2017年逆转了产能越来越过剩的状态，转而进入产能越来越紧缺的状态。这代表原材料制造业的利用率将会持续稳步地提升，ROE也会稳步向好。装备制造业和消费品产能过剩问题有一定的收敛，但是在2020年之前可能看不到明显的逆转了。另外，下游行业可能会在2019年才开始出现产能利用率的提升。汇总来看，原材料/中上游制造业会的供需好于装备/消费品/下游制造业。也表明原材料/上游制造业的ROE提升的动力强于其他行业。
平均使用年限、当月设备损耗率的假设不影响结论
虽然我们对设备的平均寿命提出了假设，并且基于假设给出了对制造业景气度的测算，但是假设不影响我们的结论。我们从实际和理论两个角度来进行论证。从实际的数据来看，我们改变设备使用年限之后（分别假设5年和10年的使用年限），无论产能增速，还是每年的产能盈余，都没有出现明显的变化，这表明，从已有数据上来说，给定不同年限作为假设，对结论不产生影响。
从理论上讲，使用年限，或者每月的折损率，也不会影响产能利用率的判断。我们假设设备投资增速平均为g，那么长期来讲：
也就是说，长期来讲，产能利用率的变化等于订单的平均增速-投资的平均增速，和折损率并无任何关系，这也证明了年限和折损率的假设并不影响结论。
过去投的那些产能不会造成过剩压力么？
本篇报告我们只讨论了未来可能会看到供给相对与需求会越来越紧，但是并没有讨论一个问题：过去投资的过剩产能，为什么从2016年产能严重过剩之后供需格局刚刚好转，就立刻看到产能不足，而且供给缺口还在不断放大？这主要是出清的功劳。一方面，面对民企居多的行业，长期的产能利用率不足催生了大量的僵尸企业；另一方面，供给侧改革和环保限产也从行政角度出清了一部分企业（主要是国有企业）。这些被出清的企业构成了银行和部分金融机构的不良资产的一部分，而这部分资产是无法盘活的，因为产能过剩的时候，它们一窝蜂的涌入，无论在渠道、工艺、成本控制、还是其他多方面的管理、以及现金流等，都无法满足它们复产的条件。而存活下来的有效产能不仅会吃掉僵尸企业放弃的市场份额，还会独占所有因为产能增速不足而新产生的供需缺口，使得这些企业能够维持高利用率和高ROE。这便是周期股可以长期配置的原因。
联系客服
