《如何快速了解一个行业》读书笔记

《如何快速了解一个行业》

肖璟

216个笔记

第一部分行研框架篇

第一个问题是，理论和实际还是有很大的区别的。商学院课本上的知识跟产业界的实际应用之间，其实是存在一条鸿沟的。过往，我们研究所有一些背景很好的优秀实习生（985/211高校毕业生或者具有美国常春藤盟校背景，并在不少券商的研究部门实习过），他们在分析行业时，却还是会眉毛胡子一把抓，生搬硬套学过的模型，不得要领。第二个问题是，课本或在线课程提供的大多数框架，你学到的并不是一个整体，而是零散的几个概念模型。不同的模型之间并没有建立起联系。换句话说，知识点之间是“割裂”的。这两个问题正是本部分想要帮助大家解决的问题——我会跟大家分享一个贴近实际、系统的行研分析框架。

第1章主框架：行业不同发展阶段的分析重点

是不是有点儿意思？如果进一步思考这个例子就会发现，行业的边界似乎并不是固定的。具体来说，我们可以从横向和纵向两个维度来看“行业”这个概念。“横向”一般体现的是同一个大类行业中，各个平行细分行业之间的关系；而“纵向”一般体现的是同一个大类行业中具有产业链联系的上下游关系。比如，横向来看（图1-1），汽水薯片、狗粮猫粮、洗护用品的经济活动不尽相同，既可以划分成食品饮料行业、宠物行业、日用化学产品制造行业，也可以笼统地算作快速消费品行业。前面提到的传媒行业也是一个很好的例子。
纵向来看（图1-2），如果我们把半导体产业链简化成“设计→制造→封测”这3个环节，且将每个环节对应一个细分行业，那么半导体设计行业有AMD、高通等，半导体制造行业有台积电等，半导体封测行业有长电科技等。它们的经济活动性质实际上有着不小的差别，其生产设备、核心竞争力等各不相同，但产业链的最终产出是半导体产品，因此我们可以说这几个细分行业都属于半导体行业。
所以我们在谈论“行业”的时候，一定要考虑“颗粒度”的问题，这样才能很好地界定自己要研究的对象。否则，我们在做研究的时候，很容易出现口径不一致的问题。比如，假设我预测某个行业的市场规模高达万亿元级别。然而，如果你和我对该行业到底涉及哪些产业链环节、哪些细分行业存在不同的理解或分歧，那么即使我们采用同样的底层假设和分析思路，得到的结论也可能大相径庭。好在现在已经有成熟的解决方案可供参考——我们只要找来现成的行业分类标准，根据需要选择合适的口径就可以了。常见的行业分类标准包括作为国家标准的《国民经济行业分类》、中国证监会制定的《上市公司行业分类指引》，以及市场常用的《申万行业分类标准》等（图1-3）。
第2节　基本框架：如何系统全面地研究行业解决了研究对象的问题，是时候讨论行业研究的基本思路了。市面上大部分的行业研究课程或书籍，都会列出商业模式、产业链、市场空间、竞争格局等维度的内容，面面俱到地带你分析行业、给行业做个全面检查。这样做当然是有道理的，行业研究本就是个全面细致的活儿。只是这么多东西“砸”过来，彼此间又相互割裂，掌握起来实在不容易。此外，如果各个行业都用一个套路分析，那么分析有时候会变成蜻蜓点水，看似什么都覆盖到了，却不得要领、抓不住重点。比如，如果分析煤炭行业和新能源汽车赛道都套用一个模板，恐怕很难得出有用的结论——近年来，煤炭行业发展的核心逻辑是供给收缩，而新能源汽车行业发展的关键是产销持续超预期。为了解决这样的痛点，本书将引入一个以产业生命周期为核心的行业研究框架。在正式介绍这个行研框架之前，我们先来讲讲传统的（教科书中的）产业生命周期。金融学、工商管理等商科专业的读者应该对这个概念并不陌生，很多教科书会给出这么一条描述行业发展不同阶段的S形曲线（图1-8）。
传统的产业生命周期理论按照传统的产业生命周期理论，一个产业根据营收情况可以划分成4个阶段：导入期、成长期、成熟期、衰退期。之所以会有这种跟人类成长类似的生命周期，主要是因为客户群体的变化。这就不得不提到E. M.罗杰斯（E. M. Rogers）的创新扩散理论（图1-9）。简单来说，该理论阐述的是不同的人接受创新的速度是不一样的。按照接受创新的先后可以划分出5种不同类型的用户，分别是创新者、早期采用者、早期大众、后期大众以及落后者。
如果拿人们对新能源汽车的接受程度作为例子，你就能很好地区分这几类用户了。• 创新者：愿意大胆尝试新概念的人，比如国内首批特斯拉Model S车主。• 早期采用者：往往是KOL（Key Opinion Leader，关键意见领袖）或者KOC（Key Opinion Customer，关键意见消费者）。他们一般在圈子里拥有一定的影响力。比如紧跟首批车主入手了特斯拉Model S，并第一时间在朋友圈、汽车之家等平台上分享体验的人。• 早期大众：须经深思熟虑才接受新概念或购买创新产品，但愿意对新事物持开放心态的人。比如，在看了各种评测报告、亲自试驾，且充分了解了新能源汽车的各项性能和特点之后，从倾向购买BBA（宝马、奔驰、奥迪）转向购买国产高端电动车的人。• 后期大众：一般是顾虑比较多的人。他们出于社会压力或经济压力，接受新事物的时间点比较靠后。比如，一些顾客一开始会担心充电桩密度不够、冬天电池性能下降、续航里程“缩水”等问题，不愿意承担试错成本；一直等到身边很多朋友用亲身经历证明电动车的问题不大之后，才敢买入新能源汽车。• 落后者：顾名思义，是指比较因循守旧、信息闭塞的人。或许只有等到燃油车在很多方面比不上新能源汽车了，这个群体才会考虑购买后者。
在导入期，产品一般都比较新颖、惊艳，产品往往还没有定型，还处于迭代过程中。相应地，处于这个阶段时，用户也很少。大部分用户对产品还不了解，甚至都未必知道。在这一阶段，只有好奇心比较强、容错能力比较强、愿意尝鲜的一小撮客户对产品有认知，他们就是创新扩散理论中的“创新者”。此时，市场前景很不明朗，产品可能有很大的潜在市场空间，但也可能商业模式根本行不通。
在处于导入期的行业中，因为创造了新兴事物，所以往往会有大量的相关公司拿到融资。获得融资后，它们通常会掏钱发各种公关稿造势。所以在这个阶段，我们会看到，几乎整个行业都在炒作新概念（说好听点儿，就是在做行业公关）。有意思的是，这时候往往也伴随着两个现象：一个是，可能会有些别有用心的骗子开始蹭概念、设骗局；另一个是，有些上市公司为了做市值管理，会宣布自己也开展相关业务，或者收购相关领域的早期项目。像人形机器人行业就处于导入期。
新能源汽车行业就是处于成长期的典型行业——一众造车新势力坐拥增量市场，但它们依然为了抢占市场份额竞相打起了价格战，市场争夺战愈演愈烈。快速增长到一定阶段，行业会逐步迈入成熟期。等后期大众也入场后，新客户的数量会逐渐减少。最终，客户数量增长放缓，此时行业营收主要靠老客户的复购来维持。成熟期的产品更加标准化，其相关技术和产品质量的改进放缓，价格波动下降，业内公司的毛利率也随之下滑。行业的潜在成长空间基本见顶了，所以对市场来说，很难再想象出什么远大前景。这时候，那些追求成长性，也因此对估值容忍度较高的投资者会离场。随之而来的，是行业整体的估值水平会下一个台阶。
增长的红利期已经过了，因此对于企业来说，成熟期的重点是拿下更大的市场份额。行业会变得越来越卷，直到把一部分竞争力较弱的企业淘汰，竞争格局才得以逐渐稳定下来。比如，白色家电行业就显然已经迈入成熟期，在行业巨头的笼罩之下，虽不能说是寸草不生，但最多也就剩下仨瓜俩枣了。
世上未有不落之荣光，行业最后的阶段是衰退期。这时基本上没有什么增量用户了。市场上开始出现一些替代品，部分用户转向别处；同时，产品也不是什么新鲜事物了，用户对性价比的要求提高。再加上这个阶段的产能往往也过剩了，产品的价格和毛利自然会被压得比较低。成本控制是这个阶段的关键。只有生产规模比较大、能享受到规模经济带来的好处，或具备其他成本优势的企业，才能保持还不错的竞争力。
还有一种常见的思路，用产业生命周期理论中曲线斜率作为不同阶段的划分标准（图1-11）。当斜率从小到大变得越发陡峭的时候，营收增速越来越快、市场规模快速扩大，这说明行业从导入期进入了成长期；当斜率从大到小，逐渐放缓的时候，营收增速越来越慢、市场容量趋于饱和，这说明行业从成长期进入了成熟期。
但是这种思路也很难行得通，因为在现实世界中，行业的发展很少跟传统的产业生命周期曲线完全贴合。不少行业的营收增速起伏大，变化也快。某个行业的增速今年高达100%，营收直接翻倍，但是转眼第二年增速就下降到了10%。但这并不意味着这个行业已经进入衰退期了，因为它下一年的营收增速可能又提升了。所以，实际上的产业生命周期曲线可能会像图1-12所呈现的那样。虽然整体形状仍然接近S形曲线，但在整体过程中，由于营收变化跌宕起伏，产业生命周期曲线不是一条光滑的S形曲线。
所以，我们很难根据曲线斜率去判断增速的变动只是反映了短期节奏还是体现了长期趋势。或者说，我们无法确定，增速的变动是由于一时的供需错配而出现的波动，还是表明行业已进入产业生命周期的新阶段。纯粹的线性外推是很容易产生误判的。比如口罩等医疗用品行业，在有流行病时可能市场需求激增，营收增速自然飙升，但这并不代表行业就进入了成长期。因此，我们需要找到一个可靠指标来区分行业发展的不同阶段。
真实的产业生命周期
一个比较好的解决方案，是用渗透率作为划分产业生命周期不同阶段的依据。渗透率描述的是行业已经触达了多大比例的潜在用户，用公式表示就是渗透率=存量用户÷潜在客户群。本质上，渗透率反映的是用户的接受程度，这和产业生命周期理论背后的底层逻辑相契合。产业生命周期所体现的演化过程本来就是产品不断“破圈”，逐步吸引创新者、早期采用者、早期大众、后期大众以及落后者的过程。从历史经验来看，一般来说，一旦行业的渗透率达到15%～20%，行业就会进入快速提升的阶段，此时对应的是行业的成长期。但是渗透率提升至35%～40%以后，行业发展的脚步往往就开始放慢了，此时对应的是行业的成熟期（图1-13）。
2014年，智能手机的渗透率已经超过65%，行业发展进入了成熟期。在这一阶段，即使是作为智能手机标杆的iPhone，也经常被吐槽“没有创新”“挤牙膏”。实际上，这不全是苹果公司CEO（首席执行官）库克的问题，不是他不想像乔布斯一样，说一句“one more thing”（还有一件事），然后拿出来让大家惊掉下巴的新玩意儿，而是由于整个行业已经发展成熟，确实很难实现让人眼前一亮的颠覆性创新。此外，在现实世界里，行业的发展也不像传统的产业生命周期呈现的那样，有着统一的S形曲线，而是在每一个阶段都有着不同的可能性。比如，一个行业未必能从导入期进入成长期，发展壮大，它有很大概率在商业模式上根本就跑不通，最后只能在无人问津中消亡。O2O（online-to-ofline，线上到线下）浪潮中的上门洗车服务、共享经济风口的共享篮球、炒作智能可穿戴设备时的智能戒指……这些曾经拿到过不少融资的行业早已没落，直接创业失败。
行业进入成长期之后，虽然可能呈现了快速增长状态，但是高速增长能持续多久？增长的天花板到底有多高？市场规模是500亿元还是5000亿元？上述问题的答案其实都是不确定的。增长空间发展到最后，有可能会出现规模不及预期的情况。行业发展到成熟期，也不见得会在可预见的时间内走向衰亡、被替代。有很多行业可以稳定发展相当长的时间。比如，人们普遍认为最早的股份制银行是1397年在意大利佛罗伦萨成立的美第奇银行，那时候明朝才刚刚建立不久。这么算起来，银行业已经有600多年的历史了。酿酒业就更不必说了，白酒和葡萄酒的历史都有几千年了。一方面，在行业的成熟期，可能因为没有出现具有实质性威胁的替代品，所以需求慢慢“见顶”之后，行业会保持相对稳定，并不会马上走向衰退。另一方面，需求会随着宏观经济起起落落，而供给会随着库存周期、产能周期、金融周期等呈现出周期化的波动，因此行业虽然整体稳定，但也会出现稳定市场周期化的特征。银行业、白酒行业都是如此。还有些行业更加生猛——它们或是开发出新品类、迭代出新技术，又或是开拓出新市场，从而成功开辟了第二增长曲线。比如，家电行业推出了扫地机器人、洗地机、集成灶等大受年轻人追捧的新品类；通信行业经历了从4G到5G的演进，并持续探索畅想中的6G，其技术迭代永不止步；社交媒体TikTok出海，其发展根本没有受到国内移动互联网增量停滞的影响。种种丰富的可能，才是真实的产业生命周期（图1-14）。
首先，判断需求是否真实存在；其次，判定盈利是否具有可持续性、商业模式能否大规模复制。如果商业模式不可行，背后只是个伪需求，那么也没什么投资的必要了。一级市场的投资者，也就是投资还没上市的公司的机构，比如VC和PE会更重视上述内容。
针对处在成熟期的行业，我们需要重点评估行业的护城河是不是足够宽、是不是具备足够的防守性。这是因为，一旦出现了被替代的可能，行业的投资逻辑也会发生变化。
接下来，我们需要分情况进行讨论和分析。如果行业具备国际竞争力或有拓展新业务、新市场的可能性，换句话说，行业具备走出第二增长曲线的潜力，那么我们也可以将它看作新行业，并从导入期开始，重新分析。本质上，这与导入期的分析无异。除了VC和PE，有不少二级市场投资者（专门投资上市公司的投资者）也开始重视对商业模式可行性的分析，因为这些年，有不少上市公司的增长遇到了瓶颈，也开始探索第二增长曲线。如果行业已经进入“稳定市场周期化”阶段，那么此时我们应该更多地关注行业的供给是否受限、供需情况如何随着产能周期变动等问题。我们会着重分析行业的竞争格局，看看产业链内部是如何分配价值的，从而找到产业链上最具盈利性的环节。至于已经进入衰退期的行业，我们应当把研究重心转移到替代品上，没必要在一棵树上吊死。
值得注意的是，虽然产业生命周期的每个阶段都有其关注重点，但是这并不意味着在特定阶段就不需要考虑其他方面，我们只是在不同阶段赋予各种维度或因素的权重不同而已。比如在导入期，除了商业模式的可行性评估，我们也需要考虑行业后续的规模性和防守性的问题。部分行业甚至在导入期就会开始打价格战，比如当年的共享单车行业。此时，对竞争格局的分析也很重要。
所以，你也可以将市盈率理解为“在净利润保持不变的情况下的回本周期”。在包子店这个例子中，假设净利润不变，那么5年就可以回本了。有的公司估值倍数可能高达几十甚至几百，这是因为它的成长潜力很大：它可能今年赚100万元（净利润），但是按照目前的增速发展下去，明年可以赚1000万元，后年可以挣1亿元。对于投资者来说，他们可能愿意花1亿元来买下这个公司，那么这个公司的市盈率就是100倍。所以，一般来说，业绩增速越快的公司，估值倍数也会越高。我们前面考虑的分析维度，比如可行性、规模性、防守性、盈利性等，主要是围绕着基本面展开的。但如果涉及投资决策，我们还是需要考虑估值倍数这一因素的。如果从产业生命周期的角度来看，你会发现行业在不同阶段在估值方面呈现出的特点很不一样。在导入期，一般会用VC的评估方式来估值；在成长期，则倾向于应用成长股的估值逻辑；在成熟期，如果已经进入周期轮动阶段，则使用周期股的评估风格；至于那些被确定为已经进入衰退期的行业，此时它们的估值一般会很低，但是这并不意味着它们“因为估值低而值得买入”——本书第6章将详细阐述估值。

第2章可行性：既然知道会输，那为何要“下注”

一般来说，一级市场投资者（比如PE和VC）和创业者会更重视商业模式的可行性分析。不过，这也不代表专注二级市场的股票投资者就没必要关注商业模式——就像第1章提到的，一旦创业团队从PE和VC那边拿到钱了，它们就会砸钱去做行业公关。当声量提高了、概念炒起来了，上市公司也会盯上这样的公司。所以，就算是进行上市企业的股票投资，我们也要审视行业商业模式的可行性，判断其在新赛道上是否可以持续存活。如果我们可以提前判断这个行业会“死”，那我们连“下注”的必要都没有。在判断一个行业的商业模式是否可行之前，我们先来回答一个问题——什么是商业模式？
第1节　商业模式：从巴菲特学到的最重要的东西商业模式一词的英文是“business model”。正如前面提到的，投资圈很重视商业模式的分析，比如段永平（“小霸王”和“步步高”的创始人）就提到过：“在巴菲特这里我学到的最重要的东西就是生意模式（有一些论述将business model翻译成‘生意模式’）。以前虽然也知道生意模式重要，但往往是和其他很多重要的东西混在一起看的。当年老巴特别提醒我，应该首先看生意模式，这几年下来慢慢觉得确实应该如此。”不过巴菲特也好，巴菲特的合伙人查理·芒格也罢，他们虽然在各种场合提到过“商业模式”，但都没有系统地定义过。事实上，无论是学术界还是业界，针对“什么是商业模式”这个问题，并没有形成一个共识（图2-2）。
有的定义侧重于盈利模式，关注的是提供什么样的产品、满足什么样的需求、是怎么赚钱的；有的定义侧重于交易结构，关注的是商品、资金、信息如何在研究对象及其供应商、客户、合作方之间流动，即关注的是产业链关系；有的定义侧重于经营战略，关注的是采取低成本模式还是差异化模式。
第2节　验证方法：如何找到那条跑得通的路径前文提到，商业模式是生产力和生产关系的各个要素的排列组合。理论上，我们可以通过穷举的方式，把商业模式的各个要素排列组合，得出N种选项。在这些选项中，总有一些商业模式是可行的，也有一些是不可行的，这需要我们去验证。如果一一验证后，我们发现每一条路径都跑不通，那么我们自然可以得出一个结论：这个行业随时会消失，没有一条靠谱的路径，因此没有什么投资的必要。但是，一旦我们找到可行的路径，这一行业就有可能具备投资价值。所以第一步是，我们先穷举所有可能的选项。举个例子，比如我现在有一批梳子，我要在寺庙里把它卖出去。寺庙里有两类潜在的目标客户，一类是和尚，另一类是访客。同时，我会考虑我的价值主张，也就是梳子可以满足什么样的需求。梳子可以满足的，要么就是梳头需求，要么就是自己用不上，转赠或转售的需求。至于盈利模式，我可以从批发商那边进货，然后加点儿差价卖出去；我也可以自己去采购原料，做自己的牌子。在价值链方面，在上游我可以去找供货商A，也可以找供货商B……
通过排列组合，可以得出很多不同的商业模式。比如，我可以尝试满足和尚的梳头需求，通过从供应商A进货，然后以高价卖出的方式赚钱。不过这个选项明显不靠谱——和尚并没有梳头的需求。我也可以尝试满足和尚的“赠礼”需求，同样通过供应商A进货，然后高价卖出。这个稍微靠谱点儿，和尚可以把梳子开个光，然后转赠或转售给有缘人。不过，如果选择从供应商A进货的方式，我需要考虑梳子的价格、账期、质量等要素，这样才能评估商业模式到底靠不靠谱。分析到这里，你会发现一个问题——通过穷举的方式，就算限制了每个维度的选项，得到的路径也可能有N条。如果去逐一验证，会很耗时耗力。而更关键的是，完成验证的难度可不一般——只是坐在计算机前看数据，其实是很难完成对商业模式可行性的判断的。这主要是因为数据可得性问题——没有什么现成的数据可以告诉你某个商业模式靠不靠谱。特别是对于一个全新的行业来说，市场的反馈数据往往非常稀缺。于是在现实世界中，不少资本会采取两种耗时耗力的验证方式——调研法和试错法。先看看调研法，这是很多有资本优势的快消品企业采取的做法。快消品企业会做大量的市场调研，测试市场的反应。本质上，这是在穷举各种商业模式的组合，并用小样本进行测试。在实操中，快消品企业一般会使用问卷调查的方式（估计不少商学院出身的同学在大学都做过问卷调查），看看有哪些客户群体（简称“客群”）、不同客群的具体需求是什么、更喜欢什么渠道、更喜欢什么品牌定位，等等。此外，快消品企业也可能会追踪和观察某些特定的客群。它们会在征得目标用户同意的前提下，24小时不间断地观察目标用户的生活，找到目标用户对各种产品或服务的需求和存在的痛点。有些快消品企业甚至会尝试翻看目标用户的垃圾桶。调研法的另一种方式就是焦点访谈。快消品企业会通过市场调研机构，邀请多个用户到特定场所进行线下讨论。会议的主持人会引导参加讨论的用户，让他们就某些产品或服务发表意见。而调研机构或快消品企业的工作人员，通常会通过监视器或在单向玻璃后进行观察。再来看看试错法，它是指创业者亲自上场，靠实操去验证商业模式是不是可行。很多专门投资早期项目的VC和天使投资人曾强调，对于创业者来说，最重要的其实是执行力。这些投资者不是靠市场调研来验证商业模式，而是把钱花在了创业者身上。他们很看重创业者的调头能力（调头在业内称为“pivot”，而调头能力是指在意识到自己的商业模式走不通时快速转型的能力）。如果一个行业真的是“厚雪长坡”[插图]，即使一时没有找到合适的商业模式，但时间长了总归能摸索出来的。投资者这么做，本质上是在让创业者通过试错，去帮自己完成商业模式的验证。与由一个团队不断迭代这一思路相对的，是多个团队同时试错的思路。
红杉资本创始人、“硅谷风险投资之父”唐·瓦伦丁（Don Valentine）有句名言：“下注于赛道，而非赛手。”其意思是，要投就投靠谱的行业，而不是去挑公司。投资圈也把这种投资模式称为“赛道投资”。红杉中国的创始合伙人沈南鹏也深谙其道。比如在电商行业，红杉中国就投过阿里巴巴、京东、聚美优品、麦考林、乐蜂网、美丽说、唯品会等企业，而这些企业基本上互为竞争对手。也正因为如此，沈南鹏曾被一些创始人吐槽——投唯品会的时候，红杉中国已经投了聚美优品；投驴妈妈的时候，红杉中国已经投了途牛；投饿了么的时候，红杉中国已经投了美团。红杉中国这么做，相当于让创业者用不同的商业模式去帮自己验证到底哪个商业模式才是真正可行的。这么做还有一个好处：如果多种商业模式都被验证成功，投资机构可以推动这些公司合并，进而产生规模效应，覆盖不同的产品形态、用户、渠道……比如红杉中国就曾在2015年推动过美团和大众点评的合并——两个商业模式都很靠谱，客户群体也差不多，干脆合并。这样一来，两家企业可以利用规模效应，为企业省下不少成本。
在二级市场，同样可以参考上述两种验证思路。比如我们可以找出已经证明了自己的快速迭代能力的企业进行投资。以光伏行业的投资者为例，他们往往对有着优秀管理层、辉煌创业史的龙头企业抱有坚定的信心。如果看好整个赛道，感觉能挣到行业整体上行的钱就够了，没必要一定选出胜出的企业，那么就可以采取这种思路投资。此外，还可以通过行业ETF（交易所交易基金）或行业主题基金进行投资。不过，在行业的导入期，无论是采用调研法还是试错法，都需要投入大量成本。无论是财务成本还是时间成本，都不是个人投资者可以承担的。对于资本来说，它们不可能不进行任何评估就直接下血本，因为如果一个商业模式的成功率很低，那么直接试错就会带来大量的浪费。所以一般来说，为验证商业模式而进行大量投入之前，首先要通过细致的分析进行事前评估。当这些行业的商业模式的可行性被准确评估后，即使不能保证百分之百成功，也会有比较高的胜率。我一直都说，投资就在于胜率和赔率之间的权衡。所以，就算胜率不是100%，只要赔率合适，其实也是可以“下注”的。在行业的导入期，我们的目标是确保胜率绝对不是0%。
第3节　可行性评估：“卖出去”只是第一步，“赚到钱”才是硬道理商业模式的可行性评估可以分为两步：销售可行性评估和利润可行性评估。前者主要评估产品或服务能不能卖得出去，后者主要评估它们到底能不能赚到钱。在导入期，不少投资机构并不会过多考虑是否能立即赚钱。比如，京东“烧”了10年钱才实现盈亏平衡，哔哩哔哩（简称“B站”）甚至直到2023年还处于亏损状态。不过，即使我们做好了长期投资的准备，也要确保后续有赚钱的可能性。在A股市场，在主题投资的后期阶段，那些有实实在在业绩支撑的细分行业往往表现得更好。
销售可行性评估我们先来看看销售可行性评估，它旨在评估产品或服务所满足的需求是否真实存在。比如在寺庙卖梳子给和尚，这大概率是在满足伪需求——除非是让和尚给梳子开光，转卖给寺庙的信众。要验证需求是否存在，照着“马斯洛需求金字塔”（马斯洛需求层次理论）进行比较是个办法（图2-7）。[插图]图2-7　马斯洛需求层次理论资料来源：《动机与人格》但是这么做，我们很容易落入似是而非的陷阱——似乎绝大部分产品或服务经过抽象之后，都能对应上其中的某种需求，这显然与大量的商业模式被证伪的现实不符。
一个更加实操的方法是采用对标法。具体来讲，对标法可以分为时间对标法和空间对标法两种。时间对标法就是往前回溯，看看有没有相关的需求存在。这背后的底层假设是，需求是永恒的，而产品和服务一直在变。比如“在家快速搞定一顿饭”的需求，一开始满足这个需求的是干粮，接着是方便面，后来是电话外卖。这些年又诞生了互联网外卖平台和预制菜业务。成功的商业模式往往不是创造新的需求，而是用新的方式（新的解决方案）来满足已有的需求。
如果你应用一种商业模式是在尝试满足以前从没出现过的需求，那么这种商业模式很有可能是站不住脚的。这里举一个反例——共享篮球（图2-9）。共享篮球的本质其实就是篮球租赁服务。以前的体育场地基本上没有篮球租赁服务，因为篮球本身并不贵，也不占地方，对于篮球运动爱好者来说，家中常备一个篮球并不是什么问题。而打篮球这件事情一般需要打球人换好衣服、球鞋，和小伙伴约好时间，到球场打球。找了一圈人，总不至于一个篮球也找不到吧。做一个共享篮球的App或小程序并不会改变这种情况，所以不出意外，想乘着共享经济东风的共享篮球项目很快就凉了。
当然，随着外部环境不断变化，也有可能出现新的商业模式，只是用这种新商业模式创业胜率往往很低，还需要大量的试错成本。另一个对标方法是空间对标法，也就是对标成熟市场，看看有没有类似的成功案例。这背后的底层假设是，人类的底层需求是相通的，所以成熟市场的经验可以作为参考。曾在早期投资了阿里巴巴的著名投资人孙正义提出过一个“时光机理论”，背后正是类似的逻辑——新生事物或新趋势最早出现在美国，然后被“复制”到日本，紧接着被引入印度，等等。我们经常会听到各种论调，如今印度或东南亚国家某个行业的发展水平，相当于多少年前的中国的发展水平。如果在人均收入、消费习惯等维度进行对比，那么这种对比方法在中国的一线城市、二线城市以及三四线城市也是适用的。这种理论是经受住了历史考验的。在以前相当长的时间里，国内的创投圈一直在流行“C2C”（Copy to China，复制到中国）模式（图2-10）。腾讯最早的产品QQ就借鉴的是海外产品ICQ。实际上，除了腾讯，国内很多互联网巨头也借鉴了海外企业的成功经验。比如海外有雅虎（Yahoo），张朝阳便回国推出了搜狐；海外有谷歌（Google），李彦宏便回国创办了百度；海外有易趣（eBay）和PayPal，阿里巴巴便推出了淘宝和支付宝；海外有推特（Twitter，被马斯克收购后改名为“X”），国内各大互联网巨头纷纷推出了微博产品，只不过最后只有新浪微博活了下来……
当然，现在很多人正在做的，是把中国跑通的商业模式复制到东南亚地区。比如我有一位朋友是领创集团的联合创始人。起初，公司主要在国内做消费信贷风控业务，与国内金融机构合作放贷，从中赚了很多钱。后来竞争越来越激烈，于是公司决定“出海”到东南亚发展。当时，东南亚市场还是一片蓝海，公司拿了高榕、软银和华平等投资机构的资金，迅速占领了当地市场，现在还开始帮助中国的电商企业做出海业务。海外也有人采取类似的做法。比如一家叫Rocket Internet（火箭互联网）的德国公司，它专门把硅谷已经成熟的创业项目复制到新兴市场中，然后将其出售，而且买家有时就是被复制的对象。Rocket Internet已经把这套模式运用得炉火纯青。它只需要36个月的时间，就可以打造一家估值10亿美元的公司。例如Rocket Internet孵化的Lazada电商平台（图2-11），几乎像素级复制了整个亚马逊的首页设计，最终被马云看中，投了10亿美元控股这家电商公司。
当然，这套办法并不是总能行得通。创业者需要考虑政治、经济、社会文化、技术发展水平等多方面的相似性，才能提高成功率。此外，如果对标的对象本身就是新生事物，那么对标方案“胎死腹中”的概率也很大。比如Clubhouse在2021年年初风靡一时，它被马斯克带火出圈（图2-12）。这个类似语音聊天室的App实行邀请制，邀请码在国内的电商平台上一度被炒到了999元一个。当时国内大厂也纷纷跟风，36氪推出了Capital Cofee，阿里推出了MeetClub，优酷土豆推出了YouTalk……结果其兴也勃，其死也忽，没过几个月这个赛道就凉了。2021年2月，Clubhouse的下载量达到960万，到了2021年4月却骤降到92.2万，降幅高达90%。国内的追随者也都渐渐没了声音。
利润可行性评估接下来我们来看看如何进行利润可行性评估。前面我们评估了需求是否真实存在，但这还远远不够，因为即使用户愿意付费，但如果收入无法覆盖成本，对于企业来说也是徒劳。为了判断是否有利可图，我们可以从定性分析和定量分析两个维度入手。我们先来看看定性分析。我们知道，利润的计算公式为：利润=收入–成本。所以在评估利润时，收入和成本两边都需要评估。先看看收入层面。前面我们已经进行了销售可行性评估。只要通过了这一评估，说明产品或服务所满足的需求并不是伪需求，而是真实存在的。然而，人们不会只有一种需求，而满足需求是需要消耗资源的——要么消耗金钱，要么消耗时间和精力。由于不同需求之间有可能存在对立关系，因此即使在前面的分析中已经确认了需求，也要对需求进行优先级排序。在排序中，位置越靠后的需求，企业就越难靠满足它们来赚钱。这时，马斯洛需求层次理论就可以派上用场了。这里引用中欧国际工商学院的龚焱教授分享过的一个案例。龚焱教授在20世纪90年代末和同学一起创立了一家太阳能公司。当时他们跑到全球最缺电的东南亚地区找新市场。当年那个地方很多人的家里没有灯，晚上一片黑暗。于是，他们打算把提供照明产品作为一个解决方案带给当地人。不过，最后没有什么人买他们的产品。后来他们发现，当地人对电的需求其实集中在制冰上，而不是在照明上。当地的很多小店会卖冰块，因为当地的温度实在是太高了，所以再穷的家庭也需要喝冰水降温。而照明对他们来说并不是刚需，因为他们晚上一直生活在黑暗之中，眼睛对黑暗已经非常适应了。除了马斯洛需求层次理论，我们也可以依照下面两个标准——频次和弹性——来为需求进行排序。换句话说，一个赚钱的商业模式所满足的需求大概率会符合下面两个条件之一，我们可以依此来为需求排序。一是频次高。只有产品或服务被使用的频次高，销售数量才能提高。二是弹性小。“弹性”是经济学中的概念，描述的是需求量对价格变动的敏感程度。弹性比较小，意味着客户对产品或服务有强烈的依赖，产生了所谓“刚性需求”。在这种情况下，产品或服务的客单价可以定高一些，从而获得更高的毛利率。
矩阵右上方的格子体现的是频次高、弹性小的需求，比如吃饭就是一个很好的例子。所以在餐饮行业，毛利率往往可以达到40%～60%。而矩阵左上方的格子体现的是频次高、弹性大的需求，比如吃猪肉。人们可以暂时不吃猪肉，而是改吃牛羊肉，所以这种需求的弹性很大。右下方的格子体现的是频次低、弹性小的需求，比如婚庆服务。对大多数人来说，一辈子可能只使用一次婚庆服务。虽然频次低，但是弹性相对比较小，人们一般愿意花更多的钱。不过这对商家来说并不是最佳的商业模式，因为每次都需要重新获客，获客成本低不了。左下方的格子体现的是频次低、弹性大的需求，比如景点骑马。对大多数人来说，旅游本身就是一个频次相对较低的需求，而在景点有很多其他好玩的项目，并不是非要骑马。所以，景点骑马项目可能并不是一个好生意。当然，并不是需要兼有频次高、弹性小才能构建一个可靠的行业，但是如果是频次低、弹性大的生意，那么其投资价值相对会低很多。简而言之，频次高、弹性小，这二者至少得取其一，才可能有不差的收入。
接下来，我们考量成本层面，它重点是看标准化程度。我们来看看海底捞的案例。为什么海底捞选择了火锅而不是别的菜品？主要是因为火锅的切配和汤底具有足够高的标准化程度。试想一下，假设海底捞一开始选的不是火锅，而是四川炒菜，那它肯定没办法达到现在这个规模，因为只有当商业模式的标准化程度足够高时，其综合成本才可能降至更低。不过低成本也是把双刃剑：客户对成本也有一定的感知，这种感知有时候也会反过来影响定价。我曾经听麦肯锡的一位前上司分享过一个案例。他说他有一次跟一个做SaaS软件的朋友聊天。对方抱怨说，团队辛辛苦苦部署一个项目，最终才赚几十万元，而麦肯锡的咨询顾问跑过去做了3个月的战略咨询项目，却能有上千万元的收入。这种现象背后的原因是，SaaS软件本身是一个标准化程度比较高的产品。尽管也要进行定制化开发，但是从底层来看，SaaS软件仍被视为高度标准化的软件，所以很难卖出高价。相比之下，咨询顾问需要根据客户需求进行深度定制，提供高度个性化的解决方案，其标准化程度非常低，所以咨询服务自然可以卖出更高的价格。
除了定性分析，我们还可以进一步进行定量分析。这里可以运用单位经济模型（Unit Economics Model，简称“UE模型”）进行分析，其中“单位”是指能够体现收入和成本关系的最小运作单位，“经济”是指与这个单位相关的收入、成本、利润等财务情况。“最小运作单位”听上去有点儿难理解，我们看一个例子就好理解了。比如在餐饮行业，“最小运作单位”可以是一家门店。如果搭建UE模型，就是在估算一家门店一年的盈利状况。我们可以找一家具有代表性的门店，梳理一下房租、食材、水电、人工等情况，估算一下运营需要多少成本，每天的客流量是多少、客单价是多少，最后得出这家门店能创造多少利润。当然，这家店应该比较有代表性，能够反映行业的总体特征，而这种模型一般叫作“单店模型”。
然而，不同行业的最小运作单位不太一样（图2-14）。
对于网约车平台，UE模型可以是以一辆车在一年内能够创造的利润来估算；在美妆行业，最小运作单位可能是一种单品，比如一款100元的护手霜。我们需要估算物料成本是多少、生产费用是多少、打广告需要多少钱、渠道分成是多少，等等；对于外卖行业，最小运作单位可能是一个订单，我们需要估算一个订单中骑手拿多少钱、外卖平台赚多少钱。通过搭建UE模型来评估利润可行性的底层逻辑也很简单：如果一家门店、一辆车、一款护手霜、一个订单都赚不到钱，那么多家店、多辆车、多款产品、多个订单能赚到钱的可能性就小了很多。相反，一旦最小运作单位可以赚到钱，那么进行规模化复制也显得更为合理。
华创证券用到的最小运作单位是一个门店，也就是前面所说的单店模型。从图2-15中我们看到，门店支出的大头是在DM（Dungeon Master，剧本杀游戏主持人）的工资上，然后是房屋租金。经过详细的成本和利润分析后，每家店可以实现38.2%的利润率。假设每家店都可以达到这个利润水平，那么这个生意还是可以做的，可以考虑开更多分店。很明显，单店模型是从供给侧考量的。但是UE模型不仅可以从供给侧考量，也可以从需求侧进行分析。从哪个角度展开分析，主要取决于你的分析目的。比如通过下面这个密室逃脱实体店的案例分析（图2-16），我们可以明白这一点。假设我在一线城市开了一家密室逃脱实体店，店内共设5个主题，每个主题的体验费用是300元/人。我设计的密室逃脱游戏特别好玩儿，回头率是100%。假设每个顾客都会把每个主题的密室逃脱游戏玩一次，那么我可以从每个人身上赚到1500元。
为了获得新顾客，我会在点评类应用和短视频应用中投放广告，也会给介绍新顾客的老顾客提供优惠。平均来看，预计每个新顾客的获客成本大约是500元，其他成本的摊销大约是600元。所以，从一个顾客身上，我可以赚到400元（1500元–500元–600元=400元）。假设目前密室逃脱实体店仍有很多时段没有几个顾客，几乎是闲置的，因此我正在考虑是否需要在闲置时段推出降价促销活动，比如每个主题游戏降价20%。虽然这么做使得从每位顾客身上赚到的钱少了300元（1500元×20%=300元），但是我可以有效地利用闲置时段，将其顺利地“卖出去”。假设获客成本和其他成本摊销不变，每个顾客仍能贡献100元的利润（400元–300元=100元），何况随着顾客数量的增加，成本摊销实际上是会减少的。这种UE模型被称为“单客模型”，用来衡量每位顾客创造的利润。与“单店模型”主要关注是否要开新店不同，“单客模型”主要用于计算合理的获客成本，从而优化营销投入、增强盈利能力。总的来说，选择“最小运作单位”的核心策略就是以点带面、以小见大。这可以让我们搞清楚，一种商业模式在现实中是怎么运作的、成本结构是怎样的、利润情况如何。因为整个业务其实就是多个UE模型叠加起来的结果，所以研究和理解UE模型，往往就能搞清楚整体的商业模式。而且，相比于标准化的财务报表，UE模型更能直击核心业务，反映核心业务的运行状态，有效排除很多不必要的干扰项，并反映行业独有的特征。它可以让我们更好地认识商业模式的本质。实际上，在观察餐饮行业的年报时，我们就会发现，报告除了提供标准的财务数据外，还会单独列出同店销售增速（往往选取开业一年以上且仍在正常经营的成熟门店作为样本，计算其在报告期内的同比增速）等指标，以便投资者更好地掌握经营情况。
我们首先看看营业收入（简称“营收”）。营收可以分解成客单价和日均顾客服务数，其中日均顾客服务数可以进一步分解成每桌平均顾客数、单店桌数和翻台率，其中翻台率是指，在一定时间内一张桌子可以供几批顾客用餐。海底捞的标准店型是一家店有75张桌子，每桌平均顾客数是3.50人/桌，翻台率是4.8次/天。将这3个因素相乘，可以得到日均顾客服务数为1260人次/店/天；将此数乘以客单价105.20元，一天的营业额接近13.2552万元。假设一年该店开张360天，营收大约是4772万元。再来看看成本开支。成本开支可以分解成食材及易耗品、员工薪酬、使用权折旧及物业租金、水电开支，等等。员工薪酬等又可以进一步细分，这里不再展开叙述。最后可以得出海底捞一家店的一年经营利润（毛利）大约是888万元。
绝大多数具备规模效应（规模越大，长期平均成本越低）的行业，如果把一个单位单拎出来看是可以盈利的，那么这个商业模式基本上就是可行的。
此外，即使UE模型当前算出来是亏损的，这在行业发展的早期阶段也并非不可接受，重点在于将来有没有改善的可能。如果随着规模扩张，固定成本得以更好地被分摊，从而显著改善盈利情况，那么这种商业模式同样具备复制、扩张的基础和潜力。换句话说，我们要用“终局视角”去预测行业未来的UE模型。当前的商业模式不挣钱，并不代表它以后一直不挣钱。
总之，UE模型反映的是特定时间点的静态结果，模型中的数据则会随着时间的推移和行业的发展而不断变化。在实践中，很多创投机构会建立3个UE模型：一个是反映当前情况的，一个是反映盈亏平衡状态的，还有一个是基于终局视角的（从长远来看企业最终会发展成什么样子）。如果当前的UE模型处于亏损状态，且没有办法向盈亏平衡或更理想的状态演进，那么商业模式大概率是不可行的。前面所说的利润可行性评估主要适用于卖产品或卖服务的传统商业模式。然而，还有一类特别的商业模式，它很难向用户收费。
无法收费的商业模式很难向用户收费的最典型的例子就是微信。微信提供的是频次高、弹性小的通信服务。按照常规分析，此类服务的销售应该不成问题。然而实际上，微信是免费的——它很难通过收取月费或年费来赚钱，也不能实现高客单价。这是为什么呢？针对这个问题，马化腾先生曾试错过。在早期发展阶段，QQ没有盈利模式，于是腾讯曾一度尝试每注册一个QQ账号收取1元钱。结果这一举措引发了用户反弹，竞品开始出现、抢市场，比如网易泡泡、朗玛UC等。腾讯见势不对，于是又恢复了免费服务。其实从用户的角度来看，虽然我们使用微信是不花钱的，但是也不是没有代价的。比如，我们看了朋友圈中的广告，使用了微信小程序的入口，进行微信支付，等等。虽然对于普通用户来说，这些服务都是不花钱的，但是有其他业务方帮我们付了钱。本质上，微信跟媒体产品相似，普通用户还是承担了成本的，比如用户在广告上付出的注意力转化成了微信的收入，只是支付方是其他业务线、广告主或商家罢了。支付方付了钱，自然会想办法从普通用户身上赚回去。所以底层逻辑是一样的，用户还是承担了成本。在这种模式下，我们需要考量的收入部分是广告主和商家可以从每个用户身上赚到多少钱，以及他们愿意将多大比例的收入作为购买流量的成本。这便是微信的每个用户能带来的隐性收入，即很多互联网从业者熟知的ARPU（average revenue per user，每用户平均收入）。值得注意的是，这种类型的商业模式在导入期甚至成长期都难以被准确量化。这很容易导致一个问题，即在市场特别不缺钱的阶段，某些企业的估值会被大幅拉高，因为大家在做假设的时候都会特别乐观。比如2015年美联储加息导致资本寒冬出现之前，市场出现的互联网泡沫就是这种情况。当年很多App没有商业模式，只是一味地追求用户流量，但最后发现估值都高得离谱。当然，目前微信也不是完全无法向用户收费，毕竟它已经过了早期发展阶段，竞争对手想要复刻并免费提供类似服务并没那么容易。此外，微信上也沉淀了用户大量的个人数据。所以，即使微信开始收费了，只要费用不过分，大多数用户仍然会选择继续使用。一个相关的典型例子是，马斯克收购了推特公司后，除了将其改名为“X”，另一个重大改变就是开始向拥有实名认证标签的用户收取月费。在那之后，Meta推出了被视为“推特杀手”的社交应用Thread，试图抢夺推特的市场份额。在短短5天内，Thread的用户数量就超过了1亿。然而，根据Sensor Tower的数据，不到1个月的时间，Thread的每日活跃用户数量就下降了82%，仅剩下800万左右。反观推特，虽然它经历了用户流失，但其基本盘并没有动摇。因此，微信目前仍然保持不收费的策略，在某种程度上是出于企业社会责任的考虑，因为微信已经发展成类似电信服务这样全民都在使用的基础设施类应用了。无论是收费，还是其他任何小变化，都会对全民造成影响，因此每一个决策都需要极为谨慎的评估。
创新的不同层级从理论上来说，如果一个商业模式通过了销售可行性评估和利润可行性评估，那么它可以被认为是具备一定可行性的。但是光有可行性，并不能保证企业必然成功、大放异彩。如果一种商业模式所依赖的前置创新技术还没有成熟，那么这个商业模式可能会生不逢时，长期停滞在导入期。比如2015年以前的新能源汽车行业就体现了典型的应用层创新。当时材料学层面的创新尚未到来——电池能量密度低、续航里程短，所以做出来的新能源汽车产品没有什么竞争力，不得不高度依赖补贴。大体上说，不同类型的创新是有先后顺序的（图2-18）。
比如与PC互联网和移动互联网相关的创新都是先发生在基础设施层面，然后发展到硬件层面，再到操作系统层面、应用程序层面。最后，顶流应用程序又催生出新的生态参与者。具体来说，先有了PC互联网这一基础设施，硬件层面的个人计算机才得以普及。在此基础上，Windows操作系统得以风靡全球，IE浏览器这类应用程序成了流量入口，而围绕着浏览器这一流量入口，门户网站这种重要的生态参与者诞生了。移动互联网时代的情况也与此相似。事实上，大部分创新可以划分成基础层创新、中间层创新、应用层创新。通常情况下，先有基础层创新，再有中间层创新，最后才轮到应用层创新。比如，先出现了高性能显卡和大模型的迭代，才涌现出了层出不穷的AI应用。现在国外可借鉴的案例越来越少，部分原因是应用层面的创新能借鉴的都已经借鉴完了，基础层面和中间层面的创新光靠借鉴是很难借鉴来的，更多地要靠自主研发。实际上，这也是近年来投资圈越来越聚焦硬核科技赛道的底层原因。
本章小结本章的内容要点如下。• 商业模式体现的是生产力三要素（劳动者、劳动资料、劳动对象）和生产关系三要素（生产资料所有制形式、人们在生产中的地位及其相互关系、产品分配方式）的排列组合。• 商业模式没有“标准答案”，同一行业中的同一公司可能有多种可行的商业模式。• 要验证商业模式，（理论上）可以通过穷举的方式列出所有选项，再通过快消品企业常用的调研法，或风险投资机构常用的试错法进行验证。• 对于处在导入期的行业，判断其商业模式是否可行是行业研究的重点。可以从销售可行性评估和利润可行性评估两个角度入手。销售可行性评估：通过时间对标法对标过去，看看有没有类似的需求存在；通过空间对标法对标成熟市场，看看有没有类似的成功案例。利润可行性评估：通过定性分析，从频次和弹性两个维度来评估收入，用标准化程度来评估成本；通过定量分析搭建UE模型，并进行动态追踪。• 大部分创新可以划分成基础层创新、中间层创新、应用层创新。先有基础层创新，再有中间层创新，最后才轮到应用层创新。

第3章规模性：为什么有些公司上不了市

第3章　规模性：为什么有些公司上不了市第2章主要讲的是，如何评估商业模式的可行性。如果说可行性是判断企业能不能从0到1，那么本章将要讲的规模性就是用来判断企业能不能从1到100。
“市场规模”指的是什么呢？在学术上，“市场规模”没有特别严谨的定义。它的字面意思就是这个市场有多大，而在业界，当提到“市场规模”时，我们大多数时候会用销售额来衡量，也就是这个行业在这个市场可以卖出多少钱的产品或服务。市场规模的重要性无论怎么强调都不为过，因为只有一个行业有足够的市场规模，才能孕育出体量大到足以上市的公司。有些创投机构明确表示，不会投那些稳态规模（发展到成熟期后的规模）不到百亿元的行业。这也很容易理解，毕竟创投机构的终极目标是被投企业能够上市。同时，市场规模在很大程度上决定了市值空间，身处不到百亿元市场规模的行业中，你很难想象该行业能出现市值达到千亿元的企业。也正是因为如此，从投资机构到咨询公司，大家都很重视市场规模。本章我们就来重点讨论市场规模的3种分类，以及如何测算市场规模。
第1节　应用场景：你很难找到这些行业的市场规模数据十几年前，即将大学毕业时，我到当时排名靠前的3家咨询公司（麦肯锡咨询公司、波士顿咨询公司、贝恩公司）面试。面试的时候，几乎每家公司都会问有关市场规模测算的问题，比如让我估算麦肯锡楼下的星巴克一年的销售额，或者估算北京一年能卖出多少平方米的地毯，等等。我在面试谷歌和腾讯等互联网公司的时候，面试官也会问我类似的问题。面试官之所以安排这类问题，不光是为了考察逻辑和分析能力，也是因为在商业社会里经常会用到市场规模测算能力。看到这里，你或许会有疑问——市场规模这种数据，直接搜不就好了？为什么要自己测算呢？确实，像生猪养殖行业，可以去找商务部和农业农村部的数据，汽车行业可以去找乘联分会（中国汽车流通协会乘用车市场信息联席分会）和中汽协（中国汽车工业协会）的数据，房地产行业可以去找克而瑞[插图]、中国指数研究院的数据……需要市场规模数据的时候，直接到这些政府部门、行业协会或者研究机构找他们统计的数据，不就可以了吗？
然而，并不是所有行业的市场规模数据都能那么容易找到。有的行业既没有官方统计，也不见得有相关的行业报告，比如下面这3种情形。情形1：来不及有的行业才刚刚诞生，之前根本没有这种业态，自然没有市场规模的统计。比如共享单车在起步阶段发展可谓迅猛。当年财大气粗的行业龙头“小黄车”ofo，在一些大城市每天投放数千辆单车。就算真的有机构愿意去统计，变化也快得统计不过来。我们也拿不到企业或者VC内部的测算数据，这时候就需要我们自己测算市场规模。情形2：没动力有的行业规模太小、从业者不多，或者行业集中度太低，投资者暂时无法在市场上找到值得投资的大公司。这时候，就算市场规模的数据统计出来了，也没多少人会用。即使有研究机构辛辛苦苦地统计了数据，统计结果也卖不出去，所以研究机构通常没什么动力去统计。比如一些地方小吃的市场规模就非常小。我只在潮汕地区和香港见过我爱吃的糖葱薄饼。之所以香港有，也是因为在香港来自潮汕地区的人比较多。而且这种小吃的制作工艺门槛比较高，会做的人很少。我在京东上搜了下销量最好的单品，其累计评价也只有200多个。这种小规模的市场自然没什么人去统计。规模很小的行业还有很多，照片修复是另一个例子。我的舅舅曾把我外公年轻时的军装照片拿去做了照片修复，花了几百元钱，老人家看到照片后非常开心。但是，如果商家把价格提得太高的话，恐怕愿意修复的人不会多（正如第2章提到的需求“弹性大”这一情况）。目前市场上有很多商家提供老照片修复服务，甚至有一些AI修复工具。因为竞争激烈，人工修复的费用是每小时几十元，而用AI修复工具修复照片一年的费用仅为98元，终身的服务费用还不到200元。照片修复本身就是低频次的需求，且价格还低，仅做这种生意很难做出一家值得投资的上市公司来，所以市场规模也没有人统计。情形3：做不到还有些行业很不透明或保密，研究机构想要获得相关数据几乎是不可能的任务。这就要求我们需要自己学会做市场规模的测算。至少在看到别人的测算结果时，能判断出对方算得是否可靠，如果不可靠该如何修正。图3-2对上述3种情形做了总结。
第2节　不同口径：要测算的究竟是哪个市场规模美国斯坦福大学的兼职教授史蒂夫·布兰克（Steve Blank）在他的《创业者手册》一书中，梳理了市场规模的3种口径（图3-3），即3种市场规模类型。第一种口径是“潜在市场”（Total Addressable Market, TAM），也就是某个市场的潜在需求有多大。第二种口径是“可服务市场”（Served Available Market, SAM），也就是现在有多少需求已经被满足了。第三种口径是“可获得市场”（Served Obtained Market, SOM），也就是某家公司现在拿下了多少市场。
图3-4　类比解释：3种市场规模类型TAM相当于用来装蛋糕的盒子。这个盒子有多大，未来就能放得下多大的蛋糕。SAM是指现在的蛋糕有多大。SOM则指，作为市场的参与者，你能分到多少蛋糕。这里以白酒行业为例（图3-5）做一下进一步解释。TAM就是潜在的白酒市场年销售额——这里需要假设市场已经完全饱和，也就是所有有可能喝白酒的人都已经开始喝白酒了，且消费量也达到了最高峰。在这种假设下，整个白酒行业每年的销售额就是TAM。SAM就是目前的白酒年销售额，也就是把目前所有白酒品牌每年的销售额加起来的结果。SOM指的是某个市场参与者能分到的蛋糕有多大。以茅台为例，SOM指的是茅台每年的终端销售额。
图3-5　白酒行业的3种市场规模类型在行业发展的不同阶段，我们需要关注的市场规模类型不太一样。当被投行业仍处于导入期时，我们要特别关注TAM。如果投资一级市场，也就是投资那些尚未上市的企业，我们必须预先想好怎么“退出”，也就是寻找后续轮次的潜在投资者。虽然被大公司并购也算是不吃亏的选择，但最理想的退出方式还是上市。所以要投资一级市场，一般机构会优先投资有上市可能性的公司。而公司要上市，需要达到一定的规模。以A股的科创板为例，如果我们考虑非红筹、非同股不同权的情况，上市条件并不简单（图3-6）。
所以，要判断一家公司能不能上市，首先要测算TAM。然后，可以进一步假设该公司未来可达到的市场份额，再将TAM乘以未来的市场份额。这个计算结果就是未来市场饱和状态下的SOM。我们需要看看未来的SOM能不能达到上市的最低要求。假设你分析的行业市场份额较为分散，其中某个公司未来会有1%的市场份额，那么至少要有300亿元的TAM，这样1%的市场份额才可能有3亿元以上的营业收入。我们也可以参考一些投资人的经验。比如我的大学师兄、老鹰基金的创始人刘小鹰，他很早就创业成功了，其公司在港股上市。后来他开始做一级市场投资，投过的项目中也有不少成功上市了，比如孚能科技、怪兽充电等。他有关投资的十大原则中有这么一条：“细分市场容量看不到500亿元的基本不投。”看不到500亿元或上千亿元的市场规模，你再怎么努力也做不了独角兽（一般是指成立不到10年，估值超过10亿美金的公司），自然也拿不到超常的回报或收益。这很现实，很多时候就是“选择比努力更重要”。如果我们选择了一条很窄的路，就别妄想它能越走越宽。
当行业进入成长期后，我们要特别关注TAM和SAM。这主要是为了判断行业的发展是不是即将遇到发展瓶颈。如前所述，用SAM除以TAM得出的结果反映的是类似渗透率的概念（只不过计算渗透率使用的是用户数量，而这里使用的是销售额）。如果得出的数值已经相当高了，这意味着留给成长期的时间不多了，高增速不见得可以维持很久。当行业进入成熟期后，我们主要关注的是SAM和SOM。如前所述，SOM除以SAM得到的结果就是市场份额。而在成熟期，一个核心的投资逻辑是行业集中度的提升——行业龙头可以通过各种整合手段拿下更多的市场份额。本书将在后续关于竞争格局的内容中详细阐述这一点。图3-7对不同行业的发展阶段所看重的市场规模类型做了总结。
第3节　测算方法：手把手教会你如何估算市场规模前述3种市场规模类型有不同的市场规模测算方法。在介绍具体的市场规模测算方法之前，我们先明确一个大原则——我们可以把数据很难获得的变量，拆分成多个数据容易获得的变量。如果你在工作或学习过程中曾经搭建过金融模型，你对这个方法会很熟悉。如果你没有金融背景，也不必一听到搭建模型就觉得很难。其实金融建模背后涉及的数学知识大多数属于中小学应用题的水平。只要懂得加、减、乘、除、乘方、开方就可以搭建模型，其关键还是在于你是否对行业有基本的了解。具体来说，有3类测算方法，分别适用不同的市场供需情况。它们分别是需求导向、供给导向和供需匹配。
方法1：需求导向这个方法主要从用户需求的角度出发，来考量市场规模的大小。它比较适用于估算TAM。这里我先介绍一个普遍适用的公式（图3-8）。
下面用一个例子来活用这个公式。案例1假设我们正在考虑投资一家生猪养殖企业。在做出投资决策之前，我们必须搞清楚一个问题——中国一年总共会消费多少吨猪肉？实际上，有关猪肉消费量的数据，农业农村部和国家统计局都有现成的统计数据。这里我们假设这一数据不可得，需要我们自己估算。我们可以直接套用图3-8中的公式来估算。①目标客户数吃猪肉的目标客户数大约是13.87亿（此处不包括回族、维吾尔族等少数民族同胞，数据来自第七次人口普查）。②渗透率考虑中国的素食者大概占3%，所以渗透率大概为97%（100%-3%）。③客均订单量在本案例中，客均订单量可以理解为人均年猪肉消费量，它可以进一步拆解为：客均订单量=每天消费的肉量×猪肉在肉类消费中的占比×365天（一年购买次数）每天消费的肉量可以用常识来估算——西餐厅中的一块牛扒的重量一般是200～250克，而中餐中有主食，肉类和果蔬通常作为配菜，所以每餐中肉的分量大概只有西餐牛扒的一半，即大约100克。一天三餐中，早餐通常吃肉较少，可忽略不计，所以每人每天通过两餐消耗肉类大约共计200克。此外，除了猪肉，我们也会吃牛肉、羊肉。不过猪肉仍是许多中国人最常食用的肉类。我们可以保守地估计猪肉占所有肉类消费的50%。④客单价在本案例中，客单价是指猪肉的单位重量价格。在过去的几年中，猪肉的价格波动较大，价格高的时候每千克三四十元，价格低的时候每千克十几元或二十几元。因为我们要衡量一个行业的“天花板”，所以保守起见可以使用比较低的价格——12元/千克。通过上面这一连串的假设，我们不难得出，如果猪肉价格保持12元/千克的低位，一年的市场规模可以达到5900亿元左右（图3-9）。
猪肉的市场规模算是比较好测算的，因为每天对其的需求比较刚性，猪肉是比较恒定的持续消耗品。还有一些单品的消费频次没有那么高，它可能是耐用品，几年才会更换一次。对于这类产品，每年的购买频次可能小于1或等于1。
下面以家用地毯为例，我们来看看如何测算这类市场规模。案例2假设我们计划在北京销售家用地毯。在开始做这个生意之前，我们必须搞清楚一个问题——北京家用地毯的市场规模是多少？我们还是采取与上一个案例类似的思路来分析。①目标客户数每个人都可能买地毯，北京大约有2000万的常住人口，假设他们都是我们的目标客户。②渗透率这个数据可能不容易获取，可能需要问问身边的朋友或进行初步市场调研来估计。我们假设地毯渗透率达到了50%，且渗透率暂时不会提高。在实操上，我们需要进行更详细的市场调研，以获得实际的渗透率。这部分的相关内容会在后面进一步讲解。③客均订单量我们假设，客户平均每4年更换一次地毯，且这种更换是线性的——每年大概有1/4的客户会更换地毯，每次更换一张，那么客均订单量就是每年0.25张。④客单价假设一张地毯的价格为200元。综合上述因素进行计算，北京家用地毯的市场规模是5亿元（图3-10）。
在这个基础上，我们将问题的复杂度提高一些。在案例2中，我们计算的是TAM，它假设渗透率是稳定的。然而，如果渗透率还没有饱和、稳定，即行业仍处于成长期、未进入成熟期，那么我们需要将1年的购买频次进一步拆分——分为新增购买部分和替换购买部分。我们来看下面的案例。案例3假设我们计划在北京销售家用地毯，需要估算北京家用地毯的市场规模。已知目前的渗透率还未饱和：去年的渗透率为40%，今年提升至50%。如前所述，购买频次分为新增购买部分和替换购买部分。新增购买部分主要来自渗透率的提高。已知去年的渗透率是40%，今年为50%，这相当于去年有800万个客户（2000万×40%），而今年又新增了200万个（2000万×10%）。替换购买部分来自原有的800万个老客户，我们可以直接用存量乘以折旧的比例得出有多少老客户会换地毯。还是假设地毯每4年换一次，且替换是线性的，即存量部分会有1/4的地毯被替换掉。这意味着今年有200万个老客户会换地毯。新客户是200万、老客户也是200万，两部分的客户加起来一共是400万个客户。假设他们都买一张地毯。每张地毯200元，那么今年的市场规模是8亿元（图3-11）。
案例3比案例2复杂一点儿，主要区别在于渗透率本身并不稳定。还有一个需要注意的点是，在案例2和案例3中，我们可以进一步优化假设。之前我们假设的是人均一张地毯，但很多时候，地毯是按每家每户来算的。一个人住，家里可能铺一张地毯；3个人住，家里可能也铺一张地毯。所以我们可以用家庭数量或者户数来替代人口。根据第七次全国人口普查数据，北京市的家庭户平均户规模是2.31人，那么在案例3中，在北京一年可以卖出大约3.46亿元（8÷2.31≈3.46）的地毯。简而言之，有的需求是个人需求，而有的需求是家庭需求，比如计算房子、马桶、冰箱等需求时是以家庭为单位的。面对家庭需求时，我们需要将人口转化为家庭数量或户数。方法2：供给导向方法2比较适合用来估算SOM，比如测算某家公司或某家店铺能挣多少钱。我当年去麦肯锡面试时，面试官曾问过我这么一道题：香港工银大厦楼下的星巴克一年的销售额是多少？这类问题就是从“供给导向”出发的典型问题。如果要评估某家企业或某家店铺的供给能力，我们首先要找到其供给能力的瓶颈。我们以蜜雪冰城为例。
案例4假设我们正在考虑加盟蜜雪冰城，现在需要估算一家典型的蜜雪冰城店铺一年的销售额。如前所述，我们需要先找到供给能力的瓶颈，那么蜜雪冰城的瓶颈是什么呢？要准确判断这一点，我们需要先梳理它的生产流程（图3-12）。按照饮品的生产顺序，交易流程主要包括3个步骤，分别是点单、收银、制作。[插图]图3-12　市场规模测算：以蜜雪冰城为例假设从点单到收银一共要花半分钟（30秒），而每名员工制作一杯饮品要花两分钟（120秒）。假设店内只有一个人负责点单、收银工作，另一个人负责制作饮品，那么瓶颈显然会出现在制作环节上——无论点单、收银的员工操作有多快，顾客点完单后还是需要等待两分钟（120秒）才能拿到自己的饮品。在这种情况下，门店可以考虑额外招聘两名员工：这样一来就可以有3个人负责制作、一个人负责点单、收银（图3-13）。那么在满负荷运转的情况下，平均每杯饮品的制作时间只需要40秒（120÷3=40）。虽然这还是比点单、收银所需的半分钟多了10秒，但是考虑到一天中不是时时刻刻都是满负荷状态，这样的出杯速度是可以接受的。
假设这家蜜雪冰城的营业时间是从早上10点到晚上10点，共12小时。在这期间，门店不可能总是拥挤的。在做这类估算时，我们通常会将这12小时划分为“忙时”和“闲时”。我们假设从中午12点到下午2点、从下午5点到晚上8点，这5小时为忙时，其他7小时为闲时。假设忙时，这家门店能够达到满负荷状态，每40秒完成一杯饮品的制作，那么每分钟能做1.5杯。而闲时的销售量只有忙时的一半，也就是每分钟只能卖0.75杯。那么一天内，忙时的销售量是1.5杯×60分钟×5小时=450杯，闲时的销售量是0.75杯×60分钟×7小时=315杯。两者相加得出，一天可售出765杯。假设每杯售价为6元，那么平均每个月的销售额接近14万元（6元×765杯×30天）。需要注意的是，上面这些数据都是我拍脑袋假设的，而这些假设都是基于商业直觉的。一般来说，拥有更好的商业直觉的人可以做出更可靠、更合理的假设。当然，我们还有其他办法进行更精确的估算，比如我们可以蹲在某个蜜雪冰城门店门口数人头（统计客流量），这样算出来的数据会更精确。这也是不少投资机构常用的方法，比如做空机构美国浑水调研公司（Muddy Waters Research）之前在做空瑞幸咖啡时，就雇用了92名全职人员和1418名兼职人员在全国53个城市的门店中进行全天候录像，录下了上万小时的影像资料。此外，我们还可以用第一种测算方法，即“需求导向”的方法来测算案例4中的市场规模。我们可以考察附近有多少个学校和办公楼、每个学校大概有多少个学生、每个办公楼大概有多少人属于“上班族”，然后估算他们喜欢喝奶茶、蜜雪冰城饮品的比例，从而从需求的角度测算出大致的市场规模。方法3：供需匹配方法3是将供需两端结合起来一起看。这种方法的背后基于一个强假设：供给和需求之间存在稳定的比例关系。同样，在我多年前去麦肯锡面试时，面试官问过我下面这样的一个问题。案例5香港有多少台自动取款机（ATM）？当时我用的是“以小见大”的方式解答的。以下是一些已知信息：我就读的香港中文大学大约有1万名师生，而校园内有5台ATM。在测算时，我用到了前面提到的强假设——供给和需求之间存在稳定的比例关系。换句话说，我假设每台ATM大致可以满足2000人（10000÷5=2000）的需求（图3-14），而香港当时的人口大约是700万，所以香港大致有3500台ATM（7000000÷2000=3500）。
除了采用“以小见大”的估算方式，我们还可以采用“以大见小”的方式。我有个读者朋友就曾遇到过下面这样一个案例。案例6我想了解某个县级市的金融行业从业者数量，但是在官方数据库、政府统计部门以及当地统计年鉴中都没有找到这个数据，那么我该如何测算当地的金融行业从业者数量？同样，我们可以假设每个金融行业从业者能服务的人口有一个固定比例。接着，我们找到全国金融行业从业者的总数量，即1831.6万（数据来源：第四次全国经济普查公报，2018）。根据第七次全国人口普查结果，全国（不包括香港特别行政区、澳门特别行政区及台湾地区）人口为141178万。这意味着，平均每个金融行业从业者可以服务约77人（141178万÷1831.6万≈77）。这时，我们只需用该县级市的人口除以77，就可以得到该县级市大致的金融行业从业者数量（图3-15）。不过这里有一点需要格外注意：在做市场规模测算时，我们要牢记做这个测算的目的。[插图]图3-15　市场规模测算：以某县级市金融行业从业者数量为例如果一开始我想了解这个县级市金融行业从业者的数量，是为了证明这个县级市的金融发展落后于平均水平，那显然不能用前述方式进行测算，因为这样算出来的每个从业者服务人数将是全国平均水平。“供需匹配”的测算方式只适用于供需比较平衡的市场，这通常对应着两种情况。第一种情况是，终端产品满足TAM≈SAM这一条件，也就是行业处于渗透率高、市场比较饱和的成熟期。处于成熟期的行业，其供需关系通常具有相对稳定的中枢。以金融行业为例，无论是ATM数量还是从业者数量，都属于供需关系比较稳定的范畴。当然，随着外部环境的变化，这个比例可能会发生改变。比如，随着电子支付的普及，取款需求减少，ATM的数量可能会逐渐减少。或者因为金融科技的进步，金融机构内部也做了不少流程化和自动化改造，再加上金融降薪潮，金融行业对从业人员的需求也可能减少。此外，即使当前行业仍未进入市场比较饱和的成熟期，我们也可以通过产业政策目标来反推稳定阶段的供需关系。新能源汽车和充电桩就是很好的例子：产业政策会制定车桩比的目标，也就是车子数量与充电桩数量的比例。因此，我们可以根据车桩比的政策目标以及新能源汽车的销量数据，来反推充电桩的需求空间。第二种情况是，行业的产品是中间品或互补品，与另一个行业的产品保持着稳定的匹配关系。咖啡就是很典型的例子。星巴克卖的咖啡实际上都是通过向意式浓缩咖啡（Espresso）加水、牛奶和奶泡调制出来的。一杯中杯咖啡的基底就是一杯意式浓缩咖啡，而一杯意式浓缩咖啡对应的用料是15克咖啡豆。生产这么多咖啡豆则需要90克的咖啡浆果。所以，假设要估算咖啡浆果的市场规模，我们完全可以通过估算每年咖啡的销量反推出来。
案例8尝试估算中国2050年的生活用纸量。这个问题的答案可以简单地拆解为一个公式：生活用纸量=人均生活用纸量×预期人口。在预期人口方面，我们可以直接采用联合国对中国2050年人口的预测结果，即13.5亿。而在人均生活用纸量方面，我们可以采用对标法。2019年，中国人均生活用纸量为6.9千克左右，其中大部分地区的人均生活用纸量低于5千克，而发达国家的人均生活用纸量几乎是我国的3倍甚至更多（图3-16）。2019年，日本人均生活用纸量为15～16千克，韩国人均生活用纸量为20千克，美国人均生活用纸量为22千克，瑞典人均生活用纸量为24千克。我们可以大胆假设：未来中国的人均生活用纸量可以达到每年20千克。据此计算，2050年中国的生活用纸量将达到20千克×13.5亿=270亿千克（2700万吨）。[插图]图3-16　市场规模测算：以生活用纸为例资料来源：生活用纸专业委员会这并不是毫无根据的臆测。事实上，北京、上海等一线城市的人均生活用纸量已在逐渐接近世界发达国家的水平。尽管一些偏远地区的生活用纸量远远低于世界平均水平，但未来随着这部分地区人均GDP的增长，以及零售系统的完善和消费习惯的转变，人均生活用纸量是有可能提高到每年20千克这一量级的。另一种更高阶的方法是调研法，不过这种方法比较耗时耗力。具体调研方式包括问卷调查。比如在测算猪肉消费量的时候，除了像我一样依据常识推算，还可以在菜市场、商超以及社区团购的社群里，通过问卷调查来了解消费者一天的肉类消费量、猪肉在肉类消费量中的比例，并取平均值，进而得出更精确的数据。除了问卷调查，专家访谈也是个不错的方式。在设定关键假设时，就算是拍脑袋，让熟悉行业的专家来拍脑袋总好过你自己来拍脑袋。因为行业专家在其熟悉领域的商业直觉会更敏锐，所以他们提出的假设往往更合理。在本章最后，我们通过一个案例来应用前面所讲的方法。
案例9测算2030年中国现制茶饮（奶茶）的市场规模。测算的思路很简单，依然采用这个公式：市场规模=目标客户数×渗透率×客均订单量×客单价。很多分析师在预估市场规模时往往过于乐观，而我们自己在测算时，不妨保守一点儿。①目标客户数城镇青年是现制茶饮的主要消费群体，所以我们首先需要估算2030年中国城镇青年人口规模。根据《中国青年研究》刊载的《中国青年人口规模与结构变化——基于历次人口普查数据的分析》，到2030年中国14～35岁的青年人口将降至3.57亿人；而根据《国家人口发展规划（2016—2030年）》，到2030年中国常住人口城镇化率将达到70%。即使不考虑城镇中青年所占比例相对于农村更高的因素（这意味着青年人口的城镇化率很可能超过70%），2030年中国城镇青年人口规模至少可以达到约2.5亿（3.57亿×70%）人。②渗透率根据2021年国盛证券的调研结果，74%的受访者在一年内消费过现制茶饮。该调研样本主要集中在一线城市，但也覆盖了新一线、二线、三线及以下各线城市。随着现制茶饮向低线城市的普及，比如蜜雪冰城已经遍布大江南北的大多数小镇，我们可以保守估计，到2030年，现制茶饮在城镇青年群体中的渗透率将达到80%以上。③年人均消费杯数（相当于公式中的客均订单量）现制茶饮因其原材料的丰富性和创新搭配，如搭配乳制品、果汁和小料等，有着巨大的创新空间，可以不断推陈出新，保持新鲜感。此外，糖和咖啡因的组合本身就有很强的吸引力，核心消费群体的复购率有保障。事实上，超过53%的奶茶消费者每周消费奶茶2杯及以上，对这部分人来说，现制茶饮已经是生活方式的一部分。再加上人均收入水平的提升、“悦己型”消费之风兴起，以及现制茶饮向低线城市的渗透，原先的非核心消费群体“小镇青年”的消费频次有望逐步向一二线城市的核心消费群体看齐，从而推动年人均消费杯数的增加。我们可以参考中国台湾奶茶市场的情况。事实上，中国大陆销售的奶茶以台式奶茶为主，港式奶茶的消费者占比相对偏低。如果到2030年，中国大陆消费者在奶茶的消费习惯上进一步趋近于中国台湾消费者，且大陆城镇青年的人均每周消费杯数能够达到台湾当前的人均水平，那么奶茶消费频次有望从现在的0.2杯/周提高到0.85杯/周，即每年消费44.2杯。只要消费者的收入水平不是过低，并不耽误他们每周买两杯奶茶。④杯单价（相当于公式中的客单价）假设现制茶饮2020年的平均杯单价为14元，未来按照年均3%的增速逐年提高，那么到2030年，现制茶饮的杯单价有望达到18.8元。做完以上这些假设后，我们就可以进行测算了。2030年的现制茶饮市场规模将达到1661.92亿元，即2.5亿（2030年中国城镇青年人口规模）×80%（渗透率）×44.2杯/年×18.8元/杯=1661.92亿元。当然，这个测算结果相比卖方的测算结果显得更加保守。比如《2020新式茶饮白皮书》显示，2020年现制茶饮的消费者规模已经突破3.4亿。如果据此计算，即使不考虑消费者规模的逐年扩大，市场规模的测算结果也将提高到2260.21亿元。由此可见，关键假设的不同会导致测算结果出现显著的差异。一般来说，在搭建测算模型时，我们会对关键假设设定乐观、中性、悲观3种情形，以使分析更加全面。比如在乐观情形下，我们可以把现制茶饮目标受众的年龄范围放宽到14～50岁。在实际的投研场景中，我们遇到的问题可能会更有挑战性。比如，我们往往要进一步拆分现制茶饮市场，把现制茶饮市场分为高端（如喜茶、奈雪等）、中端（如CoCo、1点点等）和低端（如蜜雪冰城等）3个细分市场，并通过调研分别做出预测，最后通过加总得到现制茶饮整体的市场规模。因为细分市场后原本不同的样本不再混在一起，而是被分别归入对应的市场，这使得调研样本更具代表性，从而提高结论的置信度。比如在一线城市的高档写字楼进行调研，其结果显然更能反映消费者对高端现制茶饮的需求。如果用此数据反映整体的市场情况，可能就会出现偏差。虽然这种拆分方法比较复杂，但是底层的方法仍是本章前面讲到的那些，万变不离其宗。

第4章防守性：这个行业会被替代吗

第4章　防守性：这个行业会被替代吗前面内容提到，在导入期我们会着重分析商业模式的可行性，而在成长期我们需要重点分析规模性，确认所投资行业里的企业是否有上市的可能性。而当一个行业正处于成熟期时，特别是已经在成熟期“躺”了很久的行业，等待它的往往会有3种可能。第一种是被替代品给“革了命”，从此进入衰退期。第二种是找到了第二增长曲线，相当于从导入期开始，从头再来。第三种则是成功阻挡了替代品的“侵入”，防守成功，市场从此进入“稳定市场周期化”的状态——行业会变成周期性行业。因为市场渗透率已经难以持续提高了（市场已经饱和），所以这时候市场的供需情况会跟着宏观情况起起伏伏，出现周期性特征。而一个行业要避免进入衰退期，需要拥有足够宽广的护城河。这是本章重点讨论的话题（图4-1）。
但是，巴菲特并没有完整、系统地定义过到底什么是护城河。根据巴菲特的说法，特许权、低成本优势、品牌优势都可以被视为护城河。那么护城河到底包括哪些要素呢？单从巴菲特的描述来看，还挺难总结出实操性强的分析方法，毕竟我们更关心的问题并不是“护城河是什么”，而是“如何判断一个行业或企业有没有护城河”。过去也有不少人尝试定义“护城河”，比如巴菲特的拥趸、晨星公司研究部的前主管帕特·多尔西（Pat Dorsey）就曾写过一本书，名为《巴菲特的护城河》。在书中，他总结了护城河的4个要素（图4-2）。但是，图4-2呈现的护城河定义存在两个比较明显的问题：一是，它漏掉了一些很重要的护城河；二是，有些护城河互为因果，比如成本优势，其实它是网络效应带来的结果之一。那么，我们该如何判断某个行业或企业是否拥有护城河呢？
目前，我国把生产要素分为5类（图4-4），分别是劳动力、土地、资本、技术和数据。
我的麦肯锡前同事陈昱川先生运营着一支专门投资娱乐文化行业的风险投资基金。我曾经问过他经纪公司是如何绑定明星的，他的说法很有意思。他说，其实在法律上没有什么办法去绑定艺人，特别是当他们红了之后，肯定会想过河拆桥的，合同到期后更是留不住他们。所以，这类经纪公司规避“单飞”风险的手段很有限，很难长期绑定艺人。此外，作品的发行方式也对这一行业产生了影响：越来越多的音乐人通过互联网音乐平台、短视频平台自己发行作品，所以目前的经纪公司很难再像以前那样签订长达8年的合同。大多数时候，合同期限达到3年已经算比较长了。
需要注意一点，土地其实不仅仅指一块地皮，还包括其附带的资源禀赋和拥有的位置优势。就资源禀赋而言，采矿业就是非常典型的例子，其中，矿产资源是绝大部分行业的上游原材料，其带来的优势不言而喻。
比如在有色金属行业，手握高品位富矿（元素含量高）的企业，其利润水平天然就“高人一等”。蕴含的矿产资源越稀缺，这种资源禀赋所带来的优势就越显著。此外，有些行业会出现“纵向一体化”的趋势，也就是不少中下游企业开始向产业链的上游拓展业务。比如，在锂行业高歌猛进、锂价格飙升的阶段，如果中游冶炼锂金属的企业有自己的锂矿，那么其利润就不用分给上游企业，利润率就会比同行高。在这种趋势下，掌握自然资源所带来的优势就不会局限于上游原材料企业。还有一个典型例子是钻石生产企业戴比尔斯（De Beers）。戴比尔斯是相对高端的品牌，把大量资金花在了品牌营销上。戴比尔斯的经典广告语“钻石恒久远，一颗永流传”（A diamond is forever）可以说在我小时候就已家喻户晓。
它的发家故事同样很精彩。100多年前，全球的钻石产量并不大，每年产量不过几千克，因为当年只能在印度的几条河和巴西丛林中找到。然而，1870年，在南非的橙河发现了一个超级大的钻石矿，其钻石产量可以用吨来计算。因为供给大幅增加，加上钻石本身并不具备很强的使用价值，其价格跌下来是迟早的事情。于是，南非钻石矿背后的英国金融巨头联合起来，成立了戴比尔斯这家公司。它们通过控制钻石产量来操控钻石价格。到了1900年前后，戴比尔斯控制了世界钻石产量的90%。时至今日，它依然持有全球30%以上的钻石矿产资源。这就是有着土地附带的资源禀赋，进而构建了资源垄断护城河的一个典型案例。
我们都知道，房子的位置很重要，因为它时刻影响房价。类似地，土地的位置也很重要，因为土地的位置会影响土地上附属商业的交易成本，比如获取上游材料的运输成本和触达下游客户的交付成本。如果你的供应商就在工厂隔壁，那么运输成本马上就省下来了，这也是很多产业园区会搞产业集群的原因——产业链上各个环节的企业都集中在一个区域里。这也解释了为什么我那些在硬件领域创业的朋友基本上都在深圳定居了——深圳有华强北，什么零部件都可以很快买到。而在交付成本方面，做过零售行业的人都知道，好地段对于做生意来说太重要了。比如奶茶店，如果开在人流密集的商圈，那么可以直接面对面交付给客户。但如果开在没什么人流的冷门铺位，那就只能以外卖生意为主，占销售额20%左右的外卖平台费用便是额外的交付成本。面向企业的生意也一样。比如新加坡位于马六甲海峡的出海口，是连接太平洋和印度洋的海上通道、全球海运的十字路口。占据这样的位置，当地的船舶修理企业想不成功都难。
资本这一要素就拥有很强的马太效应：有钱人可以用来抵押和借贷的资产可能更多，而且往往信用更好。在银行等金融机构看来，他们的偿还概率更大，所以有钱人获得融资容易得多。某VC合伙人曾私下跟我讲过一个故事。他认识的一个“富二代”大学毕业后，先在某外资投资银行工作了一年，后来他觉得有点儿无聊，于是辞职，自己创立了一个对冲基金。成立基金后，第一件事自然是募资。于是他在自己居住的别墅区挨家挨户敲门，花了一个晚上就成功募集了8000万美元。最后，我这个技术出身的投资人朋友感慨说：“果然金融还是只能有钱人才能做。”正是由于资本的马太效应，监管才会不断强调要“防止资本无序扩张”。实际上，很多护城河都可以通过“砸钱”来绕开，比如我们前面提到的企业家等稀缺人才可以被出价高的企业挖走，那些有资源禀赋、位置优势的土地也可以用钱买。
当然，如今我国的企业也不遑多让：2022年，台积电在榜单上排名第三，华为排名第四，京东方、OPPO等中国企业也纷纷入围榜单。要注意的是，高技术可能只意味着生产难度变大，但不一定代表相关产品更被人所需要、更受市场欢迎。毕竟，消费者想要的往往只是一个带孔的墙，而不是一个电钻。如果市场上出现了另一条技术路线，比如激光枪，或能钻墙的吸管，同样可以达到一样效果，且更方便、更便宜，那么这种新技术自然会得到消费者的认可，并能绕过电钻所需要的技术门槛。
不过，在技术更新换代周期比较短的行业，专利所构建的护城河并非永远那么可靠。比如当5G时代来临后，那些仅适用于4G技术的专利的价值就大打折扣了。相比之下，版权的“保质期”显得更为长久。中国的版权保护期限是50年，而在美国，米老鼠这个国民IP（Intellectual Property，知识产权）就是版权常青树的代表。最初版本的米老鼠是在1928年创作的，原本1984年版权就会到期——当时美国的版权保护期限是56年。可迪士尼公司怎么能甘心让这棵每年都能带来数十亿美元收入的摇钱树脱离控制呢？于是在20世纪70年代，迪士尼公司在米老鼠版权即将到期之前，游说国会将版权最长期限从56年延长至75年。1998年迪士尼故技重施，再次成功促成了新法案，将版权期限延长到了95年。这个名为《桑尼·波诺版权期限延长法案》的新法案，也因此被戏称为“米老鼠条款”。据Wiki&Mili统计，米老鼠和它的朋友们在全球最赚钱的50个IP中名列第四，总收入高达803亿美元。任何未经允许就动这块蛋糕的尝试，都得面临迪士尼公司麾下“地表最强法务部”的迎头痛击。
除了专利和版权这种公开且受法律保护的技术形式，还有各种隐秘保护的技术，其中一类是很多企业在生产经营过程中逐渐积累的技术诀窍，也就是投资领域所说的“know-how”。例如，在锂电池负极的生产领域中，原材料的选择和配比就是非常重要的技术诀窍。这可是一个技术活儿，它不仅需要深刻了解国内外多产地的原材料性能特点，还需要结合产品的性能目标和自家的生产工艺特点，其背后是大量的材料实验数据和不断积累的电池性能测试结果。新能源电池领域的行业龙头璞泰来甚至将其列为公司四大核心技术之一。除了工艺领域，战略方向和经营管理同样有技术诀窍。当年恒大集团风光无限的时候，曾花重金力捧恒大冰泉，在20天内“砸了”13亿元的广告费，设定了一年100亿元销售额的目标，结果却是3年巨亏40亿元。而农夫山泉的创始人钟睒睒在评价恒大冰泉时指出，包装饮用水行业的各企业之间拼的是“（对）水的研究”。如果没有知识的积累，光砸钱是没有用的。片仔癀、云南白药、可口可乐等知名企业的独家秘方同样价值连城。
20世纪80年代，全球仅有两个人知道可口可乐的秘方。为了避免意外，两人都不能同时乘坐一架飞机，以免秘方失传……目前可口可乐的秘方已经不止两个人知道了，秘方写在了一张纸上，存在美国的一个保险柜里。不过，可口可乐的护城河不仅仅靠独占秘方，它在其他维度的经营策略也构建了自己的护城河，对此我会在后面进一步阐述。
与同行的关系同行如果足够团结，也可以形成合力，让行业的护城河变得更宽。比如，同行可以一起制定行业标准，建立起一个“外人勿扰”的小圈子。行业中的大玩家可以联合起来，形成价格联盟。不少行业的寡头会通过这种方式提高利润。石油行业就是一个典型例子：以沙特为首的石油输出国组织（OPEC）联合俄罗斯等产油国组成了“OPEC+”。它们联合起来控制原油产量，通过控制供给来影响原油价格。试想一下，未来新能源的供给提高后，新能源企业正准备向传统能源企业大举进攻时，石油企业可能会团结起来增加供给，从而让新能源企业不得不跟着降价，进而降低新能源企业的利润率。当然，虽然历史的进程可能会因为价格战而放缓，但价格战终究无法阻碍技术迭代的进程。此外，当行业发展到一定阶段，相关技术越发成熟、产品需要量产之时，针对影响范围比较广的技术制定行业标准就变得很有必要了。比如Type-C接口的普及可以让我用苹果品牌的笔记本电脑的充电线给联想笔记本电脑充电。这种护城河还算容易绕过，一旦搞清楚标准，其他企业跟着做就可以。但是有些技术标准的制定本身就是为了巩固先发者优势的，这种护城河就比较难绕过了。香槟酒行业就是一个例子。法国香槟酒行业委员会向我国质检总局[插图]申请注册地理标志产品保护，并在2013年获得了批准。这样一来，香槟酒在中国境内就享受地理标志产品保护。只要不是在法国香槟地区生产的，即使使用完全一致的葡萄品种和发酵工艺，酿造出来的成品从香气风味到成分酒体都跟香槟酒一样，这种酒也不能叫香槟酒。如果企业用“小香槟”“粉红香槟”之类的表述打擦边球，轻则收到律师函，重则其产品被没收并支付罚金。行业里的领先企业通过设立行业标准可以巩固先发优势。你会发现很多产业还没有发展起来，仍处于导入期，可能就开始匆忙地设立标准了。比如，尽管元宇宙目前还在“炒概念”阶段（导入期），但是早在2022年6月，多家厂商已经牵头成立了元宇宙国际标准联盟，即“元宇宙标准论坛”，其成员包括Meta、微软、英伟达等美国公司，还包括华为、阿里巴巴等中国创始成员。
与客户的关系与客户之间有着良好而稳固的关系同样是重要的护城河。我们可以回想一下，自己平时买东西都有哪些环节。普通消费者的购买流程通常分为以下3步：决策→购买→使用。在这3个环节中，每一个环节都可以是企业维护客户关系的发力点。• 决策：企业可以想方设法降低客户的决策成本。• 购买：企业可以竭尽所能降低客户的购买成本。• 使用：企业可以努力让客户的转换成本高于价值差。“使用”环节提到的“价值差”是指，产品所能提供的价值与竞争对手的产品所能提供的价值之差。如果产品不如竞争对手的好，客户的转换成本又低，那么客户恐怕就会很快转向竞争对手的产品了。具体来说，企业可以通过打造品牌、稳固渠道以及提高转换成本，来长久地留住客户，从而构建自己的护城河（图4-9）。
此外，大多数人会有这样一个认知：某个品牌出现质量问题将会毁掉自己的品牌积淀，这对品牌方来说自我伤害会很大。因此，大品牌通常会格外注重质量管控，消费者也可以通过选择大品牌而降低风险。
2．稳固渠道渠道是企业触达消费者的通路。找不到合适的渠道，产品或服务可能就会“卡在最后一公里”，没办法交付给客户。想想看，当你看综艺节目时，看到艺人正开心地吃着节目冠名品牌的雪糕，你也想来一支尝尝。结果你发现无论是外卖App上还是楼下的便利店里都没有这款雪糕，只有10千米外的某家大型超市才卖，估计此时你的选择会是“下次一定”[插图]。在上面这个例子中，即使这个雪糕品牌营销很成功，但是由于渠道方面跟不上，导致潜在客户的购买成本过高，最终的销售结果可能还是不尽如人意。反过来，当你的产品铺满适合的各大渠道，甚至把竞争对手的位置给挤掉时，你就拥有了稳固的护城河。
3．提高转换成本转换成本是用户改选其他企业的产品或服务时需要付出的成本。这种成本有时不仅是金钱，可能还包括时间的代价、遇到的困难或承担的风险等。即使竞争者能够提供更低的价格或性能更好的产品或服务，但如果用户面临着高昂的转换成本，那么他们也未必愿意更换现有的产品或服务。比如一家企业想换一家数据库产品，它不仅需要掏钱买新产品，还需要进行数据迁移，之后还要培训员工使用新产品。这些都是麻烦事儿。万一出现数据丢失，可能还会对生产经营产生不利影响。所以，对于更换数据库产品，企业通常会慎之又慎。
当然，并不是所有产品或服务都有较高的转换成本。比如，选择加油站这件事的转换成本就相对较低，除非手里有一堆加油卡，否则换一个加油站加油也没什么问题，因为燃油产品高度同质化，且加油站通常相隔不太远。从整体来看，转换成本主要来源于以下几个方面。• 社交关系：如手机号、社交平台等；• 用户习惯：如操作系统等；• 学习成本：如生产力工具等；• 数据沉淀：如云服务、笔记软件、音乐软件等；• 会员体系：如高端会员制商店、信用卡、酒店、航空公司等；• 长期合同：如SaaS、电煤供应等；……一般来说，资产专用化程度越高、培训需求越大、转换适应时间越长、转换行为对用户的影响越大，用户的转换成本就越高。在转换成本较高的品类中，产品的先发优势尤为重要。比如，你现在想颠覆微信的江湖地位，简直难如登天。
值得注意的是，转换成本并不是一成不变的。比如以前用户想换个通信运营商会非常麻烦，因为手机号也得跟着换。这意味着需要更换所有和网站或App绑定的手机号，向亲朋好友、客户和同事发消息说号码换新的了。这么高的转换成本足以让不少人望而却步。不过现在可以携号转网了，转换成本瞬间降低了一大半。运用适当的策略也可以在一定程度上绕开转换成本。比如，多年积累下来的歌单原本是用户坚守一款音乐软件的重要理由，但是一键导入外部歌单功能的出现，用户的转换成本就被大大降低了。
我们再来看看当年金山软件有限公司（简称“金山”）的WPS与微软的Ofice的争斗。1996年，几乎垄断中文文本处理领域的金山答应了微软希望格式互相兼容的请求，随后微软Word用户可以直接打开WPS格式文档。这本质上也是在降低用户的转换成本。但是随即微软抢走了大量的WPS用户，导致WPS由盛转衰。2008年，金山的高管痛定思痛，提出重写一个深度兼容微软Ofice（包括文件格式与操作界面）的WPS，这才让WPS“起死回生”。前面罗列了各种生产关系，通过控制这些生产关系，行业或企业之间可以形成一个巨大的生产关系网，产生所谓“网络效应”。在这样的生产关系网中，各方的利益会相互绑定，形成一个生态圈。生产关系网各个链条上的每一方的转换成本都很高，使得后来者很难加入或打破现有格局，而这正是网络效应的威力。现在我们可以思考这样一个问题：为什么当年Windows Phone没有做起来？Windows Phone的界面设计得很好看，用户体验也还不错，但是一直没什么人用。这主要是因为，大多数App的开发者将主要精力都集中在适合iOS系统和安卓系统的App开发上了。特意为Windows Phone多开发一个App版本需要额外的成本。在Windows Phone刚推出时，它的用户数量较少，所以大多数没有闲钱的开发者不愿意承担这一额外成本。因此，缺乏足够App的Windows Phone自然吸引不了大量用户。这也是为什么华为推出自家的鸿蒙系统时也必须兼容基于安卓系统的App——这可以降低开发者的转换成本。
从底层逻辑来看，这就是网络效应的一种体现。思考一下，如果我们是“进攻者”，我们该如何攻克具有“网络效应”的护城河呢？以京东为例，在京东刚创立的时候，就面临着先有鸡还是先有蛋的问题。淘宝作为电商平台有先发优势，而京东作为后来者想建立一个新平台难度极大——作为新平台，京东没有足够大的流量，买家太少，卖家自然不愿意过来开店，而因为卖家太少、品类太少，买家也不愿意过来购物。这就是先有鸡还是先有蛋的问题，卖家和买家都没法同时做大。为解决这一问题，京东先集中精力，把买家这一端做大。京东采取了自营模式，自己做商家、进货、带货。它先把自己的商城逐渐做大，提供足够多的品类，这样买家就会越来越多。等到流量足够大了，卖家也就愿意进驻了。我早年创业的时候，通过不断摸索得出了一个结论：如果没有足够多的资金，一开始就做平台是不可能的。创业者一定要在某一端做到极致，才有可能变成平台。最后，随着外部因素的变化，护城河的宽度会变窄，特别是技术的迭代，往往会给某些行业带来降维打击（图4-10）。比如外卖App的兴起减少了方便面的销量；手机内置的手电筒功能使得手电筒几乎不被需要；而数码相机的出现则逐步取代了胶片相机……
以前身处“传统行业”中的企业，要么紧跟时代的步伐，迭代自己的产品，要么就只能被替代和淘汰。像奈飞（Netflix）公司最早是做VCD租赁业务的，但随着互联网技术的发展，它及时转型去做流媒体，还创作自制剧。如果不及时做出调整，它很难存活到现在。关于外部因素，本书第7章还将进一步探讨。本章小结本章的内容要点如下。• 行业或企业应构建自己的护城河，构建护城河通常有两种方式。一种是通过独占生产要素，形成“资源垄断”护城河。生产要素主要包括劳动力、土地、资本、技术和数据。另一种是通过独占生产关系，形成“网络效应”护城河。生产关系主要包括与政府机构、与同行、与供应商、与客户的关系。• 通过资源垄断和网络效应两个护城河，行业或企业可以实现更高的营收、更低的成本。• 随着外部因素的变化，护城河的宽度会受到影响，所以我们也要动态分析。图4-11呈现了本章的内容框架。

第5章盈利性：行业的头部公司能分到多少钱

第5章　盈利性：行业的头部公司能分到多少钱如果一个行业进入了成熟期，但没有“跑”出第二增长曲线，通常会面临两种结果：一种是进入衰退期，被替代掉，从而失去投资价值；另一种结果是，因为行业有比较宽的护城河，所以行业能在成熟期稳定运行相当长的时间。第二种结果意味着，行业出现了“稳定市场周期化”的情况，变成了一个具备较强周期性的行业。在这种情况下，市场渗透率已难以持续提高了，换句话说，市场已经基本饱和了。这时，整个市场的供需情况会随着宏观政策、产能调整、库存状况等各种周期因素的影响起起伏伏。市场规模会有一个相对稳定的中枢。行业收入会围绕这个中枢上下波动——如果周期处于上行阶段，经济比较好，行业里的公司就会更赚钱；而当周期处于下行阶段时，行业里赚钱的公司就会减少。我们可以这样类比：这时候的蛋糕没法做大了，只会随着周围的温度热胀冷缩。所以在这种情况下，投资者更关注的是行业里的公司能分到的蛋糕有多大。在这个阶段，投资者已经不能像在成长期那样去做赛道投资、什么公司都投资一波了，而是要在赛道里精挑细选，找到最赚钱的产业链环节、最赚钱的龙头企业。所以投资者更关注的是，所投资的企业能不能赚得到钱，也就是企业的盈利性。那么问题来了——是什么决定了企业赚不赚钱呢？我想大家心中一定有各种答案——比如护城河、需求强度，等等。这些都没错。不过本章主要是从供给侧的角度出发，看看行业自身的因素——竞争格局——是如何决定企业是否赚钱的（图5-1）。
具体来说，整个行业的竞争格局可以从横向和纵向分开看（图5-2）。横向格局研究的是，同行间是怎么分蛋糕的；纵向格局研究的是，上下游是怎么分蛋糕的。只有整个行业的竞争格局比较理想时，也就是横向竞争没有那么激烈、纵向关系中企业拥有一定的议价权时，整个行业中的企业才能比较好地赚钱。本章的两个部分都将从Know-what（知道是什么）、Know-why（知道为什么）以及Know-how（知道怎么做）3个层面展开来介绍分析框架。这3个层面也是我们了解新事物的经典框架，后续的方法篇中也将进一步探讨如何将这个分析框架应用在数据分析上。
第1节　横向格局：行业集中度的变化规律一个行业的内部竞争格局，或者它的内部是如何分蛋糕的，会影响身处该行业企业的销售规模，进而影响它们的投资价值。在剖析横向格局时，最重要的是Know-what，即了解关键指标是什么——我们需要找到用来描述竞争格局的方法。Know-what：关键指标当考虑一个企业在市场中的位置时，我们第一个想到的关键指标通常是市场占有率，也被简称为“市占率”。一般情况下，分析师习惯使用的市占率口径是，用每个公司的销售额除以整个行业的销售额。比如图5-3显示了由欧睿国际（Euromonitor）统计的2020年我国调味品行业各品牌的市占率。
大公司的管理层一般都会时时刻刻盯着市占率。尽管市占率只涉及企业的销售额，不能反映不同企业在成本控制方面的差异，但是它已经足以体现企业对上下游的议价能力：市占率高，意味着终端需求旺盛，下游渠道不愁卖，而且只要销售额足够高，企业就可以利用规模效应向上游供应商压价。换句话说，市占率足够高的企业，无论是在上游还是在下游，其议价能力都会很强。不过市占率更多反映的是单个企业的位置。从行业角度来看，我们更应该关注的是行业集中度（concentration ratio）这个关键指标。行业集中度是指一个行业中市场份额排在前n名的企业的市占率之和，写作“CRn”。例如CR3是用市占率排在前3名的企业的总体销售额除以整个行业的销售额，也就是市占率排在前3名的企业的市占率加总。CRn中的n到底取几并没有硬性规定，常见的有CR3、CR4、CR5和CR8。一个常见的市场结构划分标准是按照CR8的高低将行业分为4类。• 分散竞争型：0%＜CR8＜20%• 低集中竞争型：20%≤CR8＜40%• 低集中寡占型：40%≤CR8＜70%• 极高寡占型：70%≤CR8≤100%前两类合称为“竞争型”，后两类合称为“寡占型”。行业集中度之所以是关键指标，是因为它与行业的整体业绩息息相关。从理论上说，随着行业集中度的提高，龙头企业的议价权随之增强，相应地，行业整体的盈利能力也会提升。这一点已被历史经验验证了：从上游的有色金属行业到下游的家用电器行业，营业利润率都随着行业集中度（CR8）的变化而变化（图5-4）。资本市场对处于不同市场结构的行业持截然不同的态度。• 竞争型行业（0%＜CR8＜40%）：企业规模和盈利能力较为接近，市场往往给予其中成长空间较大的企业更高的估值。• 低集中寡占型行业（40%≤CR8＜70%）：龙头企业各有所长，市场通常更看重企业竞争优势的强化，有望实现份额扩张的企业能够享受估值溢价。• 极高寡占型行业（70%≤CR8≤100%）：行业进入的壁垒较高，各寡头的市场份额相对稳定，其经营决策又会相互影响，寡头的市盈率估值倍数差异一般不会太大。
此外，在分析时，我们要注意行业集中度数据本身的局限性。比如在万得、Choice等数据终端里统计的CR4、CR8等行业集中度指标，只考虑了上市公司的公开数据，并没有统计行业内的所有公司。比如某行业的CR4，数据终端会找到被归类于该行业的所有上市公司，把它们的营收作为分母，同时把排名前4的上市企业的营收加总作为分子。这么做有个弊端——如果这个行业只有4家或少于4家的上市公司，那么该行业的CR4就已经达到100%了。这就像餐饮住宿行业，你或许听过它是个“大行业小公司”的说法。这里的“大行业”是指行业的市场规模大，这在前面的内容中已经详细讲过；“小公司”则是指市场较为分散，公司占据的份额小，这其实就是对竞争格局的定性描述。餐饮住宿行业就是典型的例子，它的市场规模算出来都是万亿元级别，但是真正能做大的企业屈指可数，因此餐饮住宿行业的上市公司非常少。这导致大部分未上市餐饮公司的数据并没有被计入行业集中度指标的统计中，所以餐饮住宿行业2023年的CR8竟然高达90.85%（数据来源：Choice）。这样的数据显然是不具备参考价值的。更合理的做法是，把这些上市公司的销售额加总得到总计数，再用它除以测算出来的全行业市场规模。
Know-why：变化主因判断行业集中度的走向有助于我们把握行业利润的走向，抓住市场关注的重点。然而预判行业集中度的趋势并不是一件容易的事情——站在任意时间点，行业集中度可能提升，也可能下降。以运动服饰和美妆这两类与我们息息相关的消费品为例，2011年两个行业的CR3都是36%，但到了9年之后的2020年，运动服饰行业的CR3上升到了58%，而美妆行业的CR3则下降到了20%。好在行业集中度的变化并非毫无规律可循。从逻辑角度出发，行业集中度会受到行业对潜在进入者的吸引力、进入壁垒、产业政策、现有企业的经营决策等多种因素的影响。行业的吸引力越弱（成长空间小或潜在风险大）、进入壁垒越高、产业政策越倾向于限制供给，且现有企业总是疯狂打价格战或发起兼并重组，那么该行业的集中度就会越高。这里选取白酒、空调、挖掘机、智能手机分别作为必选消费、可选消费、周期行业和科技行业的A股代表性行业。通过研究这些行业的行业集中度的变化，我们可以进一步总结出一些通用规律（图5-5）。
首先，行业集中度会受到外部因素的影响，比如经济、政策等因素。行业集中度与宏观经济呈反向变动关系。在宏观经济下行期，全行业的集中度通常都会提升。这是因为龙头企业在自身现金流、获取外部融资等方面更有优势，抗风险能力更强。与此同时，大量中小企业难以抵御经济下行的冲击，被迫关张或倒闭，让出市场份额。反之，在宏观经济上行期，中小企业的生存环境会大幅改善，能够斩获更大的市场份额，从而使行业集中度有所下降。行业集中度也会受到特定政策的影响。刺激需求和限制供给的政策都会对行业集中度产生影响。刺激需求的政策可能会使得原本不具备市场竞争力的厂商得以存活甚至扩张，从而引发行业集中度下降。限制供给的政策则往往会加速落后产能的出清，从而推动行业集中度上升。无论是供给侧改革，还是近年来“双碳”目标对煤炭、钢铁、电解铝等行业中长期产能的限制，都使得对应行业的集中度上升。有关外部因素的影响，第7章将进一步展开论述。除了外部因素，行业的自身属性也会影响行业集中度的情况。一般来说，行业集中度随产业生命周期的演变先降后升。随着产业生命周期的演变，行业集中度也会相应变化。在导入期，行业的发展前景存在很大的不确定性，其吸引力有限，只有少数厂商开风气之先，而大部分厂商处于观望状态，此时行业集中度相对较高。进入成长期后，商业模式已经得到验证，不确定性大大降低，市场潜力快速释放，大量厂商闻风而至，此时行业集中度随之下降。等到成熟期之后，新增厂商数量减少，部分厂商因竞争力较弱而走向破产，或被其他厂商兼并，此时行业集中度得以提升。一旦到了衰退期，市场萎缩，产品面临替代品的威胁，行业吸引力大大下降，只有少数厂商继续经营。需要留意的是，不同行业的集中度天花板不尽相同。同样是进入成熟期的行业，空调和智能手机的CR3高达70%，而白酒的CR3仅在10%～20%震荡。这说明从终局视角来看，进入稳态的行业，竞争格局并不相同。有些行业的竞争格局偏向垄断，有些行业的竞争格局则偏向分散。要判断行业集中度的天花板，我们可以参考成熟市场的经验。这与第2章提到的“空间对标法”是一样的思路。这个思路很好理解，可以直接根据欧、美、日、韩这些地区或国家行业发展到成熟期后所达到的集中度来推断。因为集中度天花板在相当程度上是由进入壁垒的行业自身的特性所决定的，所以跨国或跨地区进行比较有一定的合理性。这也是投研中比较常见的思路。表5-1呈现了国内外一些行业集中度的对比情况。
当行业发展到成熟期、出现了“稳定市场周期化”的情况时，行业集中度会像行业整体的盈利情况一样，也会出现一个相对稳定的中枢，并随着中枢上下波动。此时，促使行业集中度发生改变的主要是产能周期。要研究产能周期，首先要搞清楚产能是什么。顾名思义，产能就是生产的能力，是指在一定的技术条件下，资本和劳动力被充分利用后能达到的最高产出。简而言之，产能就是在现有的条件下，厂商能够实现的最大产量。不过大多数时候，厂商不会一直满负荷生产，除非订单量激增。于是，就出现了产能利用率这一指标。产能利用率被用来反映有多少产能得到了实际利用，它的计算公式为：产能利用率=实际产量÷最大产能。下面举个例子来解释。小明是个美食爱好者，擅长厨艺，他开发了很多私家食谱。他虽然在各种米其林三星级餐厅吃过，但最打动他的，还是冬日里一碗热气腾腾的牛肉面。然而市面上好像还没有什么能摆上台面的高级牛肉面面馆，他觉得自己可以试试，或许可以在这个细分赛道里开辟自己的一片天地。于是，小明投了一大笔钱，在自己的城市开了第一家高级私房牛肉面面馆。面馆雇用了8个师傅，配备了4口锅和4台燃气灶，这些构成了面馆的初始人员和设备。靠着这些人员和设备，小明的面馆一天最多能做256碗面。256碗就是他的面馆一天的产能。如果面馆最多可以做256碗面，但是实际上每天只做了128碗面，那么产能利用率就只有50%（128÷256）。一般来说，企业会让产能富余一些，不会让产能利用率一直保持在100%。如果市场需求提高了，企业会先提高产能利用率，尽可能满负荷生产，而不会随随便便地提升产能（也就是投更多的钱去开设新厂房、招聘更多人）。这是因为企业家需要先判断提升的市场需求是短期的临时需求，还是长期需求。只有确认是后者，企业才会扩产能，毕竟产能的投入需要真金白银。如果投入后发现，这个需求只是临时被“拉高”，很快就会回落，那么新增的产能就只能成为闲置产能。而企业家对产能的调整会形成产能周期。
这里继续以面馆为例，来解释什么是产能周期。1．阶段1：供不应求在产能周期的第1个阶段，市场通常是供不应求的。在这个阶段，小明的面馆生意特别好，顾客大排长龙。每天后厨的燃气灶几乎没有关过，锅具甚至都不够用，厨师累得总在抱怨。用专业的话来说，产能利用率很高，产能不足以满足需求了。小明一开始只是添置了几口新锅，使面馆每天可以提供更多的面了。但过段时间，面馆上了大众点评的推荐榜单，还推出了外卖服务，成了当地热门餐厅之一。顾客数量越来越多，供应又跟不上了。此时，小明觉得面馆经营状况很不错，刚好攒了不少钱，是时候扩张了。于是他决定开设几家分店。2．阶段2：产能激增随后进入产能周期的第2个阶段：产能开始激增，供给随之扩大。行业蒸蒸日上，并非只有小明一个人可以看到。开茶餐厅的小A、搞食材配送的小B，他们也看到了。刚好他们手上都有点儿钱，于是也开起了面馆。甚至连原本家里有钱捣鼓网吧的小C都来跟风了。小C一口气开了50家面馆。结果，这个城市每个核心商圈都有好几家面馆，市场一下子转变成供大于求的状态。我们都知道，供大于求往往意味着价格下跌。小明的面馆也不例外——原本他的面馆做的高端牛肉面卖150元一碗，但是因为开了很多新面馆，形成了竞争，所以小明的面馆不得不和它们打价格战——一碗面的价格降到了75元。小明面馆里的厨师也不再那么忙碌了，有一半的燃气灶能用上已经算好的了。换句话说，目前的产能利用率大大下降了。在这种情况下，小明面馆的利润自然好不了。3．阶段3：产能出清下面，进入产能周期的第3个阶段：部分厂商无法维持经营，被淘汰出局，不得不进行产能出清。眼看着这个行业利润率这么低，大家陷入了悲观的情绪中，开始怀疑这个行业是不是没有前途了。特别是冒进的小C，他的摊子铺得太大了，经营得又差，家里也不愿意再给补贴了，于是他只能选择关门大吉。这样一来，城市里的面馆又开始变少了。而故事中的主角小明依旧很坚定。他减少了各种不必要的开支，甚至把房子抵押给了银行，获得了一笔贷款，同时还关闭了一些效益不好的门店。他决心熬过行业的寒冬。4．阶段4：格局改善终于，小明扛到了产能周期的第4个阶段：格局改善。坚持和付出是有回报的。随着很多竞争对手离开这个行业（供给收缩），小明的生意再次迎来了春天。后厨重新忙碌起来，厨师又开始加班加点地做面了，产能利用率又上去了。随着行业利润的普遍好转，大家对行业的信心也逐渐恢复。展望未来，行业估计又会回到最初的繁荣状态。图5-6可以让你更直观地理解产能周期的4个阶段。
当需求在波峰时，供给可能在波谷，这时候供不应求，物价便会涨；反过来，供过于求，物价就会跌。供给波动与需求波动之间的不匹配产生了供需缺口，进而引发了产能周期。这种缺口的出现往往有两个原因。原因1：反应速度第一个原因是企业家的反应速度滞后。从现实情况来看，除了政策主导的行业，通常是需求先发生变化，然后企业家根据需求的变化去预判未来的情况，之后再进行产能方面的调整。但是，无论是买设备、盖厂房，还是调试设备、实现产能爬坡，都是需要时间的。再以小明的面馆为例，开一家新面馆需要选址、装修、招聘、买设备、试营业，等等。从小明看好高端牛肉面面馆的发展、准备大搞扩张，到他实际把新店开出来并让它们走上正轨，可能大半年都过去了。所以，产能释放的节奏在很多时候是跟不上需求节奏的，而此时就会形成一个供需缺口，从而产生产能周期。原因2：企业家心态除了反应速度，造成供需缺口的还有另一种可能的因素——企业家的预期差，或者企业家的心态问题。人们是根据预期来决定要不要扩产能的，而预期跟现实之间总是有差距的，且人的理性也是有限的。当企业家发现市场空白时，往往会高估自己所能“吃下”的市场份额。于是，他们会大规模地投入，希望尽可能地占领市场空间。共享单车早期的大量投放就是一个典型案例。当时，所有市场参与者都在大量投资，结果导致产能过剩、单车过度投放，同时导致上游的通胀上升，比如单车造价、运输人力的成本都上涨了。总而言之，企业家的反应速度和心态会导致供给落后于需求，进而造成供需缺口，形成产能周期。而产能周期是行业出现“稳定市场周期化”情况后，对行业集中度产生影响的关键因素。那么，我们该如何判断目前企业处于产能周期的哪个阶段呢？Know-how：分析方法要判断目前企业处于产能周期的哪个阶段，我们可以使用定性分析和定量分析两种分析方法进行。1．定性分析一般来说，从供不应求到产能激增的过程可以细分为3个阶段。还是以面馆为例，我们可以看到，一开始面对旺盛的人气，小明只是加了几口锅，此时的产能扩张更多的只是为了应付当时的需要。这是行业产能扩张的第1阶段，即龙头被动扩产能。后面随着需求逐渐增长，小明觉得行业的未来前景大好，加上手里的现金流比较充裕，便开始开新店。这标志着行业产能扩张进入了第2阶段，即龙头主动扩产能。这时候的企业家往往会过度自信，觉得自己发现了商机，而别人都看不到这个商机，于是开始大规模扩张。龙头扩完产能后，行业看似一片欣欣向荣。结果很多原本没在餐饮行业干过的人，比如网吧的老板小C，看到开面馆能赚钱，便纷纷投身开面馆的浪潮中。这意味着进入了行业产能扩张的第3阶段，也是最疯狂、最危险的阶段——外来者无序扩产能。作为餐饮行业门外汉的小C，其实很难搞清楚真实的市场需求。他从表面上看到生意能赚钱就盲目往里冲，结果成了行业转向供大于求的最终推动者之一。等到了“友商遍地走”的时候，他的店可能刚开业就面临着行业供大于求的尴尬局面。在现实中，我们也经常能看到“龙头被动扩产能-龙头主动扩产能-外来者无序扩产能”的演进过程（图5-8）。
当产能扩张到最疯狂的时候，离产能过剩和行业寒冬也就不远了。而在行业寒冬中，相当多的产能会被市场淘汰，市场将重新回到供需相对平衡的状态，行业将慢慢开启新一轮周期。这就为我们提供了一种定性分析的思路——当外来者跑进来扩产能的时候，行业通常离波峰（高位）不远了；而当龙头主动减产能的时候，行业已处于相对底部。当然，这种定性分析太过粗糙，现实中也并不都是遵循“龙头被动扩产能-龙头主动扩产能-外来者无序扩产能”的规律，所以我们还需要进一步做定量分析。2．定量分析要明确目前处于哪个产能周期阶段，需要进行定量分析，搞清楚供给和需求的具体数量。不少行业分析师会搭建有着相似分析思路的供需平衡表，我们可以参考这些表来理解他们的分析逻辑。在供给方面，跟踪新增产能的释放节奏可以帮助我们搞清楚未来可能会有多少供给。除了直接调研上市公司、跑到工厂里查看开了多少条新生产线、有没有新建厂房，我们也可以通过案头研究来追踪产能扩张的情况。很多时候，券商等研究机构会整理上市公司公布的新增产能情况，我们可以直接看它们的报告。如果没有现成报告，我们也可以翻看上市公司的公告。一般来说，上市公司计划进行产能扩张时，都会发布相关公告。此外，我们还可以去投资者互动平台向公司询问产能扩张的情况，比较负责任的董事会秘书通常会直接在平台上回答。了解了供给之后，就该看需求了。如果我们能相对精准地预测未来几年的需求情况，那自然是极好的。这样我们就可以在行业需求扩张、产能有序释放的阶段进行布局，坐等利润节节高。对于需求稳定增长或具有明确指引的行业，预判需求不算难事。比如高端白酒行业，每年的营收增速都很稳定。又比如CXO行业（医药外包行业）的在手订单可以反映后续的需求情况。充足的在手订单可以保证公司维持较高的产能利用率，而在产能利用率维持在高位的情况下，扩张产能就能带来业绩的增长。然而，对于不少成长性行业和周期性行业来说，要准确预判行业未来几年的需求并不容易，想做到“模糊的正确”已经有点儿强人所难了——出现偏差甚至“精准的错误”很常见，并不稀奇。尽管如此，我们也不必灰心。我们还可以跟预测的最终情况进行对比，看看终局兑现的节奏如何。比如，假设你的估计相对保守，认为全球锂电需求量的上限是2000 GWh。宁德时代曾透露，其600亿元的投资对应的是120 GWh～200 GWh的新增产能。如果你发现宁德时代一下子投入了600亿元，那么这意味着它几乎可以满足全球锂电需求的1/10了。这还只是一家公司的情况。假设我们原本预测要到2040年才能达到行业天花板，而这600亿元投下去，很有可能会使2030年的需求触顶了。换句话说，这个行业的成长持续性弱化，换来的是短期业绩的爆发性增长。至于怎么看待这种预期的变化，就看你自己的投资偏好是倾向于马拉松长跑名将还是短跑明星了（这里只是打个比方，列了个数字，千万别当真）。除了直接测算、比较供给和需求，我们还可以根据A股的历史经验、通过分析资本性支出来把握产能周期。理解下面的几段内容需要对会计知识有一定了解。如果阅读起来有困难，建议你找一份制造业上市企业的财务报表作为参考，对照着阅读。从逻辑上讲，产能扩张的第一步就是资本性支出。如果想新建厂房，首先需要请设计师做规划，然后找施工队开工，这些都需要花钱。随后施工队就位开始盖房子，这在会计学中被视为在建工程。当房子盖好并通过验收，且设备搬进来开始生产时，在财务报表上房子就变成了固定资产。
在整个过程中，资本性支出是第一步（图5-9）。换句话说，一旦发现龙头企业的资本性支出大幅增加，我们就可以推断行业可能开始进入“龙头扩产能”阶段。
所谓“资本性支出”，就是英文会计教材里经常出现的CAPEX（Capital Expenditure）。在某种意义上，它被视为产能扩张的前瞻性指标，也是我们需要重点关注的。但是，财务报表里并没有直接列出资本性支出这个科目，那么我们怎么去把握到底有多少资本性支出呢？总的来说有两种方法（图5-10）。第一种方法比较简单，直接看现金流量表。在现金流量表里有两个科目：“购建固定资产、无形资产和其他长期资产支付的现金”和“处置固定资产、无形资产和其他长期资产收回的现金净额”。我们直接将这两个科目相减即可。正如字面意思，两者相减得出的是企业在固定资产、无形资产和其他长期资产的净增长上实际花出去的现金。但是，这种方法有一些缺陷：现金流量表记录的是实际的现金收支情况，有时并不能准确反映施工情况。比如企业一般是等施工队交付施工成果后，才会支付大部分尾款。所以，如果我们只看现金流量表上的数值，可能无法及时了解企业已经准备扩产能的情况。也就是说，在企业付完尾款前，我们无法从企业财报上看出实际的资本性支出。换句话说，根据现金流量表推测出的产能扩张节奏可能跟现实情况有较大出入。第二种方法是自己计算：将净经营长期资产增加与折旧和摊销的总和相加。净经营长期资产增加主要包括新建厂房、新增设备，等等。折旧和摊销则是比较常见的会计科目，用于反映设备的损耗等。通常这些折旧和摊销并不体现设备真的减少了，它体现的只是账面上的减少，所以在做分析时需要将这个科目加回来。以小明的面馆为例，如果小明认认真真地编制了财务报表，那么从理论上讲，在他开设新店、搞产能扩张时，我们能够从财务报表中看到资本性支出、在建工程和固定资产的依次增加。
一般来说，当用资本性支出除以折旧和摊销之和（资本性支出÷折旧和摊销之和）得出的比率达到历史低位的时候，大致意味着行业正从产能出清过渡到格局改善的阶段。如果这个比率跌到1.5以下甚至跌破1，那么表明这一行业可能正处于供给相对收缩、后续的供需格局有望改善的底部位置（数据来源：长江证券）。如果分析这一现象背后的原理，我们可以粗略地认为资本性支出有两个去处：一个是替换存量的厂房和设备，对应的是折旧和摊销，不过实际上这部分往往只在账面上体现；另一个是投资新增的厂房和设备，对应的是资本性支出减去折旧和摊销之和后的剩余部分。如果资本性支出与折旧和摊销的比率为1.5或在1.5以下，那么这说明在新增产能上花的钱，相比于在存量替换方面或保证原有产量不下滑方面的开支，多出的部分有限，还不到其一半。如果该比率跌破1，则说明根本没有新增投资。要知道这样计算还没有考虑破产、转行等原有产能被淘汰的情况。在这种情况下，如果企业主看到毛利率和投入回报率提升了（比如，过去增加1%的资本性支出只能带来2%的营收增长，可现在增加1%的资本性支出可以带来5%的营收增长，这就说明投入回报率提升了），那么此时很可能就到了供给很弱而需求正在慢慢提升的一个状态。这种状态特别值得关注，因为它可能预示着行业的拐点就要来了。
在定量分析中，除了直接观察产能扩张情况，还有一个指标值得我们追踪——库存。库存可以简单理解为生产出来但还没有卖出去的产品，它有点儿像供给的蓄水池。在未来某个时间点，这部分供给终将被释放。与产能周期相似，库存也有自己的周期，它可以分为4个阶段。• 主动补库存：厂商对未来需求的预期很乐观，主动加大备货力度。• 被动补库存：需求增速放缓，产品卖不动，出现了积压。• 主动去库存：需求进一步萎缩，厂商主动打折甩卖、清理库存。• 被动去库存：需求逐渐恢复，但产量没有跟上，存货逐渐减少。库存状况也可以用来判断供过于求和供不应求的极端情况。当库存达到历史高位时，这给出的是一个相当危险的信号，表明供过于求；反过来，如果库存降到了历史低位，这就表明市场要么是供不应求，要么行业已经进入磨底阶段。
于是，汽车行业有了一个关键指标——汽车经销商库存系数（期末库存量÷当期销售量）。中国汽车流通协会每月都会发布这个系数。一般来说，当该系数等于或大于2.5时，意味着库存水平过高，这时行业里的经销商面临的经营压力和风险都很大。产能在短期内也不会有大幅扩张的可能性。
3．辅助指标除了定性分析和定量分析，我们还可以结合卖方分析师（证券公司研究所的分析师）的观点来综合考量，以进一步提高判断的准确度。一般来说，行业底部通常出现在龙头减产、本赛道玩家不玩了、卖方分析师也不推荐的时候。以小明的面馆为例，龙头减产可能表现为小明关闭了几家门店；竞争对手退出市场可能表现为小C创业失败、选择回家继承家业。这些迹象表明行业可能已经接近底部。如果把前面的说法反过来，它们其实就成了行业顶部的判断标准。一般来说，行业顶部往往出现在龙头扩产、行业外玩家疯狂涌入的时候。在很多情况下，人们还能看到卖方分析师给出跳空式的评级上调，评级从“中性”一下子跳到“买入”，这是券商能给的最高评级。比如，在面馆的例子中，我们发现小明开设新店之后，小C这些门外汉都进入行业里了，这种情况非常值得我们警惕。我们可以用图5-11对上述3个指标进行总结。
当然，凡事都有例外。我们不能光靠前面所说的几个指标，就对行业是处在顶部还是底部下定论，还有两点需要注意。第一，要结合行业的发展阶段（产业生命周期）考虑。比如，行业如果还处于导入期，那么产能总体上会处于严重不足的状态，此时不用过多考虑产能周期的问题。而处于衰退期的行业缩减产能是常态，大多数情况下产能不会再扩张了。不过，产能缩减并不意味着就没有投资机会了——如果供给收缩的速度超过需求下降的速度，那么产品价格反而可能会上涨。典型的案例是煤炭行业。大家都知道，煤炭属于高污染的能源，早晚要被新能源替代，所以煤炭企业都不怎么扩产能了。但是短时间内，新能源还无法完全替代煤炭，且经济仍在不断发展，对能源的需求一直在增加，因此我们对火电的需求依然强烈。所以在煤炭行业进入衰退期后，市场对它的需求并没有减少，供给方面却停止扩产能了，甚至淘汰了高污染的落后产能。这导致整个行业供不应求，进而引发煤炭价格上涨。不过，这种价格上涨并不会带来煤炭供应商的产能提高。这在短期内对行业的龙头企业是利好的。类似地，我们可以回顾当年汽车替代马车的时期。当马车行业进入衰退期时，马车价格也曾一度上涨。第二，龙头企业也有可能不按常理出牌，所以我们需要留意两种特殊情况。情况1：龙头企业逆势扩张第一种特殊情况是，有时行业的需求明明已经在下行，而龙头企业却逆势扩张。此时，行业营收的增速一般会有所下滑，但市场还远远没有够到潜在的天花板，而且龙头企业也有提升市场份额的空间。通过扩大产能，龙头企业能够强化自己的护城河，有逆势扩张的必要性。虽然龙头企业可能在经营上没赚到多少钱，但是由于行业发展比较符合国家的战略规划，因此可能能够获得较高的银行授信额度，或者得到大量的政府融资支持。此外，凭借新兴成长属性，龙头企业还能在资本市场通过定向增发等途径筹集资金。总之，龙头企业有办法筹到很多钱，有逆势扩张的可能性，从而在行业下行期，通过大量“氪金”可以建立起更加强大的规模优势。在行业寒冬过去后，这些企业不仅可以“吃到”行业整体供需状况好转所带来的红利，还能在竞争格局中获得更有利的地位。情况2：龙头企业主动打价格战第二种特殊情况是，行业需求没啥问题，但龙头企业主动发动价格战，目的是迫使中小玩家出局。这种情况很有意思。从需求角度看，行业明明处在上行期，但龙头企业主动搞内卷，挑起价格战，压低毛利率，从而淘汰行业中的中小玩家。比如2000年前后的空调行业以及2022年年底的新能源汽车行业，它们都处于快速成长期，但是龙头企业主动发起了价格战。等价格战落幕时，行业集中度自然会进一步提高。至此，我们介绍了对横向格局的研究，也就是分析了同行间是怎么分蛋糕的。接下来我们看看如何分析纵向格局，也就是上下游是怎么分蛋糕的。
第2节　纵向格局：产业链内部的利润分配同样地，本节的内容依然采用Know-what、Know-why和Know-how这3个层次来组织。在剖析纵向格局时，最重要的是Know-what，即要了解纵向格局的分配主体——产业链。Know-what：分配主体产业链是指各个产业部门基于技术和经济层面的内在联系，形成的链条式的上下游结构。我们可以将其简单理解成上中下游整个链条。在研究商业模式时，我们通常只会看到与我们所研究的行业直接打交道的供应商和客户。而产业链分析就不一样了，它涵盖了供应商的供应商，以及客户的客户。从这个角度来看，在某种意义上产业链是商业模式在产业层面的映射。只有搞清楚产业链长什么样，我们才能弄清楚所研究的行业在产业链中的地位、得出判断行业景气程度的上下游指标，等等。可以说，产业链分析是行业研究必备的基础知识。在投资实践中，像光伏、新能源汽车这种大的成长赛道崛起时，往往刚开始时我们可以考虑全产业链布局，或者简单地购买行业ETF（交易所交易基金，也称为交易型开放式指数基金）、行业指数基金，等等。但随着行情的发展，产业链内部的景气状况会出现分化：有的产业链环节可能发展得欣欣向荣，而有些环节可能开始掉队。一般来说，越到后期就越要深入到产业链中，寻找真正值得投资的细分环节。所以，掌握产业链的基本情况是做好投资的基本功。以贴近生活的美妆行业为例，这个行业的产业链并不复杂（图5-12）。[插图]图5-12　经销模式下的某国内化妆品的产业链及各个环节收入比例一个典型的模式是：原料商提供原材料，代工厂负责生产，品牌商负责营销，然后依靠经销商卖出去。在这个过程中，终端渠道往往分走终端收入的大头。在经销模式下，国内化妆品牌产业链上下游的各个环节分到的钱并不相同——例如，终端渠道可以获得终端收入的一半，而品牌商其实只能获取1/4的终端收入。然而，即使某个产业链环节赚得多，处于该环节的企业却不一定赚得多。这是因为，有些环节的增加值可能很高，而行业集中度却很分散。换句话说，虽然从纵向角度来看，某个产业链环节总体可以分到很多钱，但由于横向上有太多参与者一起分这个大蛋糕，因此摊到每个企业上，得到的蛋糕并不多。以化妆品行业为例，其终端渠道虽然分了整个产业链差不多一半的终端收入，但是终端渠道既包括美妆店、商超、免税店等线下渠道，又有直播带货、美妆自媒体、电商平台等线上渠道。所以，最后分到单个企业上的终端收入往往很少。除了极个别的头部渠道，其他企业很难达到上市公司的量级。相比之下，品牌商虽然分到的终端收入只有1/4，但是终端收入大多数会集中在少数几家头部集团公司。因此，我们并不需要过度关注不同产业链环节分到的终端收入的具体比例。我们更应该关注的是该比例的变化：如果某个产业链环节分到的终端收入比例上升，而其他产业链环节分到的终端收入比例下降，那么这说明这个产业链环节的利润率正在改善。换句话说，该产业链环节可以分到更多的利润。
这就引出了一个问题——不同产业链环节的具体利润分配机制是如何形成的呢？Know-why：分配机制产业链内部各环节之间的利润分配机制主要取决于各环节的议价意愿和议价能力。1．议价意愿议价意愿主要取决于两个要素：一个是商品或服务在下游的价值占比，另一个是行业所处的周期阶段。先看看“商品或服务在下游的价值占比”。举个例子：假设我是一家新兴汽车厂商，我知道有种关键的螺丝配件对汽车安全性有着不小影响。原本这种螺丝配件的价格是100元/颗，但现在大涨价，涨到了200元/颗。我的汽车卖50万元一辆，每辆车会用一颗这样的螺丝，所以涨价对企业利润率的影响有限。虽然螺丝本身很重要，但我可能不会那么在意。这就体现了“价值占比低”所带来的“下游议价意愿低”。试想一下，如果涨价的零部件占每辆汽车物料成本的大头，那么汽车厂商肯定就坐不住了。“行业所处的周期阶段”同样会影响议价意愿。一般来说，在行业成长期增速很快，大家都有机会获得回报，“都有肉吃”。以化妆品为例，成长期的品牌通常愿意砸很多钱做广告，用于扩渠道、抢份额，也愿意让利给渠道，给自己争取更多的曝光。一开始订单量不大时，代工厂的报价通常较高，在原料采购方面也没有规模优势，所以与供应商的价格谈判会比较艰难。不过，一旦行业增速下降、市场饱和、进入成熟期，此时蛋糕就无法做大了，各方便开始互相博弈。随着行业进入成熟期，企业开源变难，必须面对节流。这时就算价值占比低，也难免面临砍价、压价。这时候产业链里比较强势的一方可以有更高的利润率。比如在消费品领域的成熟赛道里，往往是品牌方拥有更高的毛利率。此时，我们应关注产业链，看看哪个环节赚得更多。在投资时应该精选个股，而不要想着押注整个赛道（不要直接投资行业ETF）。假设行业进入了成熟期，变成了周期性行业，此时产业链中最赚钱的环节赚到的钱可能都是从它的上下游“抢来”的，该环节的增速可能远高于整个产业链的增速，这应当是投资时优先考虑的。此外，就算行业已经进入成熟期，各方重新分好了蛋糕，也不代表这种分配方式就是一成不变的。随着外部因素的变化，这块蛋糕还是会被重新瓜分的。这部分内容会在第7章讨论外部因素时进一步探讨。2．议价能力除了议价意愿，我们也需要考虑议价能力。议价能力的关键在于评估对手方有没有得选——这主要看的还是各个环节的行业集中度以及供需情况。毫无疑问，行业集中度会影响议价能力。比如，格力和美的在采购零部件时拥有相当大的议价权，而一家小餐馆在采购调味品时说话的分量就小得多。此外，产业链中最供不应求、技术含量高的环节最能拿走利润的大头。相应地，它通常也是最具投资价值的环节。光伏产业链各环节的毛利率变化可以清晰地说明这一点。2019年，偏上游的硅料和硅片的毛利率都在20%以上，但是电池片的毛利率只有5.7%，组件的情况好一点儿，毛利率大约为10%。由此可见，当时硅料和硅片在光伏产业链中比较强势，而电池片则相对弱势。2021年，情况发生了变化——硅料环节的毛利率一下子飙升至将近80%，几乎直接拿走了整个产业链的绝大部分利润，而最为弱势的电池片环节几乎无利可图，毛利率接近0%。这背后的核心原因是，2021年硅料从供需紧平衡转变为极度稀缺状态，成了产业链中最紧俏且无法绕开的环节（图5-13）。
Know-how：判断指标下面介绍判断行业在产业链中地位的两大指标。我们可以通过两个维度进行判断。1．毛利率首先，我们可以观察产业链各环节的毛利率——谁在产业链中更强势，议价能力更高，谁就能实现更高的利润率。比如在美妆行业，品牌商的毛利率可以高达60%～80%，相比之下，经销商的毛利率就相形见绌了（图5-14）。[插图]图5-14　国内美妆行业各环节（主体）毛利率情况资料来源：艾瑞咨询2．占用上下游资金的能力其次，我们可以观察各个环节占用上下游资金的能力。有些环节可能在与上下游的交易中处于强势地位，而有些环节只能被别人“薅羊毛”。占用上下游的资金主要涉及对上游供应商的应付账款、对下游买家的预收账款和合同负债这几个会计科目。而被上下游“薅的羊毛”也涉及3部分，分别是应收账款、预付账款和合同资产，这些与前面所说的3个科目其实是对应关系（图5-15）。[插图]图5-15　判断行业在产业链中地位的两大指标在实际研究中，在行业层面仔细分析企业占用上下游资金的情况是不容易进行的，因此我们一般会在公司层面进行这类分析。而在行业研究层面，我们主要通过毛利率进行分析。
本章小结本章的内容要点如下。• 在行业出现“稳定市场周期化”情况后，影响其盈利性的是行业的竞争格局，竞争格局可以分别从横向格局和纵向格局分析。横向格局：研究的是同行间是怎么分蛋糕的。纵向格局：研究的是上下游是怎么分蛋糕的。• 横向格局关键指标是行业集中度：随着行业集中度的提高，龙头企业的议价权增强，相应的盈利能力也会提升。行业集中度与外部因素（如经济、政策等）有关，也与行业自身属性（如行业所处周期、行业自身的天花板等）有关；出现“稳定市场周期化”情况后，则主要与产能周期有关。• 产能是指厂商在现有的条件下能够实现的最大产量，产能利用率被用来反映有多少产能得到了实际利用，它的计算公式为产能利用率=实际产量÷最大产能。• 产能周期包括“供不应求–产能激增–产能出清–格局改善”4个阶段。• 我们可以通过分析来判断是否到了行业底部或行业顶部。• 行业底部：通常出现在龙头减产、本赛道玩家不玩了、卖方分析师也不推荐的时候。• 行业顶部：往往出现在龙头扩产、行业外玩家疯狂涌入、卖方分析师给出跳空式评价上调的时候。• 不过凡事总有例外：一是我们要结合行业的发展阶段（产业生命周期）考虑，二是龙头企业可能会不按常理出牌（比如龙头企业逆势扩张，或主动打价格战）。• 纵向格局产业链是指各个产业部门基于技术和经济层面的内在联系，形成的链条式的上下游结构。产业链分析是行业研究的基础。影响利润分配的主要因素是议价意愿和议价能力。• 议价意愿：取决于两个要素——商品或服务在下游的价值占比，以及行业所处的周期阶段。• 议价能力：主要看各个环节的行业集中度以及供需情况。我们可以通过产业链各个环节的毛利率以及各个环节占用上下游资金的能力来判断行业在产业链中的地位。图5-16呈现了本章的内容框架。

第6章估值：行业不同阶段的估值特征

第6章　估值：行业不同阶段的估值特征第2章～第5章梳理了基本面的4个分析维度，分别是商业模式（是否具备可行性）、市场规模（是否具备规模性）、护城河（是否具备防守性）以及竞争格局（是否具备盈利性）。我们在产业生命周期的不同阶段重点分析的维度有所不同。不过，这并不意味着在导入期就不用重视对市场规模、护城河或竞争格局的分析，而是这些分析维度的权重会相对小一些。在其他周期阶段，我们同样需要重视每一个分析维度。除了基本面，影响资产价格的还有一个重要因素——估值。有些人觉得只要看基本面就行了，估值起起伏伏很难把握，不必过于纠结。这种观点显然失之偏颇。虽然从几十年的时间尺度来看，估值对收益率的影响会逐渐收敛，但不管是个人投资者的投资期限还是机构投资者的考核周期，都很难达到这么长的时间跨度。如果我们单看一年内的收益情况，估值对投资收益产生的影响还是很大的。此外，虽然估值看似难以捉摸，但它也是有章可循的。这也是本章将要讨论的重点（图6-1）。
第1节　估值动机：3种通过股票赚钱的方式要回答为什么要学会估值，就得从股票收益的来源开始说起。我们先来看一个问题：当我们买股票的时候，我们到底买的是什么？买股票实际上意味着我们买的是公司所有权的一部分，这跟你出资开店差不多。拥有公司所有权的一部分意味着你同时获得了两个权利：一是投票权——股东可以参与公司的日常管理和决策，可以对一些重大决策进行投票表决；二是分红权——如果公司进行分红，股东可以按比例拿到红利或股息。因此，股票收益可以分为两部分：一部分是股利所得（Dividend Income），也就是公司分红时拿到的股息和红利；另一部分是资本利得（Capital Gain），也就是股价的变化所带来的收益。比如，你以每股100元的股价买入了某只股票，等股价涨到每股150元时你卖出了股票，从中获得的每股50元的差价就是资本利得。假设在此期间，公司还给你分红了，每股派发现金红利10元，那么每股10元的分红就是股利所得。资本利得来源于股价变化，而股价取决于公司的基本面和估值。所谓“基本面”，指的是公司本身的财务状况，其中可以直接反映基本面的就是公司的盈利增长情况。因此，资本利得可以拆解成两部分：一部分是盈利增长，另一部分是估值变化（图6-2）。
盈利增长可以用每股收益来衡量。每股收益还有一个更常见的名字——EPS（“earnings per share”的简称）。每股收益是用公司的净利润除以股票数量计算得出的，比如公司赚了10亿元的利润，一共发行了1亿股，那么每股收益就是10元。在估值方面，使用的主要衡量指标是第1章提到的“市盈率”（price-to earnings ratio, P/E ratio）。市盈率可以用每股股价除以每股收益，或者用公司总市值除以净利润得到。假设某公司一年能赚20亿元，公司的市值是100亿元，那么市盈率就是5倍（100亿÷20亿=5）。市盈率这个概念可以简单理解为“在净利润保持不变的情况下的回本周期”。想象一下，你开了一家面包店，每年的利润为20万元，你的朋友想出100万元（假设这是公道的市场价）把面包店买下来，那么你的面包店的市盈率（估值）就是5倍；而在利润不变的情况下，你的朋友可以用5年回本——5倍的市盈率其实对应的就是5年的回本期限。有的公司估值倍数可以高达几十甚至几百倍，这是因为它的成长潜力巨大。比如，虽然面包店今年的利润只有20万元，但你的朋友在买了面包店之后进行了业务扩展，包括新增烘焙培训业务、开放加盟，还找来媒体做了宣传。这些措施在短时间内迅速扩大了业务规模，使得明年的利润预计可达200万元。接着你的朋友找了投资银行的人或财务顾问（financial advisor, FA），请他们帮忙把这个生意精心包装成一个投资人最爱听的故事。紧接着，他跑到资本市场画了一个“大饼”，告诉大家“如果按这个增速，后年可以挣2000万元”。因此，即使今年面包店的利润只有20万元，还是会有投资者被成功打动，愿意花2000万元买下这个面包店。那么此时，面包店的市盈率达到了100倍（2000万÷20万=100）。当然，一些生意确实能够实现这么高速的增长。通常业绩增速越快的公司，其估值倍数也会越高。要注意的是，单靠一个市盈率是无法解决所有问题的，还有很多其他常见的估值倍数指标（Multiples），只不过市盈率是A股投资者最常用的指标（表6-1）。
如果单从这个结果来看，它是否说明我们可以不用过度关注估值？其实并不是。这是因为时间尺度是100年，在此期间，估值的起起落落往往会相互抵消，最终趋于均值回归。然而实际上绝大部分的机构和个人投资者的投资周期都没有100年这么长。事实上，如果只看美国股票市场1981～2000年这20年的情况，结果就大不一样了（图6-4）。这20年间17%的平均年化收益率可分解成：分红带来的4%的年化收益率，盈利增长带来的6%的年化收益率，以及市盈率的变化带来的7%的年化收益率。可见，即使在一个远超大部分人投资周期的20年时间跨度内，估值变化仍然是不容忽视的收益来源。在估值低位买入、在估值高位卖出的策略确实能有效提升投资收益，让收益率上一个台阶。
中国的情况也类似：2009～2022年这14年间，沪深300全收益指数平均每年实现了8%的收益率。这一收益率可以分解成：分红带来的2%的年化收益率，盈利增长带来的10%的年化收益率，以及市盈率的变化带来的–4%的年化收益率（表6-2）。然而，在大部分年份中，估值变化对收益的影响远大于盈利增长带来的影响。虽然有不少年份估值变化带来的是负面影响，但如果我们只看绝对值，估值变化对涨跌幅的影响程度显然更显著。
第2节　影响要素：估值由投资者和资产共同决定估值本质上是投资者对资产（比如行业主题基金或个别公司的股票）的合理价值进行评估。供给和需求决定了价格，所以对于估值的影响要素，我们自然要从投资者（资产的需求方）和资产（供给方）两个方面进行考虑。
投资者角度从需求端的角度，估值的高低与投资者的能力和意愿有关。这里的“能力”指的是钱多不多（资金实力），而“意愿”指的是风险偏好。
1．能力钱多不多往往取决于宏观经济情况：如果央行采取宽松货币政策，市场流动性就会增强，或者资金总量会相对充足，这对估值是个利好信号。相反，如果央行收紧货币政策，导致市场缺钱，在银行等金融机构急着用钱的情况下，机构愿意支付较高的利率去借钱，从而推高市场利率。无风险利率也会随之提高，这对估值来说是个利空信号。这里简单解释一下什么是“无风险利率”。无风险利率是指，通过投资那些几乎不可能亏钱的资产所获得的收益率，比如投资国债。用经济学的话术来说，无风险利率可以被视为投资者进行投资的“机会成本”。如果无风险利率低，那么它就意味着投资的成本低，投资者对于投资回报的要求不会那么高，对估值的容忍度自然更高，即使估值高一点儿、购买价格高了一点儿也无所谓。
而无风险利率很大程度上是由央行的货币政策决定的——央行一通过降息或降准等措施“放水”，市场的无风险利率就会变低，从而推高市场的整体估值水平。我们可以将其简单理解为市场上的钱一变多，估值就会变高。反过来，央行一通过加息或升准等手段“收水”，市场的整体估值水平就会下降。
2．意愿这里的“意愿”指的是投资者的风险偏好，也就是投资者愿意承担的风险类型和风险程度。我们也可以将其简单理解为，投资者是乐观还是悲观、是敢于孤注一掷还是选择清仓跑路，甚至“躺平”。虽然有时候市场上不缺钱，但是如果投资者的心态崩溃了，普遍看空，也会让估值受到巨大冲击。比如2022年4月，陆家嘴的很多投资经理对经济增长的预期就非常悲观（图6-6），全A市盈率因此跌到了年内低点。
值得注意的是，风险偏好很多时候是“盈满则亏”的。市场的风险偏好不可能一直无限提升。当绝大多数的乐观者已经入场、“打光了子弹”（可投资资金都已投入市场）后，一旦有风吹草动，出现不利信号，悲观者就会纷纷抛售，风险偏好将会急转直下，估值也会随之降低。因此，我们需要留意“交易拥挤度”。如果某一行业或某种风格特别受市场追捧，交易量特别大，这往往意味着看涨的投资者几乎都冲进去了，甚至那些喜欢跟风的投资者也已经冲进去了。投资者普遍过于乐观，甚至使用杠杆进行交易（借钱买入股票）。这样的过度炒作（投机）行为将导致风险增加。实际上，在这种情形下，击鼓传花的鼓点已经快要停下，就差让鼓声戛然而止的催化剂了。一旦市场流动性突然收紧，或出现利空消息，就可能引发股票大幅震荡或下跌。这种情况在历史上并不罕见：2018年5月，电子和计算机在交易拥挤度见顶后下跌；2020年2月，核心资产在交易拥挤度见顶后震荡；2022年7月，新能源在交易拥挤度见顶后大幅下跌。在衡量交易拥挤度这件事上可采用两种方法。一种方法是用单一指标来刻画，最常见的指标是换手率和成交额占比。将这些当前值和历史阈值进行比较，比如广发证券就给出过一个经验值：如果成交额排在A股前5%的个股的总成交额占全部A股的比重超过了45%，则被视为高风险信号。另一种方法是用多种指标来刻画，最后加权（通常是等权）合成一个综合性的交易拥挤度指标。比如兴证（兴业证券）策略张启尧团队就选取了7种指标来构建交易拥挤度指标，如图6-9所示。
资产角度从供给端的角度来看，资产本身的质地无疑会对估值产生影响。投资关键在于评估被投资资产的赔率和概率。所谓“赔率”，就是你下注1元钱，如果赢了，能拿回来多少倍的收益。比如1赔5指的是下注1元钱，如果赢了，除了拿回1元钱的本金，还可以获得5元钱的收益。而“概率”可以理解为获胜的可能性。赔率越高、概率越大，那么这个资产就会越吸引人，估值自然也会越高。还是以面包店为例，对“未来每年都只能赚20万元”的面包店和“未来利润有可能翻10倍”的面包店，给出同样的估值显然是不合理的。后者既然有着更好的“钱途”（赔率更高），自然应该获得更高的估值。假设还有一家面包店，上一年能赚30万元，而下一年只能赚10万元。这说明这家店持续稳定盈利的概率并不高。尽管它偶尔能赚30万元甚至40万元，但因为高利润的概率太低，所以其估值通常还不如那家每年固定能赚20万元的面包店。绝大部分投资者不喜欢那种平均利润平平无奇且波动巨大的情况。毕竟经历一年时间，利润就“腰斩”的滋味让人不好受。实际上，赔率和概率跟我们之前讲到的行业的4个基本分析维度是匹配的。• 可行性：判断的是行业的商业模式存活下来的概率。• 规模性：判断的是行业的市场规模的天花板，这是在评估赔率。• 防守性：判断的是行业的护城河能否避免过快进入衰退期的概率。• 盈利性：判断的是行业的竞争格局是否向好、盈利能否有进一步改善的空间，这也是在评估赔率。概括来说，赔率和概率是行业层面与个股层面最重要的两个估值影响因素。赔率越高、概率越高，估值往往就越高。当然，高赔率和高概率一般很难兼得，业绩年均增速一直稳定在30%以上的行业或公司，实在是可遇而不可求。
1．赔率A股市场里的成长股，也就是那些仍处于高速增长的成长期、市场规模还远远没有够到天花板的股票，它们的估值动辄高达上百倍甚至几百倍的市盈率。市场之所以愿意给出这么高的估值，看重的就是它们的赔率足够高。反过来，一旦它们的成长性开始减弱，赔率开始下降，估值通常也会掉一档。我们来看一个实际案例。腾讯控股可以说是赔率下降的典型。虽然它是社交领域的王者——截至2022年，微信的月活用户已经达到13亿的量级——但正是因为它庞大的用户基数，腾讯控股已经快要触及天花板，未来几乎没有什么成长空间了。即便它有新兴业务，但是这么大的体量，且在当前“防止资本无序扩张”和“反垄断”的形势下，腾讯控股很难快速增长。因此，它的市盈率自然比不上早年间“高歌猛进”的时候了（图6-10）。
2．概率即使赔率不够高，但只要概率足够高，同样可以带来相对较高的估值。贵州茅台就是这方面的代表。2011年，贵州茅台的业绩增速达到70%，市场给出的估值是30～40倍的市盈率。但在2019～2023年，尽管公司的业绩增速只有10%出头，市场依然愿意给出30～40倍的市盈率估值。这背后的原因就是贵州茅台无与伦比的品牌力和定价权，以及期间稳定可靠的业绩表现。
第3节　估值框架：在行业不同阶段该如何估值前文提到，估值会受到宏观因素（如货币政策）和微观因素（如市场风险偏好）的影响。然而，行业层面的内容才是本书讨论的重点。为了尽可能排除宏观因素对估值的影响，并将视角聚焦于中观层面（行业层面），我们接下来将重点探讨行业的相对估值在产业生命周期不同阶段（不同时期）的变化。如果直接比较行业不同时期的“绝对估值”，即直接比较行业不同时期的市盈率，那么类似央行采取措施增加货币供应量而导致大盘整体估值水平上升的情况就会成为干扰项。这会让我们无法判断估值变化是由宏观因素引起的，还是由行业处于不同时期引起的。而相对估值可以最大限度地排除这些因素的影响。顾名思义，行业的“相对估值”是指行业相对于整个大盘的估值，它通常用以下公式来刻画：行业相对估值=行业市盈率÷全部A股市盈率当上述公式得出的比值大于1时，说明行业与整个大盘相比，估值更高；如果比值小于1，则说明行业与整个大盘相比，估值更低。这等于标尺会随着大盘的变化自行调整，测量出的结果自然可以排除大部分宏观因素变化的干扰。当然，即便如此，依然无法完全消除微观因素对行业估值的影响。比如在不同时期，市场对特定行业有着不同的偏好，这会导致相对估值因为行业以外的因素而“漂移”。不过相对估值已经能让我们排除宏观层面的影响了。接下来，我们看看在产业生命周期的不同阶段，相对估值会有什么特征。需要注意的是，因为在成长期的前期和后期，估值特征与财务表现会有所不同，所以我们会把成长期进一步细分为两个阶段进行分析。导入期在处于导入期的行业中，企业的营业利润往往不高，甚至处在净亏损、纯“烧钱”的状态，因为此时的收入规模还没多大，开发产品、开拓市场的成本却低不了。在这种情况下，我们很难用市盈率进行估值——如果是净亏损，算出来的市盈率将是毫无意义的负值。即使市盈率为正值，意义也不大，因为行业诞生没多久，缺乏足够多的历史数据来判断业绩的变化趋势。单凭一两年的数据，没法看出盈利究竟是昙花一现，还是可持续增长。更重要的是，这个阶段的商业模式可能还没跑通，没有被完全验证，甚至最后整个行业都会“胎死腹中”。现实情况是这样的（图6-11）：愿意在导入期就参与投资的投资者，其实也没那么看重行业起步阶段所挣的“仨瓜俩枣”（微小盈利）。当前的盈利高一点或低一点并不是特别重要，他们看重的是潜在的市场空间。如果是千亿元级别的大赛道，需求得到了验证，商业模式也具备一定的可行性，那么市场往往愿意给出很高的估值。
在一级市场，天使投资人和风险投资机构往往会根据创业公司讲的故事，以及自身对行业的判断做出收入增长率、利润率等方面的假设，并估算大致的估值区间；同时，它们会根据创业公司中关键人物的背景推演公司的成功概率，从而调整估值。所以，有些投资机构会说，投资早期项目就是在投资人。比如，2015年，我在创业时，仅凭1个公众号、6个视频、3个人的团队，在没有一分钱营收的情况下，也拿到了将近5000万元的估值。而在二级市场，一些上市公司开辟的新业务也处在导入期。针对这些新业务的投资，更多的属于主题投资。主题投资看重的是梦想，是远期的成长空间。只要未来前景广阔，三位数的市盈率估值根本不是问题（因此有人戏称此时的市盈率是“市梦率”）。智能手机、新能源、蓝牙耳机等行业在发展的早期阶段，都曾是被追捧的主题。当然，因为没有扎实的业绩基础，投资者虽然有信仰，但是信仰并不那么坚定。一旦行业发展的节奏大幅偏离市场预期，那么杀估值（估值下调）也会非常迅速。所以很多时候，估值上得快下得也快，这个阶段更适合踩准市场节奏的“节奏大师”。成长前期对投资者来说，成长期的前半段是一个比较舒服的阶段——此时行业欣欣向荣，渗透率迅速提升。一些动作比较快的企业可能已经完成了IPO。比如在A股的科创板中，大多数上市企业处于这个阶段。港股和美股市场中也有不少这一阶段的企业。进入成长期的行业，其商业模式已经跑通，产业已经形成一定规模，发展前景也变得清晰可见，业绩正在飞速增长。人们通常会基于历史信息做线性外推，分析师在预测业绩时也会参考行业过往的增长速度。不过此时，行业的市场渗透率正在加速提升，业绩往往会持续超预期。所以，投资者会不断给出更高的估值，来修正“滞后”的业绩预测。比如2021年下半年，新能源汽车的销量不断刷新历史纪录，企业表现一次又一次地超预期，相关板块也迎来了大幅上涨。在这个阶段，估值往往可以冲到很高的位置（图6-12）。如果公司有100%的增速，市场就敢给出上百倍的市盈率。科创板刚推出的时候，首批上市公司的平均市盈率竟然超过了200倍。
在国内，有不少企业以零部件供应商的身份分得了市场的一杯羹。下面以歌尔股份、欣旺达以及德赛电池这三家“果链”上市企业作为分析对象。顾名思义，“果链”指的是苹果公司的供应链，供应链上的企业的业绩跟苹果公司息息相关。在行业的导入期，歌尔股份和德赛电池的相对估值整体上都在快速提升（图6-20）[插图]。
在这一阶段，技术突破尤为重要，厂商都比较舍得在研发上下功夫。例如，2007～2010年，苹果公司的研发支出增速一直保持在20%以上。国内零部件企业由于基数相对较低，增速更为显著，比如歌尔股份的研发支出增速高达80%左右。高投入带来了高利润。歌尔股份在2010年第4季度的盈利增速达到了176.8%，德赛电池同期的净利润增速更是突破了500%。面对潜在的“星辰大海”，市场也愿意给出比较高的估值。比如2010年年底，歌尔股份的市盈率在90倍左右。因为业绩增速很快，所以相关行业和公司往往实现了“戴维斯双击”[插图]，即业绩（公司利润）和估值（市盈率）齐飞，一起推动股价上涨。比如歌尔股份，从2009年到2010年，其股价翻了6倍，其中估值贡献了2.4倍。
其实，这也不能全怪库克，因为苹果公司在给人们带来了很多创新后，要想后期持续保持颠覆式的创新、让大家惊叹确实是太难了，几乎整不出什么新花样了。那种“用惯了诺基亚，突然来了个电容触控屏”的降维打击感和震撼感，恐怕再也回不来了。当行业进入成长期的后半段，无论是行业整体还是行业龙头，业绩增速往往相较于成长期的前一阶段都有所下降。例如，歌尔股份在这一阶段的增速就掉到了50%左右。之前被拔高的估值差不多已经达到高点，并开始逐渐回落（图6-22）。
成熟期成长期终究会过去，行业必定会进入成熟期。在2014年第3季度之后，智能手机渗透率的提升速度明显放缓，行业龙头开始出现卖不动的情况。事实上，2014年之后，iPhone的出货量几乎没有什么增长了。在这一阶段，行业业绩大幅下降是常态，即使是行业龙头也面临着盈利增速下台阶的困境。从2014年第2季度开始，随着苹果手机订单减少，歌尔股份这样的公司的业绩开始不及预期。估值也回不到第一阶段的高点了，估值中枢整体下降，市场可能仅愿意给出三四十倍的估值。相对估值大概只在1到2之间。直到后续这些公司开始拓展其他业务，其估值才先后恢复。这就是智能手机零部件行业大致的发展脉络。我们可以看到，在导入期和成长期，市场是愿意给出比较高的估值的。这一阶段的市盈率往往可以高达80～120倍。然而，在成长期的后半段，因为竞争激烈、市场逐渐饱和，所以业绩时常不及预期，出现了明显的估值消化过程，估值降至40～80倍。在进入成熟期后，想象空间变得更加有限，估值中枢进一步回落到20～40倍（图6-23）。
本章小结本章的内容要点如下。• 无论是从美股历史来看还是从A股历史来看，只要投资期限没有达到夸张的几十年之久，估值变化就会对收益率产生重大影响。• 估值是由投资者和资产共同决定的。投资者角度：重点关注能力（钱多不多）和意愿（风险偏好）。前者受宏观经济情况（货币政策）影响较大。资产角度：重点关注赔率（规模性和盈利性）和概率（可行性和防守性）。• 在产业生命周期的不同阶段有不同的估值特征。导入期：投资者更看重行业潜在的成长空间，估值围绕着“梦想”和“故事”展开。成长前期：业绩高速增长，持续超预期，估值随之快速提升，但存在交易拥挤的风险。成长后期：业绩增速放缓，高估值已难以为继。成熟期：渗透率增速不断放缓，行业面临估值收缩的局面。不过，有些行业龙头的估值会随着竞争格局的改善得以提升，这种现象被称为“龙头进阶”。衰退期：有些行业中的企业能够开辟第二增长曲线，这类似于企业进入一个新行业；有些行业能够实现稳定市场周期化，估值中枢可以参考成熟市场的情况；而有些行业面临替代品的挑战，利润率往往会大幅下降，估值总体呈不断下跌的趋势。但是如果供给收缩的速度比需求收缩的速度快，可能会出现拔高估值的“回光返照”。图6-24呈现了本章的内容框架。

第7章外部因素：引爆行业还缺哪根导火线

我们必须认识到，分析的各种先决条件是处于不断变化中的。虽然有些变量是行业内生的，比较容易预测，但是行业所处的外部环境同样在不断变化。这会影响分析的先决条件，进而影响之前得出的结论。因此，对分析来说，还有一件事情很重要：我们要用动态的眼光持续追踪行业的每个维度，不断迭代我们的分析结果。无论是针对基本面的分析，还是针对估值的分析，这一点都至关重要。外部因素的变化可能会让本来跑不通的商业模式忽然跑通了。
比如，我们前面提到，共享篮球目前来看不是一个靠谱的商业模式，但它真的在任何情况下都不可行吗？那也未必如此。这里我开个脑洞：假设体育潮流发生了变化，未来人们忽然流行打超大号的篮球，篮球从家里带到球场非常不方便。此时，由于失去了便携性，用户自然会考虑租用篮球。又或者，某个国家无法进口篮球的原材料，而该国本地缺少这些原材料，所以篮球生产被迫中断，篮球供给严重不足，篮球价格也因此水涨船高。那么对于用户来说，租用篮球就成了合理的选择。还有一种可能是，政府部门做了预算，出了一笔钱用于补贴全国所有篮球场的共享篮球设施。用户可以免费租用篮球，相关费用由国家承担。既然是免费的，大部分用户可能连购买篮球的需求都没了。此外，外部因素的变化还可能会让潜在市场规模忽然扩大。
竞争格局也是如此。以2015年年底提出的供给侧结构性改革政策为例，这个政策的本质是淘汰落后产能，它会让整个市场的行业集中度提高。至于估值，正如第6章所述，虽然行业本身的发展阶段会影响估值特征，但宏观环境对估值的影响也是巨大的。那么问题来了——都有哪些外部因素会影响到行业的基本面和估值呢？这是本章将要回答的问题（图7-1）。本章主要讨论影响行业发展的外部因素。这些外部因素可能是驱动力，也可能是阻碍因素。只有搞清楚这些因素，我们才能更好地预判行业的潜在发展空间和发展速度。
本章将采用的分析框架是经典的PEST分析法。“PEST”中的4个字母分别代表Political（政治因素）、Economic（经济因素）、Socio-cultural（社会文化因素）、Technological（技术因素）这4个维度。换言之，我们将从政治、经济、社会文化和技术4个方面剖析影响行业发展的外部因素。最终，我们的分析将集中于这些因素是如何影响行业基本面和估值的（图7-2）。[插图]图7-2　四大外部因素对行业基本面和估值的影响四大外部因素的变化会影响行业内部的供需关系，从而影响行业的基本面。除了基本面，外部因素的变化还会冲击资金的供需关系，从而影响行业的估值。关于对估值的影响，第6章已经有所涉及，因此本章关于此内容的篇幅会少一些。本章将通过更多的案例重点探讨外部因素是如何影响行业基本面的。
国内政治因素在行业发展涉及的国内政治因素中，产业政策最为重要，不容忽视。根据政策对行业发展的态度，产业政策大致分为扶持性产业政策和限制性产业政策两大类。1．扶持性产业政策我们可以进一步按照支持力度，将扶持性产业政策简单地分为口头鼓励、补贴减税、直接投资和强制使用等。这些政策对行业发展或多或少都起着推动作用。口头鼓励有些政策在大方向上表现出鼓励态度，但并没有配套的实际支持措施。这种口头上的鼓励固然是好的，但是对行业发展的推动作用相对有限。补贴减税相比之下，财政补贴和税收优惠等支持措施更能吸引社会资本的关注。风电、光伏和新能源汽车等行业都享受过这类政策。别看现在风电、光伏都已经实现了“平价”（跟火电、水电的价格持平），在成本上和传统火电相近，但在早期，这类公司有一家算一家，主要依靠补贴度日。如今风头正盛的新能源汽车行业，在导入期最大的驱动力也来自政策——新能源行业的发展离不开政府对新能源汽车和充电桩的一系列补贴。直接投资在基础设施和公用事业领域，政府（以及大型央企）会直接投资。比如铁路、公路、电网等关键基础设施项目的整个产业链都依赖于政府（以及大型央企）的订单。这也使得行业的产业生命周期主要受政府投资意愿、投资能力以及基础设施和公用事业投资需求的影响。强制使用还有一些领域，政策会强制要求使用某类产品。比如交通运输部起草的《道路运输条例》（修订草案征求意见稿）规定，12吨以上的载货车辆应当配备具有行驶记录功能的卫星定位装置和智能视频监控装置。生态环境部等联合发布的《重型柴油车污染物排放限值及测量方法（中国第六阶段）》（简称“国六”），则要求所有的重型柴油车都要安装OBD（车载诊断系统），并达到“国六”排放标准。这些政策都直接为相关产品提供了巨大的增长空间。2．限制性产业政策限制性政策有很多种，大体上可以分为限制准入、限制供给、限制价格、限制受众四大类。这些政策通常对行业构成了限制性因素。限制准入对于那些对经济和社会有重大影响的行业，无论它们是能创造巨大的经济效益，还是可能导致严重的潜在社会危害，在政策层面往往都设有严格的准入限制。比如保障基本民生的水电煤气，塑造意识形态的传媒等行业。通信、金融、免税店等行业需要经营许可，想拿牌照也不容易。值得注意的是，除了主管部门颁发的牌照，有些时候准入门槛还包括其他相关部门的审批。比如化工项目的环评（环境影响评价）审批等。限制供给限制供给的政策一般针对的是产能相对过剩或自带高污染、高耗能、高排放等具有所谓环保“先天缺陷”的行业。限制价格限制价格的政策主要针对的是影响国计民生和财政支出的行业。比如因为煤炭被大量应用于火力发电，而电力又是生产和生活的基石，所以供应给电力企业的煤炭就被限制了价格。影响基本民生的领域同样经常面临价格上的限制。比如执行居民电价的学校、社会福利机构、社区服务中心等公益性事业用户以及农业用户用电，均执行目录销售电价政策。当猪肉价格过度上涨时，国家发展和改革委员会等部门同样会通过抛储等方式进行干预——相关部门一般会在猪肉价格较低时，通过华商储备商品管理中心在市场上以低价采购猪肉，然后在猪价过高时将储备猪肉投放市场，以此来调整猪肉价格。医药行业的集采（集中采购）政策也带有限制价格的色彩。从2018年开始，国家医保局牵头实施了药品和高值医用耗材的带量采购，也就是跟药企达成“以量换价”的协议，通过大量采购让药厂降低报价。图7-3是2007～2022年中国城镇基本医疗保险基金历年收支情况。[插图]图7-3　2007～2022年中国城镇基本医疗保险基金历年收支情况数据来源：Wind限制受众很多行业有限制未成年人受众的规定，例如烟酒、电子游戏、校外培训等行业。
国际政治因素近年来，对我国市场冲击较大的是美国的货币政策和外交政策：美国的货币政策（美联储是不是保持宽松政策）、美国的外交政策，都对行业投资和产业发展产生影响。1．美国的货币政策第6章探讨估值时曾提到，当央行保持宽松政策时，投资者手头上的钱比较多，会推动估值上升。反之，当央行开始收紧政策时，估值就会下跌。而美联储的货币政策也会对其他国家产生影响——这种影响不单单限于估值，货币政策还会对基本面有所冲击。在基本面方面，存款利息高了，美国本土的企业和居民会增加储蓄；贷款利息高了，其企业和居民会减少贷款，投资和消费也会随之减少。这会影响美国市场对中国商品和服务的需求。此外，美联储加息也会影响中国资产的估值。举个简单例子：假设我准备在美国的银行购买理财产品，该产品1年后会返我100美元。加息前，如果年化收益率按10%算，此时我要付给银行90.91美元[100÷（1+10%）]。假设加息到20%，那么此时我只要付给银行83.33美元[100÷（1+20%）]，在1年后我同样可以获得100美元。美联储的加息相当于把所有美元计价的生息资产都打了个折，包括美股、美债、大宗商品（比如原油）、黄金，等等。而一旦美股、美债跌了，为了平衡仓位（买入下跌的美股、美债，从而回到之前的持仓比例），不少资金（特别是外资）会抛售A股、港股和中国债券以获取现金，进而拉低中国资产的价格。当他们将这些资产套现成人民币、再把人民币兑换成美元时，相当于在抛售人民币，导致人民币贬值。这很容易造成所谓“股债汇三杀”现象。这种效应对资本自由流动的新兴国家的影响会大一些。比如2018年美联储加息期间，阿根廷比索一下子贬值40%以上，土耳其里拉则贬值20%以上。二级市场的萧条同样会“传达”到一级市场。公司在上市时拿不到很好的估值，专门投资未上市公司的风险投资基金或私募股权基金也会更加谨慎；而由于美联储的政策没有那么宽松了，投资者手中的资金就变得紧张了，这些专注一级市场的金融机构也就没那么容易募集到钱了。2．美国的外交政策经济基础决定上层建筑。国际关系的变化是与经济周期相关的——通常当经济增速下行、蛋糕不够分的时候，国际关系会恶化。我们可以从美国的情况中得到一点启示（图7-4）。[插图]图7-4　美国经济与政治之间的关系资料来源：Choice1945年前后，美国实际GDP增速大幅下跌，导致“麦卡锡主义”盛行。20世纪80年代，里根刚刚当选总统时，美国经济问题突出。2017年上台的特朗普也面对着类似的局面。因此，贸易保护主义政策就会抬头。
近年来政策走向的两条主线近年来，国内外政治因素在两条相关主线上对相关行业产生了较大的影响。1．国内：绿色发展和环境保护要想实现绿色发展和环境保护目标，需要在能源替代、能源使用和能源回收方面多管齐下，涉及的行业众多。比如电热领域的碳排放比重超过40%，未来必须转向清洁能源。电力行业要大力推广光伏和风电，热力行业则需要进行工业热源的电气化改造。其他行业也得跟上：交通运输领域要推动新能源汽车取代燃油车，实现公共交通电气化；钢铁、水泥、化工、有色金属等工业部门要升级工艺，进一步节能减排；建筑环保领域要普及绿色建材；环保行业则需要做好锂电回收等新能源的配套设施建设，等等。以上这些可能都会成为政策发力的方向。2．国际：逆全球化中的国产替代在当前逆全球化浪潮下，各国政府和企业越发重视供应链安全的问题，中国也不例外。针对“卡脖子”技术所带来的挑战（图7-5），国家必然会通过政策支持来应对。比如在芯片和软件行业，国家已出台一系列扶持性产业政策、财政补贴政策，启动了专项工程。所以，这些“卡脖子”技术领域的发展既面临挑战，也充满了快速腾飞的机遇。
第2节　经济：经济发展指标与货币价格影响行业发展的经济因素也有很多，我们可以从量（经济发展指标）和价（货币价格）两个层面进行探讨。量主要涉及经济增速、居民收支的增速、负债率等经济发展指标，它们反映的是当前实体经济好不好、健不健康。当经济发展好时，居民收入水平会提高，并推动需求增长，此时行业的基本面就会好。此外，随着经济发展水平的提高，经济结构也会随之迭代；随着居民收入的提高，一些新需求（如去健身房、打网球、徒步等运动消费）也会被催生出来。价指的是货币价格。货币有3个价格，分别是货币购买力、利率、汇率。这三者的变化会影响行业的基本面与估值。价的变化并不反映经济水平的高低。经济发展指标经济增速高，各行各业的业绩自然差不了；反过来，当经济状况不好的时候，就算行业处于高增长的成长期，业务也或多或少会受到影响。1．经济周期经济本身是具备周期性的。绝大部分行业的盈利会受到经济周期的影响。A股金融、周期、消费和成长板块的归属于母公司净利润的增速，都与工业企业利润增速正相关。当然，不同行业受经济周期的影响程度各不相同。从盈利和经济周期关联度的强弱看，金融>周期>消费>成长。以金融行业中的银行业为例，在宏观经济上行甚至过热的时候，实体经济的回报率伴随着经济“欣欣向荣”、不断提升，公司自然愿意利用更高的利率来借更多的钱，银行能赚到的贷款利息就会变多。同时，因为生意比较好做，坏账的风险大大降低，银行的资产质量就会提高。这时候，银行业的利润往往会不错。然而，在宏观经济下行阶段，一切都会颠倒过来，银行业的利润会比较惨淡。可以说，金融板块（包括与金融高度相关的房地产）与宏观经济一荣俱荣、一损俱损。而在周期性行业中，钢铁、有色金属和工程机械等和经济周期的关联很容易让人理解。不管是建厂房、盖大楼还是上生产线，都需要钢铁做骨架、铜来做导线，工程机械进行施工。此外，交通运输需求同样与宏观经济息息相关。经济好的时候，原材料、中间品和产品的运输需求就会旺盛，差旅需求也会增多，居民出行旅游的频次也会更高。以航空业为例，经济好的时候，许多人会选择去欧美旅游、去日韩购物、去东南亚潜水，国际航班的上座率才会够高。消费板块的细分行业的情况各不相同。在可选消费中，纺织服装、汽车、商贸零售等行业与经济周期是比较同步的——毕竟在钱不好赚的时候，旧衣服还可以多穿一阵子，旧车也不会那么着急换。必选消费中的休闲食品、调味品等跟经济周期也比较一致——休闲食品毕竟不是刚需，而调味品市场已经很饱和了，业绩增长主要靠涨价来赚钱，在经济不好的时候也没法涨价。至于必选消费中的农林牧渔、乳制品、白酒、生活用纸等，与宏观经济的关联度相对较低。而成长板块虽然也会受宏观经济的影响，但起主导作用的还是自身的产业生命周期。以新能源汽车为例，尽管产销量会受到居民收入的影响，但更多的还是看有没有优质车型，或在续航里程、充电速度、驾驶体验、销售价格等方面有没有突破，能不能“打得过”传统燃油车。即使处于经济周期下行阶段，居民对汽车的需求有所下降，但只要新能源汽车在市场中的份额持续增加，那么它也会有很漂亮的增速。换句话说，对成长板块而言，在这一阶段，行业渗透率的提升所带来的正面影响往往会大于宏观经济的负面影响。除了国内的经济周期，海外需求占比较高的行业以及原材料高度依赖进口的行业，也会受到海外经济周期的影响。2．经济发展水平经济发展水平会影响产业结构和需求——在经济发展的不同阶段，主导产业各不相同。当前，中国的人均GDP已经突破1万美元。我们可以尝试分析主要发达国家在人均GDP达到1万到3万美元阶段的表现，这对我们可能有一定的启示。从美国、英国、法国、意大利、加拿大、荷兰、德国、比利时、西班牙、日本和韩国这11个发达国家的情况来看，我们可以从3个方面得到一些启发。一是农业集约化、规模化。农业对人均GDP（美元）增长的贡献很小，除荷兰农业对人均GDP（美元）增长的贡献达到1.8%外，其他国家的农业贡献普遍低于1%。平均来看，农业对人均GDP增长的贡献仅为0.4%。不过，未来我国的农林牧渔行业仍蕴藏着结构性机遇，因为目前我国农业整体还停留在个体种植户自主承包经营的阶段。第三次农业普查数据显示，2019年我国98%以上的农业经营主体仍是小农户，规模化经营的企业相对较少。二是制造业产业升级与产业转移。制造业对经济增长的贡献主要体现在支撑实际有效汇率升值和带动其他行业的收入增长上，其内部会出现产业升级和产业转移现象。在人均GDP达到1万美元以后，主要发达国家的制造业已经比较成熟，进入平稳发展阶段，但仍有不同程度的产业升级。比如，美国的人均GDP在达到1万至3万美元阶段后，高技术产业的比重提高了5.4%，英国的这个比重提高了2.4%。荷兰、比利时和西班牙的中高技术产业的比重提高幅度最大，分别达到4.1%、6.6%和8.2%。各国都有自己的优势产业，美、日、韩的制造业增长主要靠“无线电、电视和通信设备及装置制造”，法、德、韩主要靠“交通运输设备制造”，意大利和西班牙则主要靠“金属制品业”。从中国的实际情况来看，或许未来我国国际竞争力较强的“新能源和电力设备行业”会长期扮演促进制造业增速的重要角色。此外，大部分发达国家的“纺织和服装业”和“皮革、皮具和制鞋业”的规模都出现了萎缩，呈现向外转移的趋势，它们转移到人力成本更低、政策更优惠的地区。三是生产环节的服务化与消费升级。服务业成为经济增长的主要引擎，生产环节的服务化会带动生产性服务业的快速发展，而随着收入水平的提高，生活性服务业也会呈现出欣欣向荣的发展态势。在英美等国家，交通运输仓储业、邮电和信息服务业、金融保险业、租赁和商务服务业等生产性服务业对经济增长的贡献达到30%左右，是国民经济中的重要部分之一，其中贡献最大的是商务服务业，包括计算机及有关服务、研发活动、法律、检验检测、会计、税务咨询、市场调研、技术咨询、广告、就业服务、安保、保洁等。这背后反映的是，不少制造业生产内部的环节逐渐独立出来，发展成了相应的服务业。比如，原先药品的研发、生产、销售等环节都由药企自己搞定，但后来出现了从事新药研发和试验的CRO（Contract Research Organization，委托研究机构）、从事药品生产的CMO（Contract Manufacture Organization，委托生产机构），以及从事药品销售的CSO（Contract Sales Organization，委托销售机构）。未来，制造业生产内部的环节“单飞”，生产性服务业崛起的故事可能也会在中国上演。国务院发展研究中心产业经济研究部提供的数据显示，生活性服务业对发达国家经济增长的贡献甚至超过了生产性服务业，平均超过40%。批发零售、住宿餐饮、教育、卫生和社会工作、房地产业、文化体育娱乐等生活性服务业的需求主要来自居民消费。比如，在美国的生活性服务业的细分行业中，居民消费的占比超过一半。事实上，这就体现了我们经常提到的消费升级——当人均GDP突破1万美元大关后，现代服务业将成为主导，享受型消费、精神消费的占比将持续提升。随着人均收入的提高，生活性服务业的内部也会发生变化。从发达国家市场的经验来看，人均收入在2000美元以下阶段，人们一般倾向于观光游；在人均收入达到2000至5000美元的阶段，人们开始逐渐接受休闲度假游；而在人均收入超过5000美元的阶段，人们往往热衷于休闲度假。背后的原因很简单：在收入相对低一些的阶段，人们更想去见见世面，看一看外面的世界；在收入相对高一些的阶段，很多景点人们已经去过了，人们更想抓住机会放松身心。这也是为什么很多景区纷纷在休闲度假方向上布局。• 长白山：开发温泉度假区项目。• 峨眉山：投资“只有峨眉山”演艺项目。• 黄山：实施花山谜窟主题园区项目。• 桂林：与宋城演艺联合打造桂林千古情景区项目。上面这些项目不仅为游客提供了更加多样化的休闲选择，也促进了当地的经济发展。货币价格货币的供需状况会影响货币的价格，进而对各行各业的基本面和估值造成影响。前面说过，货币有3种价格，分别是货币购买力、利率、汇率。它们分别代表了货币在不同市场中的价格。在央行把钱印出来之后，主要会有3批人需要——有的人想通过卖东西拿到这些钱，有的人想通过贷款拿到这些钱，还有的人想用外币来兑换这些钱。这3个需求就形成了3个市场，即商品市场、利率市场和外汇市场。在这3个市场中，虽然供给方都是同一个（央行），但3个市场有各自的货币需求方，于是形成了3种价格（图7-6）。
货币的第一种价格是货币购买力。我们平时常说的“物价”，是用货币的价值来衡量商品的价值。那么反过来，我们也可以用商品的价格来衡量货币价值，这体现的是货币购买力。比如，我想用1千克猪肉跟你换10元钱，这相当于1元钱等于0.1千克猪肉的价值，或者说1元钱具备0.1千克猪肉的货币购买力。货币的第二种价格是利率。利率作为价格是以未来的货币衡量现在的货币的。比如，银行想用1年后的103元人民币换你现在的100元人民币，这就相当于年化利率为3%。货币的第三种价格是汇率。汇率是用外币来衡量本币的价值。比如，我想用1美元跟你换7元人民币，这就相当于1元人民币等于1/7美元。这3种价格的变化会对不同行业的基本面产生影响。1．货币购买力货币购买力的下降体现为物价的上涨，在经济学里这被称为“通货膨胀”，简称“通胀”。过度的通货膨胀，即恶性通胀，通常会导致国民财富的蒸发。这对各行各业来说是不利的。不过，适当的通货膨胀对经济发展也有一些好处。一般来说，央行会把物价年涨幅控制在2%左右。这样，居民和企业就会形成货币贬值的预期。因为拿在手中的钱不值钱，所以大家就更愿意把钱花出去，从而增加消费和投资。这种预期可以适当地刺激经济增长，同时有助于扩大就业。物价的变化会影响行业的基本面，比如直接影响某些行业的市场规模。不少食品行业（如调味品、榨菜、农产品等）是跟整体物价水平紧密挂钩的行业。因为这些行业的市场基本已经饱和，所有人都需要，而大多数人也不会忽然变口味，消费量相对稳定，所以整个行业的增长主要与其价格挂钩。像调味品占人们的总支出的比例不大，所以人们对它们的价格变动不会太敏感，就算涨价了还会接着买。肉类虽然占人们的总支出的比例稍微高一些，但人们不会因为价格上涨就完全停止购买。因此在宏观经济不是太差的时候，适度涨价对其销售量不会有很大影响，却能提高整体的销售额。反过来，如果降价，销售量也不见得会有很大提升，反而可能导致市场规模缩小。2．利率因为货币的唯一供应方是央行，所以央行的政策一般都会影响货币的3种价格，其中对政策最敏感的是利率。就宏观层面而言，一般来说，当经济下行时，央行倾向于采取宽松的货币政策。银行手头不缺钱了，就不会以较高的利率向同行借钱，利率自然会下降。利率一旦下降，消费者就会减少储蓄、增加消费，企业也会增加借贷进行投资，这些都有利于经济复苏。而反过来，当经济过热时，央行会倾向于收紧货币政策或直接加息。我们在第6章详细论述过利率的变化对估值的影响，而利率对产业的基本面也会产生影响。下面我们来看一个利率影响商业模式的案例。美国也有自己的“支付宝”，即PayPal。顺带一提，马斯克是PayPal的创始人之一。PayPal在1999年推出了类似余额宝的货币基金产品。这个货币基金由PayPal自己的资产管理公司通过联接基金的方式交给了巴克莱的母账户管理（后来转手给了贝莱德）。这个货币基金也有支付功能。一开始，这个“美国版余额宝”做得不错。然而，后来利率环境发生了变化——在2008年金融危机后，为了刺激美国经济，美国长期实行零利率政策，这导致货币基金收益率骤减。这对“美国版余额宝”来说不是什么好事——既然存在PayPal账户里跟存在银行卡里的收益没差多少，那为什么要放PayPal账户里呢？于是这个功能变成了鸡肋，最终PayPal选择在2011年7月将“美国版余额宝”清盘。3．汇率汇率对涉及国际定价的商品和服务的影响比较大，比如从事进出口业务的企业，或者涉及国际定价的大宗商品（比如黄金、原油等）。人民币对美元汇率贬值意味着每一单位美元可以换到更多的人民币，这会刺激出口、抑制进口；反过来，人民币对美元汇率升值则会抑制出口、刺激进口（图7-7）。
第3节　文化：被重塑的市场需求社会文化的因素包括方方面面，很难覆盖全，本节将列出部分重要因素。一是与人口统计学相关的，比如人口、年龄构成、性别，等等。二是文化变迁，比如文化理念、受教育程度、品牌营销策略，等等。前者可视为先天因素，后者则是后天通过社会化过程或灌输形成的变化。这些因素不仅会影响经济结构，也会直接影响行业规模、塑造行业的商业模式。人口统计学在人口统计学方面，人口年龄结构的变化或许是最值得关注的。我国现在正面临人口老龄化的挑战，人口老龄化会推动与医药相关的需求，并加速自动化的进程。根据国家卫健委的测算，预计“十四五”时期，60岁及以上的老年人口总量将突破3亿，在总人口中的占比将超过20%，社会将进入中度老龄化阶段。到2035年前后，60岁及以上的老年人口将突破4亿，在总人口中的占比将超过30%，社会将进入重度老龄化阶段。通常，年老意味着体衰。伴随着老龄化进程，肿瘤、心脑血管等疾病的发病率会不断攀升，与此相关的潜在医疗需求也会不断增加，这直接促进了慢性病治疗药物市场规模不断增长。社会老龄化还意味着劳动力供给不足，我国15～64岁人口占比在2010年就达到了顶峰，劳动者数量已连续多年下降（图7-8），且体力劳动者的数量减少尤其明显。此外，劳动力减少也意味着劳动者的薪酬快速提升。自2010年以来，我国制造业城镇单位就业人员的年平均工资持续大幅增长。这一趋势会催生对自动化的需求。如今，工业自动化已从汽车、家电行业拓展到消费电子、电梯、注塑、物流等领域。以快速老龄化的韩国为例，其工业机器人的使用密度已经从2015年的每万人531台快速提升到2021年的每万人1000台，几乎翻了一番。[插图]图7-8　2001～2022年中国人口年龄结构分布变化数据来源：Choice不过，虽然人口红利期正在成为过去时，但如今的中国还有“工程师红利”，这正是中国制造业的核心优势之一。要知道在产业升级的浪潮下，精益制造已是大势所趋，工程师已经成为极其重要的生产要素。近年来，由于大学扩招，年轻一代平均受教育程度提升，2024年高校毕业生达1179万。随着老一代劳动力的逐步退出，我国的人才结构得以改善，适龄劳动力中的高学历人才占比稳步提升。因此，中国工程师人才基数大，而且每年都有源源不断的生力军补充进来。
文化变迁文化理念会对行业的发展产生显著影响。比如消费者在健康意识方面的觉醒就深刻改变了食品饮料和餐饮行业。一个直观的例子是，主打沙拉轻食的餐厅明显越来越多了。软饮行业中各细分品类不同的销量表现也反映了消费理念的变化所带来的深远影响。软饮行业中的传统三强（碳酸饮料、果汁和茶饮料）近年来销量下滑，其市场份额逐渐被包装水、无糖饮料、纯果汁等相对健康的饮料所侵蚀。又比如国潮的兴起带给很多国产消费品牌历史性的发展机遇。“00后”等年轻一代消费者在中国强势崛起的年代长大，有着强烈的文化自信和民族身份认同感，对中国品牌和中国产品有着浓厚兴趣。在服装行业，李宁凭借其国潮系列产品成功扭转了亏损局面，从发展低谷中逆袭，短短几年内营收翻了好几番；在美妆行业，毛戈平等品牌凭借独特的中国元素迅速走红；在现制茶饮行业，茶颜悦色、霸王茶姬等品牌凭借独树一帜的中国风引来了无数的“自来水”。可以说，国潮为企业创造了高溢价率和高复购率，一度推动了业绩的快速增长。
第4节　技术：颠覆性的科技创新从某种程度上来说，技术是影响最深远的驱动力。瓦特改良的蒸汽机以机器取代人力，引领世界进入第一次工业革命的蒸汽时代。随后，发电机的发明让人类开启了第二次工业革命的电气时代。原子能、电子计算机、空间技术和生物工程的发明和应用则掀起了第三次工业革命。这一波波的技术迭代推动了大量行业的诞生和发展。技术对行业发展的推动技术创新对行业发展的推动作用主要体现在以下三个方面。一是让新兴行业的商业模式变得可行。比如，如果没有移动互联网和智能手机的普及，网约车行业根本就是空中楼阁。我身边也有现成的例子。我的一位大学师兄是学计算机的，大学时他对人工智能特别感兴趣。但令人无奈的是，在我们刚刚大学毕业时，人工智能相关技术还不成熟，行业也没有形成气候，想创业却很难融到资。所以他毕业后，只好老老实实地去了投资银行工作。而跟我同届的一个朋友，他毕业后选择留校读研，继续在人工智能领域深耕。过了几年，人工智能领域迎来发展风口，他追随计算机科学家汤晓鸥联合创立了商汤科技，该公司后来成功上市。人工智能技术的突破带来了大规模的产业落地，包括智慧城市、自动驾驶，等等，它们都与技术创新有关。其实很多商业模式创新以及其他应用型创新离不开底层技术的创新。本书第2章以PC互联网和移动互联网所掀起的两次创新浪潮为例，总结了一个“创新层级金字塔”。金字塔从底层到顶层分别是基础设施、硬件、操作系统、应用程序和生态参与者，越到下面越偏技术创新，越到上面越偏商业模式创新（图7-9）。一般来说，创新都是从底层开始，向上走的。[插图]图7-9　创新层级金字塔PC互联网时代的创新开始于基础设施层面的互联网技术，然后转向作为硬件的计算机，随后发展至Windows、macOS和Linux等操作系统，接着延伸到各种应用程序（比如IE浏览器），最终触及应用程序的参与者。移动互联网时代的创新则是先从基础设施的移动互联网技术开始，然后转向作为硬件的智能手机，随后延伸到作为操作系统的iOS和安卓，进而发展到各种App，最终覆盖整个App生态中的参与者。每个层级的颠覆式创新都是在上一个层级发生剧变后完成的。所以毫不夸张地说，技术创新是推动商业模式创新的关键力量。技术创新的第二个作用是实现降本增效，让新品类逐渐替代旧品类。比如，新能源汽车正逐步取代传统燃油汽车、毫米波雷达（在一些应用场景中）逐步取代激光雷达。有些功能集成度更高的新品类甚至会成为多个旧品类的替代品。比如，智能手机不仅挤占了功能手机、MP3播放器、卡片相机、电子词典等电子产品的生存空间，它甚至跨界影响了手电筒的需求。有时技术路线也不是唯一的，比如，动力电池中的钠离子电池和锂电池可以并行发展，风电叶片材料中的碳纤维增强复合材料和玻璃纤维增强塑料可以并行发展。技术创新的第三个作用是创造新的渠道，为行业的扩张提供路径。比如，随着移动互联网的发展，电商已成长为中国零售的主流渠道，而小家电行业正是依靠电商崛起的。技术成熟度当然，在进行研究时，我们不能只看到技术可能带来的美好前景，同时也需要考虑技术的成熟度，即技术的产业化进程。知名研究机构Gartner把新兴技术按照距离成熟期的时间划分为“<2年”“2～5年”“5～10年”和“>10年”这4类，还定期发布技术成熟度曲线（图7-10），我们可以将其作为参考。
我们可以注意到，在技术刚开始萌芽时，大家对它的关注度一般比较低，对其实现产业化的期望值也比较低。过了一阵子，虽然产业化还无法完全落地，但在媒体的加持下，资本市场对它的期望值会急剧“膨胀”。但是，市场很快会意识到这种过度乐观的预期过于美好，于是泡沫破裂，行业估值也随之进入低谷。只有当产业逐渐落地，并在企业的利润表上体现出来时，估值才会随着期望值逐渐恢复，最后趋于稳定和成熟。我们还可以关注全球企业龙头的资本开支和创新方向。如果多家企业龙头都在某一方向上布局，并且在资本开支上加码，那么这通常说明这方面的技术至少获得了产业界的高度认可。如果有较大规模的生产线落地，那么相关技术则已经走向产业化了。此外，如果新技术是产业政策的支持方向，那么企业走向成熟的时间往往可以缩短。值得注意的是，很多时候一个行业的发展壮大是多种驱动力共同作用的结果。以家电行业为例，技术创新带来的产品迭代、追求品质生活的消费理念和居民购买力的增强共同推动了家电产品平均售价的提升；劳动时长的延长或者闲暇时间的缩短使得人们更倾向于使用更多的机器来节省时间和精力，这也促进了家电销量的提高；此外，家电下乡、发放消费券等促消费政策也会在短期内刺激行业的销量……有些时候，有些因素发挥着推动作用，而有些因素却起着阻碍作用，我们需要综合评估各种方向上的力量博弈后的结果。
本章小结本章的内容要点如下。• 政治、经济、社会文化以及技术这四大外部因素的变化会影响行业的基本面和估值。• 在政治因素层面，行业分析需要考虑来自国内外的监管。在国内政治方面，最不容忽视的是产业政策。按照倾向性，产业政策可以分为扶持性产业政策（包括口头鼓励、补贴减税、直接投资、强制使用等）和限制性产业政策（包括限制准入、限制供给、限制价格、限制受众等）。在国际政治方面，对我国市场冲击较大的，是美国的货币政策和美国的外交政策。• 在经济因素层面，行业分析需要考虑经济发展指标和货币价格。在经济发展指标方面，绝大部分行业的盈利都会受到经济周期的影响。此外，经济发展水平会影响产业结构和需求。在货币价格方面，货币通过其3种价格（货币购买力、利率、汇率）的变化影响各行各业。• 在社会文化层面，我们主要考虑的因素有人口统计学特征（人口、年龄构成、性别等）以及文化变迁（文化理念、受教育程度、品牌营销策略等）。前者可视为先天因素，后者则是后天通过社会化过程或灌输形成的。• 在技术层面，技术创新对行业发展起着重要的推动作用，在分析时我们需要考虑技术成熟度。图7-11呈现了本章的内容框架。

第8章景气度：如何预判业绩增速

第8章　景气度：如何预判业绩增速本章将介绍景气度指标体系（图8-1）。有些人对景气度这个名词可能有些陌生，但它在行业研究中是很重要的概念。近年来，景气度指标体系在投资研究领域相当流行，不少分析师的研报会提及这个词，所以掌握这个指标体系非常必要。
顾名思义，景气度就是指宏观经济或某一行业的繁荣程度。一个行业的景气度高，意味着该行业的营收和利润增速快；反过来，一个行业的景气度低，则意味着行业的营收和利润增速慢。而行业的“景气度指标”是指一系列能够高频更新、反映行业各环节经营情况的数据指标。如果这些指标的趋势不错，那么身处该行业的企业接下来公布的营收和利润数据可能会水涨船高。在行研框架篇的7章内容中，我们更多的是从中长期的视角来判断行业的发展趋势，而对景气度的跟踪可以帮助我们验证自己对中长期趋势的判断，并及时调整预期。同时，在景气投资有效（市场更加看重实际业绩表现）的阶段，景气度跟踪可以让我们把握景气上行时的投资机会，并在景气下行时及时撤出。
所以这时，景气度指标就出现了，它成为衡量宏观经济或行业的繁荣程度的重要工具。常见的反映宏观景气度的指标包括GDP增速、PMI（采购经理人指数）、工业增加值等。而针对行业层面的景气度指标就更多了。除了产销量、关键原材料价格、产成品价格、库存水平等，一些行业还有自己个性化的指标。这些指标往往更新得更及时，更新频次也更高，这可以帮助我们快人一步，更早地验证我们的投资观点。总之，景气度指标需要满足两个条件。
一是它们要能够反映行业的基本面，帮助我们判断业绩情况；二是它们的更新频次要足够高，比如可以按月、周甚至日更新。在理想情况下，这些指标还应该具备一定的前瞻性，能够帮助我们预判。当然同步指标也可以接受，只要更新频次足够高。换句话说，我们要寻找的指标有两类——一类是前瞻性指标，另一类是高频同步指标。前者能让我们感知可能的发展趋势，后者能让我们及时跟踪和验证。通常，这种指标在一个行业内可能不止一个，而是有好几个。它们之间还可以互相验证，我们把这一篮子指标叫作“行业景气度指标体系”。
一般来说，确认行业景气度的方法有两种（图8-2）。[插图]图8-2　确认行业景气度的两种方法第一种是，根据产业链上下游情况把握行业的景气度。毕竟上下游行业的业绩是相互关联的，因此，如果下游的需求不给力，上游的表现也不会太好。
第二种是，直接通过本行业的关键指标来把握行业的景气度。这种方法比较好理解。简单地说，就是在本行业内找到一些可以提前反映行业业绩的指标。
第2节　纵向：通过产业链上下游把握景气度从产业链上下游这个维度去找景气度指标，关键在于找到产业链中的核心驱动环节。我们可以根据这个环节的情况来推断上下游的情况。以近年来大热的新能源汽车产业链为例（图8-3），整个链条包括最上游的锂矿、中游的锂电和下游的新能源汽车。锂电又可以细分出来正极材料、负极材料、隔膜、电解液、动力电池制造，等等。在这个产业链中，新能源汽车这个环节起到了引领行业的作用，它是否景气，决定了中上游的需求情况。
比如，近几年的一些政策频繁提到新基建，其中细分产业链5G的核心驱动环节是在中游，也就是移动通信基站设备的铺设。这一环节引领着整个通信产业。IDC（互联网数据中心）和AI（人工智能）更关注的也是中游——软件业务收入以及嵌入式系统软件的累计同比增速指标。在高端制造方面，我们通常直接参考费城半导体指数来评估半导体行业的状况。不过，如果想再进一步，可能还要观察半导体行业的下游，比如消费电子、汽车等行业对芯片的需求变化。在所有的产业链中，房地产的产业链可能是最重要的一个。房地产业之所以是我国的经济支柱之一，一方面是因为它的客单价很高，一线城市一套房产的价格动辄几百万元甚至上千万元；另一方面是因为它的产业链又长又宽。如图8-5所示，房地产业的上游有工程机械、金属矿采选、建筑业、电力、热力、燃气、水生产供应业，甚至还包括煤炭开采洗选与石油和天然气开采；下游涉及制造业，因为购房后，消费者肯定需要添置家电、家具。此外，周边的服务业也需要有配套，比如餐饮、教育、医疗、家政，等等。所以，房地产对经济有极大的推动作用，一个行业可以拉动整个产业链的经济，影响整个产业链的繁荣与否。
而房地产业的产业链的核心驱动环节就在中游的房地产上。房子好卖了，对上游的工程机械和建材的需求才会增加，对下游的家具和家电的需求也会随之增加。
第3节　横向：通过行业关键指标把握景气度第2节讲述的是从产业链的角度来分析景气度。在本节中，我们直接看行业本身。我们可以把A股上市公司简单分成5个大类别，包括上游原材料、中游制造业、大消费、服务业以及TMT（Telecom, Media and Technology，电信/传媒/科技）等新兴行业。上游原材料上游原材料的周期性比较强，它更看重价格和库存。价格在很大程度上决定了行业的盈利水平，因为成本相对是比较稳定的；而库存水平则反映了供求状况和价格可能持续的时间。以2021年备受追捧的硅料为例，单晶致密料的价格波动非常明显——1月时每吨单晶致密料的价格还不到9万元，但到了11月，价格涨到了26万元以上。然而，到了2023年年末，单晶致密料的价格已经跌至6万元以下。从中，你可以感受到价格的弹性。事实上，成本并没有太大变化，价格上涨的部分绝大多数成了硅料行业的利润。至于库存，它反映的是生产出来但没有卖出去的产品数量。还以硅料为例，一般一两周的库存是正常的。如果库存已经空了，那么说明硅料很紧俏，供不应求。此时价格通常不低，而且很可能会持续保持在高位。如果库存远远超过历史平均水平，除非厂家有意囤货，否则就说明硅料供大于求，后续价格很可能会从高位回落，或者延续之前的低迷态势。表8-2整理了不同上游原材料的关键景气度指标。如果你平时在追踪大宗商品市场，可能对其中的一些指标比较熟悉。以下内容供你参考。
中游制造业相比之下，对于中游制造业来说，产销量是一个关键关注点。一般情况下，中游制造业的产品价格波动不会太大，账期比较稳定。因此，一旦知道产销量，上市公司的财务状况也基本是明牌了。此外，在中游制造业中，不少细分行业都在高频追踪产销量数据，这些数据用来反推上市公司的业绩还是非常及时的。表8-3也列了一些跟中游制造业比较相关的景气度指标。从更宏观的角度看，我们可以关注制造业投资的累计同比增长、基建投资等数据。此外，发电量和除居民用电的用电量也可以反映行业的景气度情况。比如，我们可以通过用（耗）电量、铁路货运量和贷款发放量3个指标分析某个省的经济状况，其中耗电量是可以体现经济情况的一个关键指标。而对于基建和房地产的上游，我们重点关注的是挖掘机和重卡（重型卡车）的销量。
大消费关于大消费，我们在分析时需要将必选消费和可选消费分开来看。必选消费指的就是需求较为刚性的商品，其价格即便有所变化，其消费量也不会出现大幅度的变化。比如食品饮料、调味品等，都属于必选消费。必选消费的景气度，主要看的是通胀，一般用CPI（居民消费价格指数）来衡量。比如调味品，通过复盘你会发现，调味品是可以跟着CPI涨价的，可以说是“通胀敏感型”的产品。而涨价对它们来说，通常不会影响销量——因为它们都是刚需。所以，上涨起来的部分都是利润增长的驱动力。至于可选消费，主要看房地产业的情况。这是因为可选消费大部分与家电、汽车、建材、家具这些偏改善性需求有关。它们大多跟房地产有着密切关系。前文也分析了房地产的价值链——你买房后，很可能要装修、置办新的家具和家电。如果是刚结婚买房，很多人还会再买辆车。所以这些行业也被视为是房地产后周期行业，其需求会滞后于房地产业。在不少成熟赛道也会直接统计销量。比如前文提到的新能源汽车行业，销量尤为重要。2020年，新能源汽车的销量不到150万辆，而到了2021年，销量翻番，显示出极强的增长弹性。相比之下，新能源汽车的价格波动就没那么大了。你很难想象一辆车的价格会从15万元突然飙升到30万元，行业均价在一年之内翻番显然不太现实。所以，分析的逻辑跟周期性行业看价格、中游制造业看产销量是类似的，其重点是关注弹性比较大的因素。表8-4整理了大消费的关键景气度指标。
服务业服务业，特别是电力及公用事业、交通运输、金融等领域，其整体表现通常与整个宏观经济情况有关（表8-5）。比如房地产和金融，景气度指标大多是金融指标。至于交通运输的繁荣程度，当宏观经济表现好时，物流行业会更景气。
新兴行业对于TMT等新兴行业来说，判断其景气度更多是关注自身的产业周期。这里就不详细讨论了。如果采用比较笼统的自上而下的分析方法，前面的内容已经涵盖了A股大部分重要行业。如果只需要简单地判断周期性、消费趋势、成长板块哪个占优势，前面的内容基本上已经够用了。不过，在进行行业研究的时候，我们还是应该提供更为精确和深入的分析。接下来，我们将以白酒行业为例进行详细说明。
经销商库存如果经销商库存远超往年，并且这种情况不是因为主动囤货，那么你就得小心是不是销售情况不太好了。当然，还有可能是因为酒厂采取了比较激进的销售策略，它们向经销商大量压货。这也需要警惕。虽然上市公司当年或当季的报表很好看，但这是以“透支”未来空间作为代价的——大量压货但销售不畅，就会占用经销商的资金，经销商无法按正常节奏采购下一批货。如果经销商被迫降价销售，那么不仅会损害经销商的利益，破坏酒厂和经销商之间的关系，还会影响品牌形象、扰乱现有价格体系。相反，如果经销商库存低于往年平均水平，这往往意味着销售情况不错。经销商打款情况通过观察经销商相比往年是提前打款还是推迟打款，打款金额是变多还是变少，我们可以了解经销商对未来销售情况的预期，这真是在用真金白银“投票”。提前向酒厂支付更多的钱通常表明经销商对未来持比较乐观的态度；而推迟支付且支付更少的钱，就值得我们警惕了。开瓶率开瓶率反映的是终端消费者真实消费的比例，也就是酒到底是拿去喝了，还是一直囤在家里。如果开瓶率很低，这说明消费者基本都在囤酒，背后的心态可能是想把酒留给重大时间点用作庆祝，但更多的情况下他们可能是在坐等升值。这对于白酒的销售来说并不是什么好事，因为囤货的需求毕竟是有限的。如果囤着一直不喝，那么以后的销售就成问题了。想要得到前面所列的3个指标，通常需要依赖草根调研或者专家访谈，而且这些数据往往很难量化。对于有条件的人来说，可以自己调研或参加券商的电话会，电话会会定期邀请各地区的主要经销商分享行业的情况。如果没有条件，也可以阅读卖方发布的月报和周报，获取经过卖方分析师梳理的结果。有时这几个指标反映的情况可能是相互“打架”的——比如，批价可能呈上升趋势，经销商打款也很积极，但库存超过了历年平均水平。在这种情况下，就要仔细分析背后的原因了。如果经销商只是想囤一些货，只要数量不过分夸张，我们也不用过度焦虑，因为这种行为本身也反映了渠道对品牌的认可。我们在研究的时候不能刻舟求剑，还是要理解指标背后的逻辑。这也是主观投资相比量化投资的优势。如果仅凭指标就能投资，那么大家都把钱交给人工智能打理就好了。
本章小结本章的内容要点如下。• 跟踪景气度指标可以帮助我们先于报表提前预判行业和公司业绩的走向。景气度指标需要满足两个条件。一是它们要能够反映行业的基本面，帮助我们判断业绩情况。二是它们的更新频次要足够高，可以按月、周甚至日更新。• 确认行业景气度的方法有两种。通过产业链上下游把握景气度：可以通过产业链中的核心驱动环节来推测整条产业链的景气度。通过行业关键指标把握景气度：上游主要看价格和库存；中游制造业主要看产销量；在大消费中，必选消费主要看通胀，可选消费主要看房地产业；电力及公用事业、交通运输、金融等服务业主要看宏观经济；而TMT等新兴行业主要看自身的产业周期。• 研究时不能刻舟求剑，还是要关注景气度指标背后的逻辑。图8-10呈现了本章的内容框架。

第二部分行研实战篇

第二部分　行研实战篇看完行研框架篇的内容，我们仅仅是“眼睛学会了”，而要做到真正掌握这个框架，我们需要持续地将这个框架应用到对各个行业的分析上。就像我当年毕业后在麦肯锡就职时，入职培训教会了我最经典的解决问题方法论，而真正融会贯通并在各个项目中进行应用，已经是我做了大半年的项目之后了。毕竟只有那些随时可以应用的知识，才会真正内化为你自身的一部分。当然，如果你的工作暂时缺乏练习行研框架的场景，你也可以主动创造分析的机会。我有一个读者，他的本职工作跟分析师八竿子打不着。但自从学习了我分享的方法论后，在日常生活和工作中，他一找到机会就会应用它们。比如跟老板分析公司的商业模式、跟朋友聊对方从事的行业时直接分析行业的护城河，或当亲戚问自己要不要合伙开店时快速估算行业的市场规模……此外，我们也可以多研究一些具体案例。比如第9章便精选了近几年备受瞩目的新能源汽车行业作为案例。我们一起来看看前文所述的行研框架如何在实际场景中应用。

第9章案例：新能源汽车研究框架

第9章　案例：新能源汽车研究框架本章将聚焦新能源汽车行业。这个行业曾经给很多成长型投资者带来丰厚回报。在最火的时候，有公募基金经理曾说：“基金经理有两种，一种是踩中了新能源风口的，另一种是踏空了的。”而且，新能源汽车的上下游涉及很多细分行业，用一条线梳理下来可以覆盖上游原材料、中游制造业和下游消费。它非常适合作为一个案例研究。
第1节　新能源汽车行业所处的产业生命周期阶段在开始分析前，我们先定义一下行业的边界。按照国家的政策文件，新能源汽车主要包括纯电动汽车（PEV）、插电式混合动力汽车（PHEV）和燃料电池汽车（FCEV）这3种（图9-1），它们在政策文件中被称为“三纵”。
第2节　新能源汽车行业的商业模式新能源汽车行业的主流商业模式就是平平无奇的卖货卖服务——上游卖给中游碳酸锂，中游卖给下游电池，下游卖给终端消费者整车。在下游销售整车时，还会卖车载服务软件等增值产品。在对商业模式有了基本认知后，我们可以尝试判断这一商业模式的可行性，尽管这么做可能有点儿多此一举。燃油车兴盛了那么多年，对汽车的需求总不可能是伪需求。而新能源汽车作为燃油车的替代品，其发展增速一直稳定在两位数，而且上市公司都有好几家，所以其商业模式的可行性不言而喻。不过，为了保持分析的完整性，我们先按步骤，完成对商业模式可行性的分析。首先，让我们回顾一下，要判断一个行业的商业模式靠不靠谱，可以分两步走——先评估销售的可行性，也就是卖不卖得出去（是否能顺利销售）；再评估盈利的可行性，也就是能不能赚得到钱（是否能实现利润）。先来看看销售的可行性。还记得第2章提到的这句话吗？“成功的商业模式往往不是创造新的需求，而是用新的方式（新的解决方案）来满足旧有的需求。”我们从时间维度来考量，如果去看需求的底层，其实新能源汽车满足的就是安全出行的需求，它在本质上就是对燃油车的替代。所以经过评估，这个需求显然是真实存在的，并不是伪需求。
第3节　新能源汽车行业的市场规模一般来说，评估市场规模主要是为了看看身处行业中的企业是否有上市的可能。目前，新能源汽车行业内已有多家上市公司，进行市场规模的分析可能看起来也多此一举。但是，通过测算市场规模我们至少可以了解该行业的利润量级，这可以辅助我们判断行业未来的增长空间。虽然乘联分会和中汽协已经帮助我们统计了相应的数据，但是我们还是可以自行估算下2030年新能源汽车的市场规模。新能源汽车（FCEV除外）主要分为乘用车和商用车两大类。乘用车指包括驾驶员座位在内最多不超过9个座位的轿车、SUV等，商用车可以进一步细分为商用客车和商用货车。我们先看看乘用车市场。比较常见的算法是用乘用车总销量乘以新能源汽车渗透率，得出新能源乘用车的总销量：新能源乘用车的总销量=乘用车总销量×新能源汽车渗透率
2．新能源汽车渗透率一个可以作为参考依据的是，美国设定的2030年新能源汽车的渗透率目标定为50%，而美国目前新能源汽车的推广速度远远低于我国。在推广上更为积极的是欧洲，欧洲计划到2035年实现燃油车全面退出市场（包括油电混合动力类），届时仅保留完全零碳排的电动车和氢能车。所以，新能源汽车的渗透率预估为50%比较合理。到这里，我们终于可以计算新能源乘用车的销量了：4400万辆乘以50%，结果等于2200万辆，即预计到2030年新能源乘用车的销量将达到2200万辆。与2023年730.5万辆新能源乘用车的销量相比，到2030年新能源乘用车销量还有两倍的增长空间。新能源商用车的总销量也遵循类似的计算方式。
第4节　新能源汽车行业的护城河在行业的成长期就考虑护城河似乎有些多虑。目前应优先看的是作为“进攻者”的新能源汽车如何突破燃油车现有的护城河。前文提到，我们可以通过独占生产要素来构建资源垄断的护城河，也可以通过独占生产关系来构建网络效应的护城河，从而实现更高的营收和更低的成本。现在，我们可以依照这个框架来分析新能源汽车行业是如何尝试替代燃油车的。首先，我们看看燃油车之前是如何独占生产要素的。燃油车在生产要素方面的护城河还是在于资本优势。• 劳动力：只要你花得起钱，就可以“挖到”明星企业家加入，因此这方面并没有明显的护城河。• 土地：如果车厂离供应商近，可以降低物流成本，形成优势。但是，在汽车行业中，通常都是供应商跟着车厂走，而不是反过来。• 技术：内燃机技术一度是难以逾越的门槛，它导致我国的汽车行业在一开始比较落后。当时想要弯道超车极为困难。我国的汽车发动机最早还需要采购其他国家的产品。而新能源汽车用的是电池，绕开了内燃机技术这个护城河。这也是为什么市场会认为，在这个赛道国内汽车厂商会有更多的机会。• 数据：从数据采集的角度，燃油车厂商可能不及新能源汽车厂商有商业直觉。此外，拥有最多数据的往往还是互联网平台企业，所以与它们合作也是一个不错的路径。比如，吉利就与百度合作造车。换句话说，在数据层面，燃油车的优势很容易被其他互联网平台企业绕过。因此，如果非要说一个燃油车在生产要素方面的护城河，或许就只剩下“资本”了。毕竟造车确实是一个重资产行业，建立生产线需要投不少钱。接下来，我们看看燃油车之前是如何独占生产关系的。生产关系主要有4组。• 政府机构：燃油车在这方面没有什么优势。从国家政策导向来看，发展新能源汽车，逐步淘汰燃油车已是大势所趋。• 同行：从目前来看，燃油车并没有形成价格联盟。• 供应商：从供应商的角度来看，新能源汽车是个势不可当的趋势。所以，它们更愿意先与新能源汽车厂商建立良好关系。例如，在2020～2021年全球芯片短缺时，汽车芯片也很缺乏。当时，供应商优先把芯片供应给新能源汽车厂商，而燃油车在这方面并无优势。• 客户：除非是高端车型会有自己的车友会等社群，否则普通车型很难有忠实的客户。毕竟汽车属于高价商品，大家不会仅凭品牌就冲动购买。客户更多地会去比较硬件性能、软件性能，等等。因此，从客户关系来看，燃油车算不上有护城河。综上所述，我们不难得出结论：燃油车被替代是必然结果。当然，新能源汽车的未来不一定就是一片坦途，它也有可能被其他技术所替代。我们在投资这个赛道时，需要警惕的是小型航空器。一个很有意思的案例是关于美股上市公司亿航的。亿航的产品相当于大型无人机（无人驾驶载人航空器），可以载人。目前，它的产品被用于赛事救援等场合（图9-6）。如果未来得到广泛普及，它对新能源汽车将会是一个重大威胁，因为在天空上飞相当于大幅扩大了道路容量。
第5节　新能源汽车行业的竞争格局第5章提到，竞争格局分为横向和纵向两个方面。横向格局（同行的情况）相对简单。目前还是比亚迪独领风骚，且行业的CR4超过50%（图9-7）。[插图]图9-7　新能源乘用车零售市场份额（2023年）数据来源：乘联分会不过，要留意的是，由于数据的可得性问题，图9-7中的市场份额数据主要是基于零售销量来估算的，没有考虑客单价的问题。然而，毕竟新能源汽车市场还处于成长期早期，没有拿下的市场还很大，所以此时还不必去跟竞争对手抢市场份额。行业也还没有进入稳定市场周期化阶段，自然也没有明显的产能周期。因此，通常来说，在这一阶段我们不会在横向格局的分析上给予过高的权重。当然，这是一般情况下的分析，在后面的估值分析中，我们还会探讨新能源汽车行业的特殊性。接下来我们重点看看纵向格局。新能源汽车产业链有一个很有意思的现象：虽然国内在整车制造领域有不少相关上市公司，包括传统车企和造车新势力（比如前文提到的“蔚小理”），但整体而言，它们与特斯拉之间还有一定的差距；相反，原材料和零部件厂商却有着相当强的国际竞争力，这就使得最核心的投资标的，也就是最具投资价值和潜力的环节，并不在下游，而在中上游。仅关注整车制造可以说是挂一漏万。不过，整个新能源汽车行业的产业链比较复杂，我们需要先花时间梳理一下上下游的情况。参考图9-8，新能源汽车行业的产业链大致可以划分为上游的有色金属和化工原材料、中游的零部件制造，以及下游的整车制造、服务和软件应用。简单介绍一下新能源汽车行业产业链的各个环节。新能源汽车主要由电池、电机、电控三大系统组成，其中电池有正极材料、负极材料、隔膜、电解液四大材料；正极材料需要用到锂，这就延伸出锂矿和盐湖提锂等上游环节。最上游的锂资源加工成电池级磷酸铁锂、锰酸锂等化合物，然后用于制作正极材料。它与中游其他环节，如负极材料、隔膜、电解液等一起组装成电池，成为电动车的核心零部件。
至于下游，智能化是电动车的发展方向，智能驾驶舱、操作系统都是衍生出的细分方向。比如华为就推出了自己的鸿蒙车载操作系统。此外，与传统燃油车一样，新能源汽车行业也有汽车金融、二手车交易等市场服务，以及类似加油站的充电桩等设施。你可能发现了，新能源汽车行业的产业链串联了许多细分行业。学会分析新能源汽车行业，就能一通百通，在理解和分析其他行业时我们可以照葫芦画瓢。当然，上述产业链有点儿复杂，我们可以将其简化为采矿及回收、正负极、隔膜及电解液、电池制造、整车制造5个板块（图9-9）。
从板块来看，比较赚钱的是采矿及回收（销售毛利率为31.83%）、隔膜及电解液（销售毛利率为27.59%）。令人意外的是，整车制造环节并不是很赚钱。原因也是我们前面提到的，此时行业还处在成长期，所以厂商都在争夺市场份额，这时候的议价意愿确实非常有限。即使考虑在海外上市的造车新势力（“蔚小理”），其毛利率也表现平平（图9-11）。
接下来，我们将研究新能源汽车行业的估值问题。第6节　新能源汽车行业的估值不少人之前错过了投资新能源汽车行业的机会，其原因是大多数人认为它的估值太高，下不去手。我在前文提过，这个行业整体处在成长期，估值偏高是正常现象——好东西往往就是比较贵。在产业爆发的阶段，核心关注点其实是行业景不景气。如果景气度低，该行业的上市公司很容易会因为基本面（盈利数据）表现不佳而遭遇“杀估值”（市场给出很低的价格），毕竟投资者也是普通人，他们很难不会线性外推——一旦行业的业绩持续不令人满意，悲观者就会认为较低的景气度会成为未来的常态。此外，新能源汽车这个市场原本就伴随着各种各样的担忧。在景气度高的情况下，我们则要留意两个问题。第一个需要留意的是交易拥挤度。我们可以思考一下：假设此时新能源汽车板块的成交额占A股的比重达到历史高位，这说明该行业的交易非常活跃、市场关注度非常高。大多数看好的人已冲进市场，包括所谓“趋势追随者”（追涨杀跌的散户）。那么此时我们往往就面临较大风险了，因为没有其他人愿意接盘了。其实2021年年末和2022年年初新能源板块大幅度回调就与此有关。关于交易拥挤度，各大券商都有自己的交易拥挤度指标，我们可以作为参考。以兴业证券策略团队为例，他们将成交额分位、换手率分位、30日均线上个股占比分位、创60日新高数量分位、融资买入情绪分位、主力资金净流入分位、增持或买入评级研报数量分位这7项指标等权合成了拥挤度指标（7个指标数据加起来的总和除以7）。当指标超过均值+1.5倍标准差时，股价往往比较危险，基本上随后都会出现回调；相反，如果跌穿均值–1.5倍标准差以下，且行业景气度良好，则通常就是买点。比如2021年8月，交易拥挤度达到高位后，当年年底就出现了深度回调；到2022年4月前后，交易拥挤度已回落到低位，紧接着交易拥挤度就迎来了反弹。当然，该指标的样本量有限，未来如果失效也并不奇怪，仅供参考。第二个需要留意的，是龙头企业主动打价格战的问题。这也是需要在行业成长期就关注新能源汽车行业的横向竞争格局的原因。2022年10月，特斯拉打响了新能源汽车价格战——全车型降价，最高降幅达到3.7万元。其他车企也纷纷跟上——东风汽车最高降9万元，宝马降10万元，丰田甚至推出了买一送一的优惠……就连比亚迪和长安这两家巨头也参与了价格战。根据《南方都市报》在2023年3月的不完全统计，已有超过86款车型降价。这波汽车价格战与第6章提到的空调价格战颇为相似。当时，所有空调厂商都在卖力喊口号。最终只有格力、美的赚到了钱，而其他小空调企业逐渐退出市场。这一波新能源汽车的价格战可能会与当年的空调行业一样，进入一轮淘汰赛，且可能会持续较长时间。在这场价格战中，单车毛利率高（降价承受力高）或者资金实力强的车企将会更有可能生存下来。当年，在空调价格战时期，整个板块的相对估值受到了压制。如今，在新能源汽车价格战时期也不例外。
第7节　新能源汽车行业的外部因素在外部因素方面，我们使用PEST分析法进行分析。1．经济除了宏观经济波动的影响，经济层面的另一个关键外部因素是油价。在油价上升的周期中，传统燃油车的车主可能会因为高昂的油价在每次加油时都不敢将油箱加满。此时，使用电力的新能源汽车自然成为更有吸引力的选择，并因此受益。不过一旦油价回落，新能源汽车的销售可能会受到负面影响。2．社会文化在社会文化层面，我们需要注意两个重要趋势。一是实用主义的兴起。麦肯锡在2019年年底发布了《2020年中国消费者调查报告》。该报告中有个调研数据可以参考：有60%的受访者表示，即使感觉富有，但仍希望把钱花在刀刃上。换句话说，中国新一代的消费者更重视性价比和实用性，而不是仅仅追求品牌。所以，燃油车的品牌优势在消费者的决策过程中逐渐减弱，燃油车品牌反而会失去优势。实际上，我们可以看到，各路造车新势力推出的新能源汽车车型，无论是在内饰还是配置上，都要比同等价位的传统燃油车更胜一筹。例如，售价三四十万元的电动车，配备了按摩座椅、高级音响、空气悬挂等高端配置，与BBA（奔驰、宝马、奥迪）等豪华车品牌的车型相比也毫不逊色。这主要是因为造车新势力在品牌积淀方面还相对较弱，所以，它们就会努力在别的地方弥补。它们在渠道方面没有历史包袱，大多数采用的是直营模式，不太需要与渠道分钱，这为“高配低价”创造了条件。而且，现在正处于抢市场的阶段，对利润的要求不是很高，因此它们更舍得投入。事实上，消费者对这种策略非常买账。相比燃油车车主，新能源汽车的车主在年龄结构上更年轻化，他们普遍更认可自动驾驶、移动互联、加速性能等特性，以及直营直销的透明化定价模式。不断推出的新车型刺激了市场需求，每年新车型贡献的销量占比为35%～47%，远高于燃油车新车型的8%～10%。大众对新能源汽车的认可也可以从消费结构上看出来。从2021年开始，新能源汽车在限牌城市中的销量占比大幅下降，到2022年上半年跌至18.9%，与2021年上半年相比下降了12.2个百分点。与之相对应的是非一线城市的销量占比明显提升，尤其是二三线城市2022年上半年的销量占比已经达到42.7%，相比2021年上半年上升了12.4个百分点。即使在不限牌的城市，消费者也愿意选择购买新能源汽车，这足以说明大众对新能源汽车的认可程度。另一个值得关注的趋势是，随着人均GDP的上升，消费者的环保意识也在提高。2024年11月，中国社会科学院生态文明大数据实验室课题组发布了《中国公众如何看待气候变化？2024中国公众气候变化认知报告》。报告显示，超过75%的受访民众对于低碳环保的行为高度认可；六成以上的受访民众愿意为减少碳足迹支付额外费用；受访民众对新品的发展方向和趋势表示认可期待和支持，超过80%受访者有购置电动汽车计划。从这两个趋势来看，新能源汽车行业有着广阔的发展前景。3．技术在早期技术尚不成熟时，新能源汽车存在电池能量密度过低的问题：电动车的续航能力远远比不上燃油车，不适合长途旅行。加上当时的充电技术比较落后，无法做到“快充”，所以电动车的渗透率提升缓慢。但随着电池和充电技术的进步，这些问题正在逐步解决。此外，与燃油车相比，电动车有更大的电池容量、更多的传感器，理论上在影音娱乐、辅助驾驶等方面应该比燃油车表现得更好。而且电动机在加速性能和防止噪声方面也更有优势。这也是新能源汽车的渗透率上升得如此之快的底层原因之一。
第8节　新能源汽车行业的景气度指标通过前面的分析，我们知道新能源汽车行业仍处于成长期，还有很大的成长空间。未来，在优质供给的推动下，投资人心中的美好愿景有望变为现实。但是，仅凭这些还不够，我们还需要密切跟踪行业的发展动态，特别是对于处在成长期的新能源汽车行业更应如此。此时，我们需要关注行业的景气度指标。在新能源汽车领域，最重要的景气度指标就是新能源汽车的销量，中汽协和乘联分会每月都会公布这一数据。实际上，每月公布数据后，各家卖方（券商）都会根据实际数据和之前预测的情况，对预测值进行修正。这里分享一个常用的小技巧：在拿到每个月的销量数据后，可以看一下它在历史上在全年中的占比情况，通过这样的推算，就可以大致估算出全年销量。2021年新能源汽车指数之所以大涨特涨，最重要的原因就是销量持续超出预期。2021年4月，乘联分会给出的全年新能源汽车预测销量是200万辆，而实际销量达到了331.2万辆左右。当然，还有其他一些可跟踪的景气度指标。总的来说，它们可以分为“量”和“价”两个维度（表9-1）。
“量”主要观测终端需求。具体来说，除了中汽协和乘联分会每月发布的新能源汽车销量数据，还可以关注中国汽车动力电池产业创新联盟每月发布的动力电池销量和装车量数据，以及中国充电联盟每月发布的充电桩保有量数据。总的来说，这些数据如果超预期就说明终端需求是很强的。在某种程度上，数据越高说明终端需求越强。“价”主要观测上游原材料和中游电池组件的价格。具体来看，需要重点跟踪上游金属锂、钴化合物的价格；中游四大电池材料（正极材料、负极材料、隔膜、电解液）的价格，以及动力电池（三元电池/铁锂电池）的价格；此外，部分供给紧张的原材料价格同样值得关注，包括电池级铜箔、锂电池黏结剂PVDF，等等。如果中上游价格上涨太快，下游面临的压力通常就会比较大。当然，如果投资中上游，那么价格上涨对你来说是好事，只要价格不涨到历史最高值，让人们觉得是不是即将到达拐点并马上回调即可。比如，前几年锂价上涨得比较迅猛，价格直接翻倍，一度让市场担忧终端需求会受到影响。因为成本上涨迟早会传导到中下游，整车涨价可能会导致消费者不愿购买。但事后证明这种担忧是多余的——2022年新能源汽车的整体销量仍然不错；而到了2023年，锂价遭遇了大幅度调整，碳酸锂价格更是从顶部的60万元/吨直接跌破10万元/吨。通过上述分析，我们建立起了对新能源汽车行业的基本认知，这为我们进一步研究新能源汽车行业奠定了基础。基于这些分析，我们得到了几个能够支持我们做出投资决策的结论。
本章小结本章的内容要点如下。• 新能源汽车目前处于高速增长的成长期阶段。• 新能源汽车行业的商业模式的可行性已经得到验证，值得一提且比较有意思的商业模式是换电。• 新能源汽车行业的市场规模未来仍有翻倍的增长空间。• 传统燃油车无法构建针对新能源汽车的护城河。在生产要素方面，燃油车的资本优势很容易被“绕过”，其他几个要素也无明显优势；在生产关系方面，政府和供应商更看好新能源汽车的发展，消费者对传统燃油车的忠诚度并不高。• 新能源汽车行业产业链的上游包括有色金属和化工原材料，中游是零部件制造，下游则包括整车制造、服务和软件应用。• 新能源汽车板块因为处于成长期，在一年的时间维度下，最重要的仍是行业景气度。如果交易不拥挤、龙头企业不打价格战，只要行业足够景气，投资者就可以适当放宽对估值的要求。• 新能源汽车行业的外部因素以往主要包括政策扶持和技术进步，目前已“升级”成市场导向，新能源汽车行业正在靠社会文化等因素拉动。• 在新能源汽车行业的景气度指标体系中，最重要的是按月更新的销量数据。图9-12呈现了本章的内容框架。

第三部分研究方法篇

第三部分　研究方法篇对于那些没有非常扎实的研究基础的读者来说，读完前面的内容后可能会好奇：“我平时要找数据资料时，感觉就像是在大海捞针。作者的数据都是怎么找的呢？”也有一些读者曾问我：“我和你看到的都是一样的数据和新闻，为什么你提炼出来的信息比我更有深度？”正如我在前文做过的类比：就算有向导提供了一张超级详细的徒步地图，也带着我们爬了一遍山，但实际爬山时还是有很多提升空间的。一方面，很多具体技巧需要靠经验去沉淀、总结。比如，不同地形的爬行方式、补充水分的频率、呼吸方式，等等。另一方面，选对适合自己的工具也很重要。比如，在不同地形、气候、海拔的条件下，该用什么样的登山杖、冲锋衣、登山鞋，等等。这些问题将是接下来的研究方法篇和研究工具篇要具体解答的问题。掌握了分析框架，我们还要拥有系统的分析方法和高效的分析工具才行。在第10章和第11章，我将与读者分享研究分析的基本方法论。

第10章研究基础：关于研究本质的思考

疑。而要回答如何通过研究持续创造财富这个问题，我们可以采用同样的“套路”——在金融投资中，研究被用来创建3种信息差（图10-1），从而帮助我们在市场中获得盈利的机会，这3种信息差分别为时间差、广度差和深度差（广度和深度都是空间概念）。
此外，有些投资机构甚至建立了自己的爬虫技术团队，不仅抓取电商数据，还会抓取社区类产品的数据，以此来评估其真实的活跃度。遥感技术的应用也有助于预测。我有一位师兄，他大学读的是遥感技术专业。他的团队会通过分析卫星图片来预测农作物产量，然后将数据出售给期货公司、基金和政府机构，其准确度相当高。
草根调研则是现在的投资机构掌握得比较熟练的预测方法。比如，日本有家公司叫作“媒体创造”（Media Create）。这家公司与2000多家游戏销售实体店保持着密切联系，它会定期收集这些实体店各种线下游戏机、线下游戏的销售数据。有一次，它通过对实时销售数据的分析发现，任天堂Switch游戏机的销量不及预期，于是建议其对冲基金客户抢在任天堂公布销售数据前将其做空，而它的客户因此大赚了一笔。
类似地，知名做空机构浑水公司在2020年做空瑞幸咖啡前，采用的方法也是在线下去数人头——浑水公司雇用了上千名兼职调查员，收集了25000多张瑞幸开出的小票，得出了瑞幸咖啡虚报销量的结论。
上述这3种方式都可以通过采集“另类数据”，让使用者比市场其他参与方更快地获得某些特定资讯，进而制造时间差来赚钱。不过，这些方式的门槛比较高，并不适合普通的投资者。除了时间差，还有空间差。空间差涵盖两个维度——广度差和深度差。
不过，我建议不要轻易追求广度差，因为刻意地追求广度差会让我们患上“错失恐惧症”（Fear of Missing Out, FOMO）。错失恐惧症不仅会让我们焦虑，还可能影响我们对深度的探索。这时候，就算你的覆盖面再广，浅尝辄止的信息接收方式很难让我们沉淀下什么东西。所以，我们最好先在一个领域深耕并具备一定程度的深度差之后，再去追求广度差。当然，对于一些特殊职业来说，追求广度差是必要的，比如在媒体行业或广告行业工作的人。他们只有见多识广，才能不断输出有意思的内容。
深度差如前文所述，时间差可遇不可求，而广度差又不太适合所有人，因此，想要持续地通过“研究”获取信息差以创造财富，关键要靠深度差，即比其他人对市场有更深入的认知。对市场的认知更深可以体现在两个方面：一是比别人更懂市场的供给侧，也就是更懂行业、更懂公司；二是比别人更懂市场的需求侧，也就是更懂用户、更懂市场。
在供给侧，不少人有一个最有可能赚到钱的投资机会，也可能是自己一直忽略了的机会——投资与自己所处行业相关的股票。毕竟与市场上绝大多数的投资者相比，你更懂自己的行业。因此，一些行业外的人看着无关痛痒的资讯，对你来说可能是莫大的投资机会。此外，“春江水暖鸭先知”，你可能在时间差上也会有比较优势。你可以利用好“业内人士”的身份，把握好其中的机会。除此之外，因为了解得足够深入，你自然也会比别人更有信心——即使此时遇到回撤，如果你依然看好，你也会比其他人更坚定，而不会轻易丢失筹码。当然，这也并不意味着我们就不能投资所处行业之外的行业，只是这些行业可能需要我们花更多的时间去研究。在需求侧，我们需要构建深度差，这要求我们比市场上的大多数人更懂用户的偏好和习惯。
XVC的合伙人胡博予在《用VC的方法炒股票》一文中提到过，在2013年5月看完Consumer Reports发布的对特斯拉Model S的“完美车评”报告后，他做了两件事——第一，跑去特斯拉门店试了一下Model S；第二，花了几小时把海外视频网站和社交网站上的各种车评、提车报告都“刷”了一遍。之后，他买了特斯拉的股票。结果在接下来不到一年的时间里，特斯拉的股票就“起飞”了，他赚了近3倍后离场。
“没有调查，就没有发言权。”在市场需求方面的深度差就是建立在对市场的细致观察之上的。我在2017年投资腾讯的经历便是一个例证：当时发生了两件事，让平时不玩游戏的我开始有研究腾讯的动力。一是，一个平时从不玩游戏的好友玩起了《王者荣耀》；二是，在我环游中国的旅行中，我路过许多城市，发现有不少人在街上或在餐馆等人的时候，会直接打开《王者荣耀》玩上几把。当然，对市场的观察只是投资研究的起点，要促成投资还需要更细致的研究。后来，在腾讯控股的股价位于270～300港元时，我买入不少腾讯的股票，后来在涨到500～600港元时我卖出了，获得了不少收益。环游中国的路费不就赚回来了吗？总的来说，“深度差”可以说是资本市场中唯一能够确保我们持久盈利的前提。因此，在进行研究时，我们应该将深度差作为目标。
按深度分如果按深度分，我们可以用DIKW模型来划分资讯（图10-2）——资讯由浅入深可以划分为Data（数据）、Information（信息）、Knowledge（知识）、Wisdom（智慧）4个层级。图10-2以我的上班时间为例说明了如何利用DIKW模型来划分资讯。
通过对数据进行分析，得出了一个简单结论——我过去一周平均每天比标准上班时间（9:00）晚到15分钟左右。资讯的深度更进一步，达到了信息层级。数据和信息都还停留在Know-what（知道是什么）的程度。如果进一步提炼，可以得出“我一直在迟到，需要更早起床”的结论。这就到了知识层级，也就是到了Know-how（知道怎么办）层级。如果更进一步，想到Know-why（知道为什么）的层级，可以提炼出“我不够自律”这个结论。我们常说“知其然知其所以然”，所以Know-why就是智慧层级的资讯。而落到财经资讯上，我们可以看到不同深度的资讯类型及其例子（图10-3）。当然，这些例子可能只是一般情况，并无绝对，比如有些研究报告只罗列数据和信息，不给出观点，而一些足够深入的研究报告能够提供智慧层级的资讯。虽说在做研究时需要优先追求深度差，但这并不代表“浅”的资讯就不重要——“浅”的资讯往往是“深”的资讯的基础。
从图10-4中可以引出两个新概念。根据哲学家大卫·休谟（David Hume）的分类，资讯可以分为“事实判断”和“价值判断”。
通常，事实判断存在一个精确值，也就是唯一解（如果不考虑“薛定谔的猫”的复杂情况），而价值判断则无上下之分，只有“左右之别”。
按广度分按广度分，我们可以将财经资讯划分为3类，分别是宏观资讯、中观资讯和微观资讯。宏观资讯主要涉及国家或地区层面的数据，包括人口统计学数据、经济数据、金融数据，等等。除了宏观部门，有些券商或研究机构还会设置策略部门。策略部门一般会关注赛道轮动、资金偏好变化，等等。我们姑且也将这些归入宏观资讯的范畴。中观资讯则聚焦行业层级的数据，而微观资讯则涵盖企业或产品层级的信息。
当然，我们还可以将深度和广度综合起来，构建一个深度和广度相结合的矩阵——横向代表深度，纵向代表广度。具体示例见图10-6。
本章小结本章的内容要点如下。• 研究本质上是“输入–处理–输出”资讯的过程。• 研究可以创造信息差，从而帮助我们创造财富。信息差主要包括以下3种类型。时间差：时间差往往可遇不可求；机构通过采集“另类数据”可以获得优势。广度差：单纯地追求广度容易患上错失恐惧症；在某一领域深耕后再追求广度会更好。深度差：拥有深度差是持续创造财富的保证。• 资讯可以按深度和广度两个维度进行分类。深度：按照DIKW模型，可以将资讯由浅入深地划分为数据、信息、知识、智慧4个层级。广度：按广度分，可以将财经资讯划分为宏观资讯、中观资讯和微观资讯。图10-7呈现了本章的内容框架。

第12章研究工具箱：常用的研究资讯源

思路2：看团队如果从研报作者的可靠性角度考虑，建议关注荣誉傍身、享有盛誉的分析师团队。这类团队往往拥有更好的研究资源，也更珍惜自己的“羽毛”，其发布的研报质量一般较为可靠。此外，这类团队的观点更容易获得投资机构的重视，有更大的市场影响力。想找到这样的团队也很简单：参考各种券商分析师的奖项评选结果就可以了。在A股市场中，最有影响力的评选要数号称“券商界奥斯卡”的新财富最佳分析师评选。作为中国本土第一个市场化分析师奖项，它主要由公募基金、保险资管、银行及银行理财子公司、大中型私募基金、海外投资机构等机构为自己认可的研究团队和分析师投票，最后选出宏观、固收、策略、行业各个领域的前5名团队以及最佳分析师。不过，新财富最佳分析师评选也有论资排辈和资源交换的成分，并不是所有获奖的研究团队都以研究见长，所以也不要完全迷信排名。除了新财富最佳分析师评选，中国基金业金牛奖、《证券市场周刊》水晶球奖、新浪财经金麒麟最佳分析师的评选结果，也可以适当参考。需要说明的是，有一些头部券商是不参与国内这些评选的。为了避免漏掉其中研究能力卓越的佼佼者，我们可以采用公募分仓收入排名作为另一个判断依据。目前，国内券商研究所最重要的收入模式是，研究员为投资机构提供服务，投资机构支付较高的交易佣金为研究付费，而公募基金作为券商研究所最大的收入来源，也是券商研究所最重视的客户。所以，一般来说，公募分仓收入越高就意味着券商研究所的研究能力越受市场认可。财经媒体会定期报道公募分仓收入排名。此外，筛选比较靠谱的分析师的另一方法是查看他们过往推荐股票的成功率，这可以参考搜狐“金罗盘券商研究能力评测”。这是搜狐开发的研报系统，采用数据挖掘分析算法揭示券商研报的准确率。当然，分析师的勤奋度也是衡量其可靠性的重要指标。华创证券首席宏观分析师张瑜曾说，一年中路演次数少于400场的卖方宏观研究团队是很难及时把握市场交易矛盾的。虽然很多内部路演并不对外公开，但是我们至少可以通过“进门财经”这个券商分析师常用的路演平台搜索一下分析师做过的路演数量，将其作为衡量分析师的勤奋度的一个指标。
金融数据库在投研方面，我们常用的金融数据库有以下几个。• 万得：万得可能是国内最常用的数据终端，提供的数据比较全面。• Choice：东方财富旗下的Choice金融终端适合普通投资者使用，价格相对便宜。国外数据相对有限。• iFinD：同花顺旗下的iFinD对于普通投资者来说够用，价格相对便宜。国外数据相对有限。• CEIC（香港环亚经济数据）：提供全面的宏观经济数据，受到经济学家的青睐。• 慧博投研：国内做得比较早的研报下载平台，已开始转型做数据终端。• 萝卜投研：通联数据旗下的萝卜投研提供海量行业数据库。使用它搜索研报中的图表非常方便。每天有一定的免费下载额度。• 天眼查/企查查：非常实用的工具，用于查询企业的工商信息、知识产权信息、司法风险等。• IT桔子/36氪创投平台：用于查询企业的融资信息。• 彭博：海外知名的数据终端之一，价格昂贵，一般企业难以负担，需要配备彭博终端硬件后才可以使用。• Capital IQ：标普全球旗下的数据终端，提供金融数据和分析工具，涵盖全球上市公司、非上市公司、资产管理机构、固收产品等信息。• Factiva：道琼斯旗下的商业新闻与市场情报数据库，主要用于搜索各种财经新闻和文章。

第13章研究的新时代：如何借助生成式AI进行研究

不得不说，如果带着这样的市场规模估算能力到麦肯锡参加面试，作为面试官的我会让应聘者通过面试。可以说，在市场规模测算方面，生成式AI已经不输给那些到麦肯锡面试的应届生了。如果能够接入数据库或互联网，我们甚至可以让它直接构建测算模型。在经过前述提问尝试后，我决定在以后的研究分析工作中尽可能地利用生成式AI。后续我又做了很多尝试，逐渐梳理了生成式AI在各个研究环节中是如何发挥作用的。我将在后文中与你分享。
大语言模型的原理与局限
包括ChatGPT在内的生成式AI通过对大量的历史语料（包括文本、数据等）的学习来建立自己的概率分布模型。这些经过预先训练的大语言模型会根据上下文判断接下来最可能出现的文字，并根据出现概率生成文本。基于上述工作原理，目前的大语言模型存在3个局限。
局限1：回答不具备稳定性
局限2：不具备深度推理能力
局限3：不可避免地“变笨”
高昂的训练成本意味着这些大模型不会被高频训练，从而导致我们得到的结果逐渐与最新信息脱节，落后数月之久。就像一个生活在100年前的人突然穿越到了现在，你可能会觉得他不太聪明——因为许多对我们来说是常识的事物（比如智能手机），在他的那个时代根本不存在。
虽然AI的“变笨”程度没有大到100年之久，但从辅助研究的角度来看，训练时间的差距无疑会带来影响。假设一个大语言模型是2024年以前训练的，我们想利用它分析巴黎奥运会的比赛结果，那么成功率肯定高不到哪儿去。当然，对于第2个局限（不具备深度推理能力）和第3个局限（不可避免地“变笨”），我们并不是没有优化的方法。
除了成本极高的模型训练，我们还可以通过对模型进行微调（fine-tuning）来提高模型的性能。微调对硬件和技术都有要求，一般由B端用户（企业）来进行。企业会将自己拥有的特殊场景数据“喂”给现有的大语言模型，从而提升大语言模型在特定场景中的准确度和时效性。目前有不少闭源大模型也支持微调。以OpenAI的GPT-4.1-mini-2025-04-14模型为例，2025年5月的微调成本为每百万词元（token）5美元。除此之外，我们还可以通过检索增强生成（Retrieval-augmented Generation, RAG）技术（搭建本地知识库，允许大模型访问本地文件），或者通过大模型联网为模型提供更多具备时效性的背景信息，从而降低“AI幻觉”现象出现的概率。例如，假设某个大语言模型的训练数据截至2021年。当我直接问大语言模型“2023年中国的GDP是多少”时，它肯定无法准确回答。但是如果我在本地知识库中添加了该数据，RAG程序会在本地知识库中找到这个数据，并将它连同我的问题一起发送给大语言模型：“已知：中国2023年的GDP为126.06万亿元。用户的问题是：2023年中国的GDP是多少。请回答。”此时，大语言模型就能够准确回答这个问题了。RAG技术的使用有一定技术门槛。部分AI产品（比如ChatGPT、智谱清言、扣子等）允许用户通过AI智能体（AI agent）的方式创建知识库，但这种方式对上传文件数量和大小有限制，并且存在敏感数据泄露的风险。此外，目前大部分面向C端的大语言模型产品允许用户上传文档，或让大模型主动联网以获取更多实时资讯。不过，这些实时资讯的数据量相对有限，产出的内容仍然无法与重新训练一遍模型所得到的结果相比。因此，我们千万不要幻想目前的大语言模型可以帮助我们解决所有问题。此外，用来训练AI的数据本身也不一定百分之百正确，所以对AI生成的内容进行查证非常重要，特别是当我们想利用AI进行投资研究时，更是如此，毕竟投资涉及的都是真金白银。
大部分普通人在技术爆发初期其实并不愿意花时间（也确实没有足够的时间）来学习和研究。这有点儿类似《富爸爸，穷爸爸》一书中提到的“老鼠赛跑”的陷阱——普通人一直在为“活下去”疲于奔命，根本没时间去思考或学习新事物，自然也无法赚到信息差带来的收益。所以，第一批可以把AI用好的人通常是那些时间相对自由的高收入人群和暂时没有生存压力的学生。此外，从目前生成式AI的工作原理来看，拥有管理能力的企业老板往往更擅长利用它们。