李奇霖：一文读懂工业企业财务数据

　　

　　除了工业增加值，工业企业数据中，市场通常还很关注它的财务数据。

ink="">

　　本文主要介绍工业企业财务数据。透过营收利润、资产负债等财务数据，可以系统地把握工业企业财务变化趋势。

　　分析从两个维度展开：一是分析利润表，重点是工业企业利润，它直接反映了工业企业的盈利状况，我们将从总量、行业结构、企业类型等角度对它进行解读；二是资产负债表分析，重点是工业企业产成品存货数据，它背后反映了供需关系变动，我们将从库存周期的角度对它进行解读。

　　1

　　初识工业企业财务数据

　　除了工业增加值，工业企业数据中，市场通常还很关注它的财务数据。下图展示了统计局披露的主要工业企业财务数据（蓝底方框内）。

　　这些财务数据，相当于简化版的企业利润表指标、资产负债表指标+财务分析指标。除资产、负债、营收、利润等数据外，还包括利润率、存货周转天数等指标。对于了解基础会计知识的读者而言，这些指标应该不会陌生。

　　它们的统计方式也比较简单，企业在国家联网直报系统中，填报自己的财务数据，然后再由统计局直接汇总而成。因此这些指标的含义，和它们在会计里的概念范畴也没有什么差别。由于核算流程简单，我们这里也不做过多介绍。

　　有些工业企业财务数据，比如利润，会同时公布绝对值和同比增速。需要注意的是，它们也是一项针对规模以上工业企业的统计，所以和工业增加值一样，也会受每年规模以上企业名单变动的影响，带来口径不可比的问题。

　　因此，尽管统计局公布了绝对值，但如果直接用绝对值来计算同比增速，会和官方调整后公布的同比存在差异。这种差异，在大多数时候很小，但在部分时间段可能会比较大，具体的我们在下文会再提到。

　　2

　　工业企业利润表解读

　　（一）工业企业利润表结构分析

　　我们完全可以用理解公司利润表的方式，来理解统计局的工业企业利润表数据。

　　1）营业收入大家都很清楚，它是工业企业销售产品所获得的收入。

　　2）营收扣除营业成本，再减去税金、期间费用、资产减值损失等成本费用科目，基本就得到了营业利润。

　　3）营业利润加上营业外净收入，约等于利润总额。

　　4）利润总额扣除企业所得税，就得到了净利润。

　　目前统计局披露的利润表数据主要有营业收入（主营业务收入）、营业成本（主营业务成本）、管理费用、销售费用、财务费用以及利润总额。2019年后稍有调整，主营业务收入（成本）被营业收入（成本）替代，前者不再公布相关指标，不过因为两者差距比较小，所以两个指标直接衔接起来即可，对分析的影响不大。

　　此外，尽管统计局还披露了投资收益、营业利润这两个指标，但它们的披露时间都比较短，从2018年开始才有数据，所以我们一般不太看。

　　2000年到2018年，营业成本占营收比重平均在85%左右，管理+销售+财务费用占营收比重平均约8.5%。前者总体呈现出上升趋势，而后者则呈现出下降趋势，它们互相形成了某种对冲关系。扣除完成本、费用，剩下的利润总额占营收比重（营收利润率）则平均约为5.5%。

　　在所有利润表数据中，市场比较关注工业企业营收、利润数据，其中又以利润总额同比，最受市场关注，因为它比较直接地反映了工业企业盈利状况（本来判断企业盈利的最直接指标应当是净利润，但由于统计局未披露工业企业净利润数据，所以只能用利润总额来代替）。

　　营收、利润总额作为常用会计概念，对投资者而言非常熟悉。同时，这些指标还可以和A股的微观数据相联系，进而对投资产生比较直接的指导意义。

　　通过下图可以看出，工业企业的营收、利润指标，和A股工业类上市公司的营收、利润增速之间，有着很好的拟合性。

　　统计局发布的工业企业利润指标是月度数据，相较于上市公司按季度发布的财报数据，时效性更高。宏观口径下数据和A股数据之间的高同步性，意味着我们可以用统计局数据来预判A股工业类上市公司的盈利数据。

　　例如2020年2季度，统计局公布的工业企业营收、利润累计同比明显反弹，基本上就可以提前判断工业上市公司的二季度盈利数据也会好转。而这些工业类上市公司数量占整个A股上市公司的68%，市值占57%左右，影响力不小。

　　我们知道，股票价格=EPS×PE。PE是市盈率，反映估值，而EPS是每股收益，反映企业盈利能力。若将利润总额增速近似地看成EPS增速，那么分析宏观口径下的工业企业利润增速，能够帮助我们对股票市场进行定价。

　　（二）工业企业利润数据分析

　　1、如何从总量角度进行观察？

　　首先探讨一个问题：工业企业营收和利润总额，和我们上一篇提到的工业总产值和工业增加值之间，有什么联系？理解这一点，有助于我们厘清工业数据之间的内在逻辑。

　　第一，工业企业营收和工业销售产值的概念很接近，而销售产值又可以通过产销率与工业总产值相联系。

　　营收、销售产值都是和销售有关的概念。从2005-2016年的历史数据来看（工业销售产值只有年度数据，且自2016年以来已经停止披露），工业企业营收与工业销售产值的年度数值相当接近，例如在2016年，两者只相差0.03%。

　　工业销售总值和工业总产值之间，最主要的区别就在于，前者是基于销售来统计，而后者是基于生产。但这两者之间的差异也没有那么大，数据上来看，2001年以来，官方披露的产销率每年都在97%以上。历史上，工业总产值（2011年后停止披露）和工业销售产值数据结果也很接近。

　　一言以蔽之，尽管概念上有差异，但工业企业营业收入、工业销售产值、工业总产值在在数量关系上几乎可以等价。

　　第二，从概念上来说，工业增加值=总产值-中间投入，工业企业利润≈营收-成本，两者有点像，不过工业增加值并不等同于企业利润，甚至差的有点远。

　　从收入法可以看得更清楚，工业增加值=劳动者报酬+生产税净额+固定资产折旧+营业盈余，它的概念比企业利润要广得多，不仅包括营业盈余（有点接近于企业营业利润的概念，但不完全一致），还包括职工工资福利、生产税、折旧等等。而企业利润实际上只包含了企业所分配的利益。

　　但是，工业增加值的同比，和工业企业营收同比、利润总额同比之间，存在比较强的逻辑关联。

　　我们在《工业数据分析手册（一）》中，谈到了月度工业增加值的核算方法，它等于本月总产值×上年度增加值率，相当于控制住了增加值率这个变量，而在计算工业增加值增速时，又利用PPI指标剔除了价格因素。所以理论上而言，工业增加值同比是一个很纯粹的、只反映总产量（或者说实际总产值）变动的指标。

　　又因为工业总产值基本等于工业企业营收，所以某种意义上说，工业增加值同比，可以直接看作是剔除了价格因素的工业企业营收同比。

　　这也是为什么工业增加值同比+PPI同比（还原了价格因素），和工业企业营收同比的拟合效果非常好，形态几乎一致，甚至比拟合利润同比效果还好的原因。

　　工业企业利润=营收×利润率。营收又等于量×价，所以我们最终可以把工业企业利润变动的原因，拆分为三个部分：量、价、利润率。

　　一是产量的变动，可以通过工业增加值同比来观察。

　　二是价格的变动，可以通过PPI同比来观察。

　　三是利润率的变动，可以通过营业收入利润率同比来观察。

　　工业企业利润变化基本就是由这三个因素共同决定的。我们可以把每期的利润总额同比增速，拆分为工业增加值同比+PPI同比+营业收入利润率同比。下图展示了这一拆分结果。

　　换言之，如果我们要对工业企业利润进行分析，无非也就是从这三个角度入手，看看这三个变量的变动趋势如何，并继续深挖它们背后的影响因素。

　　理论上讲，量和价在大多数时候应该没有什么分歧，因为它们总是共同受下游需求的影响。下游需求一旦启动，大概率会同时带动量价回升。

　　但如果冲击来自于供给端，那么量和价有时可能会发生背离。比如2016供给侧改革后产能出清，PPI同比快速提升，但企业利润的修复也主要是依靠这轮涨价，量没什么太大变动。再比如，2020年1季度受新冠疫情影响，量出现了很明显的缩减，但是PPI同比的变动并不大。

　　利润率的波动主要受价格影响。比如2016-2017年PPI同比大幅上涨，同时带动了工业企业利润率上升。更准确地说，是原材料涨价，带动了上游和中游原材料行业的利润率提升，这段时期的工业企业利润回升的支撑力量也基本是这些行业。

　　总体而言，2012年后量（工业增加值）相对平稳，而价（PPI）以及利润率则处于较大的波动中。因此，工业企业利润的变化也主要受后两者驱动。

　　不过要说明的是，利润增长的可持续性，最终仍然取决于需求好不好，如果只是单一地受供给冲击下的价格上涨影响，工业企业利润增速回升，那么这种回升往往难以持续。

　　2、如何从行业角度进行观察？

　　不同行业对应的需求不同，价格变动对它们的影响程度也不同，所以不同行业的利润同比走势，很多时候存在差异。接下来，我们从行业结构上来分析工业企业利润。

　　官方披露了各行业的利润总额的绝对值，可以直接计算出各行业占比。拿2019年数据来看，41个子行业中，前20大行业占比合计约为85%。其中规模最大的行业包括汽车、电子信息、电气机械、建材、化工、钢铁等，它们的利润变动会对整体的工业利润变动产生比较显著的影响。

　　同样地，可以参照和工业增加值类似的处理方法，对行业按照不同属性进行归类与合并（见《工业数据分析手册（一）》）。

　　我们这里主要从比较重要的上中下游视角展开分析，并沿用上一篇提到的上游、中游原材料、中游机械设备、下游的行业分类方法。

　　一个比较关键的问题是：哪类行业主宰了工业企业利润的变化？

　　要回答这个问题，需要将工业企业利润累计同比按照上中下游进行相对精确的拆分（可以通过各行业利润的动态占比×各自累计值的同比来拆分，不过由于并非官方公布的同比，在2017-2019年存在较大误差），拆分的结果如下图所示。

　　分阶段来看上中下游的同比变动特征。自2013年以来：

　　1）2013-2014年，总体利润增速持续下行，下游行业的利润同比走弱是主导。而上游、中游利润同比均出现了微弱的好转。

　　2）2015-2016年，总体利润增速见底回升。见底，主要是因为上游行业利润陷入深度负增长。回升，最主要的支撑力量也是来自于上游以及中游原材料行业，相较之下其他行业没有很明显的改善。

　　3）2017-2018年，总体利润增速快速下行。问题主要出在中下游行业同比的快速下滑，尤其是中游原材料（这一时期受到了统计因素干扰）。

　　4）2019年，利润增速微弱回升，中下游均有利润好转迹象，但中游原材料更明显。

　　5）2020年，新冠疫情使得工业利润增速砸出深坑，而后向上修复。上游和中游原材料都修复得比较慢，中游机械设备和下游倒是修复得比较快，尤其是中游机械设备。

　　综上，不同时期工业企业利润变动的主导行业可能不一样。但掐头去尾来看，中游原材料行业的变动，可能是一条比较明晰的主线，它很大程度上决定了工业企业利润同比的形态，这可能和这个时期价格成为主要变量有关。

　　既然这一时期主要是价格在影响工业利润增长，那么这种供给端冲击下的涨价，会影响各行业的利润分配吗？

　　价格驱动和需求驱动工业利润的逻辑不太一样。如果是终端需求强势启动，那么中下游会首先响应，量价齐升，利润增厚，然后再向其他中游、上游传导——此时所有行业的情况都有所好转，整个工业利润蛋糕都在做大。

　　但如果是在供给侧改革下，上游和中游原材料价格涨价，理论上来说，可能会侵蚀中下游的利润空间，这具体又取决于终端需求是否强劲。如果终端需求强劲，那么价格或许可以继续向下传递，中下游可以将成本继续转嫁给消费者，但如果需求比较差，那么中下游或许只能承受更高的成本，盈利能力可能会被削弱。

　　我们先来观察2016-2017年供给侧改革时期的价格变化特征：

　　代表工业上游、中游原材料价格的PPIRM同比、PPI生产资料同比明显大涨。

　　代表工业下游价格的PPI生活资料同比、代表消费价格的CPI非食品同比也有一些涨幅，但涨幅相对有限（PPI生活资料当月同比从2015年末的-0.4%涨至2016年末的0.8%，CPI非食品项当月同比则从1.1%涨至2%）。它们与PPIRM同比、PPI生产资料同比之间形成了剪刀差。

　　尽管从历史数据来看，工业下游行业的价格弹性一直比较弱，但这一次的反弹力度比以往更弱，也说明了终端需求比以往更低迷。

　　上游、中游原材料涨价更快，而下游涨价偏慢，说明下游没能完全把成本继续转嫁出去，那么下游的盈利空间可能会被压缩，营收利润率应该走弱。

　　分别计算各行业的营收利润率变动百分点，可以发现，在2015年末-2017年年中这个PPI上涨最猛烈的时段，上游采掘业、中游原材料行业的营收利润率上涨比较明显，尤其是采矿业、石油、钢铁、化工，中游机械设备变化微弱，而下游中则有较多行业出现了利润率下滑。

　　这意味下游行业，在面临原材料涨价、同时需求又没那么好的时候，盈利能力的确有所弱化，利润空间遭到了上游、中游原材料行业的侵蚀。

　　当然，侵蚀效应并没有那么显著。我们用整体法分别计算出上中下游的营收利润率，可以看到，相较于上游、中游原材料而言，中游机械设备和下游的营收利润率一直以来变动幅度都很小，除了年内的季节性波动外，各年的利润率差别不是很大。我们理解原因可能有两点：

　　一是可能原材料成本在下游产品价格中所占的比重没有那么高，所以原材料上涨，对下游行业价格、利润率的影响都没有那么大。

　　二是可能下游行业（主要面向消费）和上游、中游原材料行业的联系没有那么紧密，中游原材料涨价的影响可能更多地传递到了非工业行业如建筑业等。

　　3、如何从企业类型角度进行观察？

　　还有一种常见的观察工业企业利润的角度，即企业经济类型（或者说是企业登记注册类型）。

　　由于企业经济类型分类口径多而杂乱，概念上有时也存在一些交叉重叠，有时会引起误解。这里我们先来简单梳理一下它们之间的关系。

　　根据2011年版《关于划分企业登记注册类型的规定》，目前的企业登记注册类型包括国有企业、集体企业、股份合作企业、联营企业、有限责任公司、股份有限公司、私营企业、其他企业等内资企业，还有外商和港澳台商投资企业，一共9类。

　　年度的工业财务数据统计，包括以上9个类型，它们互不重合。如果将这9个类别的企业数加总，得到的数据和官方公布的总数是一致的。

　　在9大类企业中，国有、集体、股份合作、联营工业企业都有一定的社会制度属性，现在的数量已经比较少，它们4个再加上“其他工业企业”，占比合计只有1.4%左右。剩下来的还有有限责任公司、股份有限公司、私营企业、外商和港澳台商投资企业，它们的企业数占比分别约为24.6%、3.2%、58.3%、6%。

　　这四类企业的关系比较让人困惑，从定义来看，私营企业只是强调自然人投资设立或控股，外商和港澳台商投资企业只是强调由境外资本投资，这并不妨碍它们成为有限责任公司或者股份有限公司。按理来说，它们之间应该存在着交叉关系。

　　在实际中，统计局会依据《企业登记注册类型对照表》，将企业在工商总局的登记类型，转换为统计局的登记注册分类。下图中可以看到，尽管同样是在工商总局登记的有限责任公司/股份有限公司，但由于股权性质差异，有一些会被统计局归了私营企业，有些归为了外商投资企业，剩下的一些被才会真正纳入“有限责任公司/股份有限公司”。所以也没有出现重复计算问题。

　　再来看月度的工业财务数据。目前月度数据披露的企业经济类型，主要是4类：分别是国有控股企业、股份制企业、外商及港澳台商投资企业、私营企业。本来还有集体企业，但因为它占营业收入比重相当低，2019年起取消发布了。

　　这4类企业的单位数，加总起来大于工业企业总数，很明显概念存在交叉。实际上，月度的工业企业单位数，其实是等于国有企业（不是国有控股）+股份制企业+外商港澳台商投资企业+其他企业，而不是这4类企业加总。

　　那么这4类企业概念又该怎么理解，怎么与上文提到的9类企业对应？

　　1）国有控股企业比较好理解，很明显它代表了国有经济。

　　2）外商及港澳台商投资企业也好理解，它代表的是外资经济。

　　3）股份制企业是一个容易弄混的概念，从数量关系上看，它实际上=股份合作企业+联营企业+有限责任企业+股份有限公司+私营企业。并且它同时包括国有和非国有的部分（国有控股企业即是从其中衍生出来的），范围相当宽泛，占规模以上工业单位数比例高达84%左右。总的来看，它其实更接近“内资企业”的概念，适合与外资企业进行对比。

　　4）私营企业是股份制企业中的一种，它比较接近于我们更常谈到的民营企业，市场大多数时候也是把它们放在一起谈论。但严谨地说，民营企业在法律上还没有明确的概念界定，在通常的语境下可以将它理解为一种非公有制经济（非国有、非国家控股企业）。而私营企业则特指那些自然人持股设立或控股的企业，范围要小于民营企业。私营企业适合与国有控股企业进行对比。

　　从四大类型企业各自的利润同比走势来看，变动方向还是比较一致的。不过，国有控股工业企业的波动率明显要更大。在2017年，国有控股企业的利润同比显著地高于私营企业，有部分观点将这一点当成“国进民退”的论据之一。

　　但这其实是因为，国有控股企业集中在上游开采、中游原材料等领域，而上文也提到过，这些领域由于供给侧改革后，价格处于高位，在2017年的景气度相当高，再加上国有控股企业数量相对较少（只有私营企业的十分之一不到），弹性更高，所以利润同比在这一时期的表现，会明显好于其他类型的企业。

　　另外，国有控股企业和私营企业面临的融资约束不太一样。在信用收紧的情况下，私营企业面临的融资难、融资贵问题会更严峻，理论上这应该会造成私营企业的盈利状况弱于国有控股企业。但以信用迅速收紧的2018年来看，反倒是国有控股工业企业的利润总额同比下滑的更快，这也主要是因为上游、中游原材料利润同比下滑。

　　所以总的来说，国有控股企业和私营企业的差异，大多数时候未必是企业性质差异带来的，而是上中下游行业差异带来的。

　　4、再议2018年的数据分歧

　　最后，再来分析一个曾经争议较大的问题：2018年，用工业企业利润总额累计值算出来的同比（-11.8%），明显小于官方公布的同比（+10.3%）。当然，不止是利润总额，利润表、资产负债表其他指标也出现了类似的情况，这是为什么？

　　首先可以排除统计局人为调高同比数据的可能性。有一个简单的证据：A股工业上市公司营收同比和利润同比，在这段时间也还保持在较高水平，和官方公布的同比走势还是比较吻合的（见图表2、3）。

　　和行业有关吗？行业结构上似乎看不出什么端倪，因为除了烟草业、水电燃气供应业等个别行业以外，几乎所有行业的累计值同比，都明显小于官方公布的累计同比。

　　问题可能还是出在统计口径的调整上，面对公众质疑，统计局也给出了四点相关解释：

　　1）规模以上企业统计数量发生了变化。

　　2）加强统计执法，对不符合规模以上工业统计要求的企业进行了清理。

　　3）“营改增”政策实施后，剥离了非工业生产经营活动业务数据。

　　4）对企业集团（公司）跨地区、跨行业重复计算进行了剔重。

　　第1点、第2点解释，都是在讲规模以上企业样本缩小的问题。也有部分市场观点从这个角度出发进行解释，认为这反映了供给侧改革和去产能的结果。规模以上企业样本数量减少，所以用累计值算出来的同比要小于官方同比。同时由于行业集中度在不断提升，形成了所谓的“幸存者效应”，留在样本内的、经营质量好的的大企业，利润表现也会更好。

　　的确，2018年规模以上工业企业数量相较于2017年减少了6929家（降1.8%），样本量有所减少。

　　但问题在于，过去的20年间，其实出现了好几次同等级别的规模以上企业数量锐减，比如在2014年4月曾减少1.4万家，2015年3月曾减少9151家，2016年5月曾减少1.1万家，这三个时间点尽管用累计值算出来的同比，也是低于官方同比，但差距全都在1个百分点内，没有出现像2018年一样的巨大裂口。

　　第3点的解释力度可能也不是很大，毕竟工业企业非主营业务收入占营收比重很低，历年来只有2%-3%左右，就算剔除掉其中的非工业生产经营活动营收，带来的影响应该也没有那么大。

　　目前来看，第4点可能是更主要的原因，即剔除跨地区、跨行业计算的重复值。但这一点比较难证实，也很难证伪。有两个证据或许能够间接说明这一点：

　　一是国家统计局的剔重工作开始于2017年四季度，而这正好也是累计值同比与官方累计同比分化的开始时间。

　　二是在所有经济类型的企业中，国企是唯一没有出现显著数据分化的类别（尽管它在2018年的规模以上企业数样本缩减比例，和其他类型几无差别）。这可能和它作为国企，数据报送质量相对更好有关，所以统计局的剔重工作对它影响较小。

　　3

　　工业企业资产负债表数据解读

　　（一）工业企业资产负债表结构分析

　　统计局公布的资产负债表数据主要有以下一些：1）资产端包括流动资产、应收账款、存货、产成品存货、总资产；2）总负债和所有者权益。

　　首先来观察资产负债率的变动，它显示了工业企业的杠杆情况。注意，上文提到了，2017-2018年工业财务数据出现了比较严重的统计异常，而官方公布的资产负债率其实是用累计值计算出来的，没有剔除掉异常因素。因此，如果我们直接用官方公布的资产负债率，可能会出现误读。

　　要观察真实的企业资产负债率，需要用官方同比先推算出2017年以后的总资产、总负债累计值，然后再计算资产负债率。虽然由于规模以上口径变动的原因，计算结果仍然存在一定误差，但误差在可接受范围内（我们在本文中提到的其他财务比率，除非有特别说明，否则都按照相同方法进行了调整）。

　　可以看到，21世纪以来，除了在2002-2004、2008年进行了微弱的加杠杆以外，工业企业一直处于去杠杆进程中。

　　2017年后，官方公布的资产负债率出现明显反弹，然而这是一次统计调整带来的“虚假”反弹。通过计算调整后的资产负债率，可以发现企业整体仍然在去杠杆。

　　分企业类型来看，国企和私企杠杆存在显著分化。

　　国有控股企业的资产负债率在2008年后进入上升状态，在2016年后进入下降状态，这主要是因为2008年后基建、地产需求强劲，国有控股企业主要对应的上游和中游原材料行业大幅加杠杆，而在2016年供给侧改革后则转为去杠杆。

　　相应的，私营企业资产负债率自2006年以来，一直在持续下滑，但到了2018年后有所回升。考虑到2018年后的经济金融环境，私企可能并不是在主动加杠杆，而是在融资环境恶化的情况下被动加杠杆。

　　再来看资产端。工业企业资产同比会略微滞后于营收同比。这主要是因为，当企业营收好转的时候，现金、企业应收账款会增多，补充存货的意愿也在增强，导致流动资产增加，进而带动资产同比提升。

　　资产结构中，流动资产占比从21世纪初的40%，提升到了当前的50%左右，总体来看资产流动性有所增强。

　　其中，流动资产占总资产比重在2009后出现一次大幅提升，2012年后又逐渐滑落，这个波动主要由存货变动贡献。而2015年后触底回升，则更多由应收账款支撑。

　　可以继续观察与存货和应收账款相关的两个指标：

　　一是存货周转天数，不过官方披露的主要是产成品周转天数。企业存货通常包括原材料、在产品、半成品、产成品、商品以及周转材料等，而产成品存货，其实就是已经生产完了、但还留在仓库里没有卖出去的产品，也就是市场常说的“库存”。

　　产成品周转天数=360×平均产成品存货÷主营业务成本×累计月数÷12。产成品周转天数越少，反映工业企业库存周转越快，产品卖得越顺利。

　　二是应收账款平均回收期。它等于360×平均应收账款÷营业收入×累计月数÷12，应收账款收回期越短，说明赊账越少，收账迅速， 企业的资金使用效率更高。

　　同样的，这两个指标也需要进行调整，否则也会得出错误结论。如果采用官方数据计算同比，在2017年之后，产成品周转天数同比、应收账款平均回收期同比均出现了明显上行。而从调整后数据来看，两者均没有出现异常，而是平缓抬升。

　　2020年1季度，两个指标再次出现了跳升，无论是调整前还是调整后，都显示了这一现象。产成品周转天数的跳升主要受新冠疫情影响，企业库存被动积压，几乎无法周转。应收账款平均回收期的跳升，一方面是因为企业业务无法开展，营收快速下滑，另一方面是因为疫情冲击下，企业普遍收不上来款，所以应收账款处于高位。

　　（二）工业企业产成品存货数据分析

　　1、产成品存货与库存周期

　　产成品存货数据是工业企业资产负债表中，最受市场关注的数据。

　　工业企业的产成品存货，或者说库存状况，背后反映的是供需力量的对抗。如果需求弱于生产，产品卖不出去，那么库存就会不断积压，具体表现为产成品存货同比走高。相反地，如果需求强于生产，库存去化往往就会比较快。

　　随着经济增长和企业规模扩张，产成品存的货绝对值本来就在不断增长，所以它没什么太大的分析价值。我们一般观察的是产成品存货的同比，而不是绝对值。

　　需要注意的是，产成品存货是用金额来度量的，所以它的同比也涵盖了价格因素，不能完全准确地反映出真实库存数量的变动。比如，当产品价格下行的时候，可能从价格渠道带动产成品存货增速下行，这就使得真实库存的增速可能被低估。

　　历史走势显示，产成品存货同比和PPI同比有着比较强的正相关性，PPI同比会稍微领先一些。计价因素部分地解释了库存与价格之间的同向变动关系。

　　事实上，工业企业产成品存货数据是度量库存周期最核心的指标。库存周期是一个市场上颇为流行的讲法，我们向读者简单介绍这一概念。

　　从历史来看，经济总是在周期性地波动，尽管不是简单的重复，但仍然呈现出一些规律性。

　　根据不同的驱动因素，目前被总结出来的经济周期分好几种，有技术周期、产业周期、房地产周期、金融周期、资本开支周期等等，并分别被冠以不同的名称，比如康波周期、库兹涅茨周期、朱格拉周期等。

　　而库存周期，正如其字面意义所表示的那样，它是对企业库存周期性波动的一种描述。这种大约40个月左右的经济短周期波动，最早由经济学家约瑟夫·基钦在1923年提出，因此也被称作基钦周期。

　　上文曾说道，企业库存是供需力量对比的结果。相对于需求变化而言，供给的变化往往存在时滞，这就会导致库存水平出现周期性的波动。

　　所以说，所谓的“库存周期”，本质上其实是提供了一种简洁的切入角度，来刻画供给与需求在短期内不断互动和调整的过程。

　　需要说明的是，存货变动对GDP变动的贡献其实很小，它和GDP同比走势的相关性，更多地说明了库存周期是经济周期的响应结果（或者说滞后表现），而不是成因。所以说有观点认为库存周期会对经济周期起支撑作用，从逻辑上来说其实是颠倒了因果关系。

　　针对库存周期，最好是抱以这样的态度：把它当作一种直观的、经验性的线索。比如，如果库存水平已经接近历史底部，我们可以基于这个信号，推测经济周期可能即将见底反弹。但这是一种经验性的猜测，而不是逻辑性的判断。至于是否真的如此，显然还需要更多的经济指标进行交叉验证。

　　库存周期该怎么度量？一般来说，它需要由两个指标来界定：

　　一个是库存指标，市场上普遍采用的是工业企业产成品存货同比。

　　另一个是生产指标或者是需求指标。

　　目前缺乏一个比较合适的需求指标。部分研究会采用PPI同比、PMI新订单等作为需求的替代指标，但它们都有着比较明显的缺陷，比如PPI同比不包含“量”的信息，且实际上受供需两端影响。PMI新订单则在统计方式方面和产成品存货有较大差异。

　　生产指标方面，可以采用工业企业营业收入同比作为替代指标。上文也提到了，它基本上等于工业增加值同比+PPI同比，同时包含了产量、价格信息，与同样是名义值的产成品存货可以保持一致。

　　工业企业产成品存货同比走势，决定了经济是处于补库存还是去库存阶段，而工业企业营业收入同比走势，则决定了库存行为是主动还是被动的。

　　两两组合下，一轮完整的库存周期一般包括四个阶段：

　　1）主动补库存：经济繁荣，需求进入旺盛期，产品销路较好，因此企业更大力度地加快生产，库存水平持续提升。具体表现为产成品存货同比上升+营收同比提升。

　　2）被动补库存：经济走过繁荣的顶点，迈向衰退，需求已经下滑，企业生产也随之放缓，但需求下滑的更快。产品更不好卖了，积压在仓库，导致库存水平继续提升。具体表现为产成品存货同比上升+营收同比下滑。

　　3）主动去库存：经济由衰退进入萧条期，需求低迷，企业的生产也开始大幅收缩，库存水平走低。具体表现为产成品存货同比下滑+营收同比下滑。

　　4）被动去库存：当经济再度由萧条迈向复苏，需求回温，这时企业的生产也随之重启，但还没有完全跟上需求，导致库存水平仍在被动下降。具体表现为产成品存货同比下滑+营收同比提升。

　　2、中国历史库存周期分析

　　自2000年5月以来，中国已经相对规律地经历了大约6轮库存周期，目前尚处于第6轮中。每一轮周期又包含了上文说的“主动补库存-被动补库存-主动去库存-被动去库存”4个阶段。

　　我们将中国历史上的库存周期展示在下图中。

　　从中国历史库存周期的轮动中，可以解读出这样一些信息：

　　1）库存周期（即产成品存货同比）的经验底部大概在0%附近，历史最低点为-1.9%。

　　2）前5轮周期的持续时长有所不同。最短的是第1轮，共27个月，最长的是第4轮，共45个月。平均大概是37.2个月，和基钦研究发现的40个月比较接近。当下正在经历的第6轮周期，时间跨度则相对更长。

　　3）每轮周期的强度（曲线斜率）也不同。其中第一轮的反弹强度最小，第四轮的反弹强度最大。而后第5轮、第6轮的反弹强度都比较弱，并且第6轮还出现了周期顶部平坦化的特征。

　　4）每轮库存周期中，四阶段占比各有不同。综合来看，被动去库存时间最短，且变化不大。近年来主动补库存的时长正在逐渐变短，而被动补库存的时长在增长，同时在第5轮、第6轮周期中，主动去库存的时间跨度也开始明显拉长。

　　这说明，库存周期虽会重演，但不会简单重复。无论是持续时长、周期强度、四阶段各自占比，乃至曲线的形状，都会因为周期驱动因素的不同而存在差异。

　　总体而言，有强需求作为支撑的库存周期，表现会更好。比如2002年加入世贸组织后外需极为旺盛，再加上房地产高景气度，使得第2轮库存周期相当强劲，补库时间持久，特别是主动补库存阶段，长达19个月。甚至到了最后去库存阶段时，库存水平降的也不多，很快又进入了第3轮补库周期。

　　2008年金融危机后，尽管货币大放水+四万亿刺激政策见效快，第4轮周期反弹力度大，但实际上这种需求难以持续，所以主动补库存持续期很短，随后经济进入了漫长的被动补库和主动去库阶段。

　　到了第5轮、第6轮，中国经济正处于一个更大的经济下行周期中，需求始终较为疲软，使得库存周期反弹强度不大，并且主动补库存持续期也已经大大缩窄，分别只有8个月和10个月。

　　对于当下的第6轮库存周期而言，初始的回升动力主要有两个：一是受益于房地产投资和出口的好转，二是受益于供给侧改革后PPI同比提升。这分别从量、价两个方面带动了企业补库。

　　但是房地产和出口的回升总体而言比较温和，来自需求的支撑力量还不是很充分，消费、制造业投资等都在走弱。而供给冲击下的价格上涨，也是偏短期且不可持续的。这都限制了第6轮的主动补库期持续时间和周期强度。

　　另外，第6轮周期中还出现了特殊的“顶部平坦化”现象，即2017-2018年间产成品存货同比，长期维持在7%-9%区间内小幅波动。

　　我们猜测这可能与供给侧改革有关。供给侧改革以前，企业补库会相对自由地上升到一个峰值，然后再滑落，然而2016年后生产受到供给侧改革的约束，企业补库也面临着天花板，库存水平只能徘徊在一个比较平坦的上限附近。

　　2019年四季度，库存水平已经基本触及至0%左右的经验底部，当时市场上也出现了新一轮库存周期即将开启的声音。

　　然而，尽管2020年库存水平的确向上反弹了，背后推手却并非是经济复苏，而是新冠疫情。新冠疫情让这轮本就不那么“常规”库存周期，再度发生了变形。

　　在2020年一季度的防疫措施下，企业停产停工，生产能力受限，但同时物理隔离下，总需求也在快速收缩，导致库存被动积压。经济从2019年底的主动去库存，直接切换到一个类似于被动补库存的状态。

　　不过随着中国疫情防控顺利，企业陆续复工，需求好转，库存又在逐渐去化，但目前仍然处于8.3%的相对高位（截至2020年6月）。

　　3、行业库存周期的分化

　　接下来，我们观察各个行业的库存周期状况。

　　如果不考虑新冠疫情冲击，只看2019年底各行业所处的库存周期位置，那么当时绝大部分行业都处于被动补库存和主动去库存阶段中。

　　上游行业以被动补库存为主，中游行业以主动去库存为主，下游行业则被动补库存和主动去库存皆有。说明上中下游行业均处在一个需求较为疲软的阶段。

　　不过，也有很多行业库存去化比较彻底，2019年正在接近或已经突破了历史经验底部，特别是中下游行业，比如电气机械、汽车、造纸、食品、家具等。这意味着一旦需求启动，可能这些行业的库存周期的反弹会比较明显。

　　有个别行业在2019年四季度似乎出现了主动补库的迹象，比如汽车制造业以及与它相关的橡胶和塑料制品业。

　　历史上，汽车销量同比明显领先于汽车制造业库存同比，而2019年汽车销量开始见底回升，需求回暖大概率是这次汽车制造业的主动补库动力。正如上文所说，汽车库存已经到达历史最低位，所以这次的反弹力度也比较大。但是到了2020年，主动补库行情就被疫情给中断了。

　　部分行业如家具制造业、电气机械等也在2019年年末出现了主动补库存迹象，它们也是库存突破了历史底部的行业。

　　在2020年疫情发生之后，各行业目前又处于什么情况呢？

　　随着疫情防控到位，各行业的库存同比在走过了2020年的一季度高点后，基本都开始下行。但各行业库存去化速度有所不同。

　　其中中游原材料行业既是疫情期间库存积压最严重，但也是疫后去化速度最快的行业，比如化工、非金属矿、钢铁、金属制品等。

　　这主要是因为它们对应的下游需求更多地来自于工业需求，只要下游企业不复工，它们的库存就完全没办法消化。

　　而随着疫情冲击逐渐消解，企业复工后工业生产反弹，同时房地产为了弥补疫情造成的工期延误，加快了施工进度，再加上基建加速启动，短期内各行各业对原材料需求都比较大。因而带动了中游原材料行业库存的加速去化。

　　同理，中游机械设备也主要面向工业需求，库存也积压得比较严重。但它的去化速度也没有中游原材料这么快。毕竟企业刚刚遭受了一波疫情冲击，元气大伤，对经济的预期还比较差，购买机器设备、扩大产能的意愿不是很强烈，所以中游机械设备的需求端相对低迷。

　　对于下游行业来说，多少有一些刚性消费需求在支撑，所以它们的库存水平积压幅度相对较小。而疫情冲击了居民资产负债表，消费需求偏弱，因此下游行业后续的库存去化速度也比较慢。

　　在所有工业行业中，有两个行业比较特殊，一个是计算机通信，一个是医药。

　　这两个行业的产成品存货同比，并没有像其他行业一样，在3月到达峰值后就回落，而是在高位延续了一段时间，甚至继续向上。与此相对应的，是它们的营收同比也在反弹。

　　这意味着，它们反而进入了主动补库存的状态。而不是因为产品卖不出去导致库存积压。这也比较好理解，因为医药制造业、计算机通信业和海外防疫需求高度相关，前者受益于直接的医疗防护，后者则受益于线上办公需求的增加。

　　假如把疫情当作一场纯粹的外生冲击，也就是说只带来了短期的、一次性的影响，那么可以假定，疫情冲击结束后，生产和需求会反弹至疫前水平，原来被动积压的库存逐渐去化，库存水平也会先向疫前水平（也就是2019年末水平）收敛，然后再回归到原来的周期轨道中。

　　总的来说，目前各行业的的最新库存水平（2020年6月），仍然普遍高于疫情前水平（2019年四季度），这意味着各行业“复位”可能还需要一段时间。其中，中游原材料可能会率先回归疫情前水平，而其他行业大概率会更慢，尤其是下游行业。

　　但“疫情一次性冲击”其实是一个不够合理的假设。实际上，疫情会通过损坏资产负债表，给经济施加以长期的影响。具体可能体现在：1）库存周期在低位的时间可能会延长。2）下一轮新的库存周期的反弹力度可能更弱。3）主动补库存的持续期更短。

　　此外，不同行业对应的需求也不同，疫情冲击对终端需求的影响是有差别的，这使得行业间库存周期分化、错位的现象可能会更明显。与消费、出口和制造业投资相关的行业（主要是中游机械设备和下游），库存周期开启的难度加大，而与地产、基建相关的行业（主要是中游原材料），库存周期更有希望开启。

　　其实，不同行业间的分化早就已经出现了。下图中可以看到，自2016年以来，上中下游库存周期的同步性已经很差了。

　　并且，有一些行业的库存周期已经变得更加短期化、碎片化了。尽管这轮从2016年开始的库存周期，整体上看好像还没有走完，但很多行业其实早已走完了一轮完整周期，甚至还开启了新一轮周期。

　　这一点可能在上游行业体现的比较明显，比如黑色金属矿采选业的库存早在2018年2季度就已经触底回升了，而煤炭开采业和洗选业则是在2019年2季度。其他比如化工、化纤、能源业等也呈现出类似的特征。

　　行业间的周期分化加剧，可能会带来整体库存周期的变形和不确定性，这将导致整体的库存周期判断起来更有难度。所以对于库存周期的使用，需要更加谨慎。