意見領袖丨李奇霖（粵開證券首席經濟學家、研究院院長）

　　除了工業增加值，工業企業數據中，市場通常還很關注它的財務數據。

　　本文主要介紹工業企業財務數據。透過營收利潤、資產負債等財務數據，可以系統地把握工業企業財務變化趨勢。

　　分析從兩個維度展開：一是分析利潤表，重點是工業企業利潤，它直接反映了工業企業的盈利狀況，我們將從總量、行業結構、企業類型等角度對它進行解讀；二是資產負債表分析，重點是工業企業產成品存貨數據，它背后反映了供需關系變動，我們將從庫存周期的角度對它進行解讀。

　　1 

　　初識工業企業財務數據

　　除了工業增加值，工業企業數據中，市場通常還很關注它的財務數據。下圖展示了統計局披露的主要工業企業財務數據（藍底方框內）。

　　這些財務數據，相當于簡化版的企業利潤表指標、資產負債表指標+財務分析指標。除資產、負債、營收、利潤等數據外，還包括利潤率、存貨周轉天數等指標。對于了解基礎會計知識的讀者而言，這些指標應該不會陌生。

　　它們的統計方式也比較簡單，企業在國家聯網直報系統中，填報自己的財務數據，然后再由統計局直接匯總而成。因此這些指標的含義，和它們在會計里的概念范疇也沒有什么差別。由于核算流程簡單，我們這里也不做過多介紹。

　　有些工業企業財務數據，比如利潤，會同時公布絕對值和同比增速。需要注意的是，它們也是一項針對規模以上工業企業的統計，所以和工業增加值一樣，也會受每年規模以上企業名單變動的影響，帶來口徑不可比的問題。

　　因此，盡管統計局公布了絕對值，但如果直接用絕對值來計算同比增速，會和官方調整后公布的同比存在差異。這種差異，在大多數時候很小，但在部分時間段可能會比較大，具體的我們在下文會再提到。

　　2 

　　工業企業利潤表解讀

　　（一）工業企業利潤表結構分析

　　我們完全可以用理解公司利潤表的方式，來理解統計局的工業企業利潤表數據。

　　1）營業收入大家都很清楚，它是工業企業銷售產品所獲得的收入。

　　2）營收扣除營業成本，再減去稅金、期間費用、資產減值損失等成本費用科目，基本就得到了營業利潤。

　　3）營業利潤加上營業外凈收入，約等于利潤總額。

　　4）利潤總額扣除企業所得稅，就得到了凈利潤。

　　目前統計局披露的利潤表數據主要有營業收入（主營業務收入）、營業成本（主營業務成本）、管理費用、銷售費用、財務費用以及利潤總額。2019年后稍有調整，主營業務收入（成本）被營業收入（成本）替代，前者不再公布相關指標，不過因為兩者差距比較小，所以兩個指標直接銜接起來即可，對分析的影響不大。

　　此外，盡管統計局還披露了投資收益、營業利潤這兩個指標，但它們的披露時間都比較短，從2018年開始才有數據，所以我們一般不太看。

　　2000年到2018年，營業成本占營收比重平均在85%左右，管理+銷售+財務費用占營收比重平均約8.5%。前者總體呈現出上升趨勢，而后者則呈現出下降趨勢，它們互相形成了某種對沖關系。扣除完成本、費用，剩下的利潤總額占營收比重（營收利潤率）則平均約為5.5%。

　　在所有利潤表數據中，市場比較關注工業企業營收、利潤數據，其中又以利潤總額同比，最受市場關注，因為它比較直接地反映了工業企業盈利狀況（本來判斷企業盈利的最直接指標應當是凈利潤，但由于統計局未披露工業企業凈利潤數據，所以只能用利潤總額來代替）。

　　營收、利潤總額作為常用會計概念，對投資者而言非常熟悉。同時，這些指標還可以和A股的微觀數據相聯系，進而對投資產生比較直接的指導意義。

　　通過下圖可以看出，工業企業的營收、利潤指標，和A股工業類上市公司的營收、利潤增速之間，有著很好的擬合性。

　　統計局發布的工業企業利潤指標是月度數據，相較于上市公司按季度發布的財報數據，時效性更高。宏觀口徑下數據和A股數據之間的高同步性，意味著我們可以用統計局數據來預判A股工業類上市公司的盈利數據。

　　例如2020年2季度，統計局公布的工業企業營收、利潤累計同比明顯反彈，基本上就可以提前判斷工業上市公司的二季度盈利數據也會好轉。而這些工業類上市公司數量占整個A股上市公司的68%，市值占57%左右，影響力不小。

　　我們知道，股票價格=EPS×PE。PE是市盈率，反映估值，而EPS是每股收益，反映企業盈利能力。若將利潤總額增速近似地看成EPS增速，那么分析宏觀口徑下的工業企業利潤增速，能夠幫助我們對股票市場進行定價。

　　（二）工業企業利潤數據分析

　　1、如何從總量角度進行觀察？

　　首先探討一個問題：工業企業營收和利潤總額，和我們上一篇提到的工業總產值和工業增加值之間，有什么聯系？理解這一點，有助于我們厘清工業數據之間的內在邏輯。

　　第一，工業企業營收和工業銷售產值的概念很接近，而銷售產值又可以通過產銷率與工業總產值相聯系。

　　營收、銷售產值都是和銷售有關的概念。從2005-2016年的歷史數據來看（工業銷售產值只有年度數據，且自2016年以來已經停止披露），工業企業營收與工業銷售產值的年度數值相當接近，例如在2016年，兩者只相差0.03%。

　　工業銷售總值和工業總產值之間，最主要的區別就在于，前者是基于銷售來統計，而后者是基于生產。但這兩者之間的差異也沒有那么大，數據上來看，2001年以來，官方披露的產銷率每年都在97%以上。歷史上，工業總產值（2011年后停止披露）和工業銷售產值數據結果也很接近。

　　一言以蔽之，盡管概念上有差異，但工業企業營業收入、工業銷售產值、工業總產值在在數量關系上幾乎可以等價。

　　第二，從概念上來說，工業增加值=總產值-中間投入，工業企業利潤≈營收-成本，兩者有點像，不過工業增加值并不等同于企業利潤，甚至差的有點遠。

　　從收入法可以看得更清楚，工業增加值=勞動者報酬+生產稅凈額+固定資產折舊+營業盈余，它的概念比企業利潤要廣得多，不僅包括營業盈余（有點接近于企業營業利潤的概念，但不完全一致），還包括職工工資福利、生產稅、折舊等等。而企業利潤實際上只包含了企業所分配的利益。

　　但是，工業增加值的同比，和工業企業營收同比、利潤總額同比之間，存在比較強的邏輯關聯。

　　我們在《工業數據分析手冊（一）》中，談到了月度工業增加值的核算方法，它等于本月總產值×上年度增加值率，相當于控制住了增加值率這個變量，而在計算工業增加值增速時，又利用PPI指標剔除了價格因素。所以理論上而言，工業增加值同比是一個很純粹的、只反映總產量（或者說實際總產值）變動的指標。

　　又因為工業總產值基本等于工業企業營收，所以某種意義上說，工業增加值同比，可以直接看作是剔除了價格因素的工業企業營收同比。

　　這也是為什么工業增加值同比+PPI同比（還原了價格因素），和工業企業營收同比的擬合效果非常好，形態幾乎一致，甚至比擬合利潤同比效果還好的原因。

　　工業企業利潤=營收×利潤率。營收又等于量×價，所以我們最終可以把工業企業利潤變動的原因，拆分為三個部分：量、價、利潤率。

　　一是產量的變動，可以通過工業增加值同比來觀察。

　　二是價格的變動，可以通過PPI同比來觀察。

　　三是利潤率的變動，可以通過營業收入利潤率同比來觀察。

　　工業企業利潤變化基本就是由這三個因素共同決定的。我們可以把每期的利潤總額同比增速，拆分為工業增加值同比+PPI同比+營業收入利潤率同比。下圖展示了這一拆分結果。

　　換言之，如果我們要對工業企業利潤進行分析，無非也就是從這三個角度入手，看看這三個變量的變動趨勢如何，并繼續深挖它們背后的影響因素。

　　理論上講，量和價在大多數時候應該沒有什么分歧，因為它們總是共同受下游需求的影響。下游需求一旦啟動，大概率會同時帶動量價回升。

　　但如果沖擊來自于供給端，那么量和價有時可能會發生背離。比如2016供給側改革后產能出清，PPI同比快速提升，但企業利潤的修復也主要是依靠這輪漲價，量沒什么太大變動。再比如，2020年1季度受新冠疫情影響，量出現了很明顯的縮減，但是PPI同比的變動并不大。

　　利潤率的波動主要受價格影響。比如2016-2017年PPI同比大幅上漲，同時帶動了工業企業利潤率上升。更準確地說，是原材料漲價，帶動了上游和中游原材料行業的利潤率提升，這段時期的工業企業利潤回升的支撐力量也基本是這些行業。

　　總體而言，2012年后量（工業增加值）相對平穩，而價（PPI）以及利潤率則處于較大的波動中。因此，工業企業利潤的變化也主要受后兩者驅動。

　　不過要說明的是，利潤增長的可持續性，最終仍然取決于需求好不好，如果只是單一地受供給沖擊下的價格上漲影響，工業企業利潤增速回升，那么這種回升往往難以持續。

　　2、如何從行業角度進行觀察？

　　不同行業對應的需求不同，價格變動對它們的影響程度也不同，所以不同行業的利潤同比走勢，很多時候存在差異。接下來，我們從行業結構上來分析工業企業利潤。

　　官方披露了各行業的利潤總額的絕對值，可以直接計算出各行業占比。拿2019年數據來看，41個子行業中，前20大行業占比合計約為85%。其中規模最大的行業包括汽車、電子信息、電氣機械、建材、化工、鋼鐵等，它們的利潤變動會對整體的工業利潤變動產生比較顯著的影響。

　　同樣地，可以參照和工業增加值類似的處理方法，對行業按照不同屬性進行歸類與合并（見《工業數據分析手冊（一）》）。

　　我們這里主要從比較重要的上中下游視角展開分析，并沿用上一篇提到的上游、中游原材料、中游機械設備、下游的行業分類方法。

　　一個比較關鍵的問題是：哪類行業主宰了工業企業利潤的變化？

　　要回答這個問題，需要將工業企業利潤累計同比按照上中下游進行相對精確的拆分（可以通過各行業利潤的動態占比×各自累計值的同比來拆分，不過由于并非官方公布的同比，在2017-2019年存在較大誤差），拆分的結果如下圖所示。

　　分階段來看上中下游的同比變動特征。自2013年以來：

　　1）2013-2014年，總體利潤增速持續下行，下游行業的利潤同比走弱是主導。而上游、中游利潤同比均出現了微弱的好轉。

　　2）2015-2016年，總體利潤增速見底回升。見底，主要是因為上游行業利潤陷入深度負增長。回升，最主要的支撐力量也是來自于上游以及中游原材料行業，相較之下其他行業沒有很明顯的改善。

　　3）2017-2018年，總體利潤增速快速下行。問題主要出在中下游行業同比的快速下滑，尤其是中游原材料（這一時期受到了統計因素干擾）。

　　4）2019年，利潤增速微弱回升，中下游均有利潤好轉跡象，但中游原材料更明顯。

　　5）2020年，新冠疫情使得工業利潤增速砸出深坑，而后向上修復。上游和中游原材料都修復得比較慢，中游機械設備和下游倒是修復得比較快，尤其是中游機械設備。

　　綜上，不同時期工業企業利潤變動的主導行業可能不一樣。但掐頭去尾來看，中游原材料行業的變動，可能是一條比較明晰的主線，它很大程度上決定了工業企業利潤同比的形態，這可能和這個時期價格成為主要變量有關。

　　既然這一時期主要是價格在影響工業利潤增長，那么這種供給端沖擊下的漲價，會影響各行業的利潤分配嗎？

　　價格驅動和需求驅動工業利潤的邏輯不太一樣。如果是終端需求強勢啟動，那么中下游會首先響應，量價齊升，利潤增厚，然后再向其他中游、上游傳導——此時所有行業的情況都有所好轉，整個工業利潤蛋糕都在做大。

　　但如果是在供給側改革下，上游和中游原材料價格漲價，理論上來說，可能會侵蝕中下游的利潤空間，這具體又取決于終端需求是否強勁。如果終端需求強勁，那么價格或許可以繼續向下傳遞，中下游可以將成本繼續轉嫁給消費者，但如果需求比較差，那么中下游或許只能承受更高的成本，盈利能力可能會被削弱。

　　我們先來觀察2016-2017年供給側改革時期的價格變化特征：

　　代表工業上游、中游原材料價格的PPIRM同比、PPI生產資料同比明顯大漲。

　　代表工業下游價格的PPI生活資料同比、代表消費價格的CPI非食品同比也有一些漲幅，但漲幅相對有限（PPI生活資料當月同比從2015年末的-0.4%漲至2016年末的0.8%，CPI非食品項當月同比則從1.1%漲至2%）。它們與PPIRM同比、PPI生產資料同比之間形成了剪刀差。

　　盡管從歷史數據來看，工業下游行業的價格彈性一直比較弱，但這一次的反彈力度比以往更弱，也說明了終端需求比以往更低迷。

　　上游、中游原材料漲價更快，而下游漲價偏慢，說明下游沒能完全把成本繼續轉嫁出去，那么下游的盈利空間可能會被壓縮，營收利潤率應該走弱。

　　分別計算各行業的營收利潤率變動百分點，可以發現，在2015年末-2017年年中這個PPI上漲最猛烈的時段，上游采掘業、中游原材料行業的營收利潤率上漲比較明顯，尤其是采礦業、石油、鋼鐵、化工，中游機械設備變化微弱，而下游中則有較多行業出現了利潤率下滑。

　　這意味下游行業，在面臨原材料漲價、同時需求又沒那么好的時候，盈利能力的確有所弱化，利潤空間遭到了上游、中游原材料行業的侵蝕。

　　當然，侵蝕效應并沒有那么顯著。我們用整體法分別計算出上中下游的營收利潤率，可以看到，相較于上游、中游原材料而言，中游機械設備和下游的營收利潤率一直以來變動幅度都很小，除了年內的季節性波動外，各年的利潤率差別不是很大。我們理解原因可能有兩點：

　　一是可能原材料成本在下游產品價格中所占的比重沒有那么高，所以原材料上漲，對下游行業價格、利潤率的影響都沒有那么大。

　　二是可能下游行業（主要面向消費）和上游、中游原材料行業的聯系沒有那么緊密，中游原材料漲價的影響可能更多地傳遞到了非工業行業如建筑業等。

　　3、如何從企業類型角度進行觀察？

　　還有一種常見的觀察工業企業利潤的角度，即企業經濟類型（或者說是企業登記注冊類型）。

　　由于企業經濟類型分類口徑多而雜亂，概念上有時也存在一些交叉重疊，有時會引起誤解。這里我們先來簡單梳理一下它們之間的關系。

　　根據2011年版《關于劃分企業登記注冊類型的規定》，目前的企業登記注冊類型包括國有企業、集體企業、股份合作企業、聯營企業、有限責任公司、股份有限公司、私營企業、其他企業等內資企業，還有外商和港澳臺商投資企業，一共9類。

　　年度的工業財務數據統計，包括以上9個類型，它們互不重合。如果將這9個類別的企業數加總，得到的數據和官方公布的總數是一致的。

　　在9大類企業中，國有、集體、股份合作、聯營工業企業都有一定的社會制度屬性，現在的數量已經比較少，它們4個再加上“其他工業企業”，占比合計只有1.4%左右。剩下來的還有有限責任公司、股份有限公司、私營企業、外商和港澳臺商投資企業，它們的企業數占比分別約為24.6%、3.2%、58.3%、6%。

　　這四類企業的關系比較讓人困惑，從定義來看，私營企業只是強調自然人投資設立或控股，外商和港澳臺商投資企業只是強調由境外資本投資，這并不妨礙它們成為有限責任公司或者股份有限公司。按理來說，它們之間應該存在著交叉關系。

　　在實際中，統計局會依據《企業登記注冊類型對照表》，將企業在工商總局的登記類型，轉換為統計局的登記注冊分類。下圖中可以看到，盡管同樣是在工商總局登記的有限責任公司/股份有限公司，但由于股權性質差異，有一些會被統計局歸了私營企業，有些歸為了外商投資企業，剩下的一些被才會真正納入“有限責任公司/股份有限公司”。所以也沒有出現重復計算問題。

　　再來看月度的工業財務數據。目前月度數據披露的企業經濟類型，主要是4類：分別是國有控股企業、股份制企業、外商及港澳臺商投資企業、私營企業。本來還有集體企業，但因為它占營業收入比重相當低，2019年起取消發布了。

　　這4類企業的單位數，加總起來大于工業企業總數，很明顯概念存在交叉。實際上，月度的工業企業單位數，其實是等于國有企業（不是國有控股）+股份制企業+外商港澳臺商投資企業+其他企業，而不是這4類企業加總。

　　那么這4類企業概念又該怎么理解，怎么與上文提到的9類企業對應？

　　1）國有控股企業比較好理解，很明顯它代表了國有經濟。

　　2）外商及港澳臺商投資企業也好理解，它代表的是外資經濟。

　　3）股份制企業是一個容易弄混的概念，從數量關系上看，它實際上=股份合作企業+聯營企業+有限責任企業+股份有限公司+私營企業。并且它同時包括國有和非國有的部分（國有控股企業即是從其中衍生出來的），范圍相當寬泛，占規模以上工業單位數比例高達84%左右。總的來看，它其實更接近“內資企業”的概念，適合與外資企業進行對比。

　　4）私營企業是股份制企業中的一種，它比較接近于我們更常談到的民營企業，市場大多數時候也是把它們放在一起談論。但嚴謹地說，民營企業在法律上還沒有明確的概念界定，在通常的語境下可以將它理解為一種非公有制經濟（非國有、非國家控股企業）。而私營企業則特指那些自然人持股設立或控股的企業，范圍要小于民營企業。私營企業適合與國有控股企業進行對比。

　　從四大類型企業各自的利潤同比走勢來看，變動方向還是比較一致的。不過，國有控股工業企業的波動率明顯要更大。在2017年，國有控股企業的利潤同比顯著地高于私營企業，有部分觀點將這一點當成“國進民退”的論據之一。

　　但這其實是因為，國有控股企業集中在上游開采、中游原材料等領域，而上文也提到過，這些領域由于供給側改革后，價格處于高位，在2017年的景氣度相當高，再加上國有控股企業數量相對較少（只有私營企業的十分之一不到），彈性更高，所以利潤同比在這一時期的表現，會明顯好于其他類型的企業。

　　另外，國有控股企業和私營企業面臨的融資約束不太一樣。在信用收緊的情況下，私營企業面臨的融資難、融資貴問題會更嚴峻，理論上這應該會造成私營企業的盈利狀況弱于國有控股企業。但以信用迅速收緊的2018年來看，反倒是國有控股工業企業的利潤總額同比下滑的更快，這也主要是因為上游、中游原材料利潤同比下滑。

　　所以總的來說，國有控股企業和私營企業的差異，大多數時候未必是企業性質差異帶來的，而是上中下游行業差異帶來的。

　　4、再議2018年的數據分歧

　　最后，再來分析一個曾經爭議較大的問題：2018年，用工業企業利潤總額累計值算出來的同比（-11.8%），明顯小于官方公布的同比（+10.3%）。當然，不止是利潤總額，利潤表、資產負債表其他指標也出現了類似的情況，這是為什么？

　　首先可以排除統計局人為調高同比數據的可能性。有一個簡單的證據：A股工業上市公司營收同比和利潤同比，在這段時間也還保持在較高水平，和官方公布的同比走勢還是比較吻合的（見圖表2、3）。

　　和行業有關嗎？行業結構上似乎看不出什么端倪，因為除了煙草業、水電燃氣供應業等個別行業以外，幾乎所有行業的累計值同比，都明顯小于官方公布的累計同比。

　　問題可能還是出在統計口徑的調整上，面對公眾質疑，統計局也給出了四點相關解釋：

　　1）規模以上企業統計數量發生了變化。

　　2）加強統計執法，對不符合規模以上工業統計要求的企業進行了清理。

　　3）“營改增”政策實施后，剝離了非工業生產經營活動業務數據。

　　4）對企業集團（公司）跨地區、跨行業重復計算進行了剔重。

　　第1點、第2點解釋，都是在講規模以上企業樣本縮小的問題。也有部分市場觀點從這個角度出發進行解釋，認為這反映了供給側改革和去產能的結果。規模以上企業樣本數量減少，所以用累計值算出來的同比要小于官方同比。同時由于行業集中度在不斷提升，形成了所謂的“幸存者效應”，留在樣本內的、經營質量好的的大企業，利潤表現也會更好。

　　的確，2018年規模以上工業企業數量相較于2017年減少了6929家（降1.8%），樣本量有所減少。

　　但問題在于，過去的20年間，其實出現了好幾次同等級別的規模以上企業數量銳減，比如在2014年4月曾減少1.4萬家，2015年3月曾減少9151家，2016年5月曾減少1.1萬家，這三個時間點盡管用累計值算出來的同比，也是低于官方同比，但差距全都在1個百分點內，沒有出現像2018年一樣的巨大裂口。

　　第3點的解釋力度可能也不是很大，畢竟工業企業非主營業務收入占營收比重很低，歷年來只有2%-3%左右，就算剔除掉其中的非工業生產經營活動營收，帶來的影響應該也沒有那么大。

　　目前來看，第4點可能是更主要的原因，即剔除跨地區、跨行業計算的重復值。但這一點比較難證實，也很難證偽。有兩個證據或許能夠間接說明這一點：

　　一是國家統計局的剔重工作開始于2017年四季度，而這正好也是累計值同比與官方累計同比分化的開始時間。

　　二是在所有經濟類型的企業中，國企是唯一沒有出現顯著數據分化的類別（盡管它在2018年的規模以上企業數樣本縮減比例，和其他類型幾無差別）。這可能和它作為國企，數據報送質量相對更好有關，所以統計局的剔重工作對它影響較小。

　　3 

　　工業企業資產負債表數據解讀

　　（一）工業企業資產負債表結構分析

　　統計局公布的資產負債表數據主要有以下一些：1）資產端包括流動資產、應收賬款、存貨、產成品存貨、總資產；2）總負債和所有者權益。

　　首先來觀察資產負債率的變動，它顯示了工業企業的杠桿情況。注意，上文提到了，2017-2018年工業財務數據出現了比較嚴重的統計異常，而官方公布的資產負債率其實是用累計值計算出來的，沒有剔除掉異常因素。因此，如果我們直接用官方公布的資產負債率，可能會出現誤讀。

　　要觀察真實的企業資產負債率，需要用官方同比先推算出2017年以后的總資產、總負債累計值，然后再計算資產負債率。雖然由于規模以上口徑變動的原因，計算結果仍然存在一定誤差，但誤差在可接受范圍內（我們在本文中提到的其他財務比率，除非有特別說明，否則都按照相同方法進行了調整）。

　　可以看到，21世紀以來，除了在2002-2004、2008年進行了微弱的加杠桿以外，工業企業一直處于去杠桿進程中。

　　2017年后，官方公布的資產負債率出現明顯反彈，然而這是一次統計調整帶來的“虛假”反彈。通過計算調整后的資產負債率，可以發現企業整體仍然在去杠桿。

　　分企業類型來看，國企和私企杠桿存在顯著分化。

　　國有控股企業的資產負債率在2008年后進入上升狀態，在2016年后進入下降狀態，這主要是因為2008年后基建、地產需求強勁，國有控股企業主要對應的上游和中游原材料行業大幅加杠桿，而在2016年供給側改革后則轉為去杠桿。

　　相應的，私營企業資產負債率自2006年以來，一直在持續下滑，但到了2018年后有所回升。考慮到2018年后的經濟金融環境，私企可能并不是在主動加杠桿，而是在融資環境惡化的情況下被動加杠桿。

　　再來看資產端。工業企業資產同比會略微滯后于營收同比。這主要是因為，當企業營收好轉的時候，現金、企業應收賬款會增多，補充存貨的意愿也在增強，導致流動資產增加，進而帶動資產同比提升。

　　資產結構中，流動資產占比從21世紀初的40%，提升到了當前的50%左右，總體來看資產流動性有所增強。

　　其中，流動資產占總資產比重在2009后出現一次大幅提升，2012年后又逐漸滑落，這個波動主要由存貨變動貢獻。而2015年后觸底回升，則更多由應收賬款支撐。

　　可以繼續觀察與存貨和應收賬款相關的兩個指標：

　　一是存貨周轉天數，不過官方披露的主要是產成品周轉天數。企業存貨通常包括原材料、在產品、半成品、產成品、商品以及周轉材料等，而產成品存貨，其實就是已經生產完了、但還留在倉庫里沒有賣出去的產品，也就是市場常說的“庫存”。

　　產成品周轉天數=360×平均產成品存貨÷主營業務成本×累計月數÷12。產成品周轉天數越少，反映工業企業庫存周轉越快，產品賣得越順利。

　　二是應收賬款平均回收期。它等于360×平均應收賬款÷營業收入×累計月數÷12，應收賬款收回期越短，說明賒賬越少，收賬迅速， 企業的資金使用效率更高。

　　同樣的，這兩個指標也需要進行調整，否則也會得出錯誤結論。如果采用官方數據計算同比，在2017年之后，產成品周轉天數同比、應收賬款平均回收期同比均出現了明顯上行。而從調整后數據來看，兩者均沒有出現異常，而是平緩抬升。

　　2020年1季度，兩個指標再次出現了跳升，無論是調整前還是調整后，都顯示了這一現象。產成品周轉天數的跳升主要受新冠疫情影響，企業庫存被動積壓，幾乎無法周轉。應收賬款平均回收期的跳升，一方面是因為企業業務無法開展，營收快速下滑，另一方面是因為疫情沖擊下，企業普遍收不上來款，所以應收賬款處于高位。

　　（二）工業企業產成品存貨數據分析

　　1、產成品存貨與庫存周期

　　產成品存貨數據是工業企業資產負債表中，最受市場關注的數據。

　　工業企業的產成品存貨，或者說庫存狀況，背后反映的是供需力量的對抗。如果需求弱于生產，產品賣不出去，那么庫存就會不斷積壓，具體表現為產成品存貨同比走高。相反地，如果需求強于生產，庫存去化往往就會比較快。

　　隨著經濟增長和企業規模擴張，產成品存的貨絕對值本來就在不斷增長，所以它沒什么太大的分析價值。我們一般觀察的是產成品存貨的同比，而不是絕對值。

　　需要注意的是，產成品存貨是用金額來度量的，所以它的同比也涵蓋了價格因素，不能完全準確地反映出真實庫存數量的變動。比如，當產品價格下行的時候，可能從價格渠道帶動產成品存貨增速下行，這就使得真實庫存的增速可能被低估。

　　歷史走勢顯示，產成品存貨同比和PPI同比有著比較強的正相關性，PPI同比會稍微領先一些。計價因素部分地解釋了庫存與價格之間的同向變動關系。

　　事實上，工業企業產成品存貨數據是度量庫存周期最核心的指標。庫存周期是一個市場上頗為流行的講法，我們向讀者簡單介紹這一概念。

　　從歷史來看，經濟總是在周期性地波動，盡管不是簡單的重復，但仍然呈現出一些規律性。

　　根據不同的驅動因素，目前被總結出來的經濟周期分好幾種，有技術周期、產業周期、房地產周期、金融周期、資本開支周期等等，并分別被冠以不同的名稱，比如康波周期、庫茲涅茨周期、朱格拉周期等。

　　而庫存周期，正如其字面意義所表示的那樣，它是對企業庫存周期性波動的一種描述。這種大約40個月左右的經濟短周期波動，最早由經濟學家約瑟夫·基欽在1923年提出，因此也被稱作基欽周期。

　　上文曾說道，企業庫存是供需力量對比的結果。相對于需求變化而言，供給的變化往往存在時滯，這就會導致庫存水平出現周期性的波動。

　　所以說，所謂的“庫存周期”，本質上其實是提供了一種簡潔的切入角度，來刻畫供給與需求在短期內不斷互動和調整的過程。

　　需要說明的是，存貨變動對GDP變動的貢獻其實很小，它和GDP同比走勢的相關性，更多地說明了庫存周期是經濟周期的響應結果（或者說滯后表現），而不是成因。所以說有觀點認為庫存周期會對經濟周期起支撐作用，從邏輯上來說其實是顛倒了因果關系。

　　針對庫存周期，最好是抱以這樣的態度：把它當作一種直觀的、經驗性的線索。比如，如果庫存水平已經接近歷史底部，我們可以基于這個信號，推測經濟周期可能即將見底反彈。但這是一種經驗性的猜測，而不是邏輯性的判斷。至于是否真的如此，顯然還需要更多的經濟指標進行交叉驗證。

　　庫存周期該怎么度量？一般來說，它需要由兩個指標來界定：

　　一個是庫存指標，市場上普遍采用的是工業企業產成品存貨同比。

　　另一個是生產指標或者是需求指標。

　　目前缺乏一個比較合適的需求指標。部分研究會采用PPI同比、PMI新訂單等作為需求的替代指標，但它們都有著比較明顯的缺陷，比如PPI同比不包含“量”的信息，且實際上受供需兩端影響。PMI新訂單則在統計方式方面和產成品存貨有較大差異。

　　生產指標方面，可以采用工業企業營業收入同比作為替代指標。上文也提到了，它基本上等于工業增加值同比+PPI同比，同時包含了產量、價格信息，與同樣是名義值的產成品存貨可以保持一致。

　　工業企業產成品存貨同比走勢，決定了經濟是處于補庫存還是去庫存階段，而工業企業營業收入同比走勢，則決定了庫存行為是主動還是被動的。

　　兩兩組合下，一輪完整的庫存周期一般包括四個階段：

　　1）主動補庫存：經濟繁榮，需求進入旺盛期，產品銷路較好，因此企業更大力度地加快生產，庫存水平持續提升。具體表現為產成品存貨同比上升+營收同比提升。

　　2）被動補庫存：經濟走過繁榮的頂點，邁向衰退，需求已經下滑，企業生產也隨之放緩，但需求下滑的更快。產品更不好賣了，積壓在倉庫，導致庫存水平繼續提升。具體表現為產成品存貨同比上升+營收同比下滑。

　　3）主動去庫存：經濟由衰退進入蕭條期，需求低迷，企業的生產也開始大幅收縮，庫存水平走低。具體表現為產成品存貨同比下滑+營收同比下滑。

　　4）被動去庫存：當經濟再度由蕭條邁向復蘇，需求回溫，這時企業的生產也隨之重啟，但還沒有完全跟上需求，導致庫存水平仍在被動下降。具體表現為產成品存貨同比下滑+營收同比提升。

　　2、中國歷史庫存周期分析

　　自2000年5月以來，中國已經相對規律地經歷了大約6輪庫存周期，目前尚處于第6輪中。每一輪周期又包含了上文說的“主動補庫存-被動補庫存-主動去庫存-被動去庫存”4個階段。

　　我們將中國歷史上的庫存周期展示在下圖中。

　　從中國歷史庫存周期的輪動中，可以解讀出這樣一些信息：

　　1）庫存周期（即產成品存貨同比）的經驗底部大概在0%附近，歷史最低點為-1.9%。

　　2）前5輪周期的持續時長有所不同。最短的是第1輪，共27個月，最長的是第4輪，共45個月。平均大概是37.2個月，和基欽研究發現的40個月比較接近。當下正在經歷的第6輪周期，時間跨度則相對更長。

　　3）每輪周期的強度（曲線斜率）也不同。其中第一輪的反彈強度最小，第四輪的反彈強度最大。而后第5輪、第6輪的反彈強度都比較弱，并且第6輪還出現了周期頂部平坦化的特征。

　　4）每輪庫存周期中，四階段占比各有不同。綜合來看，被動去庫存時間最短，且變化不大。近年來主動補庫存的時長正在逐漸變短，而被動補庫存的時長在增長，同時在第5輪、第6輪周期中，主動去庫存的時間跨度也開始明顯拉長。

　　這說明，庫存周期雖會重演，但不會簡單重復。無論是持續時長、周期強度、四階段各自占比，乃至曲線的形狀，都會因為周期驅動因素的不同而存在差異。

　　總體而言，有強需求作為支撐的庫存周期，表現會更好。比如2002年加入世貿組織后外需極為旺盛，再加上房地產高景氣度，使得第2輪庫存周期相當強勁，補庫時間持久，特別是主動補庫存階段，長達19個月。甚至到了最后去庫存階段時，庫存水平降的也不多，很快又進入了第3輪補庫周期。

　　2008年金融危機后，盡管貨幣大放水+四萬億刺激政策見效快，第4輪周期反彈力度大，但實際上這種需求難以持續，所以主動補庫存持續期很短，隨后經濟進入了漫長的被動補庫和主動去庫階段。

　　到了第5輪、第6輪，中國經濟正處于一個更大的經濟下行周期中，需求始終較為疲軟，使得庫存周期反彈強度不大，并且主動補庫存持續期也已經大大縮窄，分別只有8個月和10個月。

　　對于當下的第6輪庫存周期而言，初始的回升動力主要有兩個：一是受益于房地產投資和出口的好轉，二是受益于供給側改革后PPI同比提升。這分別從量、價兩個方面帶動了企業補庫。

　　但是房地產和出口的回升總體而言比較溫和，來自需求的支撐力量還不是很充分，消費、制造業投資等都在走弱。而供給沖擊下的價格上漲，也是偏短期且不可持續的。這都限制了第6輪的主動補庫期持續時間和周期強度。

　　另外，第6輪周期中還出現了特殊的“頂部平坦化”現象，即2017-2018年間產成品存貨同比，長期維持在7%-9%區間內小幅波動。

　　我們猜測這可能與供給側改革有關。供給側改革以前，企業補庫會相對自由地上升到一個峰值，然后再滑落，然而2016年后生產受到供給側改革的約束，企業補庫也面臨著天花板，庫存水平只能徘徊在一個比較平坦的上限附近。

　　2019年四季度，庫存水平已經基本觸及至0%左右的經驗底部，當時市場上也出現了新一輪庫存周期即將開啟的聲音。

　　然而，盡管2020年庫存水平的確向上反彈了，背后推手卻并非是經濟復蘇，而是新冠疫情。新冠疫情讓這輪本就不那么“常規”庫存周期，再度發生了變形。

　　在2020年一季度的防疫措施下，企業停產停工，生產能力受限，但同時物理隔離下，總需求也在快速收縮，導致庫存被動積壓。經濟從2019年底的主動去庫存，直接切換到一個類似于被動補庫存的狀態。

　　不過隨著中國疫情防控順利，企業陸續復工，需求好轉，庫存又在逐漸去化，但目前仍然處于8.3%的相對高位（截至2020年6月）。

　　3、行業庫存周期的分化

　　接下來，我們觀察各個行業的庫存周期狀況。

　　如果不考慮新冠疫情沖擊，只看2019年底各行業所處的庫存周期位置，那么當時絕大部分行業都處于被動補庫存和主動去庫存階段中。

　　上游行業以被動補庫存為主，中游行業以主動去庫存為主，下游行業則被動補庫存和主動去庫存皆有。說明上中下游行業均處在一個需求較為疲軟的階段。

　　不過，也有很多行業庫存去化比較徹底，2019年正在接近或已經突破了歷史經驗底部，特別是中下游行業，比如電氣機械、汽車、造紙、食品、家具等。這意味著一旦需求啟動，可能這些行業的庫存周期的反彈會比較明顯。

　　有個別行業在2019年四季度似乎出現了主動補庫的跡象，比如汽車制造業以及與它相關的橡膠和塑料制品業。

　　歷史上，汽車銷量同比明顯領先于汽車制造業庫存同比，而2019年汽車銷量開始見底回升，需求回暖大概率是這次汽車制造業的主動補庫動力。正如上文所說，汽車庫存已經到達歷史最低位，所以這次的反彈力度也比較大。但是到了2020年，主動補庫行情就被疫情給中斷了。

　　部分行業如家具制造業、電氣機械等也在2019年年末出現了主動補庫存跡象，它們也是庫存突破了歷史底部的行業。

　　在2020年疫情發生之后，各行業目前又處于什么情況呢？

　　隨著疫情防控到位，各行業的庫存同比在走過了2020年的一季度高點后，基本都開始下行。但各行業庫存去化速度有所不同。

　　其中中游原材料行業既是疫情期間庫存積壓最嚴重，但也是疫后去化速度最快的行業，比如化工、非金屬礦、鋼鐵、金屬制品等。

　　這主要是因為它們對應的下游需求更多地來自于工業需求，只要下游企業不復工，它們的庫存就完全沒辦法消化。

　　而隨著疫情沖擊逐漸消解，企業復工后工業生產反彈，同時房地產為了彌補疫情造成的工期延誤，加快了施工進度，再加上基建加速啟動，短期內各行各業對原材料需求都比較大。因而帶動了中游原材料行業庫存的加速去化。

　　同理，中游機械設備也主要面向工業需求，庫存也積壓得比較嚴重。但它的去化速度也沒有中游原材料這么快。畢竟企業剛剛遭受了一波疫情沖擊，元氣大傷，對經濟的預期還比較差，購買機器設備、擴大產能的意愿不是很強烈，所以中游機械設備的需求端相對低迷。

　　對于下游行業來說，多少有一些剛性消費需求在支撐，所以它們的庫存水平積壓幅度相對較小。而疫情沖擊了居民資產負債表，消費需求偏弱，因此下游行業后續的庫存去化速度也比較慢。

　　在所有工業行業中，有兩個行業比較特殊，一個是計算機通信，一個是醫藥。

　　這兩個行業的產成品存貨同比，并沒有像其他行業一樣，在3月到達峰值后就回落，而是在高位延續了一段時間，甚至繼續向上。與此相對應的，是它們的營收同比也在反彈。

　　這意味著，它們反而進入了主動補庫存的狀態。而不是因為產品賣不出去導致庫存積壓。這也比較好理解，因為醫藥制造業、計算機通信業和海外防疫需求高度相關，前者受益于直接的醫療防護，后者則受益于線上辦公需求的增加。

　　假如把疫情當作一場純粹的外生沖擊，也就是說只帶來了短期的、一次性的影響，那么可以假定，疫情沖擊結束后，生產和需求會反彈至疫前水平，原來被動積壓的庫存逐漸去化，庫存水平也會先向疫前水平（也就是2019年末水平）收斂，然后再回歸到原來的周期軌道中。

　　總的來說，目前各行業的的最新庫存水平（2020年6月），仍然普遍高于疫情前水平（2019年四季度），這意味著各行業“復位”可能還需要一段時間。其中，中游原材料可能會率先回歸疫情前水平，而其他行業大概率會更慢，尤其是下游行業。

　　但“疫情一次性沖擊”其實是一個不夠合理的假設。實際上，疫情會通過損壞資產負債表，給經濟施加以長期的影響。具體可能體現在：1）庫存周期在低位的時間可能會延長。2）下一輪新的庫存周期的反彈力度可能更弱。3）主動補庫存的持續期更短。

　　此外，不同行業對應的需求也不同，疫情沖擊對終端需求的影響是有差別的，這使得行業間庫存周期分化、錯位的現象可能會更明顯。與消費、出口和制造業投資相關的行業（主要是中游機械設備和下游），庫存周期開啟的難度加大，而與地產、基建相關的行業（主要是中游原材料），庫存周期更有希望開啟。

　　其實，不同行業間的分化早就已經出現了。下圖中可以看到，自2016年以來，上中下游庫存周期的同步性已經很差了。

　　并且，有一些行業的庫存周期已經變得更加短期化、碎片化了。盡管這輪從2016年開始的庫存周期，整體上看好像還沒有走完，但很多行業其實早已走完了一輪完整周期，甚至還開啟了新一輪周期。

　　這一點可能在上游行業體現的比較明顯，比如黑色金屬礦采選業的庫存早在2018年2季度就已經觸底回升了，而煤炭開采業和洗選業則是在2019年2季度。其他比如化工、化纖、能源業等也呈現出類似的特征。

　　行業間的周期分化加劇，可能會帶來整體庫存周期的變形和不確定性，這將導致整體的庫存周期判斷起來更有難度。所以對于庫存周期的使用，需要更加謹慎。

　　(本文作者介紹：粵開證券首席經濟學家、研究院院長)