陈奥林 从业证书编号 S1230523040002
徐忠亚 从业证书编号 S1230523050001
在本报告中，针对油气开采、油田服务和炼油化工等三个细分行业，以及石油石化整体行业，我们使用价格、库存等行业高频数据进行建模，对行业景气度即盈利进行高频预测。从结果看，所得结果与实际值一致性较强，且具有一定的领先性，可作为高频观测指标进行应用。本报告中，我们重点研究了如下问题：石油石化产业链结构和各环节收益成本因素；如何对相关标的营收来源和追踪方法进行分析；如何对石油石化及细分行业基本面景气度进行预测。产业链结构：石油石化行业标的数量分布较为均衡，不过市值、营收和盈利较为集聚。产业链从上游油气开采、油田服务，至中游炼油和化工，下游则涉及树脂、纤维等细分化工产品。行业收入和成本较为清晰，不过部分标的所涉业务较多。对于标的筛选，关键是业务边际变化，而非总量值，据此决定细分行业成分的纳入。营收拆分和追踪：从标的财报中可获取其营收行业和产品信息，对于每一块细分业务，重点关注如下指标：产品产销和价格、生产成本、下游需求分布。追踪产品生产/业务运行流程，可确定子营收和成本。这一过程我们重点关注的是可追踪的标准化指标。基本面景气度预测：本文搭建了油气开采、油田服务和炼油化工细分行业，以及石油石化整体基本面景气度预测框架。主要使用的指标为原油和天然气等上游品价格，柴油、汽油和煤油等产品端价格；原油、成品油和乙烯等产品产量；以及交通运输、房地产和汽车等需求端代理变量。从结果看，预测值和实际结果一致性较强，且具有一定的领先性。
【风险提示】
本文中的指标及模型均基于量化方法构建，若分指标大幅波动则可能导致综合指标输出结果失真，存在失效风险。
中观包括行业和风格两类划分方式，我们想要研究的是如何对其景气度进行刻画和预测，最终着眼于构建具有超额收益的投资组合。在已有研究中，我们将基本面景气度细分为基本面景气和交易景气。基本面景气研究的目标是对行业和风格营收或盈利情况进行跟踪预测，交易景气则是从量价维度判断行情是否已经提前或充分将基本面景气的变化反映在了价格中。对于相关研究，我们以基本面景气预测为主。行业营收与量和价相关，盈利还需考虑成本价差。对应到标的或行业，其经营业务可能较为复杂，对其进行完全准确的追踪也并不现实。系统化基本面景气研究的目标是，把握核心业务来源和筛选关键可追踪高频宏观行业经济数据，重点对其经营走势进行追踪。与传统的预测方法相比，这一框架更多的是追踪。其目标是，将所能获取的信息纳入目标变量预测的调整中，对其趋势进行分析。在本报告中，我们对石油石化及相关细分行业基本面景气度的预测方法进行了深入研究，重点研究了如下问题：1. 如何系统化的对行业产业链进行分析，其上下游行业是什么？2. 如何对标的进行财务拆分，获取可追踪的关键指标？3. 如何搭建石油石化及细分行业基本面景气度追踪框架？图1给出的是模型预测结果走势，结合后文结果可以发现预测结果与实际财务数据趋势较为一致，且有一定的领先性。
对于行业或风格基本面景气度预测，需要首先明确预测的标的，即要界定行业或风格的具体构成。同时，为分析营收变化和影响因素，需对其所处产业链位置及上下游行业构成进行研究。此部分我们首先对石油石化及细分行业构成进行分析，然后从产业链视角进行梳理。
石油石化行业包含47只标的（申万一级，截至2022/10/31），整体股票数量并不算多。从市值来看，多数在1000亿以下，少数体量较大。从细分行业看，上游开采、油服工程，中游炼化和贸易，涉及6个行业。多数公司业务构成较为多元化：例如中国石化，从上游油气开采，中游成品油炼制，以及较多化工产品的生产，到终端销售均有涉及。部分公司主营业务属于基础化工行业，在对细分行业基本面景气度进行预测时，需进行筛选。各细分标的数量分布较为均匀，但体量规模差异较大。从市值看，炼油石化占比60.6%，油气开采为25.5%；从营收看，炼油化工占比接近90%；从盈利看，炼油化工占比为67%，其次是油气开采，为25.8%，后者净利率显著更高。因此在搭建行业基本面景气预测框架时，重点关注这两个行业即可。下图给出的是细分行业相对一级行业指数超额收益走势。上游及相关行业，以及中游炼化加工行业，走势差异显著。石油开采与油田服务、油气及炼化工程和油品石化贸易的区间相关系数分别为64%、51%和78%，即后者也是受益于前者景气抬升的。炼油化工的上游为石油开采，二者相关系数为-65%，上游景气，下游传导不畅，其盈利端便会受到较大影响。石油开采和炼油化工超额走势相对较为稳健，油品石化贸易则相对波动较大。天然气是以气态形式储存在地下岩石空隙中的可燃有机矿产，主要用作燃料，还可用于生产甲醇、丙烷等化工原料。原油是现代工业的重要组成部分，其炼化后的石油产品可作为交通运输所需燃料，并为塑料、化肥、农药、纺织品、橡胶等化工产品提供丰富的原材料。石油产品主要包括汽油、煤油、柴油和润滑油以及液化石油气、石油焦碳、沥青等，生产这些产品的加工过程常被称为石油炼制，简称炼油。炼油过程中得到的原料油，可用于生成苯、甲苯、二甲苯、乙烯、丙烯、丁二烯等重要基础有机化工原料，进一步生成醇、醛、酮、酸、酯等中游有机化工产品。再深加工，可得到合成纤维、合成树脂、合成橡胶、医药、农药、涂料、燃料、有机助剂等高分子物质或精细化工产品。下图给出的是石油石化行业产业链各环节构成：上游油气开采，以及相关油服工程；中游石油炼化和运输；下游油品销售和石油化工。上游开采行业主要从事原油和天然气的勘探、开发、生产及销售，油田服务则涉及钻井、油田集输、船舶、物探勘探等开发生产的各个环节。上游生产的原油进入炼油厂，初步提炼可以得到汽油、柴油、煤油和重油等成品油；重油在经过进一步裂解后可以得到裂解烃和裂解气，前者是苯、甲苯、二甲苯等各种同型异构体的原料，后者可分解提炼得到乙烯、丙烯等烯烃产品。以烯烃和苯、甲苯等为原料进行有机合成，可得到塑料、橡胶、树脂等产品，广泛应用于各个行业。 产业链环节对应了其投入产出，根据生产工序确定投入比例，可对产品基本盈利情况进行跟踪。图8对应的结果，为原油催裂化得到柴油、汽油和煤油对应的价差走势；图9给出的是PTA-MEG生产涤纶长丝的价差走势。因此对于各单一业务，可较为方便地对其收益成本因素进行梳理，判断盈利端走向。当然，公司业务一般较为多元化，下面进行简要分析。图10-图13分别为油气开采、油服、炼化和化工细分行业代表性公司营收构成情况。从业务类型看，各家公司差别较大，与图7中的产业链环节可以形成清晰的对应。不过较多公司业务构成也会较为多元化。例如炼化公司ZH，其主要从事石油与天然气勘探开发、管道运输、销售，石油炼制、石油化工、煤化工、化纤及其它化工生产与产品销售、储运。即从上游开采、中游炼制和下游各个环节均有涉及，对于此类公司基本面的跟踪相对更加复杂。整体营收构成的不同也导致了各环节公司盈利能力的差异。从行业整体看，多数毛利率相对较低，分化较大。从各环节看，油气开采、油气及炼化工程毛利率较高，且各年度波动较大：最低接近10%，最高超过50%。炼油化工处于产业链中游，毛利相对稳定。油品石化贸易毛利相对较低，且波动较小。总结来说，上游盈利能力较强且波动较大，中游较为稳定。此部分我们对石油石化产业链结构进行了梳理。在对行业基本面景气度进行预测时，需要做的是：一，确定其所处产业链位置；二，确定其营收驱动因素；三，提取可追踪定量指标。后文我们对这一问题进行具体分析。 石油石化行业上游为油田服务和油气开采公司，中游为炼化。行业整体产业链分布较为清晰，收益成本因素较为直观。不过需要注意的是，多数公司所涉环节较多，业务较为多元化。在刻画这些公司的核心驱动因素时应加以取舍。
前文我们对石油石化行业产业链结构进行了梳理，对各环节成本收益因素有了一定了解。基本面景气预测的目标是追踪公司的盈利变化，方法是对其各项业务进行分析。此部分我们首先对石油石化行业代表性标的进行分析，梳理其追踪原理。在此基础上，对各细分行业可追踪使用的关键指标进行讨论。
前文我们对石油石化产业链进行了梳理，其包括上游的油服和油气开采，中游炼化和化工，下游终端需求。对于各公司，需关注其主导业务链，确定收益成本因素。
下面我们首先以油气开采公司ZY为例，对其营收构成进行分析。其所涉细分业务板块包括勘探与生产、天然气与管道、炼油与化工和油气销售。2021年公司原油产量为8.9亿桶，天然气产量为1251.59亿立方米，进口原油2.75亿桶，上述构成了勘探与生产板块6695.37亿元的营收。加工原油12.25亿桶，其中自有6.84亿桶，进口5.42亿桶，即自产原油中外销2.03亿桶：其中生产成品油1.09亿吨，炼油业务实现营收7360.04亿元；化工产品产量2223万吨，实现营收2389.68亿元。成品油销售1.63亿吨，天然气销售2739.74亿立方米。公司营收和盈利构成见下图。油气销售业务占据公司营收的主导，炼油与化工业务占据公司毛利的主导。对比公司各项业务毛利率，勘探与生产波动最大、平均毛利最高，其次是炼化和天然气，油气销售毛利较低且较为稳定。可以发现公司业务链条较为清晰：上游油气开采，内部炼化使用和外销；中游炼油和化工，下游销售。成品油价格与原油相关性较高，勘探和炼油板块均直接受益于原油价格上涨。对公司来说，炼化产品销售中，汽油和柴油占比均在40%以上，化工产品占比较低。因此虽然乙烯、聚乙烯等价格与原油相关性较低，但对整体影响较小。在进行景气度跟踪时，可重点把握原油端价量变化。考虑炼化公司ZH，其2021年原油产量3940万吨（多数内部使用），原油加工量为2.55亿吨。即其虽然有勘探生产业务，但占比相对较低，可将原油作为成本端考虑。从营收构成看，成品油占比70%左右，化工产品占比24%左右。下图给出的是其主要板块营收和毛利占比，可以发现炼化为其主要毛利贡献来源。因此若从盈利端主导角度，可仅考虑原油-成品油产业链。对于其他公司，均需考虑按此流程进行分析，确定核心收益成本因素。此外，除业务体量外，更需要关注的是其各期边际变化。例如销售端占比接近20%，但市场变化对其影响较小，体量较为稳定。在我们所搭建的中观景气预测框架下，关注的是增量信息对目标变量带来的边际变化，弹性更大的业务应予更多关注。前文我们对石油石化行业产业链结构和财务拆分框架进行了梳理。从结果看，首先确定公司主要营收来源，然后对各业务的收入和成本端分别进行追踪。石油石化产业链环节较为清晰，不过所涉产品种类多样，且细分程度较高。上游油服和油气开采，中游炼油和化工，下游销售。油气开采收益成本较为明晰，油服与其关系密切；炼化基本按产品形成对应的产业链，可确定其驱动因素。石化公司基本为多元化经营，需首先筛选出关键产业链，进而确定上下游指标。筛选时，对经营产生的边际影响大小更值得关注。下表所列为石油石化景气度跟踪预测所涉及主要指标：产品和成本价格；主要产品产量或潜在产能；下游需求；以及较为相关的宏观景气指标。针对各细分行业业务存在的差异，还需从中进行指标的进一步筛选。传统的量化研究中，我们一般会梳理很多指标，然后基于一定的标准，进行样本内筛选，并预期其可能在样本外也是有效的。从更具逻辑的视角，我们认为可以借鉴行业分析师的方法。具体来说，首先对其营收来源进行细分；其次，对于每一块业务，确定其产品是什么，价格和成本可追踪哪些指标，产量和销量如何界定。在此基础上，按照产品生产/业务运行流程，确定如何逐步得到子营收，最终汇总得到实时营收。此部分我们对石油石化产业链环节，以及主要的收益成本因素进行了梳理。可以看出所涉环节相对清晰，产品产业链较多，且独特性较强。为得到相对准确的追踪结果，还需在现有行业分类基础上进行标的筛选。对于油气开采和油服工程，以及炼油，业务相对清晰可分；对于化工，所涉品种繁多，且上下游分布存在较大差异。部分行业所属标的与基础化工存在重叠，因此后文设计行业跟踪框架时，会对此进行选择。基于前文对石油石化及细分行业产业链结构和财务拆分模型的梳理，此部分我们对其基本面景气度进行预测。首先，我们对预测模型和数据处理方法进行说明，然后给出各细分行业预测流程和结果，并进行分析。对于行业基本面景气，我们使用ROE-TTM作为代理变量 ，基于可得的宏观行业景气数据对其进行预测。这些数据，包括价格、产量、库存和需求等数据，涵盖日、周、月和季度等不同频率的数据。因此，我们使用混频数据抽样（MIDAS），进行模型构建 。在实际使用中，还会面临如下问题：同一类指标或有多个数据可对应，如果将其全部纳入模型，对参数估计和预测准确度产生影响。在Nowcasting框架下，使用因子化来解决这一问题。将其与MIDAS结合，可得Factor-MIDAS模型框架，其一般形式为：与一般模型形式的差别是，需要首先对解释变量进行估计。实际应用中，我们使用动态因子模型框架对潜在因子进行估计。对于基本面景气度预测，被解释变量为行业ROE-TTM，解释变量包括前者滞后一个季度的值，以及所涉及的宏观行业经济数据。对于这一设定，我们并不追求对目标变量进行最为准确的预测，而是更为关注其变化趋势。因此，我们使用的是经济数据的变化值，即同比或者环比。从最新数据的向上或向下变化中，获取其对目标变量带来的综合影响。油气开采公司主要进行油气资源的勘探、开发和生产，为中游炼油化工提供原料。公司主要业务为油气的生产和销售，成本端相对稳定，盈利端主要受油气价格和产量影响。从下图油气开采公司ZY营收和成本走势可以看出，相比于收入端，成本端逐年变动相对较小。因此在对基本面景气度进行跟踪时，可更多关注与产品价和量的变化，以实现对其方向变化的把握。 我国原油对外依存度较高：2021年产量为1.99亿吨，进口量为5.13亿吨。国内原油产量相对稳定，需求抬升引致依存度呈提高趋势。天然气依存度相对低一些：2021年产量和进口量分别为2076和1627亿立方米，二者均逐年增加，对外依存度近年有所提高。在考虑价端因素时，海外油气价格需重点关注。对于基本面景气度跟踪，对应的是行业标的而非整个市场。对于油气开采行业，收益端考虑原油价格和产量；下游需求变化会对上游产生影响，因此将成品油等产量和价格纳入。此外，宏观经济状态对行业有较大影响，将相关指标纳入。基本面景气度预测指标见表2。油气开采行业基本面景气度预测结果见图24。从结果来看，预测值与实际盈利水平走势一致。油气开采行业目前处于景气度持续环比改善中。
4.2.2 油田服务
油田服务是为石油和天然气的勘探、开发和生产提供服务的行业，拥有石油和天然气资源的公司是其主要客户。作为石油勘探、开发、生产行业的前端，油气公司的资本性支出决定了油田服务业的收入。油田服务行业的业务总量受石油供应量、石油价格影响很大，通常油田服务行业业绩的变化滞后于油价变化半年至一年的时间。下图给出的是油服公司ZF经营关键指标变化趋势：设备使用率以及使用费率。不过上述指标更新频率较低，需使用其他相对更为高频的指标。对于油服景气跟踪指标，首先需考虑的是油气价格水平，这反映了公司此后预期盈利的变化方向；其次需考虑当前油气产量水平的变化；追踪相关标的资本开支水平的高频指标较少，可从行业整体投资水平获取相关信息；最后，将宏观环境指标纳入。相关指标见表3。 油田服务行业基本面景气度预测结果见图27。从结果看，景气度与实际盈利走势一致性不高。我们认为主要由如下原因导致：油价变化相对实际盈利领先时间较长，而景气度预测值反映的是基于当前信息的“盈利预期”，即并不一定与随之而来的报告期对应；其次，与公司经营直接相关的高频指标相对较少，削弱了预测一致性。原油经加工可得到：一，重油。重油经处理以生成焦炭、渣油、石蜡和沥青等，主要用于道路建设、建材、生活用品等；二，轻油。轻油又包括：1，成品油。即汽油、柴油和煤油，主要用于交通运输；2，化工轻油。包括石脑油、燃料油、液化气和润滑油，主要用于树脂、橡胶和纤维等的合成，用于家电、轮胎和纺织服装等。炼油是指将原油精炼过后分为许多各有用途的石油产物，例如汽油、柴油等燃料和化工产品。炼油厂中根据不同的油品有不同的装置进行加工，其中有蒸馏装置，催化装置，重整装置，加氢裂化装置等。化工则是指将石油产品和化工中间品进行深加工的过程。基本化工产品包括乙烯、丙烯、丁二烯、苯、甲苯、二甲苯等，下游化工产品包括合成树脂、合成橡胶、合成纤维和化肥等。合成树脂包括聚乙烯、聚丙烯和ABS等；合成纤维包括涤纶纤维和清纶纤维；合成橡胶包括丁苯橡胶等。此部分我们仅分析至图7中的中游环节，即成品油和基础化工产品，下游则在基础化工行业框架搭建时纳入。为此对现有行业标的进行筛选，仅保留与此最直接相关的标的。对于产品需求端，交通运输对于成品油使用占比较高；其次还需考虑农业、房地产和汽车行业相关指标。对于炼油化工行业，首先需考虑的是原油和天然气成本；其次，需纳入成品油和相关化工产品价格，以及产量；此外，还需考虑下游行业需求情况；最后，将宏观环境指标纳入。行业基本面景气预测指标见表4。炼油化工行业基本面景气度预测结果见图30。从结果看，预测值与实际ROE-TTM走势一致性较强，且有一定的领先性。截至预测时点，基本面处于底部回升状态，后续值得关注。
4.2.3 石油化工行业
从图4和图5可以看出，中国石油、中国石化和中国海油体量远大于其余标的，导致油气开采和炼油化工主导了行业的营收和盈利。因此对于行业整体，我们将这两个细分行业高频指标进行整合。行业基本面景气度预测指标见表5。从结果来看，预测值与实际盈利水平走势一致。行业整体目前处于景气抬升阶段，后续值得关注。基于前文的研究，此部分我们对如何预测石油石化及细分行业基本面景气度进行了研究。从一般维度看，需要考虑如下几个维度的因素：一，产品价格；二，产品产销量；三，相关库存指标；四，下游需求；五，宏观环境指标。对于不同行业及细分板块，虽然分析方法相似，但是实际可追踪指标种类以及时序长度存在差异，或需进行优化。因为数据种类和频率存在差异，MIDAS框架是较为合适的处理框架，适用性较强。在本报告中，我们对石油石化行业产业链、财务拆分模型和基本面景气度预测框架进行了研究。通过产业链结构分析，确定各环节成本收益因素；借助标的财务拆分框架，确定其营收来源和营收追踪方法，进而抽取相关标准化指标。石油石化行业标的并不算多，细分行业数量分布较为均衡。不过从市值、营收和盈利看，则较为集聚。我们对油气开采、油田服务和炼油化工等细分行业收入和成本因素进行了分析，并搭建了基本面景气度预测框架，预测值与实际盈利端走势一致性较强。从结果看，宏观行业高频数据的使用，以及MIDAS框架的使用，具有较好的效果。
模型失效风险：本文使用MIDAS框架，对行业盈利进行混频预测。模型基于的是高频数据与盈利直接的统计关系，若相关性在未来发生变化，模型结果或失效。本文中的指标及模型均基于量化方法构建，若分指标大幅波动则可能导致综合指标输出结果失真，存在失效风险：本文使用的指标包括价格、库存等日度或周度数据，均存在发生较大幅度变化的可能性。从模型角度看，会引致统计意义上目标变量较大的变化，即出现异常值，数值结果影响较大。但考虑异常值占比，实际影响并不会如模型显示的如此波动。
详细报告请查看2023年6月19日发布的浙商证券金融工程深度报告《MIDAS盈利混频预测：石油石化板块——中观景气研究系列》
本公众号为浙商证券金工团队设立。本公众号不是浙商证券金工团队研究报告的发布平台，所载的资料均摘自浙商证券研究所已发布的研究报告或对报告的后续解读，内容仅供浙商证券研究所客户参考使用，其他任何读者在订阅本公众号前，请自行评估接收相关推送内容的适当性，使用本公众号内容应当寻求专业投资顾问的指导和解读，浙商证券不因任何订阅本公众号的行为而视其为浙商证券的客户。
本公众号所载的资料摘自浙商证券研究所已发布的研究报告的部分内容和观点，或对已经发布报告的后续解读。订阅者如因摘编、缺乏相关解读等原因引起理解上歧义的，应以报告发布当日的完整内容为准。请注意，本资料仅代表报告发布当日的判断，相关的研究观点可根据浙商证券后续发布的研究报告在不发出通知的情形下作出更改，本订阅号不承担更新推送信息或另行通知义务，后续更新信息请以浙商证券正式发布的研究报告为准。
本公众号所载的资料、工具、意见、信息及推测仅提供给客户作参考之用，不构成任何投资、法律、会计或税务的最终操作建议，浙商证券及相关研究团队不就本公众号推送的内容对最终操作建议做出任何担保。任何订阅人不应凭借本公众号推送信息进行具体操作，订阅人应自主作出投资决策并自行承担所有投资风险。在任何情况下，浙商证券及相关研究团队不对任何人因使用本公众号推送信息所引起的任何损失承担任何责任。市场有风险，投资需谨慎。
浙商证券及相关内容提供方保留对本公众号所载内容的一切法律权利，未经书面授权，任何人或机构不得以任何方式修改、转载或者复制本公众号推送信息。若征得本公司同意进行引用、转发的，需在允许的范围内使用，并注明出处为“浙商证券研究所”，且不得对内容进行任何有悖原意的引用、删节和修改。
本篇文章来源于微信公众号: Allin君行
本文链接：https://17quant.com/post/%E3%80%90%E6%B5%99%E5%95%86%E9%87%91%E5%B7%A5%E3%80%91MIDAS%E7%9B%88%E5%88%A9%E6%B7%B7%E9%A2%91%E9%A2%84%E6%B5%8B%EF%BC%9A%E7%9F%B3%E6%B2%B9%E7%9F%B3%E5%8C%96%E6%9D%BF%E5%9D%97%E2%80%94%E2%80%94%E4%B8%AD%E8%A7%82%E6%99%AF%E6%B0%94%E7%A0%94%E7%A9%B6%E7%B3%BB%E5%88%97.html 转载需授权！
