第5章 盈利性：行业的头部公司能分到多少钱
核心核心：成熟期行业的利润分配逻辑
当行业进入成熟期且未找到第二增长曲线，有两种结果：一是被替代进入衰退期，失去投资价值；二是凭借宽护城河进入“稳定市场周期化”，成为周期性行业（蛋糕无法做大，仅随宏观环境波动）。此时投资核心是“精挑细选”，聚焦最赚钱的产业链环节和龙头企业。
核心分析维度：竞争格局（横向+纵向）
竞争格局决定企业盈利水平，分为横向和纵向两个维度，需同时满足“横向竞争不激烈、纵向议价有优势”，行业企业才能实现较好盈利。
1. 横向格局：同行间的蛋糕分配
核心指标是行业集中度，其变化规律与外部因素（经济、政策）、行业自身属性（生命周期、天花板）相关；进入“稳定市场周期化”后，主要与产能周期相关。
关键知识点：
产能与产能利用率：产能是厂商最大产量，产能利用率=实际产量÷最大产能，反映产能利用效率。
产能周期四阶段：供不应求→产能激增→产能出清→格局改善。
行业周期判断：底部（龙头减产、玩家退出、分析师不推荐）；顶部（龙头扩产、外部玩家涌入、分析师上调评级）。
例外情况：需结合产业生命周期，且龙头可能逆势扩张或主动打价格战。
2. 纵向格局：产业链上下游的蛋糕分配
产业链是产业部门基于技术、经济联系形成的上下游结构，利润分配核心取决于“议价意愿”和“议价能力”。
关键知识点：
议价意愿：取决于两个要素——商品/服务在下游的价值占比、行业所处周期阶段。
议价能力：主要看各环节的行业集中度和供需情况，可通过“各环节毛利率”“占用上下游资金能力”判断行业地位。
第6章 估值：行业不同阶段的估值特征
核心前提：估值与基本面的关联
前4章梳理的基本面四大维度（可行性、规模性、防守性、盈利性）是估值的基础，估值需结合基本面综合判断；股票收益=股利所得+资本利得，资本利得=盈利增长+估值变化。
核心概念
每股收益（EPS）：净利润÷股票数量，反映公司盈利水平。
市盈率（P/E）：每股股价÷每股收益（或总市值÷净利润），可简单理解为“净利润不变情况下的回本周期”。
产业生命周期各阶段估值特征
导入期：估值围绕“梦想”“故事”展开，重点看潜在成长空间，常用VC估值方式。
成长前期：业绩高速增长、持续超预期，估值快速提升，但存在交易拥挤风险，估值可达80-120倍。
成长后期：业绩增速放缓，高估值难以为继，易出现估值回调。
成熟期：渗透率增速放缓，整体估值收缩；部分龙头企业因竞争格局改善，估值会提升（即“龙头进阶”），常用周期股估值逻辑。
衰退期：分三种情况——开辟第二增长曲线（按新行业导入期重新估值）；稳定市场周期化（估值中枢参考成熟市场）；被替代品冲击（利润率下降，估值持续下跌，若供给收缩快于需求，可能出现“回光返照”式估值拔高）。
估值的核心影响因素
投资者角度：关注“能力（钱多不多，受货币政策影响）”和“意愿（风险偏好）”。
资产角度：关注“赔率（规模性、盈利性）”和“概率（可行性、防守性）”。
第7章 外部因素：引爆行业还缺哪根导火线
核心逻辑：外部因素会持续变化，需用动态眼光追踪行业，迭代分析结果；四大外部因素（政治、经济、社会文化、技术）直接影响行业基本面和估值。
四大外部因素详解
1. 政治因素
国内：核心是产业政策，分为扶持性（口头鼓励、补贴减税、直接投资、强制使用）和限制性（限制准入、供给、价格、受众），如高污染行业的供给限制、部分行业的税收优惠政策。
国际：对我国影响较大的是美国货币政策和外交政策；国际关系恶化往往与经济增速下行、蛋糕分配矛盾相关。
2. 经济因素
经济周期：大部分行业盈利与经济周期相关，关联度排序：金融>周期>消费>成长；必选消费（食品饮料、调味品）受周期影响小，属于“通胀敏感型”。
经济发展水平：影响产业结构和需求，如经济发展推动消费升级或降级。
货币价格：通过货币购买力、利率、汇率三个维度影响各行各业。
3. 社会文化因素
人口统计学特征：核心是人口老龄化（“十四五”末60岁以上人口超3亿，2035年超4亿），推动医药需求、自动化进程；劳动力供给减少，催生工业自动化需求，同时我国“工程师红利”成为制造业核心优势。
文化变迁：消费理念变化，如健康需求提升，软饮行业传统品类（碳酸、果汁）份额被包装水、无糖饮料侵蚀；轻食餐厅增多。
4. 技术因素
技术是最深远的驱动力，核心作用有三个：
推动创新分层：从底层（基础设施、硬件）到顶层（应用程序、生态参与者），底层偏技术创新，顶层偏商业模式创新。
降本增效：推动新品类替代旧品类。
创造新渠道：如移动互联网推动电商发展，助力小家电行业崛起。
补充：可关注全球龙头企业的资本开支和创新方向，若多家龙头聚焦某一方向，说明该技术获产业界认可。
第8章 景气度：如何预判业绩增速
核心定义
景气度高：行业营收、利润增速快；景气度低：增速慢。景气度跟踪的核心是“用实时数据验证假设”，帮助提前预判业绩走向（先于财报）。
景气度指标的核心要求
反映基本面：能直接关联行业业绩情况。
更新频次高：可按月、周、日更新，保证时效性。
不同行业的景气度跟踪重点
房地产行业：产业链长且宽，上游（工程机械、矿产）、下游（家电、家具）均受其带动；跟踪重点是行业整体景气度对上下游的传导。
上游原材料行业：周期性强，重点跟踪“价格”（决定盈利水平）和“库存”（反映供求状况及价格持续时间），如硅料价格上涨直接提升行业利润。
必选消费行业：需求刚性，如调味品可跟随CPI涨价，重点跟踪价格变动和消费需求稳定性。
房地产后周期行业（家电、家具、汽车）：需求滞后于房地产行业，需跟踪房地产行业景气度的传导节奏。
关键提醒
跟踪指标需理解背后逻辑，不可刻舟求剑；主观投资的优势的是“理解逻辑”，而非单纯依赖指标。
第9章 案例：新能源汽车研究框架
1. 产业生命周期定位：高速增长的成长期
核心判断依据：新车渗透率（而非整体保有量渗透率），2022年9月后稳定在30%以上，2023年持续提升，说明商业模式已验证，处于成长期（汽车替换周期长，整体保有量渗透率仍较低）。
2. 商业模式：可行且有创新
主流模式：上游（锂矿）→中游（电池）→下游（整车+车载增值服务），本质是“卖货+卖服务”，满足安全出行的传统需求（对燃油车的替代）。
可行性验证：销售可行（需求弹性大、频次高）；盈利可行（生产标准化程度高，可参考上市公司财报，部分企业仍处于亏损，但长期有改善空间）。
创新模式：换电模式（多方共赢，解决快充伤电池、充电慢的问题，如宁德时代换电站）。
3. 市场规模测算
核心公式：新能源乘用车总销量=乘用车总销量×新能源汽车渗透率；其中，乘用车总销量=乘用车总保有量×年均存量替换率（保守估算，聚焦存量替换需求）。
4. 护城河与竞争格局
护城河：传统燃油车无法构建针对新能源汽车的护城河；新能源汽车核心产业链（锂矿→电池材料→电池→整车）中，采矿及回收、隔膜及电解液环节毛利率较高。
议价能力：成长期整车制造商议价意愿不强（抢市场），后期随增速下降，会逐步与上下游议价。
横向竞争：成长期后期需关注龙头价格战（淘汰小厂商，类似空调行业），以及新车型迭代（新车型贡献销量占比35%-47%，远高于燃油车）。
5. 估值与风险提示
估值特征：成长期估值偏高是正常现象，核心关注“交易拥挤度”和“龙头价格战”。
交易拥挤度：7项指标（成交额、换手率等）等权合成，超过均值+1.5倍标准差易回调，低于均值-1.5倍标准差且景气度良好时为买点。
其他影响因素：油价波动（油价上涨利好新能源汽车）、消费偏好（年轻消费者更认可新能源汽车的配置和直营模式）、政策支持（限牌城市渗透率变化）、技术进步（解决续航、充电问题）。
第10章 研究基础：关于研究本质的思考
1. 研究的本质
研究本质是“输入–处理–输出”资讯的过程，分为一手研究（实验、分析，创造新知识）和二手研究（总结已有知识，新形式呈现），核心离不开“资讯”。
2. 研究创造财富的核心：信息差
研究通过创建3种信息差实现盈利，核心目标是“深度差”：
时间差：比别人更快获取准确一手资讯（稀缺，可遇不可求）；机构可通过爬虫、遥感、线下调研（如浑水做空瑞幸）获取“另类数据”构建优势。
广度差：知识面更广（如查理·芒格的多元思维模型）；不建议先追求广度，易陷入“错失恐惧症”，应先深耕一个领域，再拓展广度。
深度差：比别人更懂供给侧（行业、公司）或需求侧（用户、市场），是持久盈利的核心；可通过深耕行业、实地调研构建。
3. 资讯的分类
（1）按深度分（DIKW模型）
数据（Data）：原始采集的信息（如一周上班打卡时间），Know-what层面。
信息（Information）：对数据的简单分析（如平均每天迟到15分钟），Know-what层面。
知识（Knowledge）：提炼的行动指南（如需要更早起床），Know-how层面。
智慧（Wisdom）：提炼的底层逻辑（如迟到源于不够自律），Know-why层面。
（2）按广度分
宏观资讯：宏观经济、政策、赛道轮动、资金偏好等。
中观资讯：行业层级的数据和动态。
微观资讯：企业、产品层级的信息。
（3）按性质分
事实判断：客观存在的事实（如“A国税负比B国高”），真相唯一。
价值判断：对人事物的好坏、有用性的判断（因人而异，动态变化）；高质量价值判断需以事实判断为支撑。
第11章 研究进阶：麦肯锡分析师的“资讯料理法”
核心逻辑：解决资讯输入的两大难点（信息过载、观点极化），通过“备菜（输入）-烹饪（处理）-摆盘（输出）”三步，高效处理资讯、传递核心观点。
1. 备菜：资讯输入（解决两大难点）
难点1：信息过载
解决方案：假设驱动法（底层方法论），分3步：
步骤1：做出假设（如研究“消费降级”，假设“消费降级源于钱不够花或消费意愿转变”）。
步骤2：拆解假设（遵循MECE原则，不重不漏，如“钱不够花=赚得少+其他开支多”）；若缺乏了解，可先找综述性材料或业内人士交流。
步骤3：验证假设（即使假设被证伪，也能得出有效结论）。
难点2：观点极化（信息茧房、确认偏误）
观点极化的原因：宏观（经济下行激化矛盾）、中观（算法导致信息茧房）、微观（极端观点收割流量）。
解决方案：
步骤1：拓宽输入渠道（关闭个性化推荐，关注不同观点的媒体，尝试证伪）。
步骤2：做好资讯拣选（区分事实判断和价值判断，不盲目否定价值判断，需验证其背后的事实依据）。
步骤3：理性赋权资讯（避免确认偏误，用系统2理性思考，为不同资讯赋予合理权重，不“厚此薄彼”）。
2. 烹饪：资讯处理（提炼核心观点）
核心方法：金字塔原理（系统组织资讯，提高逻辑性），分4步：
步骤1：罗列资讯（完整语句，不只是关键词，可记录在便笺或Excel中）。
步骤2：寻找规律（提炼共性，分组归类，如将企业现金流分为融资、投资、营运三类）。
步骤3：提炼要点（为每组资讯提炼一个核心要点）。
步骤4：归纳核心（提炼最高层级的核心观点，体现洞见性，区别于简单总结）。
金字塔原理的要求：①有深度（提炼洞见，创造额外价值）；②有逻辑（采用归纳推理或演绎推理，分组后按时间、等级等次序排列）。
3. 摆盘：资讯输出（传递核心观点）
核心目标：抓住受众注意力，高效传递观点，需根据受众类型调整叙事结构，核心框架是SCQR（情景-冲突-问题-解答），对应中文“空雨伞”模型（空=情景，雨=冲突，湿=问题，伞=解答）。
不同受众的叙事结构调整：
路人：CQSR（先冲突、问题，吸引注意力，再情景、解答）。
普通观众（有一定了解）：SCQR（经典顺序）。
大老板（时间宝贵，关注结果）：RSCQ（先解答，再补充细节）。
直属领导（了解情况，关注解决方案）：直接输出核心解答。
第12章 研究工具箱：常用的研究资讯源
核心资讯源（书中提及）：萝卜投研（通联数据旗下，提供海量行业数据库）。
补充：结合前文，常用资讯源还包括政府部门（商务部、农业农村部）、行业协会（乘联分会、中汽协）、研究机构（克而瑞、中国指数研究院）、企业财报、线下调研数据等。
第13章 研究的新时代：如何借助生成式AI进行研究
1. 生成式AI对研究的影响
颠覆性改变：大幅提升效率（几天工作量可压缩至十几分钟），如OpenAI的Deep Research功能可直接生成深度报告。
行业影响：引发裁员潮（如BuzzFeed、Stack Overflow、多邻国裁员），同时创造新岗位（AI模型安全专家、AI转型顾问等）；不拥抱AI者易被淘汰。
实际应用：金融领域（摩根士丹利微调AI助手，用于查询数据、总结对话、起草邮件）、市场规模测算（AI能力不逊于麦肯锡面试应届生）。
2. 大语言模型的局限与应对方法
局限1：回答不具备稳定性（多次提问答案不同）；应对：需高精度答案时，将温度值调至0.1左右（降低随机性）。
局限2：不具备深度推理能力（仅基于概率生成文字，不理解世界）；应对：不依赖AI做深度决策，仅作为辅助工具。
局限3：不可避免“变笨”（知识库停留在过去的训练时间点，更新成本高）；应对：结合最新资讯补充AI答案，不盲目相信AI的时效性内容。
3. 核心提醒
不必纠结具体AI工具及用法（更新迭代快），重点关注AI在研究中的辅助角色和使用思路，拥抱变化、持续学习。
评论
0 条评论