• 项目
首页>>文章列表 >>行业研究
行业研究

金准数据 2017前三季度经济分析报告 2017-10-03 07:40:12

2017年已经过半,宏观经济运行态势也逐渐显现。整体上,经济发展延续了2016年下半年以来企稳向好的态势,多项宏观经济指标也趋于改善,经济结构显现出持续优化的苗头。

2016年年初,全球金融市场异动,继而是英国公投脱欧引起欧盟人心惶惶,再到后半年,特朗普当选美国总统,对世界经济格局造成的割裂和震荡。而且,法国恐怖袭击、欧洲难民危机、土耳其政变等地缘政治冲突都在不断冲击着脆弱的全球经济体系。

而在这样的整体经济形势之下,2017年中国的宏观经济走势就成为人们最为关心的话题。


一、 国内经济现状分析

1、供应受限量跌价升

8月工业增加值同比6%,较7月回落0.4 个百分点,低于市场普遍预期,采掘和公用事业是主要拖累,制造业增速大体持平。

当月PPI环比0.9%,较7月大幅度走高0.7个百分点,显著高于市场预期。物量方面,7-8月以来,原煤、焦炭、水泥、玻璃、有色金属等领域,均不同程度出现了产量的下滑和价格的强势上涨。

工业增加值弱于预期、价格强于预期,清楚地显示,尽管需求端力量同样存在且十分关键,但全部工业行业合并而言,供应收缩的力量似乎是占据了上风。

这与去年下半年的情景是类似的。中期而言,工业领域供应的收缩,与过去几年持续的投资放缓、当下及未来产能投放的减速,以及行业集中度的提升,有重要关联。

但中短期之内,部分行业供给侧改革的继续深入、第四批环保督查以及京津冀大气污染强化督查等因素也许更为关键。特别是这其中,环保因素的影响不可忽视。

未来如果制约供应的力量有所减弱,例如更多的企业达到环保要求,那么在需求端大体平稳的假设下,我们也许还会反过来看到量的上升和价格的回落。


1)环保不仅影响上游生产,也影响下游施工

事实上, 还需要注意到的是, 环保督查在加剧生产萎缩的同时,也对下游施工活动产生影响。

例如, 7-8 月固定资产投资的滑落除了高温天气的扰动, 可能一定程度上也与环保有关。如何把握环保与经济和就业的平衡, 已经成为当前一些方面热烈讨论的话题。再如, 统计上,社会消费品零售既包括居民部门的商品购买,也包括了企业部门的投资品购买。 因此, 其在 7-8 月的连续下行,不排除与固定资产投资数据一样, 受到了环保因素的拖累。

无论是限制上游生产,还是拖累下游施工,环保对工业品产量的影响都是负面的。

但其对工业品价格的影响是向上还是向下? 考虑到上游生产相对集中,下游施工更加分散, 因此理论上其对相关原材料价格应该主要起到向上的推升作用。

2)沿海电厂日耗与工业增速的背离

8 月,沿海电厂耗煤居高不下,同比增速进一步走高。 这被认为是期间动力煤价格持续上涨的主要原因,可能也引导了市场对当月工业增速的乐观预期。

但最新公布的发电量、火电发电量、工业增速等数据,均与沿海电厂耗煤存在方向上的背离。

这首先表明,近期动力煤价格的主要支撑因素, 似乎不是终端需求例如经济产出以及火电发电量的增长,而是生产端的收缩以及在此背景下一些中间环节的存货囤积需求。

此外,沿海电厂日耗与经济活动的背离,其原因在理论上是比较清楚的。

一是, 目前跟踪的沿海电厂耗煤量,占电力行业动力煤消耗量的比重在 10%略多一些,其代表性是存有疑问的。例如,沿海电厂耗煤与区域经济之间的连续应当更为紧密,当区域经济与全国经济走势不一致时, 其与全国火电量、全国经济动能就会出现背离。

二是, 由于供给侧改革的推进,动力煤供应重回短缺,长协煤比重在去年底以来重新上升。大型电厂由于长协的存在,动力煤供应相对更容易得到保障, 这有助于其市场份额的上升,从而出现沿海电厂日耗与全国火电量以及全国经济动能的背离。 近期这一因素可能是主导性的。

三是,近年来,自备电厂规范整顿力度加大,实体经济用电需求更多地转向发电企业。 在此背景下,即便沿海电厂日耗与全国发电量一致,也可能与 GDP 以及工业增速相背离。 2016 年下半年以来经济增速大体平稳,但发电量持续大幅走高,可能就受到了自备电整顿的影响。


2、 旺季成色不足风险需要认真评估

去年底至今年上半年,经济曾经出现过一定程度的“淡季不淡、旺季不旺”,6-8 月, 淡季不淡现象重现。

首先在房地产市场上, 销售活动的降温势头逐步明朗。

8 月全国商品房销售同比 4.3%, 为 2015 年 2 季度以来的月度次低水平。微观数据反馈, 8 月 35 大中城市首套房按揭利率进一步走高, 按揭发放时间拉长,这对大中城市销售活动继续行程抑制,并可能蔓延到三四线地区。

由于库存的显著去化,商品房销售活动的降温对开发投资活动的拖累可能较以往几年显著更弱, 并在近期表现为开发投资和拿地意愿的坚挺。 但其对于情绪和预期的边际影响, 未来仍然需要留意。


其次是 7-8 月出口增速有所走弱。

从水泥产量看,今年国内投资需求较去年要略微更弱一些。但总体经济动能仍然能够保持大体稳定,十分重要的力量是去年下半年至今年上半年出口的持续恢复。最近两个月中国出口增速有所放缓, 我们倾向于认为是临时的扰动,继续趋势下行的可能性也许不高,这还需要进一步观察。

除了固定资产投资、消费和出口外,存货意愿对短期经济动能的影响十分关键。 6 月以来的此轮存货回补过程持续了近3个月,接下来会否逐步衰竭并走向反面? 尽管供应收缩背景下,各个环节库存绝对水平均不高,但其边际变化和拖累作用仍然需要密切跟踪。

产品价格是存货行为的重要同步指标。现货层面,9月上旬流通领域生产资料价格环比继续上行, 并创年内新高。细项来看, 石油天然气、化工品、煤炭、纸制品涨幅继续扩大;有色、黑色涨幅缓和。 不过更高频的期货数据显示,9月以来南华工业品指数有所回落,后续走势需要继续关注。

总体而言,倾向于认为,实体经济将继续在“L”型一横的位置运行一段时间,这期间出现锯齿状上下波动恐难避免。短期之内, 需求有所走弱,叠加高毛利对供应的刺激, 工业品价格和毛利率高位回落的可能性是偏高的。

届时债市投资者对PPI上涨引发 CPI 通胀的担忧也有望缓和。股票市场相关板块也会由于毛利的下降而出现调整,但行业周转率和集中度的提升趋势,以及中长期经济前景的改善, 继续对权益市场提供关键的支持。


3、货币信贷增速差继续走扩,金融去杠杆方向不变

8月M2同比8.9%,较前月回落0.3个百分点,也是许多年来的最低水平;M1同比14%,回落1.3个百分点,M2的下降、持有活期存款机会成本上升等,共同驱动了其增速的持续回落。

M2同比持续走低的同时,贷款和社会融资规模的投放大体稳健。当月新增贷款 1.09 万亿,明显好于去年同期,余额同比13.2%,与上月持平。细项看,居民按揭投放维持高位,企业中长期贷款投放较强,票据和短期贷款投放回升。

当月新增社会融资规模1.48万亿,余额同比12.6%,较上月小幅回落 0.1个百分点。贷款改善的同时,委托贷款延续低迷,企业债券融资较上月萎缩,未贴票改善。如果进一步考虑地方债、国债和外汇占款,广口径社融余额同比11.7%,小幅回落 0.2 个百分点。

货币信贷增速差的进一步走扩,显示金融去杠杆和资金“脱虚”进程仍在继续。

金融去杠杆对实体经济的影响

2013 年的“钱荒”, 曾导致金融市场广谱利率的攀升和社会融资量的下滑,这是随后总需求超预期大幅下滑的关键因素之一,或者说至少是促成这一转折的重要催化剂。此轮金融去杠杆同样带来了广谱利率的走高,但迄今社会融资规模的下降不明显。

这可能与清理整顿更多地集中在“虚拟经济”领域以及实体经济动能韧性的增强有关,同时也表明此轮金融去杠杆对经济活动造成的冲击有望更为温和。

在此之外, 还有一个需要留意的问题是,社会融资规模可能并没有包括实体部门融资渠道的全部。

例如此轮金融去杠杆以来,券商资管和基金子公司受到较大影响。 这其中的“虚拟经济”业务无疑受到了较大的冲击,但投向实体部门的那部分资金,可能同样受到影响,且未在社会融资规模中体现出来。

由于数据统计缺乏细节, 在测算中难以精确区分哪些资管业务属于投向实体的资金,哪些已经在社融中有统计,哪些资金存在多重嵌套问题等等, 因此想要作出更确定的结论,仍需要等待后续更多指标的发布。

4、外汇占款降幅收窄, 国际原油价格强势

8 月人民币相对美元汇率继续升值,幅度令人讶异。事后看,今年以来美元的持续下探, 中国经济前景改善以及金融去杠杆带来资产市场利率水平的显著走高, 为人民币贬值压力的缓解提供了重要的基本面背景,这是比较清楚的。

但更具体地看, 5 月下旬央行逆周期调节因子的引入, 似乎构成了关键的催化剂,自那以来人民币相对美元涨幅, 占到年初迄今全部涨幅的八成以上。央行外汇占款降幅也是逐月收窄, 8 月当月下降仅 8 亿人民币,贸易净结汇与资本项目净售汇的力量大体恢复平衡。

兑美元汇率脱离 7 区域, 大幅减轻了央行调控的压力。 9 月中旬远期购汇准备金率的下调,似乎暗示临时性外汇管控措施未来逐步退出的可能。汇率形成机制改革的进一步深化, 事实上也迎来了十分有利的窗口。

中短期之内,人民币走势仍需要留意美元反弹以及中国经济动能的阶段性下行风险。 但中长期之内,考虑到中国经济基本面回升的前景,人民币可能已经重新转入强势。

近期全球工业金属回调,但能源价格维持强势。布油升至 55 美元/桶以上,带动美油价格升至 50 美元/桶,两者价差快速攀升。

能源强势增加了农产品以及食品 CPI 的上行风险,需要警惕。 但考虑到页岩油供应的响应, 油价后续进一步上涨的动能也许逐步受到牵制,其中的时间差构成不确定性。

8 月欧日 PMI 高位震荡,美国 PMI 继续走高; 7 月 OECD 领先指标维持积极势头, 看起来全球经济动能仍然稳健, 在此背景下中国近期出口的减速幅度可能也比较有限。 发达和新兴权益市场 9 月以来维持强势,债市收益率总体上有所走低。

二、下半年的全球经济形势预判

1、新兴市场

今年,全球经济发展总体上都还不错,从资产上来说,股市一直领涨其他资产,全球股市从2017年年初到现在已经涨了9%,美国涨了30%,欧元区也涨了近20%,而且还有上涨的空间。

然而,下半年的股市,美国不会再是一枝独秀,其他新兴市场、欧元区都在奋起直追--关注欧美股市的人应该知道最近像法国CAC,德国DAX以及英国富时指数这些这些天一直都是红色,涨得不错,欧元区经济强势复苏,最近资金流入欧元区也比较强劲。加上今年市场上可能引起一些波动的因子比如英国脱欧开始谈判、特朗普的新政能否有效执行和德国10月份举行大选等等,因此也作为满足分散风险的需求,下半年需要对资产配置做出一定的调整。

金准数据建议投资者牺牲短期的流动性来规避一些短期政治风险以及经济波动的影响,因而推荐对全球性的长期的比如说可持续性行业的长期投资、对对冲基金的组合投资以及房地产投资,从总体上去避免一些尾部的风险。另外,由于全球经济在增长,所以短期的话周期性行业可能会好于防御性行业,长期的话看好三大主题:环境、医疗保健和自动化,所以环保、机器人、人工智能等板块可以作为投资的重点领域。从获利和降低风险双重角度来说,更加要做一个分散化的配置,可以以美国和欧洲为主,新兴市场适当进入,OECD国家也值得进行短期的投资。


2、外汇

外汇方面,三季度人民币有一个贬值的趋势,但是基本面还算稳健,和其他国家比虽然经济有些放缓,但是GDP增速相对较高,下行的压力主要来自于资金外流:在这个阶段,对于个人有海外消费的需求,企业可能也有全球并购的需求,而国家层面则有"一带一路"的策略需求,导致人民币大规模外流,而今年以来压力得到较大程度的缓释主要也是因为资本的管制,因此贬值相对温和。

欧元相对于美元也是一路走强的态势。欧元区经济在快速恢复,美国此次经济上涨2.2,欧元区是1.7,以往美国一般是欧元区的2倍,所以瑞银判断美元对欧元可能会到1.2,而人民币对美元应该会是7左右。

另外一个值得关注的是美联储9月份是否会再度加息,瑞银方面判断今年加息三次,也就是说9月份加息的概率非常的高,只要美国经济运行保持相对稳健,唯一影响这个决策的因素应该是通胀。


3、房地产

金准数据搜集了一下市场对于未来房地产的走向分析,基本能够达成的共识是:拐点已近。

在经历2015-2016年的暴涨之后,2017年房地产市场将迎来调整,同时政府对房地产调控的政策导向将贯穿整个2017年。从长周期来看,房地产行业的转折点已经出现。

这种观点认为,过去一年来疯狂的房价,源自于政府提出的房地产去库存化政策的引导与股灾后出逃却无路可去的资金的双方合力。而一线城市的房地产投机力量,已经带动了二线城市的疯狂——直接带动了整体房价的震荡。

而在这样的趋势之下,待今年四季度主导城市房价的疯狂蔓延至三四线城市后,整个房地产去库存化将在明年一至二季度提前完成,甚至,伴随着2017年国内人民币被动加息或变相加息的货币紧缩政策2017年中-2018年期间中国将步入2008年以来首次房地产衰退期。


如果说,这种观点有些极端的话,那么另外一个机构的分析来相对温和:过去中国房地产从无到有,房子对于人们来说是不够的,因此住宅投资一路高歌猛进,而近几年来人们也感受到房地产开发商正不断完善住宅质量,适应人们对于住宅的需求。

未来是一个消化存量的过程,如今中国房地产的存量每年都在增加,伴随着城市化进程不断发展,房地产作为投资品的需求在不断下降,将造成整体上房地产市场总量供需平衡,局部结构失衡。

过去是以住宅开发为主,城市建设为辅,房地产开发商拿到地就能赚钱,而竞争就在于谁能销售得更快,拿到更多的银行资金,就可以有更好的杠杆和业绩表现,这使得盈利模式变得非常粗犷。

但是在未来,房地产开发商能够创造需求、消化存量、将存量和资产运营好、提升其价值才是最重要的,所以,房地产投资开始从供给端变向需求端。

无论是哪种观点,其实大家都认同未来房价至少会在疯狂的涨势下暂停。新财富和腾讯理财通联合发布的调查结果显示,房地产成为众多机构投资者最不看好的行业之一。


4、二级市场

众所周知,从2015年开始,A股市场就在过山车之间让股民经历了一次暴风雨般的洗礼,但今年,81.25%的投资者依然把股票作为2017年财富增值的第一选择。

对于2017年的A股市场走势,由于“资产荒”背景下超发的货币总要有蓄水池,当股市跌到足够便宜,股市阶段性性价比逐渐突出,仍可能吸引市场的增量资金。

在当前时段,股市风险溢价已经回归到历史均值附近,配置价值逐步体现。新基建、核电、OLED、医药等高确定性的行业存在投资机遇。

从全球横向比较,A股估值历史分位较低,沪港通和深港通扩宽海外资金进入A股市场,同时A股纳入MSCI,海外资金加大A股配置是必然趋势。

而从国内大类资产比较,过去1年多房价、大宗商品、债市均已上涨,而股指仅为2015年高位的60%左右,银行理财、保险资金等已悄然加配权益资产。2017年的投资思路以价值股为底仓配置,国企改革、新兴消费和信息技术等领域都存在投资机会。


5、互联网金融

除了A股市场,互联网理财也获得了认可,和债券并驾齐驱,成为比较受欢迎的投资渠道。

尽管只有短短5年历史,但随着移动互联网技术的加速发展,金融行业也进入了互联网的生态链。高新科技的发展与大数据的融入,使得近几年互联网金融呈现出极强的发展势头,其中,互联网理财受到了个人投资者的热烈追捧。

统计数据显示,在经过2014年的井喷式增长后,2016年参与互联网理财用户数达到4.4亿人,资金规模27732.1亿元。这项数据其实并不难理解,众多资产在5万元以下的普通大众的理财需求长期被传统金融机构所忽视,而互联网理财的简单便捷与低门槛,催化了众多80后、90后理财意识的觉醒,让这一人群成为互联网理财蓬勃发展的最大推动力。

顺着这个逻辑数下去,随着80后,90后成为社会的中坚主力,未来5-10年间,互联网金融必然还有着广阔的想象空间和发展前景。到2020年中国互联网理财用户规模将达到6万亿人,规模也将突破6.5万亿元。行业规模的稳步提升意味着用户对互联网理财的熟悉程度达到高峰,标志着互联网将成为用户理财的常规渠道。

金准数据 对国庆旅游趋势的分析报告 2017-09-30 13:57:33

金准数据基于今年国庆中秋长假全国旅游市场情况,对旅游特征与趋势进行了如下分析。


一、收入、消费与假期


·居民消费十分之一花在旅游上


根据国家旅游局数据中心发布的《2017年上半年旅游统计数据报告》,上半年,国内旅游人数25.37亿人次,比上年同期增长13.5%。国内旅游收入2.17万亿元,增长15.8%。对比国家统计局的上半年宏观经济运行数据,国内旅游收入增速是上半年GDP增速6.9%的2.28倍,是全国居民人均消费支出增速6.1%的2.59倍,是人均可支配收入增速7.3%的2.16倍。


金准数据注意到,从人均消费看,上半年国人国内旅游人均花费855元,而全国居民人均消费支出8834元,相当于国人消费支出的近十分之一都花在旅游上。如果加上出境游,这一比例会更高。说明国人越来越愿意在旅游上消费。


·长假依然重要,8天占全年的14%


从近十年的数据看,国庆黄金周旅游人次持续快速增长,在旅游业中的占比很大。2017年国庆中秋长假,预计旅游市场将接待7.1亿人次,同比增长10%;旅游收入将达到5900亿元,同比增长12.2%。从人次看,一半中国人将以旅行的方式度过长假。


2017年全年国内旅游人次预计48.8亿,旅游收入4.4万亿元,国庆长假人次、收入占比将超过13%、14%。


因此,集中的长假对满足国民旅游权利、推动旅游消费和经济增长有积极作用。


二、谁更热衷在黄金周旅游消费?


·60%可能性是女性


女性成为黄金周出游主力,黄金周预定携程跟团游、自由行、邮轮、当地玩乐等产品出游的游客,60%是女性。


·60%可能性是80、90后



消费能力强、体力充沛的31-45岁(占比33%)、19-30岁(27%)人群成为黄金周出游主力军,占比达到6成。


·42%可能性是家庭为单位


黄金周出游的人群中,以家庭为单位占比最高,大多数家庭愿意花费重金犒劳孩子(32%)、孝敬父母(10%);其次是和朋友一起出游放松身心(22%);一些情侣则把黄金周当成了远走他乡度过二人世界的绝佳机会(20%);也有人选择独自上路,一个人看风景(6%)。


·70%可能性在手机APP预订下单


金准数据分析认为,我国移动互联网和智能手机的发展程度已经达到全球领先,国庆长假也成为“手机上的黄金周”。携程跟团游、自由行、邮轮、签证等订单统计显示,有超过70%的在线旅游者通过APP下单而不是网站。如果加上机票、酒店、火车票、门票,比例更高。除了预订,在行程中旅游者也通过APP随时购买当地旅游产品或者查询求助。目前,携程APP累计下载量已经达到30亿。


三、哪些省市的“出游力”、消费力更强?


• 50%可能性是来自二三线城市


今年十一,哪些地区的市民最热衷外出旅游?黄金周“出游力”排行榜显示,出游人数排名前20的城市是:上海、北京、深圳、广州、成都、武汉、杭州、南京、西安、天津、长沙、重庆、厦门、昆明、合肥、贵阳、青岛、济南、郑州、无锡。


上北广深依然是十一旅游的主力军。成都、杭州、南京、厦门、武汉、天津、西安在内的16个城市跻身出游“新一线”城市,特别是西部中心成都在出游规模上接近一线城市。西南、西北的几个中心城市西安、昆明、长沙、贵阳游客增长达到50%到100%。


• 出境游人均超过9000元


从客源地人均消费来看,2017年十一黄金周,通过携程预订跟团游、自由行产品,国内游人均费用超过3000元,出境游人均超过9000元。


人均消费最高的城市分别是上海、北京、沈阳、广州、大连、福州、深圳、武汉、成都、天津。与收入水平基本成正比,北京、上海两个“超一线”城市十一出游人均消费达到六七千元,与其他城市拉开差距,出境游消费更是超过万元。除此以外,杭州、南京、温州、无锡等长三角城市、青岛、广州等东南沿海城市消费水平较高。


四、目的地偏好:中国游客从日韩转向东南亚


• 40%可能性选择出境游


携程跟团游、自由行产品的统计显示,59%的游客选择国内旅游,41%选择出境游。


• 50%可能性是选择这十个省市


国内旅游度假哪里最受欢迎?根据携程旅游预订出行数据,省(直辖市)一级目的地中,北京、云南、海南、浙江、广西、福建、湖南、四川、上海、广东将接待最多游客。


• 8%的可能性选择去北京


哪些城市将呈现人山人海?今年旅游者预订携程度假产品到达国内340个目的地城市,预计接待游客最多的城市将包括北京、上海、杭州、三亚、昆明、厦门、桂林、成都、张家界、贵阳。有8%的游客选择去北京,分别有6%的游客选择上海、杭州。


• 出境游客预计600万人次


长假对出境游也非常重要。预计今年国庆中秋假期,我国出境游客预计超过600万人次。占全年出境旅游人次1.27亿的5%左右。


从携程旅游度假产品的订单看,在2017年国庆期间我国游客到达全球88个国家、1155个国内外城市。国家数量从去年的68个增加到了88个,增长近29%。长假旅游者到达全球更多新目的地。


·70%去亚洲地区旅游


根据携程跟团游、自由行、邮轮等出境业务数据,2017十一黄金周人气排名前二十的出境游国家(地区)依次是:泰国、日本、新加坡、越南、美国、中国香港、马来西亚、中国台湾、印度尼西亚、菲律宾、俄罗斯、澳大利亚、柬埔寨、加拿大、意大利、马尔代夫、德国、英国、阿联酋、斯里兰卡。


约70%中国游客在亚洲地区旅游。其中,东南亚的比例最高,超过45%,其次是港澳台地区、东亚地区(日韩)。东南亚占据前10名的目的地中的6个。


黄金周出境游泰、韩、日三足鼎立局面打破。中国赴韩国旅游降幅最大,预计同比降下降七成左右,赴韩游客以自由行为主。东南亚成为最大的受益者。


·20%去泰国人气最高


泰国是最热门的目的地国家,黄金周有20%的游客选择泰国。据统计,预计将有超过20000人预订携程泰国度假产品国庆出游。由于今年泰国打击低价团,纯玩团和自由行成为黄金周赴泰游主流选择。主要景点为曼谷、普吉岛、清迈等。


·三分之一选择去免签落地签国家


2017年中国护照的含金量大幅提升,根据外交部门的统计,对持普通护照的中国公民免签、落地签国家和地区达65个,相比去年国庆的57个增加了8个,增幅达到14%。


今年国庆人气最高前十大的免签、落地签目的地是:泰国、印度尼西亚、越南、俄罗斯、柬埔寨、马尔代夫、阿联酋、斯里兰卡、毛里求斯、尼泊尔。


五、黄金周消费升级:中国游客的新趋势


·44%出境游选择自由行 周边国家以自由行为主


金准数据认为,跟团游依然是我国出境游的主要形式,国庆长假,有45%的游客选择,特别是以家庭形式出游,以及年龄较大的游客倾向于选择团队游。二三线城市选择跟团游的比例也较高。国庆最受欢迎的前十大跟团游目的地国家是:泰国、印度尼西亚、美国、越南、俄罗斯、意大利、新加坡、澳大利亚、柬埔寨、阿联酋。


44%游客选择自由行,主要群体是80、90后以及情侣、蜜月旅行的游客。据携程统计,国庆假期,日韩、港澳台、东南亚海岛,中国游客自由行的比例超过跟团游。人气最高的自由行目的地是:中国香港、普吉岛、新加坡、东京、马尔代夫、大阪、清迈、沙巴、巴厘岛、冲绳。


·11%选择定制旅游


定制旅游成为中国游客特别是中高收入阶层出境游的新选择,今年国庆,订单占比约11%,同比增长200%。亲子(32%)、情侣夫妻(24%)、朋友同事(15%)、带父母(11%)出行的比例最高。根据国庆携程数以万计定制订单中的需求,今年黄金周旅游者最关注的十大关键词是:“私密”、“特色美食”、“避人潮”、“专属导游”、“无购物”、“慢节奏”、“老人小孩”、 “深度游”、“特色酒店”、“著名景点”。


·88%选择5钻、4钻产品


消费升级是今年出境游的一大趋势,游客更愿意把钱花在体验上,在吃住行游等方面追求品质与个性化。入住高星级酒店、行程体验升级的高等级产品最受欢迎。国庆长假,选择携程5钻、4钻度假产品的比例达到88%,其中52%选择4钻产品,选择5钻产品比例占到36%,选择3钻的比例12%。


•新目的地进入中国游客视野


摩洛哥、土耳其、阿联酋、捷克、芬兰、奥地利、德国(60%)、越南、柬埔寨、意大利成为2017年十一出境游十大黑马目的地,增速达到50%以上。其中前8个都是长线国家。中欧、北欧、中东、东南亚更多目的地被中国游客选择。


·中国游客关注点转向行中服务:最关注美食、交通、景点、购物


中国出境旅游者特别是自由行游客,最需要哪些服务?根据携程行中服务产品“微领队”大数据统计以及预测,出境游用户咨询求助最为集中的问题是:交通15.9%、景点17.0%、美食18.7%、购物10.0%。其他热点问题还有:天气4.4%、出入境1.4%、外汇1.5%、行李额0.5%、可携带物品1.4%。有意思的是,“结伴”也是旅游者一大的需求,为此携程微领队提供了“旅途结伴”和“全球聚会”等服务。


出境旅游者的服务需求和预订行为正在从行前转向行中。通过微信群或者APP提供即时服务的“微领队”,也成为出境游的“标配”。据统计,2017年“微领队”服务的游客突破1000万,服务的反应速度也提高了以“秒”为单位。

金准数据 神经网络与深度学习研究报告(下) 2017-09-29 17:10:27

五、改进神经网络学习方法

理想地,期望我们的神经网络能从自己的错误中快速地进行学习。

神经元通过改变权重和偏差的来进行学习的学习速度由成本函数的偏导数(和)决定,所以学习速度慢的根本原因是:偏导数太小。

1、交叉熵成本函数

交叉熵成本函数定义如下:

对权重w的求导结果为(n为训练样本数):

根据上面的求导公式,则避免了在二次成本函数中由导致的学习速度慢问题。


2、 推广交叉成本函数

把交叉成本函数推广到具有多个神经元的多层网络中,则交叉成本函数变为:

与二次成本函数相比,唯一不同的是的计算方法,其它计算方法完全相同。

3、交叉熵的含义

粗略地说,交叉熵是“不确定性”的一种度量。特别地,我们的神经元想要计算函数x-> y = y(x)。但是,它用函数x->a = a(x) 进行了替换。假设我们将a 想象成我们神经元估计为y = 1 的概率,而1-a 则是y = 0 的概率。那么交叉熵衡量我们学习到y的正确值的平均起来的不确定性。如果输出我们期望的结果,不确定性就会小一些;反之,不确定性就大一些。


4、Softmax(柔性最大值)

Softmax+log-likelihood(对数似然)成本函数:在现代图像分类网络中最常用。

Softmax为神经网络定义了一个新的输出层,即它的激活函数不再是Sigmoid,而是Softmax函数。

Softmax的每个神经元的输出都为正,且它们的和为1。所以Softmax层的输出可以看作一个概率分布。

Softmax相比,Sigmoid层的输出不能形成一个概率分布,且没有一个直观、简单的解释。


Softmax如何解决学习速度慢的问题?

从以上梯度公式中可知,对于解决学习速度慢的问题:【Softmax输出层+对数似然成本函数】与【Sigmoid输出层+交叉熵成本函数】效果相当。

在二者间如何做出选择呢?

当你需要把输出当做概率解释时,则需要使用【Softmax输出层+对数似然成本函数】。


六、 过拟合和规范化

1、 过拟合(Overfitting)

在神经网络中,过拟合(Overfitting)是一个主要问题。此问题在现代网络中特别突出,因为现代网络有大量的权重和偏差。为了进行有效的训练,我们需要一个检测是否过拟合的方法,以防止过度训练(Overtraining),并且我们还需要可以减少过拟合效果的技术。

最直接的检测过拟合的方法是:跟踪测试数据在训练过的网络中的准确性。如测试数据分类的准确性不再改善,我们应当停止训练;或测试数据分类的准确性和训练数据分类的准确性都不再改善,我们应当停止训练。

如果对训练样本过拟合,则其推广能力就差,导致对新的数据的预测或分类的准确性变差。


2、 规范化(Regularization)-减少过拟合

增加训练数据是减少过拟合的方法之一。

规范化(Regularization)也是减少过拟合的方法之一。有时候被称为权重衰减(weight decay)或者L2 规范化。L2 规范化的思想是增加一个额外的项到成本函数中,这个项叫做规范化项。规范化的交叉熵如下:

C0是原来常规的成本函数。 如果较小,我们期望最小化原始成本函数;如果较大,我们期望最小化权重。

则可得:

可进一步得到:


3、 为什么规范化可以减少过拟合

权重越小,复杂度就越低;可以为数据提供更简洁更有力的解释。

当有异常输入时,小的权重意味着网络输出变化不大,即不易学习到数据中的局部噪声。总而言之,规范化网络基于训练数据的主要规律,从而创建一个相对简单的模型,并且拒绝学习训练数据中的噪声(异常数据)。这样强制网络学习数据的本质规律,并把学到的规律进行更好地推广。


七、 权重初始化

可加快学习速度。

假设输入层有1000个神经元,且已经使用归一化的高斯分布初始化了连接第个隐层的权重。如下图所示:

为了简化,设输入层一半神经元值为1,另一半为0。让我们考虑隐层神经元输入的带权和z:

其中500项消去了,因为对应的输xj 为0。所以z 是包含501个归一化的高斯随机变量的和,包含500个权重项和1个偏差项。因此z本身是一个均值为0、标准差为(方差为501)的高斯分布。它是一个非常宽的高斯分布,根本不是非常尖的形状:

注:若随机变量X服从一个数学期望为μ、方差为σ^2的高斯分布,记为N(μ,σ^2)。

正态分布的期望值μ决定了其位置,其标准差σ决定了分布的幅度。

标准正态分布服从N(0,1)

两个都服从正太分布的变量,例如X服从N(a,b),Y服从N(c,d),且X和Y相互独立,则有:

· X+Y服从N(a+c,b+d)

· X-Y服从N(a-c,b+d)

即两变量相加减时,期望相应加减,方差始终是相加。

从上图上可以看出|z|会变得很大,即z>>1或z<<-1。如果这样,隐层神经元的输出就会接近1或者0,即隐层神经元进入饱和状态了。即隐层神经元的输出将非常接近于0或1。在这种情况下,权重的修改对隐层神经元的输出激活值影响很小,从而对下一层的隐层神经元、直到对输出层的神经元的输出都很小,从而导致学习速度慢的问题。

(注:输出层神经元饱和于错误值也会导致学习速度慢的问题,这可以通过选择成本函数<如交叉熵>来避免,但选择成本函数的方法不能解决隐层神经元饱和的问题)

从以上分析可知,如果隐层神经元的权重服从N(0,1)分布,它将导致隐层神经元的激活值接近于0或1,并且导致学习速度下降,如何解决此问题呢?

通过选择更好的初始化权重和偏差可以解决此问题。

答案是:初始化权重服从N(0,1/)分布,偏差服从N(0,1)。其中表示此层神经元输入权重个数(即此隐层神经元的输入神经元个数,如上例中=1000)。权重之后为:,其服从N(0,3/2)。

方差的计算方法:500*1/1000+1=1500/1000=3/2。其图形非尖,如下图所示:

此神经元饱和的可能性很低,从而导致学习速度慢的可能性也很低。


八、 神经网络可以计算任何函数

“神经网络可以计算任何函数”的真正含义:

· 不是说一个网络可以被用来准确地计算任何函数,而是我们可以获得尽可能好的一个近似。通过增加隐层神经元的数量,可以提升近似的精度。

· 可以按照上面的方式近似的函数类其实是连续函数。如果函数不是连续的,也就是会有突然、极陡的跳跃,那么一般来说无法使用一个神经网络进行近似。

总而言之:包含一个隐层的神经网络可以被用来按照任意给定的精度近似任何连续函数。


九、问题剖析

1、为什么训练深度神经网络比较困难?

对于学习算法,前面使用的是苦力般的学习方法(基于反向传播的随机梯度下降)来训练深度网络,这样产生的问题是:深度神经网络并不比浅层网络性能好太多。

其根据原因是:在深度网络中,不同层的学习速度差异很大。尤其是, 在网络后面层的学习速度很好的时候,前面层在训练时停滞不变,基本上学不到东西;或先前的层学习的比较好,但是后面层却停滞不变。其停滞不前的原因是学习速度下降了,学习速度下降与基于梯度的学习方法有关。

实际上,我们发现在深度神经网络中使用基于梯度下降的学习方法本身存在着内在不稳定性。这种不稳定性使得前面或者后面层的学习速度受到抑制。在真正理解了这些难点之后,我们就能够获得有效训练深度网络的更深洞察力。

在某些深度神经网络中,在我们在隐层BP的时候梯度倾向于变小。这意味着在前面的隐层中的神经元学习速度要慢于后面的隐层。在多数的神经网络中都存在着这个现象,这个现象也被称作是:消失的梯度问题(Vanishing Gradient Problem)。

在前面层中的梯度会变得非常大,这叫做:激增的梯度问题(Exploding Gradient Problem),这也没比消失的梯度问题更好处理。更加一般地说,在深度神经网络中的梯度是不稳定的,在前面层中或会消失,或会激增。这种不稳定性才是深度神经网络中基于梯度学习的根本问题。


2、消失的梯度问题的根本原因?

深度神经网络中的梯度不稳定性。由于梯度的值小于1,在随机梯度下降算法中,前面层的梯度由后面层的梯度参与相乘,所以造成前面层的梯度很小,后面层的梯度依次变大。从而造成了梯度的不均衡性。

十、卷积神经网络(CNN)

CNN(Convolutional neural networks):使用了一个特殊架构来进行图像分类。

它的三个基本概念为:局部感受野(Local receptive fields),共享权重(Shared weights),和混合(Pooling)。

1、基本概念

1) 局部感受野

在之前的全连接网络中,输入被描绘成纵向排列的神经元,但在卷积神经网络中,把输入看作28 x 28的方形神经元排列。第一个隐层中的每个神经元只与输入图像的一个小区域(如5x5)连接,这个输入图像的小区域叫做隐层神经元的局部感受野(Local receptive fields)。如下图所示:

每个连接学习一个权重,且隐层神经元也学习一个总的偏差。即此隐层神经元正在对输入图像的此区域进行学习、了解。一个隐层神经元与一个局部感受野一一对应,即每个隐层神经元有:5x5个权重和1个偏差

如上图所示,对于一个28x28的输入图像,如果局部感受野的大小为5x5,则第一个隐层中有24x24个神经元。



2) 共享权重和偏差

每组24x24个隐层神经元使用相同的权重和偏差。即对于每组中的第(j,k)隐层神经元,其激活值为:

即每组有5x5个权得和1个偏差,其26个需要学习的参数。这表示第一个隐层中的所有神经元在输入图像的不同地方检测相同的特征。(图像具有平移不变性)

· 特征映射:从输入层到隐层的映射。

· 共享权重:定义特征映射的权重。

· 共享偏差:定义特征映射的偏差。

· 卷积核或滤波器:共享权重和偏差。

为了做图像识别,需要多个特征映射,且一个完整的卷积层由多个不同的特征映射组成,如下图包含三个特征映射:

上面20幅图像对应20个不同的特征映射(或滤波器、或卷积核),每个特征映射用5x5方块图表示,对应局部感受野的5x5个权重。白色表示小权重,黑色表示大权重。

共享权重和偏差最大的优点是:大大减少了网络中参数的数量。如全连接网络的参数是卷积网络参数的30倍左右。(卷积网络20个特征:20x26=520, 全连接20个隐层神经元:20x784=15680)


3)混合层

卷积神经网络除包含卷积层之外,还包含混合层(Pooling Layers),混合层在卷积层之后,它的职责是简化(总结)卷积层输出的信息。

混合层根据卷积层输出的所有特征映射,然后提炼出新的特征映射。


4) 完整的卷积神经网络

最后一层与前面一层是全连接,其连接数为:3x12x12x10。

卷积神经网络与全连接神经网络的架构不一样,但其目标是一样的, 它们的目标为:使用训练数据训练网络的权重和偏差,然后对输入的图像做出正确的分类。

金准数据 神经网络与深度学习研究报告(上) 2017-09-28 17:21:50

在人工智能深层神经网络一系列惊人的学习中,从识别系统和推理逻辑图像中,随着任务和网络架构变得越来越复杂,神经网络在越来越多的现实世界应用中的使用,了解其原理就越来越重要。

实际上,深度学习(Deep Learning)就是现代人工智能的核心技术。谷歌、微软与百度是现代人工智能领域的“三巨头”。它们拥有海量数据以及DNN技术,比如:2012年11月,微软(中国)在天津的一次会议上公开演示了一个全自动的“同声传译”系统,讲演者用英文演讲,后台的计算机一气呵成,完成语音识别、英中机器翻译,以及中文语音合成,效果非常流畅。微软使用的就是深度神经网络技术。

金准数据将通过两篇连载报告带您了解神经网络和深度学习的关系。


一、感知器与神经元

1、感知器(Perceptrons)

感知器工作原理:接收一系列二进制输入,经过特定的规则计算之后,输出一个简单的二进制。

计算规则:通过引入权重(weights)表示每个输入对于输出的重要性,则有

 w⋅x=∑jwjxj,b=-threshold,则有

 w是权重,b是偏差。


2、 Sigmoid神经元(Sigmoid Neurons)

为了使学习变得可能,需要具备的【学习特征】:权重或偏差有较小的变化,导致输出也有较小的变化。如下图所示:

感知器网络存在的缺陷是:某个感知器较小的权重或偏差变化,可能导致输出在0与1之间进行翻转。所以包含感知器的网络不具备【学习特征】。

   幸运的是:Sigmoid神经元具有此【学习特征】,即其较小的权重或偏差变化,导致其输出变化较小。

Sigmoid函数:

Sigmoid神经元输出:

 感知器与sigmoid神经元的差别:

· 感知器只输出0或1

· sigmoid神经元不只输出0或1,而可输出[0,1]之间的任意值


二、神经网络架构

1、 手写数字识别

训练图像大小为28x28,每个训练图像有一个手写数字。

在输出层,如果第一个神经元被激活(即其输出接近1),则此网络认为此手写数字为0;如果第二个神经元被激活(即其输出接近1),则此网络认为此手写数字为1;其它以此类推。


2、算法描述

x表示训练图像,则x是一个28x28=784维列向量。

表示输入图片x是数字6   。

    需要寻找一个算法来发现w和b,使其输出接近标签值,为了量化接近程序,定义如下成本函数:

此成本函数中,w和b为变量

注:hidden layers和output layer中的每个神经元对应一个组w、b。


(1)学习目标

如何找到满足要求的w和b:答案是梯度下降法(Gradient Descent):

· 最小化二次成本函数

· 检测分类的准确性

 学习目标:在训练神经网络中,找到使二次成本最小的w和b的集合。


2) 梯度下降更新规则

此规则用于在神经网络中学习参数w和b


3)算法推导(梯度下降法: gradient descent)

要求极小值,先讨论具有2个变量的简单情况,然后再推广:

 为梯度向量,则有:

总之,梯度下降法是:重复计算梯度,然后向相反的方向移动(即下坡最快最陡的方向),如下图所示:

上面讨论了只有两个变量的情况,现在推广到m个变量的情况,对应公式如下:

4) 随机梯度下降法(Stochastic Gradient Descent)

为不减少计算量,把n个学习样本分成很多组,每组有m个学习样本,每次只计算一个组,则有如下推导:

w和b的更新规则为:

注:如果m=1,则为在线学习。


5) w和b的数量

对于hidden layers和输出层的神经元,每个神经元对应一个w向量和一个b,w向量的维数是其输入神经元的数量。第一层神经元没有w和b,其值直接输出。

第一层就表示原始图像数据,这些数据不经任何处理,直接作为Xj参与第二层的运算,第二层首先基于每个Xj,计算其z(z=wx+b),然后计算出sigmoid(z),以此类推。直到最后一层,利用BP算法,先计算最后一层w和b的梯度,然后以此向前,直到计算出第二层的梯度为止。


三、BP算法(反向传播算法)

BP(Backpropagation Algorithm) :是一个计算成本函数梯度的算法。

需要基于每个训练样本计算每一层的w和b的梯度,从而更新每一层的w和b。

BP的真正目标:是计算每个样本的偏导数:


1) 定义标记符号

则有激活值的如下公式:

函数向量化有如下形式:

即函数对向量的每个元素分别计算,然后生成对应的向量。

则上面的函数向量表示为:


2、 公式推导过程

1) 计算激活值

2)最后一层(L层)的二次成本函数

3) 单个训练样本(x)的二次成本函数

4)定义误差

5) 定义输出层误差

6)求最后一层(L层)激活值的偏导数

7)根据最后一层的误差计算前一层的误差

8) 计算目标值

9)BP的四个基本方程式

     

3、 证明四个基本议程式

1)证明BP1

2) 证明BP2

4、 BP计算过程

四、 SGD(随机梯度下降)计算过程

金准数据 最新房地产政策走向分析报告 2017-09-27 17:21:44

9月22、23日,西安、重庆、南昌、南宁、长沙、武汉等城市先后出台楼市新政。此前没有出台限购限贷限售政策的城市,或政策力度未及其它城市的,在此次进行了相应的加码。多数城市均将限售作为本次政策的核心聚焦点。也有评论人士指出,包括限售限价在内的措施已经使得商品房炒房的属性大大降低,无形中起到使商品房经济适用房化的功效,限购、限售和限贷等措施正成为历史选择的中国大城市楼市新长效机制。

金准数据透过全国住宅市场数据,剖析上半年住宅市场的发展情况,并结合政策及市场内部因素对下半年住宅市场的运行环境及走势作出预测。


一、上半年市场分析

2017年上半年,持续收紧的楼市调控令市场热度有所降温,开发投资增速也于2季度出现环比回落。上半年全国房地产开发投资同比增长8.5%,增速虽比去年同期增长2.4个百分点,不过与一季度相比回落0.6个百分点;其中住宅投资增速比去年同期增长5.6个百分点,但较上季度回落1个百分点。

就成交情况来看,上半年全国住宅新房成交面积64,791万平方米,同比增长13.5%;成交均价为7,609元/平方米,同比上涨3.9%,涨幅明显回落。

今年以来,热点城市在房地产调控方面进一步加码收紧,史上最严、覆盖最广的“限购、限贷、限售、限价、限商”等政策充分表明政府调控决心,使得热点城市住宅市场热度迅速下降,成交量明显回落,价格逐渐走稳或回调;与此同时,热点城市严格的调控政策也使得资金或需求向非热点城市转移,包括环热点城市在内的三四线城市库存去化加快,为上半年全国住宅成交量的增长作出贡献,而上半年表现突出的地区或因此面临局部调控的压力。

1、对一线城市的影响

从聚焦一二线城市的24城数据来看,2017年上半年销售面积较批准上市面积高出2,293万平方米,供销比为0.79,供不应求的局面凸显。一方面由于市场上依然存在一定的看涨情绪,更重要的原因则是供应端管控带来的影响——政府通过预售阶段的价格管控令新房价格处于相对合理区间,影响开发企业推盘积极性,也进一步减缓供应。结合月均成交量分析,上半年月均成交量与过去两年相比明显回落,一线城市月均成交量达五年来最低点,发达和普通二线城市也均低于过去2年水平。

从价格走势来看,在房价已然位于高位的一线城市,大量备案的低价盘平抑全市住宅价格,新房成交均价呈现平稳回落迹象;而多数二线城市在供需矛盾突出的情况下仍然存在价格上探预期,即便伴随成交热度逐渐退却的情况,价格依然稳定且小幅上涨。

2、对二三四城市的影响

此轮以二线城市为主的密集调控出台前,楼市调控已经向三、四线城市蔓延。其中,限售成为本轮调控有别于以往调控周期的一大特征。

三四线城市市场升温,令一直以来较大的库存压力得以缓解,待售面积被快速去化,截至上半年末,全国住宅待售面积较去年年末减少5,088万平方米,仅为35,169万平方米。张晓端女士认为,从长远来看,随着调控效果的深化及预期的日益明朗,资金流动回归理性,三四线城市成交热度亦将回落,预计去划速度也将因此放缓。

从当前限售城市来看分为全面限制和分类限制,此轮限售政策具有精准化的特点。例如,从时间期限来看,有2年限售的、有3年限售的、有5年限售的,有从2年升级到3年的,甚至有特定项目5年、10年限售的;从范围来看,有针对户籍性质进行限售规定的,有针对城市内部不同区域进行限售规定的,有针对新建商品房和二手住宅进行规定的。

限售政策对需求端口最大的影响就是改变此前“急买急卖”的短期持有心理,通过降低交易频次、消除短期获利心理,达到抑制市场不理性需求。其中全面限制城市中,石家庄限售期限最长,新购住房(含新建商品住房和二手房)的,五年内不得上市交易,购房时间以交易合同网签备案时间为准。

各线城市环比均有不同程度上升,一二三线城市同比均降。环比来看,一二三线城市均有所上升。同比来看,二三线城市降幅相近,一线城市降幅明显高于二三线城市。


二、下半年发展分析预测

在坚持‘去杠杆’、资金‘脱虚向实’的背景下,房贷利率提高、房企融资渠道收窄,针对房地产市场的金融环境将持续收紧。而考虑到调控效力初显,为深化巩固调控成果,年内多维度、广覆盖的房地产调控难以放松。

1、从城市的角度

进入下半年,一线城市房价全面止涨。据数据显示,8月一线城市新建商品住宅和二手住宅价格环比均下降0.3%。期中,北京、上海、广州、深圳新建商品房价格同比降幅分别为4%、5.2%、3.6%、1.5%。二手房价中,一线城市呈现稳中有降态势。广州指数环比持平,而7月广州指数环比仍上涨,北京、上海、深圳环比分别下跌0.9%、0.2%和0.2%。

结合当下调控对于楼市降温的效果已经呈现,下半年随着调控效力的进一步深化,预计价格走向会趋于平稳,甚至不排除局部回调的可能。

随着政策及市场走向更加明朗,三四线城市热潮将逐渐消退,市场回归理性。长远来看,短期调控与长效机制相结合,平稳的市场环境有利于长效机制的介入与作用。诸如热点城市加大土地供应、建设发展特色小镇、大力推动租赁住房市场等一系列房地产长效机制和基础性制度建设将引导房地产市场逐渐走向长期稳定。


2、从投资的角度

1)三类投资客将离场

新建商品房从购房到拿到不动产证一般需要一两年的时间,如果限售使得该房产获得不动产证后两年才能上市交易,那么这套房产从购买到出售需要等上好几年,这对短线投资者来说,无疑是个巨大的打击。一般投资客都会找周转得比较快的物业来投资的,限售之后,这些房子失去流动性,投资客入市的概率就小了很多。

对此,金准数据认为,从个人投资投机者来看,当市场调整期与风险来临之后,资金在各个城市间的轮动效应也结束,房价上涨预期打破,有三类投资投机客将退场:

· “加杠杆”入市的散户

· 运营状况不佳的私营企业主

· 置换、移民海龟等特定需求的群体


这一轮楼市“全民炒房”局面的出现和“散户”入市密不可分。他们拿出压箱底的资金入市,不顾一切投资买房,甚至有部分“散户”加杠杆操作投资。毫无疑问,当2017年下半年市场调整期来临之时,也是这部分“散户”无法承受房价止涨甚至下跌、加杠杆的资金成本等压力之时(加杠杆资金的期限一般为12个月左右,少部分24个月,今年下半年刚好是去年上半年加杠杆入市资金到期的日子),届时,去年上半年以来加杠杆入市的“散户”开始面临资产贬值的压力,下半年将会出现抛售资产的状况。

此外,运营状况不佳的私营企业主可能舍卒保车,抛售一部分前期投资的房产,缓解企业运营压力。另外一些换房、海外移民等特定人群可能会通过抛售置换资产配置。

值得关注的是,限售一来,对上述“加杠杆”投资投机客来讲,即使遭遇资产缩水的状况也不能用“快进快出”的方法解决资金需求问题,房产成为真正意义的“不动产”。而对于银行来说,锁定2016年下半年以来处于高位的房贷资产,不让它交易,不让它出现贬值,防止由于房价下降而带来的银行系统性金融风险,这样银行这端因为“限售”暂时处于安全地位。

稳定房价之后,接下来则是房地产调控的长效机制上台,届时,高房价、高地价、炒房、蜗居,买不起房等市场痛点或许会得到缓解。


3)刚需置业者迎来利好

对于北京、广州这些大城市来说,限售直接影响到二手房的买卖,使得市场上可售的二手房房源减少。然而虽然房源少了,但保证了市场的稳定发展,对刚需置业者来说也是一种利好。

但是,没有任何人知道什么时候房价到底,刚需客可以先观望一段时间,无需急着入市。

金准数据建议,刚需者需要建立一个自己的底线,可以先花2-5个月的时间来观察行情以及选房,一旦发现达到这个底线的房源出现的时候,迅速出手。





3、从市场的角度

1)住宅限售扩容

楼市限售起源于今年,并在半年多的时间内迅速铺开,直达三、四线城市。第一轮楼市限售有保定白沟、青岛、福建长乐等多城跟进;第二轮楼市限售则来自于上周的重庆等8个城市。

综合限售的内容来看,在个人购房端方面,一般新购买住宅需要取得不动产证满两年后方可转让或办理析产手续;在企事业单位、社会组织等法人端方面,一般需要取得不动产证满3年后方可转让。当然,各个城市会根据自身情况制定具体政策,包括限售长达10年之久的政策。

简言之,如果你买到了新房,大约两年时间才能拿到现房,拿到房产证后两年才能上市交易,一笔购房起码要冻结3年或者4年以上时间。如果一旦遇上房产证下发时间拖延,导致无法最快拿到房产证,可能则需要更长时间。

44个城市限售,意味着中国70个大中城市一半以上的房地产市场活跃性将快速降低,留下来的则是套在房产里动弹不得的,还有看好某座城市发展,又有大笔闲钱的人。而对于投资客来说,交易时间的拉长意味着不确定性和风险的增加,如此一来,敏感的资金一定会离开。

除此之外,楼市“限售”时间长度的界定与楼市调控政策执行的时间、市场周期的时间、银行个人按揭资产风险的压力、投资渠道等等诸多因素密切相关,“限售”时间并非任意制定。待楼市长效调控机制相关措施,比如不动产登记、房地产税立法等在未来2年-3年(限售期限基本匹配)完成之际,对于存量房的相关交易环节、持有环节的税收政策也会来临。


2)各地信贷管理监控紧随

房地产金融端口持续收紧,继北京、深圳、江苏后,广州也发文要求加强个人消费贷款管理,防范信贷资金违规流入房地产市场。9月广州发布《关于消费贷管理、防范信贷资金违规流入房地产市场》的通知,强调收紧个人消费贷、严禁违规流入房地产市场。此前江苏、北京等地也发文要求加强消费贷管理。同时针对北京地区多家银行近期相继上调首套房贷款利率,人民银行营业管理部回应称,房贷利率调整符合政策要求和导向并积极支持。

8月以来,北京、深圳等地监管部门也发出通知或情况通报,对消费贷流入地产开展调查。北京银监局要求对单笔贷款金额20万元以上的个人消费贷款、单笔贷款金额100万元以上的个人经营性贷款等开展重点自查。

9月26日,为配合南昌市政府出台的限购限售等调控政策,切实发挥信贷调控作用,遏制房地产泡沫和投机投资需求,促进房地产市场健康发展,江西银监局联合人民银行南昌中心支行紧急下发《关于加强个人非按揭类贷款管理防范信贷资金违规进入房地产市场的通知》,督促辖内银行业严格执行房地产调控政策,进一步加强个人非按揭类贷款管理,严防借款人通过非按揭渠道违规融资用于购房,严禁发放以住房为抵押且无明确用途的贷款。同时,紧急部署开展个人非按揭类贷款违规进入房地产市场检查。

房地产平稳健康发展基调之下,就政策力度而言,限售明显宽于限购、限贷,不会对真实的自住型需求造成影响。在短期内,限售或许会造成成交量回落,但成交量不会断崖式下跌。去库存任务艰巨的三四线城市出台限售政策,保证市场仍有一定的成交量。信贷方面相对严格控制,合理把握个人消费贷款的投放规模、投向、结构、节奏、切实加强风险管控。商业银行要合理把握个人消费贷款的投放规模、投向、结构、节奏、切实加强风险管控。

金准数据 2016年云计算市场分析报告 2017-09-25 17:10:38

今天,在IT技术变革的时代,云计算已经成为行业的“新潮流”。如果说,共享经济正处于互联网的风口,那么云计算就是处于IT行业的风口。

从全球市场来看,美国的云计算一家独大,有着亚马逊AWS、微软Azure和谷歌云以及IBM等诸多云计算大厂商。他们在全球市场独领风骚,傲视其他玩家。并从美国市场向其他市场进军,比如中国。


一、基本概念

云计算最早于2006年出自Google CEO Eric Schmidt之口,自从2006年3月,亚马逊推出弹性云计算服务之后被广泛传播,最终成为定义当前信息技术变革大潮的名称,通常认为,云计算是一种通过网络统一组织和灵活调用各种ICT信息资源,实现大规模计算的信息处理方式。云计算利用虚拟化等技术,通过网络将分散的ICT资源(包括计算与存储、应用运行平台、软件等)集中其阿里形成共享的资源地,并以动态按需和可度量的方式向用户提供服务。

经过十多年的发展,云计算已经从概念阶段逐步走向了实践阶段。如果把云计算市场分门别类,横向分就是巨头和新秀;纵向分公有云、私有云、混合云、托管云,各个领域里有垂直的玩家,也有跨界的玩家。有数据显示,在2006年全球2900万项IT工作负载中,有98%是在传统IT工作负载增加带了1.6亿项,其中在传统IT、公有云、私有云的分布比例已经达到73%、15%、12%,承载在云上的IT负载已经占到了整个的四分之一以上。

十多年来,业界对云计算的认识和定义不断深化,也带来了IT产业的深刻变革。从技术视角来看,云计算是大规模信息系统的革命化进步。云计算技术带来更大规模、更高效率(运行更快,更稳定)的新一代信息系统,实现更灵活的系统架构,更精细的系统运营,更贴近用户的使用环境。从理念视角来看,云计算是信息化建设从构建设施向寻求服务的转变。云计算强调用户主导、需求驱动、按需服务、即用即付,具有专业化,规模化和显著的成本优势,驱动用户从以往自建自用的ICT消费模式向服务模式转变。从影响视角来讲,云计算已成为以大数据、互联网、人工智能等技术的信息基础设施。云计算以其低成本、便捷化、可扩展性高等特征,为大数据、互联网、人工智能的发展提供了切实的技术保障。


二、中国云计算市场发展状况

1、我国云计算市场规模

我国云计算市场总体保持快速发展态势。2015年我国云计算整体市场规模达378亿元,整体增速31.7%。其中专有云市场规模275.6亿元人民币,年增长率27.1%,预计2016年增速仍将达到25.5%,市场规模将达到346亿元人民币左右。

中国专有云市场规模及增速(单位:亿元人民币)

我国公共云服务逐步从互联网向行业市场延伸,2015年市场整体规模约102.4亿元人民币,比2014年增长45.8%,增速略有下滑。预计2016年国内公共云服务市场仍将保持高速增长态势,市场规模可望达到近150亿元人民币。

 

中国公共云市场规模及增速(单位:亿元人民币)

2、市场体量

IaaS、PaaS和SaaS都算上的话会突破20亿美金。据统计,2016年整个中国云计算IaaS市场可以突破12亿美金,把IaaS、PaaS和SaaS都算上的话会突破20亿美金。一直到2020年之前,这个复合增长率可能会接近30%。”


3、我国云计算细分市场分析

国内专有云市场中硬件市场占主导。2015年专有云市场中硬件市场约200亿元,占比72.6%,软件市场约41.6亿元,服务市场约33.9亿元。据中国信息通信研究院调查统计,70%企业采用硬件、软件整体解决方案部署专有云,少数企业单独采购和部署虚拟化软件,硬件厂商仍是私有云市场的主要服务者,其中国内设备厂商已经占据半壁江山。从用户角度来看,企业选择专有云的首要原因是可控性强,安全性好,但大多数企业并没有把核心业务系统运行在专有云上,企业管理系统是专有云承载的主要应用。在使用专有云的企业中,70%以上的企业将企业管理系统承载在专有云上,只有约四分之一的企业选择将核心业务系统承载在专有云上,未来企业应用将加速向专有云迁移。

中国专有云市场构成

IaaS服务得到国内企业用户的充分认可。2015年国内IaaS市场成为游戏、视频、移动互联网等领域中小企业IT资源建设的首选,市场规模达到42亿元人民币,与2014年相比增长60.3%,预计2016年仍将保持较高的增速。从应用形式来看,云主机、云存储用户采用率最高,使用比例70%以上,同时也有70%以上的企业表示未来将会采用云主机或云存储服务,并且云存储的比例将进一步提升。

公共云细分市场规模(单位:亿元人民币)

PaaS服务成为互联网创业的重要平台。由于低成本、快速、灵活的特点,并为开发者提供丰富的API接口,PaaS平台成为互联网创业者的首选。到2014年6月,腾讯开放平台已为超过500万开发者服务;新浪SAE拥有53万活跃开发者,2015年推出免费100MB空间、10GB存储空间及缓存、域名绑定等服务为开发者提供“零成本创业”。同时,为了吸引开发者,云服务商通过开发者大赛、开发者沙龙、孵化器等线上线下相结合的方式招募开发者,不断扩大市场。从用户应用来看,市场需求正从最初的搜索/地图引擎服务、web服务逐渐向大数据分析、安全监控等服务转变。

国内SaaS市场仍然缺乏领导者。从市场规模看,2015年SaaS市场规模达55.3亿元,远超过IaaS和PaaS市场的总和,增长率为37.6%,与2014年的15.2%相比,增速大幅提高。在ERP、CRM等核心企业管理软件服务领域,国际厂商占据主要市场份额,缺乏有力的国内竞争者,虽然畅捷通、国信灵通等国内企业都开始提供相应产品,但从产品水平、技术能力等方面,仍无法与Salesforce、Oracle、IBM等国际厂商竞争。从用户应用来看,据中国信息通信研究院统计,在采用SaaS服务的企业中,有将近70%使用云邮箱、统一通信平台等基础通讯软件服务,且大多数是免费服务,采用ERP、CRM等企业管理软件服务和专业的行业应用软件服务的用户均低于50%。


三、中美云市场对比

在美国基本上都是公有云。AWS、谷歌、微软还有Oracle,基本占据了美国全部的云市场。在中国,现阶段能明显感受到大型企业对于私有云的需求是非常旺盛的。所以在产品线和解决方案设计时,针对三种不同规模的企业,有不同解决方案。中小企业是公有云,超大型企业是私有云、混合云,中型企业(如城商行、农商行)不一定有自己的数据中心,是有针对性的提供托管云服务。

当一些中小企业成长起来之后,比如借贷宝,它的用户增长量非常大,当公有云支撑它的业务不再具备成本优势时,他会考虑搭建自己的私有云。可能会把核心业务、涉密数据库放在私有云;把前端、APP、大数据分析之类,需要动态调度资源的会放在公有云里,由此形成混合云环境。


四、云计算趋势

中国云计算市场分为三个发展阶段:

· 第一阶段,2013年是中国云计算服务市场的元年,2013-2015年是市场培育期,这阶段的特点是上云的用户基本以互联网业务为主;

· 第二阶段,2016-2020年,互联网和传统企业领域这两个市场齐头并进,互联网市场份额占比稍大,传统行业开始觉醒;

· 第三阶段,2020年之后,传统企业上云渐渐会占主流。

据预测到下一个阶段,服务商市场会逐渐收敛,到2020的时候,中国主流云服务商就剩下几家,区域性的服务商日子可能比较难过。

为什么区域性的服务商日子会比较难过?

站在客户角度看,传统行业上云主要呈现出这三种趋势:由浅入深,一开始都在做尝试;在尝试认可的基础上,再逐步把老业务往上迁移;当一切尽在掌握时,他们想到更多的是把云服务向外输出,于是有了社区云、行业云的概念。


五、 云计算关键行业应用报告

电商、互金和企业服务是主流。排名前几的分别是电商O2O(包括传统零售百货向线上线下的转型)、泛娱乐(游戏、视频、直播)、互联网金融。通过我们的观察和统计,可以明显感受到互联网金融是较早一波把自己的业务系统和生产环境部署在云上的细分行业。除此之外,还有做企业服务的,如果跟云计算市场另一个分支(SaaS)结合起来。

初创企业对于云平台的要求是多、快、好、省。“移动互联网涌现出来的企业很多是初创企业,手里没有太多钱,他们对云平台的要求是多、快、好、省。比如我的想法很多,可能做社交、游戏、电商,我希望有一个平台可以承载我的想法,把想法变成具体的业务或者应用,使之能够快速上线。”

在快鱼吃慢鱼的移动互联网格局,只有比别人先走一步,占有市场、赢得客户,才有可能在长跑中赢得最终的胜利。所以在多、快、好、省的需求推动下,云计算发展起来了。


金准数据以金融行业为例进行现状分析。

随着金融行业“互联网+”战略实施的快速深入,对其业务及运维系统的搞笑敏捷运行提出了严峻挑战,为此传统金融机构开始高度关注分布式云计算架构下IT系统的发展与应用部署,与集中式架构相比,分布式云计算架构能够帮助金融机构大大速断应用部署时间,实现故障自动检测定位以及业务升级不中断,从而更好的适应“互联网+金融”的服务模式。

在分布式架构实现中,云计算技术是主要技术路线。云计算以其资源池化的特点,可以满足信息化系统自动扩缩容、底层硬件兼容、业务快速部署的需求。因此可以实现,云计算将成为未来金融行业IT系统的主流技术。

目前,国内传统金融机构使用云计算技术主要采用私有云和行业云两种部署模式,但对公有云的接受程度相对落后于其他行业,这与金融行业的高度监管是紧密相关的。

金融机构部署私有云主要用于存储、运行核心业务系统,存储重要敏感数据,一般采用购买硬件产品、基础设施、解决方案的方式搭建,再生产过程中实施外包驻场运维、自主运维或自动运维。

金融机构部署行业云主要是通过金融机构间在基础设施领域的合作,通过资源等方面的共享,在金融行业内形成公共基础设施、公共接口、公共应用等一批技术公共服务。金融机构部署行业云主要用于对金融机构外部客户的数据处理、服务,或为一定区域内金融机构、金融机构垂直机构提供资源共享服务。


六、趋势分析

在新兴经济体中,中国的云计算经过几年的“寂寞发展”,现在正处于爆发阶段。不管是国内的阿里云、腾讯云、金山云等,还是其他的云计算创业企业,比如青云、UCloud和ZStack等,它们都在用新技术来推动这块市场的新发展。

今天的中国的云计算市场,公有云仍然为主流,因为公有云能够为企业带来上云的最大好处。但是企业性质、安全要求和法律法规等因素,让私有云和混合云未来有着很大的发展空间

据观察,国内公共云规模高速增长,IaaS产值首超SaaS。在市场总体规模上,中国公共云服务逐步从互联网向行业市场延伸,2016年市场整体规模达到170.1亿元,比2015年增长66%。

预计2017-2020年中国公共云市场仍将保持高速增长态势,到2020年市场规模将达到603.6亿元。

其次,国内私有云规模稳步增长,软件逐步成熟。2016年,中国私有云市场规模达到344.8亿元,相比2015年增长25.1%。预计,2017-2020年中国私有云市场仍将保持稳定增长,到2020年市场规模将达到762.4亿元。

同时,云计算开源在私有云建设中的应用比例稳步提升。超过八成企业选择开源软件部署私有云,企业对云计算开源认可度大幅提高,并且已有半数金融机构开始使用云计算开源技术。云计算产值逐渐向行业大客户转移,行业云成为“新战场”。

此外,混合云或将成为未来发展的重要方向。

据调查显示,2016年我国企业采用混合云占云计算应用的比例已超过10%。据数据显示,混合云在全球的部署较2015年上升了9%。

据预测,到2020年,90%的组织将利用混合云管理基础设施。因此,混合云正在被越来越多的企业所采纳,对大多数企业而言,混合云似乎成为最优的云战略。

实际上,单纯的公有云和私有云已经不能满足现有业务需求,企业需要多云环境来适应新的业务发展。根据报告,企业使用混合云的驱动因素包括成本、灾难恢复、业务峰值负载分担、应用测试等。

目前,众多云计算厂商纷纷推出自己的混合云,比如AWS向客户提供了VPC(虚拟专线服务)、AWS DirectConnect专线连接、AWS Snowball Edge等服务;阿里云则针对混合云推出混合云专线服务、混合云托管服务等。

金准数据 2017年水电行业年中报总结 2017-09-22 17:10:11

2017年上半年经济回暖推动发电量平稳增长。1-6月,全国累计发电量29598亿千瓦时,同比增长6.3%,增速较去年同期提高5.3个百分点。由于来水偏枯,水电发电量仅为4613亿千瓦时,同比下降4.2%。2017年1-6月,水电行业营业收入582.7亿元,同比增长3.9%。

2017年上半年降水偏少,水电公司盈利能力较近几年偏低。2017年1-6月,水电行业综合毛利率为40.7%,较去年同期下滑7.8个百分点;二季度水电毛利率42.8%,同比下降6.1个百分点。2017年1-6月,水电行业净利率为27%,与去年持平;二季度28.1%,同比下降2.2个百分点,环比提高5.1个百分点。


一、基本概念

1、水电行业的定义

水力发电是指利用河流、湖泊等位于高处具有位能的水流至低处,将其中所含之位能转换成水轮机之动能,再借水轮机为原动力,推动发电机产生电能。利用水力(具有水头)推动水力机械(水轮机)转动,将水能转变为机械能,如果在水轮机上接上另一种机械(发电机)随着水轮机转动便可发出电来,这时机械能又转变为电能。水力发电在某种意义上讲是水的位能转变成机械能,再转变成电能的过程。

2、行业分类及领域

1)分类

水力发电主要产品为电力,各种发电方式产生的电力基本上都没有无差别性。而从水电建设产品方面来看,我国水电站按照各种分类方式的不同,呈现出较大差别性。

水电站按照水电站利用水源的性质,主要包括以下三种:

· 常规水电站:利用天然河流、湖泊等水源发电;

· 抽水蓄能电站:利用电网中负荷低谷时多余的电力,将低处下水库的水抽到高处上水库存蓄,待电网负荷高峰时放水发电,尾水至下水库,从而满足电网调峰等电力负荷的需要;

· 潮汐电站:利用海潮涨落所形成的潮汐能发电。

 

按照水电站对天然水流的利用方式和调节能力,主要包括以下两种:

· 径流式水电站:没有水库或水库库容很小,对天然水量无调节能力或调节能力很小的水电站;

· 蓄水式水电站:设有一定库容的水库,对天然水流具有不同调节能力的水电站。

 

在水电站工程建设中,还常采用以下分类方法:

· 按水电站的开发方式,即按集中水头的手段和水电站的工程布置,可分为坝式水电站、引水式水电站和坝-引水混合式水电站三种基本类型。这是工程建设中最通用的分类方法。

· 按水电站利用水头的大小,可分为高水头、中水头和低水头水电站。世界上对水头的具体划分没有统一的规定,有的国家将水头低于15m作为低水头水电站,15-70m为中水头水电站,71-250m为高水头水电站,水头大于250m时为特高水头水电站。中国通常称水头大于70m为高水头水电站,低于30m为低水头水电站,30~70m为中水头水电站,这一分类标准与水电站主要建筑物的等级划分和水轮发电机组的分类适用范围,均较适应。

· 按水电站装机容量的大小,可分为大型、中型和小型水电站。各国一般把装机容量5000kW以下的水电站定为小水电站,5000-10万kW为中型水电站,10万-100万kW为大型水电站,超过100万kW的为巨型水电站。中国规定将水电站分为五等,其中:装机容量大于75万kW为一等(大1型水电站),75万-25万kW为二等(大2型水电站),25万-2.5万kW为三等(中型水电站),2.5万-0.05万kw为四等(小1型水电站),小于0.05万kW为五等(小2型水电站),但统计上常将1.2万kW以下作为小水电站。


(2)领域分析

水力发电产生的电力属于基础能源产品,在我国各个行业都有应用,从产业方面来看,我国三大产业中,第二产业用电量最高,第一产业、第三产业相对较少。从工业用电量来看,钢铁、化工、非金属矿物制造、有色金属冶炼用电量居所有工业行业中前四位,是最主要的工业用电行业。


二、现状分析

1、利润指标分析

2017年上半年,受来水不佳影响,水电行业整体发电量下滑,但部分公司其他业务收入增长致使行业整体营业收入同比实现正增长(见附件统计)。2017年水电行业营业收入582.7亿元,同比增长3.9%;归属净利润141.1亿元,同比下降6.9%;扣非净利138.1亿元,同比下滑7.9%。与去年同期相比,水电毛利率同比下降7.8个百分点至40.7%;净利率同比持平为27%。


水电行业2017年1-6月利润表与2016年1-6月利润表指标对比

2017年二季度水电行业同比业绩下滑。2017年二季度,水电行业实现营业总收入324.5亿元,同比下滑6.6%,环比上升15.6%;归属净利润85.2亿元,较去年同期下滑10.8%,环比提高56.5%;扣非净利83.6亿元,同比减少10.6%,环比提高55.4%。与去年同期相比,水电毛利率同比减少6.1个百分点、环比提升7.2个百分点至42.8%;净利率同比下降2.2个百分点,环比增加5.1个百分点达到28.1%。

水电行业2017Q2利润表与2016Q2、2017Q1利润表指标对比


2、核心要素分析

1)需求回升促收入增长

2017年上半年经济回暖推动发电量平稳增长。1-6月全国累计发电量29598亿千瓦时,同比增长6.3%,增速较去年同期提高5.3个百分点。由于来水偏枯,水电发电量仅为4613亿千瓦时,同比下降4.2%。


累计发电量增速


分季度发电量增速

受到经济增速及季节性因素影响,二季度全国累计发电量环比一季度发电量增速有所放缓(一季度7.6%,二季度6.6%)。其中,水电行业,二季度来水有所改善,水电发电量同比降幅从一季度的4.6%提升至3.7%。

发电量增长助力收入提升。2017年1-6月,水电营业收入582.7亿元,同比增长3.9%。二季度,水电实现营业收入324.5亿元,同比下滑6.6%。

水电行业分季度营业收入情况


2)降水偏少,水电毛利率同比降低

2017年上半年降水偏少,水电公司盈利能力较近几年偏低。2017年1-6月,水电行业综合毛利率为40.7%,较去年同期下滑7.8个百分点;二季度水电毛利率42.8%,同比下降6.1个百分点。


水电行业毛利率分季度变化情况


3)综合资金成本呈下降趋势

2017年1-6月,水电行业财务费用69.9亿元,同比减少10.9%;财务费用率12%,较去年同期下降2个百分点。二季度,水电财务费用34.7亿元,同比锐减三成;财务费用率10.7%,同比下降3.7个百分点,环比减少2个百分点;综合资金成本5.6%,同比下降1.7个百分点。

水电行业财务费用率分季度变化情况

水电行业综合资金成本分季度变化情况


4)水电二季度盈利水平较一季度有所提高

2017年1-6月,水电行业实现扣非净利润138.1亿元,同比下降7.9%;二季度83.6亿元,同比降低10.6%,环比大幅增长55.4%。


水电行业扣非净利分季度变化情况

2017年1-6月,水电行业净利率为27%,与去年持平;二季度28.1%,同比下降2.2个百分点,环比提高5.1个百分点。

水电行业净利率分季度变化情况



5)水电公司分区域盈利情况对比

在我们统计的21家水电上市公司中,除甘肃电投外,2017年上半年所有水电上市公司均实现盈利。毛利率突出的公司是湖南发展(58.4%)和长江电力(55.2%)。二季度来水改善,水电公司毛利率和净利率环比一季度普遍提升,出现亏损的公司仅有西昌电力一家。

水电公司分区域盈利情况对比

三、行业风险与投资建议

水电行业存在的主要风险有:来水不佳的风险;宏观经济增长放缓的风险;政策目标较难落实风险;行业供应下降风险;价格上涨缓慢风险;贷款回收风险;区域发展不平和风险等。

从整体上看,水电行业的风险评级是中级,机会与风险并存,可选择性介入。

水电行业整体是属于维持类行业,其评级处于维持类的中等水平,主要原因是:水电行业作为我国重要的基础能源行业,还处于从水电大国向水电强国转变的成长阶段,特别是“十二五”期间水电将迎来非常好的发展机会。不过,水电行业的发展仍面临一定的风险,比如最近一段时间的来水形式导致发电量下降、行业效益下滑、行业负债率过高等。

3、趋势预测及投资建议

1)以节能减排、水电发展地位提高、建设目标上调为主导的发展机遇

我国节能减排压力加大,先后出台了多项政策。我国加大节能减排力度的政策导向十分明显,电力行业中主导的耗能和污染都较大的火电行业地位必将下降,水电被提升到优先发展的地位,未来水电行业建设将加剧。

2)水电运行难以预期,西南水电建设加快

未来我国水电行业建设将呈现快速增加态势,整体装机容量将有大幅提升。但由于水电行业供应需要充裕的水资源才能实现,而来水情况却是很难预测的,因此水电行业运行难以预期,行业投资建设加剧,收益情况则具有较大的不确定性。西南地区水电资源较丰富的区域受降雨情况影响相对较小,未来几年为水电重点建设区域,投资机会增加。


建议:水电方面,上半年来水偏枯,但二季度较一季度有所改善,三季度有望保持增长态势。我们持续推荐长江电力,公司做为全球最大的成熟水电公司,业绩稳定、分红率高、多元布局。建议关注业绩弹性大的黔源电力、桂冠电力、川投能源等优质水电标的。