01 · 行业研究方法论
研究个股前先研究行业，这是卖方研究员的第一课，也是散户最稀缺的一课。 本篇给出行业研究的五步框架、自上而下与自下而上两条路径、行业分类体系常识、 「好行业」的判断标准、资料清单与常见误区——一次讲完，拿来即用。
一、行业研究解决什么问题
行业研究回答的不是"哪只股票会涨"，而是四个更基础的问题：
| 问题 | 对应维度 | 典型子问题 |
|---|---|---|
| 行业有多大、还长不长？ | 空间与增速 | 市场规模多少？天花板在哪？未来 3-5 年增速？ |
| 钱被谁赚走了？ | 竞争格局 | 集中度高不高？龙头是谁？格局在变好还是变坏？ |
| 行业凭什么赚钱？ | 产业链与商业模式 | 利润留在哪个环节？靠重资产还是轻资产？ |
| 现在处于什么位置？ | 景气度与周期 | 处在周期哪一段？**渗透率**到哪了？催化因素是什么？ |
⚠️ 不回答这四个问题，个股分析就是无锚之舟
这四个问题不回答，个股分析就是无锚之舟：你可能在一家好公司里，却站在一个收缩的行业上；你看到毛利率高企，却看不到上游涨价马上就要打穿它。
行业研究的结果要能落地成一句话，例如：
- 某白酒行业：空间稳定（量减价升）、格局极优（CR5 超 70%）、轻资产高毛利、景气度取决于消费与库存周期。
- 某光伏行业：空间仍大但增速换挡、格局恶化（产能过剩、价格战）、重资产、处于产能出清期。
二、行业研究的五步框架
① 行业空间与增速（TAM 测算）
TAM（Total Addressable Market，可寻址市场总量）：假设所有潜在客户都用上这个产品，市场有多大。
| 方法 | 做法 | 例子 |
|---|---|---|
| 自上而下 | 总人口/总量 × 渗透率 × 客单价 | 电动两轮车市场 ≈ 城镇人口 × 保有率 × 均价 |
| 自下而上 | 现有玩家收入加总 + 空白市场估算 | 第三方支付 ≈ 各支付机构收入之和 + 未渗透商户空间 |
| 对标法 | 参考海外成熟市场的人均消费/渗透率 | 中国人均保费向日本、韩国水平靠拢的增量空间 |
测算的要点：
- 空间要分"量"与"价"：量看渗透率，价看消费升级或价格战。
- 空间要乘以时间：未来 3 年、5 年、10 年各是多少，增速是否换挡。
- 空间是"弹性"不是"刚性"：测算口径稍变，结果能差数倍，所以空间数字要看区间而非精确值。
② 竞争格局与集中度
| 指标 | 含义 | 阅读方法 |
|---|---|---|
| CR3 / CR5 / CR10 | 行业前 3/5/10 名收入合计占行业比例 | 越高越集中；横向看历年变化判断集中度在提升还是下降 |
| HHI（赫芬达尔指数） | 各玩家**市占率**平方之和 | > 2500 高度集中，< 1500 分散（详见 03 篇） |
| 市占率变化 | 龙头份额的年度增减 | 份额持续提升 = 格局向龙头收敛 |
③ 产业链位置与议价能力
- 行业在产业链中处于上游、中游还是下游？面对供应商与客户的议价能力如何？
- 上下游集中度对比：如果上游更集中、下游更分散，中游的利润空间最容易两头被挤。
- 该环节有没有提价能力？成本能不能顺畅传导？（详见 02 篇）
④ 商业模式与经济特征
| 特征 | 判断 | 投资含义 |
|---|---|---|
| 轻资产 / 重资产 | 固定资产占总资产比、资本开支强度 | 重资产利润弹性大但退出难，周期属性强 |
| 高毛利 / 低毛利 | 毛利率、净利率水平 | 高毛利常见于品牌/软件/医药，低毛利常见于代工/贸易 |
| 周期 / 成长 / 防御 | 盈利是否随经济与价格波动 | 决定估值方法与择时方式（详见 04 篇） |
| 现金流质量 | 经营现金流是否覆盖利润 | 行业普遍"增收不增现金"多为垫资/应收模式 |
⑤ 景气度与催化剂
- 当前行业处在景气上行、下行还是底部区域？产品价格、库存、开工率方向如何？
- 未来 6-12 个月的催化剂清单：政策落地、新品周期、提价、出口、产能出清等。
- 催化剂是"何时启动"的信号，前四步是"值得不值得"的依据，顺序不能反。
💡 五步框架输出物：「行业一页纸」
五步框架输出物：一张 A4 纸的"行业一页纸"，内容包括空间区间、增速、集中度、产业链位置、商业模式一句话、景气位置、催化剂清单。每次研究新行业都按这个模板写，坚持一年你就有了自己的行业数据库。
三、自上而下 vs 自下而上
| 维度 | 自上而下（Top-down） | 自下而上（Bottom-up） |
|---|---|---|
| 起点 | 宏观 → 行业 → 公司 | 公司 → 行业 → 宏观 |
| 逻辑 | 先选对"赛道"，再在赛道里选股 | 先发现"好公司"，再看所处行业 |
| 适合 | 行业轮动、宏观驱动的市场环境 | 个股深度挖掘、自下而上的价值投资 |
| 缺点 | 容易忽视个股质地，赛道好但买错公司 | 容易忽视行业系统性风险（政策、周期） |
| 典型场景 | 判断"下一阶段配置哪个行业" | 长期跟踪某几家公司的基本面 |
- 成熟做法是两者结合：先自上而下筛出 3-5 个值得研究的行业，再自下而上在行业里找最好的公司，最后用自上而下的视角审视买入时机。
- 对普通投资者，建议先自下而上守住自己熟悉的行业，再逐渐扩大行业覆盖面——比到处追热点有效得多。
四、行业分类体系常识
做行业研究，先知道行业是怎么被"编号"的。三大常用分类：
| 体系 | 开发者 | 特点 | 常见用途 |
|---|---|---|---|
| 申万行业分类 | 申万宏源（国内） | 分一级/二级/三级，A 股投研事实标准，如"申万一级-电力设备" | 看 A 股板块行情、行业指数 |
| 中信行业分类 | 中信证券（国内） | 与申万类似，一级 30 个行业左右 | 卖方研究、行业指数 |
| GICS | 标普/明晟（国际） | 全球统一，11 个一级行业，美股基金常用 | 看美股、全球配置、ETF 分类 |
申万一级行业（部分）：农林牧渔、食品饮料、医药生物、电子、计算机、电力设备、机械设备、汽车、有色金属、煤炭、钢铁、石油石化、基础化工、银行、非银金融、房地产、建筑材料、家用电器、轻工制造、纺织服饰、通信、交通运输、公用事业、商贸零售、社会服务、国防军工、传媒、环保、美容护理、综合。
使用常识：
- 同一家公司在不同分类体系下的行业归属可能不同，引用数据时注明口径。
- 申万三级行业足够细（如"白酒"是一级食品饮料下的三级行业），研究个股用三级行业，做配置用一级行业。
- 行业分类会调整（如近年新增"美容护理"），看到历史数据口径差异不必惊讶。
五、「好行业」的判断标准
四个标准
| 标准 | 含义 | 好行业的特征 |
|---|---|---|
| 永续需求 | 需求是否长期存在、不易被替代 | 吃穿住行医、能源电力等基础需求 |
| 格局稳定 | 竞争格局是否向龙头收敛 | 寡头稳定、价格战少、新进入者难 |
| 议价权 | 行业在产业链中是否强势 | 能提价、能传导成本、不依赖单一客户 |
| 政策友好 | 政策环境是否长期支持 | 鼓励创新、需求有政策托底、不被反复打击 |
反例对照（同样的标准，反面教材）
| 标准 | 反例行业（举例说明） | 为什么不好 |
|---|---|---|
| 永续需求 | 传统胶卷 | 需求被数码技术整体替代，行业**归零** |
| 格局稳定 | 早年家电连锁、近年光伏硅料 | 格局恶化后价格战连绵，龙头利润也被打穿 |
| 议价权 | 中小药企对医保谈判、代工企业对大客户 | 议价权在对方手里，利润被持续挤压 |
| 政策友好 | 教培（双减）、网游（版号收紧） | 政策一转向，行业逻辑瞬间重构 |
判断要用"十年视角"：今天的"好行业"标准答案（白酒、银行、家电）在十年前、二十年前也曾是"新赛道"；今天的热门行业（AI、机器人）十年后未必还在名单里。好行业是动态筛选出来的，不是背下来的。
⚠️ 反直觉：好行业是动态筛选出来的，不是背下来的
好行业是动态筛选出来的，不是背下来的。 今天的"好行业"标准答案（白酒、银行、家电）在十年前、二十年前也曾是"新赛道"；今天的热门行业（AI、机器人）十年后未必还在名单里——所以永远用"十年视角"判断，别把今天的网红行业当永久好行业。
六、研究一个行业的资料清单
按优先级排序，从免费且权威的开始：
| 层级 | 资料来源 | 能拿到什么 |
|---|---|---|
| 权威数据 | 国家统计局、工信部、海关总署 | 产量、产值、进出口、投资数据 |
| 行业组织 | 行业协会（中汽协、乘联会、钢协、中基协等）、交易所 | 行业月度/年度数据、产量销量、库存 |
| 公司披露 | 上市公司年报/半年报"行业情况"章节、招股书行业部分 | 龙头对行业格局、空间的官方口径与数据 |
| 券商研究 | 行业深度报告（起点看深度报告，而不是日报） | 空间测算、竞争格局、产业链图谱、盈利预测 |
| 一手信息 | 产业会议纪要、专家访谈、展会、公司调研 | 订单、价格、开工率、扩产计划的真实信号 |
| 价格数据 | 卓创资讯、Wind、上海有色网、钢联等 | 产品价格、价差、库存的实时与历史序列 |
搜资料的三条纪律：
- 先官方、后券商、最后自媒体：券商报告的数据往往也是从官方与行业协会抄来的，能溯源就溯源。
- 用数据反推结论，而不是为结论找数据：先有逻辑框架，再验证数据是否支持；顺序颠倒就是自欺欺人。
💀 铁律：用数据反推结论，而不是为结论找数据
用数据反推结论，而不是为结论找数据。 先有逻辑框架，再验证数据是否支持；如果你先确定了结论再去翻数据，那数据只是为你"找证据"的装饰品，顺序颠倒就是自欺欺人——这是行业研究中最常见的认知陷阱。
- 建立"月度例行"而非"用的时候才查"：把关键行业数据（价格、产量、库存、销量）每月固定更新一次，趋势比单点重要得多。
七、行业研究的常见误区
误区一：把行业景气当个股逻辑
行业景气上行 ≠ 行业里每家公司都赚钱。2020-2021 年新能源车行业景气极高，但同样有公司扩产过度、毛利率持续下滑。先确认公司在行业中的相对位置，再用行业逻辑，别拿行业逻辑代替公司逻辑。
误区二：忽视技术颠覆
以当前格局外推十年，是最危险的习惯。光伏替代火电、电动车替代燃油车、智能手机替代功能机——每一轮替代里，原行业的"龙头格局"都是最脆弱的资产。研究行业时必须问一句：有没有可能被新技术整体绕过？ 你的行业如果处在被替代的赛道上，格局再稳定也没用。
误区三：以当前格局外推 10 年
"这个行业 CR5 很高，所以稳了"——前提是需求、技术、政策都不变。需求萎缩会引发新的整合，技术变革会重写格局，政策转向会重塑门槛。格局是时点值，不是常量；外推前先检验格局的稳定性来源。
误区四：只看结论，不看口径
"市场空间万亿"——哪个口径？含不含出口？按出厂价还是零售价？不同口径差出数倍。"增速 30%"——是行业整体还是上市公司样本？口径不清的结论没有比较价值。
误区五：用"我觉得"代替数据
行业研究最忌讳拍脑袋："我觉得这个需求会爆发。"需求能否爆发，要看渗透率曲线、订单、产能、政策四组数据是否共振——单一"觉得"不构成证据。
八、给散户的落地执行清单
研究一个新行业时，按以下 8 步走完：
- [ ] 用一句话写下行业定义与边界（干什么的、卖什么、卖给谁）
- [ ] 用两类方法测算行业空间，给出区间而非精确值
- [ ] 查行业 CR3/CR5 与近年变化，判断集中度方向
- [ ] 画出简版产业链图谱（上游→中游→下游），标出利润最厚的一段
- [ ] 判断商业模式特征（轻/重资产、毛利水平、周期属性）
- [ ] 判断景气位置（价格、库存、开工率、渗透率四信号）
- [ ] 列出未来 6-12 个月的催化剂清单
- [ ] 用"十年视角"自检：这个行业十年后还在吗？会被颠覆吗？
⚠️ 风险提示
⚠️ 风险提示
行业研究是提高**胜率**的工具，不是保证盈利的武器。空间测算可能有严重偏差（尤其新赛道），格局可能被技术或政策一夜改写，景气判断可能被黑天鹅打脸，行业数据存在滞后与口径水分。方法论再完备，也不能消灭行业轮动与系统性风险。本文为方法论科普，不构成任何投资建议；研究得再深，也要用仓位与止损来面对不确定性。