自上而下盈利高频跟踪模型，2019年一季度A股上市公司盈利前瞻.docxVIP

内容目录 HYPERLINK \l _TOC_250001 构建自上而下的上市公司盈利高频跟踪模型 3 HYPERLINK \l _TOC_250000 2019Q1 上市公司利润预计同比降低 0.6% 5 国信证券投资评级 13 分析师承诺 13 风险提示 13 证券投资咨询业务的说明 13 图表目录 HYPERLINK \l _bookmark0 图 1：构建自上而下上市公司盈利高频跟踪模型基本思路 3 HYPERLINK \l _bookmark1 图 2：盈利跟踪模型可以更动态领先地了解整体上市公司利润变化情况 4 HYPERLINK \l _bookmark2 图 3：全部 A 股上市公司归母净利润各行业分布情况 4 HYPERLINK \l _bookmark3 图 4：非金融 A 股上市公司归母净利润各行业分布情况 5 HYPERLINK \l _bookmark4 图 5：预计 2019 年一季度全部 A 股归母净利润增速将下探至-0.6% 5 HYPERLINK \l _bookmark6 图 6：2019 年一季度非金融企业利润增速大幅下降 6 HYPERLINK \l _bookmark8 图 7：2019 年一季度工业企业上市公司净利润增速预计将大幅下降 8 HYPERLINK \l _bookmark9 图 8：2019 年一季度房地产建筑业上市公司净利润增速预计小幅下降 8 HYPERLINK \l _bookmark10 图 9：航空运输业归母净利润增速与原油价格高度负相关 9 HYPERLINK \l _bookmark11 图 10：2019 年一季度原油价格的平均成本较 2018 年有所下降 9 HYPERLINK \l _bookmark12 图 11：2019 年一季度金融行业上市公司利润增速预计将明显改善 10 HYPERLINK \l _bookmark13 图 12：2019 年一季度商业银行资产规模增速迎来拐点 10 HYPERLINK \l _bookmark14 图 13：2019 年一季度商业银行净息差走势平稳 11 HYPERLINK \l _bookmark15 图 14：证券业上市公司利润增速的分拆 11 HYPERLINK \l _bookmark5 表 1：基于工业企业利润等高频变量对 A 股利润增速的预测 6 HYPERLINK \l _bookmark7 表 2：工业类上市公司 2018 年及 2019 年 Q1 预计利润增速及变化 7 HYPERLINK \l _bookmark16 表 3：证券业各上市公司 2019 年一季度盈利情况（2 月月报数据） 12 构建自上而下的上市公司盈利高频跟踪模型 盈利分析对股票研究至关重要，企业净利润能直接或通过估值间接影响股票的价格，有效的盈利预测模型将有助于投资者获得相对市场更加领先的信息。当前市场普遍使用较多的是自下而上的一致预期盈利预测，而较少有针对上市公司整体盈利变化的动态跟踪模型。 在报告《ROE 基础策略框架系列：构建自上而下的盈利高频跟踪模型》中，我们构建了一个自上而下的上市公司盈利高频跟踪模型。我们的基本思路是从产业结构的角度出发，充分利用丰富多样的宏观经济和行业数据，构建一个能够月度跟踪上市公司整体盈利变动的高频模型，从而得到更加领先的盈利预测信息。举例来说，我们可以使用国家统计局的工业企业利润数据来跟踪工业类上市公司利润情况（工业上市公司利润占全部 A 股公司约 32%），用 M2 和金融机构信贷收支表数据跟踪商业银行资产规模变化、用利率数据判断商业银行净息差变化（商业银行利润占全部 A 股公司约 42%）、用商品房销售面积和施工面积来跟踪房地产和建筑业上市公司利润变化（两者占比约 10%）等等。如此， 我们估计全部 A 股上市公司利润总量的 90%可以通过自上而下的宏观经济数据来跟踪。 图 1：构建自上而下上市公司盈利高频跟踪模型基本思路 保险、券商（占比15%）证券成交金额、保费收入等金融（占比49%） 保险、券商 （占比15%） 证券成交金额、保费收入等 金融 （占比49%） 货币规模、利率指标等 银行 （占比85%） 全 全 部上市公 司 工业 （占比64%） 统计局工业企业利润数据 地产、建筑 净 利 润 非金融 （占比51%） （占比19%） 商品房销售面积、施工面积等 交运 （占比7%） 客运货运量、运输价格指数等 其他 （占比10%） 自下而上 分析师一致预期 资料来源：Wind、整理 通过利用宏观数据构建的月度上市公司盈利跟踪模型，我们可以更加动态领先地了解整体上市公司利润变化情况。举例来说，从当前 A 股市场上市公司财务报告披露的实践来看