• 报告核心内容介绍 [page::0][page::1]

- 研究石油石化行业及细分行业（油气开采、油田服务、炼油化工）的盈利预测。
- 采用行业高频数据（价格、库存、产量等）构建MIDAS混频预测模型，实现基本面景气的高频追踪。
- 结果展示出预测盈利与实际财务数据趋势高度符合，且具有一定领先性。

• 行业产业链及细分行业基本面分析 [page::2][page::3][page::4][page::5]

- 石油石化行业包含47只标的，细分为油气开采、油田服务、炼化、化工及石油贸易等类别。
- 市值及盈利多集中在炼油化工（约占盈利67%）和油气开采（约25.8%）两个板块。
- 产业链涵盖从油气勘探开发、炼油到化工深加工，下游产品包括汽油、柴油、化工原料等，产业链结构清晰。
- 各细分行业超额收益表现差异显著，炼油化工稳定，中游及下游波动较大，行业间相关性及盈利传导存在不同特点。

• 代表公司财务拆分及盈利结构 [page::6][page::7]

- 以油气开采公司ZY为例，营收主要来源于油气销售和炼油化工业务，炼油化工主导毛利贡献。
- 毛利率方面，勘探与生产波动最大且平均最高，油气销售毛利率最低且稳定。
- 炼化公司ZH营收以成品油及炼油业务为主，化工占比较低，盈利主要由炼油驱动。
- 强调关注业务的边际变化，突出高弹性业务对盈利景气的贡献。

• 核心可追踪高频指标体系 [page::7][page::8]

| 类型 | 指标 | 频率 |
|-------|---------------------------------|-------|
| 价格 | Brent原油、WTI原油、柴油、汽油 | 日、周 |
| 产量 | 原油、乙烯、柴油累计产量 | 月 |
| 需求 | 汽车产量及保有量、工业生产指数 | 月、季 |
| 宏观 | 工业增加值、PMI、社融规模等 | 月 |
- 按照产业链中的产品价格、产量以及下游行业需求，综合宏观经济指标，形成系统的可追踪指标体系，用于基本面景气预测。

• MIDAS盈利混频预测模型框架及应用 [page::8][page::9][page::10]

- 因变量为行业ROE-TTM，解释变量包括行业经济数据构造的因子序列。
- 使用动态因子模型提取高频指标潜在因子，结合MIDAS混频回归实现盈利的趋势预测。
- 预测以变化率（同比、环比）为特征，重点捕捉盈利景气的变化趋势。
- 油气开采景气预测结果：模型预测与实际盈利及行情走势高度吻合，当前景气位于攀升期。

- 油田服务行业表现：（设备使用率和钻井日费率指标显示回暖）但盈利预测与实际一致性较低，主要因盈利滞后油价且高频经营指标稀缺。

• 炼油化工行业景气预测 [page::12][page::13]

- 关注原油及天然气等成本价格，成品油和化工产品的价格与产量，以及下游需求和宏观经济状况。
- 预测结果显示景气底部回升，具领先实际盈利的特性。

• 综合行业基本面景气度预测 [page::13]

- 综合油气开采和炼油化工两个细分行业指标建模，全行业景气度预测走势与真实盈利走势高度匹配，显示出景气持续抬升趋势。

• 风险提示 [page::0][page::14]

- 模型基于统计相关性，若未来高频指标与盈利的关联关系发生结构性变化，模型可能失效。
- 大幅波动的高频指标可能导致异常情况，影响预测稳定性。

【浙商金工】MIDAS盈利混频预测：石油石化板块 中观景气研究系列 - 详尽分析报告

---

一、元数据与概览（引言与报告概览）

报告标题: 《MIDAS盈利混频预测：石油石化板块 中观景气研究系列》
作者: 陈奥林、徐忠亚、Allin君行
发布机构: 浙商证券研究所
发布日期: 2023年6月20日
主题: 研究中国石油石化行业及其细分行业（油气开采、油田服务、炼油化工）的景气度及盈利预测，基于高频数据与MIDAS混频数据建模方法。

核心论点:
报告旨在利用价格、库存等高频数据，构建针对石油石化及其细分行业基本面景气度的预测模型。通过MIDAS（混频数据抽样）与因子化模型结合的“Factor-MIDAS”框架，实现对行业盈利先行预测。实证结果表明模型预测与实际盈利高度一致，且具备一定领先性。报告重点探讨产业链结构、财务拆解方法、核心驱动指标追踪及预测框架搭建。

---

二、逐节深度解读（结构化分析）

2.1 摘要及核心观点

• 行业细分和建模目标:

针对油气开采、油田服务、炼油化工三个细分行业及整体石油石化行业盈利景气度，高频预测。强调采用产业链视角，提炼关键业务和标准化指标进行营收及成本追踪，支撑盈利变化判定。

• 产业链分析:

产业链包括上游油气开采及油田服务，中游炼油及化工，下游分布树脂、纤维等细分化工产品。行业标的数量均衡但营收与盈利高度集中，关键在于业务边际变化而非总量。

• 数据基础:

利用原油、天然气、柴油、汽油等上下游价格和产量数据，以及交通运输、房地产、汽车等需求侧代理变量做预判，涵盖日、周、月、季多频率数据。

• 风险点:

模型基于量化指标，指标剧烈波动可能导致结果失真。具体风险包括指标异常波动引发预测异常值。

---

2.2 石油石化行业构成分析

行业基本构成：

• 47只申万一级标的，市值多集中在1000亿元以下，但部分公司如中国石化市值巨大。

- 细分为油气开采、油田服务、炼油化工、油品石化贸易等6大行业，分布均衡。

• 营收和盈利高度集聚于炼油化工和油气开采，炼油化工占营收近90%，利润占67%；油气开采利润率最高，约25.8%盈利份额但净利率显著更高。

- 图2-5清晰展示行业标的数量、规模、市值、营收及净利润分布，凸显炼油化工和油气开采主导地位。

行业超额收益走势：

图6显示细分行业超额收益差异明显，上游油气开采与油田服务相关性较高（64%）、炼油化工与油气开采呈负相关（-65%），表明炼油化工盈利受上游传导不畅影响较大。

---

2.3 石油石化产业链及收益成本因素分析

• 石油石化产业链较为清晰：

上游为天然气和原油勘探开采及油田服务；中游为炼油加工、裂解化工；下游为石油化工产品制造与销售。图7明晰产业链中各关键环节及产品流向。

• 产业链投入产出紧密，价差指标可追踪盈利，如图8（原油催裂化价差）与图9（PTA-MEG价差）展示成本与产能价差走势，揭示炼油化工盈利弹性来源。

- 企业层面，代表公司营收构成高度差异化，业务多元化（图10-图13）；炼油化工公司多元经营，须锁定主导业务分析抓取关键驱动指标。

• 毛利率分布（图14-图15）显示油气开采有最高且波动最大毛利率，中游炼油化工稳定，贸易环节毛利最低且波动小。

- 结论：准确的基本面分析需区分产业链位置，明确关键营收驱动，提取可追踪指标。

---

2.4 财务拆解模型与追踪指标

• 详细拆解典型油气开采公司ZY营收、盈利及毛利率（图16-图18），明确其主要收入来自油气销售和炼油化工，毛利主要由炼油与生产贡献，且勘探与生产毛利波动最大。

- 炼化公司ZH财务拆解数据显示炼油及销售为主营盈利来源（图19-20），业务边际变化决定追踪重点。

• 强调业务体量之外，更需关注边际变化及弹性，增量信息为中观景气度预测核心。

- 关键可追踪指标包括价格、产量、成本、下游需求和宏观环境指标（表1），涉及多频率数据（日、周、月、季）。

• 研究方法借鉴行业分析师，通过分业务链追踪价格、产量与销量逐步构建实时营收指标，形成综合盈利判断。

---

2.5 基本面景气度预测模型与应用（MIDAS框架）

• 使用ROE-TTM作为行业盈利代理变量，解释变量包含各类宏观、高频经济数据的变化（同比/环比）。

- 采用MIDAS混频数据抽样模型结合动态因子模型估计解释变量的潜在因子，实现对低频盈利指标的高频预测。

• 模型不以极端准确度为目标，更关注盈利趋势的有效捕捉。

- 分行业细化指标体系与预测模型。

---

2.6 分行业基本面景气度预测详情

• 油气开采:

以油气价格、产量为核心因素，外加成品油产销量及宏观经济指标。油气生产成本相对稳定，盈利弹性来源于价量变化（图21）。对外依存度高，故进口价格影响不容忽视（图22-23）。预测效果较好，图24显示预测指标、ROE-TTM及价格趋势一致。

• 油田服务:

依赖于油价及油气产量，资本支出数据高频缺失，需借助宏观投资指标。设备利用率与日费用率作为辅助指标（图25-26）。预测匹配度较油气开采差，图27表明景气度与盈利实际走向一致性不高，主要因指标高频不足及盈利滞后。

• 炼油化工:

关注原油和天然气成本，成品油及化工产品价格和产量，以及交通运输、房地产等下游需求（图28-29、表4）。预测与实际盈利呈较高一致且领先性明显，图30显示行业正在底部回升阶段。

• 石油石化整体:

主要由中国石油、中国石化、中国海油等巨头主导。整合油气开采及炼油化工高频指标，构建综合模型（表5），图31显示整体盈利景气抬升，预测与实际高度吻合。

---

2.7 风险提示

• 模型失效风险: 是否数据指标与盈利的统计关系会变化影响预测，模型可能失效。

- 指标波动风险: 高频指标如价格、库存大幅波动会导致预测异常，可能出现异常值，影响稳定性。异常值整体占比低，影响有限。

• 报告强调谨慎使用模型结果，结合市场情绪与基本面做决策。

---

三、图表深度解读

• 图1: 石油石化细分行业基本面景气度预测走势。不同细分行业走势具有明显差异，从-10%到15%不等，预测与实际趋势高度吻合，佐证模型预测能力。

- 图2-5: 展示细分行业标的数量、资本市值、营业收入及净利润分布。炼油化工占比最重，盈利首要驱动力。

• 图6: 细分行业超额收益走势，油气开采与油田服务波动较大且相关性高，炼油化工与上游呈负相关，说明下游景气传导不畅。

- 图7: 产业链结构示意，清晰绘制天然气与石油从勘探、裂解、合成到高分子及精细化工产品的流程及关联。

• 图8-9: 原油催化裂化价差及相关产品价差走势显示炼化过程成本与售价关系变动，直接映射盈利能力。

- 图10-13: 典型企业收入构成（油气开采、油服、炼化、化工），体现业务多元化及产业链环节涉猎差异。

• 图14-15: 毛利率分布，确认油气开采波动大且高毛利，炼油化工稳定，贸易毛利率较低。

- 图16-18 & 图19-20: 典型油气开采公司ZY和炼化公司ZH的收入、盈利及毛利率拆分，清晰展现关键驱动部分。

• 图21-23: 油气开采业务营业收入与成本走势、产量及进口情况，业绩波动主要由价格与产量驱动。

- 图24 & 图27 & 图30 & 图31: 分别对应油气开采、油田服务、炼油化工和行业整体基本面景气度预测与实际ROE及价格走势，证实模型有效性及领先性。

• 图25-26: 油田服务设备使用率及钻井日费率，体现行业当前设备利用状况及成本压力。

- 图28-29: 炼油化工营收及盈利集中度数据，中国石化极大主导行业表现。

---

四、估值分析

报告核心不在传统估值（如PE、DCF）层面，而是聚焦景气度和盈利趋势的预测。其“估值”体现在通过盈利预测提升行业和细分行业的盈利判断精度，从而辅助投资决策。模型采用MIDAS混频数据方法结合动态因子模型，充分利用多频率高频价格、产量、经济指标进行盈利净收益（ROE-TTM）的趋势预测。此方法针对高频数据特点和盈利数据滞后问题做了有效技术创新。

---

五、风险因素评估

• 模型及指标失效风险: 高频指标与盈利间关系变化带来的风险，以及因为指标大幅波动带来的模型输出波动增加。

- 数据覆盖及滞后问题: 例如油田服务行业缺乏高频资本开支数据，导致预测准确度受限。

• 业务多元化风险: 部分企业多业务交叉，递归追踪指标复杂，增加误差可能。

- 宏观政策与外部冲击: 报告未明确强调，但隐含于宏观指标风险范围内，宏观突变可能导致模型失效。

---

六、批判性视角与细微差别

• 报告模型依赖于历史统计关系，未来关系发生结构性变化或模型预测力将大打折扣。

- 高频指标虽覆盖广泛，但对应的因果链条复杂，部分关键数据缺失（如油田服务投资），削弱模型部分业务线的有效性。

• 报告强调“边际变化”为核心追踪点，忽略规模效应带来利润增长，可能导致业绩基数大幅变动时模型合理性受限。

- 行业分类与标的筛选方面，对复杂多元业务公司需重点分析但实际量化时可能简单处理，带来细节缺失风险。

• 龙头企业集中度高，全球油价影响显著，且存在地缘政治风险未深入讨论。

---

七、结论性综合

本报告系统梳理并建立了石油石化及其细分行业（油气开采、油田服务、炼油化工）的盈利景气度预测框架，主要贡献体现在：

1. 产业链与业务细分: 明确从上游油气开采、油田服务，到中游炼油化工的产业链结构，细化企业财务及营收拆分，为景气度分析提供明确业务坐标。

2. 高频数据采集及因子化处理: 利用多维度价格、产量、库存及宏观经济数据，结合动态因子模型提炼潜在因子，提高预测解释力。

1. 基于MIDAS混频模型的盈利趋势预测: 有效融合不同时频率数据，准确捕捉行业ROE-TTM变化趋势，且预测结果显示领先盈利数月，辅助投资决策。

4. 细分行业差异明显: 油气开采盈利波动大且毛利高，炼油化工盈利稳定且集中，油田服务因数据限制预测准确性较低。

1. 图表数据支持: 通过丰富的图表展示行业标的分布、财务数据、价值链价差、盈利构成等，直观体现模型的适用性及实证效果。

6. 风险意识彰显: 诚实陈述量化方法局限，预警模型失效及指标异常波动风险。

总体来看，报告通过严密的产业链分析与先进的数据混频模型，对石油石化行业盈利趋势给予前瞻判断，实证显示符合行业实际运营逻辑，具有重要的投资参考价值和实务指导意义。MIDAS混频预测框架为高频数据融合及盈利趋势研判提供了可复制且具前瞻性的示范模型。

---

参考图表展示

简要展示部分关键图表（办公环境限制，仅示意）：


图1：石油石化细分行业基本面景气度预测走势，呈现多个细分行业同比盈利变化百分比，显示预测领先效果。


图5：石油石化细分行业净利润分布，炼油化工占主导盈利份额。


图17：典型油气开采企业ZY盈利构成，炼油与化工部分为毛利主力。


图24：油气开采行业基本面景气度预测走势与实际盈利及价格走势对比。


图30：炼油化工行业景气度预测与实际ROE比较，显示良好一致性。


图31：石油石化整体行业景气度预测对比实际盈利表现，体现综合预测作用。

---

结束语

本报告严谨深入地对石油石化行业价值链及财务特征进行剖析，结合最新混频数据技术，实现行业盈利的高频预测，为投资者捕捉盈利趋势变化提供了科学工具和实证支撑，同时警示模型风险，维护了报告严谨的科学态度，整体呈现了产业链视角与现代计量经济学结合的强大实践价值。

（全文以上内容均源自浙商证券研究所2023年6月20日发布的报告内容分析及图片数据，页码及出处标注详见对应引用 [page::0-14]。）

报告