本篇報告是經濟數據分析手冊系列的第二篇——工業數據篇。我們將先從工業增加值數據開始講起。

　　工業增加值數據，反映的是工業生產的快與慢。而工業生產又與經濟的冷熱狀況密切相關。通過分析工業增加值數據，我們可以對經濟的供給端有更深的了解。本文對工業增加值數據的介紹包括三個方面：

　　我們曾介紹過GDP的具體核算流程。按照生產法，需要分別計算出國民經濟各行業的增加值，然后加總得到最終的GDP。（詳見《GDP分析手冊》）

　　什么是工業？“工業”概念在我國經濟統計中有非常明確的范圍界定，它包含三個國民經濟門類行業：1）采礦業。2）制造業。3）電力、熱力、燃氣及水生產和供應業。其中制造業最重要，占比在85％左右。

　　統計局會在公布GDP數據時，同時公布分行業的增加值數據，當然其中也包括季度、年度的工業增加值。

　　本篇報告討論的重心主要在于月度工業增加值數據。它和年/季度的工業增加值，概念上沒什么差異，但也有一些特殊性：

　　一是考慮到時效性，需要每月獨立核算。并且由于基礎資料不完整，只能采用推算方法。

　　二是統計范圍更小，只統計了規模以上工業（年主營業務收入≥2000萬的工業企業）的數據。

　　月度工業增加值數據的生產過程并不算復雜，分為三步走。第一步是計算上年度工業增加值率，第二步是核算本月規模以上工業總產值，第三步是利用增加值率法來推算本月工業增加值。

　　第一步。要得到上年度的工業增加值率，就要先計算各年度的工業總產值、工業增加值。核算基礎數據來自于每年的工業企業成本費用調查。

　　2009年起統計局正式實施這一調查。調查范圍是全部大中型工業企業和部分規模以上小型工業企業，它們約占所有規模以上工業企業的1/3。被調查企業需要填寫工業企業成本費用表。這個表格覆蓋的企業數據內容是比較全面的，包括折舊、職工薪酬、稅費等?；谶@些數據，統計局可以直接計算出各企業的增加值（由收入法的四個項目加總而成）和總產值。

　　將各企業的工業增加值、總產值按照行業劃分進行合并匯總，可以計算出國民經濟中類行業、大類行業以及總的工業增加值和總產值。然后用行業增加值÷總產值，可以得到各行業的工業增加值率。

　　第二步。本月度的規模以上工業總產值數據，主要來自于每月規模以上工業企業上報的“工業產銷總值及主要產品產量表”。

　　其中工業總產值又主要包括三部分：1）本期產成品價值。2）在制品、半成品本期的價值增值。3）對外加工費。

　　值得一提的是，2012年之后，企業都是直接通過國家聯網直報系統上報月度工業產銷總值及主要產品產量數據，然后再由國家統計局進行匯總，避免了之前數據傳報過程中可能發生的人為調整數據的情況，所以數據質量還是比較高的。

　　第三步。各行業月度規模以上工業總產值×上年度各行業增加值率=各行業規模以上工業增加值。再將它們繼續匯總，可以得到大類、門類行業以及總的工業增加值。

　　為什么只能推算？主要還是受月頻數據的時效性制約，統計局很難獲得企業詳細的財務費用數據，所以無法像年度數據一樣，直接依據收入法計算增加值（年度數據也只有被調查企業才有詳細數據）。只有產量、產值的數據是比較好摸清的，所以只能采用增加值率法間接推算。

　　不過，考慮到與GDP數據的銜接問題，統計局在2006年11月之后，就已經不再公布月度工業增加值的絕對值數據了，而只發布增速數據，這一點需要注意。

　　這里的增速指的主要是不變價增速。所以首先要將現價工業增加值轉為不變價工業增加值，方法是價格指數縮減法，我們在GDP核算中曾提到過。

　　PPI是工業所采用的價格縮減指數。不同中類行業用對應的PPI縮減，然后再將行業不變價增加值加總，得到行業大類和總的不變價工業增加值。

　　在有了不變價工業增加值后，就可以計算增速。目前統計局既會發布同比增速，也會發布季調后的環比增速。環比增速自2011年2月份后發布，季調方法和GDP一樣，也是采用統計局研制的季節調整軟件（NBS-SA）。不過在增速計算方面，有一點處理上的細節，我們在此按下不表，下文會再提到。

　　總結上文，針對目前統計局發布的月度工業增加值數據，我們認為有四點需要把握：

　　上文中我們提到了“規模以上”這個概念。將工業分為“規模以上”和“規模以下”，主要還是考慮到現實中的統計局限性。一方面是規模以下工業企業數量繁多，統計起來有難度。另一方面是因為很多小企業缺乏完整清晰的財務核算流程和財務報表，又很難嚴格落實統計數據填報的準確性，所以如果納入了小企業，可能會讓數據質量打折扣。

　　雖然目前規模以上工業企業數量有限，但是它們的增加值占所有工業企業的比例，大約在80％以上，還是具有較強的代表性。

　　統計局每年都會按照企業前一年的營收規模，來評定是否將其納入規模以上工業企業名錄（由企業向統計局審報）。符合這個標準的企業每年是有變化的，比如有新建的、營收擴張的、也有破產倒閉的、營收下降的。所以這個名錄內的企業范圍一直在變動。

　　比如企業A的2018年營收規模超過2000萬，則會在2019年納入該名錄（簡稱為“升規”），若該企業2019年經營不善，營收又回到2000萬以下，則會在2020年被劃出該名錄（簡稱為“退規”）。

　　讀者在這里可能會有疑問：如果名錄內的企業進進出出，那么不同時期的工業增加值，可能會面臨統計口徑不可比的問題。比如去年可能統計了企業A的增加值，今年A變為了規模以下企業，就沒有被統計。那么統計局發布的工業增加值的月度同比增速數據，對此是如何處理的呢？

　　一個基本原則是：以本期的企業范圍為基準。比如去年有100家規模以上工業企業，企業A升規之后，今年規模以上企業變成了101家，企業A會同時填報本期和上年同期的工業數據。這時在計算增速時，無論是分子（本期工業增加值）還是分母（上年同期工業增加值），都以這 101家工業企業為準來計算。

　　這也意味著，如果我們試圖用以前的名義工業增加值絕對值，再結合同比增速數據、PPI數據，倒推出當前各月規模以上工業增加值的絕對值，會產生比較大的估算誤差，因為增速的口徑一直在動態調整，而口徑的變動細節是我們所不掌握的。

　　1）1998-2006年，指全部國有和年主營業務收入≥500萬元的非國有工業法人單位。

　　從標準的變化來看，一是所有制色彩在淡化，這反映了民營經濟的壯大。二是營收門檻在抬高，說明我國工業企業規模正在不斷擴張。

　　21世紀以來，規模以上工業企業單位數迅速增長。2011年門檻調高后，規上工業企業數量減少，而后緩慢增加，截至2020年5月，共有37.5萬家規模以上工業企業。

　　目前可以獲取的月度工業增加值數據，有當月同比、累計同比、季調環比。目前市場和研究者采用的比較多的還是同比增速。

　　在中國，1月和2月存在春節錯位因素。如果上一年春節假期在1月，企業停工，而今年春節今年在2月，那么今年1月工業增加值增速將大幅沖高，2月數據則陡然下行，進而會導致工業增加值當月同比時間序列圖中出現一些明顯的“尖刺”。

　　一個簡單的處理辦法是，不考慮1月和2月的當月增速，而將它們直接合并起來，用1-2月累計增速代替，這樣就可以消除春節影響，使得整體數據走勢更為平滑。事實上，自2013年起統計局就開始合并發布1-2月份工業數據了。

　　工業增加值同比增速，反映的是工業生產的快與慢。而工業生產又與經濟的冷熱狀況密切相關。

　　如果工業增加值增速上升，說明工業企業開工生產的積極性提高，背后可能反映了更旺盛的社會需求，或者至少說明企業對短期經濟前景是更加看好的。當然，影響因素可能來自多方面，但工業生產的變化，或多或少反映了一些值得關注的經濟信號。

　　相較于其他經濟部門，工業生產對于經濟景氣度會更敏感。因為企業可以根據銷售情況比較靈活地調整生產計劃，不會有太強的時滯。跟蹤工業增加值能夠比較有效地捕捉到經濟短期變化。

　　有一個問題在于，目前我國產業結構正逐漸偏向服務業，那么工業增加值還能在多大程度上反映我國經濟形勢？

　　的確，工業增加值占GDP比重一直在降低，但是目前仍然有30％左右，還是有一定的代表性。

　　更重要的是，工業生產與其他產業之間有很緊密的聯系。例如其他產業所需要的原材料、機械設備，大多來自于工業部門，這意味其他產業的需求好轉，也將體現為工業生產的加快。而工業生產加快，又會帶動其他產業特別是生產性服務業的發展，如物流運輸、研發設計、商務服務等。所以說工業生產的加快，同時反映了其他產業的情況。

　　從數據層面來看，工業增加值增速與GDP增速走勢也基本是保持一致的。不過2012年以來，工業增加值增速走弱，GDP卻保持了較強的韌性（主要是服務業起了支撐作用），這也的確說明了工業增加值的信號意義有所削弱。

　　工業生產很大程度上受消費、投資、出口等下游需求影響。其中，房地產和工業生產的相關性很強，主要是因為房地產施工所涉及的工業面很廣泛，包括建材、鋼鐵、化工，各種機械設備等。另外，地產竣工也可能會帶動家電、家具等行業的生產活動加快。

　　但工業生產有時候也會與需求出現錯位。供需關系間的動態互動過程，被人們總結為庫存周期。這個周期包含四個階段：

　　1）被動去庫存：需求已經復蘇，但企業還未即時反應，生產不足，因此庫存減少。

　　3）被動補庫存：需求開始疲軟，銷量下降，企業未及時調整生產，導致庫存積壓。

　　4）主動去庫存：企業已經預見到了經濟的不景氣，主動減少生產，帶動庫存下行。

　　工業增加值和工業企業產成品存貨，分別描述了生產和庫存狀況。不過產成品存貨是名義值，所以我們也簡單以“工業增加值同比+PPI同比”來指代名義工業增加值增速。基于這兩個指標，可以簡單地對庫存周期進行刻畫。比如名義工業增加值增速上行，產成品存貨增速下行，意味著經濟進入了被動去庫存的階段。

　　可以看到自2003年以來，我國已經經歷了5輪相對完整的庫存周期。在下一篇工業數據分析報告中，我們將花更多的篇幅來分析庫存周期。

　　工業生產除了會受需求因素影響外，還可能受價格因素影響，特別是上中游原材料行業。因為價格上漲，會從價的角度會提高企業盈利水平（需求好轉則是影響“量“）。盈利增厚了之后，將使得企業有更充裕的現金流，對未來的預期可能也會更好，進而加快工業生產。

　　此外，工業生產還和流動性環境有關。當流動性寬松的時候，一方面，企業更容易融資，有利于加大生產。另一方面，也容易刺激社會需求，進而帶動生產。

　　社融增速與工業增加值累計同比增速有較好的相關性，在部分時期有一定的領先性。

　　有時，影響工業生產的因素是全局性的，幾乎所有行業的增加值同比都向同一個方向調整，這種因素比較顯著，往往更容易識別。但有時，不同行業間也存在分化，這些信息會被整體工業增加值數據的升或降所掩藏，所以除了觀察總量數據以外，還需要觀察結構。

　　目前統計局會同時披露41個工業細分行業的月度數據。但由于統計局并沒有披露絕對值，年度數據的細分程度目前也只到采礦業、制造業、電力熱力燃氣及水生產和供應業三個門類行業，因此要通過其他途徑來計算占比。

　　我們此處主要基于投入產出表進行計算。投入產出表屬于國民經濟核算的一部分，它把生產法、收入法、支出法的GDP核算數據全部整合在了一張表內，有比較詳細的國民經濟各行業增加值數據。但由于工程量比較大，5年才編制一次，最新的一次是在2017年。

　　用投入產出表計算的問題在于，一是時間可能稍微有點舊，只有2017年數據。二是它統計的是全部工業，而月度工業增加值只針對規模以上工業。三是投入產出表是按照產品分類進行統計的，而工業增加值是按照部門分類進行統計。不過總的來說，這些誤差都在可接受范圍內。

　　2017年投入產出表中，一共有95個行業屬于工業，可以通過合并，將他們與工業大類行業逐一對應起來。最終計算出的各行業增加值在工業增加值中的占比如下表所示。

　　可以看到，建材、化工、能源、汽車、計算機通信、鋼鐵煤炭等行業在我國工業結構中居于主要地位。前十大工業增加值占比合計超過50％，對整體工業增加值增速有較大的影響力，我們往往在分析時也會更重視這些產業。

　　由于有40個左右的工業行業，單個分析無異于管中窺豹。所以，除了關注一些重要行業（比如鋼鐵、化工）或者是月度異常值（比如個別行業增速突然大幅提升）以外。我們還可以按照不同的行業屬性，將它們按照各種維度進行合并分析。下面我們提示幾個基本的視角。

　　我國工業生產主要受內需形勢影響，但有些行業受海外需求的影響也較大。我們可以將所有行業分為兩組進行對照分析，一組是高出口依賴型，另一組是低出口依賴型，以此區分需求沖擊的類別。

　　工業交貨值占營業收入比重，可以用來判斷某行業的出口依賴度。我們將該比例在10％以上的行業定義為高出口依賴型行業，其它為低出口依賴型。根據2019年數據推算，共有15個高出口依賴型行業。這15個行業的增加值合計占工業比例大約為30％左右，其中計算機通信、電氣機械等行業規模較大。

　　結合各行業增加值在組內的占比數據（同樣基于2017年投入產出表，并假設該比例保持穩定），我們可以分別估算出高、低出口依賴組的工業增加值加權增速。

　　2012-2015年，兩組增速均出現趨勢性下行，但值得注意的是，2016年-2018年上半年，兩組增速突然出現了非常明顯的分化：其中高出口依賴組的增速出現了一輪上漲，低出口依賴組則變化較小，甚至有所下行。

　　這輪分化似乎揭示了這樣一個問題：2016-2018年上半年，工業生產更多的由外需回暖支撐，內需表現平平，所以那些出口依賴度高的行業，享受到的利益也就更多。

　　出貨值同比和海關出口同比均顯示出，2016-2018年上半年的出口情況在好轉。這一定程度上是由全球經濟回暖推動的，無論是OECD綜合領先指標，還是摩根大通全球綜合PMI指數，均在同期出現了明顯回升。

　　另一個常見的行業劃分視角是上游、中游、下游。不同的研究者的具體劃分結果有所差別，但劃分思路是一致的，即根據各個行業在產業鏈中的位置來進行劃分：

　　2）中業：繼續進行產品加工，但是這些產品往往繼續用于下一階段的生產。這其中既包括對初級資源進行加工后所形成的工業原材料，也包括未來繼續用于生產活動的各種機械設備。

　　如下圖所示，我們按照各個工業行業的特性，對其進行了上中下游劃分。其中，又進一步將中游分為原材料（綠色方框）、機器設備（藍色方框），前者離上業更近，后者離下業更近。

　　這四類行業增加值占比分別如下：上游為10％，中游原材料為32.1％，中游機械設備為20.5％，下游為27.4％，還有約10％的工業類別規模比較小且所處產業鏈位置不明確，因此我們沒有納入考量。

　　接下來，按照與上文類似的方法，可以計算出上中下游各自的工業增加值的加權增速。

　　理論上來說，上中下游的增速走勢應當基本保持一致，因為需求是沿著產業鏈條進行傳導的。首先從最靠近終端需求的下業開始，基于社會需求變動調整生產計劃，并很快會隨之帶動中游、上游加快或放慢生產。

　　不過，上游有時受價格的影響也很大。比如原油價格上升，可能會明顯增厚石油公司的利潤，這就會誘導其加快工業生產。這種沖擊屬于供給端的沖擊，它對于整個工業產業鏈的影響是比較復雜的。

　　雖然2016年至今，整體工業增加值增速的走勢波動較小，但是內部結構卻出現了很大差異。2016到2018上半年間，上中下游工業分化。其中上游工業和中游原材料生產明顯走弱，而中游機械設備、下游則出現了工業增加值增速的抬升。

　　這段時期的分化，如果只從數據面板來推測，大概率是因為上中下游受到的沖擊各不相同。

　　首先，上業、中游原材料行業面臨的沖擊，可能主要來自于供給側改革。由于環保限產、企業停工倒閉等一系列因素，工業增加值增速持續下行。（但下文中我們會結合高頻數據，對這一推斷進行修正）

　　中游機械設備和下業的上升，很大程度上是受外需提振。上文中提到的高出口依賴型行業，大多屬于中游機械設備或下業。2018年下半年，中游機械設備和下業的工業增加值增速也出現了明顯分化，后者迅速下跌，但是前者保持了韌性。

　　這反映了外需承壓后，國內消費與投資間的差異。下業離消費更近，但消費持續低迷；中游機械設備離投資更近，而在2018年，制造業投資增速在強勢回升。

　　此外，目前中國正處于新舊動能轉換期，我們應當更關注與新動能相關的科技產業。

　　統計局近年來開始公布高技術產業、戰略性新興產業的增加值同比數據，這兩類產業很大程度上代表了工業中的技術進步力量，也是我們經常能夠聽到的概念。

　　先來厘清一下它們各自的概念范疇：1）高技術產業/高技術制造業，是指R&；D投入強度相對高的制造業行業。2）戰略性新興產業，則主要指對經濟社會全局和長遠發展具有重大引領帶動作用的產業。

　　從對應的國民經濟行業范圍來看，戰略性新興產業所涉及的領域，要比高技術產業更廣泛（但是戰略性新興產業對應行業中，往往只有行業內的部分高端活動屬于戰略性新興產業）。這在統計數據上也可以反映出來，2018年末全國從事戰略性新興產業生產的規模以上工業企業數為66214個，規模以上高技術產業企業數則只有33573個。

　　總體而言，高技術產業則更適合用于描述研發強度較高、發展已較為成熟的工業類科技產業。戰略性新興產業則涉及產業面更廣，也更尖端。總體而言，后者能更全面、準確地反映中國科技創新的力量。

　　但是這兩類產業的工業增加值數據發布時間都比較短。從已發布的數據來看，高技術產業和戰略性新興產業的增加值同比增速，持續高于總體工業增加值同比，說明新動能表現確實優于舊動能。

　　不過，2019年以來兩類產業的增速已經快速回落，與整體工業數據差距有所收窄，這主要是受中美貿易摩擦影響。計算機通信制造業和高技術產業的增加值同比走勢很接近，在2019年，計算機通信制造業的出口出現了斷崖式下落，進而帶動其增加值增速下行，其他高技術產業、戰略性新興產業也面臨類似的問題。

　　工業增加值為月頻數據，公布時間為下個月的12-18號，其實是相對滯后的。

　　在實際中，我們可以借助一些其他指標，對短期工業生產狀況進行輔助判斷和預測，包括各種微觀的高頻指標（日頻、周頻、旬頻等）。

　　目前反映工業生產面的月度宏觀數據，主要就兩個，一個是工業增加值，一個是制造業PMI生產指數。PMI數據在每個月最后一天發布，及時性很高，相對于工業增加值數據要早了半個月左右。

　　PMI生產指數是13個PMI分項指數中的一個。它反映的是制造業的產品生產量變化，而制造業是工業的主要部分。如果PMI生產指數大于50，說明工業生產活動在擴張，小于50則說明在收縮。

　　由于制造業PMI生產指數本質上是一個環比指標，因此可以和PMI直接進行對比的是工業增加值季調環比，兩者走勢具有一定的同步性。（也可以將PMI指數轉化為虛擬同比，然后再與工業增加值同比進行對比）

　　這意味著，如果本月末發布的PMI數據上升，那么我們可以簡單預判本月的工業增加值數據（在下個月發布）也會上升。

　　但是PMI生產指數采用的統計方法是問卷調查法。它的取值只能反映趨勢，而不能反映真實的工業生產活動變化率，這一點是它和工業增加值數據的最大不同，也是導致它們之間出現走勢背離的重要原因。

　　一些頻率更高的微觀數據也可以顯示出工業生產狀況。與工業增加值數據相關的、值得挑選的高頻指標，主要來自于三個方向：

　　1）能夠揭示重點行業生產狀況的指標，比如鋼鐵、化工、汽車等工業生產數據等。

　　第三類指標盡管不直接反映生產面，但會釋放與工業生產有關的重要信號。上游原材料方面，市場一般比較關注動力煤、原油、螺紋鋼、水泥等價格變動。下游需求主要關注房地產、建筑業相關數據?？紤]到本篇報告主要針對工業生產，所以這些數據我們在本文中暫不進行具體分析。

　　另外需要說明的是，在展開分析之前，往往需要對這些指標做一些基本的數據整理，將高頻數據轉化為低頻。例如將日頻數據累加/平均為月頻，然后再計算同比增速，與工業增加值同比進行比較。

　　在介紹具體的高頻指標之前，我們首先來看看一個前幾年很火的概念——克強指數，它可以為我們尋找高頻指標提供一些思路。

　　克強指數于2010年推出，這是一個由英國《經濟學人》雜志創造的用于評估中國GDP增長的指標，很大程度上其實反映的是工業生產的景氣度。

　　它混合了三種指標，計算公式如下：工業用電量增速×40％ + 中長期貸款余額增速×35％ + 鐵路貨運量增速×25％，三個指標的權重是通過簡單回歸計算出來的。

　　克強指數和工業增加值同比的走勢，在2016年之前的相關性還是很高的，但是2016年后卻發生了明顯背離，克強指數大幅提升，但是工業增加值卻變動不大。這似乎與我們上文中提到的2016年后的行業分化隱約有一些聯系。

　　這種背離，在我們下文介紹其他高頻指標時還會經?？吹?。目前暫且保留這些疑問，我們會在最后一章探討這個奇怪的現象。

　　克強指數中的工業用電量、鐵路貨運量，都從側面反映了真實的工業生產狀況，我們也可以從這兩個方向著手尋找高頻指標。

　　第一，工業生產需要大量耗電。因此，工業用電量的變化率某種程度上可以作為工業生產的替代指標。

　　國家能源局每月會發布全國電力統計數據，其中就有工業用電量的當月同比。它和工業增加值同比之間有較強的相關性。

　　不過，工業用電量數據也是月頻數據，且發布時間和工業增加值差不多，不具備前瞻性。

　　市場更常用于觀察工業生產的指標是6大發電集團耗煤量（甚至可以說是最常用的高頻觀測指標了），它是日頻數據，連續性好，便于跟蹤。6大發電集團分別是浙電、上電、粵電、大唐、華能、國電，2020年3月后由華電數據代替國電數據。具體數據通過取樣這6大集團旗下位于沿?；痣姀S的煤炭日耗數據而得。

　　首先需要說明的是，6大集團的耗煤量數據自2020年7月以來已經陸續停止更新了，暫時還不清楚是短期停更還是長期停更?？紤]到這個指標以前的使用頻率比較高，我們這里還是重點介紹一下。

　　使用這一指標的邏輯在于，目前我國發電量80％來自于火電，因此可以通過大型發電集團的耗煤量，粗略地代替發電數據，進而觀察社會用電情況（發電量和用電量數據很接近）。

　　可以將發電耗煤量的日頻數據加總成月度數據，然后計算同比。如果本月6大發電集團耗煤量同比提升，一般預測本月工業增加值同比也將提升。

　　但是兩者出現背離的時候也很多。以2011年-2019年為觀察區間，6大發電集團耗煤量同比預測的成功率大概在64％左右。具體來看，在各年1-2月、3月、4月份的預測成功率較高，而在5月和10月的預測成功率則非常低。

　　1）工業用電數據本身就與工業生產存在背離，進而導致發電耗煤數據與工業數據背離。

　　2）6大發電集團耗煤量反映的是社會總用電量，即除了工業用電以外，還會反映第三產業用電、居民用電，它們也存在自身的波動規律。工業用電目前占比為6-7成。

　　3）6大發電集團耗煤量更多反映的是東部沿海地區的用電情況。而中西部地區和東部沿海地區的產業結構、氣候特征不一樣，電力需求可能存在地域差距。

　　4）發電耗煤量只反映了國內火電發電情況，外來電、水電、風電、核電等都不在考慮范圍內。

　　但總的來說，6大發電集團數據來源很清晰，時效性很好，盡管存在一些微觀數據難以避免的弊病，也不失為一個可供參考的指標，所以此前在市場分析的使用頻率也比較高。

　　第二，工業生產與貨物運輸關聯密切，尤其是鐵路貨運量。所以通過鐵路貨運量的變化，也可以間接判斷工業生產形勢。

　　市場常用大秦鐵路貨運量數據來替代。該數據為月度數據，由大秦鐵路上市公司于每月10日前公布，在時間上領先工業增加值。

　　大秦鐵路是連接山西大同與河北秦皇島的國鐵Ⅰ級貨運專線，從歷史數據來看，大秦鐵路貨運量大體上能反映整體鐵路貨運量的趨勢變化。與此同時，大秦線承擔著西煤東運、北煤南調的國家戰略任務，其貨運量中70％以上為煤炭，所以它其實也間接地反映了發電耗煤情況。

　　2016年之前，鐵路貨運量同比與工業增加值同比的同步性還不錯，但是2016年之后也出現了相當嚴重的背離。大秦鐵路貨運量數據是在2014年之后才披露的，受2016年后特殊情況影響，它用來判斷工業生產的準確率其實并不高。

　　此外，我們可以挑選出一些重點行業進行監測，尋找與這些行業生產相關的高頻指標。

　　結合上文中提到的各行業增加值占比，目前可以重點關注的工業類別包括黑色金屬冶煉及壓延加工業、化學原料及化學制品制造業/化學纖維制造業、汽車制造業，即鋼鐵、汽車、化工行業，這些行業都有一些可供參考的高頻數據。

　　首先看鋼鐵行業。目前市場上分析鋼鐵行業生產情況的高頻指標，一般有高爐開工率、粗鋼產量。

　　1）高爐開工率 = 開工高爐數÷總高爐數，該指標為周頻數據，由Mysteel網站披露。高爐開工情況來自對全國163家鋼廠樣本的調研。

　　自有2015年下半年有數據以來，高爐開工率其實是在不斷走低的，然后在2018至今，基本維持在60％-70％的區間內波動。從唐山鋼廠的情況來看，2015年-2017年總高爐數變化不大，主要是開工高爐數在減少，反映的是供給側改革和環保限產政策的影響。

　　另外，高爐開工率還有比較明顯的季節波動特征，一般是二三季度較高，一四季度偏低。我們在分析這一數據時，一般會從環比的視角來看開工率是上升還是下降，直觀地感受下近期鋼鐵工業生產是加快還是放緩。但為了剔除季節性影響，也會對比上年同期的開工率。

　　2）重點企業粗鋼日均產量為旬度數據，由中國鋼鐵工業協會披露，大約每旬結束的3-5天內會披露該旬數據。統計對象為參與旬報統計的會員鋼企。

　　但是這個數據的質量不是很高，因為有時監測企業會有不上報數據的情況，這時鋼鐵協會只能用這些企業的歷史數據帶入估算。另外，鋼鐵協會每年統計的會員鋼鐵企業不一致，可能有口徑不可比的問題。

　　將重點企業粗鋼日均產量（鋼鐵協會口徑）轉換為月度同比之后，基本上可以替代發布更滯后的粗鋼產量當月同比（統計局口徑）。除去2016年，它們與黑色金屬冶煉及壓延加工業增加值也有較好的相關性。

　　其次看汽車制造業。汽車行業的常用跟蹤指標主要包括：汽車半/全鋼胎開工率、汽車產量。

　　1）汽車半/全鋼胎開工率，由中國橡膠信息貿易網披露，二者均為周頻數據，一般在每周五更新。

　　這兩個開工率數據都和汽車輪胎生產有關，兩者在細節上略微有點不一樣，半鋼胎主要用于轎車和大部分輕卡，全鋼胎主要用于卡車和小部分輕卡，歷史走勢來看兩者沒有太大的區別。

　　汽車半/全鋼胎開工率，主要反映了輪胎廠商的生產情況，但是因為輪胎和下游汽車的聯系比較緊密，所以也間接反映了汽車生產情況。

　　這兩個指標的分析方法和高爐開工率差不多。如果把它們處理成月度同比變動，可以發現和汽車制造業同比也存在一定的關聯度。

　　2）汽車產量。目前統計局、中汽協、乘聯會都會發布相關的月度數據，這三個口徑的汽車產量，官方程度依次下降，但是披露時間依次提前。乘聯會數據的披露時間一般在下個月上旬，汽車工業協會數據一般在下月10號左右，均略微領先于工業增加值。

　　另外，中汽車披露的汽車數據包括乘用車和商用車，乘聯會只披露乘用車數據，不過近年來乘用車占比約在80％-90％左右。從歷史走勢來看，三個不同口徑下的汽車產量增速差異不是很大。

　　我們可以簡單地將PTA（精對苯二甲酸）理解為一種重要的化工產品，它的下游延伸產品主要是滌綸（即聚酯纖維），滌綸又屬于化纖的一種。所以PTA產業鏈負荷率可以大致反映化學原料及化學制品制造業、化學纖維制造業的生產情況。

　　PTA產業鏈負荷率為日頻數據。有一點類似于汽車半/全鋼胎開工率，我們可以對PTA產業鏈負荷率采用同樣的數據處理和分析方法。

　　但這個數據的質量似乎不是很高。我們對PTA產業鏈負荷率做當月同比處理，然后對化學原料及化學制品制造業、化纖制造業的增加值同比進行簡單平均，以反映化工行業整體情況，兩個指標只有在部分時間是同步的。

　　根據上文的高頻數據，可以看到一個比較奇怪的現象：過去那些與工業增加值有著密切聯系的高頻指標，近年來似乎統統出現了背離。

　　2016-2017年，工業用電量、發電耗煤、鐵路貨運量、高爐開工率同比數據均已大幅回升，這反映了工業生產在明顯加快。但工業增加值同比卻一直趴在6％附近，維持著一種超預期的穩態（見圖表20、21、23）。

　　可以從行業結構上來解釋這一點嗎？上文中曾提到，2016年以來的上游和中游原材料行業、中游機械設備和下業，各行業的工業增加值數據，在這段時期也出現了一些明顯的趨勢性分化。

　　有一種解釋是這段時期的產業升級。上游和中游原材料往往是高能耗行業，鐵路貨運量也比較大，假如由于產業升級等原因，它們對工業生產的影響力下降。那么它們的生產加快，可能對整體工業增加值數據的影響比較弱。這有助于解釋“發電量強、工業增加值弱”之類的情況。

　　事實恰恰相反。實際上2016年正是上游和中游原材料在趨勢性下行，直到2017年才陸續見底回升（然而2017年下半年高頻數據顯示工業生產其實已經開始回落），反倒是中游機械設備和下業的生產加快，起了對沖作用，在支撐著工業增加值。（見圖表14）

　　那么是高頻數據錯了，或者說高頻數據受到了特殊因素干擾嗎？可能性也很低。首先，幾個不同類別的高頻數據都共同印證了2016年后上游、中游原材料工業生產在加快。其次，統計局公布的各種工業品產量數據，也顯示出生產加快的痕跡，例如煤炭、鋼鐵、有色、水泥等產量，在2015年下半年-2016年初就已經開啟了新一輪擴張。

　　理論上來說，工業增加值剔除了價格因素，應該與產量的變動是保持一致的。中游機械設備和下業這一點就表現的很好，比如上文曾提到的汽車產業（見圖表28）、還有下圖中的通用設備制造業等。

　　部分觀點提到，工業增加值同比只囊括了規模以上的企業，而高頻數據比如發電量背后反映的是所有工業企業的信息。如果是規模以下的小企業生產加快，那么用電量等高頻數據會走強，但反映不到工業增加值增速之中。的確有這種可能存在。但是：

　　1）大企業仍然是主導高頻數據（比如用電量）的主要力量，所以小企業因素對用電量與工業增加值背離的解釋力比較弱。

　　2）小企業和大企業的生產驅動邏輯不存在本質區別，要么是價格上漲，要么是需求啟動，所以很難看到小企業加快生產、大企業不動的情況。除非去產能的政策限制松動，導致更多小企業出現，但是2016年也沒有出現明顯的政策松動。

　　3）統計局提到的產量數據是關鍵。它其實也是針對規模以上工業企業調查的，和工業增加值是同一個口徑。它的增長應該說明了規模以上工業生產的確在加快。

　　根據現行規則，首先得用本月工業總產值×上年增加值率推算出本月現價工業增加值，然后再用PPI縮減為不變價工業增加值，最后計算增速。理論上來說，工業總產值=產量×價格，在用PPI縮減后，確實消除了價格因素。

　　但是我們上文也談到了，在實際中，工業總產值是企業通過聯網直報系統直接報送數據，然后由統計局匯總而成的，而PPI的核算則是另一套程序。這可能導致價格剔除沒辦法做到理論上那么完美。

　　而在2016年，上游和中游原材料行業的PPI出現了一輪歷史罕見的飆漲，使得這個核算差異可能被放大了，具體表現在企業報送工業總產值數據時，可能考慮的價格上漲因素沒那么多，而PPI核算出來的價格上漲更劇烈。這就導致用PPI縮減時，把最終的不變價增加值縮減得更少了，進而降低了工業增加值的增速。