本文主要讨论了三个方面的内容：
　　一是过去三年的疫情给经济主体带来了心理性和财务性的疤痕效应，前者影响承担风险的意愿和对未来的预期，后者造成了资产负债表的失衡。疤痕效应的修复与政策干预联系紧密，在自然条件下的修复需要一定时间。
　　二是中国房地产行业正在经历的流动性危机反映和暴露了高周转模式的内在脆弱性，并由于去杠杆政策和疫情冲击而扩散和加剧。从供应过剩、价格弹性、潜在存货等角度来观察，房地产市场的调整与日美曾经经历的泡沫破灭多有不同。随着政策的调整，房地产行业将转入违约压力的有序出清和商业模式的渐进转型。
　　三是我们提出了以安全维度为纵轴、以增长维度为横轴的四象限分析框架，试图理解政府日益上升的安全关切对资本市场估值体系与结构的影响。
　　风险提示：（1）疫情发展超预期；（2）地缘政治风险；（3）政策调整超预期

研究报告全文：安信证券宏观研究物转星移又一秋1高善文2年月日20221220内容提要本文主要讨论了三个方面的内容一是过去三年的疫情给经济主体带来了心理性和财务性的疤痕效应前者影响承担风险的意愿和对未来的预期后者造成了资产负债表的失衡疤痕效应的修复与政策干预联系紧密在自然条件下的修复需要一定时间二是中国房地产行业正在经历的流动性危机反映和暴露了高周转模式的内在脆弱性并由于去杠杆政策和疫情冲击而扩散和加剧从供应过剩价格弹性潜在存货等角度来观察房地产市场的调整与日美曾经经历的泡沫破灭多有不同随着政策的调整房地产行业将转入违约压力的有序出清和商业模式的渐进转型三是我们提出了以安全维度为纵轴以增长维度为横轴的四象限分析框架试图理解政府日益上升的安全关切对资本市场估值体系与结构的影响风险提示1疫情发展超预期2地缘政治风险3政策调整超预期1本文根据作者在2022年12月13日安信证券年度策略会上的演讲发言整理而成题目意指中国资本市场估值体系步入新阶段股票市场处于压制因素解除后的抬升过程中2首席经济学家gaoswessencecomcnS1450511020020安信证券宏观研究第1页共32页2022年12月安信证券宏观研究一疫情留下的疤痕伴随近期中国疫情防控政策的持续优化我们正在迎来与奥密克戎变异毒株长期共存的全新生活方式或许再经过一段时间的不便与混乱之后在2023年二季度的晚些时候我们的经济和社会生活能够基本恢复到相对正常的状态对三年疫情留下的疤痕做一次检视无疑是必要的一伤疤在哪里过去三年经济社会生活难以正常展开收入的不稳定性空前增加收入增速与疫情之前相比总体上经历了比较明显的下降在此背景下居民和企业的资产负债表受到了不小的损害需要一些时间来进行修复此外疫情冲击给民众的心理也留下了一些疤痕民众对于风险的容忍和承受能力相比疫情之前可能出现了不小的下降其对未来收入增长的确定性可得性以及未来收入增速能够维持的水平等方面的预期也都变得更加保守那么这样的疤痕效应在数据之中是如何体现的呢我们知道理论上居民部门获得的收入之中一部分用于消费一部分以银行存款或货币基金的形式存储起来此外当居民考虑买房或经营商业时在以收入为支撑的条件下还会从银行获取贷款据此我们可以构造一个比值其分母端是居民部门一段时间例如一个季度的总收入分子端则是居民资产负债表中的存款增量与贷款增量之差即存贷款轧差其中存款包括储蓄存款和货币基金贷款包括购房以及经营所需的贷款如图1所示自今年3月以来相对于居民收入而言居民所持有的存贷款轧差占比出现了大幅上升即使这一比例在2021年底就已处于过去七八年时间里相对较高的水平但是自2022年以来这一比例在已经较高的基础上仍安信证券宏观研究第2页共32页2022年12月安信证券宏观研究继续出现历史罕见的大幅度单边上行总体上表明居民部门在资产配置上变得非常保守不愿意承担风险对未来的预期变得较为悲观图1居民户新增广义存贷款轧差居民部门总收入4QTTM25广义存贷款轧差占收入比重20151050510201409201509201703201803201903202009202109202209201403201503201603201609201709201809201909202003202103202203数据来源Wind安信证券注广义存款包括存款和货币基金一般来讲储蓄倾向是指一段时间之内居民所获得的收入减去其中用于消费的部分比如购买食品烟酒汽车等商品或理发等服务之后剩余的部分就被定义为储蓄储蓄可以用于投资购买房产等活动如图2所示我们可以从两个数据口径观察居民储蓄倾向的变化1红色的线使用的是入户调查数据可以发现每一次出现比较明显的疫情冲击时均导致居民户部门储蓄率出现异常的上升在这样的上升之中一部分是因为部分线下消费的不可得进而形成了被动储蓄另外一部分也可能是来源于居民对未来收入的信心下降因此需要积累更多的储蓄来进行预防性应对2蓝色的线是我们基于宏观经济数据中的国民收入和社会消费品零售数据所反推出来的居民户部门储蓄率可以看到其与红线所代表的户调数据有一定的差别特别是自疫情以来在走势方向或绝对水平上差别较大甚至越来越大安信证券宏观研究第3页共32页2022年12月安信证券宏观研究如果以宏观数据估计为基础总体上我们看到的是居民部门的储蓄率在趋势上不断上升消费倾向越来越低图2居民户储蓄率偏离值8户调数据计算的储蓄率偏离值估算的储蓄率偏离值765432101202003202012202103202006202009202106202109202112202203202206202209数据来源Wind安信证券估算方法用名义GDP和社会消费品零售数据分别估计居民的收入和消费进而推算得到储蓄率在其他因素不变的情况下疤痕效应很大程度上解释了2022年为什么包括房地产市场股票市场等经历了幅度较大的单边下跌过往出现类似情形所伴随的宏观环境例如明显的通货膨胀监管收紧流动性紧缩货币信贷利率显著上升等因素在今年均不存在或不明显二疤痕效应的修复与政策干预紧密关联一般认为在人类经历自然灾害后心理上都会产生一些疤痕随着灾害的过去疤痕的影响会减弱但依然会维持一段时间它突出的特点则是人们对风险的容忍度下降行为变得更加保守更加不愿意冒险但是对于这样一般性的总结而言看起来似乎也存在一些例外第一个例子是2002年德国易北河岸发生了一次严重的洪水灾害洪灾过后安信证券宏观研究第4页共32页2022年12月安信证券宏观研究一些学者专门调查了受到洪水影响的家庭的收入和开支行为基于可得的地理数据他们发现在发生洪水的时候并不是所有家庭都受到了洪灾影响有一部分家庭受灾还有一部分家庭没有受灾因此在同样的地理区域内没有受灾的家庭的收入和开支行为就可以作为很好的对照样本结果显示在易北河洪水之后受到洪灾影响的这部分家庭的收入和开支行为相比对照组而言并没有显著差异这与我们一般想象的疤痕效应存在一定的出入但是这些学者有一个倾向性的解释就是德国具有强大的社会保障体系在这些地区发生洪灾以后民众所遭受到的损失由政府及时足额提供补偿在这样的政策干预之下洪灾无论是在财务层面还是在心理层面均没有给当地民众留下明显的持续影响他们的生活在洪水过去以后就迅速恢复正常了第二个例子是尽管美国经历了较大规模的疫情冲击但是今年以来在美国居民部门储蓄率的变动上也看不到很明显的疤痕效应因为如果有明显的疤痕效应其储蓄率至少应该相对疫情之前的水平明显更高但实际上我们所看到的是更低的储蓄倾向和更高的消费倾向而这与美国经济数据的持续强劲以及较大的通货膨胀压力之间可能也是有一些关系的从美国的案例来看疤痕效应快速弱化的原因可能在于在疫情肆虐时期美国政府针对居民提供了大量补贴和转移支付较好地保护了居民部门的财务状况和资产负债表减弱了居民部门在心理层面所承受冲击的强度和持续时间所以在疫情缓解过后他们的生活能够迅速恢复到相对比较正常的状态但是从比较多数的自然灾害条件下人们行为变化的研究以及迄今为止中国的数据情况来看在我们的经济社会生活逐步恢复正常以后疤痕效应可能还会持续一段时间安信证券宏观研究第5页共32页2022年12月安信证券宏观研究二房地产行业转向有序出清和渐进转型2022年中国房地产市场经历了幅度很大的调整销售和新开工下降幅度十分惊人房价也出现了一定幅度的下跌整个房地产行业显示出现较为广泛的违约压力一些看法悲观地认为中国正在经历房地产泡沫的破灭基于对历史上日本和美国房地产泡沫破灭案例的观察这些看法认为泡沫破灭是不可逆的并且将会在未来较长时间里对于经济增长形成负面影响下面我们试图从意愿库存供应过剩和价格弹性等方面提供一些差异化的视角一商品房非意愿库存首先可以观察一个我们这些年所追踪和估算的数据叫做房地产企业所持有的非意愿的商品房存货如图3所示这里的零轴不是意味着存货是零而是代表着房地产企业的存货与房地产企业意愿持有的水平是一致的从估计结果来看毫无疑问的是在2013年至2014年前后房地产行业曾经积累了大量的超额存货但是到了2018年以后这些存货基本已经下降到完全正常的水平从这一估计来看2021年和2022年房地产行业所持有的非意愿存货放在历史上看都处在异常低的水平安信证券宏观研究第6页共32页2022年12月安信证券宏观研究图3测算全国商品房非意愿库存千平方米800000测算全国房地产库存量千平方米6000004000002000000200000400000600000201020132016201820192021200820092011201220142015201720202022数据来源Wind安信证券注2022年数据截至10月我们知道所谓的房地产泡沫它的形成通常有几个条件第一是大量民众和金融机构对未来至少是对房地产行业的未来抱有强烈的不可动摇的信心和信念认为房价一定会一直上涨第二是金融条件和金融环境异常宽松当他们试图参与房地产市场投机的时候总是可以在比较低的资金价格上获得贷款持续的信贷流入叠加对房价具有很强的一致预期等因素推动了房地产泡沫的形成和房价的快速上升第三是房价的快速上升会刺激房地产供应的扩大开发商面对涨价积极地在房地产市场提供更多住房进而使得房地产供应大幅增长但是等到房地产泡沫破灭的时候就会发生两个方面的问题一方面在泡沫化过程中房地产市场供应的扩大从长期历史来看是不正常的这些过剩的不正常的供应需要较长时间来消除和消化这对房地产投资以及很多相关行业的需求形成了中长期的负面影响另一方面在消化这些供应的过程之中由于市场在泡沫破灭后存在明显的供过于求现象泡沫破灭后房地产价格又会下跌对银行和居民的资产负债表造安信证券宏观研究第7页共32页2022年12月安信证券宏观研究成了很大的损害这一损害迫使银行又要去修复自身的资产负债表采取诸如紧缩信贷提高信贷发放标准重新筹集资本甚至隐藏坏账等方式与此同时居民部门在投机性购买过程中所积累的大量的银行债务在房价下跌过程中资产负债表也会受到很大的损害此后也需要花很长的时间去修复二房地产开发投资占GDP比重因此造成具有持续严重影响的房地产泡沫通常应该有一个关键特征就是房地产投资出现了异常的扩大以这样的模式来看日本房地产数据可以发现如图4所示日本在1985年之前房地产投资占整个经济的比重大约在8左右在1987年房地产市场开始泡沫化以后这一比例迅速从8上升到超过10的水平而这一过程意味着在市场上房地产供应的扩大到了1991年房地产泡沫破灭以后日本房地产投资占GDP比重开始经历长期的下跌过程下跌的早期反映的是对于前期过剩供应的消除过程而下跌的后期也许更多的与日本快速老龄化存在更密切的联系图4日本房地产投资占GDP比重11日本房地产投资占GDP比重109876519841986198919921993199519961998200120042007200820102013201620191985198719881990199119941997199920002002200320052006200920112012201420152017201820202021数据来源Wind安信证券安信证券宏观研究第8页共32页2022年12月安信证券宏观研究再来看美国的数据如图5所示可以发现在一定程度上具有类似的特征2004年以前美国房地产投资占整个GDP的比重也在差不多8的水平众所周知80年代的日本2000年的美国都已经是高度发达人均收入较高的经济体也是早已完成城市化的经济体但即使在这样的条件下二者房地产投资占GDP的比重仍接近8的水平而美国在2003年以后该占比开始从8向10接近这一上升过程代表了供应扩大反映了在那几年的时间里面美国房地产市场的泡沫化此后随着泡沫破灭该占比经历了较长时间的大幅下跌代表着对泡沫化过程中过剩供应的消化以及企业和居民资产负债表所受到的压力直到2014年以后美国房地产市场看起来才基本稳定但一直到最近这两年美国房地产投资占GDP的比重才勉强接近73但依然没有达到2003年之前的水平图5美国房地产投资占GDP比重10美国房地产投资占GDP比重9876542002200420072008200920132014201820192020200020012003200520062010201120122015201620172021数据来源Wind安信证券而在中国的数据之中如图6所示我们剔除了房地产开发投资中的土地购置费使得中国的数据口径与美国日本的数据尽量可比可以看出中国房地产投资占整个经济比重的最高点出现在2013年前后当时这一比例大概在12左安信证券宏观研究第9页共32页2022年12月安信证券宏观研究右2014年以后该占比总体经历了单边波动下降的过程至2022年这一比例估计可能在76左右这一水平与日本泡沫化之前80年代早期的水平以及美国2003年之前的水平基本是接近的考虑到中国的城市化过程还不能说已经完全结束中国的人均收入水平还处在相对较快的提升过程之中我们很难认为当前的房地产投资占比水平就已经处在明显偏高的状态图6中国房地产投资占GDP比重13中国房地产投资占GDP比重12111098776654200320042006201020132015201620182021200220052007200820092011201220142017201920202022数据来源Wind安信证券注已剔除土地购置费与日本美国数据口径保持一致2022年为估计值三新房与二手房价格弹性此外还可以从另外一个角度房屋价格弹性来进行验证在过去15年的时间中中国房地产市场大概经历了5轮周期通过计算和比较每一轮房地产市场下降过程的房屋价格弹性来进行分析所谓价格弹性是这样计算的首先计算在房地产市场下降过程之中从顶部到底部交易量的下降同时计算顶部到底部的新房或二手房价格的下降把价格下降和交易量下降的比值作为弹性安信证券宏观研究第10页共32页2022年12月安信证券宏观研究如图7和图8所示当2013年房地产投资占GDP比重最高估算的房地产存货最多时2013年新房房价在价格下跌过程中的弹性也是最大的而价格弹性在一定程度上代表了市场供应压力或供应曲线的斜率因此当2013年各方面的供应压力都是最大时2013年价格下跌的弹性也是最大的图7新房价格弹性03020120072009201320172021数据来源Wind安信证券注使用每一轮周期70城房价同比顶部和底部的差除以商品住宅销售当月同比顶部和底部的差以此来对比2021年以来这一轮房地产价格下跌过程中尽管交易量的下跌比较惊人其中有疫情所带来的影响也有房地产市场自身调整的影响但从弹性的角度来看2021年以来的新房价格弹性是过去15年之中最小的这也暗示在新房市场上并没有显著的供应过剩压力而在二手房市场相对一致的特征是2013年二手房市场的价格弹性也很大代表着较大的供应压力虽然今年以来价格下跌的压力要更大一些但是仍显著低于2013年的水平接近2007年的水平在历史上处于中位数的水平二手房市场所承受的供应压力似乎比新房市场看起来要略高一些一个额外的解释可能是也许一部分居民在遭受疫情对其生产经营以及资产负债表的冲击后就像减持股票一样被迫减持了多余的房地产从而对二手房市场造成安信证券宏观研究第11页共32页2022年12月安信证券宏观研究了额外的供应压力图8二手房价格弹性020150120072009201320172021数据来源Wind安信证券四房地产市场大幅调整的主要原因实际上我们倾向认为今年房地产市场主要是经受了两个因素的打击而不是泡沫破灭的冲击一个因素是持续的疫情形成了疤痕效应疤痕效应使得居民不敢买房买股同时在一定程度上减持了房地产市场的持有在需求端造成了压力另一个因素是2016年以后房地产行业逐步开始流行所谓的高周转模式这种商业模式具有巨大的内在脆弱性其本质上是一种高杠杆模式对于连续顺畅的融资以及对债务工具的依赖都非常的强烈这种内在的脆弱性遇到房地产调控等原因后就被充分暴露了出来迫使整个行业需要大幅度地调整自己的商业模式而这一过程中又遭遇了疫情疤痕效应在需求端所造成的冲击这两个因素很大程度上解释了2022年房地产行业的低迷状态即房屋销售和新开工数据非常低开发投资增速大幅度下降全行业在前一段时间面临着比安信证券宏观研究第12页共32页2022年12月安信证券宏观研究较普遍的不断蔓延的违约压力五房地产行业逐步进入有序出清和渐进转型最近一段时间政府对房地产行业采取了非常强有力的扶持政策对于大型头部房企来讲流动性压力出现明显的缓解这也许意味着房地产行业已经转入了有序的供应端出清和渐进的商业模式调整从中长期来看所面临的比较大的问题是由于房地产行业正在经历有序的供应端出清过去几年新开工总体处在相当低的水平从宏观上房地产投资占GDP比重以及我们所估算的行业存货压力来看房地产行业意愿存货处在偏低的水平如果未来疤痕效应逐步消除房地产行业商业模式实现从高周转到制造的转型在市场的需求正常化以后是否会出现市场供应不足的问题也许要提前考虑三统筹发展与安全一全球政治经济环境的新变化自1991年苏联解体以后全球进入了后冷战时代后冷战时代突出的特点是全球经济经历了以增长和效率为导向以开放和融合为手段以猛烈的经济增长为结果接近30年的快速发展而在这一过程中中国无疑是最大的受益者之一30年波澜壮阔的全球化历程深刻地改变了全球地缘政治的格局但是近些年来由于与全球化相伴随的地缘政治环境的变化以及许多国家内部政治经济形势的演进对于安全的关切开始成为许多政府企业和金融机构在思考增长和效率的同时不得不认真考虑的重要维度安信证券宏观研究第13页共32页2022年12月安信证券宏观研究比如作为现在的跨国公司管理层在考虑全球布局供应链和生产能力以增加效率降低成本的同时也要考虑供应链的安全与韧性备份与冗余等现在一些国家的中央银行和大型金融机构在国际金融市场进行资产配置时要考虑在极端条件下自己的美元资产会不会遭遇像俄罗斯中央银行外汇储备一样的局面由于各种各样的政治因素被冻结或者被没收再比如说对于西方国家的政府而言其对很多的技术领域都采取了额外的限制措施而这通常被认为反映了他们日益加剧的安全关切所以总体上在发展与安全问题的考量方面继续追求经济增长的同时去兼顾安全关切已经成为一个在全球范围之内相当普遍的重要关切毕竟安全是发展的前提发展是安全的保证未来中国统筹安全与发展主题的法律法规体系是什么样子的我们现在也不是很清楚政策法规法律体系的形成和制定显然也有摸索和完善的过程但是仔细观察政府在这一领域正在进行的一些工作及其影响无疑会提供一些有价值的探索二统筹安全与发展影响资本市场估值体系的分析思路接下来讨论问题的重点是想弄清楚在全球和中国都在统筹兼顾安全与发展的条件下时代主题的变化将会如何影响资本市场的估值体系特别是估值结构对此我们试图提出一个概念性的框架性的分析思路并用一些具有代表性的案例去阐释这个概念体系可以预见的是随着政策法律法规体系变得越来越细致精巧我们还可以补充越来越丰富的案例基本想法是可以设立一个两维四象限的坐标体系横轴是增长维度纵轴是安全维度安信证券宏观研究第14页共32页2022年12月安信证券宏观研究在这个四象限体系之中在横轴方向上越往左边走代表着一个给定的行业或者企业其增长动力和潜能就越弱越往右边走则反之在纵轴方向上描述的是对于安全的关切程度越往下方走意味着与其相关联的很多行业或企业不涉及到安全关切或者说其对安全方面的影响相对是很小的越往上方走则安全关切程度越高需要说明的是纵轴所代表的安全维度理论上应该是一个总体的安全观它应该包括金融安全经济安全生态安全领土安全政治安全意识形态安全等等方面总之就是一个政府总体的安全关切从横轴来看我们知道在中国资本市场上通常有一些简单实用的法则第一对于购买债券来说在公司基本面相近的情况下要买国有企业的债券原因很简单一方面是国有企业本身经营更加稳健当然不排除有很多稳健的民营企业另一方面在行业遭受意想不到的负面冲击陷入困难的情况下总体上国有企业获得政府救助的可能性至少不低于民营企业也许还要比民营企业更大一些第二对于购买股票来说在公司基本面相近的情况下要买民营企业的股票国有企业经营太过稳健风险暴露不足而民营企业具有更多增长方面的诉求从而能够更好地匹配股票投资者对增长风险暴露的要求在历史上常常看到的现象是在增长相对较低的行业里面整体经营环境比较稳定国有企业可以有相对不错的生存环境如果行业是竞争性的是可以相对自由进出的与此同时又是高速增长的具有较强的技术不确定性那么总体上国有企业的优势相对民营企业而言就不是那么突出基于上述背景如图9所示我们试图在安全与增长四象限里边举出一些案安信证券宏观研究第15页共32页2022年12月安信证券宏观研究例一部分原因是因为过去几年所反映的安全关切变化在这些案例上已经有一些政策进展上的体现另一方面原因是这些案例有助于说明我们即将展开的逻辑图9增长与安全四象限资料来源安信证券1第一象限该领域主要满足两个特征第一是高增长状态第二是与安全关切密切相关典型的领域比如事关未来尖端制造业的核心技术卡脖子工程国防军工等敏感领域这些领域既有非常高的增长潜力同时又事关国家安全这可能将是未来新型举国体制集中发力的领域至于新型举国体制在第一象限如何发力我们还需要继续观察挑战在于如果这个象限的领域或行业完全由经营相对比较稳健的国有企业主导那么其在面对高速增长和不断变化的技术环境时不见得能够抓住和实现最佳技术路径最终驱动市场的增长但是如果在这个领域完全由民营企业主导那么其在多大程度上能很好地解决安全关切的问题也值得思考安信证券宏观研究第16页共32页2022年12月安信证券宏观研究2第二象限该领域的第一个特征依然是重视对安全的关切第二个特征是增长明显较弱甚至没有增长而没有增长意味着技术格局商业模式和市场等方面相对比较稳定政府也许会全面加强在这一领域的监管和管制并或扩大国有企业在这些领域的存在3第三象限该领域的特征是既没有增长同时又不涉及安全关切在这一领域政府应该会延续以前长期坚持的政策继续扩大开放破除行政性垄断以鼓励竞争支持和鼓励民营企业做大做强4第四象限该领域既存在未来相对比较强劲的增长可能性同时与安全关切的联系并不密切民营企业无疑将是这一领域最为主导的力量以应对技术以及商业环境变动的高度不确定性这一象限的重要挑战在于西方国家的政府开始积极干预和补贴这些行业以获得竞争优势这扭曲了全球的商业环境如何在世界贸易组织的框架下建立和维持一个开放公平的竞争规则促进这些行业在技术标准和分工上的全球化以推动普遍的繁荣无疑是行业面临的不小的挑战三几个特征性案例考虑到对安全维度的兼顾和关切在近几年已经有所展开因此我们可以通过案例分析的方法来回顾这一变化过程对资本市场估值体系的影响并为理解我们安信证券宏观研究第17页共32页2022年12月安信证券宏观研究前述的分析思路提供更为丰富的线索1国防军工第一象限首先我们认为在第一象限的一个典型行业是国防军工其涉及较强的安全关切又具有相对明朗的增长前景具体来看如图10所示这是国防军工相对于万得全A的价格指数使用行业价格指数万得全A价格指数再将某个时点设为100容易看到的是自2020年下半年起以万得全A指数为对照国防军工指数开始出现单边上行的现象尽管期间有较大的波动但相对的收益开始明显放大图10行业相对万得全A价格指数国防军工第一象限140国防军工1301201101009080201603201701201711201804201907202010202103202201202211201608201706201809201902201912202005202108202206数据来源Wind安信证券注2021年1月100股价为后复权正如我们之前所提到的由于第一象限行业所处的背景以及各种特征国有企业可能会获得额外的优势而这些优势将会反映在估值层面因此在国防军工行业相对整个大盘获得收益的同时在其行业之内如图11和图12所示进入2020年三季度以后行业内的国企相对非国企的PE和PB均出现了中枢水平的持续抬升表明其获得了越来越大的估值优势如图13所示行业内国企相对非国企的价格指数也相应抬升在收益层面上国企也开始表现得更强安信证券宏观研究第18页共32页2022年12月安信证券宏观研究如果说国防军工相对万得全A获得超额收益可能还有很多别的原因但是行业内部的国企相对非国企开始获得估值和收益上的明显优势可能为我们提供了另外一个值得思考的证据图11行业内国企相对非国企PE国防军工第一象限13国企PE非国企PE国防军工12111009080706201605201608201611201702201805201905201908201911202002202008202011202102202205202208202211201705201708201711201802201808201811201902202005202105202108202111202202数据来源Wind安信证券注剔除净利润负值样本采用国企加总市值国企加总归母净利润TTM计算PE后续指标计算口径相同图12行业内国企相对非国企PB国防军工第一象限10国企PB非国企PB国防军工090807060504201605201701201705201801201909202005202101202105202201202205201609201709201805201809201901201905202001202009202109202209数据来源Wind安信证券注采用国企加总市值国企加总归母权益计算PB后续指标计算口径相同安信证券宏观研究第19页共32页2022年12月安信证券宏观研究图13行业内国企相对非国企价格指数国防军工第一象限行业国企相对非国企价格指数按市值加权国防军工130行业国企相对非国企价格指数算数平均国防军工120110100908070201603201701201711201804201907202010202103202201202211201608201706201809201902201912202005202108202206数据来源Wind安信证券注股价为后复权计算口径分别为市值加权和算数平均后续指标计算口径相同2021年3月1002互联网第二象限在第二象限互联网行业是一个典型领域因为在反对资本无序扩张的过程中互联网是相对明显的领域而反对资本无序扩张显然包含了较强的安全关切在里面并且最近几年随着移动互联网结束了此前的高增长状态互联网领域转入了相对中低速的增长总体上比较符合第二象限的特征从代表互联网的行业指数来看我们选择了一个相对宏观的不完全是单个行业的万得中概股100指数如图14所示其中大部分是具有代表性的互联网企业即使是与传统行业相关的企业但也普遍具有较强的互联网属性并且只取100家中概股的话也剔除了一些市值偏小交易不活跃的样本安信证券宏观研究第20页共32页2022年12月