本篇报告是经济数据分析手册系列的第二篇——工业数据篇。我们将先从工业增加值数据开始讲起。

  工业增加值数据，反映的是工业生产的快与慢。而工业生产又与经济的冷热状况紧密关联。通过一系列分析工业增加值数据，我们大家可以对经济的供给端有更深的了解。本文对工业增加值数据的介绍包括三个方面：

  我们曾介绍过GDP的具体核算流程。按照生产法，需要分别计算出国民经济各行业的增加值，然后加总得到最终的GDP。（详见《GDP分析手册》）

  什么是工业？“工业”概念在我们国家的经济统计中有非常明确的范围界定，它包含三个国民经济门类行业：1）采矿业。2）制造业。3）电力、热力、燃气及水生产和供应业。其中制造业最重要，占比在85％左右。

  统计局会在公布GDP数据时，同时公布分行业的增加值数据，当然其中也包括季度、年度的工业增加值。

  本篇报告讨论的重心主要在于月度工业增加值数据。它和年/季度的工业增加值，概念上没什么差异，但也有一些特殊性：

  一是考虑到时效性，需要每月独立核算。并且由于基础资料不完整，只能采用推算方法。

  二是统计范围更小，只统计了规模以上工业（年主要经营业务收入≥2000万的工业公司）的数据。

  月度工业增加值数据的生产的全部过程并不算复杂，分为三步走。第一步是计算上年度工业增加值率，第二步是核算本月规模以上工业总产值，第三步是利用增加值率法来推算本月工业增加值。

  第一步。要得到上年度的工业增加值率，就要先计算各年度的工业总产值、工业增加值。核算基础数据来自于每年的工业公司成本费用调查。

  2009年起统计局正式实施这一调查。调查范围是全部大中型工业公司和部分规模以上小型工业公司，它们约占所有规模以上工业公司的1/3。被调查企业要填写工业公司成本费用表。这个表格覆盖的企业数据内容是比较全面的，包括折旧、职工薪酬、税费等。基于这一些数据，统计局可以直接计算出各企业的增加值（由收入法的四个项目加总而成）和总产值。

  将各企业的工业增加值、总产值按照行业划分进行合并汇总，可以计算出国民经济中类行业、大类行业及总的工业增加值和总产值。然后用行业增加值÷总产值，能够获得各行业的工业增加值率。

  第二步。本月度的规模以上工业总产值数据，大多数来源于于每月规模以上工业公司上报的“工业产销总值及基本的产品产量表”。

  其中工业总产值又最重要的包含三部分：1）本期产成品价值。2）在制品、半成品本期的价值增值。3）对外加工费。

  值得一提的是，2012年之后，企业都是直接通过国家联网直报系统上报月度工业产销总值及基本的产品产量数据，然后再由国家统计局进行汇总，避免了之前数据传报过程中有几率发生的人为调整数据的情况，所以数据质量是比较高的。

  第三步。各行业月度规模以上工业总产值×上年度各行业增加值率=各行业规模以上工业增加值。再将它们继续汇总，能够获得大类、门类行业及总的工业增加值。

  为什么只能推算？其实是受月频数据的时效性制约，统计局很难获得企业详细的财务费用数据，所以没办法像年度数据一样，直接依据收入法计算增加值（年度数据也只有被调查企业才有详细数据）。只有产量、产值的数据是比较好摸清的，所以只能采用增加值率法间接推算。

  不过，考虑到与GDP数据的衔接问题，统计局在2006年11月之后，就已不再公布月度工业增加值的绝对值数据了，而只发布增速数据，这一点需要注意。

  这里的增速指的主要是不变价增速。所以首先要将现价工业增加值转为不变价工业增加值，方法是价格指数缩减法，我们在GDP核算中曾提到过。

  PPI是工业所采用的价格缩减指数。不同中类行业用对应的PPI缩减，然后再将行业不变价增加值加总，得到行业大类和总的不变价工业增加值。

  在有了不变价工业增加值后，就可以计算增速。目前统计局既会发布同比增速，也会发布季调后的环比增速。环比增速自2011年2月份后发布，季调方法和GDP一样，也是采用统计局研制的季节调整软件（NBS-SA）。不过在增速计算方面，有一点处理上的细节，我们在此按下不表，下文会再提到。

  总结上文，针对目前统计局发布的月度工业增加值数据，我们大家都认为有四点需要把握：

  上文中我们提到了“规模以上”这个概念。将工业分为“规模以上”和“规模以下”，其实是考虑到现实中的统计局限性。一方面是规模以下工业公司数量繁多，统计起来有难度。另一方面是因为很多小企业缺乏完整清晰的财务核算流程和财务报表，又很难严格落实统计数据填报的准确性，所以如果纳入了小企业，可能会让数据质量打折扣。

  虽然目前规模以上工业公司数有限，但是它们的增加值占所有工业公司的比例，大约在80％以上，还是具有较强的代表性。

  统计局每年都会按照企业前一年的营收规模，来评定是否将其纳入规模以上工业企业名录（由企业向统计局审报）。符合这个标准的企业每年是有变化的，比如有新建的、营收扩张的、也有破产倒闭的、营收下降的。所以这个名录内的企业范围一直在变动。

  比如企业A的2018年营收规模超过2000万，则会在2019年纳入该名录（简称为“升规”），若该企业2019年经营不善，营收又回到2000万以下，则会在2020年被划出该名录（简称为“退规”）。

  读者在这里可能会有疑问：如果名录内的企业进进出出，那么不同时期的工业增加值，可能会面临统计口径不可比的问题。比如去年可能统计了企业A的增加值，今年A变为了规模以下企业，就没有被统计。那么统计局发布的工业增加值的月度同比增速数据，对此是如何处理的呢？

  一个基本原则是：以本期的企业范围为基准。比如去年有100家规模以上工业企业，企业A升规之后，今年规模以上企业变成了101家，企业A会同时填报本期和上年同期的工业数据。这时在计算增速时，无论是分子（本期工业增加值）还是分母（上年同期工业增加值），都以这 101家工业企业为准来计算。

  这也意味着，如果我们试图用以前的名义工业增加值绝对值，再结合同比增速数据、PPI数据，倒推出当前各月规模以上工业增加值的绝对值，会产生比较大的估算误差，因为增速的口径一直在动态调整，而口径的变动细节是我们所不掌握的。

  1）1998-2006年，指全部国有和年主营业务收入≥500万元的非国有工业法人单位。

  从标准的变化来看，一是所有制色彩在淡化，这反映了民营经济的壮大。二是营收门槛在抬高，说明我国工业企业规模正在不断扩张。

  21世纪以来，规模以上工业企业单位数迅速增长。2011年门槛调高后，规上工业公司数减少，而后缓慢增加，截至2020年5月，共有37.5万家规模以上工业公司。

  目前可以获取的月度工业增加值数据，有当月同比、累计同比、季调环比。目前市场和研究者采用的比较多的还是同比增速。

  在中国，1月和2月存在春节错位因素。如果上一年春节假期在1月，企业停工，而今年春节今年在2月，那么今年1月工业增加值增速将大幅冲高，2月数据则陡然下行，进而会导致工业增加值当月同比时间序列图中出现一些明显的“尖刺”。

  一个简单的处理办法是，不考虑1月和2月的当月增速，而将它们直接合并起来，用1-2月累计增速代替，这样就可以消除春节影响，使得整体数据走势更为平滑。事实上，自2013年起统计局就开始合并发布1-2月份工业数据了。

  工业增加值同比增速，反映的是工业生产的快与慢。而工业生产又与经济的冷热状况密切相关。

  如果工业增加值增速上升，说明工业公司开工生产的积极性提高，背后可能反映了更旺盛的社会需求，或者至少说明企业对短期经济前景是更加看好的。当然，影响因素可能来自多方面，但工业生产的变化，或多或少反映了一些值得关注的经济信号。

  相较于其他经济部门，工业生产对于经济景气度会更敏感。因为企业可以根据销售情况比较灵活地调整生产计划，不会有太强的时滞。跟踪工业增加值能够比较有效地捕捉到经济短期变化。

  有一个问题在于，目前我国产业结构正逐渐偏向服务业，那么工业增加值还能在多大程度上反映我国经济形势？

  的确，工业增加值占GDP比重一直在降低，但是目前仍然有30％左右，还是有一定的代表性。

  更重要的是，工业生产与其他产业之间有很紧密的联系。例如其他产业所需要的原材料、机械设备，大多来自于工业部门，这意味其他产业的需求好转，也将体现为工业生产的加快。而工业生产加快，又会带动其他产业特别是生产性服务业的发展，如物流运输、研发设计、商务服务等。所以说工业生产的加快，同时反映了其他产业的情况。

  从数据层面来看，工业增加值增速与GDP增速走势也基本是保持一致的。不过2012年以来，工业增加值增速走弱，GDP却保持了较强的韧性（主要是服务业起了支撑作用），这也的确说明了工业增加值的信号意义有所削弱。

  工业生产很大程度上受消费、投资、出口等下游需求影响。其中，房地产和工业生产的相关性很强，主要是因为房地产施工所涉及的工业面很广泛，包括建材、钢铁、化工，各种机械设备等。另外，地产竣工也可能会带动家电、家具等行业的生产活动加快。

  但工业生产有时候也会与需求出现错位。供需关系间的动态互动过程，被人们总结为库存周期。这个周期包含四个阶段：

  1）被动去库存：需求已经复苏，但企业还未即时反应，生产不足，因此库存减少。

  3）被动补库存：需求开始疲软，销量下降，企业未及时调整生产，导致库存积压。

  4）主动去库存：企业已经预见到了经济的不景气，主动减少生产，带动库存下行。

  工业增加值和工业公司产成品存货，分别描述了生产和库存状况。不过产成品存货是名义值，所以我们也简单以“工业增加值同比+PPI同比”来指代名义工业增加值增速。基于这两个指标，可以简单地对库存周期进行刻画。比如名义工业增加值增速上行，产成品存货增速下行，意味着经济进入了被动去库存的阶段。

  可以看到自2003年以来，我国已经经历了5轮相对完整的库存周期。在下一篇工业数据分析报告中，我们将花更多的篇幅来分析库存周期。

  工业生产除了会受需求因素影响外，还可能受价格因素影响，特别是上中游原材料行业。因为价格上涨，会从价的角度会提高企业盈利水平（需求好转则是影响“量“）。盈利增厚了之后，将使得企业有更充裕的现金流，对未来的预期可能也会更好，进而加快工业生产。

  此外，工业生产还和流动性环境有关。当流动性宽松的时候，一方面，企业更容易融资，有利于加大生产。另一方面，也容易刺激社会需求，进而带动生产。

  社融增速与工业增加值累计同比增速有较好的相关性，在部分时期有一定的领先性。

  有时，影响工业生产的因素是全局性的，几乎所有行业的增加值同比都向同一个方向调整，这种因素比较显著，往往更容易识别。但有时，不同行业间也存在分化，这些信息会被整体工业增加值数据的升或降所掩藏，所以除了观察总量数据以外，还需要观察结构。

  目前统计局会同时披露41个工业细分行业的月度数据。但由于统计局并没有披露绝对值，年度数据的细分程度目前也只到采矿业、制造业、电力热力燃气及水生产和供应业三个门类行业，因此要通过其他途径来计算占比。

  我们此处主要基于投入产出表进行计算。投入产出表属于国民经济核算的一部分，它把生产法、收入法、支出法的GDP核算数据全部整合在了一张表内，有比较详细的国民经济各行业增加值数据。但由于工程量比较大，5年才编制一次，最新的一次是在2017年。

  用投入产出表计算的问题在于，一是时间可能稍微有点旧，只有2017年数据。二是它统计的是全部工业，而月度工业增加值只针对规模以上工业。三是投入产出表是按照产品分类进行统计的，而工业增加值是按照部门分类进行统计。不过总的来说，这些误差都在可接受范围内。

  2017年投入产出表中，一共有95个行业属于工业，可以通过合并，将他们与工业大类行业逐一对应起来。最终计算出的各行业增加值在工业增加值中的占比如下表所示。

  可以看到，建材、化工、能源、汽车、计算机通信、钢铁煤炭等行业在我国工业结构中居于主要地位。前十大工业增加值占比合计超过50％，对整体工业增加值增速有较大的影响力，我们往往在分析时也会更重视这些产业。

  由于有40个左右的工业行业，单个分析无异于管中窥豹。所以，除了关注一些重要行业（比如钢铁、化工）或者是月度异常值（比如个别行业增速突然大幅提升）以外。我们还可以按照不同的行业属性，将它们按照各种维度进行合并分析。下面我们提示几个基本的视角。

  我国工业生产主要受内需形势影响，但有些行业受海外需求的影响也较大。我们可以将所有行业分为两组进行对照分析，一组是高出口依赖型，另一组是低出口依赖型，以此区分需求冲击的类别。

  工业交货值占营业收入比重，可以用来判断某行业的出口依赖度。我们将该比例在10％以上的行业定义为高出口依赖型行业，其它为低出口依赖型。根据2019年数据推算，共有15个高出口依赖型行业。这15个行业的增加值合计占工业比例大约为30％左右，其中计算机通信、电气机械等行业规模较大。

  结合各行业增加值在组内的占比数据（同样基于2017年投入产出表，并假设该比例保持稳定），我们可以分别估算出高、低出口依赖组的工业增加值加权增速。

  2012-2015年，两组增速均出现趋势性下行，但值得注意的是，2016年-2018年上半年，两组增速突然出现了非常明显的分化：其中高出口依赖组的增速出现了一轮上涨，低出口依赖组则变化较小，甚至有所下行。

  这轮分化似乎揭示了这样一个问题：2016-2018年上半年，工业生产更多的由外需回暖支撑，内需表现平平，所以那些出口依赖度高的行业，享受到的利益也就更多。

  出货值同比和海关出口同比均显示出，2016-2018年上半年的出口情况在好转。这一定程度上是由全球经济回暖推动的，无论是OECD综合领先指标，还是摩根大通全球综合PMI指数，均在同期出现了明显回升。

  另一个常见的行业划分视角是上游、中游、下游。不同的研究者的具体划分结果有所差别，但划分思路是一致的，即根据各个行业在产业链中的位置来进行划分：

  2）中业：继续进行产品加工，但是这些产品往往继续用于下一阶段的生产。这其中既包括对初级资源进行加工后所形成的工业原材料，也包括未来继续用于生产活动的各种机械设备。

  如下图所示，我们按照各个工业行业的特性，对其进行了上中下游划分。其中，又进一步将中游分为原材料（绿色方框）、机器设备（蓝色方框），前者离上业更近，后者离下业更近。

  这四类行业增加值占比分别如下：上游为10％，中游原材料为32.1％，中游机械设备为20.5％，下游为27.4％，还有约10％的工业类别规模比较小且所处产业链位置不明确，因此我们没有纳入考量。

  接下来，按照与上文类似的方法，可以计算出上中下游各自的工业增加值的加权增速。

  理论上来说，上中下游的增速走势应当基本保持一致，因为需求是沿着产业链条进行传导的。首先从最靠近终端需求的下业开始，基于社会需求变动调整生产计划，并很快会随之带动中游、上游加快或放慢生产。

  不过，上游有时受价格的影响也很大。比如原油价格上升，可能会明显增厚石油公司的利润，这就会诱导其加快工业生产。这种冲击属于供给端的冲击，它对于整个工业产业链的影响是比较复杂的。

  虽然2016年至今，整体工业增加值增速的走势波动较小，但是内部结构却出现了很大差异。2016到2018上半年间，上中下游工业分化。其中上游工业和中游原材料生产明显走弱，而中游机械设备、下游则出现了工业增加值增速的抬升。

  这段时期的分化，如果只从数据面板来推测，大概率是因为上中下游受到的冲击各不相同。

  首先，上业、中游原材料行业面临的冲击，可能主要来自于供给侧改革。由于环保限产、企业停工倒闭等一系列因素，工业增加值增速持续下行。（但下文中我们会结合高频数据，对这一推断进行修正）

  中游机械设备和下业的上升，很大程度上是受外需提振。上文中提到的高出口依赖型行业，大多属于中游机械设备或下业。2018年下半年，中游机械设备和下业的工业增加值增速也出现了明显分化，后者迅速下跌，但是前者保持了韧性。

  这反映了外需承压后，国内消费与投资间的差异。下业离消费更近，但消费持续低迷；中游机械设备离投资更近，而在2018年，制造业投资增速在强势回升。

  此外，目前中国正处于新旧动能转换期，我们应当更关注与新动能相关的科技产业。

  统计局近年来开始公布高技术产业、战略性新兴产业的增加值同比数据，这两类产业很大程度上代表了工业中的技术进步力量，也是我们经常能够听到的概念。

  先来厘清一下它们各自的概念范畴：1）高技术产业/高技术制造业，是指R&；D投入强度相对高的制造业行业。2）战略性新兴产业，则主要指对经济社会全局和长远发展具有重大引领带动作用的产业。

  从对应的国民经济行业范围来看，战略性新兴产业所涉及的领域，要比高技术产业更广泛（但是战略性新兴产业对应行业中，往往只有行业内的部分高端活动属于战略性新兴产业）。这在统计数据上也可以反映出来，2018年末全国从事战略性新兴产业生产的规模以上工业公司数为66214个，规模以上高技术产业企业数则只有33573个。

  总体而言，高技术产业则更适合用于描述研发强度较高、发展已较为成熟的工业类科技产业。战略性新兴产业则涉及产业面更广，也更尖端。总体而言，后者能更全面、准确地反映中国科技创新的力量。

  但是这两类产业的工业增加值数据发布时间都比较短。从已发布的数据来看，高技术产业和战略性新兴产业的增加值同比增速，持续高于总体工业增加值同比，说明新动能表现确实优于旧动能。

  不过，2019年以来两类产业的增速已经快速回落，与整体工业数据差距有所收窄，这主要是受中美贸易摩擦影响。计算机通信制造业和高技术产业的增加值同比走势很接近，在2019年，计算机通信制造业的出口出现了断崖式下落，进而带动其增加值增速下行，其他高技术产业、战略性新兴产业也面临类似的问题。

  工业增加值为月频数据，公布时间为下个月的12-18号，其实是相对滞后的。

  在实际中，我们可以借助一些其他指标，对短期工业生产状况进行辅助判断和预测，包括各种微观的高频指标（日频、周频、旬频等）。

  目前反映工业生产面的月度宏观数据，主要就两个，一个是工业增加值，一个是制造业PMI生产指数。PMI数据在每个月最后一天发布，及时性很高，相对于工业增加值数据要早了半个月左右。

  PMI生产指数是13个PMI分项指数中的一个。它反映的是制造业的产品生产量变化，而制造业是工业的主要部分。如果PMI生产指数大于50，说明工业生产活动在扩张，小于50则说明在收缩。

  由于制造业PMI生产指数本质上是一个环比指标，因此可以和PMI直接进行对比的是工业增加值季调环比，两者走势具有一定的同步性。（也可以将PMI指数转化为虚拟同比，然后再与工业增加值同比进行对比）

  这意味着，如果本月末发布的PMI数据上升，那么我们可以简单预判本月的工业增加值数据（在下个月发布）也会上升。

  但是PMI生产指数采用的统计方法是问卷调查法。它的取值只能反映趋势，而不能反映真实的工业生产活动变化率，这一点是它和工业增加值数据的最大不同，也是导致它们之间出现走势背离的重要原因。

  一些频率更高的微观数据也可以显示出工业生产状况。与工业增加值数据相关的、值得挑选的高频指标，主要来自于三个方向：

  1）能够揭示重点行业生产状况的指标，比如钢铁、化工、汽车等工业生产数据等。

  第三类指标尽管不直接反映生产面，但会释放与工业生产有关的重要信号。上游原材料方面，市场一般比较关注动力煤、原油、螺纹钢、水泥等价格变动。下游需求主要关注房地产、建筑业相关数据。考虑到本篇报告主要针对工业生产，所以这些数据我们在本文中暂不进行具体分析。

  另外需要说明的是，在展开分析之前，往往需要对这些指标做一些基本的数据整理，将高频数据转化为低频。例如将日频数据累加/平均为月频，然后再计算同比增速，与工业增加值同比进行比较。

  在介绍具体的高频指标之前，我们首先来看看一个前几年很火的概念——克强指数，它可以为我们寻找高频指标提供一些思路。

  克强指数于2010年推出，这是一个由英国《经济学人》杂志创造的用于评估中国GDP增长的指标，很大程度上其实反映的是工业生产的景气度。

  它混合了三种指标，计算公式如下：工业用电量增速×40％ + 中长期贷款余额增速×35％ + 铁路货运量增速×25％，三个指标的权重是通过简单回归计算出来的。

  克强指数和工业增加值同比的走势，在2016年之前的相关性还是很高的，但是2016年后却发生了明显背离，克强指数大幅提升，但是工业增加值却变动不大。这似乎与我们上文中提到的2016年后的行业分化隐约有一些联系。

  这种背离，在我们下文介绍其他高频指标时还会经常看到。目前暂且保留这些疑问，我们会在最后一章探讨这个奇怪的现象。

  克强指数中的工业用电量、铁路货运量，都从侧面反映了真实的工业生产状况，我们也可以从这两个方向着手寻找高频指标。

  第一，工业生产需要大量耗电。因此，工业用电量的变化率某种程度上可以作为工业生产的替代指标。

  国家能源局每月会发布全国电力统计数据，其中就有工业用电量的当月同比。它和工业增加值同比之间有较强的相关性。

  不过，工业用电量数据也是月频数据，且发布时间和工业增加值差不多，不具备前瞻性。

  市场更常用于观察工业生产的指标是6大发电集团耗煤量（甚至可以说是最常用的高频观测指标了），它是日频数据，连续性好，便于跟踪。6大发电集团分别是浙电、上电、粤电、大唐、华能、国电，2020年3月后由华电数据代替国电数据。具体数据通过取样这6大集团旗下位于沿海火电厂的煤炭日耗数据而得。

  首先需要说明的是，6大集团的耗煤量数据自2020年7月以来已经陆续停止更新了，暂时还不清楚是短期停更还是长期停更。考虑到这个指标以前的使用频率比较高，我们这里还是重点介绍一下。

  使用这一指标的逻辑在于，目前我国发电量80％来自于火电，因此可以通过大型发电集团的耗煤量，粗略地代替发电数据，进而观察社会用电情况（发电量和用电量数据很接近）。

  可以将发电耗煤量的日频数据加总成月度数据，然后计算同比。如果本月6大发电集团耗煤量同比提升，一般预测本月工业增加值同比也将提升。

  但是两者出现背离的时候也很多。以2011年-2019年为观察区间，6大发电集团耗煤量同比预测的成功率大概在64％左右。具体来看，在各年1-2月、3月、4月份的预测成功率较高，而在5月和10月的预测成功率则非常低。

  1）工业用电数据本身就与工业生产存在背离，进而导致发电耗煤数据与工业数据背离。

  2）6大发电集团耗煤量反映的是社会总用电量，即除了工业用电以外，还会反映第三产业用电、居民用电，它们也存在自身的波动规律。工业用电目前占比为6-7成。

  3）6大发电集团耗煤量更多反映的是东部沿海地区的用电情况。而中西部地区和东部沿海地区的产业结构、气候特征不一样，电力需求可能存在地域差距。

  4）发电耗煤量只反映了国内火电发电情况，外来电、水电、风电、核电等都不在考虑范围内。

  但总的来说，6大发电集团数据来源很清晰，时效性很好，尽管存在一些微观数据难以避免的弊病，也不失为一个可供参考的指标，所以此前在市场分析的使用频率也比较高。

  第二，工业生产与货物运输关联密切，尤其是铁路货运量。所以通过铁路货运量的变化，也可以间接判断工业生产形势。

  市场常用大秦铁路货运量数据来替代。该数据为月度数据，由大秦铁路上市公司于每月10日前公布，在时间上领先工业增加值。

  大秦铁路是连接山西大同与河北秦皇岛的国铁Ⅰ级货运专线，从历史数据来看，大秦铁路货运量大体上能反映整体铁路货运量的趋势变化。与此同时，大秦线承担着西煤东运、北煤南调的国家战略任务，其货运量中70％以上为煤炭，所以它其实也间接地反映了发电耗煤情况。

  2016年之前，铁路货运量同比与工业增加值同比的同步性还不错，但是2016年之后也出现了相当严重的背离。大秦铁路货运量数据是在2014年之后才披露的，受2016年后特殊情况影响，它用来判断工业生产的准确率其实并不高。

  此外，我们可以挑选出一些重点行业进行监测，寻找与这些行业生产相关的高频指标。

  结合上文中提到的各行业增加值占比，目前可以重点关注的工业类别包括黑色金属冶炼及压延加工业、化学原料及化学制品制造业/化学纤维制造业、汽车制造业，即钢铁、汽车、化工行业，这些行业都有一些可供参考的高频数据。

  首先看钢铁行业。目前市场上分析钢铁行业生产情况的高频指标，一般有高炉开工率、粗钢产量。

  1）高炉开工率 = 开工高炉数÷总高炉数，该指标为周频数据，由Mysteel网站披露。高炉开工情况来自对全国163家钢厂样本的调研。

  自有2015年下半年有数据以来，高炉开工率其实是在不断走低的，然后在2018至今，基本维持在60％-70％的区间内波动。从唐山钢厂的情况来看，2015年-2017年总高炉数变化不大，主要是开工高炉数在减少，反映的是供给侧改革和环保限产政策的影响。

  另外，高炉开工率还有比较明显的季节波动特征，一般是二三季度较高，一四季度偏低。我们在分析这一数据时，一般会从环比的视角来看开工率是上升还是下降，直观地感受下近期钢铁工业生产是加快还是放缓。但为了剔除季节性影响，也会对比上年同期的开工率。

  2）重点企业粗钢日均产量为旬度数据，由中国钢铁工业协会披露，大约每旬结束的3-5天内会披露该旬数据。统计对象为参与旬报统计的会员钢企。

  但是这个数据的质量不是很高，因为有时监测企业会有不上报数据的情况，这时钢铁协会只能用这些企业的历史数据带入估算。另外，钢铁协会每年统计的会员钢铁企业不一致，可能有口径不可比的问题。

  将重点企业粗钢日均产量（钢铁协会口径）转换为月度同比之后，基本上可以替代发布更滞后的粗钢产量当月同比（统计局口径）。除去2016年，它们与黑色金属冶炼及压延加工业增加值也有较好的相关性。

  其次看汽车制造业。汽车行业的常用跟踪指标主要包括：汽车半/全钢胎开工率、汽车产量。

  1）汽车半/全钢胎开工率，由中国橡胶信息贸易网披露，二者均为周频数据，一般在每周五更新。

  这两个开工率数据都和汽车轮胎生产有关，两者在细节上略微有点不一样，半钢胎主要用于轿车和大部分轻卡，全钢胎主要用于卡车和小部分轻卡，历史走势来看两者没有太大的区别。

  汽车半/全钢胎开工率，主要反映了轮胎厂商的生产情况，但是因为轮胎和下游汽车的联系比较紧密，所以也间接反映了汽车生产情况。

  这两个指标的分析方法和高炉开工率差不多。如果把它们处理成月度同比变动，可以发现和汽车制造业同比也存在一定的关联度。

  2）汽车产量。目前统计局、中汽协、乘联会都会发布相关的月度数据，这三个口径的汽车产量，官方程度依次下降，但是披露时间依次提前。乘联会数据的披露时间一般在下个月上旬，汽车工业协会数据一般在下月10号左右，均略微领先于工业增加值。

  另外，中汽车披露的汽车数据包括乘用车和商用车，乘联会只披露乘用车数据，不过近年来乘用车占比约在80％-90％左右。从历史走势来看，三个不同口径下的汽车产量增速差异不是很大。

  我们可以简单地将PTA（精对苯二甲酸）理解为一种重要的化工产品，它的下游延伸产品主要是涤纶（即聚酯纤维），涤纶又属于化纤的一种。所以PTA产业链负荷率可以大致反映化学原料及化学制品制造业、化学纤维制造业的生产情况。

  PTA产业链负荷率为日频数据。有一点类似于汽车半/全钢胎开工率，我们可以对PTA产业链负荷率采用同样的数据处理和分析方法。

  但这个数据的质量似乎不是很高。我们对PTA产业链负荷率做当月同比处理，然后对化学原料及化学制品制造业、化纤制造业的增加值同比进行简单平均，以反映化工行业整体情况，两个指标只有在部分时间是同步的。

  根据上文的高频数据，可以看到一个比较奇怪的现象：过去那些与工业增加值有着密切联系的高频指标，近年来似乎统统出现了背离。

  2016-2017年，工业用电量、发电耗煤、铁路货运量、高炉开工率同比数据均已大幅回升，这反映了工业生产在明显加快。但工业增加值同比却一直趴在6％附近，维持着一种超预期的稳态（见图表20、21、23）。

  可以从行业结构上来解释这一点吗？上文中曾提到，2016年以来的上游和中游原材料行业、中游机械设备和下业，各行业的工业增加值数据，在这段时期也出现了一些明显的趋势性分化。

  有一种解释是这段时期的产业升级。上游和中游原材料往往是高能耗行业，铁路货运量也比较大，假如由于产业升级等原因，它们对工业生产的影响力下降。那么它们的生产加快，可能对整体工业增加值数据的影响比较弱。这有助于解释“发电量强、工业增加值弱”之类的情况。

  事实恰恰相反。实际上2016年正是上游和中游原材料在趋势性下行，直到2017年才陆续见底回升（然而2017年下半年高频数据显示工业生产其实已经开始回落），反倒是中游机械设备和下业的生产加快，起了对冲作用，在支撑着工业增加值。（见图表14）

  那么是高频数据错了，或者说高频数据受到了特殊因素干扰吗？可能性也很低。首先，几个不同类别的高频数据都共同印证了2016年后上游、中游原材料工业生产在加快。其次，统计局公布的各种工业品产量数据，也显示出生产加快的痕迹，例如煤炭、钢铁、有色、水泥等产量，在2015年下半年-2016年初就已经开启了新一轮扩张。

  理论上来说，工业增加值剔除了价格因素，应该与产量的变动是保持一致的。中游机械设备和下业这一点就表现的很好，比如上文曾提到的汽车产业（见图表28）、还有下图中的通用设备制造业等。

  部分观点提到，工业增加值同比只囊括了规模以上的企业，而高频数据比如发电量背后反映的是所有工业公司的信息。如果是规模以下的小企业生产加快，那么用电量等高频数据会走强，但反映不到工业增加值增速之中。的确有这种可能存在。但是：

  1）大企业仍然是主导高频数据（比如用电量）的主要力量，所以小企业因素对用电量与工业增加值背离的解释力比较弱。

  2）小企业和大企业的生产驱动逻辑不存在本质区别，要么是价格上涨，要么是需求启动，所以很难看到小企业加快生产、大企业不动的情况。除非去产能的政策限制松动，导致更多小企业出现，但是2016年也没有出现明显的政策松动。

  3）统计局提到的产量数据是关键。它其实也是针对规模以上工业公司调查的，和工业增加值是同一个口径。它的增长应该说明了规模以上工业生产的确在加快。

  根据现行规则，首先得用本月工业总产值×上年增加值率推算出本月现价工业增加值，然后再用PPI缩减为不变价工业增加值，最后计算增速。理论上来说，工业总产值=产量×价格，在用PPI缩减后，确实消除了价格因素。

  但是我们上文也谈到了，在实际中，工业总产值是企业通过联网直报系统直接报送数据，然后由统计局汇总而成的，而PPI的核算则是另一套程序。这可能导致价格剔除没办法做到理论上那么完美。

  而在2016年，上游和中游原材料行业的PPI出现了一轮历史罕见的飙涨，使得这个核算差异可能被放大了，具体表现在企业报送工业总产值数据时，可能考虑的价格持续上涨因素没那么多，而PPI核算出来的价格上涨更剧烈。这就导致用PPI缩减时，把最终的不变价增加值缩减得更少了，进而降低了工业增加值的增速。