【中金固收·宏观】缘何耗煤量增速与工业增加值增速背离？  20170927

市场上在预测工业生产数据时，使用的较多的一个高频跟踪变量就是六大集团的耗煤同比增速，甚至通行的做法是：如果六大集团的耗煤同比增速上升，那就预测工业增加值的同比增速也有所上升，反之如果六大集团的耗煤同比增速下降，也就预测工业增加值的同比增速下降，但是事实上，这种预测的成功率并不是很高，我们简单将工业增加值同比增速与六大集团耗煤的数据作一个对比，从 2011.7 至今， 6 大发电集团耗煤量当月同比与工业增加值发生背离的月份达到 21 个，占比 35% ，简单来说，按着这种方法做预测， 3 次中有 1 次是不准的，略高于掷硬币。

对于这种背离，可能有以下几方面的原因，第一：水电对于发电量的影响造成了总发电量与火电发电量的背离，第二：工业用电占比变化造成了工业增加值增速与总发电量之间的背离，第三：六大集团发电耗煤数据质量的问题，第四：发电量和工业增加值本身就存在背离。

第一：水电对于发电量的影响造成了总发电量与火电发电量的背离， 我们简单统计了一下工业增加值与六大集团发电耗煤增速发生背离的月份，以及 2011.7 以来工业增加值与发电耗煤的次数，我们发现，火电占比较低的月份确实是更容易出现工业增加值与发电耗煤的背离， 5-10 月的丰水季也是 “ 背离 ” 高峰。（图 1 ）

第二：工业用电占比变化造成了工业增加值增速与总发电量之间的背离，这一点特征似乎没有水电的影响显著 （图 2 ），在历年工业用电占比最低的 8 月和 9 月并不是工业增加值与发电耗煤背离最多的月份，可能的原因是，工业用电占比的季节规律性远比水文条件稳定，对于不同年份的影响比较均匀。

第三：六大集团发电耗煤数据质量存在瑕疵 ， 我们认为这也是一个比较重要的问题， wind 口径下的六大发电集团中有三家属于区域性集团（上电，浙电，粤电），未必能代表工业尤其是重工业的耗电情况，而且更为严重的是，六大集团的耗煤量相互关系与此六大集团的实际装机容量不符，最典型的是，大唐集团的火电装机容量与国电相仿，但是日均耗煤量只有国电的一半，这显然是不合理的（图 3 ，左），可能六大集团耗煤统计的口径比较小，仅仅是集团的一部分。从数据的相关性上来看，火电的同比增长与 6 大集团发电量的同比增速尚算一致，但相互背离的样本点也有 20% 左右。（图 3 ，右）

第四：发电量数据本身和工业增加值就存在背离， 我们统计了 2011.7 以来发电量和工业增加值的运行情况，同样的，如果工业增加值和用电量的同比增速反向变动，那么我们就定义工业增加值和用电量发生 “ 背离 ” ，从 2011.7 至今，背离的样本点有 12 个，占比在 20% 左右，（图 4 ，左）也就是说，如果我们简单以用电量同比增速的变动方向来预判工业增加值的方向，大概有 80% 的准确率。这是一个尚可接受的水平。为了能够更准确的分析用电量和工业生产的关系，我们在这里使用工业用电量进行分析， 上文曾经提到过，有一种解释是说，夏天居民用电占比较高，容易造成实际发电量和工业用电的不一致，进而造成 “ 用发电耗煤推测工业增加值增速 ” 方法的失效， 遗憾的是，当我们将全社会用电量中工业用电的工业用电拿出来和工业增加值对比时发现，两者背离的样本点数反而上升到了 14 例（增加 2 例），所以简单的把背离归咎于民用电占比上升也不正确，需要逐一进行分析。

2012 年 7-9 月工业增加值和发电量的同比增速出现一定背离，但是在这段时间工业增加值同比增速其实波动不大，这段时间发电量波动主要的原因是民用电同比增速的上升， 7-8 月民用电同比增速为 9.1% 和 11.7% （ 6 月同比增速为 5.3% ），在 7 月和 8 月工业用电的同比增速是回落的，同时工业增加值也出现了回落。但是在 9 月虽然工业用电的增速继续回落，但是工业增加值却出现了反弹，但是总体上反弹幅度有限。 （ 2012.9 ）

2013 年 6 月工业增加值从上月的 9.2% 回落到 8.9% ，但是工业用电量同比增速由 4.8% 上升到 5.7% （ 2013.6 ） ， 2013 年工业用电量同比微增 0.1 个百分点，但工业增加值却回落 0.3 个百分点。 （ 2013.11 ） 2014 年 6 月工业增加值从上月的 8.8% 回升至 9.2% ，但是工业用电量同比增速却由 5.5% 回落至 5.2% 。 （ 2014.6 ）。 2015 年 10 月工业增加值从上月的 5.7% 回落至 5.6% ，但是工业用电量同比增速却由 -2.9% 回升至 -2% 。 （ 2015.10 ）。

进入 2016 年后， 工业增加值和工业用电的背离变得更加平常， 2016 年 5 月工业增加值增速与上月持平但是工业用电量增速从 0.6% 回升至 0.9% 。 （ 2016.5 ）， 2016 年 7 月工业增加值增速从 6.2% 回落至 6.0% ，工业用电量增速却由 1.4% 回升至 6.9% 。 （ 2016.7 ）， 2016 年 10 月工业增加值持平上月但是工业用电量增速从 1.5% 回升至 5.0% 。 （ 2016.10 ）， 2016 年 12 月工业增加值微幅回落，但是工业用电量从 6% 上升到 7.4% （ 2016.12 ） ， 2017 年 5 月工业增加值持平但是工业用电量从 5% 回落至 3.9% （ 2017.5 ）， 可以说， 2016 年之后用发电量预测工业增加值的准确率大大下降了，并且不能完全用居民用电的波动来解释。

工业增加值结构的变化也不能说明背离的原因，比如 2016 年 7 月的工业增加值和发电量出现背离，本月发电量从上月的 2.1% 上升至 7.2% ，工业用电量从 1.4% 上升到 6.9% ，但是工业增加值却从 6.2% 回落到 6.0% ，而且从工业增长的结构上看，也无法解释，（ 2016.7 高耗能产业增速下行，消费类工业品增速上行，按理讲耗能应下降而非上升（图 4 ，右））但是需要注意的是， 2016 年 7 月只有 22 个工作日而 2015 年 7 月有 24 个，这可能是一个解释工业增加值下行的理由。归根结底，发电量也仅仅是工业生产的一个信号。

那么如何在既有条件下修正指标，以期达到最佳的预测效果？

首先，可以先修正发电耗煤到火电产量这一逻辑链，发电耗煤同比增速波动较大，我们观察到虽然火电同比增速与发电耗煤的同比增速一致性较高，其环比增速一致性其实更高，而且也更有现实意义（用回归模型可以保证环比的一致性），另外就是可以把煤耗率的因素考虑在内，我们简单以 2011.7 以来的火电产量为被解释变量， 6 大集团的发电耗煤为解释变量，考虑和不考虑煤耗的回归结果如下所示：可见，把发电耗煤考虑在内对于预测的准确率还是有一定提升，同时降低了截距项，增加了 beta 值，这也提高了结果的信息含量。（图 5 ）

我们再检查一下回归残差的情况，有一个比较显著的规律是，在样本期的前期，预测模型的残差为正，后期残差为负（图 6 ），这意味着在前期模型倾向于高估火电产量而在后期倾向于低估火电产量，我们换一个角度，假设因为煤耗率，或者电厂集中度的问题， 6 大集团耗煤占全部耗煤比例越来越低，造成了六大集团耗煤和发电量之间回归模型的负残差越来越大，我们是否可以用模型来包含这个因素，我们这里简单给模型加一个趋势项，重新进行回归，残差结果如下图（图 7 ）所示，可见加入了趋势项之后，模型的残差降低了很多，相应的，我们利用加入趋势项模型进行火电发电量同比数据的预测，结果表明，用预测数据做出的同比增速与真实值比较接近。

第二是调整水电的影响，从历史数据来看，水电发电量的当月同比具有非常显著的季节波动的特征，这与年份高度相关（丰水，枯水），我们发现只有在水电同比增速比较极端时，总体发电量和火电量的背离才比较严重，所以我们只需要判断水电增速是否会发生比较巨大的变化就可以，小的波动可以忽略。（图 8 ）

同时，即使增速偏离的幅度大，也要看是什么时间发生偏离，某些月份可能水电的 “ 绝对水平 ” 较低，因此即使发生偏离也影响不大。经过我们的测算， 我们认为投资人可以遵循一个 “ 拇指规则 ” ，就是在丰水季，预测的水电如果偏离真实值 4-5 个百分点，总发电量的偏离将达到 1 个百分点，但是在枯水季，预测的水电如果偏离真实值 8-10 个百分点，总发电量的偏离才能达到 1 个百分点，可以说，只要预测值不是特别离谱（尤其是枯水季），对于最终的结果影响不太大。

但另一方面，想精确的预测水电发电量的增速非常困难，但是如果仅仅是判断水电投资是否会超预期上行或下行，还是有一些依据可循，比如水文条件。总的来讲，发电量还是与水库的来水量和泄水量息息相关的，其中三峡电站是最有代表性的指标（设计容量 2275 万千瓦时，占全国水电机组容量 6% 左右），总的来看，三峡水电站的进出库流动的同比增速与水电发电量的同比增速具有一定的一致性。（图 9 ）

其他重要的水文条件还包括降水，从全国的装机容量看，川，滇，鄂三省的水电装机容量占比已超过全国的 50% ，我们可以重点监测一下这三省的天气状况，比如图中所示的重庆，昆明和汉水的降雨情况。（图 10 ）

当前，我们认为三峡的进出库流量和重点城市雨水量并没有明显抬升，相应的， 我们也认为当前水电产量增速不会明显加快，如果希望定量地刻画水电增速，可以简单的构建这样一个模型，被解释变量是水电的同比增速，解释变量有三个，第一是上月的水电同比增速（我们认为水电增速周期性较强，月度之前的差别理论上不应特别大），第二是去年同期的水电同比增速，（同样水电增速周期性较强，丰水年和枯水年可能交替出现），第三是三峡流量，回归模型的可决系数达到 67% ，且三个变量都在 5% 水平下显著，预测同比增速与真实同比增速的结果如下图所示，整体上比较接近，如我们之前所分析的，就总发电量而言，水电的影响相对小，只要不偏差太多就可以，因此我们简单用此模型进行预测，差别不会很大（图 11 ）。再结合我们对地方水电厂的调研，我们认为接下来一段时间水电增速整体上应有所回升，可能在 10% 左右。

7