商品基本面分析的灵魂：供需平衡表

摘要: 最近后台留言最多分两类，一类是寻求商务合作的，目前我还没有想好要不要接这类合作，第一是因为我的这个公众号更新的频率不高，基本上一周一次，属于业余爱好，粉丝数量也没有那些超级大号那么多，估计关注的基本上 ...

最近后台留言最多分两类，一类是寻求商务合作的，目前我还没有想好要不要接这类合作，第一是因为我的这个公众号更新的频率不高，基本上一周一次，属于业余爱好，粉丝数量也没有那些超级大号那么多，估计关注的基本上都是对投资有点爱好的人；第二，我也经常犯话痨的毛病，絮叨些有的没的，怕搞商务合作的大家也烦，而且这个公众号我觉得靠大家打赏也挺有意思，我写你看，打赏随喜。第二类留言，是一些好学的粉丝恳求我分享一下所谓的“供需平衡表”相关的信息的，现在休产假，陪宝宝的同时，有时间整理一下过去8年做研究的一些框架，对于供需平衡表，可以简单写一篇文章和大家分享。

言归正传，研究商品基本面最根本的就是做好你研究品种的“供需平衡表”。

什么是供需平衡表？

单看名字就明白，供需平衡表最主要是由两方面组成，一方面是供给，一方面是需求。

从很粗糙的层面来说，需求就是一个品种所有的下游需求之和，供给就是这个品种本身的产能释放情况。

需求的测算在工业品中尤为重要，因为工业品的需求呈现周期性和季节性，在做需求测算的时候需要结合考虑两种因素的综合影响。而需求测算在农产品的研究中更多的是与人口增长和消费习惯的缓慢变化相关的，所以对于农产品的需求来说，周期性不明显，季节性比较明显。那么，需求测算，尤其是工业品的需求测算该如何做呢？

以我最熟悉的螺纹钢举例。螺纹钢的下游需求主要是房地产和基建，那么我们可以用自下而上的方法来测算螺纹钢的需求，也就是分别测算出房地产所需要的螺纹钢数量以及基建所需要的螺纹钢数量，两者之和作为螺纹钢的总需求。当然，出口也是需求的一块，因此，作为商品的需求测算的自下而上的方法可以用以下的等式表明：

商品的需求 = 商品下游1的需求 + 商品下游2的需求 +……+ 商品下游N的需求 + 出口

每一个下游的需求都可以用计量经济的方法进行推导，最小二乘的线性回归、极大似然估计、自相关模型、GARCH、ARCH等等模型，你能想到的方法都可以用上。

这种自下而上的需求测算最大的优点，就是你能清楚每一个下游需求的变动对商品总体需求的边际影响。我在《商品研究的一点感悟》中也说过：“供给和需求本身并不重要，重要的是你所测算的变量对供给和需求影响的弹性，我在下面还会讲到绝对数量其实没有什么很大的意义。弹性的分析我们会通过敏感性分析（sensitive analysis）或者情景分析（scenario analysis）进行，用以得出边际变化对于整体供需的影响的变化。”也就是说，应用自下而上的需求估算方法，我们是可以知道每一单位的下游变化对总体需求量的影响是多少。这对于我们具体判断商品供需的变化具有深远的意义。

当然，自下而上需求测算的最大缺点和优点遥相呼应，对于每一个下游求总和，可能会产生“精确的错误”。也就是说，我认真地估算了每一个下游对该商品的需求，但是由于下游变量实在太多，我的基础假设实在太多，而导致了整体估算的可信度并不高。

再以螺纹钢为例。我们对螺纹钢的需求侧进行自下而上的计算，首先我们要估算房地产所需要的螺纹钢，这个时候，我们要假设地产新开工面积的增速、在建面积增速等等变量进行模型测算，那么这些模型的假设变量都只是“假设”而已，因此我们测算出来的房地产这一下游的螺纹钢需求就有多个假设变量。之后我们再通过类似的方法估算基建的螺纹钢需求，那么我们测算出来的基建的螺纹钢需求就有另外多个假设变量。这样，总的螺纹钢需求其实是基于极多假设变量的基础之上所得出的结果。看似我们很“精细”地估算了所有螺纹钢的下游需求，但是一旦假设变量有所偏差，可能就会出现失之毫厘谬以千里的错误。

所以对于商品的需求，尤其是工业品的需求，我们也会采用自上而下的方法进行估算。自上而下的方法，通常假设的就是一些宏观变量，比如投资增速、GDP增速、利率等等变量。这种方法避免了自下而上方法的“精确的错误”，可以给我们带来一个宏观层面的“模糊的正确”。

当然，自上而下的方法也有自身的缺点，也就是过于宏观，对于细节处并不精细，而且从逻辑上来讲，其实有点因果颠倒。因为本身应该是商品的需求构成了经济，而非相反。

实际操作中，两种方法我都会采用，同时做出估计，以观察这两种方法的偏差是否很大。当两种方法估算的结果产生较大偏差的时候，其实正是你审视你的假设是否正确的时候。而且，当你找到了偏差产生的原因，可能就有很好的交易机会在这里等待。

我经常和我的小盆友们说：“数据的背离本身比数据更加重要”，原因就在于，数据背离背后肯定有很深刻的细节，这些细节有时候恰恰是发现好的交易机会的契机。

讲完需求，讲供给。

计算供给的公式非常的简单：

商品的供给 = 商品产能1×产能利用率1 +商品产能2×产能利用率2 + …… +商品产能N×产能利用率N + 进口

供给的测算在商品中其实没有什么诀窍，就是把每一条产线的产能和产能利用率都搞清楚，然后加总。但是供给的测算是区分专业投资者和非专业投资者最重要的原因。为什么？因为一个字：钱。

如果你分析的是工业品，那么产线和产能利用率的测算非常的简单，只需要买数据。但是工业品的供给数据有多贵，非专业投资者估计是没有什么概念的。

举个例子，我们研究基本金属的时候基本上要购买铜、铝、铅、锌这四大基本金属的供给数据，也就是我们经常说的成本曲线（cost curve）。这个curve的数据，基本上一个品种都是几万美元，而且都是季度更新的。这别说非专业投资者了，国内许多不是专门研究商品的机构，比如说券商研究所，都不一定乐意花钱去买。

再比如说，研究铁矿石的时候我们要研究铁矿石的供给的动态变化，很重要的一个方面就是发货量和到港量。我们是怎么研究的呢？两个字：数船。船舶的数据一方面可以从专业的机构如Clarkson购买，当然也是非常昂贵的，另外还可以从Bloomberg或者路透的终端加价购买实时的船舶动态地图模块。这样我们可以很快就知道矿石的船有多少艘、大概多少吨位的到了哪里，还有多少时间到港。当然，还有更土豪的机构，自己租了几个卫星数船的。

不得不说，这种金钱和时间的花费，并非每个非专业投资者可以承受的。

所以，说白了，供给分析是阻挡个人投资者做基本面研究最重要的原因。

当然，大家看到这里似乎觉得供需平衡表中起码需求分析还是个人投资者可以做的到的嘛？其实也不然。你对供需平衡表的细致程度要求，决定了你对供需研究的细致程度要求。如果你想要捕捉比较短时间范围的行情，你就必须对行业内影响短时间供需的细节动态有很深入以及很迅速的了解。

这就是为什么作为一个商品基本面研究的投资者，“调研”是非常重要的。一线的感受，可以让你对供需的变化有最敏锐的反馈。这就是为什么在商品研究中，很少有“全才”。大多数人一生可能只能专注在几个品种上，这是因为每个商品都有特定的供应和需求的链条，想要在每一个环节吃透并且深入研究，是需要付出大量的时间和精力的。这也是为什么ABCD横霸农产品市场，Glencore在工业品上有绝对话语权，BP是原油纸货市场巨头的原因，因为他们本身就是现货商，他们对商品供需每一个环节的细致了解，是其他人所无法望其项背的。

讲完供需，还有一个特别重要的概念是供需平衡表里有的，那就是“库存”。

那么库存到底是一个什么角色？

我用我这几年的体会概括一句话：库存既是需求，又是供给。

为什么这么说？因为库存的增加或是减少，有主动或是被动的原因。但被动增加库存的时候，库存会形成对价格巨大的压力，这时的库存是供给；当主动增加库存的时候，库存会形成对价格巨大的支撑，这时库存是需求。当然，反之则反是。

那么库存数据该如何取得？由于库存具备供需两方面的特点，所以库存的取得方法一种是可以通过购买数据，另一种则是实际调研。

知道了供给、需求和库存，我们就得到了下面这个总的公式体现的表格：

供给 + 期初库存 = 需求 + 期末库存

这个等式填写完，一张完整的供需平衡表就完成了。

有了供需平衡表，我们就可以知道供给与需求的差值，这个差值如果是正的，也就是我们通常所说的供过于求，我们称为surplus；这个差值如果是负的，也就是我们通常所说的供不应求，我们称为gap。按常理来说，有surplus的品种价格有下行的压力，而有gap的品种价格有上行的动能。

所以，供需平衡表是商品基本面分析的灵魂。

最后，我不得不再说一遍，供需平衡表只是基本面分析最最初级的第一步，从研究到交易再到赚钱，还有很长的路要走。这个鸿沟，很多人终其一生都未必可以弥补。

再引用《对冲基金风云录》作者的引用的一句话来作为文章的完结：

因为他们的判断仍是基于事实和数据这两个基本维度，而他们参与的这场游戏却是在情绪的第三维和梦想的第四维上展开的。

< ...because their judgment is based upon the humdrum dimensions of fact and figure in a game which is actually played in a third dimension of the emotions and a fourth dimension of dreams.>