分析師預(yù)期在行業(yè)擇時中的實戰(zhàn)應(yīng)用

正文目錄引言 4個股一致預(yù)期數(shù)據(jù)計算 4數(shù)據(jù)洗 6數(shù)據(jù)合 7M據(jù)計算 7行業(yè)一致預(yù)期指標(biāo)計算 9分析師一致預(yù)期指標(biāo)在行業(yè)輪動中的應(yīng)用 10截面行業(yè)輪表現(xiàn) 12時序行業(yè)擇表現(xiàn) 13綜合表現(xiàn) 14延伸：一致期中觀數(shù)，優(yōu)孰劣？ 145總結(jié) 156風(fēng)險提示 16圖表目錄圖：申一級行季ROTTM環(huán)比與數(shù)跌幅間秩關(guān)系數(shù) 4圖2：股票A一致預(yù)期ROE-FY3走勢 5圖：分師凈利預(yù)誤差隨間度變化況橫軸為份） 5圖：貴茅臺季營存在明季性 8圖：過數(shù)上市司收體現(xiàn)顯季節(jié)性律 8圖：貴茅臺收M同比勢 9圖：不計算方下W行指一致期REFTTM 10圖：不計算方下W林牧指數(shù)一預(yù)凈利潤M增速勢 10圖：行一致期RE與際RE間時差關(guān)性 圖0：一致預(yù)營增速與際收增速的差相關(guān)性 圖：行一致預(yù)凈潤增速實凈利潤速的時差關(guān)性 12圖2：預(yù)期凈潤速環(huán)比標(biāo)測結(jié)果 13圖3：預(yù)期凈潤速指標(biāo)行擇時勝率 13圖4：回測結(jié)果 14圖5：策略回結(jié)果 14圖6：不同數(shù)源行業(yè)擇勝率 15表：股票A分盈測 5表：股票B部分利測數(shù)據(jù) 6表：篩出的異樣大多與際報數(shù)據(jù)差大 6表：因回測結(jié)果 121引言行業(yè)景氣度是我們判斷行業(yè)投資價值的重要影響因素之一。投資者主要從景氣度與估值兩個度發(fā)判斷業(yè)投資價此對業(yè)氣度的斷我們研工中極為重要的一際上我能提前行景氣度化向做出確斷那在業(yè)配置上就易于得著超額益由下圖見行業(yè)的季M環(huán)與漲跌之長期存在正相關(guān)系23至的平均相系數(shù)達(dá)0.9。圖1：申萬一級行業(yè)當(dāng)季TM環(huán)比與指數(shù)漲跌幅間的秩相關(guān)系數(shù)0.60.50.40.30.20.10-01-0.2-0.3-0.4，中觀數(shù)據(jù)無法做到全行業(yè)覆蓋分析師一致預(yù)期數(shù)據(jù)可作為有效補充前研我們主要基于行業(yè)中觀數(shù)據(jù)進行行業(yè)景氣度刻畫，也取得了不錯的效果。但是，對于計算機傳媒等行業(yè)而言，其缺乏可供跟蹤的高頻數(shù)據(jù)，在我們的現(xiàn)有框架下無法實現(xiàn)景氣度判斷因此了善景氣判框架們慮使用析一致預(yù)數(shù)該數(shù)雖存在分析師過度觀問題具高頻可蹤邏輯也以反映業(yè)氣度的化勢可作為中觀據(jù)足的有補。個股一致預(yù)期數(shù)據(jù)計算本文中，我們主要基于數(shù)據(jù)庫中統(tǒng)計的分析師預(yù)期數(shù)據(jù)進行個股及行業(yè)一致預(yù)期數(shù)據(jù)的計算。實際上，已經(jīng)提供了其自行加工的分析師一致預(yù)期數(shù)據(jù)，但是，底層數(shù)據(jù)及算法存在的問題使得其并不適合直接拿來使用：其一數(shù)據(jù)庫中的分析師預(yù)期底層數(shù)據(jù)存在部分異常值使得部分股票的一致預(yù)期數(shù)波動劇烈。下表所，票A在294.5的條對021年的盈利測，預(yù)測凈利潤水相但其一的預(yù)測OE卻明顯常從而導(dǎo)該票的一期E指標(biāo)在9年4月后發(fā)了烈波動。表1：股票A部分盈利預(yù)測預(yù)測時間預(yù)測年度預(yù)測凈利潤預(yù)測2019/4/2520219.80.212019/4/2520219.70.202019/4/2520219.4-2.33，圖2：股票A 一致預(yù)期E-F3走勢0.30.250.20.150.10.050-0.05一致預(yù)ROE-，其二，將最近6個月的預(yù)測值等權(quán)平均作為一致預(yù)期值忽略了預(yù)測誤差隨時間擴大的現(xiàn)象邏輯分師發(fā)布告時間與報布日之的隔越分師所能獲知的公高數(shù)據(jù)越測也將準(zhǔn)我們計分析師告布日與報際公布日之間相的份數(shù)分師凈利預(yù)誤差中數(shù)間的關(guān)以發(fā)現(xiàn)兩明顯正相關(guān)，分師告發(fā)布間早，往預(yù)誤差也越。圖3：分析師凈利潤預(yù)測誤差隨時間跨度變化情況（橫軸為月份數(shù)）40%30%25%20%15%10%5%0%123456789101112131415161718192021222324誤差中位數(shù)，基于上述討論，我們考慮基于分析師預(yù)期底層數(shù)據(jù)，自行構(gòu)建個股一致預(yù)期滾動數(shù)據(jù)主要包數(shù)清洗、據(jù)合、FM據(jù)計算大驟。數(shù)據(jù)清洗底層數(shù)據(jù)中的異常值主要可源自分析師筆誤及數(shù)據(jù)庫的錄入錯誤一分師發(fā)研究報時可能會在分?jǐn)?shù)據(jù)寫誤的情表1中列的情況第數(shù)據(jù)庫在錄入據(jù)也可出錄入錯類錯誤要單位問如未識出分號導(dǎo)致數(shù)據(jù)異，表2所。表2：股票B部分盈利預(yù)測數(shù)據(jù)時間預(yù)測年度預(yù)測營收(億元)預(yù)測凈利潤億元)預(yù)測OE2021/5/1202250.134.207.21%2021/5/23202246.773.820.07%2021/6/27202243.924.846.80%ind，浙商證券研究本文中我主要通兩方法識并除異常：首先從財務(wù)數(shù)據(jù)的正常取值范圍出發(fā)進行篩選當(dāng)數(shù)較低收增速凈潤增速等均能現(xiàn)非常端取值，但E的極端值不常見一而言，企沒有進行增資擴等資活動那凈利潤去紅就近等凈資產(chǎn)增額這味只要期初凈資產(chǎn)負(fù)那么E常就不于1同樣OE于2意味著業(yè)一個會年度的虧損達(dá)期初凈的23上這同樣非異常的況。實際上至3年5月末在A股上市司今約0萬樣本中僅不到3條樣的E于1到0樣的E小2這就味著如析師預(yù)中出現(xiàn)了類常數(shù)有可能分師筆誤即便該據(jù)實反映分師的觀，也意味此公司處非極端的態(tài)中不代行業(yè)的體況因剔這一數(shù)據(jù)也將有于們對行整景氣度判。截至023年5末在共計10余萬條析預(yù)測樣中共有2樣本的測OE于14條本預(yù)測E于2經(jīng)這些樣確實大分測與實值有較大差將其剔可強底層據(jù)量。表3：篩選出的異常樣本大多與實際財報數(shù)據(jù)偏差較大時間股票名稱預(yù)測年度預(yù)測實際2012/3/30股票C20121.4060.1082020/7/2股票D20221.0890.0982019/8/28股票E2021-2.7500.2102019/4/25股票F2021-2.3300.144ind，浙商證券研究其次我們也可以從分析師預(yù)測相對中位數(shù)的差異來進行異常值識別我們所樣基于每只票的每個測報告進聚類將收凈資產(chǎn)于位數(shù)的0或小于中位數(shù)的10的樣本記異常樣組內(nèi)標(biāo)的常樣本于將剔除之所以要加上異常值樣本小于3的限制條件，是因為分析師筆誤或數(shù)據(jù)庫錄入錯誤應(yīng)是極端異現(xiàn)象有條樣本異則可是司運營發(fā)了重大化例如重資重組后公司財務(wù)據(jù)可能成增。在此件，我們篩出0條題樣本。數(shù)據(jù)聚合基于報告發(fā)布日與年報預(yù)計披露日之間的時間跨度為報告賦權(quán)，加權(quán)計算個股一致預(yù)期指標(biāo)上中我們發(fā)現(xiàn)距實際發(fā)日時間跨越預(yù)測的也會相應(yīng)放大平均看，間跨每增加個，預(yù)誤差加的百在左因此我們?nèi)?作告權(quán)重減參數(shù)，距報預(yù)定布（設(shè)定年4月0）n個的報告，為.9n。后，將重一化后權(quán)可得到終一致預(yù)值。FTM數(shù)據(jù)計算一致預(yù)數(shù)中最使的數(shù)據(jù)為Y（最一個預(yù)年及未來12個月）類我們認(rèn)為，雖然1的預(yù)測準(zhǔn)確度最高，但M數(shù)據(jù)在邏輯上更為合理：第一個視角來年報發(fā)前F1對應(yīng)預(yù)測年發(fā)變化而致Y1數(shù)據(jù)出跳數(shù)連續(xù)較差此若當(dāng)下經(jīng)到4月公司年尚公布則F1應(yīng)的上一年的利預(yù)測并能體現(xiàn)前性。第二從行視角來于不同司年報發(fā)時不一這可導(dǎo)致在報布季，行業(yè)內(nèi)同司對的1值實代表了同會計年。如，在3年4月，已發(fā)了2報的其1測對應(yīng)023年度而布的則應(yīng)022年度這會導(dǎo)致個數(shù)據(jù)聚至業(yè)層面，分股的測徑并不致。與之相FM數(shù)據(jù)代表的未一年的利測情況對不同公的測口徑始終致且數(shù)據(jù)連性及前性強邏上為合理因本文主計算日頻滾動M指標(biāo)。于類指標(biāo)，出的方法為：??????=指定日期所在年剩余天數(shù)／35?當(dāng)年預(yù)測值+(35?當(dāng)年的剩余天數(shù)／?次年預(yù)測值這實際是設(shè)公司績年內(nèi)均分但是氣溫及節(jié)節(jié)假日影很多公司業(yè)都存在顯季節(jié)性如州茅臺季營收往就年內(nèi)低那么是否有必要考慮業(yè)績分布的季節(jié)性？圖4：貴州茅臺季度營收存在明顯季節(jié)性400350300250200150貴州茅臺單季度營收（億元），。我們首計A股公司中營存在顯季性的公占。具體言我們在262021的時間間計算公歷史上個度的營占將其四季度的虛擬變量回，將四虛變量回系的平均-vaue作為公營收季性顯著性水平。多數(shù)上市公司營收分布存在顯著季節(jié)效應(yīng)。由下圖可見，在0的顯著性水平下，有6的市司營收現(xiàn)明顯的節(jié)規(guī)律表在算FTM數(shù)據(jù)過中考慮業(yè)績分布季性似乎有要的。圖5：過半數(shù)上市公司營收體現(xiàn)出顯著季節(jié)性規(guī)律，在此基上我們嘗基財報季性算FM據(jù)，具方為將過三營收的季度布值作為公營收分的望，隨結(jié)已公布最財報來算來12個月的累營收入如當(dāng)前為0月1日已布三季么預(yù)期季營收即預(yù)期年度收去三季營，同時據(jù)去3年營收度分布值下一年的測營，估計出一度四個度單季度收最終以為礎(chǔ)計算FTM數(shù)據(jù)?？紤]業(yè)績分布的季節(jié)性在理論上有必要但實操中反而會引入噪聲理論上既多數(shù)公司的績布都存顯季節(jié)為了實更確的估們就有要慮這一。但當(dāng)我實計算后發(fā)這種方并多少改，而會引額的噪聲。以貴州臺例其收布的季性經(jīng)非常顯但在考季性及均分假設(shè)兩種情下計算得到的M營收速走勢本致，且慮節(jié)性后而在更多鋸齒狀噪主要是為我們結(jié)了新的財數(shù)來進行算但在財發(fā)后若當(dāng)季值與史節(jié)性分存差異分師沒有整年業(yè)績期就會導(dǎo)增指標(biāo)在財報發(fā)布點近發(fā)生變。圖6：貴州茅臺營收FTTM同比走勢30%25%20%15%10%5%FTTMY-考慮季節(jié)性 FTTMY-不考慮季節(jié)性，基于上述討論，我們沿用給出的算法，直接基于均勻分布假設(shè)計算個股系列指標(biāo)，并在后續(xù)進一步聚合得到行業(yè)一致預(yù)期指標(biāo)。行業(yè)一致預(yù)期指標(biāo)計算由個股據(jù)合至行維，主要通流通市加法及整法種方法現(xiàn)兩種方法有劣：流通市值加權(quán)法下，流通市值占比較大的公司對最終計算結(jié)果的影響權(quán)重更大，從而能與行業(yè)指數(shù)的景氣水平更好對應(yīng)。以典型的銀行業(yè)為例，四大行的營收及凈利潤規(guī)模均遠(yuǎn)超其他銀行，但銀行指數(shù)的最大權(quán)重股為成長性更強的、興業(yè)銀行等股份行。這就導(dǎo)致，若用體法進指計算，果會顯著估數(shù)的景水。此外，對于OE指標(biāo)算來說由分析師測層數(shù)據(jù)并直接對資進行預(yù)測，數(shù)由凈利預(yù)及OE預(yù)衍生計得。若底數(shù)中存在識出的異常值，則容易對凈資產(chǎn)估算值造成較大影響，使得整體法的穩(wěn)定性反而不如流通市值加權(quán)法圖7：不同計算方法下W銀行指數(shù)一致預(yù)期OEFTTM走勢19%18%17%15%14%13%12%11%10%205/1 206/1 207/1 208/1 209/1 200/1 201/1 202/1 203/1整體法 流通市值加權(quán)法，整體法下個別極端值對計算結(jié)果的影響較小指標(biāo)走勢更加平滑對于增類標(biāo)規(guī)模較的司容易現(xiàn)績暴漲跌極端情流通市加法下就能導(dǎo)致計算結(jié)果異，而整法表現(xiàn)會加健。圖8：不同計算方法下W農(nóng)林牧漁指數(shù)一致預(yù)期凈利潤TTM增速走勢350%300%250%200%150%100%50%0%-50%-100%2015/1 2016/1 2017/1 2018/1 2019/1 2020/1 2021/1 2022/1 2023/1流通市值加權(quán) ，針對不同類型的指標(biāo)選取更為合適的計算方法中們主計算投者為注的收增凈潤增速個致預(yù)期標(biāo)根據(jù)上分營增速凈利潤增速這兩增類指標(biāo)適采用整法行計算而OE則更采用流市加權(quán)法。分析師一致預(yù)期指標(biāo)在行業(yè)輪動中的應(yīng)用分析師一致預(yù)期指標(biāo)與行業(yè)實際景氣的相關(guān)性較強。我們通過時差相關(guān)系數(shù)分析的方法來判一預(yù)期指相行業(yè)實值領(lǐng)先性相性水平由可見致期類指標(biāo)整體與業(yè)際值的關(guān)較強除綜合行的0申萬行業(yè)中E的均相關(guān)系達(dá)0.，營收速平均相系達(dá)0.4凈潤的平相系數(shù)達(dá)0.2。但是一致預(yù)期類指標(biāo)的領(lǐng)先性卻并不明顯。便我計算的經(jīng)未來2個滾預(yù)期值但對行業(yè)際也并未現(xiàn)領(lǐng)先性而多為同甚略微滯。圖9：行業(yè)一致預(yù)期E與實際RE間的時差相關(guān)性領(lǐng)先期數(shù)相關(guān)系數(shù)領(lǐng)先期數(shù)相關(guān)系數(shù)煤炭0000.980.970.970.96農(nóng)林牧漁10.760.740.730.670.67有色金屬國防軍工汽車機械設(shè)備00建筑材料電子食品飲料20.950.93環(huán)保銀行00家用電器0.53基礎(chǔ)化工0.920.910.91輕工制造000.410.390.310.23房地產(chǎn)交通運輸石油石化0傳媒4計算機40.880.880.87美容護理3鋼鐵0商貿(mào)零售40.100.030.03公用事業(yè)1社會服務(wù)非銀金融1 0.81通信2電力設(shè)備110.81醫(yī)藥生物4 0.12建筑裝飾0.78紡織服飾10.18，圖10：行業(yè)一致預(yù)期營收增速與實際營收增速間的時差相關(guān)性領(lǐng)先期數(shù)相關(guān)系數(shù)領(lǐng)先期數(shù)相關(guān)系數(shù)煤炭0.92食品飲料0.80家用電器0.92傳媒40.78基礎(chǔ)化工00.91環(huán)保0.77交通運輸0.91醫(yī)藥生物0.75石油石化00.91建筑裝飾0.73輕工制造0.90汽車0.73鋼鐵0.89計算機0.64有色金屬0.88美容護理0.64公用事業(yè)00.87機械設(shè)備0.57通信0.87農(nóng)林牧漁00.57電力設(shè)備0.85國防軍工10.49銀行0.84社會服務(wù)10.45電子0.83房地產(chǎn)0.43非銀金融00.83商貿(mào)零售0.41建筑材料0.81紡織服飾10.22，圖11：行業(yè)一致預(yù)期凈利潤增速與實際凈利潤增速間的時差相關(guān)性領(lǐng)先期數(shù)相關(guān)系數(shù)領(lǐng)先期數(shù)相關(guān)系數(shù)非銀金融00.910.900.900.89石油石化1 0.611 0.61建筑材料有色金屬房地產(chǎn)計算機40.520.520.510.490.460.420.390.370.330.28基礎(chǔ)化工國防軍工農(nóng)林牧漁10.870.850.84電力設(shè)備食品飲料交通運輸銀行通信家用電器0.830.830.820.810.800.80傳媒2電子商貿(mào)零售汽車建筑裝飾輕工制造醫(yī)藥生物0紡織服飾煤炭33社會服務(wù)1鋼鐵0.200.19環(huán)保0.77美容護理2機械設(shè)備0.67公用事業(yè)10.10，根據(jù)上分雖然致期類指并有表現(xiàn)多領(lǐng)先性但與財務(wù)據(jù)的相關(guān)性顯數(shù)據(jù)頻明更高此然具備定投資價面我分從截面上的行業(yè)動力及時上行業(yè)的時力兩個度行分析。截面上的行業(yè)輪動表現(xiàn)我們首先將一致預(yù)期指標(biāo)作為因子處理計算一期O營增速利增速，以及其自環(huán)比共計6個因子頻RnkC回測結(jié)察其截信是否具行業(yè)選擇力其中，期標(biāo)排前13的行業(yè)為頭組后13的行業(yè)為頭組。表4：因子回測結(jié)果因子名稱k年化R多頭年化超額收益多空年化收益一致預(yù)期ROE0.000.011.1%-0.6%一致預(yù)期營收增速-0.01-0.170.2%1.6%一致預(yù)期凈利潤增速0.020.204.1%4.6%一致預(yù)期ROE環(huán)比0.010.180.4%0.0%一致預(yù)期營收增速環(huán)比0.010.1-0.1%1.2%一致預(yù)期凈利潤增速環(huán)比0.050.783.0%6.1%，。注：計算區(qū)間為2016.1-2023.5，多頭組超額收益比較基準(zhǔn)為行業(yè)等權(quán)指數(shù)。整體上看投資者相對營收更關(guān)注利潤且更關(guān)注環(huán)比變化而非絕對值一致預(yù)期凈潤增速環(huán)比因子表現(xiàn)最優(yōu)從回測果見相于收增速凈潤增速表相對更，這表明資相較于收說更注潤變化況此外比指標(biāo)的現(xiàn)遍優(yōu)于絕對值類表投資者關(guān)指標(biāo)的際化六因中一預(yù)凈利潤速比因子表現(xiàn)明顯優(yōu)多頭在62022年間實現(xiàn)化3.%的超收。但是，即便是表現(xiàn)最優(yōu)的一致預(yù)期凈利潤增速環(huán)比因子，其收益表現(xiàn)也并不突出，且2021年下年后基失。這可是為，221下半年，國經(jīng)濟歷漫長的氣下行周部分行的氣度水環(huán)均有回使得一預(yù)凈利潤速比變化靠前的行，景氣度能是下滑，而其股表可能也不出。圖12：一致預(yù)期凈利潤增速環(huán)比指標(biāo)回測結(jié)果2.11.91.71.51.31.10.90.72016/2 2017/2 2018/2 2019/2 2020/2 2021/2 2022/2 多頭組/等權(quán)基準(zhǔn)(右軸) 等權(quán)基準(zhǔn) 多頭組

1.41.351.31.251.21.151.11.051，時序上的行業(yè)擇時表現(xiàn)一致預(yù)期凈利潤增速的邊際變化對過半行業(yè)具備擇時能力。我們對行業(yè)一致預(yù)期凈利潤增速標(biāo)滾動濾后在指標(biāo)際行時做際下行做并計其度擇時勝（做多贏基準(zhǔn)時跑輸準(zhǔn)概率由可見對半行業(yè)說擇時勝率均超過50，對于鋼、炭等強期業(yè)來說擇勝率達(dá)60左右。圖13：一致預(yù)期凈利潤增速指標(biāo)單行業(yè)擇時勝率擇時勝率擇時勝率擇時勝率煤炭61.8%計算機51.7%鋼鐵59.6%美容護理51.7%有色金屬58.4%醫(yī)藥生物49.4%電子58.4%商貿(mào)零售49.4%建筑裝飾58.4%食品飲料48.3%交通運輸57.3%房地產(chǎn)48.3%環(huán)保57.3%基礎(chǔ)化工47.2%電力設(shè)備56.2%社會服務(wù)47.2%農(nóng)林牧漁55.1%傳媒47.2%國防軍工55.1%石油石化46.1%建筑材料53.9%非銀金融44.9%汽車52.8%通信43.8%機械設(shè)備52.8%家用電器41.6%紡織服飾51.7%公用事業(yè)41.6%輕工制造51.7%銀行40.4%，做多一致預(yù)期凈利潤增速邊際上行的行業(yè)可獲得較為穩(wěn)定的超額收益既然預(yù)凈利潤速標(biāo)對多行均具備定時能力我們就以慮在每月時篩選出增速向的業(yè)，并下進行配。該策略，化超額約22%額收益對穩(wěn)定在2年0月才出現(xiàn)持的策略效象。圖14：策略回測結(jié)果1.91.71.51.31.10.9

1.251.21.151.11.050.7 12016/2 2017/2 2018/2 2019/2 2020/2 2021/2 2022/2 2023/2策略/等權(quán)基準(zhǔn) 等權(quán)基準(zhǔn) 策略，綜合策略表現(xiàn)將截面與時序策略相結(jié)合可實現(xiàn)更優(yōu)秀的超額收益表現(xiàn)在面略中們現(xiàn)策略超收在2021半年后續(xù)撤，而可是受到觀濟下行期影響，導(dǎo)致部分氣際上在行行業(yè)也選了做多合因此可以考將面與時序策略相合配置一預(yù)凈利潤速比排名前10且為正行。在此置，策略表現(xiàn)明顯加定在20162023.5回測間內(nèi)相對業(yè)等權(quán)準(zhǔn)年化超收為48，超額收穩(wěn)性明顯升。圖15：綜合策略回測結(jié)果2.32.11.91.71.51.31.10.90.72016/2 2017/2 2018/2 2019/2 2020/2 2021/2 2022/2 策略/等權(quán)基準(zhǔn) 等權(quán)基準(zhǔn) 策略

1.61.51.41.31.21.11，延伸討論：一致預(yù)期與中觀數(shù)據(jù)，孰優(yōu)孰劣？此前研中我們重基中觀高數(shù)進行行輪模型構(gòu)，本文中我則主要針一預(yù)期數(shù)的時和行輪能力進了析。一個自然的問題是，一致預(yù)期數(shù)據(jù)與行業(yè)中觀高頻數(shù)據(jù)的擇時效果究竟誰更突出？基于行業(yè)中觀數(shù)據(jù)構(gòu)建的擇時策略勝率相對分析師一致預(yù)期數(shù)據(jù)要更高直析師也觀到行業(yè)觀據(jù)且能過調(diào)研取更具時性信息時力理應(yīng)更強。但統(tǒng)上來看我基于中數(shù)構(gòu)建的時型，勝均高于一預(yù)數(shù)據(jù)。圖16：基于不同數(shù)據(jù)源的行業(yè)擇時勝率基于一致預(yù)期數(shù)據(jù)基于中觀高頻數(shù)據(jù)煤炭61.8%63.6%鋼鐵59.6%62.5%電子58.4%59.1%電力設(shè)備56.2%58.6%農(nóng)林牧漁55.1%60.2%建筑材料53.9%53.4%汽車52.8%59.1%房地產(chǎn)48.3%58.0%食品飲料48.3%52.3%基礎(chǔ)化工47.2%56.6%通信43.8%62.5%家用電器41.6%55.7%銀行40.4%50.0%，。注：計算區(qū)