第六篇|行业研究的幕后:从公司分类、指标口径,到持续更新的数据体系
- 2026-11-10 21:25:34
第六篇｜行业研究的幕后：从公司分类、指标口径，到持续更新的数据体系
一篇行业报告呈现出来的，可能只有几张图表、几组同业比较和几个核心判断。
但在这些结果之前，往往还有一段更长的工作：
寻找相关公司，阅读历年财报，识别主营业务，理解指标定义，统一数据口径，再把下一期的新披露接进来。
这些工作决定了：
报告中的数字能否比较、结论能否追溯，以及下一次更新是否还要从头开始。
上一篇讨论不同行业的研报框架。这一篇往后退一步，讨论支撑研报的底层工作：怎样从分散的资料，建立一套可持续更新的行业研究体系。
本文结合日常研究方法整理，只讨论通用框架，不展开具体。
01｜同属一个行业，不等于可以直接比较
讨论某个行业时，我们经常会把全球相关公司放在一起。
但行业标签相近，商业模式可能完全不同：
有的买入产品，再销售给客户。 有的撮合交易，收取佣金或服务费。 有的提供流量、线索或广告。 有的销售软件和订阅服务。 有的提供融资、保障或履约服务。
如果不先区分业务模式，直接比较收入规模、利润率或估值倍数，就可能把不同经济含义的数字放在一起。
工作文件中的指标体系整理，也采用了从“公司清单”转向“业务地图”的思路：
先理解产业链位置及收入来源，再讨论同业关系、经营表现和资本市场评价。
因此，行业研究的第一步，不一定是计算市场规模，而是回答：
这些公司究竟在做什么？哪些业务可以比较，哪些必须分开？
02｜先按主营业务分类，再建立同业组
一级分类的目的，是让经营逻辑相近的公司，在相似的问题下接受比较。
可以围绕五个问题展开：
这套分类不应只是公司简介的压缩版，还应连接后续分析。
例如，分类完成后，应能够判断：
哪些公司适合比较销售规模和周转？ 哪些更适合比较客户、留存及变现？ 哪些需要重点分析信用风险和资本占用？ 哪些应拆分业务后再比较？
对于多业务公司，可以保留两个层次：
公司层面：观察整体规模、资本结构及现金流。 业务层面：建立更接近经济实质的同业比较。
分类也不是永久标签。主营业务发生变化时，研究体系应允许重新归类，而不是为了保持表格整齐而忽略变化。
03｜阅读历年财报，是为了理解数字的连续性
最新财报告诉我们“这一期是多少”，历年披露帮助判断“这些数字是否一直代表同一件事”。
整理时，除了提取数值，还需要记录：
指标名称有没有改变？ 定义及计算范围有没有调整？ 业务分部是否重组？ 统计期间和单位是否一致？ 是否增加或停止披露某项指标？ 历史数据是否重述？ 并购或处置是否改变可比范围？
数据整理记录涉及财报期间、数值单位、科目层级及收入映射等问题，也强调需要回到公司原始披露核对。
这提醒我们：
一条连续的数据序列，不一定意味着一条连续的经济含义。
看起来相同的字段，也可能需要拆开解释；看起来不同的名称，则可能属于同一种业务。
对于属于同一分类但体量差异明显的公司，CFA Institute指出，可以用百分比或比率来分析公司财报或经营数据。
04｜标准化是建立对应关系
跨公司数据整理，常见两种情况：
不同名称，含义接近。 相同名称，含义不同。
因此，不宜先把列名统一，再默认数字可比。
建议保留三层信息：
收入归集工作，本质上也是在原始财报表达与行业分析语言之间建立桥梁，而不是简单沿用数据库字段。
可以统一，不代表一定要合并
如果经济含义足够接近，可以归入同一标准字段。
如果存在重要差异，则可以：
保留子分类。 标注可比范围。 提供补充说明。 暂不纳入某项排名或汇总。
“暂时不可比”也是有效研究结果。强行消除差异，反而可能制造错误的确定性。
05｜建立指标字典，让更新不依赖个人记忆
公司和期间增加后，指标定义不应只留在分析师的记忆里。
可以建立一份指标字典：
指标字典不仅服务数据库，也服务交接、复核和报告解释。
它回答的不是“这个数填在哪里”，而是“为什么可以这样使用”。
06｜增量更新，也是一项持续的研究工作
第一版底表完成后，后续工作不只是追加新数字。
每一期仍可能出现：
新指标。 新分部。 新业务。 口径调整。 历史重述。 分类变化。
因此，增量工作至少包含三部分：
数据更新
把新期间的数据接入历史序列。
规则更新
维护分类、字段及映射关系。
判断更新
确认变化是否影响既有比较和结论。
如果只更新数值，却不维护定义，数据库会逐渐变成“能刷新，但难解释”的表格。
持续研究，需要维护的不只是数字，还有数字之间的关系。
07｜用ETL承接重复劳动
财报集中发布时，资料处理可能占用大量时间。对于规则稳定、重复发生的步骤，可以逐步通过ETL组织起来。
在这套工作流中：
E提取：取得需要处理的原始资料。 T转换：统一结构、格式、期间、单位及字段。 L加载：写入历史底表或数据库。
可以设计这样的流程：原始文件归档 → 提取与结构化 → 字段映射及单位处理 → 异常与口径检查 → 人工复核 → 图表和报告
我的工作文件记录，也体现了从数据抓取、清洗，延伸至映射、结构设计及展示层准备的过程。
自动化应有边界
适合优先自动化的是：
重复读取。 稳定格式转换。 既定字段匹配。 明确规则下的汇总。 异常提示。
需要人工确认的是：
主营业务是否变化。 指标是否仍然同义。 新科目应归入哪里。 异常值是否具有合理解释。 研究结论是否需要修正。
工具的目标，是缩短从披露发布到可以分析之间的时间，在工具执行之后的raw data，也需要抽查比对原始数据，查看是否出错。
08｜研究信息，可以沿四条线持续维护
日常关注的信息，可以分成四个方向。
这四条线不必以同一频率更新，但应能够围绕具体问题连接起来。
新闻跟踪材料，也尝试补充财报体系之外的政策、行业、企业及技术信息，并强调区分月度新增变化与重复背景。
可以用一句话概括：
新闻提供线索，行业数据提供背景，财报检验经营结果，市场信息反映定价变化。
但它们不一定同步，也不能自动相互证明。
09｜新闻整理，不应只是把报道拼在一起
一份新闻综述如果只有标题、摘要和链接，容易变成信息仓库。
更有用的做法，是让每条重要信息回答：
更新还应区分：
日、周、月、季、半年度、年度。 本月新发生。 本月新披露。 旧事件的新进展。 为理解问题保留的历史背景。
我的新闻整理基本包含“保留结构、突出新增信息”的思路。
10｜底层体系，怎样转化为日常报告？
不是每次更新都要重写行业全景。
这些输出应共享底层资料，但不需要展示全部处理过程。
完整的工作底稿，服务复核；简洁的报告，服务判断。
11｜把“事实、计算和判断”分开
为了让研究可以追溯，建议明确区分三层内容：
已披露事实
来自公告、财报或其他可核对来源。
研究计算
经过换算、归并或推导，保留公式及处理说明。
分析判断
基于事实与计算形成的解释，同时标注假设和不确定性。
尤其在新闻、数据库和公司披露交叉使用时，不应把“某篇报道中的说法”自动写成已经确认的事实。
工作材料也不等于已经完成核验的公开稿。正式发布具体数字或案例前，仍需回到原始出处检查。
12｜对外分享，保留方法，收住细节
行业研究方法值得分享，但不需要把全部工作底稿公开。
可以介绍：
怎样划分业务。 怎样理解指标。 怎样组织更新。 怎样连接信息与报告。 怎样检查和验证。
不必展开：
实际覆盖清单及筛选规则。 内部字段和完整映射表。 未公开资料。 内部观点及管理层沟通。 账户权限、系统路径和自动化配置。 未经授权的数据或材料。
方法写清楚，不代表流程必须全部展示。
13｜最后：研究效率，不只是取数更快
一个有效的行业研究体系，应逐步做到：
新公司进入时，知道如何分类。 新指标出现时，知道如何解释。 新财报发布时，知道怎样接入。 历史口径变化时，能够追溯。 新事件发生时，知道应该验证什么。 输出报告时，能够连接经营、财务与判断。
研究工作是让信息在合适的定义、分类和时间框架下，成为能够支持判断的证据。
一篇报告的价值，在于结论背后有没有一套可以继续运转的分析机制，行业报告深入，Presentation汇报时言简意赅，又带出画龙点睛的结论才是重点。
目前，深度行研能力和扎实的金融知识是我的重点，汇报的重要性放在其三，暂时做好稳固中后台支撑，更是我向往的职业生活。
本文结合本人提供的指标体系整理、数据流程记录及定期研究材料，提炼通用工作方法；已省略具体样本、内部映射及项目进度，不复述其中的公司和市场数字；本文研究方法主要用于个人备忘与一般信息分享，不构成个别证券或者行业的投资建议。
文中的流程、表格及报告分类属于方法建议，并非统一行业标准。涉及具体公司、市场数据、数据库使用或自动化部署时，应另行核对授权范围及所在机构要求。