黄海韵：京东大数据在消费品行业投资中的应用 |2018天风&联盟数字产业论坛演讲实录

黄海韵

京东金融证券业务部研究总监

大家好，非常高兴有这个机会跟大家交流一下，京东金融大数据运用在二级市场投资上的一些探索。

首先，我们在开始之前先介绍一下我们对大数据投资在证券这个行业的一些应用看法，其实我们知道在美国大数据投资已经是非常成熟了，很多的基金都有专门的部门对大数据采集以及触底，做了非常多的产品。基于美国的数据，不管他们的频率也好、精度也好还是覆盖的范围也好，都有比较明显的优势。在中国发展相对比较缓慢，究其原因还是因为我们缺乏比较好的数据源，从基本的信息化程度上，从源头上就有一些困难，但随着最近几年不断的普及电商，不断的实行移动支付等等技术上的改善，我们也有做这个的条件。

京东金融主要基于消费方面的大数据做机会的挖掘，我们有比较明显的优势，第一个，数据的及时性有非常大的优势，最重要的对公司的判断还是看财报，一年公布四次，而且不仅更新的频率低，往往也是滞后的，三四月份才拿到这个公司2017年发展情况，其实这些事情已经是过去时了，怎么还判断它现在的情况，以及预测未来的情况。我们的数据稍微简单一点，我们今天就可以拿到昨天的数据，在春节过完之后，白酒到底卖的好不好，我们是非常清楚的，传统的研究方法还是需要通过研究员的调研，通过对经销商上市公司的沟通做这样一个过程。我们在覆盖面上和速度上是有比较明显的优势。

第二个，我们的数据还是具有深度和广度，我们有很多可以值得挖掘的地方，我们可以从整个行业的定价的变化，从它的一二三四线城市分布比例以及消费者的特征进行广泛的建模，从而深入的分析各个公司运营状况以及它们之间的区别。

第三个，数据的可比性，数据是冰冷的，相对于财务报表，很多同类产品在销售，不管是从均价也好还是消费者的特征也好，通过更多的竞争比较，哪些场景格局产生新的变化。

我们产生了一个投研商品，在大量数据挖掘上产生的研究产品，对于主动型的基金，我们投研产品主要对财报以及公司运营指标的预测和计算，最直接的一点，我们在判断公司的营收至少是判断营收是否超预期的概率上，有非常大的优势。我们可以通过对它产品结构的分析，以及原材料综合分析来判断，毛利率的变化以及行业的竞争，也会影响到这个行业的变化。对于量化基金，我们提供一些结构化的数据流，用于量化模型，在输出一个大数据的因子，也就是说我们会判断我们覆盖的过程当中，本季、下一季的财报数据会更好。

我们现在介绍的跟之前领导介绍的差不多，我们的数据流也是这样，首先是获得数据，我们京东整个生态圈里面的数据，看得到财报也知道，2017年整个京东生态圈有一万亿的规模了，接近3亿的客户量，样本代表性已经非常强了。我们对于比较有价值的其他数据，我们利用一些技术把那些数据爬下来进行分析。我们跟其他地三方进行了交换，我们擅长线上的数据，线下的数据有些行业是比较缺失的，因此我们跟一些合作伙伴进行交换补足我们的缺陷，数据取得之后进行标准化的处理，把不同的数据源整合到一起，从而进行建模，再输出我们说的年报也好还是存量化的产品。

这是刚才谈到的，因为很多投资者有质疑，京东主要是线上，线上跟线下发生偏差怎么办？我们的解释，首先我们已经有一万亿的规模，在全社会占比已经不小了，我们活跃用户接近3亿，基本上中国每四个人就有一个人在用京东，所以我们觉得我们的偏差越来越小，我们样本跟全社会样本越来越贴近。所以这个研究的价值越来越高，我们对其他的数据源，不管通过技术还是线下的交换，不停的在补足相对欠缺的地方。在这个基础上，我们做了很多相当于对上市公司的覆盖和映射，现在我们已经能够覆盖到很直接的500多只股票，这500多只股票每天都能监控在线上和线下的一些销售情况。除了我们最基本直接的覆盖500只之外，我们还对上游的供应链企业做了类似的图谱构建，比如说，我们更擅长的是3C品类，手机、电脑，京东的占比20%，肯定随着下游的产品销售出现波动。所以表面上我们覆盖500只，实际上我们能够影响到的，判断到的股票，我们认为在一千只左右，有三分之一的股票都有一定的覆盖力度。

今天想做比较接地气的分享，这是去年比较好的案例，我们知道在2016年整个乳制品行业需求相对是比较疲弱的，伊利在2016年业绩是比较普通的，从股价上可以看到，从2016年下半年到2017上半年几乎没有什么涨幅的。我们的大数据在2017年一季度已经监测到发生了重大的变化，增速从不到10%一下跳升到15%以上，我们知道这个行业是不是发生了一些变化，我们通过大数据做到了非常多的分拆，数据转的来源是哪里？最后发现是两个发现，第一个，伊利在三四线布局出现了一些效果，伊利超过5000家的经销商，数十万的三四线的网点。过去我们没有看到这个效果，2017年监控定义的县级以下市场的时候，发现伊利在这个市场出现30%、40%增速，比起2016年有很大的改善。第二个，在产品结构上面，2017年仍然有非常高的高速，经典这款产品2016的增速百分之十几，我们发现2017作为老的产品25%以上的增速。我们在观察很多消费者为什么会去购买这个产品？因为三四线很多地区已经把伊利高端产品作为一种送礼的硬通货，过春节的时候会购买安幕希或者经典进行馈赠。所以在众多的数据分析之下，我们判断伊利一季度反转是非常有效的，那时候看到股价根本没有任何的表现，在这个层次上我们会对它进行比较看好的预测。

到了二季度之后，趋势得到了延续，销售越来越好，当时我们发现蒙牛并没有增长的情况，伊利在三四线显示出丰富强势的风格，在弹性上肯定是伊利更大的，在6月30号之后，可以根据我们的数据去进行它的预测了，看出他们二季度整个公司的收入达到20%的增速。而这个时候，整个市场上还是非常多的分歧，二季度业绩公布之后，伊利整个股价接近涨了一倍，我们预警是非常早期，而且非常准确的判断了这个事情。

2016年对于空调数据的跟踪，左边可以看到，我们做了一个指数，空调的销售指数，其实2015年知道空调的小年，当时的库存是非常高，而且天气相对比较凉爽的，我们看到格力也好、美的也好，不太卖得动，公司的报表表现出来的业绩非常一般。但是到了6月份，京东有一个618大促，在大促期间，空调销售突然有一个跳升，这时候跟京东的产销进行了沟通，发现可能是一个非常有效的信号，我们经过一个月的跟踪，在618结束之后已经过了那个季节，这个时候依然保持非常旺盛的需求，我们说空调反转的机会就来了。右边可以看到，到了7月份、8月底才开始上涨的，通过这个预警，也有充足的一个月去研究空调是否是发生了新的转变。

这是我们在预警上的一些应用。

第二个例子，我们觉得大数据对于公司的深度基本面的研究有非常大的作用，这里举的是油烟机的例子，如果是现在在场有投资消费品的，大家知道前段时间老板发了一个财报，在这里不是马后炮，我们去年6月份的时候已经判断了老板线上有问题，觉得华帝是更好的标的，这是基于我们非常多数据的挖掘来构成的。我们看一下正面的例子，华帝这个公司为什么觉得它好呢？华帝在过去是三四线的品牌，在2015年的夏天开始，它的价格段从2000到3000，3000到4000价格段大幅的转移，进行了产品的提价。在提价的过程中，我们可以看到，一个公司对产品进行了更新提价之后，反而购买的消费者比较多。在这种情况下，这是提价成功的标志，同期7月份老板进行了一次提价，提价幅度非常大，提价之后市价率急速下降，消费者没办法接受这样的产品，这个对比之下，老板有问题，华帝可以持有的一个标的。

右边这张图，这是通过对数据的捕捉来判断的，我们可以找出一个品牌在线上卖的最好情况，中间有一块橘色，2016年迅速扩大，我们发现跟同类的产品，像老板、方太相比，基本估值根本不比它们差，排烟量和基本属性也好，跟老板差不多，但是价格要便宜一千多，产品一上线之后是非常旺销的，这款产品占到他们公司接近20%的收入。在这种情况下，毫无疑问，华帝比老板现阶段更好的一个公司。

我们可以看到，产品推出之后，像美的可以看到，还卖中式的产品，美的采取的是比较强调性价比的一种策略，在这个行业中不去主动的高举高打。我们可以通过对不同公司SGU属性的分析来判断在线上或者线下进行的竞争策略，从而更有效判断他们成功或者失败的概率。但在右边这个图，我们做了一个消费者画像的分析，这是一个例子，我们讲了，方太和老板是比较高端，华帝和美的比较差一些，他们这些消费者在其他行业进行消费的时候是什么样的特征。比如说，我们可以看到，买方太的消费者买苹果手机会更多，买小米或者oppo更少，是不是在一定程度上在暗示方太和老板的消费者是偏高端的，或者华帝偏低端一些。我们从区域分布来分析可以看到，老板是一二线比较强大，华帝和美的三四线比较强一些。因为地产的关联很大，2016年10月份开始，一二线房地产限购比较厉害，渠道下行不下去的话，消费者对你的认知不太够的话，销售会受到很多影响，我们发现一线下半年开始这些公司发生一些分化，一二线为主的方太老板在逐步放缓，美的和华帝不断的提升。所以我们通过这些数据的分析，我们不断的更新我们的一些认知，在区分度上面可以做得非常好。

这是我们挖掘的一些表现，5、6月份挖掘之后，跟买方进行了讨论，之后华帝的表现明显好于它的竞争对手。

这是另外一个例子，高端白酒，高端白酒这个行情维持了差不多两年，从数据上可以非常明显的捕捉到，2015年初的时候，我们看到高端白酒的消费金额占比只有10%多一点，2017年下半年接近40%到50%了。我们在小的波段当中也有非常敏锐的一些察觉，一个简单的例子，2017年下半年，7、8月之后高端白酒的占比发生了一个跳升，从30%跳到40%，茅台在线上通过云商以及京东在内的一些电商进行大批量的发货了。其实可以看到，茅台的价格2016年还是上涨，一开始并不是说需求有多强大，通过发货和精细化的管理把自己的价格往上提，如果你的需求一般般的话，虽然说终端价还是得到比较大的增长，其实上市公司的发货量并没有很大的增速，报表上体现不会那么明显，我们观察到的数据，2017年茅台在线上大批量的发货，我们认为虽然茅台的股价涨了很多，预期也很高，但是也有非常大的概率超过预期，茅台Q3单一季度是一倍，我们也是成功抓到了这一个点。茅台股价在下行的时候，我们进行了比较确定的提示，这是公司深度研究基本面的应用。

最后一块，跟之前有一些不同，之前我们不管是预警指数还是深度基本面都是对过去的研究，从而对未来的判断，但是这个相对趋势洞察，对现在一些消费升级的方向、趋势一些判断，更多的是前瞻性的，对二级市场、一级市场有一些参考价值。像消费升级，可以说是一个非常大的主题，从2016、2017到2018年，持续的对二级市场有表现。我们不管通过草根调研还是通过对卖方，上市公司沟通也好，心中会有些消费升级的概念，比如说白酒越喝越高端，买的家电越来越高端，更多的去进行精神消费等等，但其实大家都有一种盲人摸象的感觉，有一个局部的细节发现了这个现象，但整个行业是怎么变化的，如果没有强大的数据源是不可能做出整体的梗概。我们之前进行了数据的挖掘发现，其实我们选取了在线上600多个行业进行分析，发现2015年相对于2014年，在线上根本没有发现任何的消费升级，平均来说有50%多的行业在下滑，这个数据2016年开始出现加快，这时候是非常强大的消费升级的现象。

比如说，我们可以通过量价的分拆，看出哪些行业真正通过涨价来取得升级的，  比如说，谈得最多的白酒，有15%的均价的提升，其实在整个行业当中并不是最高的。

通过各种各样的方法能够挖掘到产品创新之后，这张图Y轴是均价提升的速度，消费升级确实也非常明显，我们可以看到，这个方法来选择的话，集成灶是非常好的标的，地产压制的情况下，它完全没有受到影响，这是我们对有微创新行业的一种挖掘。同样我们可以看到，像吸尘器等行业也有非常多的一些机会。

最后，还有一些从零到一的产品，二级市场还没有太好的标的，但其实这个需求已经在默默的出现了，我们做了一个十年先后的对比，十年前如果需要翻译的话买一个电子词典，2017年同声翻译机在我们平台上面卖得非常不错的，相关的标的，不管科大讯飞还是小米、百度，这方面后来也逐渐受到大家重视，可以看到，像电视机，我们看到黑电非常挣扎，过去几年的表现是一般的，但是人工智能家庭影院就非常好，像投影仪、家用的电视系统也非常好。我们可以通过庞大的数据库不断的产生这些产品，提示哪些新品类出现了，这些品类当中哪些品牌在行业里面有一定的竞争力，同时他们的股权从属关系以及上游供应链等等一些情况。

综合来看，我们通过这几种方向，我们开发出了一种道路，不仅像比较大的国内投资者的输出了我们的产品，我们自己通过大数据作为消费品的模拟，在去年也是获得非常好的结果。

今天分享到此，感谢大家来捧场。谢谢！