用工周期的逻辑链条

　　我们发现，用工的变化要先于工业的订单和生产，并且指引着整个制造业的订单变化，也指导着部分商品的价格波动。16年制造业开始修复的时候，用工先出现了向上的拐点，随后便迎来了订单的恢复和商品价格的回升，直到用工的恢复在17年2季度出现放缓的现象，订单的修复和商品的涨价也在一个季度后失去了动力。

　　我们细致地梳理了用工变化和订单变化的来龙去脉，提出了用工周期的概念来帮助追踪工业需求的现在变化。我们认为：用工回暖首先导致制造业企业接受订单和派发订单上升，但是在限产的环境下，需求端的微小修复会导致商品价格的大幅回暖；这导致部分制造业企业生产成本上升，亏损企业数增加，以致招工放缓，进而影响订单和商品价格；而当价格逐步企稳，企业利润逐步企稳，用工将继续修复，带动下一轮订单的回升和商品的涨价。

　　我们将按照以下逻辑链条来验证我们的理论：限产本身并非涨价的充分条件，工业订单的变化才是涨价的充分条件，只不过限产让涨价的幅度变得更加夸张；另一方面，工业需求变化并不是因为终端需求的变化或者库存的变化导致的，而是用工导致的，可是价格的剧烈变化会导致用工出现调整，于是这一系列周而复始的调整构成了用工周期。

　　1、链条的第一环：上游产能波动不决定价格波动

　　我们认为，环保限产和供给侧改革的限产并非导致商品价格上升的直接因素，只是单纯打破原材料价格在产能过剩的环境下易跌难涨的机制，让商品价格变得易涨难跌。部分工业原材料价格下跌的核心逻辑并非简单的供需矛盾，而是供需矛盾的边际变化。换句话解释，价格下跌不是因为供大于求，而是市场小看了供给相对于需求有多大，价格上涨不是因为供不应求，而是因为市场小看了需求相对于供给有多大，需求和供给任一方的超预期波动都会影响商品的价格。

　　这一驱动力的传导路径有可能是通过库存的变化实现的。为了保证供应链，贸易商会根据下游销售和上游供应情况维持一定水平的供应商库存。如果需求的变化超出供应商预期，库存出现超预期波动，价格便会出现波动。以原油为例，EIA公布的库存和原油价格多数时候呈负相关。多数商品也符合类似特点。

　　回到限产的讨论，我们认为限产并非原材料价格涨价的直接原因，只是一个必要条件，是因为限产仅仅打破了过去很长一段时间黑色系和部分非国际定价的商品持续跌价的传导链条：原材料厂商是国有企业或者纳税大户，并且体量巨大，招工众多，导致部分企业在地方财政的支撑下形成大而不倒的格局。在价格下行阶段，因为财政或者隐性刚兑的支撑，过剩产能并未明显出清。而限产的进度，或者产能投资的进度，并不决定商品的价格。

　　我们以钢铁为例，钢铁行业在钢价出现明显下行的时候依然维持较高的发债，2015年尤甚。我们理解部分钢企为了撑过行业寒冬而通过举债进行融资，但是钢铁行业至今也没有看到因为产能去化较好而带来的产能利用率的企稳回升。钢铁行业在2014年2月之前一直维持正的投资增速，而2016年煤炭供给侧改革开始加速的时候，钢铁行业也一度出现投资回暖（2016年中）。但是我们看到钢企的开工率一直在稳步下降，这表明产能去化率相对于产量的下降是比较有限的，在供给侧改革推进的过程中产能依然相对过剩。诚然，产量的下降有一部分原因是环保限产带来的，但是去产能依然任重而道远。

　　而无论供给侧改革，还是环保限产，都是给供给端一个明显的信号，即价格越降越扩产能降成本的这一囚徒困境被打破。供给端的无序扩张得到控制，甚至缩减。无论控制和缩减的程度如何，只要在行业预期之内，那么价格的跌幅便是能得到控制的。供给缩减并不完全是商品涨价的充分条件（除非短期有超预期的限产行为），仅仅是为商品提供了一个易涨难跌的环境。我们将在下一个环节详细讨论需求变动对价格带来的影响。

　　我们以供给侧改革开展最早的煤炭行业为例来论证产能的投放和价格毫无关联。如果单纯以限产的多寡去解释煤炭价格的话，会发现多数时候会产生误判。我们将焦煤焦炭价格和煤炭行业投产放到一起来看的话，发现投资并不指导价格，反而价格像是投资的先导指标。投资的下行和涨价并无关联，反而是价格高位企稳之后才看到投资的逐步回升。诚然，固定资产投资不反应去产能的部分，但是考虑到煤炭2016年更多在出清僵尸产能，后期才开始考虑以旧换新以及进一步去实际有效产能，我们认为去产能并非涨价的直接诱因。

　　我们认为，15末煤炭触底反弹，实际上打破了煤炭下跌的主要逻辑，即部分煤炭企业试图以量补价，导致供给过剩，价格进一步下跌，而各方即使亏损也不愿意退出，因为存在GDP和就业率的压力，形成非常强的退出壁垒。供给侧改革在15年末推出之后，提供了较好的退出机制，无论是地方政府政绩考核，失业补助，或是以旧换新的产能置换的政策，都给各方提供了较低的退出壁垒。所以我们看到16年开始煤炭便结束了阴跌状态，价格开始弱修复，产量开始回稳。但是煤炭价格的暴涨实际始于3季度，这并非始于供给端超预期收缩，而始于需求端超预期增长。

　　2、链条的第二环：需求决定方向，供给只决定弹性

　　在供需的天平当中，供给一端虽然波动较大，但往往比较容易看清，而需求一端容易产生超预期变化。我们认为，在限产的大环境下，需求端的小幅波动容易产生较大的价格弹性，这就是我们要讨论的第二环。我们认为，商品价格的趋势是由需求端的变化决定的，而供给的收缩则导致商品价格的弹性上升，以致价格出现较大的波动。

　　首先，从时点上来看，我们发现商品价格的运动趋势和需求端的变化有较强的关联。我们依然以煤炭为例。首先，我们看到焦炭产量的上升实际上和表观需求是一致的，而需求端的向好，从其直接因素来看，是粗钢产量的上升带来的，从产业链的终端来看，和地产以及基建投资的阶段性向好或许也有一定的关联。

　　其次，我们发现，虽然需求端的变化决定了价格波动的时点，但是限产带来了较高的价格弹性。本轮商品价格上涨虽然幅度较大，但是并没有看到非常强劲的终端需求复苏，无论是消费还是投资（包括制造业投资、基建投资、地产投资）都只是呈现小幅波动。我们认为，虽然需求在一定程度上决定了商品价格的方向，但是供给的边际收窄带动了行业集中度的提升，增加了上游原材料生产商的议价能力，导致价格弹性增加。相应地，我们对比了过去供给过剩、原材料生产商议价能力较差的时间段，发现那个时候的需求回暖并没有带来大幅的价格提升。

　　依然以黑色系为例，我们对比2012年下半年的需求回暖和2016年下半年的需求回暖，看到2012年，基建投资从负转正，并且达到了超过20的增速，地产开发则在下半年趋势反转，增速从下跌改为上升，并且增速的变化接近10个百分点。而2016年的基建投资增速维持大体平稳，只有占比不到基建一半的地产投资实现了超过5个百分点的修复。并且，对比粗钢产量的变化，2012年的粗钢产量增速变化远高于2016年。但是从价格的表现来看，2016年的螺纹钢和焦炭的价格波动远高于2012年，并且涨价贯穿全年，并非仅仅是过度通缩带来的低基数问题。这表明2016年黑色系的价格弹性是远高于2012年的，而两段时期的差异便是，2012年在产能过剩的环境中进行需求端刺激，2016年开始进行供给侧改革处理产能过剩的问题。

　　当然，在这一环的中，我们选择焦炭和钢铁来论述我们的逻辑，主要是因为在众多去产能的行业中，黑色系工业金属的整个产业链比较简单明晰、数据丰富且具有代表性，便于我们陈述原材料价格的逻辑。我们认为供给决定弹性、需求决定方向这一逻辑适合多数的原材料行业。工业金属的价格在16年之后出现了较大幅的修复，多数是因为经济的修复速度要好于当初的悲观预期。我们印象最深的是，当2017年一季度主动补库存驱动的再通胀交易结束之后，市场一度悲观地认为主动补库存结束会导致商品价格回落、经济修复放缓，然而二季度末却发现经济的韧性远高于市场预期，带动了又一波大宗商品涨价潮。

　　从制造业整体来看，这一推论也能够得到印证，我们比较了统计局PMI新订单与PPI换比增速之间的关系（PMI问卷调查的是环比变化，所以应当和PPI环比对应），的确能够看到二者之间的正相关关系，并且和早几年相比，近两年PPI的波动水平远大于PMI的变化，也交叉印证了我们前面论述的限产增加价格弹性这一观点。

　　综合以上观点，我们认为，中下游工业企业正在面临以下困扰：因为限产趋严，原材料价格整体处于易涨难跌的状态，这使得需求端的些许向好就会导致中下游企业无法采购到原材料，带动一大波涨价潮，而即使需求出现走弱的迹象，原材料的弱供给也能保证价格不会出现较大幅的下跌。所以从这一点来看，如果能够把握住中下游需求端的变化，我们便容易把握住周期股的时间点。

　　3、链条的第三环：终端需求和库存变动并非周期的症结

　　前面我们说到，需求决定短周期的方向，我们所指的需求是工业生产当中每一环所产生的订单或者销售收入。我们看到，2016年工业复苏以来，订单和销售收入持续扩张，直到2017年3季度出现阶段性放缓，并且这一放缓持续到了2017年一季度。我们认为，这一阶段性放缓的背后实际上并非终端需求的波动所致，也非库存周期所致。

　　首先，从总需求的角度看，GDP增速在2017年并没有呈现出前三季度加速增长第四季度增速放缓的表现。并且，从支出法的角度来看，无论是社会零售总额增速，固定资产投资增速，抑或出口增速，都不能解释三季度之后的回落出自何故（消费总体平稳，出口前低后高，投资前高后低）。并且，如果我们从固定资产投资的角度来看，地产、基建、制造业的投资变化都不足以解释订单的变化（三大投资都呈现前高后低）。这意味着订单波动并非终端需求导致的。可能同样也意味着，当前环境下对周期的判断不能简单地从最终端的需求变化等角度去解释。

　　如果从制造业产业链内部寻找原因，不少分析人士会将周期的波动归因于库存周期。我们认为，所谓的库存周期也难以解释订单的变动。库存周期指的是，库存的变化影响了销售和订单，从而影响工业的生产，在库存低的时候，主动补库行为会带动工业间歇回暖，直至补库存周期结束。我们从两条线索交叉验证所谓的库存周期根本不存在。首先，从PMI来看，如果本轮需求波动是由主动补库存决定的，那么我们应该看到原材料库存的波动应当明显占主动，但是我们看到本轮原材料库存的波动明显低于2011年，说明被调查企业在这一轮修复中对原材料库存变化的感知远不如对订单变化的感知，并且原材料库存处于趋势性好转的过程，并不能解释2017年9月之后新订单的下滑。另一方面，我们从数量的角度进行计算，以规模以上工业企业效益数据作为参照，我们假设工业企业库存减去产成品库存便是原材料库存，那么2017年规模以上工业企业的库存总额约为10万亿人民币，补库存大约带来10个百分点的增速变化，大约是一万亿的边际增量。而工业企业主营业务收入体量大约为100万亿人民币，一万亿的边际增量只为主营业务收入带来一个百分点的变化，而我们看到2016年修复以来主营业务收入增速的变化高达10个百分点，所以可以确定库存变化不是需求变化的主要原因。所以，市场陷入了一个误区，就是如果单独看库存的变化和订单、收入的变化的话，那么库存似乎是工业需求的先导指标，但是经过比较和计算就能看到，库存并非工业需求的短期主导因素。

　　在排除了终端需求的变动和库存的变动对周期的影响后，我们寻找到了另一个线索来解释为什么2017年三季度之后会出现制造业订单和生产的走弱。我们认为用工的变化可能是主要原因。我们从PMI的变化看到，自2016复苏以来，从业人员指数的波动和PMI的其他主要指标同向，并且方向明显，有大约两个月的领先性。用工的波动一方面反映出企业对未来的预期，另一方面也决定了企业的接订单和生产的潜力。我们发现，用工指数大约领先新订单和生产一个季度。

4、链条的第四环：用工周期，限产和复苏的综合产物

　　我们提出一种用工周期的猜想：虽然终端需求足以支撑实际有效产能持续扩张，但是政策性限产，商品价格弹性很大，制造业订单上升催生了商品涨价潮，而这些都是制造业的成本，相当数量的企业因为无法顺利地将价格传导下去，出现了亏损。亏损或者濒临亏损的公司自然会裁员，这逐渐影响到了制造业整体的生产潜力，自然也影响了订单水平和短期的工业需求，造成了工业复苏的周期性回调。而只要价格稳定，亏损企业将原材料成本逐渐传导下去，扭亏为盈，用工恢复，那么也会继续迎来制造业订单的修复以及下一轮的商品涨价，从而带来下一轮用工周期。

　　我们把用工指数和亏损企业家数放到一起，能看到自2016年工业修复以来，亏损的工业企业家数变化和用工的变化整体呈负相关关系。其背后的逻辑应该也十分相似，PMI用工指数并不直接代表用工的多寡，而是用工增加的企业数和用工减少的企业数之间的相对比例。二者负相关，表明企业亏损对用工的影响较大。我们认为企业自2017年开始亏损家数从减少变为增加（主要在下半年开始增加）和工业品涨价不无关联。

　　另一方面，我们也发现用工的变化仅仅是结构性的变化，并非所有企业都会出现用工变化。用工是因为毛利较低的企业的盈利波动导致的，并非源于整个制造业的周期性波动。就整个制造业来讲，人均主营利润依然是稳步扩张的，如果不是因为毛利低的企业因为原材料价格波动被动调整用工的话，是没有道理主动裁人的。而且主营收入和主营成本都出现了较大波动的情况下，人均主营利润依然稳步扩张，说明整体需求比较好。

　　前面我们解释了亏损导企业的增加导致了用工的变化，但是并没有说明用工的恢复是否会导致需求的恢复。这里我们要做的另一个验证是，2016年以来制造业的修复速度跟用工关联较大，这样就能证明，只要用工修复，工业数据大概率就会逐步向好。我们将用制造业上市公司的数据来验证这一逻辑。如果用工向好就意味着工业数据向好的话，那么用工扩张较为明显的企业的销售的现金流的增长应该和用工的增长有一定的正相关，并且这一正相关关联应当要高于2016年之前。我们选择了销售收入受价格因素影响较小的行业（意味着销售收入上升是由销量上升而不完全是售价上升带动的）来进行分析。

　　按照申万行业分类，我们选取了以下行业的A股上市公司作为制造业的样本：电气设备、机械设备、国防军工、汽车（剔除汽车服务）、家用电器、纺织服装、轻工制造（剔除造纸和包装印刷）、医药生物（只包含生物制品和医疗服务）、计算机（只包含计算机设备）、通信（只包含通信设备），剔除异常样本之后我们样本中有1329家制造业上市公司。我们按照上市公司当年的招工增速进行排名并分成10档，并计算出每一档上市公司的平均销售现金流增速、库存增速和营业总收入增速。我们发现2016年销售现金流和营业收入对用工的弹性明显高于2015年和2014年，并且头10％的公司的营收上升并非库存贡献的。这背后表明了用工扩张较大的企业在2016年之后的确有较好的营业收入。用工可能是本轮制造业修复的核心之一。

　　所以，我们大体得到了一个结论，在本轮制造业修复中，用工的变化是制造业企业变化的核心变量。无论是原材料成本上升导致部分企业亏损，进而导致用工下滑，导致制造业订单下滑，还是从上市公司的数据看到的销售的增加和用工越来越强的关联，背后都表明了用工周期对工业的潜在影响。我们认为，制造终端需求充足，那么未来一段时间会不可避免地重复用工周期。根据我们提出的猜想，用工周期背后的假设是限产带来的高弹性和充足的终端需求，只要这些假设有效，那么根据招工来预判周期可能依然有效。图6中展示的是以香港上市股份为基础发行的ADR，大多为老经济企业，大多数标的年均换手率20％以下。

　　制造业的修复还在上半场

　　虽然招工的变化决定了制造业订单的变化节奏，但是从更长远的角度来看，持续修复的前提条件必然会逐步弱化。我们需要测算出制造业还有多少潜力。为此，我们建立模型测算了各国的产能增速，并将它和制造业投资以及GDP作对比，表明中国制造业的这一轮修复远没有达到它的极限。

　　1、制造业投资还在上半场，从产能的角度计算

　　研究投资的空间之前，我们需要先搞清楚产能的状况。理论上来讲，产能决定了投资有多大的空间。在介绍产能增速之前，我们先用一个案例来解释产能和投资之间的关联。我们假设一家制造业龙头企业经历了一轮去产能并修复的过程，假设这家企业初始年年能一万单位，每年10％的速度扩张，但是行业在头三年经历了一轮产能过剩，于是企业必须下调产能扩张速度，三年之后进入修复期。我们能看到企业的投资增速在出清的下半场就开始修复，而在修复期当中能够实现较高速的扩张。这里的案例暂不考虑设备更换带来的投资。

　　所以，测算出我们当前的制造业恢复到产能出清的什么阶段是非常最重要的。然而制造业种类繁复，没有整体制造业的产能的统计数据，并且，即使我们试图做出统计，也没有办法使用统一的单位来衡量制造业的整体产能。所以，我们不得不借助一些数学方法来测算产能的变化情况。我们打算基于一定的合理假设，来测算中国的产能增速，用于比较分析我们当前的投资潜在增速应该是多少。

　　制造业的资产主要有两端，分别是投资端（资产形成）和损耗端（资产折损），我们默认每个月的投资数据为投资端，而损耗节奏按照每个月等比例的方式折损。按照发达市场的经验，制造业企业人均资本性开支（资本性开支分摊到每个雇员的头上）大体呈现7年的周期波动，这其中可能包含周期性的更换和升级，所以我们大体假设制造业固定资产的平均寿命为7年，据此测算，每个月的折损比例大约为1.19％。当然，为了进行对比，我们也同样加入了平均寿命5年（月均折损1.67％）和10年（月均折损0.83％）两种假设，来测算我们当前的产能增速。

　　按照这个方法，我们测算出了近几年中国制造业的整体产能增速。我们发现，无论如何改变假设，制造业的产能增速目前大体维持在11％-13％的水平。我们发现，自2016年中以来，制造业投资企稳回升，产能增速下降幅度略有收窄，表明我们已经在制造业出清的下半场了。经过拆分，我们发现，2016年以来制造业投资增速的主要驱动力来源于装备制造业，其中仪器和计算机等为代表的新经济行业增速较高。而制造业投资增速整体的变化则主要依靠部分消费品制造业和原材料制造业的传统的边际变化决定（基于它们的巨大体量），而且传统的投资增速变化也和招工周期不谋而合，再次交叉印证了用工周期的有效性。所以判断传统行业的空间和节奏对判断制造业投资尤其重要。

　　考虑到现在还在出清的下半场，我们估算，若2018年出清完毕，制造业的产能增速大约会在10％左右。我们认为，如果2018年末或2019年初实现出清的全面结束，那么投资增速理应回到10％，和当前制造业投资的4％的增速相比，依然还有较大的提升空间。进一步探讨，如果制造业投资增速回到10％，那么我们需要更多的传统行业实现无效产能的出清和有效产能的扩张，可能会看到消费品制造业和原材料制造业的固定资产投资恢复到正增长。新经济虽然已经达到较高的扩张速度，但随着传统产业的升级和扩张，我们依然可以期待新经济的需求不断上升，产能持续扩张。

2、制造业投资的下半场：需求-产能的相互影响

　　我们想知道在中国经济增速换挡的时候，产能的增速应该维持在什么水平才算合理。根据柯布道格拉斯生产函数，生产资本的增长率和总产出的增长以及劳动人口的增长存在一定的关联。而劳动人口的变化周期往往要十多年甚至二十年以上，我们大体可以认定劳动力的变化在短期是比较稳定的，我们可以模糊地认为投入资本的增速应当和产出增速相近，实证测算表明，产能的增速的确和总产出增速相近，并且会稍微滞后一些。

　　我们测算了几个成熟市场的产能增速，包括美国、法国、德国和日本（因为这些国家的统计数据当中可以提取和工业产能投资相近似的数据），并与GDP增速作对比。我们在测算产能的时候，使用了7年的平均寿命做假设。因为不同国家统计项目和口径不一样，我们很难精准把握每个季度的工业投资在什么水平，所以我们只能尽力使用相近的数据来估算工业投资水平。对于美国和日本，我们使用了工业设备的资本形成额，于法国，我们使用了非金融企业的整体资本形成额，于德国，我们选取了私人部门工业设备和非住宅建设的资本形成额。通过对各国产能的计算，我们发现，长期来看，各国产能的增速和GDP增速大体相近，并且滞后GDP增速大约一年到三年。经过统计，我们发现几国GDP名义增速大体高于产能增速，从美国、德国和日本的数据来看，产能增速大体弱于总产出增速，其原因，我们认为，可能来自劳动人口的疲弱增长。

　　以三到五年的视角来看，我们应当探讨中国的制造业在出清之后的周期性修复。对比美国、法国和德国，我们分别在1980年左右、1990年代初期、2000年之后和2008年之后看到了相对较为明显的产能增速下滑，在GDP增速超过产能增速之后也都出现了非常有韧性的反弹。

　　从数据来看，2017年是我国GDP增速超越产能增速的时间节点，也是我们认为进入出清下半场的时间节点。根据上一节的测算，2018年到2019年可产能增速可能停止下滑，如果GDP增速能够维持当前的水平，或者向上波动的话，那么将迎来总产能的持续扩张，自然也会看到制造业投资增速的持续扩张。从美国、法国和德国的数据来看，产能增速见底之后GDP增速向上是大概率事件。

　　我们认为，单从产能增速止跌回升的角度来看，GDP增速向下的空间非常有限，并且有可能看到GDP和产能投资增速同步上行的情况，因为二者存在相互的影响。一方面，产能增速的企稳回升意味着用工和投资的扩张，这会侧面支撑消费的回升和制造业资本形成额的回升，而且随着本轮产能的升级和政策为高端制造业带来的红利，我们相信出口商品的附加值和竞争力也会进一步提升，带动出口增速持续向好，所以产能增速止跌回升对GDP增速有正面的贡献；另一方面，GDP增速的回升也意味着需求端向好，产能利用率修复，而如此，产能增速也会有进一步的回升空间。我们用美国的数据进行验证，可以看到产能利用率会领先需求大约一年，中国虽然没有足够长的数据来测算准确的领先时点，但是我们大体可以认为GDP的向好会进一步驱动产能增速的回升。

用工周期、制造业和港股

　　香港市场的估值并非一成不变，它表现出了明显的周期性：经济好的时候估值较高，经济较差的时候估值较弱。如果我们把香港市场的2005年以来的估值（这之前港股的市场结构和现在差别较大，内陆上市公司占比有限）和无风险利率放到一起来看（这里我们用美国10年期无风险利率代表港元长端无风险利率），会发现较为明显的正相关关系，这和传统估值理论有较大出入。我们认为这是源于港股金融和传统重资产行业占比较大导致的，经济向好的时候，重资产行业ROE上升，估值上升，经济转弱的时候，重资产行业ROE下降，估值回落。

　　从2016年以来的市场表现来看，港股的业绩在持续向好，同时，估值在2016年初下跌之后，在当年出现了明显的回升。而2017年虽然市场表现依然不错，但是估值却没有明显扩张，主要是业绩驱动。我们认为，在市场没法确认经济的引擎足够强劲之前，估值提升是比较难以实现的，但是，随着第二轮用工周期的修复，制造业订单和商品价格可能会迎来新的一轮行情，而港股也将在彼时迎来下一波上涨。

1、港股的第一阶段：风险偏好的复苏

　　我们对2016年的修复性行情做一个简短的回顾，2016年初下跌之后，市场担忧两个问题：人民币是否会遭遇汇率下跌和外储降低的相互作用，银行业的不良资产问题何时会爆发。前者是央行的潜在危机，后者是商业银行的潜在危机。于人民币汇率，我们看到2016年初汇率和外储双双下跌，外储在2016年逐步企稳，而汇率是2017年才开始企稳的，这背后也是无风险利率上升导致的。商业银行的不良率也是在2016年中开始逐步修复。在国际政治不确定性的扰动下，香港市场也在踌躇中实现了估值的回归。我们认为不确定性的结束和估值从底部修复是港股的第一阶段，大体在2016年2月到2017年初。在此之后港股便完全是依托业绩在支撑指数上行了。

　　另外，虽然2016年8月宣布深港通，9月南下资金纷纷入市，带动了一波行情，但是以两年的时间节点来看，我们并没有看到市场所认定的南下资金带动了港股的估值修复。从AH折溢价的角度来看，南下资金的大幅流入并未影响AH相对的估值水平。并且从我们跟市场的交流中可以感受到，南下的主流投资者大多是坚定的价值型投资者，不会轻易根据AH溢价水平来决定是否做出投资，更多的是在详细分析了公司和行业的变化之后确认基本面有足够大的改善，才做出相应的投资决定。

2、港股的第二阶段：逐级向上，跟随用工周期

　　我们认为在第二阶段港股将长期受益于制造业的修复，将会迎来估值和业绩的双升，但修复前提是用工的增加、亏损企业的下降和订单的增加，但目前来看，我们只看到了先导指标用工的增加，所以还需要再进行确认。虽然港股目前的估值水平相对来讲处于2017年以来的低位，但是我们无法确定市场是否已经将上一轮用工周期的下行反映在估值当中了，所以在4月的时点暂时不建议加仓。

　　然而本篇报告的终点并非讨论当前时点的策略，而是讨论长期的港股走势。我们认为随着用工周期的逐步修复，港股将实现阶梯式向上，其向上周期大体落后并接近用工周期的步伐。我们认为，用工周期对港股的作用将从权重板块逐一实现。我们把传导路径主要分为两大块，工业投资和工业生产对银行、能源的贡献，以及用工增加对保险的边际贡献。

　　工业修复对港股最主要的传导路径为通过银行和能源这两个行业进行传导。首先，于银行而言，不良资产已经不是银行估值的核心驱动力了，息差收入的提升和ROE的提升才是未来银行的估值和业绩能否持续提升的主要逻辑。从目前的情况来看，居民的信贷虽然资产质量相对较高，但是与息差收入的提升和ROE的提升并无明显助力，并且居民杠杆多随地产周期波动。而政府部门的信贷、同业信贷以及部分并非用于制造业投资的企业信贷是本轮去杠杆的主要目标。只有企业的信贷，尤其是优质企业的信贷才是本轮银行基本面和估值双升的最主要驱动力。我们前面分析过，用工周期决定了优质制造业企业的扩张步伐，所以在当前位置用工周期对制造业投资，以及对企业信贷的影响尤其重要。其次，从能源行业来看，企业产能的扩张和生产的修复，将会提高订单以及能源的价格，无论煤炭和电力的使用，还是工业天然气或化工产品的需求，都会出现一定程度的回暖。用工周期对银行和能源的影响比较直接，所以这两个主要行业的上涨节奏会跟用工周期相近。

　　另一个传导路径是消费能力的回升带动保险业的新业务价值进一步扩张。本轮保险的修复得益于转型和新业务价值的回升。过去保险业的主要逻辑是规模的扩张和息差收入的扩张，但是随着投资险种逐步被监管，死差和费差收入将成为保险公司的主要业绩来源。保险市值的扩张一方面需要公司内部做出足够的改革，这是自下而上的逻辑，另一方面需要居民有逐步增强的购买保险的意识。我们认为，随着地产周期逐步平滑，用工逐步上升，中产阶级的逐步增加，跟消费属性相关的新业务价值较高的保险业将逐步扩张。虽然用工的扩张会对保险形成一定利好，但是保险股上涨的逻辑和用工周期关联度较小。

　　其他的权重行业，包括通信、互联网等，主要驱动力为龙头企业自身的逻辑，和用工周期关联度较小，但是对指数的边际影响也相对有限。

　　从整体估值的角度来讲，三大投资中，只有制造业的复苏可持续性较强的复苏。港股在过去数年十一没有出现较为强劲的修复，其中核心逻辑之一便是产能过剩必然带来重资产行业ROE的下降。制造业投资的回升标志着企业部门ROE的回升，随后自然能看见金融行业和能源行业等重资产行业的ROE回升，从而带动指数的股指持续向上。这便是我们所预期的港股向上的第二个阶段。而制造业投资依然会跟随用工周期的节奏。

风险提示：用工放缓；终端需求放缓；原材料价格在上半年开始上涨。