识别风险 ， 发现价值 请务必阅读末页的免责声明 1 / 21 Table_C ontacter 本报告联系人： 曾靖珂 021-60750602 zengjingkegf 孙瑜 021-60750602 sunygf Table_Page 行业专题研究 |物流 2019 年 8 月 8 日 证券研究报告 Table_Title 物流行业 物流系列深度四： 基于 动态规划建模定量比较 通达系 Table_Author 分析师： 关鹏 SAC 执证号： S0260518080003 SFC CE.no: BNU877 021-60750602 guanpenggf Table_Summary 在当前的竞争格局下，网络稳定性和效率是份额争夺的重要支撑。一方面，网点爆仓或瘫痪可能意味着直接出局，网络稳定性关系存亡；另一方面，成本 的规模效应 边际递减，降 成 本将更 依 赖于精细化管控和网络效率的提升； 和设备、产能等要素不同，快递公司的网络布局存在较强的先发优势，前期卡位较好的公司在效率和成本上拥有更大的优化空间 。 在此前的系列深度中，我们已经从成本、现金流、资产负债等表内视角构建了加盟快递的分析框架。本研究将跳出三张表，结合全国 340 个城市的快递量数据，以及三通一 达的转运中心分布数据，构建全国快递网络优化模型， 并运用 Floyd算法 定量测度三通一达的分拨网络效率。 百城数据分析：快递分布与电商产业高度重合，三四线城市对行业的增量贡献已超过 40% 结构上，快递分布与电商产业高度重合，前 10 大城市的快递量占全国的 49%；淘宝村数量最多的 21 大城市（阿里研究院公布）的快递量占全国快递量的 44%；趋势上， 2016 年以来，三四线市场（剔除电商六城）的快递量增速保持在30%以上，对市场增量的贡献比从 2014 年的 28%提升至 2018 年的 44%。 快递年 人均消费量分布呈典型的右偏形态。 2018 年，全国人均快递量的中位数约为 14 件，远低于平均数 37 件；国内 47%左右的居民的快递年消费量都在 10 件以下。据 百城数据 ，超过 60%的居民快递年消费支出在 100 元以下，约 50%的居民快递消费支出占可支配收入的 0.5%以下。三四线城市的快递消费约占可支配收入的 0.7%。 优化建模分析：韵达网络和当前的需求分布匹配，中通最能适应三四线城市快递占比的提升 通过优化建模分析，我们发现，在当前的需求分布下，中通的干线最优运距最短，圆通的支线最优运距最短；韵达的干线平均运距略高于圆 通、中通，但由于车辆自有率仅次于中通（考虑承包车运输占比），因此单位运输成本高于中通、而低于圆通；由于单条线路运量以及单个转运中心的处理量都较高，韵达中转的规模效应较强。 随着快递量规模的提升，韵达、申通的全网最优平均运距缩短最多，说明其网络的规模效应空间较大。 当把人均收件不足 12 件 /年的人口 收件数 提至 12 件 /年，中通的全网最优平均运距最短；当把所有城市的揽派比全部调整为 1，申通的支线最优平均运距排位提升；当上述两项同时调节时，那么申通的各项排位都会提升。这说明当三四线快递需求或揽派比提升后，布局均衡的网 络将逐渐展露出效率优势。 整体来看，上述模型中，三通一达的最优平均运距相差不足 20 公里，但韵达的转运中心数量最少，有效线路（满足规模效应条件）占比最高，单条线路的运输规模最大，转运中心的单位效率最高；然而，由于韵达的网络集中度较高，当三四线城市快递占比提升时，韵达的最优平均运距排位或将有所后移，中通的优势将更加明显。 投资建议：加速突围，布局龙头 目前，三四线市场已经成为行业增长的主要动力，并加速对具备成本优势的快递公司的筛选。在接下来的行业竞争中，龙头间的比拼将不止是价格，产能布局、精细化管控等软实力 的重要性将进一步凸显。韵达的网络和当前的快递需求分布较匹配，网络的规模效应将进一步显现；而中通的网络最能适应三四线城市快递占比的提升，产能优势有望加速释放。伴随 CR6 份额差距的分化，成本、现金流、网络软实力领先的龙头将继续演绎强者恒强。 重点推荐：成本优势突出的韵达股份 ，引入阿里战投的申通快递，重点关注：成本端有望逐月改善的顺丰控股。 风险提示 ： 价格战大幅恶化；人力、运输成本大幅上升；电商需求不及预期 ；模型模拟结果与实际值存在差异 Table_Report 相关研究 ： 物流行业 :4 月快递量同增 31.1%，关注成本优势突出的龙头 2019-05-15 物流行业 :快递行业 18 年报及 19Q1 总结：中小快递加速退出，头部竞争逐步拉开 2019-05-08 物流行业 :1-2 月快递量同增 21.9%，加盟快递市占率大幅提升 2019-03-19 识别风险 ， 发现价值 请务必阅读末页的免责声明 2 / 21 Table_PageText 行业专题研究 |物流 Table_impcom 重点公司估值和财务分析表 股票简称 股票代码 货币 最新 最近 评级 合理价值 EPS(元 ) PE(x) EV/EBITDA(x) ROE(%) 收盘价 报告日期 （元 /股） 2019E 2020E 2019E 2020E 2019E 2020E 2019E 2020E 韵达股份 002120.SZ 人民币 33.95 2019/7/8 买入 37.0 1.32 1.62 25.81 20.90 15.13 11.72 19.3 18.9 圆通速递 600233.SH 人民币 11.91 2019/4/25 增持 15.7 0.79 0.92 15.02 12.92 9.31 7.66 16.3 15.9 申通快递 002468.SZ 人民币 23.90 2019/4/30 买入 31.0 1.34 1.57 17.86 15.21 10.41 8.41 19.4 18.6 德邦股份 603056.SH 人民币 12.00 2019/4/5 增持 23.8 0.96 1.26 12.50 9.52 7.15 5.17 18.6 19.7 顺丰控股 002352.SZ 人民币 35.11 2019/4/24 增持 37.1 1.13 1.38 31.07 25.44 16.77 13.95 12.0 12.8 数据 来源： Wind、广发证券发展研究中心 备注 ：表中估值指标按照最新收盘价计算 ，合理价值已作除息处理 识别风险 ， 发现价值 请务必阅读末页的免责声明 3 / 21 Table_PageText 行业专题研究 |物流 目录索引 一、模型构建及数据处理 . 5 1. 研究问题及模型构建 . 6 2. 数据处理及优化求解 . 7 二、统计特征分析： . 7 1. 全国百城数据：快递分布与电商高度重合，三四线城市的增量贡献已超 40% . 7 2. 分拨网络数据： 韵达网络扁平集约 稳定性好 ，中通网络覆盖面广 规模优势突出 . 11 三、建模结果分析： . 13 1. 基准模型分析：韵达网络和当前需求分布匹配，转运中心效率最高 . 13 2. 对比模型分析：中通网络最能适应三四线城市快递占比的提升 . 16 投资建议：加速突围，布局龙头 . 18 风险提示 . 19 识别风险 ， 发现价值 请务必阅读末页的免责声明 4 / 21 Table_PageText 行业专题研究 |物流 图表索引 图 1：快递中转中心布局和成本的关系 . 5 图 2：快递流转示意图 . 6 图 3：前十大城市快递量及其占比 . 8 图 4：全国快递量结构（ 2018 年） . 8 图 5：中国三四线城市快递量保持快速增长 . 8 图 6：三四线城市快递增量占总增量的比重提升 . 8 图 7：全国年人均快递量分布 . 9 图 8：快递收入占可支配收入比重 . 9 图 9： 19H1，全国各城市发件量（揽件量：万件） . 9 图 10： 19H1，全国各城市收件量（派件量：万件） . 9 图 11： 19H1，全国各城市人均发件 量（万件） . 10 图 12： 19H1，全国各城市人均收件量（万件） . 10 图 13： 19H1，全国各城市快递增量和按全国增速的快递增量的差额（万件） . 10 图 14：不同线路的快递寄送量占全国的比重 . 11 图 15：韵达转运中心布局 . 12 图 16：中通转运中心布局 . 12 图 17：圆通转运中心布局 . 12 图 18：申通转运中心布局 . 12 图 19：三通一达前十大转运中心收件量占比 . 13 图 20：三通一达转运中心收件量变异系数 . 13 图 21：三通一达干线有效线路条数及占比（条） . 13 图 22：不同市占率情况下，三通一达全网最优平均运距（千米） . 15 图 23：不同市占率情况下，三通一达干线最优平均运距（千米） . 16 表 1：前六大快递公司网络建设（截止 2018 年底） . 11 表 2：三通一达 2019H1 最优线路规划结果（按 50%的市占率） . 14 表 3：三通一达 2019H1 最优线路规划结果（按各自 19H1 的市占率） . 14 表 4：三通一达最新单件成本（元 /件） . 15 表 5：三通一达最优线路规划结果（调整三四线人均收 件量至 12 件 /人） . 16 表 6：三通一达最优线路规划结果（调整全部城市揽派比至 1） . 17 表 7：三通一达最优线路规划结果（同时调整三四线人均收件量 及揽派比） . 17 表 8：在不同的需求分布下，三通一达最优平均运距由小到大的排序 . 18 识别风险 ， 发现价值 请务必阅读末页的免责声明 5 / 21 Table_PageText 行业专题研究 |物流 在当前的竞争格局下， 网络稳定性 和效率 是份额争夺 的 重要支撑 。一方面，网点爆仓或瘫痪可能意味着直接出局，网络稳定性关系到存亡；另一方面，成本的规模效应正边际递减，降成本将更赖于精细化管控和网络效率的提升。 和设备、产能等要素不同，快递公司的网络布局存在较强的先发优势，前期卡位较好的公司在效率和成本上拥有更大的优化空间。 在此前的系列深度中，我们 已经从成本、现金流、资产负债等表内视角构建了加盟快递的分析框架。 本研究 将 跳出三张表， 深入分析 快递公司 网络 布局对成本优化的传导作用 。 以往对快递网络的研究大部分停留在对整体数量的比较上，细节的数据验证不充分。本研究收集了全国 340个城市的快递量数据，以及三通一达（韵达、圆通、申通、中通）的分拨中心分布数据， 构建全国快递网络优化模型，并运用 Floyd算法定量测度三通一达的分拨网络效率。 一、模型构建及数据处理 在不考虑布局的情况下，理论上，快递公司的转运中心数量越多，越容易规划出最短路线，使得快递的平均运距最短、时效最优，同时单件运输成本也能更低；但另一方面，转运中心数量越多，重资产投入越大，且单个转运中心的规模效应越弱，那么单件中心操作成本就可能越高。 从中转布局策略来看，理论上，转运中心的选址越靠近揽件地，就越早完成快递分拣和路由规划，从而发挥干线运输的规模优势，提升全网的运输效率。因此，转运中心的选址应该尽量靠近揽派比较高的区域。 图 1： 快递中转中心布局和成本的关系 数据来源：广发证券发展研究中心 考虑到网络布局的差异，接下来，我们将构建一个网络优化模型，定量比较快递公司的分拨网络效率。 识别风险 ， 发现价值 请务必阅读末页的免责声明 6 / 21 Table_PageText 行业专题研究 |物流 1. 研究问题 及模型构建 1. 研究问题 给定全国快递流转的分布以及快递公司转运中心分布， 比较不同的快递公司 承运全国快递的最优平均运距 。 2. 模型构建 假定所有快递均为异地件，且 运输 都分为三个过程 ，即出发地城市到 转运 中心A， 转运 中心 A到转运 中心 B， 转运 中心 B到目的地城市。那么 快递运输的 全路程 为 ，出发地城市到 转运 中心 A的距离、 转运 中心 A到 转运 中心 B的距离、 转运 中心 B到目的地城市距离之和。 首先， 将各城市按照就近原则分配给不同的 转运 中心，并 假定该 城市 收、寄的快递都将经过其隶属的转运中心。那么在既定的分拨网络下，我们可以构建出全国快递的流转矩阵，并计算出全国快递流转的平均距离 。 理论上，平均运距越短，快递公司的时效水平越高、单位运输成本越低。 平均运距 = (快递运输量 ×快递运输距离 )÷总快递运输量 图 2： 快递流转示意图 数据来源：广发证券发展研究中心 3. 控制变量 当转运中心的分布给定，所有快递 的 运输 路线 就锁定了 ， 那么理论的最短平均运距就定了 。 考虑到部分线路 的快递量较少， 规模效应不足，我们放宽两个中转站的假设。即当某条干线（ A到 B）的运载不满足下述条件时，剔除该线路，重新规划最优路径 ： (1)转运 中心 A到 转运 中心 B的 年快递 量 300万件 （约为 12T货车年载运量） ； 识别风险 ， 发现价值 请务必阅读末页的免责声明 7 / 21 Table_PageText 行业专题研究 |物流 (2)转运 中心 A与转运 中心 B的距离 500km且 150万件 年 快递量 300万件； (3)当以上两条件均不满足但存在一 转运 中心与其他任一 转运 中心都没有直达线路时，令其与相距最近的 转运 中心形成直达线路，即保证不存在孤立的 转运 中心。 4. 调节变量 上述模型建立在当前的快递需求分布下，假设未来快递需求分布发生变化，那么快递公司的最优平均运距会如何变化，哪一家快递公司能够适应新的需求分布情境。为了回答该问题，我们选定了两个调节变量： 1）城市人均收件量； 2）城市快递揽派比（收发比）。 2. 数据处理及优化求解 1. 全国快递流转矩阵构建 我们从各省市邮政局官网收集了全国 340个城市的快递量数据（ 2019H1），以及国家邮政局公布的 2015年的各省市快递揽派比。结合上述两组数据，我们近似计算了各城市的快递发件量和收件量（对阿里研究院公布的全国前 20大淘宝城 进行了揽派比调整），并按发件量的比例将某个城市的收件量分配到各发件城市，从而模拟出在当前收发需求分布下， 340个城市之间的快递流转矩阵（ 340×340）。 2. 全国城市距离矩阵构建 我们借助 城市的经纬度计算得到 了两个城市之间的直线距离，从而构建了全国城市距离矩阵。同时，我们根据公司公告以及草根调研（我们向全国寄送快递并记录快递所经过的中转中心），得到了各家快递公司的分拨中心网络。 借助城市距离矩阵，我们将 340个城市 按照就近原则分配给 快递公司的各转运 中心 ，从而构建出了各家快递公司的分拨网络的快递流转矩阵。 3. 求解最优路径及平均运距 根据控制变量条件 判断 转运 中心间线路是否存在 ，并 形成元素均为 0-1的逻辑矩阵，与分拨中心间的距离矩阵相结合，借助 Floyd算法在 MATLAB中求得 转运 中心 A到 转运 中心 B的最短运输路程； 结合分拨网络的快递流转矩阵 ， 我们可以得到 出发地城市到分拨中心 A的 快递周转量 、分拨中心 A到分拨中心 B的 快递周转量 、分拨中心 B到目的地城市的 快递周转量，全部 加总 可以得到全网的快递周转量 ； 用该周转量除以总快递量，即可得到最短平均运距。 二、统计特征分析： 1. 全国百城数据： 快递分布与电商高度重合， 三四线城市 的 增量贡献已超 40% 从结构上来看， 340个城市中，前 10大城市的快递量占全国的 49%； 苏州、义乌、东莞、揭阳、泉州、温州 六大电商代表城市的快递量占全国的 18%；淘宝村数量最多识别风险 ， 发现价值 请务必阅读末页的免责声明 8 / 21 Table_PageText 行业专题研究 |物流 的 21大城市（阿里研究院公布）的快递量占全国快递量的 44%。 16个一、二线城市（根据 第一财经 和 GlobalCity指数综合而得）快递量占全国的45%，三四线城市（剔除六大电商城）快递量占全国的 37%，省会城市和直辖市占全国快递的约 44%。 图 3： 前 十大城市快递量及其占比 图 4：全国快递量结构（ 2018年） 数据来源：国家 邮政局官网，广发证券发展研究中心； 数据来源：省市邮政局官网 ，广发证券发展研究中心 ； 三四线不含电商六城（苏州、义乌、东莞、揭阳、泉州、温州） 从趋势来看， 2016年以来，电商六城（ 苏州、义乌、东莞、揭阳、泉州、温州 ）以及三四线城市（剔除电商六城）的快递量增速保持在 30%以上，显著高于一、二线城市，省会城市；三四线城市的快递增量贡献比从 2013年的 28%提升至2018年的 44%。 图 5： 中国三四线城市快递量 保持 快速增长 图 6： 三四线城市快递 增 量 占总增量的比重提升 数据来源： 省市邮政局官网，广发证券发展研究中心；三四线不含电商六城（苏州、义乌、东莞、揭阳、泉州、温州） 数据来源： 省市邮政局官网，广发证券发展研究中心；三四线不含电商六城（苏州、义乌、东莞、揭阳、泉州、温州） 人均层面来看，快递年消费量分布呈右偏形态。全国人均快递量的中位数约为14件，远低于平均数 37件；国内 47%左右的居民的快递年 消费量都在 10件以下，而一、二线城市人均快递量基本在 30件以上，省会城市的人均快递量基本在 20件以上。 据百城数据，超过 60%的居民快递年消费支出在 100元以下，约 50%的居民快递消费支出占可支配收入的 0.5%以下。三四线城市的快递消费约占可支配收入的 0.7%，远低于一二线城市和省会城市。 10%7% 7% 6%5% 4%3% 2% 2% 2% 2% 2%2% 2%0%2%4%6%8%10%12%0102030405060广州 金华 上海 深圳 杭州 北京 东莞 苏州 泉州 揭阳 武汉 温州 宁波 南京2018快递量（亿件） 占比27%18%18%37%一线 二线 电商六城 三、四线0%10%20%30%40%50%60%70%80%一线 二线 电商六城三、四线 省会0%10%20%30%40%50%一线 二线 电商六城 三四线2014 2015 2016 2017 2018识别风险 ， 发现价值 请务必阅读末页的免责声明 9 / 21 Table_PageText 行业专题研究 |物流 图 7： 全国年人均快递量分布 数据来源： 省市邮政局官网， 广发证券发展研究中心 图 8： 快递收入占可支配收入比重 数据来源： 省市邮政局官网， 广发证券发展研究中心 结合揽派比模拟全国快递揽派需求分布，从热力图中可以直观地看到，快递发件主要集中在北京、长三角、珠三角区域，而收件需求的分布相对均匀，一二线城市、省会城市较密集。 图 9： 19H1， 全国 各城市发件量（揽件量：万件） 图 10： 19H1， 全国 各城市收件量（派件量：万件） 数据来源： 省市邮政局官网， 快递行业监管报告，广发证券发展研究中心 数据来源：省市邮政局官网 ， 快递行业监管报告， 广发证券发展研究中心 050001000015000200002500030000350004000045000人数（万人）年人均快递量（件）0100002000030000400005000060000人数（万人）快递支出占可支配收入比识别风险 ， 发现价值 请务必阅读末页的免责声明 10 / 21 Table_PageText 行业专题研究 |物流 从人均的角度看，发件量的分布更加集中，东部个别城市的人均发件量甚至超过 100件 /年，收件量的分布也呈现较大的极差。 图 11： 19H1， 全国 各城市人均发件量（万件） 图 12： 19H1， 全国 各城市人均收件量（万件） 数据来源： 省市邮政局官网， 快递行业监管报告，广发证券发展研究中心 数据来源：省市邮政局官网 ， 快递行业监管报告， 广发证券发展研究中心 我们测算了全国 340个城市的快递增量和按全国增速的快递增量的差额（ 2019H1），并绘制了相关的热力分布图。可以注意到，快递正向三四线聚集： 华东地区，义乌、苏州、无锡等城市，对上海、杭州、南京、宁波等地形成了虹吸效应；华南地区，揭阳、佛山等城市对东莞、中山等城市形成了虹吸效应。华北、华中地区：河南、安徽的快递量增速远超行业，而北京、天津的快递量增速远低于行业，甚至负增长。 图 13： 19H1， 全国 各城市快递增量 和按全国增速的快递增量的差额 （万件） 数据来源： 省市邮政局官网 ，广发证券发展研究中心