三个月后看中国，疫情影响与展望.pdf

策略报告 | 投资策略专题 请务必阅读正文之后的信息披露和免责申明 1 总量联合行业 证券研究报告 2020年02月14日 作者 赵晓光 分析师 SAC执业证书编号：S1110516100006 zhaoxiaoguangtfzq 文浩 分析师 SAC执业证书编号：S1110516050002 wenhaotfzq 邹润芳 分析师 SAC执业证书编号：S1110517010004 zourunfangtfzq 刘章明 分析师 SAC执业证书编号：S1110516060001 liuzhangmingtfzq 杨诚笑 分析师 SAC执业证书编号：S1110517020002 yangchengxiaotfzq 相关报告 1 投资策略：策略上周股市流动性评级为 B一周资金面及市场情绪监控（20200203-20200207）-“流动性过剩”推升的风险偏好后续有哪些被终结的风险？ 2020-02-11 2 投资策略：策略上周股市流动性评级为C-央行逆回购呵护流动性，公募基金放量发行-一周资金面及市场情绪监控（20200113-20200123 ） 2020-02-04 3 投资策略：策略上周股市流动性评级为B-北上资金持续大幅流入，节前资金面进一步转暖-一周资金面及市场情绪 监 控 （ 20200106-20200110 ） 2020-01-14 三个月后看中国，疫情影响与展望 核心结论： 根据天风金工团队利用SIR模型对新冠肺炎COVID-19疫情的传播途径进行的预测，此次全国疫情的拐点将出现在 2 月 22 日左右，武汉市疫情的拐点则大概率出现在2月24日左右。 除此之外，我们的主要观点如下： 1、03 年非典时期经验表明，疫情对于市场的冲击是暂时的、情绪性的，而不是方向性、趋势性的。疫情过后，市场也会很快回到基本面上。但是无论是当前还是疫情之后，市场所有的关注点最终的落脚都是经济。由于 12 月以来的反弹隐含了经济企稳的预期，那么中期指数层面的机会就有赖于疫情缓和后，经济企稳预期的重新确立。 2、而经济层面能否企稳，又直接取决于货币与信用政策的部署。逆周期调节政策的最重要作用是修复市场对于经济过渡悲观的预期，防止上证指数出现系统性风险，这是保障科技板块取得绝对收益，同时各类科技主题能够持续活跃的必要条件。历史上没有哪次创业板的周度级别以上行情，是在上证指数连续下跌的过程中发生的。 3、近期自上而下对于当前及疫情后逆周期政策的态度更加明确。高层表态方面，总书记强调 “尽可能降低疫情对经济的影响”、“抓好在建项目复工和新项目开工”。财政政策方面，财政部追加下达8480亿地方债额度。货币政策方面，央行投放了超万亿的逆回购，并表示下次 MLF 利率和 2 月 20 日 LPR会较大概率下行。虽然逆周期政策传导到经济数据有赖于复工加快（对应制造业）同时政府放松对人员流动的管控（对应农民工）之后，但市场可能基于预期而提前反映。 4、结构方面，03 年的经验表明疫情并不会扭转中期的市场风格。但是，不同于 03 年，这一次传统经济的内生动能不足，未来虽有刺激政策，但传统经济部门修复空间有限，相关板块超跌反弹的幅度和持续性可能受限。其中景气度趋势最好的是处于复苏初期的地产竣工链条，虽然也会受到1-2个季度干扰，但从内生动力来说，将大概率是未来延续度最好的。 5、因此，在全球5g周期、全球半导体周期、全球云计算周期带来的科技产业景气度扩散化的背景下，大概率使得中长期风格难以逆转。类似于 03 年的传统经济，虽然短期受到疫情的干扰，但在科技产业周期的内生推动力之下，新科技领域依旧是全年业绩趋势显著向好的部分。 风险提示：肺炎疫情的控制进展不及预期，经济超预期下行，政策实施力度不及预期，不可测事件影响等。 策略报告 | 投资策略专题 请务必阅读正文之后的信息披露和免责申明 2 内容目录 1. 金工：基于SIR模型的COVID-19疫情拐点判断 . 4 2. 策略：疫情平息后，指数回归信用周期的内生逻辑，科技景气周期带来的风格主线难以撼动 . 9 3. 宏观：疫情对经济的影响根本上取决于其演绎路径 . 17 4. 固收：疫情对债券市场影响几何？ . 20 5. 海外：对比两次疫情差异，建议关注2月中旬机会疫情对香港市场影响点评 . 27 6. 疫情对TMT行业影响分析及展望 . 36 6.1. 传媒：游戏、长视频受益 . 36 6.2. 电子：疫情对各细分电子行业影响 . 46 6.3. 通信：疫情对通信各细分行业影响的分析 . 54 6.4. 计算机：疫情如何影响计算机行业？在线化/医疗IT/5G有望加速 . 90 7. 疫情对上游周期行业影响分析及展望 . 105 7.1. 农业：新冠疫情对农业板块的影响几何？ . 105 7.2. 有色金属：略有风雨终有晴 . 110 7.3. 钢铁：疫情终究褪去，钢铁基本面即将反转 . 114 7.4. 建筑材料：建材细分行业需求将出现递延 . 120 7.5. 建筑工程：疫情如何影响建筑行业？ . 137 7.6. 基础化工：疫情对基础化工行业整体影响判断 . 145 7.7. 石油化工：疫情对石化行业影响及展望 . 153 7.8. 煤炭：供需双弱，看好后期需求递延释放 . 159 8. 疫情对中游制造行业影响分析及展望 . 175 8.1. 机械：不畏浮云遮望眼，风物长宜放眼量 . 175 8.2. 国防军工：一季度淡季受疫情影响较小，军工或将具备基本面比较优势 . 189 8.3. 汽车：“非典”复盘，疫情对汽车消费影响几何？ . 191 8.4. 电力设备与新能源：整体影响较小，关注EV产业链经营杠杆率问题 . 208 8.5. 交通运输：短期承压，长期厮守 . 222 8.6. 环保与公用事业：环卫消杀与医废处置需求快速提升，电力燃气需求受疫情冲击. 235 9. 疫情对下游消费行业影响分析及展望 . 248 9.1. 商贸&社服：线上消费需求被激发，线下消费短期延后 . 248 9.2. 食品饮料：从需求类别看疫情对食品饮料行业的影响 . 281 9.3. 医药生物：疫情催生医疗大行业多领域需求提升 . 294 9.4. 家用电器：肺炎疫情对家电行业的影响 . 305 9.5. 轻工制造：再论“抗疫”下轻工各板块需求变动的演绎 . 314 9.6. 纺织服装：相关医用产品需求激增，电商、纺织制造等相关行业短期受压制 . 321 10. 疫情对金融地产行业影响分析及展望 . 327 10.1. 银行：对息差、银行资产质量、业务开展等存在一定冲击 . 327 10.2. 非银金融：疫情对非银金融行业的影响 . 328 10.3. 房地产：疫情对房地产业的影响 . 329 策略报告 | 投资策略专题 请务必阅读正文之后的信息披露和免责申明 3 此次新冠肺炎疫情对各行业的影响可以从供给和需求两端来进行分析从需求端来看，全国性的停工停产造成不少行业的需求被不同程度的延后乃至消失，而疫情下国民健康意识的提升、远程办公的兴起等则激发不少子领域需求的快速增长；从供给端来看，工厂停工对不少产业供给端的压制同样不容忽视。 我们从需求递延、需求增长、需求消失、供给收缩四个维度，对上中下游产业链中各个子行业进行归类，具体如下图。在下文对各行业的论述中，我们也将着重从这几个维度对疫情的影响进行分析。 图1：上、中、下游各细分子行业归类情况 涉及细分领域 需求 递延 上游周期：农业（禽养殖等）、有色金属（地产后周期相关金属品（如铜、铝等）、新能源车相关金属品（如锂、钴等）、钢铁、建筑材料（水泥、玻璃、玻璃纤维、消费建材等）、建筑工程（装饰、园林、国际工程、化学工程等）、基础化工（煤化工、聚氨酯等）、石油化工（聚酯、烯烃产业链等） 中游制造：机械设备（工程机械、自动化装备等）、汽车（乘用车、汽车零部件、EV、重卡等）、交通运输（港口运输） 下游消费：商贸零售（化妆品、新媒体营销、高端酒流通、黄金珠宝等）、社会服务（机场免税、餐饮、学历教育、职业教育等）、食品饮料（白酒、啤酒、休闲零食等）、医药生物（创新药、疫苗接种等）、家用电器（白电、厨电）、轻工制造（家居）、纺织服装（电商相关子行业、纺织制造等） 金融地产：银行（部分银行业务开展，如对公贷款、住房按揭贷款等）、非银金融（财产险等）、房地产（地产销售） TMT：传媒（电影制片等）、电子（消费电子相关）、通信（无线主设备产业链、光纤光缆、光通信设备、光模块、物联网等）、计算机（消费信息化（如To G信息化、酒店餐饮等）、智能制造） 需求 增长 上游周期：建筑工程（如“新基建”中的智慧路灯工程、应用于紧急施工传染病医院的钢结构装配式建筑等） 中游制造：机械设备（红外成像、口罩设备等）、环保（清洁消毒设备、医疗危废处置等） 下游消费：商贸零售（超市、电商等）、社会服务（在线教育、物业、人力资源等）、食品饮料（餐饮产业链下复合调味品和冻品、肉制品下人造肉等）、医药生物（医疗大行业大部分领域）、家用电器（小家电、黑电）、轻工制造（生活用纸、烟草创新制品等）、纺织服装（医用产品相关） 金融地产：非银金融（人身险等）、房地产（物业管理） TMT：传媒（游戏、长视频等）、通信（IDC/CDN、云视频会议等）、计算机（远程办公、医疗IT、网络安全等） 需求 消失 上游周期：石油化工（原油、天然气等） 中游制造：汽车（汽车流通、客车等）、交通运输（航运、机场、公共出行等）、公用事业（电力、燃气等） 下游消费：商贸零售（百货）、食品饮料（食品礼盒、乳制品等）、纺织服装（品牌服装销售） 金融地产：房地产（商业地产子板块下零售物业） TMT：传媒（电影院线等） 供给 收缩 上游周期：农业（生猪养殖）、基础化工（维生素）、石油化工（进口LNG等）、煤炭（动力煤、焦煤等） 下游消费：家用电器（部分家电厂家尤其是湖北地区将收缩） TMT：电子（PCB、被动元器件等） 资料来源：天风证券研究所整理 策略报告 | 投资策略专题 请务必阅读正文之后的信息披露和免责申明 4 1. 金工：基于SIR模型的COVID-19疫情拐点判断 （天风金工：吴先兴/张欣慰/陈奕等） 核心论点： 本部分主要利用 SIR 模型预测了新冠肺炎 COVID-19 疫情的传播过程，结果显示，全国疫情拐点出现在2月22日左右，武汉市疫情拐点出现在2月24日左右的概率较大。 1.1. 传染病模型分类 不同类型传染病的传播过程各有特点，按照一般的传播机理可建立SI、SIS、SIR模型等（姜启源，2011）。 图2：一般的传染病模型 传染病模型 概述 适用病症类型 SI 仅考虑易感人群和已感染者，感染者无法恢复 HIV等 SIS 感染者可以被治愈，且治愈后仍为易感人群 无/低免疫性疾病，如伤风、痢疾等 SIR 感染者被治愈后产生抗体，基本无再次感染风险，退出传染系统 强免疫性疾病，如天花、肝炎、麻疹等 资料来源：整理自数学模型（第四版）（姜启源），天风证券研究所 此次新冠肺炎 COVID-19 存在潜伏期，潜伏期可能具有传染性，感染治愈后会产生抗体，但由于观察期短，潜伏期传染性、潜伏人数以及治愈后是否仍存感染风险尚未定论。假定治愈后短时间内不会被感染，我们用SIR模型近似刻画COVID-19的传播扩散过程。 1.2. 基于SIR模型的COVID-19疫情预测 1.2.1. 模型假设 1. 不考虑人口出生、死亡、流动人数影响，可接触到感染者的总人数 N 不变，时刻 t 的已感染者（Infective）、易感染者（Susceptible）、移出者（Removed）比例分别为i()、s()和r()，三者人数分别为I()、S()和R()； 2. 每天每个感染者的有效接触（足以使人致病）平均人数为，日治愈移出率为。 1.2.2. SIR模型 基于以上假设，可得SIR模型 = S I = S I I = I模型输入参数为总人数N，初始感染者、易感人群和移出者数量I0、S0、R0，以及有效接触率和日治愈移出率。此次疫情虽自2019年12月就已有病例，但一开始的传染源未被控制，许多病例可能均来自于华南海鲜市场，与模型假设的传播过程不符，因此我们将武汉封城日作为数据起始日进行研究。 1.2.3. 疫情传播历史数据 我们从国家疾控中心、湖北省卫健委官网梳理了自 2020 年 1 月 23 日至 2020 年 2 月 10日全国、湖北省和武汉市的疫情确诊病例数，以及全国累计死亡和治愈病例数。 策略报告 | 投资策略专题 请务必阅读正文之后的信息披露和免责申明 5 图3：COVID-19疫情情况（单位：人） 全国 湖北 武汉 日期 累计确诊 累计死亡 累计治愈 累计确诊 累计确诊 2020/1/23 830 25 34 549 495 2020/1/24 1287 41 37 729 572 2020/1/25 1975 56 48 1052 618 2020/1/26 2744 80 50 1423 698 2020/1/27 4515 106 59 2714 1590 2020/1/28 5974 132 102 3554 1905 2020/1/29 7711 170 123 4586 2261 2020/1/30 9692 213 170 5806 2639 2020/1/31 11791 259 242 7153 3215 2020/2/1 14380 304 327 9074 4109 2020/2/2 17205 361 474 11177 5142 2020/2/3 20438 425 631 13522 6384 2020/2/4 24324 490 893 16678 8351 2020/2/5 28018 563 1154 19655 10117 2020/2/6 31161 636 1541 22112 11618 2020/2/7 34546 722 2051 24953 13603 2020/2/8 37198 811 2651 27100 14982 2020/2/9 40171 908 3283 29631 16902 2020/2/10 42638 1016 3999 31728 18454 资料来源：中国疾病预防控制中心、湖北省卫健委，天风证券研究所 1.2.4. 疫情预测 考虑到模型预测结果受总人数N、有效接触率和治愈移出率参数影响较大，我们利用历史数据在不同参数组下对SIR模型进行拟合，使拟合结果与历史数据偏离度尽可能小。 由于疫情过程中相关部门采取了有效的隔离措施，模型传染系统中与感染者可能接触的总人数N应远小于当地实际人数。相对地，我们更应关注的是疫情拐点时间而非疫情具体人数。 下面我们在为0.2-0.4，为0.02-0.04区间范围内对全国和武汉市两个样本进行模型拟合。 1、全国疫情预测 在全国疫情预测中，设定 N 为 200000，从结果来看，疫情拐点出现在 2 月 21 日至 2 月23日的概率最高。以下是与历史数据偏离度最小的参数组为0.32，为0.037下的预测结果，预计全国疫情拐点出现在2月22日。 策略报告 | 投资策略专题 请务必阅读正文之后的信息披露和免责申明 6 图4：全国疫情预测结果（单位：人） 资料来源：中国疾病预防控制中心、湖北省卫健委，天风证券研究所 2、武汉市疫情预测 在武汉市疫情预测中，设定N为100000，从结果来看，疫情拐点出现在2月24日至2月26 日的概率最高。以下是与历史数据偏离度最小的参数组为 0.29，为 0.04 下的预测结果，预计武汉市疫情拐点出现在2月24日。 图5：武汉市疫情预测结果（单位：人） 资料来源：中国疾病预防控制中心、湖北省卫健委，天风证券研究所 策略报告 | 投资策略专题 请务必阅读正文之后的信息披露和免责申明 7 1.2.5. 参数敏感性分析 下面我们分全国样本和武汉市样本展示了不同接触率和治愈率参数下疫情拐点出现的时间，底色越深代表拟合度越高。 图6：不同接触率和治愈率参数下全国疫情拐点出现时间 0.02 0.021 0.022 0.023 0.024 0.025 0.026 0.027 0.028 0.029 0.03 0.031 0.032 0.033 0.034 0.035 0.036 0.037 0.038 0.039 0.04 0.2 3/9 3/9 3/9 3/9 3/9 3/9 3/9 3/9 3/9 3/9 3/9 3/9 3/9 3/9 3/9 3/10 3/10 3/10 3/10 3/10 3/10 0.21 3/7 3/7 3/7 3/7 3/7 3/7 3/7 3/7 3/7 3/7 3/7 3/7 3/7 3/7 3/7 3/7 3/7 3/7 3/7 3/8 3/8 0.22 3/6 3/5 3/5 3/5 3/5 3/5 3/5 3/5 3/5 3/5 3/5 3/5 3/5 3/5 3/5 3/5 3/5 3/5 3/6 3/6 3/6 0.23 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 0.24 3/2 3/2 3/2 3/2 3/2 3/2 3/2 3/2 3/2 3/2 3/2 3/2 3/2 3/2 3/2 3/2 3/2 3/2 3/2 3/2 3/2 0.25 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 0.26 2/29 2/29 2/28 2/28 2/28 2/28 2/28 2/28 2/28 2/28 2/28 2/28 2/28 2/28 2/28 2/28 2/28 2/28 2/28 2/28 2/28 0.27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 0.28 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 0.29 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 0.3 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 0.31 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 0.32 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 0.33 2/22 2/22 2/22 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 0.34 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 0.35 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 0.36 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 0.37 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 0.38 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 0.39 2/18 2/18 2/18 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 0.4 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 资料来源：中国疾病预防控制中心、湖北省卫健委，天风证券研究所 策略报告 | 投资策略专题 请务必阅读正文之后的信息披露和免责申明 8 图7：不同接触率和治愈率参数下武汉疫情拐点出现时间 0.02 0.021 0.022 0.023 0.024 0.025 0.026 0.027 0.028 0.029 0.03 0.031 0.032 0.033 0.034 0.035 0.036 0.037 0.038 0.039 0.04 0.2 3/8 3/8 3/8 3/8 3/8 3/8 3/8 3/8 3/8 3/8 3/8 3/8 3/8 3/8 3/8 3/8 3/8 3/8 3/9 3/9 3/9 0.21 3/6 3/6 3/6 3/6 3/6 3/6 3/6 3/6 3/6 3/6 3/6 3/6 3/6 3/6 3/6 3/6 3/6 3/6 3/6 3/6 3/6 0.22 3/5 3/5 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/4 3/5 3/5 0.23 3/3 3/3 3/3 3/3 3/3 3/3 3/3 3/3 3/3 3/3 3/3 3/3 3/3 3/3 3/3 3/3 3/3 3/3 3/3 3/3 3/3 0.24 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 3/1 0.25 2/29 2/29 2/29 2/29 2/29 2/29 2/29 2/29 2/29 2/29 2/29 2/29 2/29 2/29 2/29 2/29 2/29 2/29 2/29 2/29 2/29 0.26 2/28 2/28 2/28 2/28 2/28 2/28 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 2/27 0.27 2/27 2/27 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 2/26 0.28 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 2/25 0.29 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 2/24 0.3 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 2/23 0.31 2/23 2/23 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 2/22 0.32 2/22 2/22 2/22 2/22 2/22 2/22 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 0.33 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/21 2/20 2/20 2/20 2/20 2/20 2/20 2/20 0.34 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 2/20 0.35 2/20 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 0.36 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/19 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 0.37 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 2/18 0.38 2/18 2/18 2/18 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 0.39 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 2/17 0.4 2/17 2/16 2/16 2/16 2/16 2/16 2/16 2/16 2/16 2/16 2/16 2/16 2/16 2/16 2/16 2/16 2/16 2/16 2/16 2/16 2/16 资料来源：中国疾病预防控制中心、湖北省卫健委，天风证券研究所 1.2.6. 模型思考 由于COVID-19的潜伏期特征、且在认定为疑似病例和相关密切接触者均进行了隔离处理，因此本质上有效接触率为一个动态值，且随着研发成果的不断更新和国家政府采取的应急措施，治愈移出率也应当是一个动态值，且不断增大。因此，可进一步利用动态参数来优化模型。 1.3. 参考文献 1 姜启源，数学模型（第四版）M，高等教育出版社，2011. 1.4. 风险提示 模型基于历史数据统计分析，市场结构调整和基金风格变动等因素皆可能使得模型失效。 策略报告 | 投资策略专题 请务必阅读正文之后的信息披露和免责申明 9 2. 策略：疫情平息后，指数回归信用周期的内生逻辑，科技景气周期带来的风格主线难以撼动 （天风策略：刘晨明/李如娟/许向真/赵阳等） 核心结论： 1、03 年非典时期经验表明，疫情对于市场的冲击是暂时的、情绪性的，而不是方向性、趋势性的。疫情过后，市场也会很快回到基本面上。但是无论是当前还是疫情之后，市场所有的关注点最终的落脚都是经济。由于 12 月以来的反弹隐含了经济企稳的预期，那么中期指数层面的机会就有赖于疫情缓和后，经济企稳预期的重新确立。 2、而经济层面能否企稳，又直接取决于货币与信用政策的部署。逆周期调节政策的最重要作用是修复市场对于经济过渡悲观的预期，防止上证指数出现系统性风险，这是保障科技板块取得绝对收益，同时各类科技主题能够持续活跃的必要条件。历史上没有哪次创业板的周度级别以上行情，是在上证指数连续下跌的过程中发生的。 3、近期自上而下对于当前及疫情后逆周期政策的态度更加明确。高层表态方面，总书记强调 “尽可能降低疫情对经济的影响”、“抓好在建项目复工和新项目开工”。财政政策方面，财政部追加下达 8480 亿地方债额度。货币政策方面，央行投放了超万亿的逆回购，并表示下次MLF利率和2月20日LPR会较大概率下行。虽然逆周期政策传导到经济数据有赖于复工加快（对应制造业）同时政府放松对人员流动的管控（对应农民工）之后，但市场可能基于预期而提前反映。 4、结构方面，03年的经验表明疫情并不会扭转中期的市场风格。但是，不同于03年，这一次传统经济的内生动能不足，未来虽有刺激政策，但传统经济部门修复空间有限，相关板块超跌反弹的幅度和持续性可能受限