2018天津市金融市场运行情况分析报告
一、货币市场 (4)
二、股票市场 (6)
三、债券市场 (7)
四、基金市场 (8)
五、期货市场 (8)
六、租赁市场 (9)
七、新型交易市场 (13)
八、外汇市场 (16)
1.外汇市场机制不断创新 (16)
2.外汇期权交易提高效率 (19)
九、天津市银行业机构发展 (20)
1.存款少增，贷款同比多增 (21)
2.表外融资规模缩小 (23)
3.大型银行创新步伐加快 (23)
4.多家银行开展投贷联动业务 (24)
十、天津市证券业机构发展 (25)
1.法人证券公司发展态势良好 (26)
2.上市公司总市值略有降低 (27)
3.新三板挂牌企业快速增长 (27)
十一、天津市保险业机构发展 (28)
1.保费收入增长较快 (28)
2.车险市场稳健发展 (29)
3.监管不断加强 (30)
4.创新模式不断涌现，市场活跃程度高 (30)
十二、天津市其他金融业机构发展 (31)
1.互联网金融市场 (31)
2.融资租赁市场 (34)
图1 天交所挂牌企业数据统计 (14)
图2 天交所挂牌企业省份分布情况 (14)
图3 2009-2016年天交所历年累计交易数据 (15)
图4 2015和2016年各项业务营业利润的情况 (26)
表录
表 1 2016年天津市同业拆借情况 (4)
表 2 2016天津上市公司基本情况 (7)
表 3 2015～2016年开放式基金情况 (8)
表 4 2016年天津辖区内期货公司情况 (8)
表 5 2016三季度天津市融资租赁业务发展概况 (9)
表 6 2016年全国融资租赁企业十强排行榜（截至2016年9月） (10)
表7 2016年天津市银行业金融机构情况 (20)
表8 2016年天津市人民币贷款各利率浮动区间占比 (22)
表9 2015～2016年天津市证券业机构数量同期变化情况 (25)
表10 2016年天津上市公司情况 (27)
表11 2016年天津保费收入和赔付支出 (29)
一、货币市场
天津货币市场交易平稳增长。2016年天津市银行间同业拆借市场累计完成信用拆借1914笔，同比下降0.62%；累计金额11058.6亿元，同比增长29.3%；净融入资金9365.1亿元，同比增长30.0%。
在2016年的同业拆借市场上，天津无论是融入金额还是融出金额较往年都有较大提升。除个别月份外，全年数值小幅波动，在12月时达到全年峰值。2016年，天津同业拆借融入金额平均值为1209.8亿元，融出金额平均值为1345.35亿元。
表 1 2016年天津市同业拆借情况
单位：亿元，%
资料来源：中国外汇交易中心。
银行间市场在货币市场中起着主导作用，近年来天津银行间货币市场规模快速扩张，主要有以下三方面原因。一是天津银行业的经营业态逐步转为资产驱动模式。在全国银行业转型的趋势下，天津银行业也转变了经营业态，由过去关注存贷利差模式转变为资产驱动模
式，资产和负债的匹配导致债券资金趋向短期化。二是来自天津银监局的压力。随着资本监管指标由存贷比逐步转向资本充足率，信贷项目占用资本多，而投资项目占用资本较小，促使银行投资类项目比重增加，例如“买入返售证券”，主要包含的资产类型就是票据类资产。三是存款利率市场化推动理财产品向货币市场工具配置。在我国，存款利率市场化主要通过理财产品实现，而银行理财产品的投资标的主要集中于债券及货币市场工具。根据中国债券网发布的《中国银行业理财市场年度报告（2016）》数据，总体上说，2016年理财产品收益率随金融市场收益率下行而下行，理财产品对社会财富的吸引力下降。叠加2016年末开启金融去杠杆监管，无论是提高负债资金成本、MPA考核还是同业负债监管都意味着银行资产的扩张受到控制。因此，2016年理财增幅已较2015年及此前的增幅显著下降。
而2016年，从理财收益率角度上说，随着资产收益率的上行，理财产品的收益率吸引力也将有所提升，因此2016年初以来个人理财产品的销售情况也是比较乐观的。但是另一方面，由于同业存单、同业理财等监管，同业理财方面则呈现较大规模压力，同时今年银行表内外资产的增长均受到了MPA考核等监管。因此，综合考虑，我们认为2017年理财的增速最可能沿着监管上限发展。从结构上说，2016年受制于理财产品收益率低迷，个人理财产品增长缓慢，而金融市场资金则显宽松富余，同业资金需求旺盛，因此同业理财成为银行为实现规模快速扩张而大肆发展的理财产品种类。
2016年同业监管成为重中之重，同业套利链条也将进入实体经
十三五大数据金融行业发展趋势及机遇分析 回顾金融创新发展的历史，每一次金融的历史变革都与先进的科学技术紧密结合，因此当金融发展到互联网时代，也必将发生新的金融变革。 建立互联网金融治理体系，应该成为我国金融治理体系和金融治理能力建设的重要内容，大力发展互联网金融，以互联网金融治理推进中国金融治理体系和治理能力现代化，是金融治理现代化的必由之路。 世界经济论坛创始人、《第四次工业革命》作者施瓦布认为，建立在数字革命基础上的第四次工业已经到来，这是一场系统性的深度变革，而用大数据进行决策是这些变革之一。 在大数据、云计算等技术变革下，我国的金融行业将出现哪些变化？金融监管面临哪些新挑战？如何利用大数据进行智能决策？ 一、大数据时代到来 凯文·凯利（Kevin Kelly）被誉为互联网经济的预言家，他精准预测Web2.0时代的到来和网络经济的运行规律。凯文·凯利预言，未来，大数据、云计算、移动通讯三者相结合的技术进步将激发大数据、深度学习、语音智能、监控设备、3D打印、人造智能、P2P、虚拟货币等方面的技术突变，而这些正在成为现实。 人类将迎来大数据时代。现在一年的信息量已经超过自人类文明开始时积累的所有信息量之和。未来信息量的扩张是爆炸性的，将达到我们无法控制的程度。未来的生活都将是可量化的，每个个体自身也将贴上数字化的标签。 大数据时代的信息是海量的，结构化数据与非结构化数据并行。如何从纷繁复杂的数据当中提炼出有效的数据，并且用适合的方式展示出来，成为各界必须认真思考的问题。当下我们大部分的分析工作都是基于传统的饼状图、柱状图等二维数据模型进行组建的，而在大数据时代，二维的数据模型只有3个维度进行管理和判断，完全满足不了大数据时代需要多维度、复杂关系的数据模型的需求。 以前我们做研究做经济决策，最担心的是没有数据作为依据，不能正确地认清事物的发展阶段。而现在是海量数据充斥在我们的世界，在机器智能尚未完成的时候，需要人机交互。数据可视化可以帮助人通过视觉直接感知机器语言与图形图像。可以带来更多的直观的数据关联价值。 但是，信息孤岛问题始终是大数据发挥作用的主要障碍之一。为解决这一问题需要数据开放。从数据的开放、共享和交互，到价值提取能力的开放，到基础处理和分析平台的开放，让数据如同血液在数据社会的躯体中长流，滋润数据经济，让开放数据的思维成为常态。 未来，大数据的规模会越来越大，大数据经济价值会驱动大数据产业链加速形成。从数据采集、数据存储、数据处理，到数据分析、数据交易、数据应用，围绕着这些分工环节将
大数据在金融行业的应用与发展展望 现如今，人们的生活中无不充斥着互联网的痕迹，越来越多的行为和事件被大数据记录又被大数据影响，金融行业因其安全性的重要更是与大数据技术息息相关。 金融业务对于数据应用的广泛性与质量要求 在互联网发展日新月异的时代背景下，人们的生活、工作、消费、活动的习惯与行为特点在被不断重塑，大量数据被留存记录，各行业对于数据的挖掘和使用有了适应时代发展的新特点，这在银行等金融机构的业务中尤为凸显。获客、信用风险控制、留存客户、触发客户消费是金融行业的几大痛点，而以集奥聚合(北京集奥聚合科技有限公司简称)为代表的大数据技术公司引领的大数据行业的发展正好满足了这些需求，有效克服了目前金融机构数据来源单一、覆盖率不足、数据挖掘程度不深等问题。 金融行业既涉及宏观国民经济的方方面面，又与微观社会主体的经济生活密切相关，中国是一个人口大国，也是社会活动多样性的代表性国家，金融机构为了在纷繁的条件下做出正确的商业判断越发需要依据海量的高质量数据进行分析，但这也与相关数据覆盖人群不足、信息孤岛尚未联通等社会大环境形成了相对矛盾。例如，在个人信用风险控制方面，过去金融机构主要依托从各金融机构上报的信贷类数据的集中管理者——人民银行征信中心调取相关数据对于个人
进行信用评价，但人民银行征信中心的数据并未对中国全部人口有实质性的广泛覆盖，甚至可以说只覆盖了偏少一部分有信贷、信用卡消费记录的人群，加之考虑到因互联网金融日益发展等因素而对金融产品需求愈发多样的人群，仅基于信贷类数据评价这些人群可能会误伤很多暂时还没有信贷纪录的中低收入人群，利用不同来源的“大数据”及相关技术(以下统称大数据)解决个人客户信用评价的全面性与客 观性问题的重要作用凸显出来。 有价值大数据汇聚具备的特点 有价值的大数据的汇聚具备以下特点，这也是金融业应用大数据时要考虑的关键： 一、数据的联通性。由于很多数据是基于不同渠道、场景和主键进行的汇聚，要把这些碎片化数据进行准确整合，需要有很强的ID MAPPING能力，数据的联通解决不同数据是否归属于同一主体的能力。问题举例，10条行为信息，究竟是10个不同主体产生的，还是1个人在10个不同渠道留下的，不同的判断会直接影响数据分析的结果。 二、数据的连续性。数据汇聚需要在“约定“的频率下持续不断、全面地进行才能产生集合价值。首先，数据连续性要求数据源本身具备稳定提供数据的能力、数据全面和质量可靠的能力。就完整和可靠而言，金融机构是公认的最完整和可靠的数据来源。就稳定性而言，
２０１８年空调行业深度研究报告
目录 1.测算视角：地产对空调销售量影响究竟几何？ (4) 1.1.空调：既是消费品、也带有房地产周期属性 (4) 1.2.新房配臵需求测算模型的构建 (6) 2.历史视角：数次地产周期中，空调内销量及龙头表现如何？ (8) 2.1.总量历史视角：数次地产周期里，空调内销量如何？ (8) 2.2.个股历史视角：数次地产周期里，格力表现如何？ (12) 3.市场视角：数次地产周期里，格力的市场表现如何？ (14) 3.1.估值端：地产与格力估值如何共舞？ (14) 3.2.股价端：数次地产周期里，格力表现如何？ (20) 4.预测视角：地产紧预期之下，空调将去向何方？ (22) 5.风险提示 (23)
图目录 图1：空调行业基本面良好、空调龙头股价大幅回调 (4) 图2：空调需求按类型拆分 (5) 图3：地产影响空调需求拆分 (5) 图4：商品房-住宅销售面积月度同比数据与空调内销出货量月度增速数据拟合图 (6) 图5：空调内销量增速与现房销售面积同比回归 (6) 图6：空调内销量增速与期房销售面积同比回归 (6) 图7：测算一手房交易产生的新房配臵需求 (7) 图8：考虑投资性交易及部分棚改货币化交易之后的新房配臵需求测算 (8) 图9：历史上商品房-住宅销售面积增速与空调内销量增速情况 (9) 图10：商品房-住宅销售面积增速、空调出货量增速、中怡康零售增速比较分析 (9) 图11：2003年至今我国经济基本面回顾 (10) 图12：宏观与微观结合的空调出货量分析模型 (11) 图13：格力电器在地产周期中的业绩表现 (12) 图14：格力电器毛利率在数次地产周期中的表现 (13) 图15：格力电器毛利率与原材料价格的表现 (13) 图16：格力电器PE与房地产PE变化相关性较强 (14) 图17：格力电器PE与房地产PE变化有过三次背离 (15) 图18：2007-2009年全国商品房销售面积-住宅及增速 (16) 图19：2009年出台的房地产调控重要文件 (16) 图20：2008-2009年空调出货量月度数据及同比 (17) 图21：2013-2014年全国商品房销售面积-住宅及增速 (18) 图22：2014年房地产调控及货币政策重要事件 (18) 图23：2013-2014年空调出货量月度数据及同比 (19) 图24：格力电器的PE与上涨综指PE也具有较强的同涨同跌属性 (20) 图25：2004年至今格力电器股价表现 (20) 图26：格力电器数次高位回调盘点 (21) 图27：2018年新房配臵需求测算 (22) 图28：2019年新房配臵需求敏感性测试 (22)
第三章：大数据金融行业应用 第1 题 强大的客户信息数据仓库及数据库是良好实施数据分析的基础。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了! 第2 题 2011年5月美国对冲基金Derwent Capical Markets通过分析Twitter的数据来感知市场营销，在首月的收益率为1.85%，让平均为0.76%的其他对冲基金相形见绌。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了! 第3 题 摩根大通银行可以利用大数据技术追踪盗取客户账号或侵入自动柜员机（ATM）系统的罪犯。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了! 第4 题 没有好的数据基础，可能建模过程就会中途夭折，但是建模成功的话，就能得到如意的结果。（3分） A. 是 B. 否 答题情况：正确选项：B 你错选为：A 第5 题 中国大数据IT应用投资规模中，金融领域占的比例最。（3分） A. 是 B. 否 答题情况：正确选项：B 你错选为：A
2012年海通证券自主开发的“给予数挖掘算法的证券客户行为特征分析技术”主要应用在客户深度画像以及基于画像的用户流失概率预测。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了! 第7 题 客户画像指的是个人客户画像，包括人口统计写特征、消费能力数据、兴趣数据、分险偏好等。（3分） A. 是 B. 否 答题情况：正确选项：B 你错选为：A 第8 题 客户生命周期管理包括新客户获取、客户防流失和客户赢回等。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了! 第9 题 数据分析在处理客户关系管理上只是流失客户的预测。（3分） A. 是 B. 否 答题情况：正确选项：B 你答对了! 第10 题 大数据是依托新的数据处理技术，对海量、高速增长、多样性的结构和非数据结构数据进行加工挖掘，找寻数据背后的规律，以提高分析决策能力，优化流程和科学配置资源的管理工具。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了!
2018年Q1中央空调市场调研报告（一）发展现状 分体壁挂空调热度不减中央空调成消费者新宠 每年的第一季度都是空调的淡季，并且元旦、春节长假都在这段时间中，安装、选购空调的用户数量并不多，但正是这样的情况才能更加真实的反映出现阶段中国消费者对于空调产品的真实关注情况。而近两年的消费升级对中国消费者也产生了非常大的影响，尤其是在冬夏两季使用非常频繁、对我们生活质量会造成非常大影响的空调产品，消费者在选购，或对其的关注点已经发生了非常大的改变。 在很多人的印象中，家中安装的空调还是最常见的壁挂式空调和客厅使用的立柜式空调。但在几十年的使用中，消费者发现这两种分体式空调存在冷风吹人、室内温度不均、容易造成用户出现空调病等问题，使用体验并不好。但因为更加适合小空间居室、售价相对低廉、安装方便等原因，分体式壁挂空调在近些年的消费者关注度并没有显着下降。而受到现在消费者更加关注产品使用体验方面的影响，能够解决使用体验感不佳问题的家用中央空调在近些年的消费者关注度正在快速提升。尤其是在2018年的Q1季度，通过各项数据我们能够清晰地看到家用中央空调已经成为消费者的关注新宠。 （二）基本特点 消费观念仍难改变眼高手低显市场尴尬 近几年中国的经济发展迅速，中国消费者的购买力和消费观也都发生了非常大的改变，最直接的体现就是，越来越多的中高端消费者在选购产品时不再重点关注产品的价格，而是更加关注产品的实际使用效果，而这一点通过市场中的产品和消费者在购买时的关注重点都能得到验证。但消费升级对中国消费者造成影响的时间较短，而且影响的消费层级较高，中低层次消费者仍占消费者群体中的大部分。这也就造成中国空调市场开始呈现一种比较尴尬的局面：消费者会主动开始关注新产品和新技术，但限于预算和消费观念的原因，会比较依赖各大电商的降价促销活动，或直接购买价格相对比较低廉的中端或中低端产品。 2018年Q1中国空调市场分析 （一）2018年Q1中国空调市场品牌结构 1、2018年Q1中国空调市场品牌关注比例分布
2021年大数据金融行业市场调研报告
目录 1.大数据金融行业现状 (4) 1.1大数据金融行业定义及产业链分析 (4) 1.2大数据金融市场规模分析 (6) 2.大数据金融行业前景趋势 (7) 2.1大数据助力金融机构的战略转型 (7) 2.2大数据能够降低金融机构的管理和运行成本 (7) 2.3大数据有助于降低信息不对称程度，增强风险控制能力 (8) 2.4大数据能够提升银行的中间收入 (8) 2.5使零售银行业务差异化产品设计更加丰富 (9) 2.6大数据在量化投资方面的应用 (9) 2.7延伸产业链 (10) 2.8生态化建设进一步开放 (10) 2.9呈现集群化分布 (11) 2.10需求开拓 (12) 3.大数据金融行业存在的问题 (12) 3.1大数据对个人信息的大量获取导致了隐私和安全问题 (12) 3.2大数据技术不能代替人类价值判断和逻辑思考 (13) 3.3金融行业的数据资产管理应用水平仍待提高 (13) 3.4金融大数据应用技术与业务探索仍需突破 (13) 3.5金融大数据的行业标准与安全规范仍待完善 (14)
3.6金融大数据发展的顶层设计和扶持政策还需强化 (14) 3.7供应链整合度低 (15) 3.8产业结构调整进展缓慢 (15) 4.大数据金融行业政策环境分析 (16) 4.1大数据金融行业政策环境分析 (16) 4.2大数据金融行业经济环境分析 (16) 4.3大数据金融行业社会环境分析 (17) 4.4大数据金融行业技术环境分析 (17) 5.大数据金融行业竞争分析 (18) 5.1大数据金融行业竞争分析 (18) 5.1.1对上游议价能力分析 (18) 5.1.2对下游议价能力分析 (18) 5.1.3潜在进入者分析 (19) 5.1.4替代品或替代服务分析 (19) 5.2中国大数据金融行业品牌竞争格局分析 (20) 5.3中国大数据金融行业竞争强度分析 (20) 6.大数据金融产业投资分析 (21) 6.1中国大数据金融技术投资趋势分析 (21) 6.2中国大数据金融行业投资风险 (21) 6.3中国大数据金融行业投资收益 (22)
2019年日本空调市场 分析报告 2019年7月
目录 一、以邻为镜，我国空调市场仍有较大增长空间 (4) 二、他山之石：回顾日本空调50年 (6) 1、保有量：产品需求刚性逐渐增强，经济基础是核心驱动因素 (6) 2、内销量：市场规模稳健增长，存量上行后更新需求占据主导地位 (9) 3、产品均价：结构升级与通货膨胀是涨价的核心因素，中国市场仍具空间 (11) 4、竞争格局：龙头品牌市占率长期稳定，但集中度低于中国市场 (15) 5、驱动因素：经济基础驱动长期增长，周期性变量引发短期波动 (17) （1）长期成长性来看 (17) ①经济增长，国民可支配收入提升驱动“多机”释放 (17) A.消费不断升级，可选消费品刚需属性愈发突出 (18) B.收入水平提升，对空调价格敏感性降低 (18) ②人口数量增加，家庭原子化推升家庭户数 (19) （2）短期周期性来看 (19) ①可选消费品属性：短期销量与宏观经济、消费景气相关 (19) ②家电产品属性：地产后周期，新增需求与地产竣工相关 (20) ③需求季节性：淡旺季明显，与夏季（旺季）炎热程度相关 (21) 三、鉴以攻玉：内销仍具空间，产品形态稳定马太效应凸显 (22) 1、成长：有基础，有空间，格局与价格稳定 (22) 2、市场规模测算：长期看稳态规模仍有空间，周期因素推动规模波动 (25)
他山之石：回顾日本空调50年。日本统计局与JRAIA数据显示，2018年日本家用空调保有量高达281台/百户，渗透率91.1%，全年内销量965万台，近50年间CAGR 4.3%，产品均价8.2万日元（约合人民币5200元）。回顾日本空调50年发展路径可以发现： (1) 保有量：1975年空调保有量达到15台/百户后开始提速上行，在2003年达到245台/百户后开始放缓； (2) 内销量：1996年空调内销规模突破800万台后增速换挡至平稳略有增长，新增需求提升速度不高； (3) 产品均价：1984年均价达最高17.2万日元，此后开始单边下行，剔除购买力变动后以美元计的均价变动稍小； (4) 竞争格局：1973年CR4达63%，2018年CR4达59%，整体格局稳定，龙头结构略有变化； (5) 驱动因素：收入、家庭规模等宏观因素决定长期空间，消费景气度、地产、气温等周期性因素决定短期波动。 鉴以攻玉：内销仍具空间，产品形态稳定马太效应将持续凸显。根据人口、保有量等数据进行测算，我国家用分体机内销市场长期稳态的内销规模应在1.06亿台左右，考虑到宿舍、医院、小型办公、小型商铺等更多应用场景，规模应该会更大一些。相比2018年内销量的9281万台，仍具提升空间；而且在保有量快速提升过程中，当年销量可能会超过稳态规模。 (1)保有量存在提升基础：中国大部分区域纬度均在日本之下，空调需求更具刚性，具备保有量稳定提升的基础；
2018年空调行业格力电器分析报告 2018年2月
目录 一、中国空调行业的发展空间 (3) 1、我国家用空调发展仍处半程 (4) （1）中国空调消费滞后日本接近30年，保有量与销量均有显著提升空间 (5) （2）全球变暖、收入水平提高及城镇化率提升是促进日本空调持续普及的主要原因 (6) （3）农村市场空调消费仍处于早期阶段 (7) 2、中央空调驱动行业消费再升级 (9) 3、印度及东南亚市场有望实现接力发展 (10) 二、高基数下2018年的演绎 (13) 1、2017年空调出货新高其实不高 (14) 2、更新与普及需求共振驱动行业增长 (15) （1）未来几年更新需求释放将推动空调行业增长 (15) （2）农村市场消费条件已逐步成熟，普及率提升趋势有望加速 (16) 三、成就格力高盈利能力的因素 (19) 1、30年历程铸就格力核心竞争力 (20) （1）第一阶段（1990-2002年）：行业野蛮生长，格力注重质控与渠道管理，龙头地位初定 (21) （2）第二阶段（2003-2007年）：行业加速洗牌，格力进一步巩固龙头地位 (23) （3）第三阶段（2007年至今）：格局持续优化，行业均价提升，龙头盈利改善 .. 25 2、格力领先优势短期难以被颠覆 (26)
中国空调行业还可以走多远？格力选择专业化道路难免被质疑其成长边界是否因业务单一而明显受限，但基于行业发展空间广阔，专业化也可谓公司理性选择；一方面国内空调行业发展仍处半程，城镇保有量仍有1台/户以上提升空间且农村市场才刚开始崛起；另一方面中央空调已实现从0到1的突破，快速普及将带动行业扩容并推动整体附加值增加；而印度与东南亚市场长期将接力中国市场继续发展。 高基数下18年将如何演绎？2017年空调出货量实现高速增长背景下市场担心已透支2018年增长潜力，但2013-2017年空调内销出货量及格力营收复合增速分别仅有9%及6%，可见2017年空调新高其实不高，相反从预收款规模及渠道库存水平看渠道补库存有望延续至2018年上半年；此外，2017年旺季结束后格力与美的终端需求持续超预期，当前更新与普及需求共振有望持续驱动终端稳健增长。 是什么成就了格力高盈利能力？在连续实现10年净利率稳步提升后，公司高盈利能力可否延续是影响未来业绩表现的重要因素；回溯空调行业近30年历史，在空调行业发展的三大阶段中，格力通过研发投入、质量控制、渠道建设以及产业链整合等多重方式逐渐形成自身核心竞争力；产品力溢价、规模优势以及产业链深度整合促使格力可实现超越行业的盈利能力，且高壁垒下公司利润率仍有提升预期。 一、中国空调行业的发展空间 国内三大白电龙头中，唯有格力电器选择走专业化道路，市场难免质疑格力成长的边界是否因其业务单一而明显受限；多元化的确打
2018年家电行业市场调研分析报告
目录 第一节一二线市场消费升级，中国高端家电品牌获得突破 (7) 一、一二线市场的购买力成为培育高端品牌的土壤 (7) 二、中国高端家电品牌开始爆发 (8) 三、高端品牌成长核心因素：产品竞争力+大力度营销+坚持不懈 (8) 四、家电奢侈品牌，难以企及的高度 (9) 第二节中国高端家电品牌 (10) 一、老板、方太：高端厨电双寡头成长之路 (10) 1、厨房电器高端市场双寡头垄断 (10) 2、持续的产品创新造就老板和方太 (13) 二、卡萨帝崛起于冰箱及洗衣机高端市场 (15) 1、卡萨帝成为有影响力的高端品牌 (15) 2、时尚的工业设计、领先的技术打动消费者 (17) 2、海尔冰箱、洗衣机产品竞争力引领市场 (18) 三、莱克VS戴森：快速成长的高端精品家电品牌 (20) 1、戴森：家电行业的科技明星 (20) 2、莱克：中国的高端精品家电 (22) 3、莱克产品特色：高性能以及本土化设计理念 (25) 四、奥普：中国浴霸创始品牌 (28) 第三节日韩高端家电品牌 (33) 一、三星：数码高附加价值品牌成长之路 (33) 1、三星用十年提升品牌定位，打造高端品牌 (33) 2、依托产业链一体化，不断强化产品优势 (35) 二、虎牌：日本高端电饭煲品牌 (36) 三、象印：日本高端生活电器品牌 (39) 四、福库：韩国高端电饭煲品牌 (43) 第四节欧美高端家电品牌 (49) 一、Blendtec：美国高端破壁料理机品牌 (49) 二、博朗：德国高端个人护理小家电品牌 (51)
三、AO史密斯：崛起于中国市场的美国高端品牌 (54) 第五节难以企及的奢侈品 (59) 一、AEG：伊莱克斯旗下的厨电奢侈品品牌 (59) 二、美诺：德国家电奢侈品品牌 (61) 三、嘉格纳：博世西门子旗下的奢侈品品牌 (63) 第六节部分相关企业分析 (67) 一、老板电器：二季度利好因素多，公司利润率上升趋势不改 (67) 二、莱克电气：中国高端精品家电品牌 (68) 三、青岛海尔：冰箱洗衣机高端市场发力 (70) 四、海尔电器：市场份额提升，业绩拐点出现 (72)
2018年空调行业大金 分析报告 2018年8月
目录 一、大金90年产业历程：宏观经济影响下的90年 (6) 1、初创期：1924-1954年，乘二战之风，从金属加工转型氟化工和冷冻机制 造商 (7) 2、快速成长期：1955-1973年，前向一体化战略布局实现快速发展 (9) （1）氟化工业务：模仿实现技术突破，海外市场拓展助力快速发展 (10) （2）商用空调业务：成为主力产品，技术引进推动1955-1972年间销售额增加72倍 (10) （3）家用空调业务：退出再进入，产品和渠道成关键要素 (11) 3、波动成长期：1974-1993年，经济增速放缓，多重困境阻挠砥砺前行 (12) （1）困境一：石油危机（1974-1980年） (14) （2）困境二：凉夏危机（1980-1982年） (15) （3）困境三：广场协议（1985-1990年） (16) （4）困境四：化学事业“三重苦难”（1988-1989年） (17) （5）困境五：日本泡沫经济破裂（1992-1993年） (18) 4、全球拓张期：1994-2015年，全球布局助力公司持续成长，铸就全球空调 行业龙头 (20) （1）1994-2006年：空调和海外营收占比大幅提升，盈利能力持续走强 (21) ①阶段一：1994-2000FY，空调业务盈利能力弱，化学业务平滑盈利 (22) ②阶段二：2001-2007FY，空调和海外业务占比齐升，空调业务盈利能力走强 .. 22 （2）2006-2015年：收购实现全球快速扩张，铸就全球空调行业龙头 (24) ①2006年收购奥维尔集团，迅速打开美国市场，补强大型机组技术短板 (25) ②2009年与格力合资建厂顺利打开中国市场，完善中国市场布局 (25) 二、大金的现状与未来：“Fusion 20”，专业领域内的多元化发展 . 27 1、发展现状：空调成绝对主业，总体增速稳定 (28)
2018年空调行业分析 报告 2018年6月
目录 一、2017年房地产滞后效应，今年前五月空调内销增速超20% (4) 二、最大的增长因素：城镇化每年带来约8-11%的需求增长 (6) 1、外出务工人员数量下滑，但购房比例提升带来需求增量 (7) 2、农村登记结婚人数略降，每百户因素提升带来增量 (8) 3、受新型城镇化影响，举家进城引致空调需求继续增加 (9) 三、棚改货币化与购房因素交织：棚改递减，购房引致需求先降后升 (10) 1、棚改数量递减，引致需求递减 (10) 2、城镇购买新房引致需求先降后升 (10) 3、城镇购买二手房引致需求先降后升 (11) 四、长期稳定增长因素：城镇一户多机 (12) 五、家用多联机增长迅速，挤占效应有限 (13) 六、工程机需求稳定增长，渠道库存扩容推动内销继续增大 (14) 七、预计未来三年空调内销增速分别为：7.8%、-5.4%、9.6% (15)
根据产业在线数据，2018年1-5月家用空调内销量同比增长22.2%。根据AVC 数据，2018Q1全市场空调零售量增速为9.56%，其中一、二级市场家用空调零售同比增长仅为5.5%、4.0%，低于全市场；三 线市场家用空调零售同比增长11.4%，高于全市场。2018年1-5月家用空调零售同比增长9.59%，零售额同比增长14%。 城镇化每年带来约8-11%的需求增长，成为最大的增长因素。我们将城镇化分为外出务工人员进城购房、农村登记结婚购房、举家进城（拆迁等被动城镇化）三部分。我们测算2018-2020年城镇化引致空调需求分别为983万台、1092万台、1211万台，增速分别为8.5%、11.1%、10.9%，成为空调需求最大的增长因素。 棚改货币化与购房因素交织：棚改递减，购房引致需求先降后升。2018-2020年将是棚改的最后三年，预计棚改数量分别为580万户、500万户、420万户，我们预计未来三年引致的空调需求量分别为765万台、768万台、687万台。棚改货币化占比从2014年的9.0%一跃升至2016 年的48.5%，保守估计2017年这一比例为55.0%，结合棚改数量减少，由此城镇购买新房二手房引致的空调需求均有可能先降后升，两者未来三年的增速分别为-9.3%、-6.5%、25.5%和-7.0%、7.7%、7.8%。 工程机需求继续稳定增长。根据《新材料参考》数据2017年空调的工程机销量约为2300万台，约占全年总内销量的27%。我们根据2017年的工程量数据和空调耐用品采购指数的同比变动情况估算出 历年的工程量。进而，我们估算出2017年渠道库存的增量为878万台。2017年家用空调零售同比增长17.5%，工程机约有20%的增长，市场
金融大数据研究 分 析 报 告
目录 第一章大数据背景与动态 (3) 1.1 大数据的宏观价值与背景 (3) 1.1.1国家——保障数据安全，促进数据开放 (3) 1.1.2政府——转变理念，集成信息，抓住机遇 (5) 1.1.3学术——科学的研究数据，用数据来研究科学 (6) 1.1.4产业——产业需要变革，行业需要互融互通 (7) 1.1.5公司——平台化竞争，特色应用化生存 (8) 1.1.6投资——大数据将提供价值分析新视角 (9) 1.2 国内外大数据发展动态 (10) 1.2.1国外大数据发展动态 (10) 1.2.2我国大数据发展动态 (15) 1.2.3大数据相关社区 (18) 1.2.4我国大数据行业协会 (22) 第二章大数据典型应用 (24) 2.1 金融大数据应用现状 (24) 2.2 大数据信贷 (26) 2.3 大数据征信 (28) 2.4 大数据投资 (29) 2.5 金融大数据发展趋势 (31)
第一章大数据背景与动态 1.1 大数据的宏观价值与背景 从大历史观来看，“大数据”的内涵远远超越物联网、云计算等信息技术的 概念，它的意义可以比肩“活字印刷术”的发明，大范围的消除信息不对称的现象，释放巨大的生产力，深刻改变社会的面貌，提升国家治理，革新科学研究的 思想，促进产业间的跨界、融合和颠覆，并将极大的促进文明的传播、凝聚、和 升华。 数据自古存在。乌龟壳、树皮、绸缎都曾经是记录数据的媒介，现在都已经 退出了舞台；留声机、磁带机也曾经风靡一时，也已难觅踪影；现在当红的信息 技术，像个人电脑、智能手机、IPad 在不远的将来也将被陈列在博物馆。唯有 数据，虽然不断的变换表现形态，将一直伴随人类走向未来。 物联网本质上是器物层面的技术，从大数据的视角而言，是采集数据的终端。云计算本质上是IT 服务交付手段的变革，并由此引发一系列技术基础架构的更新。物联网和云计算都是信息技术发展的一定阶段的自然延伸，依然属于信息技术范畴。而大数据可以看成是数据积累到一定规模后，引发的质变。大数据超越信息技术，使人们重新界定国家竞争的主战场，重新审视政府治理水平，重新认识科学研究的新范式，重新审视产业变迁的驱动因素，重新理解投资的决策依据，重新思考公司的战略和组织。 综上所述，大数据将是保障国家安全、社会治理和推动经济发展的恒久主题！ 1.1.1 国家——保障数据安全，促进数据开放 2012 年3 月份，奥巴马发布了美国版的《大数据发展计划》，通过这个计划，可以看出：国家层面大数据技术领域的竞争事关一国的安全和未来。国家数字主权体现为对数据的占有和控制。数字主权将是继边防、海防、空防之后，另一个 大国博弈的空间。大数据必须上升为国家意志，落实为国家战略。欧盟、日本、 新加坡等国家已经开始纷纷行动。
银行业金融大数据服务平台项目 规划书
项目介绍 1.1项目背景 银行业一直是一个数据驱动的行业，数据也一直是银行信息化的主题词。银行的信息化进程先后经历过业务电子化、数据集中化、管理模型化等阶段，如今随着大数据技术的飞速发展，银行信息化也进入了新的阶段：大数据时代。 目前，国内银行都积累了海量的金融数据，包括各类结构化、半结构化、非结构化数据，数据量巨大，存储方式多样。但是这些海量数据还没得到充分利用，显得价值含量较低。只有经过合适的预处理、模型设计、分析挖掘后，才能发现隐藏在其中的潜在规律。而应用大数据分析技术，可以从海量的、不完全一致的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识。银行可以利用这些信息和知识来提升金融业务的服务效率和管理水平，银行的关键业务也能从中获得巨大收益。 银行在大数据技术应用方面具有天然优势：一方面，银行在业务开展过程中积累了大量有价值数据，这些数据在运用大数据技术挖掘和分析之后，将产生巨大的商业价值；另一方面，银行在资金、设备、人才、技术上都具有极大的便利条件，有能力采用大数据的最新技术。建立“金融大数据服务平台”，可以通过对金融数据的挖掘、分析，创造数据增值价值，提供针对银行的精准营销、统一广告发布、业务体验优化、客户综合管理、风险控制等多种金融服务。 1.2业务需求 目前，银行客户对数据的利用仍是以各类统计报表为主，存在以下重大弊端： 1.对数据的分析仅按照固定项目，对业务情况进行事后统计分析和监控。实际上没有 找到隐藏在数据背后的原因，数据深度分析和数据挖掘能力不足。 2.对数据的分析仅作为专项的统计分析结果输出，对于数据间的因果影响、相关性分 组或关联规则、聚类、描述和可视化等工作尚未开展，数据关联分析能力不足。 3.统计分析侧重在事后的数据汇总，难以从数据汇总中得到客户服务事件发生的规律， 以及前瞻性判断，数据的预测性分析能力不足。
大数据金融行业发展趋 势及机遇分析 WEIHUA system office room 【WEIHUA 16H-WEIHUA WEIHUA8Q8-
十三五大数据金融行业发展趋势及机遇分析 回顾金融创新发展的历史，每一次金融的历史变革都与先进的科学技术紧密结合，因此当金融发展到互联网时代，也必将发生新的金融变革。 建立互联网金融治理体系，应该成为我国金融治理体系和金融治理能力建设的重要内容，大力发展互联网金融，以互联网金融治理推进中国金融治理体系和治理能力现代化，是金融治理现代化的必由之路。 世界经济论坛创始人、《第四次工业革命》作者施瓦布认为，建立在数字革命基础上的第四次工业已经到来，这是一场系统性的深度变革，而用大数据进行决策是这些变革之一。 在大数据、云计算等技术变革下，我国的金融行业将出现哪些变化？金融监管面临哪些新挑战？如何利用大数据进行智能决策？ 一、大数据时代到来 凯文·凯利（Kevin Kelly）被誉为互联网经济的预言家，他精准预测时代的到来和网络经济的运行规律。凯文·凯利预言，未来，大数据、云计算、移动通讯三者相结合的技术进步将激发大数据、深度学习、语音智能、监控设备、3D 打印、人造智能、P2P、虚拟货币等方面的技术突变，而这些正在成为现实。 人类将迎来大数据时代。现在一年的信息量已经超过自人类文明开始时积累的所有信息量之和。未来信息量的扩张是爆炸性的，将达到我们无法控制的程度。未来的生活都将是可量化的，每个个体自身也将贴上数字化的标签。 大数据时代的信息是海量的，结构化数据与非结构化数据并行。如何从纷繁复杂的数据当中提炼出有效的数据，并且用适合的方式展示出来，成为各界必须认真思考的问题。当下我们大部分的分析工作都是基于传统的饼状图、柱状图等二维数据模型进行组建的，而在大数据时代，二维的数据模型只有3个维度进行管理和判断，完全满足不了大数据时代需要多维度、复杂关系的数据模型的需求。 以前我们做研究做经济决策，最担心的是没有数据作为依据，不能正确地认清事物的发展阶段。而现在是海量数据充斥在我们的世界，在机器智能尚未完成的时候，需要人机交互。数据可视化可以帮助人通过视觉直接感知机器语言与图形图像。可以带来更多的直观的数据关联价值。 但是，信息孤岛问题始终是大数据发挥作用的主要障碍之一。为解决这一问题需要数据开放。从数据的开放、共享和交互，到价值提取能力的开放，到基础处理和分析平台的开放，让数据如同血液在数据社会的躯体中长流，滋润数据经济，让开放数据的思维成为常态。
精心整理银行业金融大数据服务平台项目 规划书
项目介绍 1.1项目背景 银行业一直是一个数据驱动的行业，数据也一直是银行信息化的主题词。银行的信息化进程先后经历过业务电子化、数据集中化、管理模型化等阶段，如今随着大数据技术的飞速发展，银行信息化也进入了新的阶段：大数据时代。 目前，国内银行都积累了海量的金融数据，包括各类结构化、半结构化、非结构化数据，数据量巨大，存储方式多样。但是这些海量数据还没得到充分利用，显得价值含量较低。只有经过合适的预处理、模型设计、分析挖掘后，才能发现隐藏在其中的潜在规律。而应用大数据分析技术，可以从海量的、不完全一致的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识。银行可以利用这些信息和知识来提升金融业务的服务效率和管理水平，银行的关键业务也能从中获得巨大收益。 银行在大数据技术应用方面具有天然优势：一方面，银行在业务开展过程中积累了大量有价值数据，这些数据在运用大数据技术挖掘和分析之后，将产生巨大的商业价值；另一方面，银行在资金、设备、人才、技术上都具有极大的便利条件，有能力采用大数据的最新技术。建立“金融大数据服务平台”，?可以通过对金融数据的挖掘、分析，创造数据增值价值，提供针对银行的精准营销、统一广告发布、业务体验优化、客户综合管理、风险控制等多种金融服务。 1.2业务需求
目前，银行客户对数据的利用仍是以各类统计报表为主，存在以下重大弊端： 1.对数据的分析仅按照固定项目，对业务情况进行事后统计分析和监控。实际 上没有找到隐藏在数据背后的原因，数据深度分析和数据挖掘能力不足。 2.对数据的分析仅作为专项的统计分析结果输出，对于数据间的因果影响、相 关性分组或关联规则、聚类、描述和可视化等工作尚未开展，数据关联分析能力不足。 3.统计分析侧重在事后的数据汇总，难以从数据汇总中得到客户服务事件发生 的规律，以及前瞻性判断，数据的预测性分析能力不足。 针对具体的金融业务，大数据分析在以下方面有着迫切的需求： 统一广告发布：目前金融行业客户在广告方面投入大、渠道多，但在确认真实效果、提供优化广告策略时却不能提供确切的数据证据。亟需利用大数据技术在收集各类型、各渠道广告发布数据的基础上，提供可靠的效果数据和优化策略建议。 精准营销：目前金融行业的营销方式基本上还是粗放式的，调查方式粗糙，分析原因简单，对过程的控制力差，对客户和产品的推广都缺少针对性。亟需利用大数据技术来收集详尽数据、科学分析原因、严格控制过程、并有针对性地面向客户和产品进行营销推广。 业务系统优化：目前金融行业对其业务系统的客户体验效果、客户转化率缺乏准确数据支持，也无法分析具体原因。亟需利用大数据技术获得各业务、各环节的客户转化率，从而有针对性地改进业务流程，提升服务质量。
二、大数据平台建设 （一）大数据平台框架概述 大数据平台建设充分整合信息化资源，打破行业、部门之 间的信息壁垒，运用大数据技术进行采集、加工、建模、分析，将数 据价值融入到金融之中，从而提升创新能力和产品服务能力。 主要包括以下三部分： 1．大数据分析基础平台 按照功能划分数据区，设计数据模型，在统一流程调度下，整合各类数据，同现有的企业级数据仓库和历史数据存储系统一起，形成基础数据体系，提供支撑经营管理的各类数据应用，支撑上层应用。 2．大数据应用系统 基于基础数据平台，持续建设各类数据应用系统，通过数据挖掘、计量分析和机器学习等手段，对丰富的大数据资源进行开发使用，并将数据决策化过程结合到风控、营销、营运等经营 管理活动，充分发挥大数据价值。 3．大数据管控 建立数据标准，提升数据质量，加强元数据管理能力，为平台建设及安全提供保障 （二）大数据平台建设原则 大数据平台是大数据运用的基础实施，其设计、建设和系统实现过程中，应遵循如下指导原则： 经济性：基于现有场景分析，对数据量进行合理评估，确定大数据平台规模，后续根据实际情况再逐步优化扩
容。 可扩展性：架构设计与功能划分模块化，考虑各接口的开放性、可扩展性，便于系统的快速扩展与维护，便于第三方系统的快速接入。 可靠性：系统采用的系统结构、技术措施、开发手段都应建立在已经相当成熟的应用基础上，在技术服务和维护响应上同用户积极配合，确保系统的可靠；对数据指标要保证完整性，准确性。 安全性：针对系统级、应用级、网络级，均提供合理的安全手段和措施，为系统提供全方位的安全实施方案，确保企业内部信息的安全。大数据技术必须自主可控。 先进性：涵盖结构化，半结构化和非结构化数据存储和分析的特点。借鉴互联网大数据存储及分析的实践，使平台具有良好的先进性和弹性。支撑当前及未来数据应用需求，引入对应大数据相关技术。 平台性：归纳整理大数据需求，形成统一的大数据存储服务和大数据分析服务。利用多租户, 实现计算负荷和数据访问负荷隔离。多集群统一管理。 分层解耦：大数据平台提供开放的、标准的接口，实现与各应用产品的无缝对接 （三）基础数据来源 1．银行内部大数据资源
大数据在金融行业的应用 2014-11-05 15:44 原创傅志华 【编者按】本文作者傅志华先生（公众号：傅志华）曾为腾讯社交网络事业群数据中心总监以及腾讯公司数据协会会长。在腾讯前，曾就职于艾瑞市场咨询、易观国际、中国互联网协会，并任DCCI互联网数据中心副总裁。 数据显示，中国大数据IT应用投资规模以五大行业最高，其中以互联网行业占比最高，占大数据IT应用投资规模的28.9%，其次是电信领域（19.9%），第三为金融领域（17.5%），政府和医疗分别为第四和第五。 根据国际知名咨询公司麦肯锡的报告显示：在大数据应用综合价值潜力方面，信息技术、金融保险、政府及批发贸易四大行业潜力最高高。具体到行业内每家公司的数据量来看，信息、金融保险、计算机及电子设备、公用事业四类的数据量最大。 不同行业应用大数据技术潜在价值评估
数据来源：麦肯锡《大数据的下一个前沿：创新、竞争和生产力》报告 可以看出，无论是投资规模和应用潜力，信息行业（互联网和电信）和金融行业都是大数据应用的重点行业。由于上一篇《BAT互联网企业大数据应用》（关注微信公众号：傅志华，即可通过历史文章查阅）已经重点介绍了互联网行业的大数据应用情况，本文将讲点介绍行金融行业大数据应用情况，下一篇文章将重点介绍电信行业的大数据应用情况。 金融行业大数据应用投资分布 从投资结构上来看，银行将会成为金融类企业中的重要部分，证券和保险分列第二和第三位。接下来，我们将分别介绍银行、保险和证券行业的大数据应用情况。
Part1 银行大数据应用 国内不少银行已经开始尝试通过大数据来驱动业务运营，如中信银行信用卡中心使用大数据技术实现了实时营销，光大银行建立了社交网络信息数据库，招商银行则利用大数据发展小微贷款。总的来看银行大数据应用可以分为四大方面： 第一方面：客户画像应用。客户画像应用主要分为个人客户画像和企业客户画像。个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等；企业客户画像包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据。值得注意的是，银行拥有的客户信息并不全面，基于银行自身拥有的数据有时候难以得出理想的结果甚至可能
中国金融行业大数据应用市场研究白皮书 赛迪顾问股份有限公司 2013年6月 （英特尔公司委托开展）
一、金融行业大数据应用需求分析 1、金融行业大数据应用背景 2012年11月，“十八大”提出将金融改革列为未来十年发展的重中之重，中国主要金融企业也都制定了“十二五”发展规划，将依靠构建智慧型的数据分析体系（MIS）充分挖掘业务规律，以支持业务创新与服务创新。从未来发展看，中国金融行业在“十二五”时期将重点实现发展方式转型：一，中国金融行业将建立全面的风险管理体制，向严监管转型；二，从粗放式管理向精细化管理转型，信息化重点也将从业务信息化向管理信息化转变；三，从“利润为中心”和“保单为中心”向“客户为中心”转型。由此，未来几年中国金融行业的IT投资规模将会持续增长。 2012年，金融行业IT投资规模为1105.78亿元，同比增长10.9%。“十二五”期间，金融行业IT投资将保持快速增长，预计到2015年，金融行业IT 投资将达到1598.35亿元。 图1 2011－2015年中国金融行业IT投资规模与增长
数据来源：赛迪顾问，2013.06 表1 2011－2012年中国金融行业IT投资结构 数据来源：赛迪顾问，2013.06 2、金融行业大数据应用需求分析 需要可扩展性开放架构做支撑。大数据量必然要求金融企业IT基础设施更易于数据的整合与集中、扩展与伸缩，以及管理与维护，同时还必须具备良好的可靠性、可控性、安全性。近年来，随着x86架构CPU处理器制程、内部计算架构设计推陈出新，性能已逐渐赶上RISC服务器，同时，在稳定性、可用性及服务性也足以胜任海量数据对基础架构能力的要求，因此，具备高扩展性的开放架构正逐步成为金融行业应对大数据的优选方案。 大数据在加强风险管控、精细化管理、业务创新等业务转型中将起到重要作用。首先，大数据能够加强风险的可审性和管理力度，支持业务的精细化管理。当前中国银行业利率市场化改革已经起步，利率市场化必然会对银行业提出精细化管理的新要求。其次，大数据支持服务创新，能够更好地实现“以客户为中心”理念，通过对客户消费行为模式进行分析（比如事件关联性分析），提高客户转化率，开发出不同的产品以满足不同客户的市场需求，实现差异化竞争。