★ FEATURED ARTICLE 简介面向废钢行业从业者与投资决策者的一份PDF研究报告系统梳理2023-2028年废钢行业的监管政策、发展特征、竞争格局与未来趋势。报告从行业进入壁垒与风险特征切入结合长流程废钢比、短流程企业产能释放等关键因素对废钢市场供需前景展开预测并以邯郸弘远再生资源公司为案例剖析企业优劣势提供可落地的战略参考。资源共1个文件为PDF格式大小约1.21MB内容结构完整包含行业政策、发展情况、竞争分析、企业案例及前景预测等章节适合从事废钢贸易、再生资源回收、产业研究及投资规划的人群参考阅读。目前已有36人学习下载可作为撰写行业分析、制定经营策略或开展市场调研时的数据与框架支撑。1. 废钢行业调研及发展前景趋势预测报告别只信结论先看它的供需逻辑拿到一份《2023-2028年废钢行业调研及发展前景趋势预测报告.pdf》时多数人第一反应是翻到最后一页看“2028年废钢消耗量能到多少”。我一般先翻中间的假设表因为那个数字是靠假设堆出来的假设才是可以被检验的东西。废钢这个行当上游回收散户化、下游钢厂集中报价一天一变库存调节又快预测难度比粗钢产量高不少。这篇笔记把废钢调研的拆解方法、预测模型和读报告时的常见坑完整过一遍适合废钢回收商、电炉钢厂采购、投资分析师和产业规划人员。与其等一份现成报告替你拍板不如自己会拆、会验、能落成策略。2. 废钢行业调研是怎么做的从产业链拆解到数据口径统一废钢调研的第一步不是找历史数据而是把“废钢”这两个字拆清楚。业内常说的废钢实际包含三类统计边界完全不同自产废钢是钢厂炼钢和轧钢过程中产生的切头、切尾、氧化铁皮加工废钢来自机械制造业的钢屑、边角料折旧废钢则来自汽车报废、家电报废、建筑拆除、旧船解体。前两类叫“工业废钢”回收渠道相对稳定第三类才是调研里最难估的部分因为回收链条很长居民废品站、个体回收户、中间加工厂、大型废钢加工配送基地最后才进钢厂。折旧废钢的回收率受价格波动影响极大。废钢价格高的时候废旧家电、报废汽车会提前被拆解价格低的时候很多社会废钢就压在回收站里不出来。所以调研报告里“社会废钢资源量”和“实际回收量”经常差出百分之十以上。如果你看到某份报告用“资源量”直接替代“需求量”那它的结论天然偏乐观。我一般会把三类来源分别建表在表里留出“回收率”和“加工损耗”两个系数这样至少知道库存和回收环节吃掉了多少量。2.1 废钢从哪里来自产、加工与折旧三类资源的统计边界自产废钢的数据最好拿钢厂月度产量、成材率是明确可查的。按行业经验自产废钢约占粗钢产量的5%到8%具体取决于连铸连轧水平。加工废钢要看机械制造、汽车零部件、钢结构加工的产量或产值按行业平均废料率折算。折旧废钢是最难的部分因为报废周期不固定汽车报废周期大约10到15年家电大约8到12年建筑拆解不规则。成熟市场的做法是用“钢铁蓄积量”乘以“报废系数”来估算可回收资源但国内多数调研报告并不公开这个系数的推导过程需要自己用历史数据反推。统计边界还涉及“废钢去向”。废钢并不全部用于炼钢还有一部分流向铸造厂生产铸件少部分被小钢厂违规用于“地条钢”生产正规统计会剔除。当你对比不同报告时先看它对废钢消耗量的定义是“钢厂采购量”还是“炼钢消耗量”。钢厂采购量包含库存变动和中间贸易商囤货炼钢消耗量才是真正被熔化的量。用采购量做趋势分析价格的扰动会被放大。2.2 需求端拆解炼钢消耗为什么比“社会废钢回收量”更可靠需求端相对集中。废钢最大的用途是炼钢分转炉和电炉两条工艺转炉用废钢作为冷却剂和辅助原料一般配比在10%到20%电炉炼钢以废钢为主要原料配比可以达到80%以上甚至全废钢冶炼。所以判断废钢需求核心看两个变量粗钢总产量和电炉钢占比。粗钢产量决定炼钢总需求规模电炉占比决定废钢在这个总盘子里的分额。这两个数据在行业统计中都是月度发布的滞后时间短比废钢回收量靠谱得多。打个比方某一年粗钢产量下滑3%但电炉钢占比从10%升到13%废钢消耗总量可能不降反升。如果只看“社会废钢回收量”这类供给端数据就会得出供需失衡的错误判断。我在实际调研中会先把粗钢产量、电炉钢产量、转炉钢产量、废钢消耗总量四列数据对齐然后计算两个派生指标转炉废钢比和电炉废钢比。这两个比值的趋势比绝对量更能反映产业结构变化。2.3 数据表怎么搭关键字段、单位与口径统一一览做废钢调研前先搭一张统一口径的数据主表。字段如下建议按年存储字段单位说明年份年统一用自然年粗钢产量万吨国家或行业统计口径电炉钢产量万吨注意部分企业转炉有混用炉料转炉钢产量万吨粗钢产量减电炉钢产量废钢消耗总量万吨指炼钢实际消耗不含铸造转炉废钢比%转炉废钢消耗量 / 转炉钢产量电炉废钢比%电炉废钢消耗量 / 电炉钢产量社会废钢回收量万吨调研估算注意口径差异进口废钢量万吨进口再生钢铁原料废钢价格重废元/吨不含税或含税要标注数据清洗时最容易翻车的是“价”和“量”打架。废钢价格有含税和不含税两种报价地区差异也大华东的重废报价和华南的重废报价每吨能差几十块。做预测模型时我习惯统一用不含税重废价格因为含税价格会受退税政策波动影响模型系数会不稳定。另外粗钢产量数据注意区分“统计产量”和“实际产量”个别年份存在表外产量和重复统计需要对比两个独立来源取交叉验证。3. 预测2023-2028年废钢趋势时间序列、回归与情景参数怎么设行业预测没有万能方法。短至一个季度的价格判断用时间序列平滑中长期的消耗量判断用结构模型加情景分析。两者不是二选一而是配合使用。常见做法是先用历史数据拟合一个基准模型再叠加产业假设做情景调整。下面这张套路我自己在项目里用了很多年误差原则上能控制在正负15%以内。3.1 短期预测用时间序列中长期预测靠结构模型如果你想预测未来三到六个月的废钢消耗量指数平滑和自回归模型足够。废钢消耗量和粗钢产量、电炉开工率高度相关而这两个变量在短期内有惯性。常见的做法是对废钢消耗量做季节分解因为有明显的“金三银四”“金九银十”规律加上冬储因素四季度消耗量往往会翘尾。用Python可以做简单示范import pandas as pd from statsmodels.tsa.holtwinters import ExponentialSmoothing # 历史消耗量序列单位万吨月度数据 consume pd.Series([210, 205, 220, 235, 240, 245, 250, 255, 230, 215, 225, 240], indexpd.date_range(2023-01-01, periods12, freqME)) # trend表示趋势项seasonal周期为12个月 model ExponentialSmoothing(consume, trendadd, seasonaladd, seasonal_periods12).fit() forecast model.forecast(6) print(forecast)这里trendadd意味着消耗量每年有固定增量seasonaladd意味着季节性波动幅度相对稳定。如果废钢行业进入电炉扩张阶段消耗量基数会不断抬高这时用乘法季节项更合适即seasonalmul它能体现“淡旺季波动随基数放大”的特征。注意这个模型只适合短期外推拿它预测五年后误差会被趋势项线性放大结果没有参考意义。3.2 用多元回归把废钢消耗量拆成形系数怎么解释中长期预测我更偏好结构模型把废钢消耗量拆成解释变量。最常用的简化方程是废钢消耗量 a × 粗钢产量 b × 电炉钢占比 c × 转炉废钢比 常数。这个方程不做出来之前你不知道哪些变量真正驱动需求。比如你会发现粗钢总量停滞时电炉钢占比每提高1个百分点废钢消耗量增加几千万吨。下面是一段示例代码用历史数据拟合系数import pandas as pd from sklearn.linear_model import LinearRegression # 构造历史输入粗钢产量亿吨、电炉钢占比%、转炉废钢比% data pd.DataFrame({ crude_steel: [9.28, 9.96, 10.53, 10.33, 10.13, 10.50], eaf_share: [10.1, 10.5, 10.8, 12.0, 13.2, 14.0], bf_scrap_ratio: [11.2, 12.0, 13.5, 14.0, 13.2, 13.8], scrap_consume: [18800, 22000, 23000, 25000, 24000, 24500] }) X data[[crude_steel, eaf_share, bf_scrap_ratio]] y data[scrap_consume] model LinearRegression().fit(X, y) # 输出系数分别对应三个解释变量每变化一单位时消耗量的变化 print(coefficients:, model.coef_) print(intercept:, model.intercept_)这里eaf_share的系数通常在1000万吨以上含义是电炉钢占比每提升1个百分点废钢消耗量可能增加超过一千万吨bf_scrap_ratio的系数则表示转炉多加废钢带来的增量。实际建模要小心多重共线性粗钢产量、电炉钢占比两个变量往往同向变动导致系数失真。解决办法是先看相关系数矩阵然后试着去掉某个变量观察系数变化。这一步没法偷懒否则模型会在情景分析时给出完全矛盾的结果。3.3 情景参数的三个关键变量粗钢产量增速、电炉钢占比、废钢比预测2028年没人知道粗钢产量精确到多少所以通常给三个情景。中性情景假设粗钢产量在2023年基础上小幅下滑电炉钢占比从当前的15%左右缓慢上升到20%乐观情景假设电炉扩张加速、产能置换顺利电炉占比到25%保守情景则假设废钢供应跟不上导致电炉开工率受限。每个情景对应一组参数代入回归方程算出结果。参数不能拍脑袋。粗钢产量增速可以参照历史五年平均值和钢铁产能置换政策电炉钢占比的提升速度要参考电炉产能投产进度和吨钢投资回报率。废钢比的上限受冶炼工艺限制转炉废钢比很少能超过25%电炉废钢比若采用全废钢工艺可以到90%以上但现实中因为铁水成本低很多电炉企业会掺兑20%到40%的铁水这样电炉废钢比就会被打折扣。所以做情景时我常把“电炉废钢比”和“电炉钢产量”分开假设而不是只假设一个电炉占比。这样每组情景都能追溯到一个产业逻辑事后如果发现预测偏了也可以定位是哪条假设出了问题。避免把预测模型当黑匣子这是独立做判断的前提。4. 读懂报告里的五个关键指标废钢比、电炉钢占比、复合增长率与价格表述一份合格的废钢行业调研报告会在关键结论前给出指标定义。但我见过太多报告把指标混着用导致方向正确、细节满错。这一章专门把最容易混淆的几个指标拆开讲。4.1 废钢比与电炉钢占比两个指标千万别混着用废钢比的定义是废钢消耗量占粗钢产量的比重它反映的是整个钢铁行业的废钢使用水平。电炉钢占比则是电炉钢产量占粗钢产量的比重反映的是工艺结构。两者有关联但不是一回事。比如某年电炉钢占比没变但所有转炉都多加了废钢废钢比会上升电炉钢占比却纹丝不动。反之电炉钢占比提升但转炉废钢比下降总废钢比可能持平。看报告时先确认讨论的是哪个指标。有些报告在描述“废钢行业发展前景”时用废钢比却在预测时用“电炉钢占比”做驱动因子中间没有做换算这就是硬伤。正确做法是先分别预测电炉废钢消耗量和转炉废钢消耗量再相加得到总消耗量。4.2 价格预测为什么容易“看着对、用不上”废钢价格预测是最容易被吐槽的部分。供需缺口理论可以判断方向但没法给出具体价位因为废钢价格不仅由供需决定还受钢厂采购节奏影响。钢厂废钢库存水平低时即使供需宽松也会为补库而抬价库存高时哪怕废钢紧缺也会压价。所以价格预测报告如果只讲“供需缺口多少万吨”就得出价格涨跌大概率是在糊弄。好的价格预测至少要叠加两个变量钢厂废钢库存天数和电弧炉产能利用率。库存天数低于7天时钢厂普遍有补库压力价格易涨难跌电炉产能利用率高于60%时废钢需求刚性较强低于40%时需求疲软。这两个指标在行业资讯平台能看到周度数据用来做短期价格判断比年度供需平衡表更灵敏。4.3 复合增长率与年均增速口径差异能把结论差出两倍复合增长率CAGR是期末值除期初值开N次方再减一年均增速则是把每一年的增速简单平均。两者在数据波动大时差异明显。例如某品种废钢消耗量从1亿吨涨到1.5亿吨经历大起大落复合增长率可能只有5%年均增速却可能高达9%。报告里不写清是哪种算法你按自己的经验去理解就会差出很多。我一般遇到“年均增速”四个字会顺手把报告里的历史数据拉出来自己算一遍CAGR。如果发现报告用年均增速做预测基准而历史数据有负增长年份那就要警惕因为简单平均会掩盖波动让外推结果过于平滑。4.4 再生钢铁原料与废钢标准不同价格和用途也不同最近几年报告中出现“再生钢铁原料”这个词它和传统废钢的差异需要特别关注。再生钢铁原料是按照特定标准分类的回收铁素材料对杂质、尺寸、放射性都有严格限制可以直接替代废钢入炉。因为标准更严它的价格通常比普通重废高出每吨几十到一百元。忽略这个差异在对比进口数据和国内废钢价格时会得到失真结论。报告中如果出现“废钢进口量”和“再生钢铁原料进口量”要确认是同一统计口径。环保监管趋严后进口废钢被重新定义为资源标准和统计方式都变过历史数据并不可直接衔接。做趋势预测时我会把进口数据拆成标准和口径切换前后两段分别处理避免在报告里看到一条“断层式增长”就误判为需求暴增。5. 废钢调研预测避坑指南五个血泪教训这一章是过去这些年踩过的坑。每条都是“现象 → 原因 → 解决”三层你可以直接对照自己的数据排查。5.1 社会回收量增加但炼钢消耗没跟上报告却在讲“需求旺盛”现象某调研报告用“回收站到货量上升”推导“废钢需求增长”但同期粗钢产量和电炉钢占比都没明显变化炼钢废钢消耗量甚至微降。原因到货量是中间环节库存不是终端消耗。回收站看到价格有涨预期时主动囤货到货量上升只能说明贸易商乐观不能证明钢厂在加大采购。另外废钢有一部分流向铸造厂回收量增加可能反映的是铸造需求而非炼钢需求。解决看废钢需求只看两个硬指标钢厂废钢消耗量和钢厂废钢库存天数。前者反映真实冶炼消耗后者反映采购节奏。报告里任何“需求旺盛”结论必须能找到这两个指标的数据支撑否则就当观点看不当依据用。5.2 用电炉产能倒推废钢需求高估了将近30%现象A团队用各地区公布的电炉产能汇总乘以设计利用率和废钢配比推算出废钢需求结果比实际消耗量高了近30%。原因电炉产能不等于电炉产量。很多电炉长期停产或处在产能置换过渡期还有一部分电炉为了降成本大量掺兑铁水实际废钢配比远低于设计值。调研中只问“设计产能是多少”没有问“过去一年的实际产量”就会出现这种翻车。解决用统计部门或行业协会公布的电炉钢实际产量不用产能数据。如果拿不到实际产量就用粗钢总产量乘以电炉钢占比来反推电炉钢产量。电炉钢占比可以从耗电量估算电炉炼钢吨钢耗电约400到500度用工业分项电力数据可以交叉验证。5.3 把废旧金属价格指数当成废钢价格库存策略全错现象某采购团队参考“综合废旧金属指数”制定废钢采购预算结果每次报价都比市场实际成交价偏低供应商惜售库存总是建不起来。原因综合废旧金属指数包含废铜、废铝、废不锈钢等品种这些品种受有色金属价格和新能源需求驱动与废钢走势经常背离。废钢本身是黑色金属跟随钢材价格和铁矿石成本波动。拿综合指数当废钢价格天然带入了无关干扰项。解决价格分析只用废钢自己的价格序列默认用重废厚度不小于6毫米不含税价格。如果报告给出的是“废钢均价”要看清楚这个均价的样本范围是重废还是混合料是华东还是全国。不同等级废钢价差在行情波动时会拉大混用会严重扭曲成本测算。5.4 预测外推到2028年误差比你想象的大得多现象某报告用2015-2022年废钢消耗量趋势直接外推2028年预测年增速6%以上但2023年实际增速只有不到2%。原因2020年前后废钢消耗量暴增有特殊背景铁矿石价格高企导致转炉大量加废钢同时电炉产能集中投放。这两个驱动因素在2023年后都减弱了铁矿石价格回落电炉投产节奏放缓历史趋势外推自然失真。统计模型不知道这些结构性变化。解决预测年限超过三个自然年必须做情景权重。我的习惯是给每个情景算一个主观概率然后取期望值同时列出悲观和乐观区间。报告里如果没有置信区间或敏感性分析那个预测数字只能当基准参考不能当预算依据。5.5 忽略直接还原铁和进口废钢的替代效应现象某区域废钢需求预测看涨但实际废钢采购量却在下降原因是当地钢铁企业开始大量采购直接还原铁和高炉铁水替代废钢。原因废钢不是不可替代的炼钢原料。高炉铁水是转炉最主要的炉料直接还原铁DRI可以替代部分废钢作为电炉原料。当直接还原铁价格比废钢低时电炉厂会增加DRI配比减少废钢用量。进口废钢价格波动也会影响国内废钢的采购预算。单看废钢自身供需会忽略跨品种竞争。解决建立一个“废钢直接还原铁生铁”的综合成本对比表定期盯三者价差。报告中预测废钢需求时应同时给出替代品价差假设。如果价差假设缺失这条预测的可靠性就要打折。6. 把报告落成决策工具一个验证模板加一个采购策略预测报告不能停在“读数”。下面这套验证模板能快速判断一份报告值不值得信以及怎么把预测转成库存策略。6.1 逆向核对报告假设一张检查清单拿到任何废钢预测报告按这张表逐项核对缺两项以上就只当参考检查项合格标准消耗量定义明确是炼钢消耗量还是包含铸造和中间库存电炉钢占比假设给出推导依据而不是简单线性外推废钢比假设区分转炉和电炉给出上限约束价格口径明确重废等级、含税与否、地区范围替代品因素说明直接还原铁/进口废钢的价差假设情景与概率至少给出中性、乐观、悲观三档并配概率权重我自己习惯先从报告的“最终数字”反推计算过程把关键假设列成一个Excel表再代入中性情景看能不能得到报告里的结果。对不上说明报告内部有逻辑断裂直接弃用也不可惜。6.2 用敏感性分析决定库存缓冲假设预测2028年电炉钢占比可能落在18%到23%之间废钢消耗量会相应变动。用上文的回归模型把eaf_share参数按区间扫描画出敏感性表就能知道哪些变量最值得关注。例如敏感性分析发现eaf_share每变化1个百分点废钢消耗量变动2000万吨而粗钢产量变化1亿吨才影响1500万吨那未来你要重点盯电炉投产进度而不是粗钢产量。采购策略上如果预测中性情景下废钢价格区间在2800到3200元/吨而当前价格为2900元那就把库存天数从7天提高到10天并设置一个3000元的价格触发线超过该线停止囤货。这样做不是准确预测价位而是用一个决策规则应对不确定区间让报告结果变成可执行动作。我现在还保留着一个习惯每份预测报告我都当它是一套假设集先验证假设再决定投入多少资金或库存头寸。废钢行业没有水晶球但把供需拆清楚、口径对齐、坑避掉你的判断至少比单纯追涨杀跌稳定。希望帮到你。本文还有配套的精品资源点击获取
阅读完成 · 觉得有帮助？
