衞星遙感數據告訴你,中國經濟恢復得怎麼樣了?
隨着國內疫情趨於好轉,各地紛紛降低響應級別。
與此同時,國外的疫情正處於爆發階段,美股十天內四次熔斷,在關注疫情發展的同時,經濟的恢復也不容輕視。
微眾銀行攬月平台利用衞星遙感數據對中國的經濟恢復情況進行深入研究(本次研究的數據截止於3月9日),中國各個行業的復工情況如何?疫情對未來幾個月又將產生何種影響?
吳海山
以往我們做投資研究、金融分析,用的最多的是一些傳統數據,比如CPI、利率、PMI指數等,缺點在於,可能每個月才會更新一次,對我們來講非常低頻。
另類數據
而另類數據可以讓我們用一個新的手段,看到經濟的運轉或者企業狀況。這些數據本身的數量非常大,比如智能手機上的定位數據、支付數據,能夠幫助我們看到線下商場的消費,餐飲履約進展。
5G到來,物聯網會變得會越來越普及,而5G和物聯網的數據將幫助我們去監測經濟的運轉,城市的變化。如果未來無人車普及,那麼,在大街上跑的就不是幾百萬輛車,這意味着將會有幾百萬個眼睛,幫我們“看到”這個城市的變化,比如海底撈前面有沒有人排隊,星巴克前面有幾個人在買咖啡等。
那麼如何利用另類數據來分析經濟?當下中國經濟恢復情況如何?衞星遙感數據在其中又發揮了哪些作用?
1、衞星發射已經不是一件“昂貴”的事情
目前,衞星的大小、成本、體積和發射的價格越來越低,這讓我們使用衞星數據成為了可能。左圖是目前幾個衞星體積的大小,最右邊的美國的Digital Globe公司製造的衞星叫Worldview,它有幾噸重,造價也非常貴。但是它的圖片分辨率非常高。
衞星體積的變化
Plant Labs公司發射的衞星叫鴿子衞星,大概就像右邊這個圖這麼大,我們一個手就能拿起來,而且它的發展成本也比較低。
如果衞星非常貴的話,每次只能發射一顆或者兩顆,它對地球的觀測頻度也會大大的降低。現在衞星的成本降得非常低,可以實現對地球非常高頻的觀測。比如像Plant Labs已經有300多顆衞星,它幾乎可以實現“天級別”的數據更新。
很久以前,摩托羅拉有一個銥星計劃,想把很多衞星發射到天上去,組建一個全球不間斷的通訊網絡。不論你是在家裏,還是在深山,甚至是大海里都可以使用網絡。但是這個計劃在當時可能太過雄偉,以至於它花了太多的經費,最後沒有成功。但銥星計劃這個公司活了下來,而且現在已經開始盈利。
從銥星計劃到Starlink
當下最引人注目的是Starlink公司,它每次可以將上百顆衞星發射到太空。右邊這張圖是他們一次性發射了大概60顆衞星,就像在太空中的一輛班車一樣。而這些衞星數據會變得越來越普及,隨着中國和美國科技的發展,太空之爭幾乎變成了中美競爭。
各國發射成功數量對比
這張圖來自於《經濟學人》,從1957年冷戰開始,一直到2018年,美國、中國以及俄羅斯(前蘇聯)向太空發射數量的變化。大家可以清晰地看到,在冷戰期間基本上是美國和蘇聯主導。但到最近,尤其在2018年,中國發射的數量增長非常快。現在太空衞星發射已經變成了中美之間的競爭。
2、衞星數據隱含了哪些信息?
衞星遙感圖像如何生成?
衞星發射之後,我們怎樣獲取數據分析呢?左邊是一顆遙感的衞星,可以通過不同光譜的傳感器捕捉到成像。右邊的圖片就是不同的通道和光譜拍攝到的衞星圖片。
最下面是熱紅外成像,如果這個區域的温度比較高,那麼發光亮度就比較大,它可以幫助我們觀測這個區域的經濟發展。中間的圖叫雷達合成孔徑圖像,這個圖像的意義是什麼?如果衞星拍一個圖片,這個地方有很多雲或者霧是拍不清楚的,但雷達合成孔徑可以通過另一個波段繞過雲層拍攝地面狀況。這張圖就是雷達合成孔徑對衞星拍攝下的儲油罐。
另外一個就是我們經常説的彩色通道,它對不同的可見光會有反應,可以看到人眼能看到一些圖片信息。不同的類型的衞星能夠拍攝到不同類型的圖像,分析的價值和意義也是不一樣的。
數據使用在多領域
目前,通過這種另類數據做金融分析在國外非常常見。這張圖展示的是美國的創業公司裏,從事遙感衞星圖像分析、採集和衞星發射的相關公司,它們的數據已經用在了非常多領域。
我們可以通過衞星來觀測——
沃爾瑪停車場的停車數量,分析消費的變化;
可以看房地產的進展;
生產製造行業的進展和變化;
港口貨輪數量的變化,推測貿易狀況。
但衞星數據分析起來非常難,因為衞星圖像的分辨率比較高,量非常大,所以分析的門檻也比較高。它需要有非常強的人工智能來分析這些數據。而這種數據的好處之一是能夠相對客觀、實時地幫我們判斷經濟發展。
另類數據的應用
● 公司經濟活動跟蹤
通過衞星,我們可以監測公司經濟的運轉,比如圖一是某個大型商超,我們可以來觀察這個區域的停車數量變化,進而觀察客流的變化,從而判斷經濟運轉效果。
● 原油儲量跟蹤
在期貨中,也可以利用衞星數據來監測分析。原油期貨的存儲和供給是非常重要的兩個指標,我們可以通過AI算法自動識別這塊區域的儲油罐的面積和大小,然後再根據陰影面積的大小估算每一個油罐的儲油量。通過這種方式,我們可以評估全國範圍內,甚至是全世界範圍內的原油儲量。這個信息在原油期貨交易中,可以作為一個非常好的指標使用。
● 機場流量跟蹤
疫情對機場交通的影響非常大。我們可以通過衞星圖像分析、監測飛機數量變化,評估各種事件對機場或周邊其他機場的影響。
● 農作物產量預測及期貨應用
同時也可以對農業產量進行預測,圖五是我們團隊通過AI算法自動識別不同類型的農作物,包含玉米,大豆,水稻等,再通過算法預測不同農作物區域的產量。這不僅對農業的應用有非常大價值,對農業期貨交易也有非常好的參考價值。
● 新能源發展指數
隨着氣候變化,新能源已經變得越來越重要。其中最重要的發展方向之一就是太陽能光伏電站的發展。我們可以通過衞星圖像、算法、自動識別中國所有的光伏電站,評估線下光伏電站安裝的進展和整個光伏產業的變化。
2018年,光伏產業有個531新政,國家取消了對新能源的一些補貼,這會對光伏太陽能電帶來哪些影響?通過衞星數據就可以做一個非常好的評估。
● 區域經濟活力監測
中國有句俗話“想致富先修路”,我們通過監測不同區域的路網,就可以來評估這個區域的經濟發展活力。
● 企業風險地圖
最後一個應用在企業風險和保險行業。這是我們選取的一個真實案例,2019年的颱風從浙江登陸一直到山東。桔黃色的區域是我們通過算法監測到的受到颱風影響的大棚區域變化,這對保險公司核保定損有非常大的參考價值。
3、後“疫情時期”,中國經濟恢復狀況
通過對另類數據的分析,我們有四個方面的重要發現。
來源:微眾銀行
第一,我們用另類數據構建了一個指數——“中國經濟恢復指數”(CERI),通過聚合的出行數據,評估中國目前經濟恢復的進展狀況。最新的CERI指數已經更新到2020年3月9日,它顯示中國目前72%的經濟已經開始恢復好轉,沿海城市恢復的程度比內陸城市好。
第二,在疫情期間,線上行業的變化是翻天覆地的。線下行業受到疫情的影響比較小,但是線上行業增長非常迅猛,可以通過線上的輿情數據來評估線上行業的變化。
第三,通過衞星數據監測分析中國的製造業發展,我們構造了一個指數——基於衞星的生產製造指數(SMI)。最新的結果顯示,鋼鐵行業在二月中旬已經恢復到了80%,恢復的程度是非常好的。
另外,通過人工智能算法可以監測不同區域的車輛數,從而判斷這個區域的復工變化。比如説特斯拉,我們發現特斯拉的工廠停車場的數量在2月10日已經完全停滿,這意味着這個區域的復工的速度基本上在二月初就達到了100%。而疫情對於旅遊業的影響非常大,比如上海迪士尼樂園,基本上沒有一輛車,這也印證了它目前還沒有營業的狀況。
第四,通過AI算法建立預測模型,分析整個中國的疫情後續的走勢。我們構建了幾個模型,結果顯示,在三月底疫情對經濟的影響基本上都可以恢復。
中國經濟恢復狀況
2019、2020中國經濟恢復指數對比
這張圖是2020年和2019年中國經濟恢復指數的變化,我們分析了中國每個城市復工的CERI的指數變化,根據城市GDP的大小加權做了處理,構建了整個中國的經濟恢復指數。
2019年,整個經濟在過年之後的第一週,恢復度都已經達到80%左右,從第二週開始(也就是元宵節之後),經濟復甦程度達到100%。
2020年,由於疫情的影響,從初一開始都慢慢往下滑。有些旅遊城市,比如三亞,年前有很多人去旅遊,但是封城是在1月23日、24日決定的,很多出去旅遊的人開始返回。整個旅遊業行業的變化也在指數里面反映了出來,中國經濟恢復指數反映的是整個中國經濟消費和製造兩個板塊的綜合評估結果。
2020年,2月8日、9日左右,整個結果是最低的。但從2月9日復工後,慢慢有所增長。最新結果顯示,3月9日,中國的經濟恢復指數達到了72.2%,但不同城市的結果差別非常大。
各省份復工程度對比
這張圖上,顏色越深代表區域的復工程度越好。從2月8日到3月9日,沿海包括很多內陸城市(除武漢外),恢復程度都非常不錯。
生產製造業恢復情況
我們可以通過衞星圖像觀察生產、製造業的行業變化,我們定義了一個衞星生產指數,它通過衞星數據分析生產、製造業的變化和進展。
以鋼鐵製造業為例,如何通過衞星圖像進行觀察呢?鋼廠鍊鋼,高爐的温度非常高,它會釋放短波紅外輻射。我們用歐洲的Sentinel哨兵衞星能夠捕捉短波紅外,就可以看到這個區域的變化。圖中紅色的點就是鋼廠的高温區域。
衞星捕捉到的短波紅外
我們通過人工智能算法自動識別這些區域,構建了一個能夠衡量鋼鐵產業復工進展的變化。我們把2019年9月、10月、11月、12月做了一個回測,看一下分析的鋼鐵行業SMI值與平常看到的宏觀數字的關聯性是什麼。對比了兩個行業數字,第一個,藍色的叫工業增加值,紅色線條是我們計算的SMI,基本上它的趨勢是非常吻合的。
鋼鐵產業復工進展的變化
第二個對比的是PMI,即通過對採購經理的月度調查彙總出來的指數反映經濟的變化趨勢。比如PMI是50,就代表它是增長的。整體來説,我們的SMI與PMI在去年幾個月中的表現是比較吻合的,但是在11月,12月不太一樣。
整個鋼鐵行業受到的影響並不是很大,我們也通過其他的手段佐證了這個事實。
寶鋼停車場對比圖
比如這個是上海寶鋼的停車場,左邊是2019年4月份的,右邊是2020年2月10日的畫面。通過AI的算法識別停車場中車的數量,我們發現這個區域在2019年正常工作日的時候,大約是1000多輛車。在2020年2月10日大概有600多輛車,整體的恢復指數在60%左右。而紅外衞星圖像的發展變化在70%左右,基本比較吻合。
上海特斯拉工廠停車場
另一個比較大的公司——特斯拉。我們分析了上海特斯拉工廠的員工停車區域,觀測特斯拉員工的停車場數量變化。在疫情期間,1月31日大概只有18輛車。但是到2020年2月10日復工的時候,停車場大概有100多輛車,這塊區域的整體復工率幾乎是接近百分之百。對比官方以及網上的報道,整體情況比較吻合,特斯拉恢復的進展比較好。
線上行業變化
線上行業增長變化
我們通過網上的輿情信息,觀察線上行業的變化。
出乎意料的是整體電商行業,在疫情期間幾乎沒有什麼大的變化,而快遞行業有一個小幅下滑。我們把數據與不同行業的公司股價走勢做了對比,比較吻合。
疫情的影響會持續多久?
疫情性對經濟的影響會持續到什麼時候呢?
線上輿論指數
疫情的消除與恢復不能一概而論,通過社交媒體的輿情數據,我們把網上有多少人還在討論肺炎、病毒、新冠的數字做了一個指數。可以看到一月初,媒體開始報道新冠病毒,往後處於沉寂的狀態。直到1月20日左右,有一個高爆發的增長,1月24日達到最高峯。在這期間每天都保持一個高狀態。隨着國家開始採取有效的管控措施後,在線討論疫情的頻度和指數開始有了明顯的下滑趨勢。
我們根據下滑的趨勢做了一個簡單的預測模型,預計在4月2日可以接近正常狀態。但是這個結果不一定完全準確。因為從三月初開始,下滑的幅度已經有了一個非線性的變化。原因之一就是疫情演變成了一個國際性話題,西班牙、意大利、韓國等國家也出現了很多患者,大家不可避免的在網上會討論這些國家的疫情變化。
出行指數
另外兩個預測也驗證了我們的結果,第一個是基於出行指數,1月24日開始一直下滑,2月8日達到最低點,然後隨着復工的變化,整體開始緩慢上升。預測的結果大概是在3月28日左右。
中國經濟恢復指數
第二是基於中國經濟恢復指數,預測的結果也是在3月26日左右,與3月28日比較接近。三個模型綜合起來,我們認為三月底左右,整體經濟和大家的生活基本可以恢復正常(除武漢外)。
我們非常期待,結果與我們預測的一樣。
文字 | 王鋭;校對 | Lily
版面 | 尹歡歡
點擊下方藍字“瞭解更多”,獲取「造就」更多優質內容。