选股的 80% 努力应该花在行业判断上，而不是死磕一家公司。本文用波特五力回答"这门生意好不好做"，用产业链分析回答"哪一段最赚钱、哪一段要避开"，把行业研究这件事一次性讲透。
选股的核心不是找到好公司，而是找到好行业里的好公司。行业景气度决定行业 80% 的平均涨幅，估值波动常常是行业 β 而非个股 α。波特五力告诉你行业竞争结构和平均利润率，产业链分析告诉你利润在哪个环节集中、剪刀差策略该押哪一段。两者搭配，就是散户能用的最朴素也最实用的行业研究框架。
很多散户把绝大多数时间花在研究单家公司上——翻财报、查公告、画 K 线。但真正决定一只股票长期涨跌的，不是财报里的某个季度数字，而是它所处行业的景气度和竞争结构。选股 80% 的努力应该花在行业判断上。
原因有三：
一句话记住：选股票的本质是选赛道。赛道错，公司再努力也是逆水行舟；赛道对，差一点的玩家也能分到一杯汤。
那么怎么判断一个赛道好不好？传统商学院用的是波特五力模型，而 A 股实战里更接地气的工具是产业链分析。下面分别讲。
1979 年，哈佛大学迈克尔·波特提出波特五力模型。它的核心观点是：一个行业的长期平均利润率，不取决于行业内公司有多努力，而取决于五种结构性力量的合力。
| 力量 | 关键问题 | 对行业的影响 |
|---|---|---|
| 供应商议价能力 | 供应商集中度？转换成本？是否存在稀缺资源？ | 上游涨价时，能否顺利转嫁给下游？ |
| 购买者议价能力 | 客户集中度？价格敏感度？产品差异化程度？ | 行业公司能否顺利提价？ |
| 新进入者威胁 | 准入门槛？规模效应？牌照壁垒？ | 新公司能否容易进入并抢走份额？ |
| 替代品威胁 | 替代品的相对成本？性能差距？切换习惯？ | 是否会被跨行业的产品彻底颠覆？ |
| 行业内竞争强度 | 市场集中度？行业增长率？产品差异化？退出壁垒？ | 行业内部是否陷入惨烈的价格战？ |
每个维度按强度打分（1 = 极弱/极有利，5 = 极强/极不利）：
案例对比：高端白酒的波特五力总分大约在 6-8 分——上游高粱种植分散（弱）、下游消费者极度分散（弱）、品牌+窖池+时间构成强壁垒（新进入弱）、替代品威胁小、行业内竞争有序。这是过去二十年 A 股最赚钱的行业之一。
反过来看普通钢铁：上游铁矿石被三大矿垄断（强）、下游是少数大钢厂（强）、技术成熟无壁垒（新进入弱但产能过剩）、替代品不多、行业内几十家大厂打价格战（极强）。总分 18+，所以整个行业长期 ROE 都在个位数挣扎。
它更适合分析成熟期和衰退期的稳定行业。对于技术快速变化、监管频繁调整的新兴行业（比如当下的 AI、固态电池），模型会显得僵硬。实战中要把它和产业链分析搭配使用。
如果说波特五力是从"行业整体"看竞争结构，那产业链分析就是从"上下游关系"看利润在哪里集中。同一个产业链，不同环节的赚钱能力天差地别。
产业链分析最经典的应用，是剪刀差策略。看两个宏观指标：
实战启示：2021 年 10 月 PPI 同比 13.5%、CPI 1.5%，剪刀差达 12 个百分点（创历史纪录）。那一年周期股（煤炭、有色、化工）大牛市，而消费股普遍惨淡。到了 2023-2024 年剪刀差收敛甚至倒挂，逻辑就开始反向——消费股反弹、周期股熄火。注：原文"全年 PPI 同比 13%、CPI 0.5%"与官方公布数据不符——2021 全年 PPI 同比 +8.1%、CPI +0.9%；13.5%/1.5% 才是 2021-10 的单月极值。
同样一套逻辑，产业链投资就要顺着利润传导的方向走，避开被两端挤压的中游地狱。
知道了产业链结构还不够，散户真正难的是怎么持续跟踪一个行业的真实景气度。四种主流方法各有优劣：
| 方法 | 路径 | 适用场景 | 核心优缺点 |
|---|---|---|---|
| 自上而下 | 宏观 → 行业 → 公司 | 大资金 / 资产配置 | 把握大方向，但容易错过个股 α |
| 自下而上 | 公司 → 行业 → 宏观 | 深度研究 / 个股挖掘 | 挖掘牛股，但容易陷入只见树木不见森林 |
| 专家网络 | 访谈行业从业者 | 专业级研究 | 信息密度最高，但成本高且样本可能偏差 |
| 公开数据交叉 | 协会报告 + 上市公司年报 + 招标数据 | 散户最现实的方法 | 免费且客观，但有滞后性 |
对绝大多数散户来说，自上而下 + 自下而上结合公开数据交叉是最现实的方法。具体操作三步走：
一个反常识：很多专业卖方分析师的盈利预测模型非常复杂，但真正驱动股价的，常常是几个简单的供需指标——比如水泥要看发货率和库存、光伏要看硅料价格和组件排产、消费品要看社零和电商 GMV。掌握这些高频指标，比读 200 页报告更有效。
每个行业都会经历四个阶段，不同阶段的赚钱逻辑完全不同。判断错阶段，估值方法也会全错——比如把成熟期当作成长期去估值，就会被套在山顶上。
| 阶段 | 行业增速 | 典型特征 | A 股典型行业 |
|---|---|---|---|
| 导入期 | 增速 > 100% | 盈利不稳定，渗透率 < 5%，大量公司烧钱 | 早期生物医药、商业航天、固态电池 |
| 成长期 | 增速 30%–100% | 渗透率 5%–30%，龙头开始显现，估值最贵 | 2017-2020 新能源车、2023+ AI 算力 |
| 成熟期 | 增速 5%–30% | 格局稳定，集中度提升，龙头吃肉 | 白酒、家电、调味品、保险 |
| 衰退期 | 增速 < 5% 或负增长 | 产能过剩，价格战，尾部企业亏损出局 | 传统报刊、低端功能手机、某些子化工 |
A 股最大的 β 来自成长期向成熟期过渡的行业。
比如 2020 年的新能源车（增速 100%+，但格局已经向龙头集中）、2023 年的存储芯片（从亏损周期切入涨价周期）。
核心逻辑：行业还在增长，但竞争结构已经稳定——这种"既增又稳"的窗口期，是 A 股最容易出十倍股的阶段。
行业研究听起来高大上，但散户最容易踩 4 个坑——这些坑不避开，再多研究也是白做：
这是最经典的错误。好行业里也有大量亏损公司。比如 2020 年新能源车行业增速 50%+，但当年亏损的新能源车企超过 100 家。能享受到行业 β 的，往往只是少数龙头和细分龙头。
行业平均数据掩盖了巨大的结构差异。化工行业整体 ROE 10%，但龙头万华化学 ROE 能到 25%，尾部企业只有 3% 甚至亏损。投资研究要穿透到行业内分层，而不是只看行业平均值。
很多散户看到 PE 10 倍就兴奋，殊不知这是周期股顶部信号——煤炭股 PE 不到 5 倍时，往往是周期顶部（业绩不可持续）；PE 20 倍时，反而可能是底部（业绩即将反转）。单一指标永远会骗人，必须结合行业特性看。
这是 PE 误用的另一面。猪周期、煤炭、化工、有色都是强周期行业，用 PE 估值会犯致命错误——景气高点 PE 看着便宜（其实是最贵），景气低点 PE 看着贵（其实是最便宜）。周期股要看 PB 和历史分位，不能只看 PE。
最后一个忠告：行业研究不是越复杂越好。真正的高手，是用最简单的框架（波特五力 + 产业链 + 生命周期）反复迭代，而不是堆砌几十个指标让自己陷入分析瘫痪。先有框架，再用数据填空。