摘要

投资者看估值，常先盯市盈率（PE）——但它对亏损行业“失了真”：没有利润，倍数便无意义。于是本文换一把尺子，用市销率（PS）即“价格 ÷ 营业收入”，去量 A 股一级行业“每 1 元收入值多少市值”。

本文以济安金信行业分类体系（一级、二级、三级三层）对全市场 A 股样本做横向扫描，以“行业中位数 PS”为主口径、并排披露平均 PS，呈现 45 个一级行业 PS 的绝对水平与内部差异。扫描的结果是一张“营收定价图谱”：高 PS 扎堆于软件、电子、通信、医药等科技成长链条，低 PS 沉淀于建筑、能源、资源采选与流通等传统周期板块；金融、地产等营收口径不可比或预期极度悲观的行业，则须单列或谨慎解读。一级口径下的“科技贵、周期贱”，下沉到三级后被拆成可归因的事实——半导体九个赛道的 PS 分化剧烈，热度集中于算力芯片等少数环节。排名不是结论，而是观察市场逐行业重定价、检验分类体系可迭代性的一份诊断。总体而言，高 PS 行业多承载成长溢价、低 PS 行业多呈结构性折价、中间组构成观察估值中枢的参照锚；市销率的解释力因行业而异，须结合盈利质量与营收增速加以解读。

一、研究目的与数据说明

1.1 研究目的

市盈率（PE）量的是“赚不赚钱”，市销率（PS）量的是“做多大生意”——前者在亏损行业失真，后者对亏损与微利行业同样适用，因而更适合做跨行业的横向比较。

本章先讲清两件事：行业怎么分、口径怎么定；再据此把 45 个一级行业的 PS 排成一列，看各行业定价水平的高与低，解释高低背后的产业属性，并沿三级分类逐层下钻，把一级口径下的笼统结论拆成可归因的事实。

1.2 样本与行业分类

本报告采用全市场 A 股的市销率截面数据，以营业收入（TTM）滚动十二个月口径衡量销售规模，以总市值反映市场定价，二者相除得到各行业市销率。

行业划分采用济安金信行业分类体系，分一级、二级、三级三层（45、144、369 个），一级最粗、三级最细，沿产业链供需与技术工艺逐层拆解到上市公司细分赛道。边界清晰、内部同质，各行业才谈得上横向可比。

1.3 估值口径

市销率（PS）即“总市值 ÷ 营业收入（TTM）”，衡量投资者愿为每 1 元销售收入支付多少市值；它绕开了市盈率在亏损行业“失真”的问题。行业层面本文以等权中位数 PS 为主口径、并排披露市值加权平均 PS——中位数取各股中间值、反映“典型公司”的处境，不易被少数超大体量公司主导的“平均数”所扭曲。

1.4 研究意义

这份排名的意义，在于把各行业 PS 的高低变成一张可逐层下钻的图谱：投资者既能在一级、二级识别板块主线，也能在三级捕捉同一赛道内部“龙头高、长尾低”的估值裂化。更关键的是——同分类下市销率趋于收敛、跨分类显著分化，这本身反向验证了分类结构的有效性：分得清，才比得准。

二、一级行业 PS 横截面分布特征

2.1 一级行业 PS 全景排序与分布形态

单独把 45 个行业的中位数 PS 画成分布图（图 1），形态明显“右偏”：少数行业估值极高、多数行业偏低，分布不对称而非正态。这意味着——用任何一个单一中枢去概括 A 股 PS 都会失真，长尾上的行业须脱离统一标尺、沿各自产业逻辑分别审视。

怎么从这张横截面里读出名堂？靠的不是盯住某一个数字，而是一套顺序：先把 45 个行业按中位数 PS 排开，看清整体是右偏还是对称；再把目光落在两端——头部的“贵”与尾部的“贱”，往往藏着最值得解读的信号；最后对每一端分别追问一句：这份极端读数是“赚来的”（有成长、有利润背书），还是“算出来的”（样本太小、权重偏心、口径错位）。顺着这套顺序，下文先看两端、再看中间那群“不极端”的行业。把这张图读成方法而非排名，是本章的出发点。

图1：45 个一级行业 PS 中位数分布（右偏长尾）。横轴为行业 PS 中位数（倍），纵轴为落入各区间的行业个数；橙色竖线为45个一级行业PS中位数的中位数 2.70、红色虚线为45个一级行业PS中位数的均值 3.51

2.2 高 PS 行业 Top10

45 个一级行业里，中位数 PS 排名前十的读数全部高于全市场中位数。这些高读数如何形成，下文通过两步分析加以说明（具体读数见表 1）。

表1　高 PS 组行业：中位数 PS 最高的十个行业

落到高 PS 组，第一步是比较中位数与平均 PS 的高低。本组多数行业的中位数高于平均，说明高估值并非由个别大市值公司单独撑起，而是行业内典型公司定价的普遍水平；少数行业则呈现相反方向，平均 PS 被大市值公司抬高，解读时须考虑权重影响。第二步是考察营收体量。营收规模大的行业，市场仍愿给予高倍数，需要有订单与产能的兑现作为支撑；营收仅数百亿的小体量行业，其高 PS 更易受情绪或个别标的带动，读数置信度相对较低。两步结合，可将有基本面支撑的成长溢价与缺乏支撑的高读数区分开来。下文从中选出三个典型行业，分别说明其高 PS 的不同成因。

非金属矿采选业的中位数 PS 为 13.10 倍，位列第一，且与平均 PS 口径下的排序存在明显分歧：按平均 PS 排列，该行业仅列第六；按中位数 PS 排列，则跃居首位。两种口径排序的颠倒，根源在于该行业成分股仅 8 只，中位数显著高于平均，少数高估值小盘股将行业中位数大幅拉离均值，属于典型的小样本右偏，统计意义有限，不宜据此判断矿业整体估值昂贵。因此，该行业的高 PS 更多来自统计口径的结构性偏差，而非行业整体的定价共识。

电子元件及电子专用材料制造业的中位数 PS 为 6.83 倍，营收规模已近五万亿。在大基数上仍获得高倍数，对应的是半导体与 AI 硬件的国产替代逻辑，其高估值有产业纵深与订单兑现作为支撑。教育业的中位数 PS 为 8.71 倍，而营收仅 162 亿，规模小、基数低，叠加政策与疫情后的修复预期，读数偏高主要由小体量与预期弹性所致，持续性有待观察。两者对比可见，同处高 PS 组，行业之间的支撑条件差异明显：电子元件的高估值有营收与产业逻辑支撑，教育业的高估值则更多依赖预期与低基数，而前述非金属矿采选业的高读数额外受到统计口径的干扰。判断高 PS 是否成立，须回到营收体量与盈利兑现。

2.3 低 PS 行业 Top10

与高 PS 组相对，中位数 PS 排名后十的读数全部低于全市场中位数。低与低并不相同：高 PS 组反映的是市场对未来增长的预期，低 PS 组反映的则是行业自身的生意属性。这些行业的定价究竟低在何处、是否构成低估机会，下文择要分述（具体读数见表 2）。

表2　低 PS 组行业：中位数 PS 最低的十个行业

表 2 这十个行业共有一个隐患：平均 PS 与中位数 PS 的落差。落差来自加权方式——行业内大体量公司把市值加权平均读数压得更低，而中位数公司没那么“便宜”。这一落差在房地产业身上表现得最为突出：它虽未挤进表 2 的最低十个（中位数 2.44 倍，远高于这组上限 1.92 倍），却是最典型的“口径陷阱”：同样的数据因统计方式不同结论迥异，若只看整体法不足 1 倍，会误以为全行业被极端低估；中位数却超过 2 倍，揭示行业内典型公司的定价远非如此，少数地产巨无霸的低 PS 拉低了整体法读数。

读低 PS 组，中位数与平均 PS 的方向同样值得关注。当中位数与平均方向相反时，通常指向行业内部分层、大市值公司获更高认可，而非行业整体便宜；营业收入规模较大的行业，PS 本身偏低，这是体量决定的读数特征，并不等同于行业被错杀。由此，低 PS 需区分两种情形：结构性便宜与价值陷阱。二者分野不在读数高低，而在利润率与周转能否改善——前者对应可修复的定价，后者则难以修复。

将上述判断落到整组，低的程度同样并不齐整。前十的中位数 PS 全部低于全市场中位数（2.70 倍），从黑色金属矿采选的 0.52 倍到农林牧渔的 1.92 倍，最低者仅及中位数的 0.19 倍，整组处于市场定价底部，但组内落差仍近四倍。低的原因以生意属性为主：营业收入体量大、利润率薄、周转依赖强、周期波动明显，收入本身难以支撑高倍数，折价源于商业模式而非定价错误。此类折价多为结构性，并非市场对优质资产的集体误判，因此多数低 PS 并不自动等同于低估机会。共性之下，各行业的成因仍不相同，下文择两个代表行业分别说明。

黑色金属矿采选业的中位数 PS 为 0.52 倍，为全组最低，属典型的资源商品属性：低毛利、强周期，价格由供需周期决定，营收虽随商品价格波动，但在周期底部盈利微薄，市场仅给出接近最下限的倍数，可作为“生意本身不值得高倍数”的极端样本。

煤炭开采和加工制造业的中位数 PS 为 1.57 倍，平均 PS 为 1.94 倍，是组内少见的反转形态：平均高于中位数，说明大市值煤企的估值高于行业中的中小公司，行业内部存在明显的质量分层。其折价并非行业整体被看低，而是高分红、现金流稳定的大型煤企与中小煤企的定价分化所致，与前述行业“整体性便宜”的性质不同。

高低两端共同指向一条规律：低估值未必是机会，地产链即为典型的价值陷阱，其定价偏低而基本面持续走弱；高估值亦未必是泡沫，科技制造存在业绩兑现。判断依据不在 PS 绝对值，而在营收增速与利润率：高读数须有营收增速兑现，低读数须有利润率改善，两者均落在读数之外。

2.4 中位数行业（估值相对均衡的代表）

在分别审视了高 PS 与低 PS 两端之后，把视野收回到整条估值光谱——头部的高 PS 行业享受成长溢价，尾部的低 PS 行业承受结构性折价；而落在中间的行业，如食品饮料制造业（2.70）、综合（2.05）、非金属建筑材料业（2.13）、纺织业（2.10）等，估值相对“均衡”：既无强烈的成长溢价，也无显著的结构性折价，定价更多由稳定的盈利与分红能力支撑，可当作观察全市场估值中枢的“参照锚”。

另一条贯穿性的线索是地产产业链。房地产虽未进入表 2 的最低十席，中位数 PS 为 2.44 倍，但它是这条链的源头：地产投资与销售的收缩，同时压低了上下游多个行业的营收与定价。低 PS 端的建筑业、家用电器业、有色金属矿采选业，折价来源各不相同，却共享同一宏观背景——地产周期下行。建筑直接依赖地产投资，家电需求随地产后周期回落，有色金属中相当部分工业金属又挂钩地产开工，三者的折价均受到这一轮地产周期下行的拖累。即便落在中间组的非金属建筑材料业，作为地产上游的建材供给，定价同样受这条产业链牵动。可见，“低”与“均衡”在不少行业身上，是同一轮地产周期下的两种表现。

从地产产业链的视角看，中间组的“均衡”并非孤立存在；但中间组之所以能当“参照锚”，依据的并非产业链扰动，而是读数本身的干净——它们的中位数与平均 PS 通常贴得很近——没有头部那样的广谱溢价，也没有尾部那样被巨头压低的折价，读数本身干净。但“均衡”不等于“安全”：落在中间的，既有食品饮料这样盈利稳健、分红厚实的优质生意，也有纺织、非金属建筑材料这样增长平缓、靠周期吃饭的成熟行业，还有综合类这样业务混合、难以单一定价的兜底类别。中枢是观察的基线，不是下注的信号；用它衡量两端行业的高低，才是这张横截面的真正用处。

三、行业层级下钻：以电子与半导体为例

3.1 二级行业的内部差异：以“电子”为例

PS 的高低差异，不止存在于一级行业之间，也存在于同一一级行业内部的二级行业之间。以“电子元件及电子专用材料制造业”为例，其下六个二级行业相对该一级中位数（6.83）的 PS 水平分化极大（见表 3）。

表3　一级行业内部：电子元件及电子专用材料制造业下二级行业 PS 对比

同在“电子”一级之下，半导体与消费电子的 PS 一高一低、方向相反：前者由国产替代与 AI 算力需求驱动，是高景气赛道；后者是成熟制造、份额与利润均已稳定、竞争激烈且利润微薄的“红海”。可见，一级行业的“高 PS”往往由少数高景气二级行业拉动，行业内部的结构比行业整体的标签更有信息含量。

3.2 三级行业深潜：半导体细分赛道的估值分化

进一步下沉到三级行业，以二级“半导体”为例，其下九个三级赛道的中位数 PS 分化更为剧烈（见图 2 与表 4）。其中算力芯片设计 61.86 倍显著高于其余赛道，是 AI 算力需求在估值端的直接投射；半导体设备 23.75 倍次之；而集成电路封测、存储芯片设计等成熟环节则已回落至接近一级中枢的水平。

表4　半导体二级之下：三级细分赛道 PS 与相对二级中位倍数

图2：半导体三级细分赛道 PS 中位数（同为二级“半导体”之下）。九个赛道按读数从高到低排列；算力芯片设计 61.86 倍是全条半导体链中估值最热的环节，也是电子行业高 PS 水平的真正源头

从一级到三级逐层下钻可见：PS 水平的分析若停在一级，便会掩盖内部的结构性分化；越往下钻，估值热度越集中于少数“卡脖子”与“需求爆发”环节，而成熟制造环节早已回归常态。这反过来说明——行业 PS 排名成立的前提，是分类边界清晰、内部可比；分类越精细，产业的真实营收结构与估值断层就越清楚。

四、研究小结

把三个层级的排名拼到一处，A 股行业估值其实是一张“营收定价图谱”：市场把高定价集中投向软件、电子、通信、医药相关的科技成长链条，把低定价留给建筑、能源、资源采选与流通等传统周期板块。同一套 PS 数字，在不同行业画出完全不同的图景——部分高 PS 有业绩兑现撑着（半导体、软件），部分低 PS 恰是周期底部的映射（煤炭、农副食品），也有高 PS 只是小样本右偏的统计失真（非金属矿采选业）。

这一图景只有逐层下钻才显形。一级口径下的“科技贵、周期贱”，到二级被拆成半导体受益于国产替代与 AI 算力的高景气、消费电子只是成熟制造的“红海”；到三级，算力芯片设计显著高于其余赛道，而封测、存储等环节已回落至接近一级中枢。分类越精细，产业的真实营收结构与估值断层越清楚——这也说明，行业 PS 排名成立的前提是分类边界清晰、内部可比；一旦被巨无霸权重或不可比营收口径污染，读数便从“估值”退化为“噪声”。中位数为主、平均 PS 并排披露，本质是把这种污染显式标出，而非消除它。

对济安金信而言，这份排名不是孤立的估值快照，而是自身行业分类体系的一次“压力测试”：同一分类下市销率能收敛、跨分类能分化，分类结构的合理性便得到来自市场定价的外部佐证。综上，市销率排名不是终局结论，而是反映市场共识与分歧的一面镜子——解读市销率，先看盈利质量，再看营收增速与利润率。

市销率的解释力因行业而异：对营收高增长、利润尚未稳定的科技成长与新兴服务行业，PS 是观察估值的有效尺度；而对金融业（营收口径特殊）、利润剧烈波动的重资产周期行业，PS 易与盈利脱节，须谨慎对待并结合其他指标交叉验证。