简介这是一份面向行业分析师、企业决策者与市场研究人员编写的胶粘剂行业研究报告用于快速建立行业认知、支撑市场策略与业务决策。内容围绕胶粘剂定义、组成成分与分类方法展开涵盖按用途划分的结构、非结构与特种胶粘剂按固化方式划分的水基型、热熔型、溶剂型、反应型胶粘剂以及按化学成分划分的有机硅、环氧树脂、丙烯酸、聚氨酯、合成橡胶和聚醋酸乙烯酯等主要类别。报告同时梳理上游化工原料、中游生产制造、下游建筑、包装、木材加工、汽车、制鞋、新能源等应用市场的完整产业链并结合市场规模、竞争格局、重点企业经营情况与高性能、环保型、功能型产品趋势做出判断。资源包内为1个PDF文件共1.31MB结构清晰、便于通读与摘录引用。目前已有64人学习下载适合需要行业概览、市场数据与竞争情报的读者参考。1. 胶粘剂行业研究报告为什么不能只靠搜一搜拼出来有人被临时安排三天交一份胶粘剂行业研究报告打开搜索框回来的是十几篇口径互相打架的稿子有的用万吨讲产量有的用亿元讲规模有的把胶带算进胶粘剂有的把硅酮密封胶单列成另一个行业。数据看着都有出处拼在一起却对不上账——产量乘吨价不等于市场规模进口量加产量也推不出表观消费量。反直觉的地方在这里胶粘剂行业分析报告的质量几乎不取决于文笔和排版而取决于你能不能在动笔之前先把胶粘剂这四个字收敛成一个可计算的口径。固化方式怎么分、下游怎么切、单位统一到吨还是万吨、金额含税还是不含税这四件事定死之前任何图表都是在给自己埋雷。下面这套流程适合三类人被要求在短时间内出一份能过评审的市场研究材料的产品与战略岗需要给立项材料补行业数据的研发和项目经理以及被拉来做行业数据清洗与可视化的数据工程师。它的核心不是找更多资料而是把资料变成一张能被别人复算、能被自己推翻的表。2. 胶粘剂行业分析报告的数据底座口径、来源与落库一份能站住的胶粘剂行业分析报告第一层不是结论是数据底座。底座做对了后面九成的争论会自动消失底座糊了写得再漂亮也经不住业务方一句这个数怎么来的。2.1 先把口径定死胶粘剂、胶带、密封胶不是一回事行业里最容易混的三组概念胶粘剂与胶粘带后者是涂布了压敏胶的制品收入重复计算风险极高、胶粘剂与密封胶功能上是粘接与密封统计上常被合并、水性胶与溶剂型胶环保口径下必须拆开否则会得出完全相反的行业趋势判断。我一般先把品类拆成五层作为后续所有表的维度字段固化方式代表品类主要下游关键原料水性白乳胶、水性丙烯酸包装、木工、建筑醋酸乙烯、丙烯酸酯溶剂型氯丁、溶剂型聚氨酯制鞋、汽车内饰甲苯、丁酮、聚氨酯热熔型EVA、PO、PUR包装、卫材、木工EVA 树脂、聚烯烃反应型环氧、双组分聚氨酯电子、新能源、结构粘接环氧树脂、MDI、固化剂压敏型丙烯酸、橡胶系标签、胶带、保护膜丙烯酸酯、橡胶提示胶粘带企业的营业收入在算市场规模时要单独挂在制品层和胶粘剂层做上下位区分否则总量会虚高一大截。2.2 五类数据源的可用性与交叉检验不同来源解决的问题不同指望一个来源包打天下是做行业研究的常见误判。数据源类型典型字段更新节奏主要坑行业统计口径产量、品类结构、企业数年度/不定期样本企业变动、含胶带海关商品编码数据数量、金额、来源地月度计量单位不统一、税与非税口径上市公司年报分产品收入、毛利率、产能季度/年度分产品披露粗细不一致第三方资讯机构现货价、开工率、库存日/周样本报价样本换过不通知一手调研实际吨价、账期、替代关系一次性样本偏差大不能外推总量交叉检验的最小动作是同一个指标至少两个来源差异超过 15% 就停下来找口径差而不是取平均。差异往往来自是否含税是否含贸易商加价单位是吨还是千吨。2.3 把原始表拉平一张明细表收纳所有来源不管来源是 Excel、CSV 还是接口最后都往同一张明细表里塞并且允许同一口径存多个来源版本方便后面做差异对比。-- 胶粘剂品类明细表一行 一个统计期 × 区域 × 品类 × 下游 × 数据源 CREATE TABLE adhesive_market ( period DATE NOT NULL COMMENT 统计期统一取月末, region VARCHAR(32) NOT NULL COMMENT 销售区域或来源地, category VARCHAR(32) NOT NULL COMMENT 水性/溶剂型/热熔/反应型/压敏, downstream VARCHAR(32) NOT NULL COMMENT 建筑/包装/汽车/电子/木工/制鞋, volume_t DECIMAL(14,4) NULL COMMENT 销量统一为吨, revenue_cny DECIMAL(18,2) NULL COMMENT 销售额元不含税, capacity_t DECIMAL(14,4) NULL COMMENT 有效产能吨年度口径, source_id SMALLINT NOT NULL COMMENT 数据源编号, PRIMARY KEY (period, region, category, downstream, source_id) );主键里带source_id是关键口径相同、来源不同的两条记录可以并存出报告时用视图挑一个来源做验证时直接对比差异。不要用覆盖更新一旦覆盖你就失去了发现口径断点的机会。2.4 单位归一与缺失值宁缺毋滥单位问题是胶粘剂数据清洗里最高频的坑尤其是万吨千吨吨混用以及金额里万元亿元混用。# 单位归一到吨金额归一到元不含税 UNIT_TON {千克: 1e-3, 吨: 1.0, 千吨: 1e3, 万吨: 1e4} UNIT_CNY {元: 1.0, 万元: 1e4, 亿元: 1e8} def normalize_units(df, vol_col, vol_unit_col, amt_colNone, amt_unit_colNone): df df.copy() # 单位列里出现未登记的词先显式报错别默默变成 NaN unknown set(df[vol_unit_col].dropna()) - set(UNIT_TON) if unknown: raise ValueError(f未登记的数量单位: {unknown}) df[volume_t] df[vol_col] * df[vol_unit_col].map(UNIT_TON) if amt_col: df[revenue_cny] df[amt_col] * df[amt_unit_col].map(UNIT_CNY) return df参数说明vol_col是原始数量列vol_unit_col是它的单位列函数只做乘法映射不做汇率换算涉及外币金额时另开一列存原币和汇率避免覆盖原始值。缺失值处理上年度产量不要在年度区间内做线性插值——那等于凭空造数更稳的做法是保留空值用另一个来源补并在报告里标注该年份为估算值。3. 用 Python 把胶粘剂产量、价格与进出口数据算成指标底座搭好之后胶粘剂行业研究报告的正文结论基本都是从几个固定指标里长出来的表观消费量、进口依存度、产能利用率、吨价、复合增速。把这几件事写成函数报告换年份只需要改参数。3.1 表观消费量与进口依存度公式与参数边界表观消费量是最容易被滥用的指标。它的定义是产量 进口量 − 出口量。前提是这四个量必须是同一口径同一品类拆分、同一单位、同一时间窗否则算出来的是噪声。指标计算式参数边界表观消费量产量 进口量 − 出口量四项同口径同单位库存变动忽略时需在脚注说明进口依存度进口量 ÷ 表观消费量分母为 0 或负值时不出数产能利用率实际产量 ÷ 有效产能有效产能不含长期停摆装置吨价销售额 ÷ 销量销售额需为不含税销量需含自用转售部分复合增速 CAGR(末值 ÷ 初值)^(1/年数) − 1初值 ≤ 0 时无定义注意产能利用率一旦超过 100%先怀疑有效产能口径是不是只算了主要企业而不是市场真在超负荷运行。3.2 一次算完 CAGR、吨价带和利用率import numpy as np import pandas as pd def cagr(first, last, years): 复合增速初值非正或年数非正时返回 NaN避免负数开偶次方 if first is None or last is None or first 0 or years 0: return np.nan return (last / first) ** (1 / years) - 1 def build_metrics(df): df 需含 period/category/downstream/volume_t/revenue_cny/capacity_t g df.groupby([period, category], as_indexFalse).agg( volume_t(volume_t, sum), revenue_cny(revenue_cny, sum), capacity_t(capacity_t, max), # 产能按企业去重后取合计这里用 max 占位 ) # 吨价元/吨转成更常用的 元/公斤 g[price_cny_per_kg] g[revenue_cny] / g[volume_t] / 1000 g[utilization] g[volume_t] / g[capacity_t] # 按品类算区间增速 rows [] for cat, sub in g.groupby(category): sub sub.sort_values(period) if len(sub) 2: yrs (sub[period].iloc[-1] - sub[period].iloc[0]).days / 365.25 rows.append({ category: cat, volume_cagr: cagr(sub[volume_t].iloc[0], sub[volume_t].iloc[-1], yrs), price_last: sub[price_cny_per_kg].iloc[-1], util_last: sub[utilization].iloc[-1], }) return g, pd.DataFrame(rows)逻辑说明groupby按统计期和品类聚合capacity_t用max只是占位写法真实项目里应该单独维护一张企业级产能表再求和否则同一家企业被多行拆分会重复计产能。price_cny_per_kg除以 1000 是把元/吨换成元/公斤这是行业交流里更常见的报价单位注意换算后再和一手调研价格对比。cagr对初值做了保护避免出现负增长开方的无效数字混进图表。3.3 价格传导用错位相关找原料到胶粘剂的时间差胶粘剂的吨价和上游原料价格之间通常存在滞后这个滞后是报告里最容易讲错、也最容易讲出彩的地方。def best_lag(raw_price, adh_price, max_lag6): raw_price 领先 adh_price。先做一阶差分再算相关降低趋势造成的伪相关 x raw_price.diff() y adh_price.diff() result [] for lag in range(max_lag 1): r x.shift(lag).corr(y) result.append((lag, None if r is None or np.isnan(r) else round(r, 3))) # 按相关系数绝对值排序取最强者 return sorted(result, keylambda t: -abs(t[1] or 0))[0] # 例查 EVA 树脂月均价领先热熔胶吨价几个月 # print(best_lag(eva_monthly, hotmelt_monthly, max_lag6))参数说明max_lag按月计一般取 6 足够超过半年仍没有显著相关的多半不是价格传导问题而是品类对不上。先差分再求相关是为了避免两条都在上涨的序列天然高相关。得出滞后月数后报告里可以写成原料价格变动约 N 个月后传导至胶粘剂出厂价同时必须注明这只是统计相关不等于因果。4. 胶粘剂行业研究报告的写作骨架把赛道拆成可验证的结论数据能算了接下来是结构。胶粘剂行业分析报告最怕写成品类百科读完不知道谁在赚钱、钱从哪来、还能赚多久。骨架按赛道矩阵 → 竞争量化 → 可证伪结论三层搭。4.1 细分赛道矩阵固化方式 × 下游交叉切片单一维度切片会漏掉交叉信息比如热熔胶整体增长平缓但热熔胶 × 卫材可能因为一次性卫生用品渗透率提升而单独走高。做法是把固化方式做行、下游做列格子里填吨价带和增速。固化方式建筑包装汽车电子木工水性中等吨价增速平稳低吨价量大少少主力溶剂型少少主力受环保约束少少热熔型少主力增速中中等卫材另有增量主力反应型结构胶少中高吨价增速高少压敏型少标签与胶带少保护膜少格子里的金额量级不用写死用你算出来的price_cny_per_kg填区间即可。这张表的价值在于业务方问哪块值得进你指一个格子就能说清是吨价高、还是量在涨、还是两个都在动。4.2 竞争格局的量化写法CR5、吨价带、毛利率区间竞争格局不要只写行业集中度较低这种没有信息量的话。给出三个数就够按收入计算的 CR5、各梯队企业的吨价带、上市公司披露的分产品毛利率区间。def concentration(df, topn5): 按收入算 CR5df 需含 company 与 revenue_cny total df[revenue_cny].sum() top df.nlargest(topn, revenue_cny)[revenue_cny].sum() return round(top / total, 3) if total 0 else None def price_band(df): 各梯队吨价带用分位数切避免个别极端值拉偏 p df[revenue_cny] / df[volume_t] / 1000 # 元/公斤 return p.quantile([0.25, 0.5, 0.75]).round(1).to_dict()逻辑说明CR5 用收入而不是销量算因为低吨价大宗品类的销量占比会严重高估小企业的行业地位。吨价带用四分位数而不是最大最小值是为了避免一家做航空结构胶的企业把整个区间的上界拉到没有参考意义的位置。毛利率区间要标明是上市公司口径和未上市企业的实际水平往往有差距。4.3 结论写成可证伪的样子指标 阈值 观测窗口一条站得住的结论长这样反应型胶粘剂在电子下游的吨价优势在 24 个月内有可能被稀释观测指标为丙烯酸酯类原料价格同比涨幅阈值设为连续两个季度超过 20%。有指标、有阈值、有窗口别人才能反驳你能被反驳的结论才有价值。把结论表从 DataFrame 直接生成 Markdown可以避免手工复制粘贴导致的数字错位def md_table(df, floatfmt,.2f): 把结论表转成 Markdown浮点统一格式整数与字符串原样输出 header | | .join(map(str, df.columns)) | sep | |.join([---] * len(df.columns)) | rows [] for row in df.itertuples(indexFalse): cells [f{v:{floatfmt}} if isinstance(v, float) else str(v) for v in row] rows.append(| | .join(cells) |) return \n.join([header, sep] rows)5. 胶粘剂行业分析报告的交叉验证与版本管理5.1 三源交叉验证清单结论定稿前至少过一遍这三组对照产量用行业统计口径和上市公司合计产量对照进出口量用海关数量与主要贸易企业的披露对照吨价用第三方资讯报价与年报收入÷销量对照。三组里有任意一组偏差超过 15%先别改结论回去改口径。对照项来源 A来源 B允许偏差超差先查什么产量行业统计企业年报合计15%样本是否含胶带进出口海关数量企业披露20%计量单位与贸易方式吨价资讯机构报价收入÷销量15%含税、贸易商加价5.2 把假设做成参数表一键重跑结论报告被质疑时最消耗时间的不是重算而是回忆当时用的是哪版数据、哪个口径。做法是把所有可调假设外置成配置文件和代码一起进版本库。import yaml # params.yaml 示例 # window: {start: 2019-01-01, end: 2024-12-31} # source_preference: [1, 3] # 口径优先级1 为行业统计3 为第三方 # fx_rate: {USD: 7.15} # 外币折算固定值而非实时保证可复算 # capacity_mode: enterprise # 产能按企业去重求和 def load_params(pathparams.yaml): with open(path, r, encodingutf-8) as f: return yaml.safe_load(f) def run_report(params): df load_market(**params[window]) df pick_source(df, params[source_preference]) # 按优先级选源 metrics, summary build_metrics(df) return metrics, summary, md_table(summary)参数说明source_preference决定了同一口径下优先用哪个来源改动它会直接改变增速和吨价带所以每次调整都要在提交信息里写清原因。fx_rate固定而不是实时取是为了让三个月后重跑得到同一组数汇率波动另开敏感性分析章节呈现。capacity_mode控制产能去重方式这一点最容易被忽略也最容易让产能利用率整体偏高。一个具体技巧把每次对外发布的报告版本和当次的params.yaml内容一起打标签报告封面写版本号文件里写参数快照。这样再有人问这个数怎么来的一条命令就能回到当时的现场而不是靠翻聊天记录。本文还有配套的精品资源点击获取
