轻工制造行业：传统消费复苏在途，新兴赛道空间可期－2025年度

当前经济运行面临“去地产化”及所谓的“去中国化”的内外部挑战， 核心在于通过“制造立国”战略加以应对。未来，预计当外部大国博弈及内部风险 释放进一步加剧，可能促使逆周期政策加码。当前来看更多依赖改革破局，重点关 注高水平市场体系建设、深化供给侧结构性改革、推进全面创新机制等。以“制造 立国”应对“去地产化”和所谓的“去中国化”依旧是宏观数据的主线逻辑

核心结论:11月初特朗普横扫回归后，快速提名内阁，并威胁对中加墨加征关税，加剧全球市场波动。纵观新一届内阁名单，非建制派、忠诚度高、对华强硬等特征明显，主张遣返 非法移民、加征关税、政府裁员、能源自主等，但内部也有分歧。结合特朗普竞选主张、内阁人选、落地难度及2016年路径，超鹰派组合落地存有难度，预计先移民和关税、能源， 后财政和减税。短期关注12/18FOMC、1/2债务上限、1/20正式就任及百日新政。海外关注年后百日新政的政策力度及资产影响。短期美股震荡上行，复活节和圣诞行情可期;美 债高位筑顶，4.5%是中性顶点，极端是4.75%甚至5%，12月降息前后波动放大;美元高位悬挂静待美债拐头;黄金逢低配置。 A股和港股等待12月内外催化，人民币汇率承压，年 内关注7.3支撑。

特朗普交易近期已有所降温，市场从交易预期再度回归到政策落地的现实中来。我们曾在此前报告中分析特朗普 2.0 的大类资产走势，而本篇则侧重在短 中长期维度内，再度审视特朗普 政策与资产路径的确定性与不确定性。 特朗普 政策主打“美国优先”的旗号，核心实质是通过“安全”与“效 率”双轮驱动来重塑美国经济、政治和外交，其政策取向与当前全球政治经济 格局演变高度契合 —— 欧美等国家保守主义浪潮抬头，民粹主义政府此起彼 伏，国际经贸格局亦正经历重构。

第二，明年经济工作的核心思路是温和刺激，不是大干快上。第三，具体政策措施安排上，也体现了温和刺激的特征。 第四，后续财政政策落地可能基本在预期内，难超预期。 第五，目前市场对货币政策预期可能已经过高，后续落地可能同样难超预 期。 第六，目前市场对消费复苏的预期不高，我们认为，明年可能超预期的是 消费。 第七，明年基建投资有望继续保持高增。 第八，一些以往的表述继续得到延续，例如坚定不移惩治腐败，也值得关 注。 第九，股市行情仍然值得期待，但可能不是简单的指数级机会，而更多地 是某些板块的结构性机会。 

权益市场震荡收跌,转债较权益有所超额-金融工程定期报告

2024 年机械行业受到宏观经济和外部环境影响的冲击，业内公司在发展 中面临着较大的困难，但是我们也看到多数公司在持续提升产品竞争力、 提升自身经营管理能力，在业绩端也能看到一些韧性。展望 2025 年，我 们认为机械板块仍然充满着机遇，其中成长方向、内需顺周期方向和出 口链均有值得期待的变化。 成长方向:关注人形机器人、锂电􏰀新技术、3C 设备、科学仪器等方向。 对于人形机器人板块

总量稳健增长，白电占比最高，北美占比下降。（1）总量：根据海关总署数据，我国家电出口规模稳健增长，从 2009 年 313 亿美元增长至 2023 年 889 亿美元，近五年复合增速约 9.3%，跑赢国内家电社零增 速约 7.3pct。（2）品类：2023 年我国白电、黑电、小家电、厨电出口金额规模占比分别为 37%、27%、34%、2%。（3）区域：2023 年我国家电出口的前三大区域为亚洲、欧洲、北美，出口占比分别为 36%、26%、16%。2018-2023 年动态来看，亚洲占比较为稳定，欧洲占比+7pct，北美占比-15pct，拉美非占比+6pct。根据 statista 数据，2023-2028 年全球家电市场预期复合增速 4.6%，其中非洲、南美、东南亚为 7.5%、5.4%、5.0%，新兴 市场成为重要增长驱动。

大众品整体:我们梳理出大众品2025年两条投资主线，渠道变迁结构性机会下受益的真成长公司与餐饮加速修复下受益的子板块。具体看:一 是选品模式商超迅速发展带来的渠道变迁结构性机会下，可能受益的板块及公司(详见我们此前外发的深度报告《从渠道变迁角度挖掘优质消 费品企业投资机会》);二是刺激政策落地带动餐饮端消费加速修复下，率先受益的餐饮供应链、调味品板块。具体看,各细分子行业: 休闲食品:高势能渠道&健康化浪潮兴起，利好优质供应商。整体看，各公司在自身优势单品基础上，坚持全渠道覆盖，积极拥抱山姆&零食量 贩&抖音等新渠道，并持续夯实供应链优势(提升自动化程度&积极布局上游原材料)。在优势单品外，各家持续打造创新单品，为后续发展提 供储备。建议关注:【盐津铺子】、【卫龙美味】、【三只松鼠】、【有友食品】。

随着自动驾驶等级的提升，其对算力的要求也在不断提高。国内主流汽车企业 和自动驾驶算法公司都在加快算力储备的建设，以满足自动驾驶模型的训练需 求。