與市場普遍觀點不同，我們通過一個分布滯后回歸模型測算了工程機械行業公司未來ROE的波動區間，并以此為基礎通過合理條件下P/B=ROE/Ke估算了各公司PB。結果表明部分領先企業股價已具備了較為充分的安全邊際，維持對中聯重科、柳工及山推股份的增持評級。
與基于歷史數據的簡單統計分析相比，我們的結論在以下兩方面更具合理性：
（1）我們在ROE與FAI增速、PPI之間建立了具有統計顯著性的相關關系，能夠估算不同固定資產投資及成本變動條件下的企業ROE水平，因而具有更好的外推性；
（2）包含了對不同企業內生績效差異的考慮，從而避免了單純計算重置成本的局限。
ROESA=36.79+0.86ROESA(-1)+0.40DFAI(+1)-0.33PPI(-1)是我們最終確定的模型，其中ROESA是經季節調整后的凈資產收益率，DFAI是固定資產投資增速的一階差分。模型整體具有統計顯著性且各相關系數的符號均具有合乎邏輯的經濟含義，因此我們相信模型是有效的。
基于上述模型我們估算了5家重點跟蹤工程機械公司未來的ROE及PB，結果表明中聯重科、柳工及山推股份當前價格對應PB已逐漸具有安全邊際，而三一重工、安徽合力則偏高。
此外，我們相信工程機械已成為機械行業中盈利增長最富彈性的子行業。因此，宏觀經濟層面出現的積極變化將能迅速體現為企業盈利的改善。我們對未來固定資產投資增速予了偏于保守的預測，但同樣相信08Q4后的行業運行環境存在改善的可能。
當然，基于數理統計的分析結論與企業基本面實際尚存在一定差異，我們推測較小的樣本容量、偏少的自變量數量等均有可能是造成這種偏差的原因，這需要持續的修正并結合對公司基本面的判斷。
與基于歷史數據的簡單統計分析相比，我們的結論在以下兩方面更具合理性：
（1）我們在ROE與FAI增速、PPI之間建立了具有統計顯著性的相關關系，能夠估算不同固定資產投資及成本變動條件下的企業ROE水平，因而具有更好的外推性；
（2）包含了對不同企業內生績效差異的考慮，從而避免了單純計算重置成本的局限。
ROESA=36.79+0.86ROESA(-1)+0.40DFAI(+1)-0.33PPI(-1)是我們最終確定的模型，其中ROESA是經季節調整后的凈資產收益率，DFAI是固定資產投資增速的一階差分。模型整體具有統計顯著性且各相關系數的符號均具有合乎邏輯的經濟含義，因此我們相信模型是有效的。
基于上述模型我們估算了5家重點跟蹤工程機械公司未來的ROE及PB，結果表明中聯重科、柳工及山推股份當前價格對應PB已逐漸具有安全邊際，而三一重工、安徽合力則偏高。
此外，我們相信工程機械已成為機械行業中盈利增長最富彈性的子行業。因此，宏觀經濟層面出現的積極變化將能迅速體現為企業盈利的改善。我們對未來固定資產投資增速予了偏于保守的預測，但同樣相信08Q4后的行業運行環境存在改善的可能。
當然，基于數理統計的分析結論與企業基本面實際尚存在一定差異，我們推測較小的樣本容量、偏少的自變量數量等均有可能是造成這種偏差的原因，這需要持續的修正并結合對公司基本面的判斷。
