【研報】數據超融合系列：K12教育行業專題擁抱政策紅利深挖行業成長空間與龍頭護城河-20201118（24頁）.pdf

1、證券 證券研究報告 請務必閱讀正文之后的免責條款 K12 教育行業專題教育行業專題擁抱政策紅利，深挖行擁抱政策紅利，深挖行業成長空間與龍頭護城河業成長空間與龍頭護城河 數據超融合系列2020.11.18 中信證券研究部中信證券研究部 核心觀點核心觀點 張若海張若海 首席數據科技 分析師 S1010516090001 姜婭姜婭 首席消費產業 分析師 S1010510120056 馮重光馮重光 教育行業分析師 S1010519040006 綜合近十年教育政策文本， 從詞頻比對結果看， 政策重點主要聚焦于 “職業教育” ，綜合近十年教育政策文本， 從詞頻比對結果看， 政策重點主要聚焦于 “職業教育”

2、 ，“教育信息化”，“義務教育”與“在線教育”方向。在以上賽道上，我們結合“教育信息化”，“義務教育”與“在線教育”方向。在以上賽道上，我們結合地理空間數據， 模擬推算未來地理空間數據， 模擬推算未來 K12 線下教育市場在部分一線城市的合理成長空間。線下教育市場在部分一線城市的合理成長空間。同時，從短期投資邏輯出發，圍繞重點公司的名師資源，獲客能力與企業定價能同時，從短期投資邏輯出發，圍繞重點公司的名師資源，獲客能力與企業定價能力多因子指標，構建橫向比較體系。綜合來看，龍頭公司如好未來、新東方在線、力多因子指標，構建橫向比較體系。綜合來看，龍頭公司如好未來、新東方在線、跟誰學等，師資優勢顯著

3、，一線城市成長空間可期，競爭護城河高筑。跟誰學等，師資優勢顯著，一線城市成長空間可期，競爭護城河高筑。 長期政策紅利聚焦：長期政策紅利聚焦：NLP 助力政策文本時間序列挖掘，增強定性測算助力政策文本時間序列挖掘，增強定性測算。長期看，政策因素是教育行業核心驅動因子，本文聚焦政策文本，融合全國 31 省的官方政策資料，橫跨 10 年政策周期，借助 NLP 技術提取 2000 余個政策主題詞，通過網絡分析，聚類譜系圖等算法工具，最終形成在可選時間序列下，top50 的高頻詞聚類分析矩陣。從政策驅動的重點方向看，“職業教育”，“教育信息化”與“義務教育”始終處于政策驅動的核心方向。以 2010 年為

4、基準，“教育信息化”在過去的十年中，平均每年關注度增長 25%；“職業教育”在 2015 年和 2019 年受到各自相對前 1 年 1 倍以上的關注度增長；“義務教育”關注度相比前一年增長 12%。近兩年來，“在線教育”的關注度增長 8 倍以上，增速驚人，是值得市場重點關注的賽道。 中期市場空間線下空間測算：南方城市中期市場空間線下空間測算：南方城市線下教育線下教育市場空間較大市場空間較大，新一線可期新一線可期。通過整理政府建立的全國中小學校外教育機構數據，截至 2020 年 8 月，我們在不同等級的 10 余個城市間構建教育資源供需指標對比。以上海、武漢、長春為區域比較基準，綜合區域的教育支

5、出、在校生人數等客觀指標，我們認為中期看，杭州、成都線下教育市場存在 100-150%的布局成長空間， 廣州存在 200%以上的增長空間。因此推薦重點關注在南方布局，尤其是在廣東布局線下教育的龍頭公司。 短期行業經營數據橫向對比：以師資團隊跟蹤為核心，構建高頻比對框架。短期行業經營數據橫向對比：以師資團隊跟蹤為核心，構建高頻比對框架。我們通過對線上教育公司的數據整理，梳理了 6 個指向公司基本面的跟蹤因子，包括教師教齡、教師數量、教師團隊穩定性，公司獲客能力，定價能力和營收近似指標。同指標比較看，高途課堂平均教師教齡為 6-10 年，相比猿輔導教齡 5-7 年占優，且團隊季度穩定性與半年度穩定

6、性差值為 0.06，遠低于猿輔導的穩定性差值 0.34；好未來教師團隊穩定性、教師數量、獲客能力都優于可比公司。 風險提示風險提示：政策短期重大變化風險；線下教育培訓過度競爭風險；第三方數據的連續可得性。 投資策略：投資策略： 短期看， K12 線下教育重點公司在新一線成長空間可期， 綜合名師資源，獲客能力與企業定價能力多因子體系比較結果看，建議關注好未來、新東方在線、跟誰學等。 數據超融合數據超融合系列系列2020.11.18 請務必閱讀正文之后的免責條款部分 表 1：重點賽道政策關注度指數 職業教育職業教育 民辦教育民辦教育 教育信息化教育信息化 高考高考 義務教育義務教育 在線教育在線教

7、育 2010 1.00 1.00 1.00 1.00 2011 2.42 1.78 3.77 1.92 2012 1.68 2.28 4.92 4.56 2013 1.49 0.60 4.57 3.86 1.82 2014 1.59 1.37 6.17 3.00 2.14 2015 3.43 0.74 6.65 22.71 4.01 2016 1.66 3.12 10.37 18.00 4.10 50.00 2017 1.10 4.55 7.21 14.43 5.36 8.00 2018 1.17 0.94 7.36 21.14 2.76 35.00 2019 3.47 1.05 7.89 2

8、4.00 3.10 441.00 資料來源：教育部，中信證券研究部 表 2：可比城市市場空間供需指數與重點公司門店數（數據截至 2020 年 8 月） 城市等級城市等級 城市城市 K 指數指數 新東方門店新東方門店 學而思門店學而思門店 愛智康門店愛智康門店 一線 北京 0.197577 118 100 25 一線 上海 2.226518 81 79 14 一線 廣州 9.154896 41 93 9 準一線 成都 1.162688 43 21 11 準一線 杭州 1.26484 56 65 10 準一線 武漢 0.832305 53 41 6 準一線 重慶 0.361719 36 39 5

9、準一線 南京 4.909742 57 49 9 準一線 大連 0.295902 5 4 0 準一線 西安 0.747817 49 28 9 二線 長春 2.210989 22 9 0 二線 哈爾濱 0.577958 16 3 0 二線 蘭州 4.67053 14 5 0 資料來源：百度地圖，騰訊地圖，高德地圖，中信證券研究部 表 3：公司量化指標 教師數量教師數量 相對值相對值 教師季度教師季度 穩定性穩定性 教師半年教師半年 穩定性穩定性 獲客能力獲客能力 相對指數相對指數 平均價格（元）平均價格（元） 學而思培優 1.32 0.87 0.81 0.59 2047 高徒課堂 1.89 0.8

10、 0.74 N/A 1215.75 新東方 N/A N/A N/A 0.41 2683 新東方在線 2.89 0.94 0.25 N/A N/A 東方優播 2.61 0.97 0.34 N/A 1304 猿輔導 1.04 0.9 0.56 N/A 1561 作業幫 1.04 0.63 0.44 N/A N/A 資料來源：公司官網，公司 APP，中信證券研究部；N/A 表示數據暫未直接披露 qRrOqQtNrQnRnMmOtOqPsP6MbPbRoMrRmOqQkPrQrQjMrQxP7NoPrPNZtOmQMYmQmO 數據超融合數據超融合系列系列2020.11.18 請務必閱讀正文之后的免責

11、條款部分 目錄目錄 創新之處創新之處 . 1 十年教育政策透析政策紅利的變遷十年教育政策透析政策紅利的變遷教育信息化為核心的牽引教育信息化為核心的牽引 . 1 教育政策文本庫與研究方法技術路線自動化與專家經驗并行 . 1 教育行業政策主題聚焦教育信息化、職業教育、義務教育 . 2 當下教育資源空間分布測算線下競爭格局當下教育資源空間分布測算線下競爭格局行業向龍頭集中，南方仍具有空間行業向龍頭集中，南方仍具有空間 . 6 線下教育機構規范化，市場有望向龍頭集中 . 6 可比城市線下市場供需測算，南方城市具有相當行業空間 . 8 公司級運營數據跟公司級運營數據跟蹤蹤以師資為核心驅動以師資為核心驅動

12、 . 10 量化名師教育資源，及時跟蹤公司核心競爭力. 10 從課程信息推斷公司經營能力獲客能力、定價能力、營收能力 . 12 投資建議投資建議 . 14 風險因素風險因素 . 14 附錄附錄 . 15 數據超融合數據超融合系列系列2020.11.18 請務必閱讀正文之后的免責條款部分 插圖目錄插圖目錄 圖 1：2017 年政策主題詞 . 2 圖 2：2018 年政策主題詞 . 2 圖 3：2019 年政策主題詞 . 3 圖 4：2020 年政策主題詞 . 3 圖 5：教育政策主題關注度指數 . 3 圖 6：“新高考”政策關注度指數 . 4 圖 7：“在線教育”政策關注度指數. 4 圖 8：政

13、策主題詞關聯圖譜 . 5 圖 9：“課外培訓”地方政策響應力度 . 6 圖 10：全國中小學校外輔導機構分布圖 . 7 圖 11：線下機構與在校生比率. 7 圖 12：安徽省線下教育機構分布圖 . 8 圖 13：安徽省各級縣市在校生課外機構比率 . 8 圖 14：學而思培優線下門店分布 . 9 圖 15：新東方線下門店分布 . 9 圖 16：新東方，學而思培優，愛智康在可比城市門店分布 . 9 圖 17：高途課堂教師教齡占比. 10 圖 18：猿輔導教師教齡占比分布 . 10 圖 19：其他各教育公司主講教師數量累計變化趨勢 . 11 圖 20：新東方集團旗下公司主講教師數量累計變化趨勢 .

14、11 圖 21：各機構教師穩定性 . 12 圖 22：各教育機構課程平均價格 . 13 圖 23：學而思培優按月收入與上課人數模擬測算（截止于 2020 年 8 月的售課情況與預定情況） . 14 圖 24：2019-2020 年教育政策譜系圖. 15 圖 25：2017-2018 年教育政策譜系圖. 16 圖 26：2015-2016 年教育政策譜系圖. 17 圖 27：2013-2014 年教育政策譜系圖. 18 圖 28：2010-2012 年教育政策譜系圖. 19 表格目錄表格目錄 表 1：重點賽道政策關注度指數 . 1 表 2：可比城市市場空間供需指數與重點公司門店數（數據截至 20

15、20 年 8 月） . 1 表 3：公司量化指標 . 1 表 4：十年政策主題變遷路徑 . 4 表 5：可比城市課外培訓線下供需指數 . 8 表 6：學而思培優、新東方在線獲客能力分析 . 12 數據超融合數據超融合系列系列2020.11.18 請務必閱讀正文之后的免責條款部分 1 創新之處創新之處 在資本市場資金持續熱追的投資風格下，教育行業的研究已經從關注財務會計數據，全面轉向對長期市場空間判斷的研究，對中期市場穩定性客觀化量化的探索，以及對短期核心因子動量的跟蹤。 基于以上市場需求，我們分別基于長期政策、中期市場容量空間和短期競爭力運營指標，構建了一套綜合基本面打分模型，推出面向教育行業

16、的基本面量化數據策略。 教育標的賽道景氣指標=政策執行力度+市場相對成長容量+競爭力可比指標 政策執行力度以時間序列分析為準，以詞頻構建打分指標；市場相對成長容量聚焦線上線下高頻量化指標，以成熟市場為基準測算增量空間份額；競爭力可比指標以教育服務公司核心三要素師資儲備、收費水平與運營能力為核心。綜合看，形成對于投資標的可持續跟蹤量化評分。從數據儲備看，從三個維度看，我們可以完全覆蓋 7 個 K12 線下教育標的，未來，將更進一步向其他細分賽道進步提升。 十年教育政策透析政策紅利的變遷十年教育政策透析政策紅利的變遷教育信息化教育信息化為核心的牽引為核心的牽引 教育政策文本庫與研究方法技術路線教育

17、政策文本庫與研究方法技術路線自動化與專家經驗并行自動化與專家經驗并行 政府的政策文本具有高度的規范性和指引信息，是政府處理公共事務的真實反映和行為印記，而以往的教育政策研究偏重于短期政策的分析和解讀，聚焦于定性分析，主要依靠分析師自身的經驗和政策積累。 目前， 有很多文獻， 嘗試使用文本數據挖掘， 知識圖譜，數據可視化，文本內容分析等，量化分析政策文本數據，從而在一定程度上更為直觀地展示政策主題變遷、政策工具的效果。系統分析政策文本數據有利于及時把握黨和國家相關治理方針以及布局導向。 常用的政策分析方法包括： 1. 共詞分析法：既是通過對政策文件中主題詞共現的現象進行分析，兩個詞共現次數越多，

18、關聯程度就越強。通過對該現象的分析，以判斷主題詞的關系，從而展現出該政策領域的主要關注點和關注結構。進而挖掘政策主題，研究不同時間的主題變遷。 2. 聚類分析法：聚類分析法是指在共詞分析法頻次統計的基礎上，將關聯較強的主題詞聚合起來，進而代表不同關注點的聚類群組，最終形成一個關系由密切到疏遠的關系圖譜。 3. 網絡分析法：主要參考社會網絡分析方法研究府際關系和政策擴散效應，通過政策文本之間的關聯，形成網絡結構，進而研究政策的擴散效應，各部門之間反應 數據超融合數據超融合系列系列2020.11.18 請務必閱讀正文之后的免責條款部分 2 的強度、速度等。 我們針對國務院教育相關的政策文件、教育部

19、全部公開文獻、全國各省教育廳的主要政策文獻以及常用的教育智庫文件，多源數據融合，打造全量教育政策文本庫，并使用NLP 技術，抽取歸納每份政策文件的主題詞，用以分析國家在教育行業中的工作重點，主題焦點變遷以及政策目標。對教育政策的研究，有利于把握中長期行業的市場空間和市場穩定性。 教育行業政策主題聚焦教育行業政策主題聚焦教育信息化、職業教育、義務教育教育信息化、職業教育、義務教育 高頻詞云圖聚焦近年教育政策重點高頻詞云圖聚焦近年教育政策重點 我們使用 NLP 技術，對國務院、教育部、地方教育部門等相關教育政策公開平臺的 2萬余份教育政策文件，提煉出約 3000 余個政策文本主題詞，經進一步篩選，

20、去掉明顯不屬于教育政策文本，以及明顯與投資信息無關的主題詞，對剩余近 2000 個政策主題詞進行詞頻統計，并將語義相同的詞匯進行歸并。 以 2017 年到 2020 年教育政策高頻主題詞為例，通過詞云圖，我們可以直觀地看到，2017 年教育政策的主要圍繞義務教育、職業教育、教育信息化、并細化在創業、就業、互聯網+ 方向的政策投入；2018 年的教育政策主題詞中，明顯增加了人工智能、教育信息化、教育現代化等主題詞，結合 2018 年提出的“教育信息化 2.0” ，和 2019 年、2020年教育政策主題詞，可以看出，自 2018 年起，教育信息化持續受到政策的關注和支持，因此， 可以推斷， 教育

21、信息化在未來仍具有相當的市場空間并享受政策紅利； 2019 年 “職業教育”異軍突起，職業教育賽道迎來新的發展機會，圍繞職業教育的高等學校建設和教師隊伍建設以及教學督導任務進一步展開，結合當年時政，可以知道在 2019 年政府圍繞職業教育開展一系列的教育改革是近年來職業教育新的起點；2020 年， “人工智能” ， “教育督導”政策主題詞又一次排在前列，圍繞教育信息化進行的基礎教育建設將會為教育信息化產業帶來持久的市場空間。 圖 1：2017 年政策主題詞 圖 2：2018 年政策主題詞 資料來源：中信證券研究部 資料來源：中信證券研究部 數據超融合數據超融合系列系列2020.11.18 請務

22、必閱讀正文之后的免責條款部分 3 圖 3：2019 年政策主題詞 圖 4：2020 年政策主題詞 資料來源：中信證券研究部 資料來源：中信證券研究部 通過對過去十年主題詞詞頻統計，我們聚合相同賽道的主題詞，得到相應重點主題詞的詞頻，并進行指數化處理，從而透析在教育賽道中的政策關注度。以“職業教育” ， “民辦教育” ， “教育信息化” ， “義務教育”為例，以 2010 年為基準，我們發現“職業教育”在 2015 年和 2019 年受到各自相對前一年 1 倍以上的關注度增長，對應當年，國家頒布了職業教育相關的重要文件；從“教育信息化”政策關注度指數中，我們也可以看到在過去的十年中，教育信息化主

23、題受到政府持續增加的關注，平均每年關注度增長 25%，可以推斷在未來教育信息化產業將繼續保持政策關注的增長；相比于前兩者， “民辦教育”和“義務教育”在 2017 年受政策關注度急速增加，達到歷史關注的峰值。 圖 5：教育政策主題關注度指數 資料來源：中信證券研究部 在對全部政策分詞統計的過程中，我們也關注到了一些在未來可能對重要賽道產生影響的政策主題詞，比如高考政策和在線教育的相關政策。我們發現， “高考改革”作為義務教育的指向標，在近幾年受到持續的政策關注，我們應當對高考政策進行持續的研究；在對新詞的挖掘中，我們同樣發現在 2018 年前， 在線教育并沒有受到政策的關注，但是在 2019

24、年之后，受到了爆發性的政策關注，在未來政策預計將會在“在線教育”賽道上進行監督引導，加強在線教育賽道的規范性，促進在線教育賽道良性發展。 數據超融合數據超融合系列系列2020.11.18 請務必閱讀正文之后的免責條款部分 4 圖 6：“新高考”政策關注度指數 圖 7：“在線教育”政策關注度指數 資料來源：中信證券研究部 資料來源：中信證券研究部 我們深入詞頻統計結果，進行共詞分析進行共詞分析，并對過去十年排名前 50 的高頻政策主題詞進行聚類分析，得到 10 年期 5 個時間階段的政策譜系圖（見附錄）和政策主題焦點。在對政策歷史變遷的整體把握中發現， 職業教育賽道受到政策的長期關注， 雖然過去

25、十年中，有的階段加強職業教育，有的階段監管職業教育，但是在未來幾年，職業教育賽道依舊可以保持足夠的政策關注和政策紅利；同時，教育信息化目前也進入到第二個政策關注的階段，預計至少在 3 年內仍具有政策紅利；值得關注的是義務教育和教育公平，對應到 K12教育賽道上，我們認為在未來 3-5 年中，它會受到更多的政策關注，有政策風險的同時，也具有超過其他賽道的政策紅利。 表 4：十年政策主題變遷路徑 政策聚類詞政策聚類詞 1 政策聚類詞政策聚類詞 2 政策聚類詞政策聚類詞 3 政策聚類詞政策聚類詞 4 政策聚類詞政策聚類詞 5 政策聚類詞政策聚類詞 6 2010-2012 年 職教辦學 解決就業 隊伍

26、建設 義務教育信息化 高教改革 完善機制 2013-2014 年 高教改革 就業指導 督學 職教信息化 基礎建設 高校制度 2015-2016 年 職業教育改革 就業扶持 義務教育 公共教育 高等學校制度 2017-2018 年 現代化教育改革 教育信息化 監管職業教育 監管義務教育 2019-2020 年 職業教育 網絡辦學 教育信息化 義務教育 素質培養 教育公平 資料來源：中信證券研究部 共現網絡關系圖譜理清重點政策主題詞內在結構關聯共現網絡關系圖譜理清重點政策主題詞內在結構關聯 政策的主題詞往往不是孤立地出現，通常會與其它主題詞共同出現在同一篇政策文本中，了解不同政策主題詞之間的關聯特

27、征，有利于我們找尋政策內在的驅動方向。我們通過共詞詞頻統計，對 2019-2020 年重點政策主題詞進行簡單梳理，進而構建共現網絡關系圖譜。通過社會網絡理論和統計學理論，進行網絡聚類分析，得到如下關系圖譜。 在每一個小聚類群中可以看到不同政策主題詞之間的關聯，比如圍繞“在線教育”的“隊伍建設” ， “中等職業學?！?， “就業” ， “校企合作” ，可以知道國家在線教育政策將偏重于促進就業， 促進校企合作，提升教師隊伍建設，關注在線中職教育；圍繞 “職業教育”主題，政策將重視合作辦學，注重技能培訓和教學管理制度等；圍繞“教育信息化”產業可以關注中西部地區的教育基礎設施的建設。 可以看出， 在未

28、來一段時間內， 教育信息化、 數據超融合數據超融合系列系列2020.11.18 請務必閱讀正文之后的免責條款部分 5 職業教育、在線教育，尤其是 K12 教育會有長期的市場空間。 圖 8：政策主題詞關聯圖譜 資料來源：中信證券研究部 從發文時間和數量判斷地方政府對國務院“課外培訓”政策執行力度從發文時間和數量判斷地方政府對國務院“課外培訓”政策執行力度 在前文的政策分析中，我們注意到“在線教育”政策主題詞在過去十年中都遠不夠高頻，但是在 2020 年的政策文本中出現頻率排名大幅度提升，與其高頻共現的主題詞包括“教學改革” ， “網絡安全” ， “教師隊伍建設” ， “脫貧攻堅” ， “基礎教育

29、” ， “貧困地區” ， “留守兒童” ， “課程資源” ， “課堂教學” ， “互聯網+” ， “高等教育” ， “信息技術” ， “職業教育” ，可見國家除了希望 “在線教育” 在高等教育， 職業教育層面有所建樹， 更對它在基礎教育，教育資源平衡與教育公平層面的作用寄以厚望。 因此我們聚焦于 K12 賽道，從政策視角分析 K12 賽道受到的影響。我們以政策主題詞“課外培訓”為例，梳理各省份跟進 2018 年 8 月 22 日國務院辦公廳文件關于規范校外培訓機構發展年意見相應出臺的地方性政策文件和政務公開信息。通過在時間維度上觀察各省份的響應時間和發文數量，我們發現在國務院公開發行關于規范校

30、外培訓機構發展的意見前，已經有很多省份進行先行的政策文件協商。在國務院發布核心文件后，經過兩個月的研討，多數省份密集執行國務院政策，持續到 2019 年 6 月完成第一個響應周期。地方政府歷經兩年左右，基本完成對課外輔導機構常態化的監督登記。在這兩年的 數據超融合數據超融合系列系列2020.11.18 請務必閱讀正文之后的免責條款部分 6 監督管理中，大量不規范的線下教育機構退出市場，行業份額加速向大體量、規范化的優質公司集中，整體政策執行有利于市場良性運轉。我們發現，地方政府在執行國務院重要我們發現，地方政府在執行國務院重要政策前，會有密集協商討論的公開信息，在國務院政策發布的兩個月內，地方

31、政府迅速制政策前，會有密集協商討論的公開信息，在國務院政策發布的兩個月內，地方政府迅速制定相應政策方案，并立即執行。提前關注重要政策的發布意向和地方政府響應力度，將有定相應政策方案，并立即執行。提前關注重要政策的發布意向和地方政府響應力度，將有益于投資者規避投資風險。益于投資者規避投資風險。 圖 9：“課外培訓”地方政策響應力度 資料來源：教育部，中信證券研究部 當下教育資源空間分布測算線下競爭格局當下教育資源空間分布測算線下競爭格局行業行業向龍頭集中，南方仍具有空間向龍頭集中，南方仍具有空間 通過前文的政策分析，我們聚焦在仍具有政策紅利的 K12 教育賽道。在深入研究 K12 行業時，我們可

32、將其分拆為線上教育和線下教育，進而找尋兩者的發展方向和市場空間。我們以全國中小學校外輔導機構數據庫為核心，深入挖掘產業信息，從線下教育發展現狀探索未來的發展空間。 線下教育機構規范化，市場有望向龍頭集中線下教育機構規范化，市場有望向龍頭集中 自 2018 年 11 月 21 日，國家政府對全國線下教育機構進行排查，監督治理，并完善信息公開，建立“全國中小學生校外培訓機構管理服務平臺” ，全國摸排校外培訓機構401050 所，目前已整改完成約 16 萬所, 所有中小學校外線下教育機構需分批登記信息。該平臺數據中，登記了線下教育每一家辦學單位詳細的經營數據，包括辦學情況、授課學科信息、教職工數、辦

33、學資質等信息，該數據可以允許投資者和消費者及時監測線下教育行業經營細節。從目前整改的數據中，可以看出本次整改釋放了大量的線下市場空間。通過對國家平臺數據的搜集整理，我們發現，目前合法的線下校外培訓機構中，山東、浙江的數量最多，華中、華南區域數量較多，西北地區線下教育機構最少，西南地區中四川省教育機構數量較多。然而僅僅依靠機構數量數據并不能直接指引反饋各地線下教育資源的豐富程度。 數據超融合數據超融合系列系列2020.11.18 請務必閱讀正文之后的免責條款部分 7 圖 10：全國中小學校外輔導機構分布圖 資料來源：全國中小學生校外培訓機構管理服務平臺，中信證券研究部 本文通過計算線下教育機構數

34、與在校生的比率，得到一個能夠反映線下教育市場空間的指標，經對比發現，全國范圍內，西藏是教育資源最為匱乏的，北京、天津、浙江、山東、遼寧的線下教育資源相對充足，而廣東、廣西、重慶、貴州線下教育資源相對匱乏，這四個省份將提供更為廣闊，持久的教育市場需求。 圖 11：線下機構與在校生比率 資料來源：全國中小學生校外培訓機構管理服務平臺，中信證券研究部 另外，全國中小學校外輔導機構數據庫規范地整理了全國各省市區縣鄉的校外教育輔導機構詳情，精細地反映出各個行政區的教育資源結構，有助于推斷具體縣市的教育資源情況，以安徽省為例，通過該指標可以看出，毫州市、淮南市、蚌埠市相對缺乏校外輔 數據超融合數據超融合系

35、列系列2020.11.18 請務必閱讀正文之后的免責條款部分 8 導機構，各教育公司可以參照該稀缺性指標和對應地區的人均可支配收入制定價格合理、高性價比的教學課程，或差異化針對不同地區指定差異化品牌戰略。線下監管趨嚴，線上具有差異化品牌能力的公司將逐步搶食線下市場， 加速教育市場出清， 并向行業龍頭集中。因此，推薦有能力差異化品牌矩陣的教育資源公司。 圖 12：安徽省線下教育機構分布圖 圖 13：安徽省各級縣市在校生課外機構比率 資料來源：全國中小學生校外培訓機構管理服務平臺，中信證券研究部 資料來源：全國中小學生校外培訓機構管理服務平臺，中信證券研究部 通過政策文本分析和空間維度的分析，我們

36、不難看出，K12 教育行業中長期具有穩定的市場空間， 雖然政策趨于嚴格監管， 強調教學督導， 加強整改排查， 但是行業前景廣闊，政府的嚴格監管，有利于行業出清，客源向頭部企業集中。因此，中長期看好 K12 賽道。 可比城市線下市場供需測算，南方城市具有相當行業空間可比城市線下市場供需測算，南方城市具有相當行業空間 我們按照城市等級選取部分重點城市，在可比城市范圍內，對其 K12 線下教育市場空間進行測算，選取一線城市：北京、上海、深圳、廣州；準一線城市：成都、武漢、杭州、重慶、南京、大連、西安；二線城市：長春、哈爾濱、蘭州。 我們假定居民線下教育，線上教育支出占比固定，使用地區教學總面積和認證

37、教師總人數作為衡量該地區課外教學資源供給水平，以該地區居民年度教育總支出作為均衡梁該地區教育資源需求水平，用公立學校教師資源衡量公立學校的資源，得到如下計算公式： = 人均教育支出 （小學在校生數+中學在生數校）地區教學總面積 地區認證教師總人數 公立學校 12專職教師數 經過對線下機構數據的結構化處理，計算得到如下城市的供需關系指數： 表 5：可比城市課外培訓線下供需指數 城市等級城市等級 城市城市 K 指數指數 城市等級城市等級 城市城市 K 指數指數 一線 北京 0.20 準一線 成都 1.16 一線 上海 2.23 準一線 杭州 1.26 一線 廣州 9.15 準一線 武漢 0.83

38、二線 長春 2.21 準一線 重慶 0.36 二線 哈爾濱 0.58 準一線 南京 4.91 二線 蘭州 4.67 準一線 大連 0.3 數據超融合數據超融合系列系列2020.11.18 請務必閱讀正文之后的免責條款部分 9 城市等級城市等級 城市城市 K 指數指數 城市等級城市等級 城市城市 K 指數指數 準一線 西安 0.75 資料來源：WIND，中信證券研究部 在一線城市范圍內，以三個指數的中位數作為基準，即以上海教育資源為可比基準，假設總支出不變，廣州市場還有 200%以上的增長空間，而北京則相對市場空間有限。在準一線城市范圍內以 K 指數為中位數的武漢為基準，杭州和成都課外教育市場空

39、間約有1.5 倍的市場空間，南京的市場空間潛力較大，而大連在目前的教育支出水平下，線下教育市場空間有限。因此，我們推薦關注布局南方城市，尤其是布局廣東、川渝地區的龍頭公司。 圖 14：學而思培優線下門店分布 圖 15：新東方線下門店分布 資料來源：學而思官網，中信證券研究部 資料來源：新東方官網，中信證券研究部 我們選取 10 月份新東方，好未來線下門店數量數據進行對比：從省份分布，可以看到新東方重視華東， 華中的線下布局， 而學而思培優重點布局在珠江三角洲和長江三角洲；在可比城市范圍內，也可以明顯看到，好未來深耕華南地區的 K12 教育市場，在深圳，廣州具有明顯的優勢，而新東方在北方城市中影

40、響力相對較大。 圖 16：新東方，學而思培優，愛智康在可比城市門店分布 資料來源：學而思官網，新東方官網，愛智康官網，中信證券研究部 數據超融合數據超融合系列系列2020.11.18 請務必閱讀正文之后的免責條款部分 10 公司級運營數據跟蹤公司級運營數據跟蹤以師資為核心驅動以師資為核心驅動 量化名師教育資源，及時跟蹤公司核心競爭力量化名師教育資源，及時跟蹤公司核心競爭力 主講教師是 K12 教育公司的核心資源與核心競爭力， 對教師詳細畫像的刻畫有利于我們準確了解公司核心競爭力的實時結構和發展動向。教師教齡、過往履歷、教師數量、教師隊伍穩定性、教師薪資水平是綜合衡量各公司教師差異的維度，我們通

41、過 K12 數據庫中的教師描述關聯到人力招聘信息，量化對比不同教育公司的核心競爭力。 教齡是衡量教師履歷的基本指標，也是公司教師資源核心競爭力的直觀體現。以猿輔導和高途課堂（跟誰學）為例，我們通過對模糊文本數據的關鍵信息提取計算出各公司教師的教齡，可以看出高途課堂教師教齡主要集中在 6-10 年，更有超過 20 年以上的教師，而猿輔導教師教齡主要集中在 0-3 年和 3-5 年。經過總體計算，我們大致得出，猿輔導講師的平均教齡在 5-7 年左右，而高途課堂的講師平均教齡在 10 年以上。猿輔導教師的平均教齡略小于高途課堂教師的平均教齡。 圖 17：高途課堂教師教齡占比 圖 18：猿輔導教師教齡

42、占比分布 資料來源：高途課堂官網、APP，中信證券研究部 資料來源：猿輔導官網、APP，中信證券研究部 另外，教師的數量也是反映教師隊伍建設的指標，教師數量的變化可以反映出公司近期業務是否擴張， 有利于判斷公司近況。 本文從 K12 教育庫中觀察每月教師數量的變化，為同時直觀地展示各公司教師數量的變化，我們將每月教師數量歸一化，得到按月主講教師數量累計變化趨勢。 數據超融合數據超融合系列系列2020.11.18 請務必閱讀正文之后的免責條款部分 11 圖 19：其他各教育公司主講教師數量累計變化趨勢 資料來源：各公司官網、APP，中信證券研究部 圖 20：新東方集團旗下公司主講教師數量累計變化

43、趨勢 資料來源：新東方官網、APP，中信證券研究部 可以觀察到， 高途課堂的教師數量基本處于穩步上升的狀態， 一年之內幾乎增長一倍，而其他公司的教師數量呈現一定的波動，但仍是穩步上升狀態。對應的是教育行業整體市值上漲。但是我們發現 2020 年五月中旬，新東方教師數量大幅度增加，經查信息發現，在 2020 年 7 月 29 日， 新東方在線在發布的盈利警告中提到， 公司在春季推出了免費公益課，學生流量暴增帶來了教學員工數的提升?？梢?，教師數量的變化是能夠及時提示投資者近期公司的經營活動變化，從而在短期投資層面采取對應的措施。 教師的穩定性也是衡量公司教育資源是否可持續轉化成收入的重要指標。穩定

44、的團隊或者持續擴張的團隊在未來會獲得更多的營業收入，而相對不穩定的公司則需要付出更多的招聘培養成本。我們采用半年內一直在公司工作的主講教師占當下主講教師的比例作為半年穩定性指標，季度內一直在公司工作的主講教師占當下主講教師的比例作為季度穩定性指標，共同衡量各公司教師的穩定性，數值越大，變動相對穩定。綜合來看，新東方集團人員變動幅度較大，而高徒課堂和學而思培優的教師團隊相對穩定。當人員穩定性變動幅度較大時，預示該公司有較大人員變動，因此，該指標可以及時提醒投資者短期的投資風險。從穩定性指標比較中，我們看好學而思培優、跟誰學中長期的市場競爭力，對于新東方旗下公司基本面變動，我們將以此為指引，繼續深

45、入研究了解。 數據超融合數據超融合系列系列2020.11.18 請務必閱讀正文之后的免責條款部分 12 圖 21：各機構教師穩定性 資料來源：各公司官網、APP，中信證券研究部 綜上，教師資源是 K12 公司的核心資源，我們通過模糊信息清洗技術，打造各家公司的教師畫像，從教齡、教師數量變化、教師穩定性三個短期量化指標，直觀反饋教育行業短期的基本面動量因素。 從課程信息推斷公司經營能力從課程信息推斷公司經營能力獲客能力、定價能力、營收能力獲客能力、定價能力、營收能力 獲客獲客能力能力 獲客能力同樣是公司的核心經營能力的評價指標，而教育公司通常會用低價課或者公益課程等非正價課所占比例來衡量公司的獲

46、客能力。以學而思培優和新東方在線為例，通過公司官網的介紹與課程 APP 的整理，我們能夠對學而思培優與新東方在線做比較直接的經營能力比對。 表 6：學而思培優、新東方在線獲客能力分析 公司公司 課程課程 人數（單位人數（單位/人）人） 營收（單位營收（單位/元）元） 課程數課程數 學而思培優 正價課 4001852 4942746158 133455 非正價課 6805062 807020533 101004 新東方在線 正價課 625619 663279000 4508 非正價課 1529200 44385055 2541 資料來源：各公司官網、APP，中信證券研究部 通過計算得出學而思培優

47、、新東方在線兩家公司正價課人數與非正價課人數的比值分別為 0.59，0.41，作為近似替代低價可轉化率指標，能夠反映出學而思培優線上課程的獲客能力要略優于新東方在線的獲客能力。 數據超融合數據超融合系列系列2020.11.18 請務必閱讀正文之后的免責條款部分 13 定價能力定價能力 每家公司的課程的定價可以反映出公司相對于消費者而言的議價能力，長期定價越高，品牌能力越強，相應的市場認可度就越高，未來可持續發展能力相對更好。本文通過梳理過去一年中各機構課程的平均價格發現，關注線下市場的新東方和學而思培優的定價能力要高于其它在線教育公司，而猿輔導和高途課堂的定價能力略高于學而思網校和作業幫，但是

48、低于學而思培優和新東方。定價能力指標可以近似反映消費者市場對不同公司教學質量的認可程度。 圖 22：各教育機構課程平均價格 資料來源：各公司官網、APP，中信證券研究部 營收追蹤模擬營收追蹤模擬 教育行業的財報日期與其他行業不同，雖然每次購買課程一次性繳費，但是營收數據是按照每月上課情況分攤確認，因此可以通過分類抽樣觀測課程注冊人數（假設課程滿載率人數指標-在線課程抽樣實際觀測剩余名額）和上課時間，再依照對應課程的價格，近似模擬得出每個月的營業收入和上課人數，可以看出春季班、秋季班人數的變動并沒有大幅度增加月度收入，而寒暑假上課人數變動會引起營收的大幅度增加。這是因為春季班、秋季班多為非正價課

49、、公益課，用于獲取流量，轉化客源，而寒假班、暑假班中，學生集中時間學習正價課，因此確認的營收數據變動較大。這滿足我們既定的認知，因此可以通過課程信息分類抽樣模擬公司月度收入變動趨勢與上課人數。 數據超融合數據超融合系列系列2020.11.18 請務必閱讀正文之后的免責條款部分 14 圖 23：學而思培優按月收入與上課人數模擬測算（截止于 2020 年 8 月的售課情況與預定情況） 資料來源：學而思官網、APP，中信證券研究部測算 注：假設課程滿載率人數 30 人/課時-在線課程抽樣實際觀測剩余名額 投資建議投資建議 綜合近十年教育政策文本， 從詞頻比對結果看， 政策重點主要聚焦于 “職業教育”

50、 ， “教育信息化” ， “義務教育”與“在線教育”方向。在以上賽道上，我們結合地理空間數據，模擬推算未來 K12 線下教育市場在部分一線城市的合理成長空間。同時，從短期投資邏輯出發，圍繞重點公司的名師資源、獲客能力與企業定價能力多因子指標，構建橫向比較體系。綜合來看，龍頭公司如好未來、新東方在線、跟誰學等，師資優勢顯著，競爭護城河高筑，一線城市成長空間可期。 風險因素風險因素 政策短期重大變化風險；線下教育培訓過度競爭風險；第三方數據的連續可得性。 數據超融合數據超融合系列系列2020.11.18 請務必閱讀正文之后的免責條款部分 15 附錄附錄 圖 24：2019-2020 年教育政策譜系

51、圖 資料來源：中信證券研究部 數據超融合數據超融合系列系列2020.11.18 請務必閱讀正文之后的免責條款部分 16 圖 25：2017-2018 年教育政策譜系圖 資料來源：中信證券研究部 數據超融合數據超融合系列系列2020.11.18 請務必閱讀正文之后的免責條款部分 17 圖 26：2015-2016 年教育政策譜系圖 資料來源：中信證券研究部 數據超融合數據超融合系列系列2020.11.18 請務必閱讀正文之后的免責條款部分 18 圖 27：2013-2014 年教育政策譜系圖 資料來源：中信證券研究部 數據超融合數據超融合系列系列2020.11.18 請務必閱讀正文之后的免責條款

52、部分 19 圖 28：2010-2012 年教育政策譜系圖 資料來源：中信證券研究部 分析師聲明分析師聲明 主要負責撰寫本研究報告全部或部分內容的分析師在此聲明： （i）本研究報告所表述的任何觀點均精準地反映了上述每位分析師個人對標的證券和發行人的看法； （ii）該分析師所得報酬的任何組成部分無論是在過去、現在及將來均不會直接或間接地與研究報告所表述的具體建議或觀點相聯系。 評級說明評級說明 投資建議的評級標準投資建議的評級標準 評級評級 說明說明 報告中投資建議所涉及的評級分為股票評級和行業評級（另有說明的除外）。評級標準為報告發布日后 6 到 12 個月內的相對市場表現，也即：以報告發布日

53、后的 6 到 12 個月內的公司股價（或行業指數）相對同期相關證券市場代表性指數的漲跌幅作為基準。其中：A 股市場以滬深 300指數為基準，新三板市場以三板成指（針對協議轉讓標的）或三板做市指數（針對做市轉讓標的）為基準；香港市場以摩根士丹利中國指數為基準；美國市場以納斯達克綜合指數或標普 500 指數為基準；韓國市場以科斯達克指數或韓國綜合股價指數為基準。 股票評級股票評級 買入 相對同期相關證券市場代表性指數漲幅 20%以上 增持 相對同期相關證券市場代表性指數漲幅介于 5%20%之間 持有 相對同期相關證券市場代表性指數漲幅介于-10%5%之間 賣出 相對同期相關證券市場代表性指數跌幅

54、10%以上 行業評級行業評級 強于大市 相對同期相關證券市場代表性指數漲幅 10%以上 中性 相對同期相關證券市場代表性指數漲幅介于-10%10%之間 弱于大市 相對同期相關證券市場代表性指數跌幅 10%以上 其他聲明其他聲明 本研究報告由中信證券股份有限公司或其附屬機構制作。中信證券股份有限公司及其全球的附屬機構、分支機構及聯營機構（僅就本研究報告免責條款而言，不含 CLSA group of companies） ，統稱為“中信證券”。 法律主體聲明法律主體聲明 本研究報告在中華人民共和國（香港、澳門、臺灣除外）由中信證券股份有限公司（受中國證券監督管理委員會監管，經營證券業務許可證編號：

55、Z20374000）分發。本研究報告由下列機構代表中信證券在相應地區分發：在中國香港由 CLSA Limited 分發；在中國臺灣由 CL Securities Taiwan Co., Ltd.分發；在澳大利亞由 CLSA Australia Pty Ltd.（金融服務牌照編號：350159）分發；在美國由 CLSA group of companies（CLSA Americas, LLC（下稱“CLSA Americas”）除外）分發；在新加坡由 CLSA Singapore Pte Ltd.（公司注冊編號：198703750W）分發；在歐盟與英國由 CLSA Europe BV 或 CL

56、SA （UK） 分發； 在印度由 CLSA India Private Limited 分發 （地址： 孟買 （400021） Nariman Point 的 Dalamal House 8 層； 電話號碼： +91-22-66505050；傳真號碼：+91-22-22840271；公司識別號：U67120MH1994PLC083118；印度證券交易委員會注冊編號：作為證券經紀商的 INZ000001735，作為商人銀行的 INM000010619，作為研究分析商的 INH000001113） ；在印度尼西亞由 PT CLSA Sekuritas Indonesia 分發；在日本由 CLSA

57、Securities Japan Co., Ltd.分發；在韓國由 CLSA Securities Korea Ltd.分發；在馬來西亞由 CLSA Securities Malaysia Sdn Bhd 分發；在菲律賓由 CLSA Philippines Inc.（菲律賓證券交易所及證券投資者保護基金會員）分發；在泰國由 CLSA Securities (Thailand) Limited 分發。 針對不同司法管轄區的聲明針對不同司法管轄區的聲明 中國：中國：根據中國證券監督管理委員會核發的經營證券業務許可，中信證券股份有限公司的經營范圍包括證券投資咨詢業務。 美國：美國：本研究報告由中信證

58、券制作。本研究報告在美國由 CLSA group of companies（CLSA Americas 除外）僅向符合美國1934 年證券交易法下15a-6 規則定義且 CLSA Americas 提供服務的“主要美國機構投資者”分發。對身在美國的任何人士發送本研究報告將不被視為對本報告中所評論的證券進行交易的建議或對本報告中所載任何觀點的背書。任何從中信證券與 CLSA group of companies 獲得本研究報告的接收者如果希望在美國交易本報告中提及的任何證券應當聯系 CLSA Americas。 新加坡：新加坡：本研究報告在新加坡由 CLSA Singapore Pte Ltd.

59、（資本市場經營許可持有人及受豁免的財務顧問） ，僅向新加坡證券及期貨法s.4A（1）定義下的“機構投資者、認可投資者及專業投資者”分發。根據新加坡財務顧問法下財務顧問（修正）規例（2005） 中關于機構投資者、認可投資者、專業投資者及海外投資者的第 33、34 及 35 條的規定， 財務顧問法第 25、27 及 36 條不適用于 CLSA Singapore Pte Ltd.。如對本報告存有疑問，還請聯系 CLSA Singapore Pte Ltd.（電話：+65 6416 7888） 。MCI (P) 086/12/2019。 加拿大：加拿大：本研究報告由中信證券制作。對身在加拿大的任何人

60、士發送本研究報告將不被視為對本報告中所評論的證券進行交易的建議或對本報告中所載任何觀點的背書。 歐盟與英國：歐盟與英國：本研究報告在歐盟與英國歸屬于營銷文件，其不是按照旨在提升研究報告獨立性的法律要件而撰寫，亦不受任何禁止在投資研究報告發布前進行交易的限制。本研究報告在歐盟與英國由 CLSA （UK）或 CLSA Europe BV 發布。CLSA （UK）由（英國）金融行為管理局授權并接受其管理，CLSA Europe BV 由荷蘭金融市場管理局授權并接受其管理，本研究報告針對由相應本地監管規定所界定的在投資方面具有專業經驗的人士，且涉及到的任何投資活動僅針對此類人士。若您不具備投資的專業經

61、驗，請勿依賴本研究報告。對于由英國分析員編纂的研究資料，其由 CLSA （UK）與 CLSA Europe BV 制作并發布。就英國的金融行業準則與歐洲其他轄區的金融工具市場指令 II ，本研究報告被制作并意圖作為實質性研究資料。 澳大利亞：澳大利亞：CLSA Australia Pty Ltd (“CAPL”) (商業編號：53 139 992 331/金融服務牌照編號：350159) 受澳大利亞證券與投資委員會監管，且為澳大利亞證券交易所及 CHI-X 的市場參與主體。本研究報告在澳大利亞由 CAPL 僅向“批發客戶”發布及分發。本研究報告未考慮收件人的具體投資目標、財務狀況或特定需求。

62、未經 CAPL 事先書面同意， 本研究報告的收件人不得將其分發給任何第三方。 本段所稱的“批發客戶”適用于 公司法 （2001） 第 761G條的規定。CAPL 研究覆蓋范圍包括研究部門管理層不時認為與投資者相關的 ASX All Ordinaries 指數成分股、離岸市場上市證券、未上市發行人及投資產品。CAPL 尋求覆蓋各個行業中與其國內及國際投資者相關的公司。 一般性聲明一般性聲明 本研究報告對于收件人而言屬高度機密，只有收件人才能使用。本研究報告并非意圖發送、發布給在當地法律或監管規則下不允許向其發送、發布該研究報告的人員。本研究報告僅為參考之用，在任何地區均不應被視為買賣任何證券、金

63、融工具的要約或要約邀請。中信證券并不因收件人收到本報告而視其為中信證券的客戶。本報告所包含的觀點及建議并未考慮個別客戶的特殊狀況、目標或需要，不應被視為對特定客戶關于特定證券或金融工具的建議或策略。對于本報告中提及的任何證券或金融工具，本報告的收件人須保持自身的獨立判斷。 本報告所載資料的來源被認為是可靠的，但中信證券不保證其準確性或完整性。中信證券并不對使用本報告所包含的材料產生的任何直接或間接損失或與此有關的其他損失承擔任何責任。本報告提及的任何證券或金融工具均可能含有重大的風險，可能不易變賣以及不適合所有投資者。本報告所提及的證券或金融工具的價格、價值及收益可能會受匯率影響而波動。過往的

64、業績并不能代表未來的表現。 本報告所載的資料、觀點及預測均反映了中信證券在最初發布該報告日期當日分析師的判斷，可以在不發出通知的情況下做出更改，亦可因使用不同假設和標準、采用不同觀點和分析方法而與中信證券其它業務部門、單位或附屬機構在制作類似的其他材料時所給出的意見不同或者相反。中信證券并不承擔提示本報告的收件人注意該等材料的責任。中信證券通過信息隔離墻控制中信證券內部一個或多個領域的信息向中信證券其他領域、單位、集團及其他附屬機構的流動。負責撰寫本報告的分析師的薪酬由研究部門管理層和中信證券高級管理層全權決定。分析師的薪酬不是基于中信證券投資銀行收入而定，但是，分析師的薪酬可能與投行整體收入

65、有關，其中包括投資銀行、銷售與交易業務。 若中信證券以外的金融機構發送本報告，則由該金融機構為此發送行為承擔全部責任。該機構的客戶應聯系該機構以交易本報告中提及的證券或要求獲悉更詳細信息。本報告不構成中信證券向發送本報告金融機構之客戶提供的投資建議，中信證券以及中信證券的各個高級職員、董事和員工亦不為（前述金融機構之客戶）因使用本報告或報告載明的內容產生的直接或間接損失承擔任何責任。 未經中信證券事先書面授權，任何人不得以任何目的復制、發送或銷售本未經中信證券事先書面授權，任何人不得以任何目的復制、發送或銷售本報告。報告。 中信證券中信證券 2020 版權所有。保留一切權利。版權所有。保留一切權利。