1、证券 证券研究报告 请务必阅读正文之后的免责条款 K12 教育行业专题教育行业专题拥抱政策红利，深挖行拥抱政策红利，深挖行业成长空间与龙头护城河业成长空间与龙头护城河 数据超融合系列2020.11.18 中信证券研究部中信证券研究部 核心观点核心观点 张若海张若海 首席数据科技 分析师 S01 姜娅姜娅 首席消费产业 分析师 S56 冯重光冯重光 教育行业分析师 S06 综合近十年教育政策文本， 从词频比对结果看， 政策重点主要聚焦于 “职业教育” ，综合近十年教育政策文本， 从词频比对结果看， 政策重点主要聚焦于 “职业教育”

2、 ，“教育信息化”，“义务教育”与“在线教育”方向。在以上赛道上，我们结合“教育信息化”，“义务教育”与“在线教育”方向。在以上赛道上，我们结合地理空间数据， 模拟推算未来地理空间数据， 模拟推算未来 K12 线下教育市场在部分一线城市的合理成长空间。线下教育市场在部分一线城市的合理成长空间。同时，从短期投资逻辑出发，围绕重点公司的名师资源，获客能力与企业定价能同时，从短期投资逻辑出发，围绕重点公司的名师资源，获客能力与企业定价能力多因子指标，构建横向比较体系。综合来看，龙头公司如好未来、新东方在线、力多因子指标，构建横向比较体系。综合来看，龙头公司如好未来、新东方在线、跟谁学等，师资优势显著

3、，一线城市成长空间可期，竞争护城河高筑。跟谁学等，师资优势显著，一线城市成长空间可期，竞争护城河高筑。 长期政策红利聚焦：长期政策红利聚焦：NLP 助力政策文本时间序列挖掘，增强定性测算助力政策文本时间序列挖掘，增强定性测算。长期看，政策因素是教育行业核心驱动因子，本文聚焦政策文本，融合全国 31 省的官方政策资料，横跨 10 年政策周期，借助 NLP 技术提取 2000 余个政策主题词，通过网络分析，聚类谱系图等算法工具，最终形成在可选时间序列下，top50 的高频词聚类分析矩阵。从政策驱动的重点方向看，“职业教育”，“教育信息化”与“义务教育”始终处于政策驱动的核心方向。以 2010 年为

4、基准，“教育信息化”在过去的十年中，平均每年关注度增长 25%；“职业教育”在 2015 年和 2019 年受到各自相对前 1 年 1 倍以上的关注度增长；“义务教育”关注度相比前一年增长 12%。近两年来，“在线教育”的关注度增长 8 倍以上，增速惊人，是值得市场重点关注的赛道。 中期市场空间线下空间测算：南方城市中期市场空间线下空间测算：南方城市线下教育线下教育市场空间较大市场空间较大，新一线可期新一线可期。通过整理政府建立的全国中小学校外教育机构数据，截至 2020 年 8 月，我们在不同等级的 10 余个城市间构建教育资源供需指标对比。以上海、武汉、长春为区域比较基准，综合区域的教育支

5、出、在校生人数等客观指标，我们认为中期看，杭州、成都线下教育市场存在 100-150%的布局成长空间， 广州存在 200%以上的增长空间。因此推荐重点关注在南方布局，尤其是在广东布局线下教育的龙头公司。 短期行业经营数据横向对比：以师资团队跟踪为核心，构建高频比对框架。短期行业经营数据横向对比：以师资团队跟踪为核心，构建高频比对框架。我们通过对线上教育公司的数据整理，梳理了 6 个指向公司基本面的跟踪因子，包括教师教龄、教师数量、教师团队稳定性，公司获客能力，定价能力和营收近似指标。同指标比较看，高途课堂平均教师教龄为 6-10 年，相比猿辅导教龄 5-7 年占优，且团队季度稳定性与半年度稳定

6、性差值为 0.06，远低于猿辅导的稳定性差值 0.34；好未来教师团队稳定性、教师数量、获客能力都优于可比公司。 风险提示风险提示：政策短期重大变化风险；线下教育培训过度竞争风险；第三方数据的连续可得性。 投资策略：投资策略： 短期看， K12 线下教育重点公司在新一线成长空间可期， 综合名师资源，获客能力与企业定价能力多因子体系比较结果看，建议关注好未来、新东方在线、跟谁学等。 数据超融合数据超融合系列系列2020.11.18 请务必阅读正文之后的免责条款部分 表 1：重点赛道政策关注度指数 职业教育职业教育 民办教育民办教育 教育信息化教育信息化 高考高考 义务教育义务教育 在线教育在线教

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 资料来源：教育部，中信证券研究部 表 2：可比城市市场空间供需指数与重点公司门店数（数据截至 2020 年 8 月） 城市等级城市等级 城市城市 K 指数指数 新东方门店新东方门店 学而思门店学而思门店 爱智康门店爱智康门店 一线 北京 0.197577 118 100 25 一线 上海 2.226518 81 79 14 一线 广州 9.154896 41 93 9 准一线 成都 1.162688 43 21 11 准一线 杭州 1.26484 56 65 10 准一线 武汉 0.832305 53 41 6 准一线 重庆 0.361719 36 39 5

9、准一线 南京 4.909742 57 49 9 准一线 大连 0.295902 5 4 0 准一线 西安 0.747817 49 28 9 二线 长春 2.210989 22 9 0 二线 哈尔滨 0.577958 16 3 0 二线 兰州 4.67053 14 5 0 资料来源：百度地图，腾讯地图，高德地图，中信证券研究部 表 3：公司量化指标 教师数量教师数量 相对值相对值 教师季度教师季度 稳定性稳定性 教师半年教师半年 稳定性稳定性 获客能力获客能力 相对指数相对指数 平均价格（元）平均价格（元） 学而思培优 1.32 0.87 0.81 0.59 2047 高徒课堂 1.89 0.8

10、 0.74 N/A 1215.75 新东方 N/A N/A N/A 0.41 2683 新东方在线 2.89 0.94 0.25 N/A N/A 东方优播 2.61 0.97 0.34 N/A 1304 猿辅导 1.04 0.9 0.56 N/A 1561 作业帮 1.04 0.63 0.44 N/A N/A 资料来源：公司官网，公司 APP，中信证券研究部；N/A 表示数据暂未直接披露 qRrOqQtNrQnRnMmOtOqPsP6MbPbRoMrRmOqQkPrQrQjMrQxP7NoPrPNZtOmQMYmQmO 数据超融合数据超融合系列系列2020.11.18 请务必阅读正文之后的免责

11、条款部分 目录目录 创新之处创新之处 . 1 十年教育政策透析政策红利的变迁十年教育政策透析政策红利的变迁教育信息化为核心的牵引教育信息化为核心的牵引 . 1 教育政策文本库与研究方法技术路线自动化与专家经验并行 . 1 教育行业政策主题聚焦教育信息化、职业教育、义务教育 . 2 当下教育资源空间分布测算线下竞争格局当下教育资源空间分布测算线下竞争格局行业向龙头集中，南方仍具有空间行业向龙头集中，南方仍具有空间 . 6 线下教育机构规范化，市场有望向龙头集中 . 6 可比城市线下市场供需测算，南方城市具有相当行业空间 . 8 公司级运营数据跟公司级运营数据跟踪踪以师资为核心驱动以师资为核心驱动

12、 . 10 量化名师教育资源，及时跟踪公司核心竞争力. 10 从课程信息推断公司经营能力获客能力、定价能力、营收能力 . 12 投资建议投资建议 . 14 风险因素风险因素 . 14 附录附录 . 15 数据超融合数据超融合系列系列2020.11.18 请务必阅读正文之后的免责条款部分 插图目录插图目录 图 1：2017 年政策主题词 . 2 图 2：2018 年政策主题词 . 2 图 3：2019 年政策主题词 . 3 图 4：2020 年政策主题词 . 3 图 5：教育政策主题关注度指数 . 3 图 6：“新高考”政策关注度指数 . 4 图 7：“在线教育”政策关注度指数. 4 图 8：政

13、策主题词关联图谱 . 5 图 9：“课外培训”地方政策响应力度 . 6 图 10：全国中小学校外辅导机构分布图 . 7 图 11：线下机构与在校生比率. 7 图 12：安徽省线下教育机构分布图 . 8 图 13：安徽省各级县市在校生课外机构比率 . 8 图 14：学而思培优线下门店分布 . 9 图 15：新东方线下门店分布 . 9 图 16：新东方，学而思培优，爱智康在可比城市门店分布 . 9 图 17：高途课堂教师教龄占比. 10 图 18：猿辅导教师教龄占比分布 . 10 图 19：其他各教育公司主讲教师数量累计变化趋势 . 11 图 20：新东方集团旗下公司主讲教师数量累计变化趋势 .

14、11 图 21：各机构教师稳定性 . 12 图 22：各教育机构课程平均价格 . 13 图 23：学而思培优按月收入与上课人数模拟测算（截止于 2020 年 8 月的售课情况与预定情况） . 14 图 24：2019-2020 年教育政策谱系图. 15 图 25：2017-2018 年教育政策谱系图. 16 图 26：2015-2016 年教育政策谱系图. 17 图 27：2013-2014 年教育政策谱系图. 18 图 28：2010-2012 年教育政策谱系图. 19 表格目录表格目录 表 1：重点赛道政策关注度指数 . 1 表 2：可比城市市场空间供需指数与重点公司门店数（数据截至 20

15、20 年 8 月） . 1 表 3：公司量化指标 . 1 表 4：十年政策主题变迁路径 . 4 表 5：可比城市课外培训线下供需指数 . 8 表 6：学而思培优、新东方在线获客能力分析 . 12 数据超融合数据超融合系列系列2020.11.18 请务必阅读正文之后的免责条款部分 1 创新之处创新之处 在资本市场资金持续热追的投资风格下，教育行业的研究已经从关注财务会计数据，全面转向对长期市场空间判断的研究，对中期市场稳定性客观化量化的探索，以及对短期核心因子动量的跟踪。 基于以上市场需求，我们分别基于长期政策、中期市场容量空间和短期竞争力运营指标，构建了一套综合基本面打分模型，推出面向教育行业

16、的基本面量化数据策略。 教育标的赛道景气指标=政策执行力度+市场相对成长容量+竞争力可比指标 政策执行力度以时间序列分析为准，以词频构建打分指标；市场相对成长容量聚焦线上线下高频量化指标，以成熟市场为基准测算增量空间份额；竞争力可比指标以教育服务公司核心三要素师资储备、收费水平与运营能力为核心。综合看，形成对于投资标的可持续跟踪量化评分。从数据储备看，从三个维度看，我们可以完全覆盖 7 个 K12 线下教育标的，未来，将更进一步向其他细分赛道进步提升。 十年教育政策透析政策红利的变迁十年教育政策透析政策红利的变迁教育信息化教育信息化为核心的牵引为核心的牵引 教育政策文本库与研究方法技术路线教育

17、政策文本库与研究方法技术路线自动化与专家经验并行自动化与专家经验并行 政府的政策文本具有高度的规范性和指引信息，是政府处理公共事务的真实反映和行为印记，而以往的教育政策研究偏重于短期政策的分析和解读，聚焦于定性分析，主要依靠分析师自身的经验和政策积累。 目前， 有很多文献， 尝试使用文本数据挖掘， 知识图谱，数据可视化，文本内容分析等，量化分析政策文本数据，从而在一定程度上更为直观地展示政策主题变迁、政策工具的效果。系统分析政策文本数据有利于及时把握党和国家相关治理方针以及布局导向。 常用的政策分析方法包括： 1. 共词分析法：既是通过对政策文件中主题词共现的现象进行分析，两个词共现次数越多，

18、关联程度就越强。通过对该现象的分析，以判断主题词的关系，从而展现出该政策领域的主要关注点和关注结构。进而挖掘政策主题，研究不同时间的主题变迁。 2. 聚类分析法：聚类分析法是指在共词分析法频次统计的基础上，将关联较强的主题词聚合起来，进而代表不同关注点的聚类群组，最终形成一个关系由密切到疏远的关系图谱。 3. 网络分析法：主要参考社会网络分析方法研究府际关系和政策扩散效应，通过政策文本之间的关联，形成网络结构，进而研究政策的扩散效应，各部门之间反应 数据超融合数据超融合系列系列2020.11.18 请务必阅读正文之后的免责条款部分 2 的强度、速度等。 我们针对国务院教育相关的政策文件、教育部

19、全部公开文献、全国各省教育厅的主要政策文献以及常用的教育智库文件，多源数据融合，打造全量教育政策文本库，并使用NLP 技术，抽取归纳每份政策文件的主题词，用以分析国家在教育行业中的工作重点，主题焦点变迁以及政策目标。对教育政策的研究，有利于把握中长期行业的市场空间和市场稳定性。 教育行业政策主题聚焦教育行业政策主题聚焦教育信息化、职业教育、义务教育教育信息化、职业教育、义务教育 高频词云图聚焦近年教育政策重点高频词云图聚焦近年教育政策重点 我们使用 NLP 技术，对国务院、教育部、地方教育部门等相关教育政策公开平台的 2万余份教育政策文件，提炼出约 3000 余个政策文本主题词，经进一步筛选，

20、去掉明显不属于教育政策文本，以及明显与投资信息无关的主题词，对剩余近 2000 个政策主题词进行词频统计，并将语义相同的词汇进行归并。 以 2017 年到 2020 年教育政策高频主题词为例，通过词云图，我们可以直观地看到，2017 年教育政策的主要围绕义务教育、职业教育、教育信息化、并细化在创业、就业、互联网+ 方向的政策投入；2018 年的教育政策主题词中，明显增加了人工智能、教育信息化、教育现代化等主题词，结合 2018 年提出的“教育信息化 2.0” ，和 2019 年、2020年教育政策主题词，可以看出，自 2018 年起，教育信息化持续受到政策的关注和支持，因此， 可以推断， 教育

21、信息化在未来仍具有相当的市场空间并享受政策红利； 2019 年 “职业教育”异军突起，职业教育赛道迎来新的发展机会，围绕职业教育的高等学校建设和教师队伍建设以及教学督导任务进一步展开，结合当年时政，可以知道在 2019 年政府围绕职业教育开展一系列的教育改革是近年来职业教育新的起点；2020 年， “人工智能” ， “教育督导”政策主题词又一次排在前列，围绕教育信息化进行的基础教育建设将会为教育信息化产业带来持久的市场空间。 图 1：2017 年政策主题词 图 2：2018 年政策主题词 资料来源：中信证券研究部 资料来源：中信证券研究部 数据超融合数据超融合系列系列2020.11.18 请务

22、必阅读正文之后的免责条款部分 3 图 3：2019 年政策主题词 图 4：2020 年政策主题词 资料来源：中信证券研究部 资料来源：中信证券研究部 通过对过去十年主题词词频统计，我们聚合相同赛道的主题词，得到相应重点主题词的词频，并进行指数化处理，从而透析在教育赛道中的政策关注度。以“职业教育” ， “民办教育” ， “教育信息化” ， “义务教育”为例，以 2010 年为基准，我们发现“职业教育”在 2015 年和 2019 年受到各自相对前一年 1 倍以上的关注度增长，对应当年，国家颁布了职业教育相关的重要文件；从“教育信息化”政策关注度指数中，我们也可以看到在过去的十年中，教育信息化主

23、题受到政府持续增加的关注，平均每年关注度增长 25%，可以推断在未来教育信息化产业将继续保持政策关注的增长；相比于前两者， “民办教育”和“义务教育”在 2017 年受政策关注度急速增加，达到历史关注的峰值。 图 5：教育政策主题关注度指数 资料来源：中信证券研究部 在对全部政策分词统计的过程中，我们也关注到了一些在未来可能对重要赛道产生影响的政策主题词，比如高考政策和在线教育的相关政策。我们发现， “高考改革”作为义务教育的指向标，在近几年受到持续的政策关注，我们应当对高考政策进行持续的研究；在对新词的挖掘中，我们同样发现在 2018 年前， 在线教育并没有受到政策的关注，但是在 2019

24、年之后，受到了爆发性的政策关注，在未来政策预计将会在“在线教育”赛道上进行监督引导，加强在线教育赛道的规范性，促进在线教育赛道良性发展。 数据超融合数据超融合系列系列2020.11.18 请务必阅读正文之后的免责条款部分 4 图 6：“新高考”政策关注度指数 图 7：“在线教育”政策关注度指数 资料来源：中信证券研究部 资料来源：中信证券研究部 我们深入词频统计结果，进行共词分析进行共词分析，并对过去十年排名前 50 的高频政策主题词进行聚类分析，得到 10 年期 5 个时间阶段的政策谱系图（见附录）和政策主题焦点。在对政策历史变迁的整体把握中发现， 职业教育赛道受到政策的长期关注， 虽然过去

25、十年中，有的阶段加强职业教育，有的阶段监管职业教育，但是在未来几年，职业教育赛道依旧可以保持足够的政策关注和政策红利；同时，教育信息化目前也进入到第二个政策关注的阶段，预计至少在 3 年内仍具有政策红利；值得关注的是义务教育和教育公平，对应到 K12教育赛道上，我们认为在未来 3-5 年中，它会受到更多的政策关注，有政策风险的同时，也具有超过其他赛道的政策红利。 表 4：十年政策主题变迁路径 政策聚类词政策聚类词 1 政策聚类词政策聚类词 2 政策聚类词政策聚类词 3 政策聚类词政策聚类词 4 政策聚类词政策聚类词 5 政策聚类词政策聚类词 6 2010-2012 年 职教办学 解决就业 队伍

26、建设 义务教育信息化 高教改革 完善机制 2013-2014 年 高教改革 就业指导 督学 职教信息化 基础建设 高校制度 2015-2016 年 职业教育改革 就业扶持 义务教育 公共教育 高等学校制度 2017-2018 年 现代化教育改革 教育信息化 监管职业教育 监管义务教育 2019-2020 年 职业教育 网络办学 教育信息化 义务教育 素质培养 教育公平 资料来源：中信证券研究部 共现网络关系图谱理清重点政策主题词内在结构关联共现网络关系图谱理清重点政策主题词内在结构关联 政策的主题词往往不是孤立地出现，通常会与其它主题词共同出现在同一篇政策文本中，了解不同政策主题词之间的关联特

27、征，有利于我们找寻政策内在的驱动方向。我们通过共词词频统计，对 2019-2020 年重点政策主题词进行简单梳理，进而构建共现网络关系图谱。通过社会网络理论和统计学理论，进行网络聚类分析，得到如下关系图谱。 在每一个小聚类群中可以看到不同政策主题词之间的关联，比如围绕“在线教育”的“队伍建设” ， “中等职业学校” ， “就业” ， “校企合作” ，可以知道国家在线教育政策将偏重于促进就业， 促进校企合作，提升教师队伍建设，关注在线中职教育；围绕 “职业教育”主题，政策将重视合作办学，注重技能培训和教学管理制度等；围绕“教育信息化”产业可以关注中西部地区的教育基础设施的建设。 可以看出， 在未

28、来一段时间内， 教育信息化、 数据超融合数据超融合系列系列2020.11.18 请务必阅读正文之后的免责条款部分 5 职业教育、在线教育，尤其是 K12 教育会有长期的市场空间。 图 8：政策主题词关联图谱 资料来源：中信证券研究部 从发文时间和数量判断地方政府对国务院“课外培训”政策执行力度从发文时间和数量判断地方政府对国务院“课外培训”政策执行力度 在前文的政策分析中，我们注意到“在线教育”政策主题词在过去十年中都远不够高频，但是在 2020 年的政策文本中出现频率排名大幅度提升，与其高频共现的主题词包括“教学改革” ， “网络安全” ， “教师队伍建设” ， “脱贫攻坚” ， “基础教育

29、” ， “贫困地区” ， “留守儿童” ， “课程资源” ， “课堂教学” ， “互联网+” ， “高等教育” ， “信息技术” ， “职业教育” ，可见国家除了希望 “在线教育” 在高等教育， 职业教育层面有所建树， 更对它在基础教育，教育资源平衡与教育公平层面的作用寄以厚望。 因此我们聚焦于 K12 赛道，从政策视角分析 K12 赛道受到的影响。我们以政策主题词“课外培训”为例，梳理各省份跟进 2018 年 8 月 22 日国务院办公厅文件关于规范校外培训机构发展年意见相应出台的地方性政策文件和政务公开信息。通过在时间维度上观察各省份的响应时间和发文数量，我们发现在国务院公开发行关于规范校

30、外培训机构发展的意见前，已经有很多省份进行先行的政策文件协商。在国务院发布核心文件后，经过两个月的研讨，多数省份密集执行国务院政策，持续到 2019 年 6 月完成第一个响应周期。地方政府历经两年左右，基本完成对课外辅导机构常态化的监督登记。在这两年的 数据超融合数据超融合系列系列2020.11.18 请务必阅读正文之后的免责条款部分 6 监督管理中，大量不规范的线下教育机构退出市场，行业份额加速向大体量、规范化的优质公司集中，整体政策执行有利于市场良性运转。我们发现，地方政府在执行国务院重要我们发现，地方政府在执行国务院重要政策前，会有密集协商讨论的公开信息，在国务院政策发布的两个月内，地方

31、政府迅速制政策前，会有密集协商讨论的公开信息，在国务院政策发布的两个月内，地方政府迅速制定相应政策方案，并立即执行。提前关注重要政策的发布意向和地方政府响应力度，将有定相应政策方案，并立即执行。提前关注重要政策的发布意向和地方政府响应力度，将有益于投资者规避投资风险。益于投资者规避投资风险。 图 9：“课外培训”地方政策响应力度 资料来源：教育部，中信证券研究部 当下教育资源空间分布测算线下竞争格局当下教育资源空间分布测算线下竞争格局行业行业向龙头集中，南方仍具有空间向龙头集中，南方仍具有空间 通过前文的政策分析，我们聚焦在仍具有政策红利的 K12 教育赛道。在深入研究 K12 行业时，我们可

32、将其分拆为线上教育和线下教育，进而找寻两者的发展方向和市场空间。我们以全国中小学校外辅导机构数据库为核心，深入挖掘产业信息，从线下教育发展现状探索未来的发展空间。 线下教育机构规范化，市场有望向龙头集中线下教育机构规范化，市场有望向龙头集中 自 2018 年 11 月 21 日，国家政府对全国线下教育机构进行排查，监督治理，并完善信息公开，建立“全国中小学生校外培训机构管理服务平台” ，全国摸排校外培训机构401050 所，目前已整改完成约 16 万所, 所有中小学校外线下教育机构需分批登记信息。该平台数据中，登记了线下教育每一家办学单位详细的经营数据，包括办学情况、授课学科信息、教职工数、办

33、学资质等信息，该数据可以允许投资者和消费者及时监测线下教育行业经营细节。从目前整改的数据中，可以看出本次整改释放了大量的线下市场空间。通过对国家平台数据的搜集整理，我们发现，目前合法的线下校外培训机构中，山东、浙江的数量最多，华中、华南区域数量较多，西北地区线下教育机构最少，西南地区中四川省教育机构数量较多。然而仅仅依靠机构数量数据并不能直接指引反馈各地线下教育资源的丰富程度。 数据超融合数据超融合系列系列2020.11.18 请务必阅读正文之后的免责条款部分 7 图 10：全国中小学校外辅导机构分布图 资料来源：全国中小学生校外培训机构管理服务平台，中信证券研究部 本文通过计算线下教育机构数

34、与在校生的比率，得到一个能够反映线下教育市场空间的指标，经对比发现，全国范围内，西藏是教育资源最为匮乏的，北京、天津、浙江、山东、辽宁的线下教育资源相对充足，而广东、广西、重庆、贵州线下教育资源相对匮乏，这四个省份将提供更为广阔，持久的教育市场需求。 图 11：线下机构与在校生比率 资料来源：全国中小学生校外培训机构管理服务平台，中信证券研究部 另外，全国中小学校外辅导机构数据库规范地整理了全国各省市区县乡的校外教育辅导机构详情，精细地反映出各个行政区的教育资源结构，有助于推断具体县市的教育资源情况，以安徽省为例，通过该指标可以看出，毫州市、淮南市、蚌埠市相对缺乏校外辅 数据超融合数据超融合系

35、列系列2020.11.18 请务必阅读正文之后的免责条款部分 8 导机构，各教育公司可以参照该稀缺性指标和对应地区的人均可支配收入制定价格合理、高性价比的教学课程，或差异化针对不同地区指定差异化品牌战略。线下监管趋严，线上具有差异化品牌能力的公司将逐步抢食线下市场， 加速教育市场出清， 并向行业龙头集中。因此，推荐有能力差异化品牌矩阵的教育资源公司。 图 12：安徽省线下教育机构分布图 图 13：安徽省各级县市在校生课外机构比率 资料来源：全国中小学生校外培训机构管理服务平台，中信证券研究部 资料来源：全国中小学生校外培训机构管理服务平台，中信证券研究部 通过政策文本分析和空间维度的分析，我们

36、不难看出，K12 教育行业中长期具有稳定的市场空间， 虽然政策趋于严格监管， 强调教学督导， 加强整改排查， 但是行业前景广阔，政府的严格监管，有利于行业出清，客源向头部企业集中。因此，中长期看好 K12 赛道。 可比城市线下市场供需测算，南方城市具有相当行业空间可比城市线下市场供需测算，南方城市具有相当行业空间 我们按照城市等级选取部分重点城市，在可比城市范围内，对其 K12 线下教育市场空间进行测算，选取一线城市：北京、上海、深圳、广州；准一线城市：成都、武汉、杭州、重庆、南京、大连、西安；二线城市：长春、哈尔滨、兰州。 我们假定居民线下教育，线上教育支出占比固定，使用地区教学总面积和认证

37、教师总人数作为衡量该地区课外教学资源供给水平，以该地区居民年度教育总支出作为均衡梁该地区教育资源需求水平，用公立学校教师资源衡量公立学校的资源，得到如下计算公式： = 人均教育支出 （小学在校生数+中学在生数校）地区教学总面积 地区认证教师总人数 公立学校 12专职教师数 经过对线下机构数据的结构化处理，计算得到如下城市的供需关系指数： 表 5：可比城市课外培训线下供需指数 城市等级城市等级 城市城市 K 指数指数 城市等级城市等级 城市城市 K 指数指数 一线 北京 0.20 准一线 成都 1.16 一线 上海 2.23 准一线 杭州 1.26 一线 广州 9.15 准一线 武汉 0.83

38、二线 长春 2.21 准一线 重庆 0.36 二线 哈尔滨 0.58 准一线 南京 4.91 二线 兰州 4.67 准一线 大连 0.3 数据超融合数据超融合系列系列2020.11.18 请务必阅读正文之后的免责条款部分 9 城市等级城市等级 城市城市 K 指数指数 城市等级城市等级 城市城市 K 指数指数 准一线 西安 0.75 资料来源：WIND，中信证券研究部 在一线城市范围内，以三个指数的中位数作为基准，即以上海教育资源为可比基准，假设总支出不变，广州市场还有 200%以上的增长空间，而北京则相对市场空间有限。在准一线城市范围内以 K 指数为中位数的武汉为基准，杭州和成都课外教育市场空

39、间约有1.5 倍的市场空间，南京的市场空间潜力较大，而大连在目前的教育支出水平下，线下教育市场空间有限。因此，我们推荐关注布局南方城市，尤其是布局广东、川渝地区的龙头公司。 图 14：学而思培优线下门店分布 图 15：新东方线下门店分布 资料来源：学而思官网，中信证券研究部 资料来源：新东方官网，中信证券研究部 我们选取 10 月份新东方，好未来线下门店数量数据进行对比：从省份分布，可以看到新东方重视华东， 华中的线下布局， 而学而思培优重点布局在珠江三角洲和长江三角洲；在可比城市范围内，也可以明显看到，好未来深耕华南地区的 K12 教育市场，在深圳，广州具有明显的优势，而新东方在北方城市中影

40、响力相对较大。 图 16：新东方，学而思培优，爱智康在可比城市门店分布 资料来源：学而思官网，新东方官网，爱智康官网，中信证券研究部 数据超融合数据超融合系列系列2020.11.18 请务必阅读正文之后的免责条款部分 10 公司级运营数据跟踪公司级运营数据跟踪以师资为核心驱动以师资为核心驱动 量化名师教育资源，及时跟踪公司核心竞争力量化名师教育资源，及时跟踪公司核心竞争力 主讲教师是 K12 教育公司的核心资源与核心竞争力， 对教师详细画像的刻画有利于我们准确了解公司核心竞争力的实时结构和发展动向。教师教龄、过往履历、教师数量、教师队伍稳定性、教师薪资水平是综合衡量各公司教师差异的维度，我们通

41、过 K12 数据库中的教师描述关联到人力招聘信息，量化对比不同教育公司的核心竞争力。 教龄是衡量教师履历的基本指标，也是公司教师资源核心竞争力的直观体现。以猿辅导和高途课堂（跟谁学）为例，我们通过对模糊文本数据的关键信息提取计算出各公司教师的教龄，可以看出高途课堂教师教龄主要集中在 6-10 年，更有超过 20 年以上的教师，而猿辅导教师教龄主要集中在 0-3 年和 3-5 年。经过总体计算，我们大致得出，猿辅导讲师的平均教龄在 5-7 年左右，而高途课堂的讲师平均教龄在 10 年以上。猿辅导教师的平均教龄略小于高途课堂教师的平均教龄。 图 17：高途课堂教师教龄占比 图 18：猿辅导教师教龄

42、占比分布 资料来源：高途课堂官网、APP，中信证券研究部 资料来源：猿辅导官网、APP，中信证券研究部 另外，教师的数量也是反映教师队伍建设的指标，教师数量的变化可以反映出公司近期业务是否扩张， 有利于判断公司近况。 本文从 K12 教育库中观察每月教师数量的变化，为同时直观地展示各公司教师数量的变化，我们将每月教师数量归一化，得到按月主讲教师数量累计变化趋势。 数据超融合数据超融合系列系列2020.11.18 请务必阅读正文之后的免责条款部分 11 图 19：其他各教育公司主讲教师数量累计变化趋势 资料来源：各公司官网、APP，中信证券研究部 图 20：新东方集团旗下公司主讲教师数量累计变化

43、趋势 资料来源：新东方官网、APP，中信证券研究部 可以观察到， 高途课堂的教师数量基本处于稳步上升的状态， 一年之内几乎增长一倍，而其他公司的教师数量呈现一定的波动，但仍是稳步上升状态。对应的是教育行业整体市值上涨。但是我们发现 2020 年五月中旬，新东方教师数量大幅度增加，经查信息发现，在 2020 年 7 月 29 日， 新东方在线在发布的盈利警告中提到， 公司在春季推出了免费公益课，学生流量暴增带来了教学员工数的提升。可见，教师数量的变化是能够及时提示投资者近期公司的经营活动变化，从而在短期投资层面采取对应的措施。 教师的稳定性也是衡量公司教育资源是否可持续转化成收入的重要指标。稳定

44、的团队或者持续扩张的团队在未来会获得更多的营业收入，而相对不稳定的公司则需要付出更多的招聘培养成本。我们采用半年内一直在公司工作的主讲教师占当下主讲教师的比例作为半年稳定性指标，季度内一直在公司工作的主讲教师占当下主讲教师的比例作为季度稳定性指标，共同衡量各公司教师的稳定性，数值越大，变动相对稳定。综合来看，新东方集团人员变动幅度较大，而高徒课堂和学而思培优的教师团队相对稳定。当人员稳定性变动幅度较大时，预示该公司有较大人员变动，因此，该指标可以及时提醒投资者短期的投资风险。从稳定性指标比较中，我们看好学而思培优、跟谁学中长期的市场竞争力，对于新东方旗下公司基本面变动，我们将以此为指引，继续深

45、入研究了解。 数据超融合数据超融合系列系列2020.11.18 请务必阅读正文之后的免责条款部分 12 图 21：各机构教师稳定性 资料来源：各公司官网、APP，中信证券研究部 综上，教师资源是 K12 公司的核心资源，我们通过模糊信息清洗技术，打造各家公司的教师画像，从教龄、教师数量变化、教师稳定性三个短期量化指标，直观反馈教育行业短期的基本面动量因素。 从课程信息推断公司经营能力从课程信息推断公司经营能力获客能力、定价能力、营收能力获客能力、定价能力、营收能力 获客获客能力能力 获客能力同样是公司的核心经营能力的评价指标，而教育公司通常会用低价课或者公益课程等非正价课所占比例来衡量公司的获

46、客能力。以学而思培优和新东方在线为例，通过公司官网的介绍与课程 APP 的整理，我们能够对学而思培优与新东方在线做比较直接的经营能力比对。 表 6：学而思培优、新东方在线获客能力分析 公司公司 课程课程 人数（单位人数（单位/人）人） 营收（单位营收（单位/元）元） 课程数课程数 学而思培优 正价课 4001852 4942746158 133455 非正价课 6805062 807020533 101004 新东方在线 正价课 625619 663279000 4508 非正价课 1529200 44385055 2541 资料来源：各公司官网、APP，中信证券研究部 通过计算得出学而思培优

47、、新东方在线两家公司正价课人数与非正价课人数的比值分别为 0.59，0.41，作为近似替代低价可转化率指标，能够反映出学而思培优线上课程的获客能力要略优于新东方在线的获客能力。 数据超融合数据超融合系列系列2020.11.18 请务必阅读正文之后的免责条款部分 13 定价能力定价能力 每家公司的课程的定价可以反映出公司相对于消费者而言的议价能力，长期定价越高，品牌能力越强，相应的市场认可度就越高，未来可持续发展能力相对更好。本文通过梳理过去一年中各机构课程的平均价格发现，关注线下市场的新东方和学而思培优的定价能力要高于其它在线教育公司，而猿辅导和高途课堂的定价能力略高于学而思网校和作业帮，但是

48、低于学而思培优和新东方。定价能力指标可以近似反映消费者市场对不同公司教学质量的认可程度。 图 22：各教育机构课程平均价格 资料来源：各公司官网、APP，中信证券研究部 营收追踪模拟营收追踪模拟 教育行业的财报日期与其他行业不同，虽然每次购买课程一次性缴费，但是营收数据是按照每月上课情况分摊确认，因此可以通过分类抽样观测课程注册人数（假设课程满载率人数指标-在线课程抽样实际观测剩余名额）和上课时间，再依照对应课程的价格，近似模拟得出每个月的营业收入和上课人数，可以看出春季班、秋季班人数的变动并没有大幅度增加月度收入，而寒暑假上课人数变动会引起营收的大幅度增加。这是因为春季班、秋季班多为非正价课

49、、公益课，用于获取流量，转化客源，而寒假班、暑假班中，学生集中时间学习正价课，因此确认的营收数据变动较大。这满足我们既定的认知，因此可以通过课程信息分类抽样模拟公司月度收入变动趋势与上课人数。 数据超融合数据超融合系列系列2020.11.18 请务必阅读正文之后的免责条款部分 14 图 23：学而思培优按月收入与上课人数模拟测算（截止于 2020 年 8 月的售课情况与预定情况） 资料来源：学而思官网、APP，中信证券研究部测算 注：假设课程满载率人数 30 人/课时-在线课程抽样实际观测剩余名额 投资建议投资建议 综合近十年教育政策文本， 从词频比对结果看， 政策重点主要聚焦于 “职业教育”

50、 ， “教育信息化” ， “义务教育”与“在线教育”方向。在以上赛道上，我们结合地理空间数据，模拟推算未来 K12 线下教育市场在部分一线城市的合理成长空间。同时，从短期投资逻辑出发，围绕重点公司的名师资源、获客能力与企业定价能力多因子指标，构建横向比较体系。综合来看，龙头公司如好未来、新东方在线、跟谁学等，师资优势显著，竞争护城河高筑，一线城市成长空间可期。 风险因素风险因素 政策短期重大变化风险；线下教育培训过度竞争风险；第三方数据的连续可得性。 数据超融合数据超融合系列系列2020.11.18 请务必阅读正文之后的免责条款部分 15 附录附录 图 24：2019-2020 年教育政策谱系

51、图 资料来源：中信证券研究部 数据超融合数据超融合系列系列2020.11.18 请务必阅读正文之后的免责条款部分 16 图 25：2017-2018 年教育政策谱系图 资料来源：中信证券研究部 数据超融合数据超融合系列系列2020.11.18 请务必阅读正文之后的免责条款部分 17 图 26：2015-2016 年教育政策谱系图 资料来源：中信证券研究部 数据超融合数据超融合系列系列2020.11.18 请务必阅读正文之后的免责条款部分 18 图 27：2013-2014 年教育政策谱系图 资料来源：中信证券研究部 数据超融合数据超融合系列系列2020.11.18 请务必阅读正文之后的免责条款

52、部分 19 图 28：2010-2012 年教育政策谱系图 资料来源：中信证券研究部 分析师声明分析师声明 主要负责撰写本研究报告全部或部分内容的分析师在此声明： （i）本研究报告所表述的任何观点均精准地反映了上述每位分析师个人对标的证券和发行人的看法； （ii）该分析师所得报酬的任何组成部分无论是在过去、现在及将来均不会直接或间接地与研究报告所表述的具体建议或观点相联系。 评级说明评级说明 投资建议的评级标准投资建议的评级标准 评级评级 说明说明 报告中投资建议所涉及的评级分为股票评级和行业评级（另有说明的除外）。评级标准为报告发布日后 6 到 12 个月内的相对市场表现，也即：以报告发布日

53、后的 6 到 12 个月内的公司股价（或行业指数）相对同期相关证券市场代表性指数的涨跌幅作为基准。其中：A 股市场以沪深 300指数为基准，新三板市场以三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的）为基准；香港市场以摩根士丹利中国指数为基准；美国市场以纳斯达克综合指数或标普 500 指数为基准；韩国市场以科斯达克指数或韩国综合股价指数为基准。 股票评级股票评级 买入 相对同期相关证券市场代表性指数涨幅 20%以上 增持 相对同期相关证券市场代表性指数涨幅介于 5%20%之间 持有 相对同期相关证券市场代表性指数涨幅介于-10%5%之间 卖出 相对同期相关证券市场代表性指数跌幅

54、10%以上 行业评级行业评级 强于大市 相对同期相关证券市场代表性指数涨幅 10%以上 中性 相对同期相关证券市场代表性指数涨幅介于-10%10%之间 弱于大市 相对同期相关证券市场代表性指数跌幅 10%以上 其他声明其他声明 本研究报告由中信证券股份有限公司或其附属机构制作。中信证券股份有限公司及其全球的附属机构、分支机构及联营机构（仅就本研究报告免责条款而言，不含 CLSA group of companies） ，统称为“中信证券”。 法律主体声明法律主体声明 本研究报告在中华人民共和国（香港、澳门、台湾除外）由中信证券股份有限公司（受中国证券监督管理委员会监管，经营证券业务许可证编号：

55、Z20374000）分发。本研究报告由下列机构代表中信证券在相应地区分发：在中国香港由 CLSA Limited 分发；在中国台湾由 CL Securities Taiwan Co., Ltd.分发；在澳大利亚由 CLSA Australia Pty Ltd.（金融服务牌照编号：350159）分发；在美国由 CLSA group of companies（CLSA Americas, LLC（下称“CLSA Americas”）除外）分发；在新加坡由 CLSA Singapore Pte Ltd.（公司注册编号：198703750W）分发；在欧盟与英国由 CLSA Europe BV 或 CL

56、SA （UK） 分发； 在印度由 CLSA India Private Limited 分发 （地址： 孟买 （400021） Nariman Point 的 Dalamal House 8 层； 电话号码： +91-22-66505050；传真号码：+91-22-22840271；公司识别号：U67120MH1994PLC083118；印度证券交易委员会注册编号：作为证券经纪商的 INZ000001735，作为商人银行的 INM000010619，作为研究分析商的 INH000001113） ；在印度尼西亚由 PT CLSA Sekuritas Indonesia 分发；在日本由 CLSA

57、Securities Japan Co., Ltd.分发；在韩国由 CLSA Securities Korea Ltd.分发；在马来西亚由 CLSA Securities Malaysia Sdn Bhd 分发；在菲律宾由 CLSA Philippines Inc.（菲律宾证券交易所及证券投资者保护基金会员）分发；在泰国由 CLSA Securities (Thailand) Limited 分发。 针对不同司法管辖区的声明针对不同司法管辖区的声明 中国：中国：根据中国证券监督管理委员会核发的经营证券业务许可，中信证券股份有限公司的经营范围包括证券投资咨询业务。 美国：美国：本研究报告由中信证

58、券制作。本研究报告在美国由 CLSA group of companies（CLSA Americas 除外）仅向符合美国1934 年证券交易法下15a-6 规则定义且 CLSA Americas 提供服务的“主要美国机构投资者”分发。对身在美国的任何人士发送本研究报告将不被视为对本报告中所评论的证券进行交易的建议或对本报告中所载任何观点的背书。任何从中信证券与 CLSA group of companies 获得本研究报告的接收者如果希望在美国交易本报告中提及的任何证券应当联系 CLSA Americas。 新加坡：新加坡：本研究报告在新加坡由 CLSA Singapore Pte Ltd.

59、（资本市场经营许可持有人及受豁免的财务顾问） ，仅向新加坡证券及期货法s.4A（1）定义下的“机构投资者、认可投资者及专业投资者”分发。根据新加坡财务顾问法下财务顾问（修正）规例（2005） 中关于机构投资者、认可投资者、专业投资者及海外投资者的第 33、34 及 35 条的规定， 财务顾问法第 25、27 及 36 条不适用于 CLSA Singapore Pte Ltd.。如对本报告存有疑问，还请联系 CLSA Singapore Pte Ltd.（电话：+65 6416 7888） 。MCI (P) 086/12/2019。 加拿大：加拿大：本研究报告由中信证券制作。对身在加拿大的任何人

60、士发送本研究报告将不被视为对本报告中所评论的证券进行交易的建议或对本报告中所载任何观点的背书。 欧盟与英国：欧盟与英国：本研究报告在欧盟与英国归属于营销文件，其不是按照旨在提升研究报告独立性的法律要件而撰写，亦不受任何禁止在投资研究报告发布前进行交易的限制。本研究报告在欧盟与英国由 CLSA （UK）或 CLSA Europe BV 发布。CLSA （UK）由（英国）金融行为管理局授权并接受其管理，CLSA Europe BV 由荷兰金融市场管理局授权并接受其管理，本研究报告针对由相应本地监管规定所界定的在投资方面具有专业经验的人士，且涉及到的任何投资活动仅针对此类人士。若您不具备投资的专业经

61、验，请勿依赖本研究报告。对于由英国分析员编纂的研究资料，其由 CLSA （UK）与 CLSA Europe BV 制作并发布。就英国的金融行业准则与欧洲其他辖区的金融工具市场指令 II ，本研究报告被制作并意图作为实质性研究资料。 澳大利亚：澳大利亚：CLSA Australia Pty Ltd (“CAPL”) (商业编号：53 139 992 331/金融服务牌照编号：350159) 受澳大利亚证券与投资委员会监管，且为澳大利亚证券交易所及 CHI-X 的市场参与主体。本研究报告在澳大利亚由 CAPL 仅向“批发客户”发布及分发。本研究报告未考虑收件人的具体投资目标、财务状况或特定需求。

62、未经 CAPL 事先书面同意， 本研究报告的收件人不得将其分发给任何第三方。 本段所称的“批发客户”适用于 公司法 （2001） 第 761G条的规定。CAPL 研究覆盖范围包括研究部门管理层不时认为与投资者相关的 ASX All Ordinaries 指数成分股、离岸市场上市证券、未上市发行人及投资产品。CAPL 寻求覆盖各个行业中与其国内及国际投资者相关的公司。 一般性声明一般性声明 本研究报告对于收件人而言属高度机密，只有收件人才能使用。本研究报告并非意图发送、发布给在当地法律或监管规则下不允许向其发送、发布该研究报告的人员。本研究报告仅为参考之用，在任何地区均不应被视为买卖任何证券、金

63、融工具的要约或要约邀请。中信证券并不因收件人收到本报告而视其为中信证券的客户。本报告所包含的观点及建议并未考虑个别客户的特殊状况、目标或需要，不应被视为对特定客户关于特定证券或金融工具的建议或策略。对于本报告中提及的任何证券或金融工具，本报告的收件人须保持自身的独立判断。 本报告所载资料的来源被认为是可靠的，但中信证券不保证其准确性或完整性。中信证券并不对使用本报告所包含的材料产生的任何直接或间接损失或与此有关的其他损失承担任何责任。本报告提及的任何证券或金融工具均可能含有重大的风险，可能不易变卖以及不适合所有投资者。本报告所提及的证券或金融工具的价格、价值及收益可能会受汇率影响而波动。过往的

64、业绩并不能代表未来的表现。 本报告所载的资料、观点及预测均反映了中信证券在最初发布该报告日期当日分析师的判断，可以在不发出通知的情况下做出更改，亦可因使用不同假设和标准、采用不同观点和分析方法而与中信证券其它业务部门、单位或附属机构在制作类似的其他材料时所给出的意见不同或者相反。中信证券并不承担提示本报告的收件人注意该等材料的责任。中信证券通过信息隔离墙控制中信证券内部一个或多个领域的信息向中信证券其他领域、单位、集团及其他附属机构的流动。负责撰写本报告的分析师的薪酬由研究部门管理层和中信证券高级管理层全权决定。分析师的薪酬不是基于中信证券投资银行收入而定，但是，分析师的薪酬可能与投行整体收入

65、有关，其中包括投资银行、销售与交易业务。 若中信证券以外的金融机构发送本报告，则由该金融机构为此发送行为承担全部责任。该机构的客户应联系该机构以交易本报告中提及的证券或要求获悉更详细信息。本报告不构成中信证券向发送本报告金融机构之客户提供的投资建议，中信证券以及中信证券的各个高级职员、董事和员工亦不为（前述金融机构之客户）因使用本报告或报告载明的内容产生的直接或间接损失承担任何责任。 未经中信证券事先书面授权，任何人不得以任何目的复制、发送或销售本未经中信证券事先书面授权，任何人不得以任何目的复制、发送或销售本报告。报告。 中信证券中信证券 2020 版权所有。保留一切权利。版权所有。保留一切权利。