10.28号，$斯达半导(SH603290)$将会发布第三季度财报。很多吧友也开始对三季度业绩进行了预测，在此我也根据历年数据，利用数学方法与行业经验对前三季度财报进行简单预测，欢迎各位吧友进行友善交流。

一、基本历史数据

为了方便各位分析，我通过历年财务报告计算得到了各季度的主要财务信息，首先提供给大家。

2019-2023斯达半导季度主要财务信息

二、营业收入分析及预测

（一）营业收入分析

根据图表，我们可以发现，斯达半导的营业总收入呈逐年上升趋势，从2019年第一季度的1.49亿元到2023年第二季度的9.079亿元。2020年第一季度营业总收入受疫情影响下降36%，随着疫情得到有效控制，营业总收入在后续季度有了快速的恢复，并延续了较为稳定的增长态势。

2019年以来斯达半导营业收入变化

从同比增长情况来看，除了2020年第一季度以外，其余季度的同比增长率均保持在正数区间。从环比增长方面看，大多数季度环比增长均保持在正数区间。其他环比增长情况均保持在合理的范围内，且随着时间的推移有所增长或波动。

整体上来看，斯达半导的营收处于不断增长的态势中。受疫情等外部因素影响，营收出现过一次大幅下降，但很快恢复并保持了较高增长率，尤其是在同比增长方面，斯达半导的表现较为稳定，说明企业经营状况良好。

（二）营业收入预测

1.基于数学方法预测

根据提供的历史数据，我们可以使用时间序列分析的方法进行预测。鉴于数据数量相对较少，预测模型中采用ARIMA模型，选用过去所有季度的营收数据作为训练集，对未来一个季度的营收进行预测。

具体实现方法如下：首先，对数据进行平稳性检验，排除非平稳性数据的干扰。第二，通过ACF和PACF图像，确定p，q值。具体地，从ACF图像中我们可以确定q的值，即ARIMA模型中的MA项数；从PACF图像中我们可以确定p的值，即模型中的AR项数。第三，基于确定的p、q，利用历史数据拟合ARIMA模型。第四，使用已训练好的ARIMA模型对未来一个季度的营收数据进行预测。

经过模型训练和预测，预测2023年三季度单季度营业收入结果为7.157亿元。

2.基于行业发展与经验预测

由于ARIMA模型预测结果也会受到各种外部因素影响，如市场环境、政策变化等，仅仅是就数据而分析数据，而现实中的预测结果可能存在一定的误差，因此我们并不能保证预测完全准确。根据本人经验，发现当缺乏多维度数据时，机器学习结果不够准确，结果只能做参考，更多地还是基于行业与经验预测。本人当时准确预测中报业绩，也是基于行业发展与经验预测。

首先，基于行业发展来看，三季度应该会保持环比增长，沈华在业绩说明会中便表示，近几年以$新能源汽车LOF(SZ160225)$、新能源发电、储能为代表的市场需求增长十分迅速，预计接下来将持续保持长期的快速发展势头，IGBT模块和IGBT芯片有望持续保持高景气度。其次，定增产能落地投产，将为斯达半导每年带来30万片6英寸功率芯片、6万片6英寸SiC芯片以及400万片的功率模块的产能增量，打破产能瓶颈，从而增加营收。第三，$比亚迪(SZ002594)$三季度报告也给了我给予环比正增长的信心。

本人基于行业与经验的预测是，三季度单季度营业收入在10上下浮动1亿元之间，前三季度营业收入给出26.88上下浮动1亿元的预测结果。

三、扣非净利润分析及预测

（一）扣非净利润分析

从2019年3月31日到2020年6月30日，斯达半导扣非净利润增长较为显著，从0.1753亿元增至0.4936亿元，环比增长101%。但在2020年第三季度和第四季度，扣非净利润出现下降，分别为0.465亿元和0.3987亿元，环比下降幅度为6%和14%。

从2021年开始，扣非净利润逐渐上升，增长率在20%左右波动，2021年第三季度达到1.098亿元，环比增长43%。从2022年开始，扣非净利润的环比增长呈现逐渐趋缓的趋势，增速在10%左右波动。到2023年6月30日，扣非净利润达到2.114亿元，环比增长6%。

从同比维度来看，从2019年3月31日到2020年3月31日，斯达半导扣非净利润相较去年同期增长12%。2020年第二季度（2020/6/30）和第三季度（2020/9/30），扣非净利润同比增长分别为40%和29%。从2021年开始，扣非净利润的同比增长率明显提高，在2021年第三季度达到136%，之后持续上升。2022年末（2022/12/31），扣非净利润同比增长72%。到2023年6月30日，扣非净利润同比增长13%。

根据以上分析，我们可以看出斯达半导扣非净利润整体呈现增长趋势，但增速在2022年后逐渐趋缓。

2019年以来斯达半导扣非净利润变化

（二）扣非净利润预测

1.基于数学方法预测

由于斯达半导扣非净利润数据存在一定的季节性和趋势性。我们可以运用ARIMA模型进行预测。首先，对于时间序列数据，我们需要对其进行平稳化处理，确保其满足ARIMA模型的假设条件。可以通过一阶差分和对数变换来实现平稳化处理。

接下来，我们可以根据历史数据建立ARIMA预测模型，具体的参数选择需要结合模型拟合效果和模型复杂度等指标进行综合考虑。在实际应用中，还需要进行模型诊断和评估，以保证模型的可靠性和准确性。

针对斯达半导扣非净利润的时间序列数据，根据数据的季节性和趋势性特征，我们选择了ARIMA（2,1,2）x（0,1,1）4模型进行建模，预测结果如下：

2023年第三季度扣非净利润预测值为2.227亿元，相较于2023年第二季度增长5.4%。

但需要注意的是，此为一种模型预测结果实际预测中，不同的预测模型和参数设置可能会得到不同的结果，而且预测结果受多种因素影响，故预测结果并非完全准确。

2.基于行业与经验预测

综合各方面分析，本人对ARIMA模型预测结果表示认可，采用2.2上下浮动0.5亿元作为2023年三季度单季度扣非净利润预测结果，前三季度加总净利润为6.3上下浮动0.5亿元。

四、结果汇总

随着单品利润率的下降，营收的增长速度快于净利润，三季度的净利润增长可能比中报略差。

最终预测结果为：

前三季度总营收、毛利润、归属净利润与扣非净利润分别为26.88上下浮动1亿元、10.1上下浮动1亿元、6.8上下浮动0.5亿元与6.3上下浮动0.5亿元。营收变化43%上下浮动5%，毛利润31%上下浮动5%，归属净利润与扣费净利润15%上下浮动5%。

欢迎大家一起交流学习。