3.0

TradeWind API 3.0 上线 · 部分接口最高降价 80% · 新增企业背调情报接口

利基品类研报怎么做?用全球贸易数据自下而上测算TAM

· TradeWind AI

针对官方统计口径过粗的新兴利基品类,行业分析师可通过全球贸易数据API拉取多国提单级申报记录,依据HS编码前6位结合品名关键词二次过滤,提取出货量、报关单价与重量,剔除转口贸易重复后按国别加总,实现高置信度的自下而上TAM与SAM测算。

为什么新兴利基品类的TAM往往难以准确测算

在撰写新材料、专用工控部件、合成生物耗材等细分出海赛道的行业研报或商业尽职调查(CDD)时,行研分析师与企业战略部常遇到一个核心痛点:传统的自上而下(Top-down)市场规模测算逻辑在这些新兴品类上极易失灵。

自上而下的算法通常依赖统计局或行业年鉴的宏观总盘乘以渗透率假设。然而,新兴细分赛道往往没有独立的宏观大类统计代码,咨询公司二手报告中的渗透率假设也缺乏客观底稿佐证,一旦核心乘数偏差几个百分点,推导出的市场容量(TAM)就会出现巨大失真。

相反,成熟的咨询机构与证券研究所更倾向于采用自下而上(Bottom-up)的实证测算方法。在全球化制造业与跨国贸易背景下,无论产品如何新兴,跨境物流与通关提单都会留下明确的物理流向记录。通过全球进出口数据将核心品类在关键口岸的真实申报量、货值与单价做精细汇总,是还原真实物理市场体量最扎实的方法。

  • 宏观统计分类颗粒度过粗:世界海关组织(WCO)前6位HS编码通常对应宽泛产品族,无法直接对应小众利基品类。
  • 第三方研报数据倒推失真:二手市场数据常存在口径循环引用,缺乏底层每笔出货事实的交叉验证。
  • 实物通关记录不可篡改:跨国贸易提单包含真实的申报品名、集装箱量、毛重与离岸/到岸价格,能提供坚实的底稿支撑。

自下而上测算TAM的核心三步法:编码对齐、关键词过滤与去重加总

借助跨境贸易流向测算细分品类的全球市场体量,并不是简单下载某个HS编码的进出口总值,而是需要经过严密的数据工程清洗。业内通行的实操框架包含三个标准化阶段:锁定前6位基础编码、依托品名特征二次剥离、剔除转口贸易与关税畸变后分国别汇总。

第一步是确定标的物在国际通行的WCO HS编码前6位。虽然各国在第7位之后会有本国细分扩展码(如美国HTS 10位码、中国海关10位HS编码),但前6位是全球对齐的基准框架。在此基础上,通过API批量拉取该大类下所有的提单级行项目(Line Items)。

第二步是针对品名描述(Goods Description)做正则与关键词特征过滤。因为利基品类往往散落在某个‘其他未列名’的兜底HS子目中,通过严格的包含词(Include Words)与排除词(Exclude Words)筛选,才能从几百万条提单流中精准圈定目标利基品类。

第三步是数据加总与转口贸易清洗。对于集装箱重量、申报金额(FOB/CIF)与计价单位进行单位标准化,剔除香港、新加坡、鹿特丹等关键转口港的二次重复计入,最终输出目标品类在全球各主要消费国的可寻址市场(SAM)与总体体量(TAM)。

  • 前6位HS锚定:先锁定标的品类的全球通用前6位分类,确保国别横向对比口径一致。
  • 品名级清洗过滤:利基品类必须依赖提单文本中的品牌名、技术参数、材质型号等字段进行布尔逻辑过滤。
  • 港口与贸易流去重:识别中转港和第三方物流仓申报,避免同一批物理货物被多次重复计入出货量。
测算维度传统自上而下宏观推导基于全球贸易数据自下而上测算
数据底层来源宏观行业协会报告、统计局大类指标全球200+国家口岸进出口海关提单记录
细分颗粒度大行业级(例如:新能源电力设备)品名参数级(例如:单相组串式储能高压接插件)
底稿可信度与审计依赖经验性渗透率假设,底稿难以复核每笔量、价、重均对应实际申报报关单据
价格带分布通常只能采用单一行业平均单价估算可观测不同国家、不同港口的实际FOB/CIF离散价格分布

用信风TradeWind全球贸易数据API实现自动化底稿拉取

如果通过传统人工界面下载海关Excel表格,面对几万甚至几十万条提单数据时,极易因手动复制粘贴引入统计错误,且难以建立可随时间更新的研报底稿模型。信风 TradeWind AI 提供了覆盖全球200多个国家的提单级进出口贸易数据API,为数据分析师与量化研究员提供了直接集成到Python或量化工作流的能力。

分析师可以通过调用信风 API 的 POST /api/customs/* 系列端点,按HS编码、申报品名关键词、起运国、目的国以及时间范围直接获取结构化的进出口交易流。API返回标准化字段,包括发货人、收货人、原始品名描述、毛重、报关金额(美元折算)、离岸口岸与到达口岸。

在实际研究场景中,分析师可结合信风 API 的多端点进行链路扩展:先利用 POST /api/customs/* 测算品类整体流向与离散单价;再通过 POST /api/company/enrich 补全核心买家的企业画像与体量规模;如果需要进一步调研买方采购决策链,还可以直接调用 POST /api/people/search 探查采购团队的职能分布,形成一份从宏观TAM到微观客户清单的完整研报底稿。

  • 调用 POST /api/customs/*:输入目标品类的前6位HS编码与起止月份,按时间序列批量提取海量原始提单数据流。
  • 设置品名过滤参数:在请求体中通过关键词布尔表达式直接初筛提单Goods Description,大幅减少数据回传冗余。
  • 提取核心测算字段:标准化输出包含数量(Quantity)、净重(Weight)、FOB金额(USD Value)与对应原产国代码。
  • 支持免代码智能体调用:非技术背景分析师可在 Claude Code、Cursor 或 Coze 等平台挂载 TradeWind Skill,用自然语言让 Agent 自动拉取贸易数据并汇总生成图表底稿。

实战案例:某专用高分子膜材的全球TAM与量价测算全流程

以国内某头部券商化工组测算一款用于特种显示器件的‘光学级聚酰亚胺复合膜’为例,该品类在国内及海外海关均未设立独立HS编码,通常混杂在‘其他塑料板、片、膜、箔(HS 3920.99)’税号之下。

分析团队首先调用信风海关端点,拉取该税号过去24个月内全球主要进口国(美国、日本、韩国、德国、越南等)的全部原始提单数据。在获取原始数据后,团队在本地构建了关键词正则过滤管道,保留品名中包含‘optical polyimide’、‘OPI film’或特定树脂牌号的提单行,剔除普通包装膜与工业胶带记录。

经过数据清洗,分析师得到了该细分品类在全球各个口岸的真实单月进口重量(千克)与申报货值(美元)。通过分组统计,团队不仅精确还原出全球该细分膜材约1.8亿美元的年度物理市场总容量(TAM),还发现了单价在日韩港口与东南亚组装厂之间的显著级差,为研报提供了极具说服力的行业竞争壁垒论证。

  • 明确品类边界:在宽泛的 3920.99 编码池中,通过7组复合关键词圈定目标物理货物。
  • 离群值与单价修正:通过箱线图剔除申报单价畸高的研发样品批次(小于10kg)与畸低的残次品批次,锁定主力出货价格带区间。
  • 国别消费格局绘制:将提单按终点国(Consignee Country)归集,准确测算出东亚面板制造集群占据全球总采购量的72%。

研报底稿的常见陷阱与数据清洗对账建议

利用国际海关进出口记录构建市场模型时,分析师必须警惕几种常见的数据陷阱,以确保模型通过合规审查与质控检验。最突出的问题是计价口岸差异:起运港申报通常为FOB价(离岸价,不含运费和保费),而目的港申报多为CIF价(到岸价)。在跨区域求和时,若混合计算容易虚增5%至15%的市场规模。

其次是跨国公司内部转移定价对TAM的干扰。部分跨国集团为了税务规划,在母子公司间调拨半成品时可能采用名义成本申报,导致测算单价失真。分析师应结合市场公开采购报价对异常低价提单进行截尾处理,或以独立第三方贸易商的通关单价作为基准修正系数。

最后,针对某些不完全公开详细提单文本的国家,可采用‘镜像对账法’(Mirror Statistics)。即以对向贸易伙伴国的出口申报数据反推该国的实际进口规模,确保全球总盘测算没有重大地缘盲区。

  • 统一定价口径:在加总全球金额前,将CIF提单通过固定的海运及保险系数折算为统一的FOB基准口径。
  • 清洗集团内部转移交易:排查发货人与收货人为同一集团母子公司的交易,校验其申报单价与市场独立交易的离散程度。
  • 利用镜像数据填补空白:对部分不公开微观提单的进口地区,调用信风API中中国、韩国等核心出口国的对向报关记录进行交叉推导。

常见问题

利基品类没有专属独立HS编码,海关数据还能用来算市场规模吗?
可以。大多数利基产品都归入‘其他未列名’的兜底HS编码中。关键在于获取包含详细品名描述(Goods Description)的提单级数据,利用关键词过滤与正则表达式剥离出目标货物,同样能自下而上还原出真实的体量。
测算TAM时,按进出口金额算和按出货量乘以单价算哪个更准确?
建议采用‘实物量(净重/件数)乘以主力基准单价’的方法。因为海关申报金额易受汇率波动和转移定价干扰,而通关实物数量是硬性物理指标,清洗出剔除异常值后的主力吨价/件价再做乘法,抗干扰能力更强。
信风TradeWind全球贸易数据API的数据更新频率是怎样的?
信风聚合了全球200多个国家和地区的口岸与海关数据源,主要贸易国家的数据周度或月度更新,支持分析师通过API按时间窗口动态拉取最新的提单级流向记录。
分析师如何将信风API集成到现有的研报与量化工作流中?
技术团队可通过Python直接调用标准的 RESTful 端点(如 POST /api/customs/*)并将结果存入 Pandas 数据库;非技术分析师可在 Cursor、Claude Code 或 Coze 等平台挂载开源的 TradeWind Skill,通过自然语言对话自动化输出整理好的分析底稿。

用信风 API 动手试一试

新账号带免费额度,也可以直接让你的 AI Agent 安装信风 Skill。

相关页面

参考来源