初衷：自15年至今经历了2轮牛熊，终于认识到追涨杀跌无法暴富。
目前经过一段时间的实践，认可日富一日的价值投资才是属于自己可以实践的致富路径。
忠实地记录自己学习和实践价值投资的每一步，希望可以给大家带来帮助。
2022年三月四日，两会召开，对于我们投资者而言，眼光也需要回到两会关注的领域，本次我还是会优先关注硬科技和制造业板块。
今次准备学习研究的是碳纤维领域的龙头——光威复材。
首先是要了解一下碳纤维复合材料这个行业的基本情况，以便后面对公司进行进一步的分析：什么是碳纤维复合材料（CFRP，CarbonFibre Reinforced Plastics）？碳纤维是由有机纤维经过一系列热处理转化而成，含碳量高于90%的无机高性能纤维，是一种力学性能优异的新材料，具有碳材料的固有本性特征，又兼备纺织纤维的柔软可加工性。
碳纤维是一种力学性能优异的新材料，它的比重不到钢的1/4，碳纤维树脂复合材料抗拉强度一般都在3500Mpa以上，是钢的7~9倍，抗拉弹性模量为23000~43000Mpa，亦高于钢。
因此碳纤维复合材料的比强度即材料的强度与其密度之比可达到2000Mpa/(g/cm3)以上，而A3钢的比强度仅为59Mpa/(g/cm3)左右，其比模量也比钢高。
碳纤维如下图所示：白色的为碳纤维原丝，黑色的为碳纤维成品碳纤维的生产工艺复杂，从碳纤维纺丝、预氧化、碳化到复合材料成型再到终端的应用需要经历复合且很长的过程。
碳纤维产品的生产工艺流程图如下所示：第一步：原丝原丝生产按照聚合和纺丝的连续性主要分为一步法和两步法，按照纺丝方法主要分为湿法纺丝和干湿法纺丝。
第二步：碳化碳纤维的用途碳纤维的主要用途是与树脂、金属、陶瓷等基体复合，制成结构材料。
碳纤维增强环氧树脂复合材料，其比强度、比模量综合指标，在现有结构材料中是最高的。
碳纤维复合材料被广泛应用于航空航天、风电叶片、汽车、体育休闲、混配模成型、电缆芯、建筑建材、压力容器、船舶、碳碳复材、电子电器等多个领域。
比如：F1（世界一级方程锦标赛）赛车，车身大部分结构都用碳纤维材料。
顶级跑车的一大卖点也是周身使用碳纤维，用以提高气动性和结构强度。
碳纤维产业链从产业链图上可以看出，按照原料分类，碳纤维可以分为聚丙烯腈(PAN)基碳纤维、沥青基碳纤维和胶黏基碳纤维。
分类优势劣势应用现状PAN基PAN为前驱体碳化后得到，生产工艺难度低，品种多，价格适中/已经成为碳纤维主流产品沥青基导热性高，拉伸模量高，抗冲击性强制作工艺复杂，成本高目前规模较小粘胶基开发早，耐温性高碳化收率低，技术难度大，设备复杂，成本高主要用于耐烧蚀材料、隔热材料不同型号、品种、领域的碳纤维价格差异巨大，航空航天用碳纤维价格高于其他领域用碳纤维，而航空航天领域中，军用航空价格又高于民用航空。
造成价格差异的主要原因在于碳纤维拉伸强度/拉伸模量越高，性能越好。
近年随着碳纤维产量逐渐提升，慢慢也开始往民用领域扩展，所以整个碳纤维产业的毛利率开始下降：碳纤维行业中位数毛利率以日本东丽为例，东丽的碳纤维产品编号有T300、T800、M30等多种，其中T表示强度，M表示模量。
强度上，T后缀的数字越大代表产品的强度越大，因此强度是T300 < T600 < T700 < T800 < T1000 < T1100 ；模量上，M后缀的数字越大代表产品的模量越大，因此模量是M30 < M40 < M46< M50 < M60 < M65。
光威复材主要产品的对比表如下：产品型号对应级别工艺备注GQ3522T300级湿法工艺GQ4522T700级湿法工艺/干湿法工艺QZ5526T800级湿法工艺/干湿法工艺QZ6026T1000级湿法工艺QM4035M40J级湿法工艺MJ是针对M系列改进拉伸和压缩强度等性能后的型号QM4050M55J级湿法工艺如下表所示，军用航空领域碳纤维预浸料的价格可达 5000-7000元/千克，民用航空碳纤维预浸料的价格为2500-3000元/千克，而体育休闲、风电叶片、工业领域用碳纤维的价格仅为80-140元/千克。
应用领域对应碳纤维材料丝束大小价格（元/千克）国防军工、航天T1000、T800、T300、M系列高模3K、6K、12K1000-10000民用航空T800、T3003K、6K、12K800-1500通用飞机、无人机T700、T3003K、6K、12K500-600体育、建筑补强T700、T30012K100-140风电T300>24K80轨交汽车、电缆芯T700、T30012K、24K100-140（丝束代表着每一束碳纤维中包含多少根纤维。
东丽公司丝束通常在1000到48000根每束）To Be Continued（未完待续……）重 要 声 明本人是一个投资的小白，从2015年至今已经经历了2轮牛熊，并未在投资生涯中取得什么傲人的成绩。
本文仅为个人投资学习和企业分析的记录和分享，所有涉及的企业名称、代码和观点可能都充满了本人的偏见和错误。
切勿根据本文内容做出任何买入和卖出的决策。
