库存量化研究框架专题二_以库存锚定钢价_26页_713kb

报告摘要

库存量化研究框架专题二：以库存锚定钢价

核心内容

本篇报告构建了一个以库存为中心的短期钢价预测体系，旨在通过库存噪声项与相关经济变量之间的关系，理解并预测钢价的短期波动。报告基于基本面与经济逻辑，提出并验证了库存与钢价之间的同步镜像关系、异期相关性，以及市场价格预期和外部景气脉冲对钢价的影响。同时，报告比较了VAR与ARIMAX两种模型在预测中的表现，并提出了基于上涨概率和置信区间对预测结果进行解读的方法。

主要观点

库存-钢价关系的理论基础：
- 库存与钢价均是对供需缺口的反映，理论上存在同步镜像关系。
- 由于供需缺口的内生性，库存与钢价之间还存在异期相关性，即跨期的正相关性。
短期价格波动的驱动因素：
- 除了供需因素外，市场价格预期（如期货指数涨跌幅）和滞后价格（名义价格粘性）也是短期价格波动的重要影响因素。
- 水泥价格作为需求景气的先导指标，可用于预测钢价的短期走势。
模型构建与选择：
- VAR模型是一个内生系统，能够较好地拟合库存与钢价之间的相互传导关系，适用于市场平稳期。
- ARIMAX模型引入了价格残差的均值回归机制，能够对价格超调进行自我修复，适用于市场震荡期。
- 两种模型均优于Logistic分类器，显示出基于经济逻辑的模型具有额外的预测价值。
预测方法与指标：
- 预测结果以钢价涨跌幅的分布形式呈现，包括期望值、标准差、上涨概率和置信区间。
- 模型预测结果需要进行调整，以适应一周为窗口的预测需求。

关键信息

库存噪声项：剔除季节性和趋势性成分后的库存表现，反映短期供需摩擦，与钢价形成负反馈关系。
期货指数涨跌幅：作为市场价格预期的代理变量，与钢价存在异期正相关性。
水泥价格涨跌幅：作为需求景气的先导指标，可用于预测钢价的短期走势。
VAR模型：基于变量间的相互影响，能够较好地拟合钢价走势，但可能在强脉冲下过度反应。
ARIMAX模型：引入均值回归机制，可对价格超调进行补偿，但可能在短期波动中过度修复。
模型评估：
- VAR模型的准确率为70.00%，对数似然函数为-70.54。
- ARIMAX模型的准确率为62.00%，对数似然函数为-109.21。
- Logistic模型的准确率为62.00%，对数似然函数为-144.24。
风险提示：
- 模型基于历史信息外推，无法预测超预期事件。
- 模型为线性模型，对非线性关系解释能力较弱。
- 残差假设为正态分布，当误差服从其他分布时预测能力可能下降。
- 变量间关系可能随时间变化，模型设定需考虑时间窗口的差异。

模型应用与预测

预测分布：模型输出包括对下周钢价涨跌幅的期望值、标准差、上涨概率和置信区间。
预测调整：将两周窗口的预测结果调整为一周窗口，通过期望值与标准差的修正，以更贴近实际需求。
模型选择：
- 在市场平稳时，VAR模型更优，因其强调经济惯性。
- 在市场震荡时，ARIMAX模型更优，因其具备均值回归特性。
预测效果：
- VAR模型对钢价涨跌幅的拟合R方为64.96%，ARIMAX模型为70.09%。
- VAR模型在2018年6月29日至2018年7月5日期间预测钢价涨跌幅为-0.55%，ARIMAX模型预测为-1.20%。