量化视角下的工业部门产业联动与周期规律-20200228-东北证券-30页_2mb

量化视角下的工业部门产业联动与周期规律总结

核心内容概述

本报告基于前篇《经济指标周期及领先性确认的数理方法》，对工业部门三大指标体系（产量、库存、增加值）进行实证测试，旨在通过拐点识别与对应算法，分析各行业之间的周期联动关系，为投资者把握行业景气度提供参考。报告主要探讨了工业增加值、工业品产量与工业企业产成品存货三大指标体系的周期分布及领先滞后关系。

主要观点与关键信息

拐点识别与对应算法优化

• 拐点识别：采用Bry-Boschan算法（B-B算法）识别时间序列中的拐点，以划分周期阶段。
• 平滑优化：引入经验模态分解（EMD）技术，并结合信噪比作为判断依据，以提高不同波动特性的指标平滑效果。
• 算法包容性：为解决因输入顺序不同导致的匹配歧义问题，提出更具包容性的拐点对应算法，通过多遍历、调整匹配规则，确保算法在不同输入顺序下给出唯一解。

工业部门三大指标体系的周期分布

• 工业增加值体系：周期长度普遍在2.5至4年之间，上升与下降阶段时间差异较大，但整体趋势稳定。
• 工业品产量体系：周期长度集中在3至4年，多数行业周期波动较小。
• 工业产成品存货体系：周期长度也在3至4年之间，但部分行业上升与下降阶段差异明显。

领先滞后关系分析

• 产量视角下的领先性：部分行业如水泥、生铁、工业锅炉、汽车等，对工业增加值有明显领先性。这些行业通常位于产业链上游或具有较长的生产周期。
• 库存视角下的领先性：下游行业如交运设备、电子设备制造等，其库存周期通常领先于上游资源开采行业。例如，交运设备库存领先有色金属采选业。
• 行业间关系变化：某些行业间的领先滞后关系会随时间变化，如发动机与汽油、柴油之间的关系在2008-2009年和2010年后发生逆转。

关键数据与结果

周期分布统计

领先滞后关系示例

• 对工业增加值有明显领先性的工业品：水泥、生铁、工业锅炉、氧化铝、氢氧化钠、汽车、彩电等。
• 对空调有明显领先性的工业品：工业锅炉、生铁、十种有色金属、初级形态塑料等。
• 对发动机有明显领先性的成品油：汽油在2008-2009年之前落后于发动机，之后领先于发动机；柴油则滞后于发动机。

OECD领先滞后性评判标准

研究意义与展望

• 研究意义：通过量化分析，揭示工业部门内各产业的周期规律和联动关系，为投资者提供行业景气度分析的工具。
• 未来方向：进一步研究如何提升领先性的稳定性，并探索模型结果在实际投资中的应用价值。
• 适用性：该模型在工业体系数据测算中表现良好，有望应用于更多宏观指标体系。

风险提示

• 本报告结果基于历史数据统计、建模和测算，存在因政策或市场环境变化导致模型失效的风险。

相关报告

• 《经济指标周期及领先性确认的数理方法》
• 《大类资产配置“全解析”专题研究之三：Mozaic指数——是指数更是交易系统》
• 《大类资产配置“全解析”专题研究之二：“少即是多”朴素美林时钟模型》