钢铁行业库存量化研究框架专题二：以库存锚定钢价，基于基本面与经济逻辑，构建短期钢价预测体系-20180704-广发证券-28页

库存量化研究框架专题二：以库存锚定钢价

核心内容

本报告构建了一个基于基本面与经济逻辑的短期钢价预测体系，主要依赖库存噪声项及其他相关变量，如期货指数涨跌幅、水泥价格涨跌幅等，以解释和预测钢价的短期波动。该体系基于库存与钢价之间的供需关系，以及价格本身的序列相关性和均值回归性，分别使用VAR模型和ARIMAX模型进行建模，并在不同市场条件下选择适用模型。

主要观点

1. 库存与钢价的关系：

   • 库存与钢价均反映供需缺口，存在同步镜像关系。
   • 由于供需缺口的内生性，库存与钢价也存在异期相关性，表现为跨期正相关。
   • 钢价不仅受供需影响，还受到市场价格预期、滞后价格及景气脉冲等非供需因素的影响。

2. 模型设定：

   • VAR模型：反映变量间的相互传导机制，考虑内生性和滞后阶数的动态选择，适用于市场平稳期。
   • ARIMAX模型：基于价格残差的均值回归性，引入移动平均项以补偿价格超调，适用于市场震荡期。
   • 两种模型均优于无模型的Logistic分类器，表明基于经济逻辑的模型设定具有预测价值。

3. 模型应用：

   • 使用VAR模型对库存噪声项进行外推，再用于预测钢价涨跌幅。
   • 引入上涨概率和置信区间，以更直观地表达预测结果。
   • 通过调整预测结果，将其从两周窗口转换为一周窗口，以满足实际预测需求。

4. 模型评估：

   • 基于点估计与区间估计进行评估。
   • 使用对数似然函数和准确率等指标进行比较，VAR模型在点估计上优于ARIMAX模型。
   • 区间估计上，VAR模型更准确地识别涨跌幅较大的趋势，而ARIMAX模型在某些情况下可能过度修复趋势。

关键信息

• 库存噪声项：是剔除季节性与趋势性后的库存表现，反映短期供需摩擦，与钢价涨跌幅呈负相关。
• 期货指数涨跌幅：作为市场预期的代理变量，与钢价涨跌幅存在异期正相关性。
• 水泥价格涨跌幅：作为需求景气脉冲的前瞻指标，与钢价涨跌幅存在异期正相关性。
• VAR模型：适用于市场平稳期，具有较好的拟合效果，但可能在强脉冲下过度反应。
• ARIMAX模型：适用于市场震荡期，引入移动平均机制以补偿价格超调，但可能在短期内过度修复趋势。
• 预测方法：基于VAR模型的库存外推，结合上涨概率和置信区间，提供更直观的预测结果。

模型特点与适用场景

风险提示

1. 模型基于历史信息外推，对于超预期事件不具备预测能力。
2. 模型主要为线性模型，对于非线性变量关系解释能力较弱。
3. 预测时假设残差服从正态分布，当误差服从其他分布时预测能力减弱。
4. 模型假设变量间关系在历史时间区间内一致，但不排除不同时间区间的变量关系存在差异。

图表与数据

• 图1：库存噪声项和钢价涨跌幅均是供需关系的表征，理论上存在同步镜像关系。
• 图2：库存噪声项与钢价涨跌幅存在同步镜像关系，但不能完全解释钢价波动。
• 图3：库存与钢价表现出滞前滞后关系。
• 图4：市场价格预期成为影响价格的因变量。
• 图5：偏自相关函数显示价格存在正向与负向的序列相关性。
• 图6：基于简单线性回归的预测指标体系取得初步成效。
• 图7：VAR模型对钢价拟合效果较好，但存在过度反应问题。
• 图8：ARIMAX模型拟合程度优于VAR模型，但可能在短期内过度修复。
• 图9：VAR模型对库存噪声项的外推效果良好。
• 图10-12：VAR、ARIMAX与Logistic模型的预测效果散点图，显示VAR模型在多数情况下表现更优。

表格数据

• 表1：库存噪声项与钢价涨跌幅存在同期的负向相关关系。
• 表2：库存噪声项与钢价涨跌幅存在同期的负向相关关系与异期的正向相关关系。
• 表3：滞后一阶的期货指数涨跌幅与当期钢价涨跌幅保持显著正相关。
• 表4：滞后一阶的水泥价格涨跌幅与当期钢价涨跌幅保持显著正相关。
• 表5：VAR模型的系数与显著性矩阵，显示各变量间的跨期相关性。
• 表6：ARIMAX模型的估计结果概览，显示输入序列与噪声序列的相关性。
• 表7：VAR与ARIMAX模型对2018年6月29日~2018年7月5日钢价涨跌幅的预测结果。

总结

本报告构建了一个以库存为中心的短期钢价预测体系，通过VAR与ARIMAX模型的设定，分别适用于市场平稳与震荡期。模型在点估计与区间估计上均优于无模型设定的Logistic分类器，具有一定的预测价值。然而，模型仍存在对超预期事件的预测能力不足、对非线性关系解释能力有限以及正态分布假设可能失效等风险。