20180704-广发证券-库存量化研究框架专题二_以库存锚定钢价_库存量化研究框架专题二_以库存锚定钢价_28页_716kb

库存量化研究框架专题二：以库存锚定钢价

核心内容概述

本报告旨在构建一个基于基本面与经济逻辑的短期钢价预测体系，重点围绕库存噪声项与钢价涨跌幅之间的关系展开分析。报告指出，库存与钢价均反映供需缺口，但二者存在同步与异期相关性，同时需考虑市场价格预期、价格序列相关性及需求景气脉冲等其他因素。最终提出使用VAR模型和ARIMAX模型进行预测，并根据市场状态选择模型。

主要观点与关键信息

一、库存-钢价关系的再审视

1. 同步关系：库存噪声项与钢价涨跌幅均反映同期供需关系，理论上存在同步镜像关系。
2. 异期相关性：由于供需缺口具有内生性，库存与钢价之间存在滞前滞后关系，表现出正相关性。
3. 完善价格函数：
   • 市场价格预期（如期货指数涨跌幅）成为影响钢价的重要因素，与钢价存在正相关。
   • 价格序列相关性由名义价格粘性与库存-钢价反馈机制共同作用，形成短期正相关与长期负相关。
4. 拓展供需函数：水泥价格作为需求景气的先导指标，与钢价存在显著的正相关性，可作为预测工具。

二、模型设定与选择

1. VAR模型：
   • 适用于反映变量间的相互传导机制，是内生系统，可动态选择滞后阶数。
   • 优点：能够更好地拟合钢价走势，R方统计量达64.96%。
   • 缺点：对强脉冲反应过度，容易出现滞后反应。
2. ARIMAX模型：
   • 引入移动平均机制，对价格超调具有自我修复功能。
   • 优点：拟合效果优于VAR，R方提升至70.09%。
   • 缺点：可能对自我趋势过度修复，且未考虑变量间相互传导。

三、模型应用与预测

1. 预测方法：
   • 使用VAR模型对库存噪声项进行外推，再基于该结果预测钢价涨跌幅。
   • 引入上涨概率和置信区间来增强预测的可解释性。
   • 通过调整期望值与标准差，将两周窗口的预测结果还原为一周窗口的预测值。
2. 预测结果：
   • VAR模型预测钢价下周涨跌幅为-0.55%，上涨概率为37.07%，置信区间为[-3.79%, 2.69%]。
   • ARIMAX模型预测为-1.20%，上涨概率为23.92%，置信区间为[-4.52%, 2.12%]。

四、模型评估

1. 点估计评估：
   • 使用对数似然函数进行模型优劣比较，VAR模型的对数似然值为216.68，高于ARIMAX模型的195.65，表明VAR模型更贴近实际。
2. 区间估计评估：
   • 基于预测准确率与散点图进行分析，VAR模型表现更佳，能够对涨跌幅较大的情况做出明确判断。
   • Logistic模型作为对照组，表现出较大的误判概率，因此不如VAR与ARIMAX模型。

模型适用情境

• VAR模型：适用于市场平稳时期，强调经济惯性，能够较好地拟合钢价走势。
• ARIMAX模型：适用于市场震荡时期，强调价格的均值回归性，可对超调价格进行修复。

风险提示

1. 模型基于历史数据，对超预期事件预测能力有限。
2. 模型为线性模型，对非线性关系解释能力较弱。
3. 预测假设残差服从正态分布，若实际误差分布不同，预测效果可能下降。
4. 模型假设变量间关系在历史区间内一致，但在不同时间阶段可能存在差异。

总结

本报告通过理论推导与实证检验，构建了一个以库存为中心的短期钢价预测体系。VAR模型与ARIMAX模型分别适用于市场平稳与震荡阶段，两者均优于无模型的Logistic分类器。模型评估结果显示，VAR模型在预测准确性与解释力上更具优势，但需注意其对强脉冲的过度反应。ARIMAX模型则在修复价格超调方面表现更佳，但存在对自我趋势过度修复的风险。