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

《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》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、目录索引前言：经济惯性、新息与短期未来的可预测性4一、库存-钢价关系的再审视：基于理论推导，我们设计了一个以库存为中心的指标体系5（一）库存-钢价的同步关系：由于库存噪声项和钢价涨跌幅均反映同期供需关系，因此两者存在可验证的同步镜像关系5（二）库存-钢价的异期相关：由于供需缺口的内生性，库存噪声项与钢铁涨跌幅呈现异期相关7（三）完善价格函数：考虑到短期价格不仅表达为供需的函数，我们引入市场价格预期与滞后价格作为解释变量9（四）拓展供需函数：基于水泥价格所表征的需求景气脉冲可对供需缺口作出前瞻............................

2、.....................................................................................................12二、模型设定：考虑到变量内生性与价格残差的均值回归特征，我们分别基于VAR与ARIMAX展开模型构建14（一）VAR模型：一个反映变量相互传导机制的内生系统，基于VAR可以大致验证前文变量间关系的逻辑14（二）ARIMAX模型：以价格残差的均值回归性为出发点的模型，它引入了价格超调的自我修复机制17三、模型应用：VAR模型是较优的模型设定，在市

3、场平稳与市场震荡时分别适用VAR模型和ARIMAX模型19（一）模型预测：预测分布、上涨概率与置信区间19（二）模型评估：VAR模型是较优的模型设定，在市场平稳与市场震荡时分别适用VAR模型和ARIMAX模型21四、风险提示27若出现排版错位，数据显示不全等问题，可加微信535600147，凭下载记录获取PDF版图表索引图1：库存噪声项和钢价涨跌幅均是供需关系的表征，理论上两者存在同步的镜像关系5图2：库存噪声项与钢价涨跌幅大致存在同步镜像关系，但这并不能完全地解释钢价波动6图3：由于供需缺口存在内生性，因此库存与钢价表现出滞前滞后关系8图4：由

4、于钢贸商可以基于市场预期调整其存货及影响市场交易，因此市场预期成为影响价格的一个因变量9图5：在不同阶数上，偏自相关性存在相反的方向，且负相关系数的绝对值较小..............................................................................................................................12图6：基于简单线性回归，预测指标体系已经取得了初步的成效14图7：基于VAR模型，我们较好地拟合了钢价涨跌幅的走势，但它在部分时点上可能存

5、在过度反应16图8：ARIMAX模型的拟合程度较VAR模型有所提高，但可能存在自我趋势的过度修复18图9：我们可以基于VAR模型对库存进行外推20图10：VAR模型的预测效果散点图24图11：ARIMAX模型的预测效果散点图24图12：Logistic模型的预测效果散点图24图13：VAR模型仍然延续了惯性特征，即模型对下一期的预测值依赖于上一期的实际市场表现25图14：ARIMAX相对于VAR模型要更加灵敏，但倾向于过度自我修复26表1：库存噪声项与钢价涨跌幅存在同期的负向相关关系7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

6、相关关系.8表3：滞后一阶期货指数涨跌幅与当期钢价涨跌幅保持显著的正相关关系10表4：滞后一阶水泥价格涨跌幅与当期钢价涨跌幅保持显著的正相关关系13表5：VAR系统的系数与显著性矩阵15表6：ARIMAX模型估计结果概览18表7：VAR模型和ARIMAX模型对2018年6月29日~2018年7月5日钢价涨跌幅预测结果21表8：VAR、ARIMAX与Logistic作为二元分类器时的历史预测表现25若出现排版错位，数据显示不全等问题，可加微信535600147，凭下载记录获取PDF版前言：经济惯性、新息与短期未来的可预测性波动性已经成为当前理解钢铁

7、行业所不可忽视的一个维度。一方面，当前行业需求端面临着多个周期的对冲而非共振，信贷周期与财政周期的紧缩通道与朱格拉周期的扩张倾向导致经济持续处于两相抉择与反复纠偏当中，信用风险蔓延与外围形势紧张也使得政策端衍生出较强的不确定性；而供给端则处于盈利刺激、供给钝化与政策约束的交叉通道之下。愈是在行业气象与市场逻辑纷乱之处，愈是需要我们以笃定的态度与客观的方法去观测和丈量周期运行与行业态势。鉴于此，我们推出钢铁行业的量化研究框架系列，冀望以数据为驱动、以量化为锚，向市场提供准确且更贴近现实的研究框架。我们将借助于对数据的解构与重建，清除噪声扰动、回归周

8、期本源，进而在纷繁扰动之中锚定周期位置、把握经济趋势。在我们2018年4月21日发布的报告《库存量化研究框架专题一：从解构微观库存说起—