宏观经济指标体系构建与测试原则 [page::2][page::3]

• 采集经济增长（GDP、发电量、铁路货运量等）、通胀（CPI、PPI）、流动性（M1、M2、社融）、企业盈利及工业企业景气扩散指数等指标。

- 采用滞后相关性与拐点匹配度两大测评指标筛选宏观指标，要求相关性和拐点预测能力均超过50%。

• 景气度预测转化为趋势打分（上升为10分，下降为0分），进行领先期和权重加权合成 [page::2][page::3]

六个周期性行业景气度指标构成及预测准确率 [page::4][page::5][page::6][page::7][page::8][page::9][page::10]

| 行业 | 主要指标类别 | 核心指标示例 | 权重分布（大类） | 领先期（季） | 预测胜率 |
|---------|--------------------|------------------------------------|-------------|-----------|--------|
| 有色金属 | 经济、流动性、通胀 | 发电量同比、财新PMI、M1同比、PPI同比 | 40%、30%、30% | 2 | 66.7% |
| 煤炭开采 | 经济、通胀、企业景气扩散指数 | 铁路货运同比、PPI同比、工业企业景气扩散指数 | 40%、30%、30% | 2-5 | 72% |
| 钢铁 | 经济、通胀、流动性、产能、企业盈利 | 铁路货运同比、核心CPI同比、M1同比、产能利用率、工业企业利润同比 | 25%、25%、25%、12.5%、12.5% | 2-5 | 70% |
| 化工 | 通胀、流动性 | 核心CPI同比、M1-M2同比、社融累计同比 | 50%、50% | 6 | 62.5% |
| 汽车 | 经济、流动性、投资、贷款需求 | 发电量同比、社会融资规模、固定资产投资累计同比 | 20%、30%、30%、20% | 2-4 | 61% |
| 房地产 | 经济、流动性 | 发电量同比、PMI、M2同比、社会融资、信用利差 | 50%、50% | 2-4 | 62% |

典型行业景气预测关系示意图（以有色金属为例） [page::5]

• 蓝色折线为行业真实景气度，橙色柱状显示预测景气趋势。

- 预测结果能较好匹配行业景气周期，具备一定领先性。

未来两个季度行业景气展望 [page::10]

| 行业 | 回测胜率 | 2019Q4景气打分 | 2019Q4趋势 | 2020Q1景气打分 | 2020Q1趋势 |
|-------|---------|-----------------|------------|----------------|-----------|
| 有色金属 | 66.7% | 3 | 下 | 5.7 | 上 |
| 煤炭开采 | 72% | 0 | 下 | — | — |
| 钢铁 | 70% | 1.5 | 下 | 4.4 | 下 |
| 化工 | 62.5% | 5 | 下 | 2.5 | 下 |
| 汽车 | 61% | 4.5 | 下 | 5.5 | 上 |
| 房地产 | 62% | 3.3 | 下 | 6.7 | 上 |

• 预计2019年四季度六行业均处下行通道，2020年一季度汽车、有色金属、房地产景气度有望回升。

- 由于煤炭企业景气数据滞后，2020年一季度煤炭行业景气值暂缺。[page::10]

报告风险提示 [page::0][page::11]

• 模型基于历史数据，可能存在设定偏差。

- 投资者需谨慎评估风险，自担投资责任。

报告分析解构：行业景气度的量化前瞻——基于宏观经济的视角

---

一、元数据与概览

• 报告标题：《行业景气度的量化前瞻：基于宏观经济的视角》

- 分析师：张青（华宝证券）

• 发布日期：2020年（基于文中提及的2019年末和2020年初数据推断）

- 研究机构：华宝证券研究创新部

• 研究主题：六个典型周期性行业（有色金属、煤炭开采、钢铁、化工、汽车、房地产）的行业景气度预测，重点在通过宏观经济指标构建行业景气度量化预测模型，并对未来两个季度的行业景气趋势进行展望。

核心论点：

报告基于宏观经济指标构建了6个强周期性行业的景气度预测模型，强调宏观经济波动是行业景气的中观驱动，因而宏观指标在行业景气预测中具有关键作用。报告指出，2020年四季度大部分行业景气下行，2020年一季度部分行业预期回升，模型预测准确率普遍超过60%，最高达72%。报告还警示了模型基于历史数据存在偏差风险[page::0,2,10]。

---

二、逐节深度解读

1. 指标说明

1.1 测试指标说明

报告选取了宏观经济中的核心指标，从五大类共计多项具体数据展开：

• 经济增长：工业增加值（同比）、发电量（同比）、铁路货运量（同比）、社会消费品零售总额（累计同比）、出口金额（累计同比）、PMI及其细分如新订单等

- 投资：固定资产投资（累计同比及制造业、基建、房地产细分）

• 流动性：M1、M2、社融增速、产业债与信用利差等

- 通胀：包括PPI、CPI细分（核心CPI、不含鲜菜鲜果等）

• 企业经营状况：工业企业利润、产能利用率、贷款需求指数、5,000户工业企业景气扩散指数的多维度子指标（宏观热度、国内订货、资金周转等）

宏观指标指标聚焦实体经济的生产、投资、交易流动性和盈利能力各层面，覆盖面广泛，意在捕捉行业景气背后的宏观驱动环境的波动性[page::2,3]。

1.2 测评方法与指标说明

报告采取两阶段筛选方法：

• 指标筛选：

- 相关性检验：选取统计显著、方向一致的宏观指标滞后期；
- 拐点匹配度检验（波峰波谷匹配率及领先度）：选中能显著领先行业景气拐点的指标，确保指标具备真正的预测能力。

• 权重赋值与合成：

- 根据相关系数确定大类指标权重（经济、通胀、流动性等）；
- 类内指标采用等权重；
- 景气度打分仅利用指标趋势，上升趋势视为10分，下降为0，通过加权合成行业景气度。

• 模型评估：

- 行业真实景气以上市公司净利润增速作为衡量；
- 景气预测分为两挡：>5为景气高，≤5为低，与真实景气动向对比计算预测胜率。

该方法兼顾统计显著性和实际经济拐点预测能力，确保模型既有数据可靠性，也有实际可操作性[page::3,4]。

---

2. 分行业测试与模型构建

报告依次对6个行业进行指标选择、模型构建与回测效果展示：

2.1 有色金属

• 指标选择：保留经济（发电量、财新PMI、铁路货运量）、流动性（社融增速、M1同比）、通胀（PPI原材料指数等）三大类；

- 权重分配：经济40%、流动性30%、通胀30%；

• 领先期：大多2个季度左右；

- 模型表现：预测准确率66.7%；

• 数据含义：有色金属周期性极强，受电力消耗、运输和货币环境影响明显，通胀压力反映了成本推动，流动性变化影响实体需求；社融指标特殊强调了中国金融创新及其对流动性的影响[page::4]
• 图表解读（图1）：

- 图1用柱状（预测景气趋势）与折线（行业净利润增速）表现真实与预测景气趋势；
- 总体匹配较好，柱状区块对应的拐点能大致反映有色金属的景气波动；
- 季度间有一定滞后，预测趋势区块多聚焦周期顶底，表明模型对拐点判别具备一定能力。[page::5]

2.2 煤炭开采

• 指标选择：经济（铁路货运量同比）、通胀（PPI原材料、PPI）、企业景气扩散指数（产品销售价格、盈利、订货水平等）；

- 权重分配：经济40%、通胀30%、企业景气扩散指数30%；

• 领先期：多为2季度；

- 模型表现：预测准确率72%，最高胜率；

• 说明：煤炭行业高度依赖运输和价格及企业盈利状况，景气扩散指数为工业企业状态的微观反映，预测效果最佳[page::5]
• 图表解读（图2）：

- 预测区块与煤炭行业盈利波峰、波谷的相对对应较好，表现出较强的周期预测能力；
- 部分时间段预测趋势有断点，可能受数据及时性影响；
- 预测区块时长及位置较合理显示预测的领先度与匹配指标有效性[page::6]

2.3 钢铁

• 指标选择：经济（铁路货运、新订单、PMI）、通胀（PPI、核心CPI）、流动性（M1、社融）、产能利用率、工业企业利润；

- 权重分配：经济25%、通胀25%、流动性25%、产能和企业盈利各12.5%；

• 领先期：多在2–4季度；

- 模表现：预测精准率70%；

• 特点：纳入产能利用率指标更贴合钢铁行业产能周期，企业盈利体现经营层面健康状况[page::6]
• 图表解读（图3）：

- 预测区块覆盖钢铁行业盈利的主要波动，能反映周期顶部与谷底；
- 近年数据及预测区块较密集，拟合程度较好；
- 指标多样性帮助提升模型的准确度，尤其产能指标显著[page::7]

2.4 化工

• 指标选择：通胀（核心CPI）、流动性（M1-M2差，社融等）；

- 权重分配：通胀与流动性各50%；

• 领先期：6个季度（因核心CPI数据自2013起）；

- 准确率：62.5%，略低；

• 说明：化工行业对成本压力及流动性敏感，但多受原材料和政策影响，周期略弱于上游行业[page::7]
• 图表解读（图4）：

- 预测区块与化工盈利波动基本匹配，但波动幅度不大，预测趋势的判别空间有限；
- 景气变化相对平稳，模型波动和实际盈利的匹配在时间节点上表现合理[page::8]

2.5 汽车

• 指标选择：经济（发电量、新订单）、流动性（社融、M2）、贷款需求、投资（固定资产投资及基建）；

- 权重分配：流动性30%、投资30%、贷款需求20%、经济20%；

• 领先期：2–4季度；

- 准确率：61%；

• 特点：汽车行业更依赖投资和贷款需求，反映其为下游消费及大额融资驱动行业；行业敏感度低于上游周期行业[page::8]
• 图表解读（图5）：

- 预测区块相对于汽车行业盈利波动表现出一定的对应，尤其在危机和回升期（2009-2010）较明显；
- 之后周期较弱，盈利波动小，预测区块更分散；
- 模型能够捕捉到资本性开支和流动性变化的周期信号[page::9]

2.6 房地产

• 指标选择：经济（发电量、PMI生产）、流动性（M2、社融、信用利差）；

- 权重分配：经济50%、流动性50%；

• 领先期：2-4季度；

- 准确率：62%；

• 解释：房地产景气直接关联宏观融资环境及经济基础设施投资；信用利差突出反映融资成本变化[page::9]
• 图表解读（图6）：

- 预测区块能捕捉房地产利润周期的波峰波谷，尤其是在政策调控明显时期；
- 盈利波动稳健且缓慢，模型区块显示趋势连续且合理；
- 反映房地产景气与宏观经济和融资环境密切相关[page::10]

---

3. 行业景气展望

• 依据2020年三季度末及9月宏观数据，结合构建的模型对未来两季度景气进行量化预测。

- 主要结论：
- 预测2019年四季度，6个周期性行业均呈下行格局；
- 2020年一季度，除煤炭因数据缺失未作预测外，有色金属、汽车、房地产景气回升预期明显；
- 钢铁、化工行业预计持续下行；

• 预测准确率回顾：

- 胜率范围61%-72%不等，其中煤炭和钢铁表现最佳；

• 通过数字打分形式直观体现行业短期走势，适合投资者做配置策略参考[page::10]

---

三、图表深度解读（重点图表）

| 图表编号 | 行业 | 内容说明 | 解读与意义 |
|----------|--------------|---------------------------------------------------------|------------------------------------------------------------|
| 图1 | 有色金属 | 真实净利润增速（折线）与预测景气趋势（柱状） | 预测趋势与真实景气趋势相较吻合，确认宏观指标对周期捕捉有力。|
| 图2 | 煤炭开采 | 实际景气与预测区块对比 | 覆盖主要周期波动，模型预测领先作用显著。 |
| 图3 | 钢铁 | 盈利波动与预测区块 | 产能利用等指标增强模型稳定性，预测准确率高达70%。 |
| 图4 | 化工 | 盈利趋势与预测景气趋势对比 | 浓厚的通胀和流动性因素影响，预测区块波动较小。 |
| 图5 | 汽车 | 盈利波动及预测区块 | 投资和贷款需求主导，回归周期信号。 |
| 图6 | 房地产 | 净利润增速与预测景气趋势 | 融资环境与投资动向对景气影响明显，景气周期平稳。 |

所有图表均以时间序列展示，走势同步性验证了模型应用的可行性与预测领先性。图表支持文本中的结论，说明基于多层次宏观指标的模型能够捕获行业周期动态[page::5-10]。

---

四、估值分析

报告主要是宏观视角下的行业景气预测模型，不涉及具体公司估值方法和目标价分析，因此无现金流折现（DCF）或P/E倍数估值部分，侧重于通过宏观指标加权构建景气度评分模型，以预测行业盈利增速趋势，辅助投资决策。

---

五、风险因素评估

报告强调了模型局限性及风险提示：

• 依赖历史数据的统计模型可能存在模型设定偏差，未来宏观经济与行业周期关系可能发生变动，降低模型适用性。

- 数据获取滞后与缺失（如煤炭行业三季度企业景气扩散指数数据缺失）可能影响行业景气度预测完整性。

• 模型权重基于过去周期有效性，无法保证在结构性变革或非典型经济周期中依然精准。

- 报告提醒投资者风险自担，模型结果为量化辅助，非绝对投资建议。

风险提示充分透露模型的历史数据依赖及统计假设的潜在不确定性，体现审慎态度[page::0,11]。

---

六、批判性视角与细微差别

• 模型假设问题：

- 采用趋势二值化（10/0）简化复杂多变的宏观指标走势，可能丢失细节信息和边际效用，过于粗糙。
- 相关性与拐点匹配度指标取阈值固定（50%），可能忽略边界指标的潜在信息。

• 数据覆盖与时间长度差异：

- 部分指标（如产能利用率和核心CPI）覆盖时间较短，导致部分行业回测周期较短，降低模型历史验证力度。

• 景气度衡量口径：

- 全部以净利润增速作为行业景气的唯一衡量标准，忽视其他如销售、订单、产量等指标对景气的多维度反映。

• 模型适用性与普适性：

- 各行业权重分布差异大，尚未披露调整权重的动态机制，或许难以应对宏观环境结构性变换。

• 预测成功率一般：

- 胜率最高72%，最低61%，仍存在较大不确定性，投资操作应结合更细致信息和主观判断。

综合来看，报告虽构建了较为系统的行业景气预测框架，但方法的简化和数据限制带来精细度与准确性的瓶颈，需要审慎理解模型输出[page::3-10]。

---

七、结论性综合

本报告通过系统且全面的宏观数据筛选和指标测评，成功构建了六个强周期性行业的景气度量化预测模型。模型基于经济增长、通胀、流动性、投资和企业经营五大维度指标，多指标合成后能有效反映行业盈利增速的趋势并捕捉到周期性拐点，回测预测准确率普遍在61%-72%区间，体现一定的前瞻价值。

主要发现：

• 模型对煤炭、钢铁行业的景气度预测最为有效，反映了这两个行业对宏观经济和融资环境变化的敏感度最高。

- 有色金属行业模型较为稳健，充分体现了电力、运输和流动性因素的驱动作用。

• 下游汽车和房地产行业的预测更依赖投资和融资指标，景气周期相对较弱且预测准确率较低。

- 化工行业受通胀和流动性影响明显，周期特征平缓，预测能力有限。

• 2020年四季度预测六行业均见下行趋势，2020年一季度部分行业出现景气回升，说明模型具备合理的周期判断能力。

模型优势：

• 采用拐点匹配与相关性双重检验筛选指标，确保指标预测拐点领先性；

- 多层次指标综合反映行业景气动态，弥补单指标局限；

• 结构清晰，方法透明，便于复制与推广。

图表贡献：

• 六个行业的预测图与实际净利润走势对比，直观显示模型对行业周期拐点的捕捉，验证了模型的前瞻性和实用性。

限制与风险：

• 依赖历史数据，无法捕捉结构性变革；

- 指标的二值趋势设定可能过于简化实际经济情形；

• 不同指标历史数据时间长度不一，影响模型稳健性。

综上，报告基于宏观经济视角，结合定量测评方法，有效构建了适合周期性行业的景气度预测工具，为行业配置与风险管理提供了重要参考，但投资者应结合宏观政策、行业基本面变化和其他方法论进行综合判断，理性利用模型结果。

---

总结表

| 关键点 | 内容摘要 |
|----------------------|------------------------------------------------------|
| 报告主题 | 以宏观指标预测强周期行业景气度 |
| 核心方法 | 相关性+拐点匹配度筛选宏观指标，多指标加权趋势合成景气度 |
| 行业覆盖 | 有色金属、煤炭开采、钢铁、化工、汽车、房地产 |
| 预测准确率 | 61%-72%不等，煤炭最高 |
| 当前预测（19Q4/20Q1）| 19Q4行业普遍下行，20Q1部分行业回升 |
| 主要风险 | 历史模型偏差，数据完整性，简化趋势二值化假设 |
| 模型应用价值 | 行业周期判断，投资和资产配置的量化辅助工具 |

---

整体来看，华宝证券的本份报告以严谨的数据逻辑和科学的评测方法，构建了较为系统的基于宏观指标的行业景气预测模型，提供了对周期性行业未来走势的前瞻洞察，对专业机构投资者尤其具有较高参考价值。[page::0-11]

报告