• 钢材需求主要来自投资需求（房地产、固定资产投资）和消费需求（汽车、家电、机械等），采用钢材表现消费量作为核心需求观察指标，因三种相关消费量指标高度一致[page::0][page::1]。

• 房地产相关指标分析[page::1][page::2][page::3]：

- 房屋施工面积受跨期影响数据不连续，参考价值低。
- 商品房销售面积领先钢材需求1~2个月，且相关系数高达0.6以上，是较好的领先指标。

• 新开工面积滞后钢材消费量2~4个月，且领先商品房销售面积约5~7个月，说明地产商开工延后调节[page::2]。

• 房屋竣工面积与钢材需求无明显同步性和领先性，数据滞后且不适合作为指标[page::2][page::3]。

• 固定资产投资总体与钢材需求基本同步，相关系数约0.51，领先期弱0~1个月，弱预测价值[page::3]。

• 基础设施建设投资对钢材需求具备明显领先性，领先4~5个月，领先调整后相关系数0.46，可作为有效领先指标[page::3]。

• 房地产投资完成额自2011年以来表现为钢材需求的滞后指标，滞后1~2个月，近年房地产投资及基建投资存在背离，基建投资成为需求主要驱动[page::4]。

• 汽车产量与钢材需求同步相关性强（0.86），无显著领先或滞后；挖掘机产量为滞后指标且解释力弱，从16年起出现背离，后者不适合作为领先指标[page::5]。

• M2增速领先钢铁表观消费约2~3个月，调整领先期后相关系数约0.79，显著领先性，反映货币政策对钢铁需求的影响滞后特征[page::5]。

• 基于上述领先指标构建的钢铁需求增速预测模型拟合较好，预测2017年三、四季度钢铁表现消费需求增速保持稳定[page::6]。

• 基于需求预测，钢铁行业营业收入增速预测显示2017年三、四季度预期将出现下滑，景气高点已过[page::6]。

• 螺纹钢价格涨跌阶段划分为23段（12上涨，11下跌），钢铁行业超额收益与螺纹钢价格同向概率约74%，为核心行情影响变量[page::7]。

• 识别出3个显著背离阶段及其原因：2010年初价格上涨但超额收益下跌因吨钢毛利下滑；2013-2015年螺纹价格下跌但超额收益大幅上涨与市值偏好变化相关；2015-2016年股灾期间情绪极端影响[page::7][page::8][page::9]。

- 2010/2~2010/4吨钢毛利下降，铁矿石成本推高价格，市场盈利受挤压导致超额收益不跟涨。



- 2013-2015年阶段中超额收益与毛利及大小盘风格变动体现市值偏好影响，影响二级市场表现。

• 基于螺纹钢价格和吨钢毛利量化信号构建的择时策略：

- 螺纹钢价格简单择时策略（价格连续上涨则多头，反之空头），多空策略年化超额收益达13.68%，最大回撤17.03%。
- 基于吨钢毛利的多头策略年化收益约4.79%，最大回撤13.74%。
- 综合螺纹钢价格和毛利信号，多空策略年化收益10.53%，最大回撤15%。

深度专题之四十三：周期行业基本面量化之钢铁篇 报告详尽分析

---

一、元数据与报告概览

• 报告标题： 深度专题之四十三：周期行业基本面量化之钢铁篇 基本面量化系列研究之八

- 作者与发布机构： 丁鲁明，段伟良，中信建投证券金融工程研究团队

• 发布时间： 2017年9月22日

- 研究主题： 钢铁行业基本面的量化分析，聚焦钢铁需求的领先指标识别、行业景气预测、钢铁价格对钢铁行业指数的影响解析及择时策略构建。

报告核心论点包括：

• 识别钢材需求的主要驱动因素，通过量化模型预测行业表现；

- 钢材的消费需求显示多个领先、滞后变量，精确把握其领先指标有助于预测行业景气度；

• 螺纹钢价格虽是行业超额收益的核心变量，但存在与行业表现背离的阶段；

- 构建基于螺纹钢价格与吨钢毛利的多空择时模型，实现较好的超额收益和风险控制。

报告不设具体评级或目标价，而专注于基本面及量化择时模型的构建与验证，旨在为投资决策提供量化支持。

---

二、逐节深度剖析

Part I 钢铁行业景气度预测体系

1. 钢铁需求构成与核心指标选择

• 钢铁需求分为两个主要来源：投资需求（房地产、固定资产投资等）和消费需求（汽车、家电、机械等）。

- 报告选取“钢材表观消费量”作为核心的度量指标，理由是其与“粗钢表观消费量”和“生铁表观消费量”等指标走势高度一致，简化了分析框架。

2. 房地产相关指标与钢材需求关系解析

• 房屋施工面积： 存在跨期施工调整（历史开工跨期影响），每年1-2月份存在异常高企情况，不具备环比同比的可比性，故不予采用。
• 房屋新开工面积： 虽直观逻辑上能增加钢铁需求，但实证数据显示新开工面积相对钢材消费呈滞后关系（滞后1-2个月），其自身也受经济景气影响，地产商更多根据销售情况调整开工。新开工与商品房销售间更显示出销售领先约5-7个月的关系。
• 商品房销售面积： 实为最有效的领先指标，领先钢材表观消费约1-2个月，相关系数平移后可达0.6以上，十分显著，值得作为预测指标重点关注。
• 房屋竣工面积： 作为事后统计数据，与钢材消费量缺乏明显相关性，且无领先性，因此不适用。

数据及图表详见：

• 图1显示三种表观消费量指标增速走势高度一致（图片：images/822d90db78225463407160026b48489bb314c53aca5e02d210c7da3c8a623edb.jpg?page=1），

- 图2说明了房屋施工面积在1-2月的异常数据，缺乏可比性（图片：images/e9176614d1a433fe0bc8fb0e2fdd30d8f4a7628368c4d97e0158643da8c7cf7c.jpg?page=1）,

• 新开工面积与钢材消费量的走势偏滞后，回归分析和领先滞后关系统计如图3至图6所示（图片见images/652c76069d44e128c3ca343064ebdb82e93f9470918653031b84d494781a553d.jpg?page=2，表格展示相关统计数据），

- 商品房销售面积领先钢材消费表现明显，呈现稳定领先期与较高相关（图7、图8），统计数据支持领先1-2个月（图片：images/6d03b4f8146f702a39c61eb538f95784861e2d60896490ed4d205454feaadf93.jpg?page=2）[page::0,1,2]

3. 固定资产投资及细分项与钢材需求关联

• 固定资产投资完成额与钢材需求基本同步，相关系数约0.51，领先较弱（0~1个月），难以作为领先指标。
• 基础设施建设投资具备较强领先性，领先约4~5个月，调整领先期后两者相关系数约0.46，表现为有效领先指标。
• 房地产开发投资完成额2011年后出现滞后于钢材需求的趋势，滞后1~2个月；且与基础设施投资增速存在多次明显背离，特别是2015、2016年，显示政府财政政策对基建投资加码以对冲地产投资下降，基建成为钢铁消费需求的核心驱动力而非地产投资。

图和数据解读：

• 图10、11展示固定资产投资与钢材消费走势同步（相关系数0.52）（图片：images/6786ba173d04491b1c2906d2644e93831f8c402ea55239e747f1b78a65cfaf58.jpg?page=3，images/84195114e01a1ffb75bcd027d0c7b14c760be6402caf6d7431770635e76e2666.jpg?page=3），

- 图12、13基础设施投资领先钢材消费4-5个月及相关系数数据（图片：images/8d4b3d32d43604174ad60ff3e1107301a7af4acfea6d672959e04dc90c3f0e74.jpg?page=3，images/a9c9aa251bca774e65acdf7b6c6479c3fd400becf93dfe5f14a9387e4f32cfa4.jpg?page=3），

• 图14、15、16说明房地产投资完成额的滞后性及历史背离基建表现（图片：images/84ab8906ecdba075783bb73fdbda3afaae724d61b17a3ae8a91e3347393858df.jpg?page=4，images/04ba2d3565a8698568b480fd33cc6a043bceb3daca5e1dfe9a67b40f610f5fe8.jpg?page=4，images/6a80045f08c77342f3bc91232fc301eed226906aa4bace8e58a8493ac258bddb.jpg?page=4)[page::3,4]

4. 汽车产量与挖掘机产量与钢铁需求的关系

• 汽车产量与钢材消费展现出高度同步性，相关系数达0.86，但无明显领先或滞后。
• 挖掘机产量显示滞后性，且2016年四季度以后与钢材消费明显背离，解释力不足，无法作为领先指标。

图及统计显示：

• 汽车产量和钢材需求TPM走势同步，相关统计表格明确领先滞后关系无显著领先（图片：images/a003623c5dc75fee954c2285c9e37f7d8a20f4bcc269ddf37a109b3f2745ea1a.jpg?page=5），

- 挖掘机产量与钢材消费走势在经济条件调整期背离明显，不适合作指标（图片：images/44a2f7fb75f8c967e9ed6fb28c7e876a25acdc53fc74e60dd027d49ef5c1be9a.jpg?page=5，images/88ec62610dd1d9d6f0414c44cfb063313b80e422ed3aef3e628853ffe7290b4a.jpg?page=5）[page::4,5]

5. 货币政策指标——M2增速与钢材消费关系

• M2增速作为货币政策的代表，存在对经济影响的滞后，实证显示M2领先钢铁表观消费约2-3个月，相关系数可达0.79，显著领先特性较强，适合作为钢材需求预测的宏观指标。
• 图21、22分别显示M2增速和钢材消费走势关联及相关系数表，验证这一关系（图片：images/0db651c48d36334de9fc5f18e884b379e009fbfa48cea68327d9609cd67a3290.jpg?page=5，images/886009cd32fbd559894b536a940cec7fb60d9c667ca5fa0e54727ffaf6ec8d87.jpg?page=5）[page::5]

6. 钢材需求预测模型与钢铁行业营业收入增速预测

• 应用上述领先指标构建模型后，预测2017年8月至11月钢铁表观消费需求增速稳定，2017年三、四季度钢铁行业营收TTM环比增速将大幅下滑，三季度约为5.4%，四季度为4.7%，全年高点则集中于一季度的14.6%。
• 表和曲线对比模型估算值和实际数据呈现良好拟合（图6-23，图片images/fcadf15cac4e05d0d68cfd3c8d2ec4ec1b63468be8a6945862d23e9c5a89e078.jpg?page=6，images/3a24cde7623550cde3de08058288912d36daa01ba6023c910645f58764b4b3c2.jpg?page=6）[page::5,6]

---

Part II 螺纹钢价格对钢铁指数影响的量化解析

• 研究使用周度数据，将2009年以来按照螺纹钢价格连续上涨（≥4周）或下跌划分为23个阶段（12上涨，11下跌）。
• 实证发现，螺纹钢价格与钢铁行业指数超额收益同向变动概率约74%。螺纹钢价格上涨阶段钢铁指数多为正超额收益；价格下跌对应负超额收益。

背离阶段分析

• 观察到三段明显背离阶段：

1. 2010年2月6日—4月17日： 螺纹钢价格上涨约20%，但吨钢毛利下降（92元/吨至-163元/吨），成本端铁矿石价格上升推动价格上涨为成本推动，被动上涨导致盈利恶化，钢铁超额收益负增长。

2. 2013年8月17日—2015年7月11日： 螺纹钢价格大幅下跌43.57%，然而钢铁指数超额收益上升44.37%，背离。吨钢毛利未显著改善，市场出现大小盘市值偏好切换，该阶段市场风格因素主导表现。

3. 2015年12月19日—2016年4月30日： 螺纹钢价格上涨55.47%，吨钢毛利同步上行，但钢铁相对沪深300未呈现正超额收益，极端市场情绪及股灾影响导致行业表现偏弱。在相对同市值基准调整后，超额收益趋势明显修正。

• 通过多维度对比（与沪深300、wind全A、同市值基准），市值风格与情绪因素对钢铁行业的超额收益影响显著。
• 相关表格、图示定量展示了23个阶段的价格、行业指数涨跌同比及背离情况（详情见图24-34，图片见images/42f4757b894e811058449a8c5492b79b9b2a1a8f5770b44ef3cda6a5191afe97.jpg?page=7至images/723fa13e83e94fd61c41be21f815600399ff5f5c3a9f3745d3a29b12cffc9f54.jpg?page=9）[page::6,7,8,9]

---

Part III 基于基本面指标的钢铁行业择时模型

• 结合影响钢铁超额收益的关键量化变量：螺纹钢价格与吨钢毛利，构建日频择时模型。

• 策略规则：

1. 观测前两日螺纹钢价格变化，价格上升做多，反之做空，持有至下一日判断。

2. 同理构建毛利信号的多头空头策略。

3. 合并两个信号，只有两者一致方做多或做空，否则空仓。

• 回测结果：

- 纯多头策略：螺纹钢价格策略年化超额收益约4.84%，吨钢毛利策略略低；

- 多空策略：价格信号年化收益为13.68%，毛利信号4.79%，综合信号为10.81%，风险（最大回撤）稍有所降低。

• 图37至40（图片：images/42c5dfdd6bb3ff07da5ec7bdca210894dc6bac231045d5be2ae1bc3491ed229c.jpg?page=10至images/f0bd4c97c176c9f36863edf308be9271fe807f03b098156eabc0da3a9ff65e8a.jpg?page=10）清晰展现策略累积净值和最大回撤变化，验证策略稳健性[page::10]

---

三、图表深度解读重点

• 图1（钢铁表现消费量相关指标增速）： 展示粗钢、钢材、生铁的表观消费量增速高度一致，验证选取钢材表观消费量代表整体需求合理。

• 房地产指标相关图表（图2~图8）： 明确房屋施工面积数据异常，不严谨；新开工面积和商品房销售面积的领先滞后关系清晰，商品房销售面积领先表现最佳。

• 固定资产投资细分图表（图10~图16）： 固定资产投资总量与钢材需求同步性强，分拆的基建投资领先4-5个月，是优良的领先指标；房地产投资表现出滞后性且后期与基建投资背离。

• 汽车与机械（挖掘机）产量图表（图17~图20）： 汽车产量与钢材需求高度同步但不领先，挖掘机产量滞后且解释力差，限制了其作为指标的实用性。

• M2与钢材需求（图21~图22）： M2领先2-3个月，相关性显著强，有助于宏观层面判断钢铁行业景气变化。

• 需求和营收预测图表（图6、23）： 模型估计的钢材消费增速及营业收入增速与实际走势吻合良好，体现模型精度。

• 螺纹钢价格与超额收益划分及背离阶段（图24-34）： 利用阶段划分方法识别主要行情周期，说明螺纹钢价格与行业表现的相关性，及背离背后的成本、市场结构与情绪因素。
• 择时策略绩效图（图37~40）： 展示单一及综合指标构建的多头、多空策略的收益与回撤情况，验证量化择时模型的可行性。

---

四、估值和择时模型分析

尽管报告未直接给出传统意义上的估值价格区间，但构建了基于行业基本面量化指标的营业收入增速预测模型及择时策略：

• 营业收入预测建立在产品需求领先指标（房地产销售、基建投资、M2）和宏观变量的线性回归基础上，精准预判2017年季度营收趋势；
• 择时模型采取基于螺纹钢价格与吨钢毛利双变量信号的多空策略：

- 螺纹钢价格作为反映供需平衡和情绪变化的短期信号，体现行业盈利预期；

- 吨钢毛利补充成本端变化影响，解决价格涨跌非盈利波动的情况；

- 综合策略优于单一信号，收益达年化约10.81%，同时风险（最大回撤）较单一策略有明显改善；

模型简单明了，使用日频数据操作便捷，适合策略实盘应用和量化投资组合。

---

五、风险因素评估

报告隐含识别以下风险：

• 指标有效性风险： 房屋施工面积、新开工面积及房地产投资在不同时期的领先性和解释力存在波动，历史经验不一定完全复制；
• 背离阶段风险： 如2010年和2013~2016年间，钢铁行业表现与螺纹钢价格背离，主要受成本波动、市场风格偏好及极端市场情绪影响，提示仅依赖价格信号可能存在误判风险；
• 模型假设风险： 营收增速线性回归模型基于历史数据拟合，结构变迁、供给侧改革政策等可能导致未来变量关联性弱化；

报告虽未针对风险提供具体缓解策略，但通过引入成本变量（吨钢毛利）和市场结构调整（市值偏好分析），已有部分风险识别和调整的尝试。[page::7,8,9,10]

---

六、批判性视角与细节观察

• 报告对新开工面积数据滞后性和施工面积数据缺陷的深入分析显示对数据质量的高要求，但对部分经济周期外的异常情况（如政策调控周期突变）有待进一步讨论。
• 背离阶段市值偏好和情绪分析虽细致，但分析框架未能深入量化测度市场情绪的具体指标，未来可引入新闻情绪指标、资金流向等融合模型提高解释力。
• 报告对行业需求和钢铁价格的关系主要依赖线性相关与领先滞后期回归，缺乏对非线性关系和可能的内生性调整的探讨。
• 在择时策略的构建中，未明确考虑交易成本、滑点及资金规模影响，回测结果可能存在理想化偏差。
• 报告局限于螺纹钢价格与吨钢毛利，暂未纳入环境政策、宏观贸易摩擦等可能对钢铁行业影响巨大的非量化因素。

这些均是未来研究可深化方向，但整体报告在量化指标筛选与验证、实际模型应用方面表现稳健，有助于投资者理解行业动力机制。

---

七、结论性综合

本报告系统且精细地通过量化分析手段，深度揭示了钢铁行业需求驱动因素及其领先指标特征，主要完成了以下关键洞见：

• 钢铁需求主要来源投资与消费，其中以钢材表观消费量为核心观测指标，商品房销售面积以1-2个月领先期表现最佳，基础设施建设投资领先4-5个月，M2增速领先2-3个月，是钢铁需求的三大有效领先指标；
• 房屋施工面积和新开工面积作为房地产相关指标分别因跨期调整和滞后性不宜用作直接预测指标，房地产投资完成额在2011年后反而表现滞后；
• 汽车产量虽与钢材需求高度同步，但不具备领先性；挖掘机产量为滞后指标且解释力下降；
• 基于以上领先指标，构建了钢铁消费需求及行业营收增速预测模型，预测显示2017后三、四季度钢铁营业收入增速将大幅放缓，年内高点在一季度；
• 螺纹钢价格是钢铁行业超额收益的核心变量，数据显示74%左右的阶段超额收益与价格同向，但存在明显的背离时段，背离由吨钢毛利下跌、市值偏好结构改变和极端市场情绪驱动；
• 钢铁行业的量化择时模型基于螺纹钢价格和吨钢毛利指标，回测显示，在控制风险的同时实现10%以上的年化多空超额收益，显现实操价值。

图表分析充分支撑了报告判断，数据严谨，同步性与领先性通过回归、相关系数与阶段划分多角度验证，使得结论具备较高可信度。这些成果为钢铁行业投资决策和量化策略设计提供了理论支持和实证基础。

综上，该报告构建了一套系统的周期行业基本面量化分析框架，尤其强调了领先指标的运用和钢铁价格作为市场情绪及基本面映射的双重角色，为周期性行业投资者提供了科学、数据驱动的分析工具和策略建议。

---

（全文引用页码见各段末尾区间标注，如[page::1,2]）

报告