• 钢铁行业产品价格为盈利核心驱动要素，盈利能力与钢价走势相关系数高达0.76，利润主要受钢材价格变化影响而非原材料成本波动[page::3]

• 钢铁产量以长流程为主，2019年长流程粗钢产量占比达90%，下游需求主要来自建筑、机械、汽车、家电等早周期行业，需求强周期性明显[page::1][page::2]

• 钢铁出口占比小，价格主要受国内供需关系影响，故通过供给、需求与库存等因素判断价格变动合理[page::4]

• 钢铁行业景气分析框架基于供给、需求、库存三要素判定行情，与价格配合判断景气趋势，其中景气度上行的三种典型组合为：①供给需求库存同步上行；②需求上行供给下行；③供给需求库存同步下行但价格上行[page::5][page::14]

• 需求维度选用房屋新开工面积、PMI新订单指数、汽车销量、空调产量4项指标综合判断，下图展示指标经季调去噪后走势[page::6]

• 供给维度综合监测生铁、粗钢、钢材产量，高炉开工率，铁矿石进口及疏港量6项指标，反映钢铁产能及原料需求[page::6][page::7]

• 钢铁社会库存具有明显季节性，1-3月及6-8月存在累库现象，库存与钢价同比总体正相关，库存同比上行在供需双强时为看涨信号[page::8][page::9]

• 价格维度选取Myspic综合钢价指数综合反映行业价格走势，考虑钢材多元化需求特点[page::9]

• 利用主成分分析法，将各维度指标合成为需求、供给、库存、价格四大景气指标，指导投资策略构建[page::10][page::11]

• 回测以2013年4月至2022年5月为期，策略整体收益444.4%，显著超出同期Wind全A(118.0%)和申万钢铁指数（44.8%），策略相对Wind全A和申万钢铁指数的超额收益分别达326.3%和399.5%[page::13]

• 策略月度调仓逻辑：根据每月月末供给、需求、库存及价格指标走势，当处于前三种景气度上行组合时买入申万钢铁指数，其他情况买入Wind全A指数，达到风险控制和收益提升效果[page::12]

报告详尽分析：国君金工《钢铁行业基本面量化及策略配置》

---

1. 元数据与概览

• 报告标题： 《钢铁行业基本面量化及策略配置》

- 作者： 陈奥林、徐浩天，Allin君行

• 发布机构： 国泰君安证券研究所

- 发布时间： 2022年8月11日

• 研究主题： 钢铁行业基本面分析及量化策略配置

- 核心观点： 报告基于对钢铁行业产业链的梳理，构建了一个以需求、供给、库存和价格四个维度为核心的综合行业景气分析框架。钢铁行业盈利能力的核心驱动因素是钢材价格，因此通过量化这四个维度相关指标，能够有效判断钢铁行业的景气趋势，并构建量化策略，实现显著超额收益。

• 策略结果： 报告提出的量化策略于2013年4月至2022年5月区间内累计收益达444.4%，大幅超过同期Wind全A（118.0%）和申万钢铁指数（44.8%），超额收益分别达到399.5%和326.3%。策略表现优异，能够全面捕捉行业行情驱动因素，风险提示包括模型基于量化指标且存在失效风险[page::0,13,14]。

---

2. 逐节深度解读

2.1 行业背景与产业链结构

• 钢铁生产工艺： 中国钢铁以长流程为主，即通过铁矿石、焦炭等原材料经高炉炼出生铁，再经转炉炼成粗钢；短流程主要通过废钢电炉炼钢，但占比少，2019年长流程粗钢产量占比约90%[page::1]。

- 产业链图谱（图2）： 长流程包括铁矿石、焦炭、喷吹煤→高炉→生铁→转炉→粗钢→钢材，钢材被建筑、汽车、家电、机械等行业广泛使用，形成强周期需求体系[page::2]。

• 行业需求特征： 建筑行业是最大钢材下游，占比54%，机械16%，汽车6%，家电4%，其他19%，钢铁需求与宏观经济高度相关，属于典型强周期资源型行业[page::2]。

2.2 行业盈利驱动逻辑

• 产品价格与成本弹性： 钢铁行业既有产品价格弹性，也有原材料成本弹性（铁矿石、焦炭价格波动大），但整体盈利能力更受钢价影响，因为钢价大多由需求旺盛驱动，即使成本上升，产量增长仍支撑盈利扩张。

- 相关性分析（图4）： 钢铁行业ROE与钢价相关系数0.76，高于与模拟吨钢毛利的0.61，说明钢价是行业利润的核心驱动因素[page::3]。

• 国内定价属性（图5）： 钢铁出口规模较小，价格以国内供需关系为主，基本受国内市场影响[page::4]。

2.3 景气分析框架构建

• 报告继承煤炭行业的景气分析框架，围绕供给、需求、库存三要素分析供需平衡，最后结合价格判断行业景气（图6）。

- 行业景气上行动力主要来自三种供需关系组合状态：
1. 供给、需求、库存同步上升
2. 需求上升且供给下降
3. 供给、需求、库存同步下降，但价格上升[page::4-5]

2.4 各维度指标选取与解读

需求维度

• 从产业链给出的主要下游行业角度选取指标，包括：

- 房屋新开工面积（地产端需求）
- 汽车销量
- 机械制造业PMI新订单
- 空调产量（家电需求）

• 这些指标均为领先或同步经济景气的月度数据，标准化后走势较为一致（图7）[page::5-6]

供给维度

• 主要考虑钢材生产的复杂性，产量指标存在统计缺陷和重复统计，单一指标不足以精准反映供给。

- 综合使用6项指标：
- 生铁产量、粗钢产量、钢材产量（先对这三者做PCA降维）
- 唐山钢厂高炉开工率（反映主要产区供给强度）
- 铁矿石进口量和港口铁矿石疏港量（反映原材料供应和钢厂采购需求）

• 说明了中国铁矿石依赖进口，进口依赖度超过50%，铁矿石与钢铁供给紧密挂钩（图8，图9）[page::6-7]

库存维度

• 钢材社会库存显著季节性，主要由地产行业施工季节波动驱动，冬夏两季为累库期，其他时间为去库期（图10）。

- 库存同比与钢价同比呈正相关，库存同比上行（尤其是在供需双强时）意味着钢价有上涨动力，因为钢贸商会在看涨预期下压货（图11）。

• 选用钢材社会库存总量作为衡量指标（图12）[page::7-9]

价格维度

• 采用Myspic综合钢价指数，涵盖多种钢材价格，是对行业整体价格变化的综合反映（图13）[page::9]

2.5 指标整合与景气指数构建

• 汇总12项指标，分属供给、需求、库存、价格四大维度（表1）。

- 对于供给和需求维度采用主成分分析（PCA）提取第一主成分作为综合景气分指标，供给方面先将产量类指标降维，再与其他指标整合。

• 四个维度景气分走势如图14所示，呈周期性波动，反映行业基本面变动[page::10-11]

2.6 不同供需组合下的策略验证

• 按供给、需求、库存三个因素的边际变化方向（上行/下行）分为8种状态，结合价格信息，验证这些状态下钢铁行业是否能获得超额收益。

- 回测结果显示，满足以下情形均能带来显著超额收益：
1. 需求上、供给上、库存上
2. 需求上、供给下、库存上
3. 需求上、供给下、库存下

• 其中，所有三项指标边际都下行时，需结合价格变动判断行情强弱（图15）。

- 该结果支持了本文提出的景气框架，且验证了指标的选取合理性[page::11-12]

2.7 量化策略构建及表现

• 策略规则：

- 每月末计算四大维度景气指标，如数据滞后则先滞后处理确保无未来数据泄露。
- 判断指标组合状态，若符合三种景气上行动力条件则全仓买入申万钢铁指数，否则持有Wind全A指数以规避风险。

• 表现总结：

- 2013年4月至2022年5月累计策略收益444.4%，大幅超出申万钢铁指数44.8%和Wind全A指数118.0%。
- 策略超额收益分别为399.5%（相对于钢铁指数）和326.3%（相对于Wind全A）（图16、图17）。

• 该策略充分利用供给与需求双端信息，能够完整捕捉行业强势行情，回测结果稳健且具有显著超额收益[page::12-13,14]

---

3. 图表深度解读

• 图1 & 图15-17： 展示2020年以来钢铁行业指数远超大盘的行情走势，图15通过具体组合状态详细量化不同行情阶段的超额表现，清晰验证逻辑与实证一致。图16、17表现策略净值及相对净值显著突破行业大盘和全A基准，视觉呈现策略收益的优越性。

- 图2-3： 钢铁产业链结构图明确长流程生产及下游行业需求构成，饼图直观显示建筑主导需求结构，支持行业强周期特征论断。

• 图4 & 图11： ROE、毛利、钢价及库存同比变化对比图，数据强调钢价对盈利的核心驱动作用以及库存同比与钢价正相关的特殊库存逻辑。

- 图5 & 图8： 钢铁出口与铁矿石进口依存度数据支撑国内价格主导与原材料进口依赖的行业特征。

• 图6 & 图14： 分析框架和景气分指标趋势图，清晰展现多维度指标综合判断行业景气的构架与演变过程。

- 图7、9、10、12、13： 各维度指标经过统计处理后的时间序列走势图，反映挑选指标的代表性及其波动特征。
整体图表支持报告逻辑严密，数据充分，视觉与文本叙述高度契合[page::1-14]。

---

4. 估值分析

报告核心不涉及具体估值模型或目标价的设定，而是侧重于行业基本面景气度指标构建及量化策略绩效验证。通过供需、库存、价格四维度的指标量化分析，判断行业整体的景气阶段并据此进行行业配置，实现收益最优化。

• 方法论强调： 使用主成分分析法（PCA）整合多指标，采用相对净值表现评估策略有效性，未使用DCF或传统PE估值方法。

- 投资决策依据： 主要基于基本面景气驱动下的价格行为，对钢铁板块进行相对配置而非个股估值。

• 风险管理角度： 策略规避低景气区间，体现动态调仓和风险控制能力[page::10-13]。

---

5. 风险因素评估

• 模型失效风险： 报告明确指出所用指标及模型建立于量化方法基础，存在指标大幅波动可能导致综合指数失真风险。数据噪声、指标异动均可能影响模型稳定性，需警惕模型在极端市场环境下的表现弱化。

- 市场风险： 钢铁行业作为强周期行业，极大依赖宏观经济环境，任何宏观金融政策或需求端突变均可能影响基础假设。

• 数据滞后问题： 钢铁供需库存数据部分存在滞后性，采取滞后处理虽规避未来数据泄露，但仍可能影响策略实时反应性。

- 价格波动风险： 钢价受到多重因素影响，包括国际铁矿石价格、产能政策，策略依赖价格表现，价格异常波动会带来估计偏误[page::0,14]。

---

6. 批判性视角与细微差别

• 选择指标稳定性与代表性： 尽管主成分分析减少了多指标之间的冗余，但部分指标如铁矿石进口量、钢材产量等可能因统计口径和数据质量差异存在偏离，短期异动会影响综合景气分。报告未深入讨论数据修正等细节，对指标异动敏感性未做充分说明。

- 价格维度权重偏重： 虽强调钢价是盈利关键，但钢铁原材料成本价格波动也显著，报告对成本传导机制分析较少，可能低估成本端对行业盈利的影响力度。

• 策略执行成本与流动性风险： 报告未涉及策略交易频率带来的交易成本和市场冲击，现实操作中策略调仓成本不可忽视。

- 产业链结构变化风险： 未来短流程工艺占比改变、新能源钢材需求增长等可能改变产业链供需关系，当前模型基于现有产业链结构。

• 环境政策影响： 如碳中和目标下产业政策收紧可能影响产量水平，需结合宏观政策调整再评估模型假设的适应性[page::0-14]。

---

7. 结论性综合

国泰君安证券的《钢铁行业基本面量化及策略配置》报告通过系统梳理钢铁产业链，明确钢铁行业利润主要由钢材价格驱动，进而以供给、需求、库存和价格四个维度为核心，从行业上下游景气及市场库存动态中筛选关键指标，经过统计降维和主成分分析法构建综合景气指标。

报告发现，在供给需求库存的不同组合条件下，钢铁价格存在确定的上涨动力对应超额收益期，主要情形包括供给、需求、库存同步上升；需求上升且供给下降；供给需求库存同步下降但价格上升。基于此分析框架，设计了基于这四大景气指标的月度调仓量化投资策略，实证表明该策略在过去近十年内大幅跑赢申万钢铁指数及Wind全A，体现了该指标体系对钢铁行业景气判断的强大预测能力和策略应用价值。

图表系统清晰揭示了行业周期波动、供需关系、库存季节性及价格趋势的内在联系，辅助逻辑推理与经验观察，形成科学、数据驱动的决策支持工具。风险方面，报告警示了模型可能因数据异常波动及宏观变化而失效，提示投资者识别动态调整。

总体来看，本报告为钢铁行业投资提供了一个创新且切实有效的量化景气框架，不仅完整覆盖产业链与宏观需求结构，还兼顾了供给端产量及原材料进口情况，体现出较强的实用性与策略指导价值。对于行业研究与资产配置均具有重要参考意义[page::0-14]。

---

综上

报告理清钢铁行业盈利驱动核心，创新构建多维量化景气框架，用严谨统计方法整合指标，验证逻辑准确反映行业周期变化，并设计稳健量化策略实现显著超额收益。建议关注模型的动态有效性与宏观政策变化对行业供需影响的传导，持续优化指标体系与调仓机制，以保持模型生命力和投资绩效。

报告