虚拟钢厂利润模型构建与周期特征分析 [page::2][page::3]

• 利润模型基于钢材收入与铁矿石、焦炭等主要成本构建，利润呈现明显的周期性波动，体现出均值回复特征。

- 2017年供给侧改革后利润水平显著提升，显示行业周期性和政策影响。

技术面预测系统设计及效果评估 [page::3][page::4]

| 指标 | 看涨 | 看跌 | 整体 |
|--------------|------|------|-------|
| 预测次数 | 39 | 40 | 79 |
| 胜率 | 51.3%| 55.0%| 53.2% |
| 持有20日胜率 | 80.0%| 59.7%| 62.5% |

• 运用MACD指标及动态止盈止损线，技术面信号预测准确性有限，但看涨信号持有20日胜率高达80%。

基本面预测指标选取与打分体系 [page::4][page::5]

| 指标名 | 领先期（周期） | 相关系数 | pValue | 类型 |
|------------------|----------------|----------|--------|--------|
| M1同比 | 8月 | 0.47 | 0.00 | 流动性 |
| 社会融资规模累计同比| 12月 | 0.32 | 0.00 | 流动性 |
| 钢铁PMI | 0月 | 0.45 | 0.00 | 景气度 |
| 高炉开工率 | 0周 | -0.45 | 0.00 | 生产 |
| 库存同比 | 6周 | 0.21 | 0.00 | 库存 |

• 基于相关性与领先期设计打分体系，基本面信号胜率优于技术面，整体回测胜率达65.2%。

综合预测模型构建与指标融合 [page::5][page::6]

| 预测信号 | 看涨 | 看跌 | 整体 |
|----------|-------|-------|-------|
| 预测次数 | 33 | 33 | 66 |
| 胜率 | 75.8% | 57.6% | 66.7% |
| 持有20日胜率| 84.2% | 66.7% | 70.7% |
| 历次平均收益 | 9.8% | 7.0% | 8.4% |

• 综合模型以基本面为主、技术面为辅，显著提升胜率和交易收益。

虚拟钢厂利润模型在商品期货市场的跨品种套利应用 [page::6][page::7]

| 指标 | 多头 | 空头 | 全部 |
|------------|--------|--------|--------|
| 交易次数 | 28 | 20 | 48 |
| 胜率 | 64.3% | 60.0% | 62.5% |
| 历次平均收益| 2.4% | 4.9% | 3.4% |
| 年化收益率 | - | - | 21.5% |
| 最大回撤 | - | - | -36.3% |
| 夏普比率 | - | - | 0.53 |

• 利用模型预测价差变化，实施买入螺纹钢做多，卖出铁矿石和焦炭做空的套利策略，获得稳定超额收益。

- 策略表现虽受2017年供给侧政策影响，但整体收益和风险指标表现优良。

金融工程专题报告《虚拟钢厂利润模型构建、预测及其运用》详尽分析

---

1. 元数据与概览

• 报告标题： 《虚拟钢厂利润模型构建、预测及其运用》

- 作者及机构： 张青、贾依廷、李亭函，均为华宝证券研究创新部金融工程团队分析师

• 发布时间及联系方式： 未明示具体发布日期，报告中包含联系方式及执业证书号

- 研究主题： 主要围绕钢铁行业利润波动的量化建模，通过构建“虚拟钢厂利润模型”及其预测，分析钢铁行业景气度，并进而运用于商品期货市场跨品种套利交易策略

核心论点：

• 钢铁行业的景气周期主要由钢材价格与原材料铁矿石、焦炭价格的价差驱动，该价差反映虚拟钢厂利润，具备均值回复与周期规律，易于构建预测模型。

- 报告基于技术面（改进MACD指标）与基本面（宏观经济、行业景气等指标）双重分析构建利润预测系统，融合两者优势提高预测准确度。

• 利用利润预测指导现货生产管理及期货市场价差套利，实现投资决策与风控的量化辅助。

- 风险提示明确指出基于历史数据的模型可能存在偏差，投资需谨慎。

该报告结构清晰，逻辑严谨，兼顾理论构建、实证检验与应用，主旨明确，适合行业投资分析及量化策略开发参考。[page::0,2]

---

2. 逐节深度解读

2.1 引言与虚拟钢厂利润模型构建

• 关键论点总结：

- 钢铁产业链上下游的价格关系是利润波动的核心，特别是钢材售价与铁矿石、焦炭两大原料价格的价差影响最大。
- 通过简单算术关系抽象钢厂炼铁、炼钢和轧钢环节的成本结构，建立虚拟钢厂利润计算公式：

\[
\text{利润} = \text{钢材价格} - (1.95 \times \text{铁矿石价格} + 0.57 \times \text{焦炭价格} + 0.18 \times \text{废钢价格} - \text{其他损失})
\]

报告暂忽略其他损失，重点关注成本中的铁矿石、焦炭影响。

• 逻辑与假设解析：

- 该模型基于钢厂生产工艺及成本结构的合理分解，假设钢厂利润主要由价差决定，利润具有均值回复特性且稳定。
- 通过选用代表性的现货价格指数(表1)作为价格输入，强化模型的市场相关性。

• 关键数据点：

- 利用HRB400 20mm螺纹钢（上海）价格，进口铁矿石港口价（青岛港澳大利亚PB粉矿）、天津港一级冶金焦价格作为数据基础。

• 图表解读（图1）——虚拟钢厂利润走势：

- 描述：图示2011-2020年间虚拟钢厂利润的历史曲线。
- 趋势分析：利润整体呈周期波动，没有持续上涨或下跌趋势，2017年供给侧改革后利润明显上升并波动加剧，反映产业政策对利润的显著影响。
- 联系文本：图表强调利润波动的周期性特征，验证均值回复假设，为后续技术面预测提供基础。



[page::2,3]

---

2.2 技术面分析

• 总结关键点：

- 采用MACD指标，尤其改进版MACD，适应利润周期的均值回复特性。
- 改进措施包括只在MACD金叉出现在零轴下方时做多信号，止损止盈结合ATR实现动态风险控制。
- 回测时间2011年8月至2020年10月，调仓频率周度。

• 推理与逻辑：

- 技术指标的设计以捕捉利润拐点为目标，考虑均值回复而优化买卖点。
- 利润不可直接交易，故通过择时信号模拟预测准确性。

• 关键数据解析（表2+延续表内容）：

| | 看涨 | 看跌 | 整体 |
|-|-|-|-|
| 预测次数 | 39 | 40 | 79 |
| 胜率 | 51.3% | 55.0% | 53.2% |
| 历次交易平均收益 | 6.3% | 3.6% | 5.0% |
| 持有20日胜率 | 80.0% | 59.7% | 62.5% |
| 持有20日平均收益 | 19.8% | 2.8% | 5.2% |
| 平均持有时间（天） | 15 | 41 | 28 |

• 数据说明技术面看涨信号在20日持有期胜率高达80%，即短期利润上涨趋势识别较为有效；整体胜率略优于50%，表明技术面具备一定预测价值。
• 图2技术面信号分析：

- 橙色柱形表示买卖信号，蓝线为利润曲线，可以看到信号能够在利润下跌或上涨阶段分别发出对应指示。



[page::3,4]

---

2.3 基本面分析

• 核心观点：

- 钢厂利润主要由需求驱动，需求受宏观经济周期及行业周期性影响显著。
- 选择宏观经济融资指标M1增速和社会融资规模累计同比，以及钢铁PMI、高炉开工率、库存等行业相关指标，构建影响钢厂利润的基本面指标体系。
- 融资类指标领先钢厂利润约1年；钢材库存领先约6周；钢铁PMI和高炉开工率为同步指标。

• 指标相关性检验（表3）：

| 指标名称 | 频率 | 领先期数 | 相关系数 | pValue | 指标分类 |
|----|----|----|----|----|----|
| M1同比 | 月 | 8 | 0.47 | 0 | 流动性 |
| 社会融资规模累计同比 | 月 | 12 | 0.32 | 0 | 流动性 |
| 钢铁PMI | 月 | 0 | 0.45 | 0 | 行业景气度 |
| 高炉开工率（全国） | 周 | 0 | -0.45 | 0 | 生产 |
| 钢材库存同比 | 周 | 6 | 0.21 | 0 | 库存 |

• 强正相关指标的上行趋势对利润乐观预测贡献大，负相关指标如高炉开工率上升则预示利润可能被压缩。
• 指标打分机制与组合预测（详细说明见第5页）：

- 利用指标趋势进行二值化打分（0或10分），结合权重计算总分，划分为乐观（>6）、中性（4-6）、悲观(<4)三档。

• 基本面预测结果（表4）：

| | 看涨 | 看跌 | 整体 |
|-|-|-|-|
| 预测次数 | 17 | 29 | 46 |
| 胜率 | 76.5% | 58.6% | 65.2% |
| 历次交易平均收益 | 7.4% | 7.9% | 7.7% |
| 持有20日胜率 | 100% | 80.8% | 84.4% |
| 持有20日平均收益 | 18.7% | 9.0% | 10.8% |
| 平均持有时间（天） | 18 | 28 | 24 |

• 基本面预测胜率（尤其看涨信号）显著高于技术面，验证宏观经济及行业指标对利润的领先且有力驱动作用。
• 图3基本面信号： 橙色块显示买卖信号，与利润蓝线结合，能较好预判利润转折。

[page::4,5]

---

2.4 虚拟钢厂利润预测模型融合构建

• 结合策略：

- 以基本面预测为主，技术面辅助。基本面信号明确时优先采用，基本面信号中性时参考技术面信号决策。
- 融合后提升了收益表现，胜率略微增强。

• 融合成果（表5）：

| | 看涨 | 看跌 | 整体 |
|-|-|-|-|
| 预测次数 | 33 | 33 | 66 |
| 胜率 | 75.8% | 57.6% | 66.7% |
| 历次交易平均收益 | 9.8% | 7.0% | 8.4% |
| 持有20日胜率 | 84.2% | 66.7% | 70.7% |
| 持有20日平均收益 | 13.1% | 3.8% | 6.0% |
| 平均持有时间（天） | 21 | 46 | 34 |

• 图4综合信号： 明显的1/-1信号与利润曲线密切对应，预测效果较好。

[page::6]

---

2.5 应用——虚拟钢厂利润模型在期货市场的价差套利策略

• 策略思路：

- 根据利润预测指导期货市场跨品种价差交易，即当预测利润上涨时买入螺纹钢期货，卖出铁矿石和焦炭期货；利润下降时反向操作。
- 调整策略在无基本面信号时避免开仓，减少技术面带来的误差。

• 测试结果（表6）：

| | 多头 | 空头 | 整体 |
|-|-|-|-|
| 交易次数 | 28 | 20 | 48 |
| 胜率 | 64.3% | 60.0% | 62.5% |
| 历次交易平均收益 | 2.4% | 4.9% | 3.4% |
| 持有20日胜率 | 57.1% | 56.5% | 56.8% |
| 持有20日平均收益 | 2.0% | 2.1% | 2.1% |
| 平均持有时间（天） | 20 | 32 | 25 |
| 累计收益 | - | - | 274.6% |
| 年化收益 | - | - | 21.5% |
| 超额收益 | - | - | 287.2% |
| 年化超额收益 | - | - | 23.5% |
| 最大回撤 | - | - | -36.3% |
| 平均最大回撤 | - | - | -21.9% |
| 卡玛比率 | - | - | 0.98 |
| 夏普比率 | - | - | 0.53 |

• 图5期货价差交易净值： 价差本身蓝线表现波动较弱，跟随净值橙线显示择时策略提升资产净值显著。

• 图6历年收益： 回测期内年度收益波动较大，尤其2016年接近翻倍收益，反映策略在不同政策和市场环境下的表现差异。

• 联系文本解读：

- 报告指出基本面指标在2017年供给侧改革时未及时捕捉利好，导致该年及次年收益低迷，说明模型存在一定滞后性。
- 技术指标针对现货利润设计，期货价差走势虽类似但存在差异，有进一步优化的空间。
- 该策略的累计及年化超额收益均高，表明基于虚拟钢厂利润预测的跨品种套利具有实际投资价值。

[page::6,7]

---

3. 估值分析

报告主要聚焦于利润模型构建与预测，以及套利应用，并未涵盖传统公司估值或行业整体估值（如DCF、市盈率等）分析，因此本次报告无估值模型部分。

---

4. 风险因素评估

• 风险提醒：

- 模型基于历史数据和既有市场规律，存在模型设定偏差。
- 基本面指标可能滞后，无法精准及时反映突发政策或市场变化。
- 技术指标虽历史有效，未来环境变化可能导致失效。
- 期货套利受市场流动性、交易成本及杠杆风险影响。
- 市场价格的极端波动或政策风险可能导致模型信号失真。

• 缓解措施：

- 报告未显式提供细化缓解策略，但通过技术与基本面的融合、动态止盈止损机制进行部分规避。

风险警示明确，投资者需注意量化模型的局限性和市场不确定性。[page::0,8]

---

5. 批判性视角与细微差别

• 潜在偏见：

- 报告对基本面指标表现的强调高于技术面，表述略有倾向，融合模型中技术面价值未完全凸显。
- 期货套利策略测试时间及参数调整存在人工优化痕迹，部分结果的普适性或未来有效性有待市场检验。

• 模型局限：

- 利润预测模型忽略其他损失及废钢价格波动的影响，简化可能降低模型的现实精度。
- 供给侧改革年份显示模型反应滞后，表明模型对政策驱动型突变的适应不足。

• 数据局限与更新频率：

- 现货价格指数覆盖时间段有限，部分回测受时间窗口限制。
- 利用月度和周度数据构建模型，可能错过更短周期内的信息，有优化空间。

---

6. 结论性综合

本报告围绕钢铁行业利润波动的核心驱动力——钢材与关键原材料铁矿石、焦炭价格的价差构建了“虚拟钢厂利润模型”，并提出了基于技术面与基本面相结合的利润走势预测系统。模型采用了代表性的现货价格数据和宏观、行业、库存等领先指标，具备良好的理论和实证基础。

技术面采用改进MACD指标，体现利润的周期性均值回复特征，虽整体胜率中等，但看涨信号短期预测能力较强。基本面指标以宏观融资指标和钢铁相关行业指标为主体，领先性强，整体预测效果优于单纯技术面。两者融合后，综合胜率提升至约66.7%，历次交易平均收益同样有所增长，显示出预测准确率和收益质量的提升。

更具现实意义的是，基于虚拟钢厂利润的预测信号推动了期货市场跨品种价差套利策略的实现。实际回测显示该策略年化收益率达21.5%，超额收益明显，风险控制指标合理，验证了利润模型及其预测对市场价差交易的指导价值。

图表直观展现了利润的周期波动特征、技术与基本面信号的对应关系以及策略回测收益的成长态势，强调了模型的有效性与应用潜力。

综合来看，报告以科学的方法论和细致的数据分析，证明了虚拟钢厂利润模型构建及其预测对钢铁行业趋势研判和商品期货套利的实际价值，同时对模型局限性和风险进行充分提示，具备较强的参考和应用价值，对行业投资者及量化投资策略开发均有启发意义。[page::0-7]

---

主要图表回顾

• 图1 虚拟钢厂利润走势： 展示2011-2020年利润波动周期及2017年供给侧改革后利润显著攀升。

- 图2 技术面信号图： MACD改进信号与利润走势同步，体现技术选择的有效性。

• 图3 基本面信号图： 各宏观及行业指标综合信号能较准确反映利润走势。

- 图4 综合信号图： 技术与基本面信号融合后，信号更为稳定与准确。

• 图5 期货市场价差交易净值： 策略显著提升净值增长，表现优于价差基准。

- 图6 期货市场价差交易历年收益： 不同年份策略表现波动，部分年份表现突出，验证策略的市场适应性。

---

总体评价

该报告清晰系统地构建了钢铁行业利润的价格驱动模型，以价差为核心指标，结合技术与基本面数据，实现了对行业利润的有效预测，并成功将该预测运用于期货价差套利交易，取得积极回报。报告不仅理论结合实务，且数据详实，模型结构合理，且注重风险提示，体现了较高的专业水准和实用价值，是钢铁行业金融工程研究的典范之作。

报告