煤炭行业景气分析框架与核心逻辑 [page::2][page::3][page::4]

• 煤炭行业利润主要由产品价格驱动，价格受供给和需求关系影响。

- 行业景气判断基于供给、需求、库存和价格四维度组合：
1. 供给下行需求上行；
2. 供给、需求、库存同步上行；
3. 供给、需求、库存同步下行但价格上行。

• 库存用来辅助判断供需平衡，尤其在供需同步变化时：下游企业库存去向决定价格趋势，具有重要判断意义。

产业链梳理与关键指标选择 [page::4][page::6][page::7][page::9]

• 煤炭产业链分为煤炭开采、洗选加工和下游需求，重点关注动力煤与炼焦煤两大产业链。

- 需求端以环渤海三大港口煤炭吞吐量（秦皇岛港、曹妃甸港、京唐港）作为需求代理指标。

• 供给端关注原煤、动力煤、炼焦煤产量数据。

- 库存端涵盖动力煤（重点电厂煤炭库存）、炼焦煤（钢厂及焦化厂库存）和港口库存指标。

• 价格端以环渤海动力煤平均价格指数反映价格变动。

煤炭景气综合指标构建与走势分析 [page::10]

• 采用主成分分析法合成四大维度景气分指标，整合各子指标信息，形成有效的行业景气指标。

- 四大维度指标具有较强内在关联性，能够反映行业周期动态。

量化投资策略设计与回测表现 [page::11][page::12][page::13]

• 策略基于四大维度指标的边际变化状态，构建8种景气组合进行行情判断。

- 选取三种核心组合买入申万煤炭指数，其余组合买入Wind全A，月度调仓。

• 回测期（2015.01-2022.05）策略累计收益293.1%，超Wind全A及申万煤炭指数259%以上。

风险提示 [page::14]

• 量化指标及模型基于历史数据构建，指标波动异常或模型失效可能导致判断失真，存在一定风险。

金融工程团队煤炭行业基本面量化及策略配置报告 深度分析报告

---

1. 元数据与概览

• 报告标题：煤炭行业基本面量化及策略配置

- 发布机构：国泰君安证券研究

• 作者：陈奥林（主要分析师），徐浩天（研究助理）等团队成员

- 发布日期：2022年中及之前，具体未明，但测算数据覆盖至2022年5月

• 研究主题：聚焦周期行业中的煤炭板块，系统构建煤炭行业景气度分析框架，并基于该框架设计行业投资策略，实现显著超额收益。

本报告的核心论点在于通过对煤炭行业的需求、供给、库存及价格四维度指标的量化分析，利用数据驱动方法（主成分分析）合成景气指标，系统判断行业景气变化态势，辅助形成量化投资策略。回测显示策略在2015年1月至2022年5月期间取得293.1%的收益，远超风指数及申万煤炭指数，超额收益超过250%[page::0,11,12,13]。

---

2. 逐节深度解读

2.1 引言（第2页）

报告起始指出了A股近年来的“抱团”及结构化行情背景，强调“押赛道”策略的重要性，煤炭作为周期板块细分行业具有显著周期属性。近年来煤炭行业受两个核心驱动因素推动：（1）2020年疫情后的需求强劲复苏；（2）国家“双碳”目标促进供给侧改革，导致行业供给结构调整。报告旨在从行业基本面出发，构建煤炭行业景气驱动的量化分析框架，为投资决策提供科学依据[page::2]。

图1显示煤炭指数(SW煤炭)自2020年下半年以来大幅跑赢整体市场（Wind全A），展现出显著的景气度提升与投资价值[page::2]。

---

2.2 煤炭行业景气分析框架（第2-4页）

煤炭行业为典型资源型行业，成本端以人力和资源税等为主，成本结构相对固定，产品价格弹性大，利润主要由价格驱动。煤炭作为国内定价大宗商品，价格主要受国内供需影响，不涉及国际油价等外部波动。

分析框架以四个核心维度为基础：供给、需求、库存和价格，重点关注供需关系与库存状态对价格和行业盈利环境的影响。

• 供给-需求组合逻辑：

1. 供给下降+需求上升，行业景气确定性上行，价格大概率上涨。
2. 供给上升+需求下降，行业景气确定性下行，价格面临下行压力。
3. 供给、需求同步上行，需结合库存判断潜在补库存周期，从而判断价格走势。若库存同步上升，表示补库存，意味着供需紧平衡，价格有支持。
4. 供需同步下行，库存和价格变化成为判断关键。若库存下降且价格上升，表明供给紧张，行业仍具投资价值。

综上，分析框架锁定三种情形下煤炭价格具备上涨动能：
（1）供给下行需求上行；
（2）供需及库存同步上行；
（3）供需及库存同步下行但价格上行[page::3,4]。

图2展示供需框架四象限模型，形象说明不同状态下行业景气判断逻辑[page::3]。

---

2.3 煤炭产业链梳理及指标筛选（第4-10页）

报告明确煤炭产业链结构：

• 上游为煤炭开采；

- 中游为煤炭洗选加工，主要产出动力煤和炼焦煤；

• 下游为火电（动力煤主要用途）、钢铁、化工、建材等（炼焦煤主要用途）。

需求维度

煤炭需求高度依赖下游火电行业，占总需求的54%；钢铁16%，建材13%，化工7%等。由于煤炭需求与经济景气正相关，传统思路使用制造业综合景气指标反映经济需求，但存在以下弱点：

• 水电的季节性波动造成火电需求波动，影响火电煤炭需求，如6-10月丰水期火电需求减少。

- 长期来看，光伏等新能源装机比例提升，火电依赖减少，煤炭与经济景气相关性逐渐削弱。

因此，报告选择更为精准的需求代理指标——环渤海三大港口（秦皇岛、曹妃甸、京唐港）煤炭港口吞吐量，反映实际煤炭运输和下游真实需求，因煤炭主要通过铁路运输到环渤海港口中转再流向消费地[page::4,5,6]。

供给维度

重点关注原煤、动力煤、炼焦煤产量增速，这是煤炭供给的关键指标。产量变化走势体现供给边际变化[page::7]。

库存维度

煤炭主要涉及三类库存指标：

• 动力煤库存：通过重点电厂煤炭库存指标反映，替代日度六大发电集团库存停更后的数据。

- 炼焦煤库存：通过样本钢厂和焦化厂炼焦煤库存数据，其中样本统计口径历史存在变化，报告进行了数据拼接和比例缩放处理。

• 港口库存：重点选取环渤海三大港口库存指标，反映煤炭运输环节库存水平。

以上三方面库存指标综合反映产业链库存状态[page::7,8,9]。

价格维度

选取环渤海动力煤平均价格指数（Q5500K）为价格指标，价格是行业景气判断的根本，更能综合反映供需变化[page::9]。

---

2.4 煤炭行业景气指标与投资策略构建（第10-13页）

报告采用主成分分析法对供给、需求、库存（细分为港口库存、炼焦煤库存和动力煤库存）进行降维综合，提取第一主成分作为每个维度的景气指标，确保指标在统计上代表性强，减少噪音。

图14所示四维指标走势展现供给、需求、库存、价格在时间序列上的变化趋势及相互关系[page::10]。

投资策略根据景气框架逻辑建立：

• 组合四维指标，按供给、需求、库存三维指标的涨跌方向组合形成8种状态，策略分析不同组合对应的相对超额收益表现。

- 回测证实在以下三种情景下，煤炭行业能获得显著超额收益：
1. 需求上升、供给上升、库存上升；
2. 需求上升、供给下降、库存上升；
3. 需求上升、供给下降、库存下降（此时辅以价格上升判断）。

图15展示上述四个状态下煤炭行业相对Wind全A的净值表现，策略能够识别绝大部分强势行情。对于需求供应库存均下滑的状态，强弱行情交织，需进一步结合价格信息加以剥离。

策略每月调仓，若三大维度指标显示价格具备上涨动能，则买入申万煤炭指数，否则买入Wind全A以规避风险。为避免未来数据泄露，指标如当月末未出数据则采用滞后一个月数据处理[page::11,12]。

回测结果表现优异，策略净值累计增长429.4%，远超同期申万煤炭指数34.4%和Wind全A 33.6%。策略相对基准超额收益显著，超过250%[page::12,13]。

---

2.5 风险与免责声明（第14-15页）

风险提示：指标和模型基于量化方法，若单个或多个分指标大幅波动，可能导致综合指标输出失真，存在模型失效风险。

报告末尾附有法律合规声明、投资评级说明及作者资格说明，明确报告仅供客户参考，不构成投资建议，强调投资需谨慎，风险自担[page::14,15]。

---

3. 图表深度解读

• 图1（第2页）——SW煤炭指数 vs Wind全A指数走势对比

图示2019年9月至2022年5月煤炭行业表现显著跑赢市场，尤其在2021年9月至2022年上半年呈现强势上涨。支撑行业景气及投资价值的市场环境[page::2]。

• 图2（第3页）——煤炭景气分析框架二维矩阵

X轴为需求变化，Y轴为供给变化。四象限分别代表不同供需组合下的景气状态，强调库存和价格作为辅助判断的作用，特别是供需同步走向时需结合库存分析[page::3]。

• 图3（第4页）——煤炭产业链图谱

直观展现煤炭到最终下游产业链过程，强调动力煤和炼焦煤两条主线及对应的下游行业，支持后续数据选取的产业链逻辑基础[page::4]。

• 图4（第5页）——煤炭下游需求构成饼图（2018年）

以火电为首占比54%，明显领先其他行业，表明火电需求对煤炭行业影响巨大，需求判断不能忽略火电行业特点[page::5]。

• 图5（第5页）——中国发电结构变化柱状图（2010-2021年）

火电比重高但呈下降趋势，水电稳定在17%左右，新能源（风电、光伏）快速上升，显示煤炭需求受到能源结构调整影响，需关注新兴能源竞争风险[page::5]。

• 图6（第6页）——2050年全球碳中和情景下能源装机占比预测

预测煤电装机将大幅减少，新能源占比大幅提升，表明煤炭需求周期性与结构性压力并存，长期景气存在不确定性[page::6]。

• 图7-13（第6-10页）——需求、供给、库存、价格多个指标时间序列折线图

各指标经过季节调整、降噪和标准化处理，走势均显示供需及库存的周期性变动，反映煤炭行业的景气周期明显。其中港口吞吐量和库存指标波动较大，显示流通环节活跃度和供需紧张程度[page::6-10]。

• 图14（第10页）——四个景气维度主成分指标曲线

展示供给、需求、库存、价格综合景气指标随时间变化，显示价格指标波动最大，符合其高弹性特征。供需指标走势在某些周期表现较强同步性，有助于判断未来价格趋势[page::10]。

• 图15（第11页）——八种供需库存组合条件下的策略相对净值表现

依照策略分类数据显示，需求供应库存同升（右上）、需求升供给降库存升（左下）、需求升供给降库存降（右下）三类情形策略显著跑赢市场。需求升供给升库存降表现相对较弱，显示库存细分判断价值[page::11]。

• 图16、17（第13页）——策略绝对及相对净值表现

策略净值累计显著跑赢申万煤炭和Wind全A指数，超额收益持续累积，策略整体强势且具较好风险控制能力[page::13]。

---

4. 估值分析

报告并未包含具体的传统财务估值模型（如市盈率、市净率、DCF等）分析，核心关注点在于基于景气度构建量化指标及策略，其估值体现为策略收益率和超额收益的历史回测表现，重点在于行业景气判断而非单个企业估值。

---

5. 风险因素评估

主要风险如下：

• 模型失效风险：由于模型使用多项量化指标，若某些指标出现大幅波动，可能导致综合景气分指标失真，进而影响策略判断准确性。

- 数据滞后及更新风险：部分关键指标如电厂库存数据存在停更，需替代指标，可能影响精准度。

• 结构性风险：碳中和及新能源发展带来的行业需求结构调整风险，火电需求下降持续削弱煤炭需求相关性。

- 宏观经济及政策风险：重大经济波动或政策调整将影响煤炭下游行业，对需求产生冲击。

报告并未详细给出缓解策略或风险概率估计，但通过多维度指标融合和主成分分析方法试图分散单一指标风险，策略设计了基准替代（买入Wind全A）以规避市场整体下行风险[page::0,14]。

---

6. 批判性视角与细微差别

• 模型依赖历史数据结构：主成分分析依赖指标间协同性，若未来行业结构和供需关系发生根本变化，模型效用可能下降。

- 数据披露一致性问题：炼焦煤库存样本钢厂及焦化厂统计口径多次调整，数据拼接存在不确定性，可能引入误差。

• 未充分考虑新能源替代带来的长周期影响：报告虽指出碳中和趋势，但策略和指标选择仍以传统火电和钢铁为主，未来煤炭需求萎缩风险暴露不足。

- 价格弹性强调下，外部价格冲击可能难以预测：报告强调价格为利润主要驱动，但价格受宏观政策、国际市场和突发事件影响大，量化模型难以全面覆盖这类风险。

• 回测期较长但风控细节较少：回测数据较长，策略表现优异，但风险调整后收益指标、最大回撤等关键信息披露不充分。

- 交易成本、流动性风险未考虑：策略调仓频率为月度，未说明交易成本、滑点及实际执行难度，可能影响实际收益。

---

7. 结论性综合

本报告通过深入梳理煤炭行业产业链和供需关系，从需求、供给、库存及价格四大维度，选取具有代表性的指标（如环渤海三港口煤炭吞吐量、电厂及钢厂库存等），应用主成分分析法构造综合景气度指标，为行业景气度提供科学量化描述。

基于此分析框架，建立了明确的行业投资策略，系统区分不同供需库存组合所对应的景气状态，验证策略在2015年至2022年区间显著跑赢申万煤炭指数和Wind全A基准，累计收益达到293.1%，超额收益超250%，表现抢眼。

特别强调三组景气驱动条件——供给下行需求上行；供需库存同步上行；供需库存同步下行但价格上行——为煤炭行业价格上涨和超额收益的关键动力。报告结合产业链逻辑和量化数据，构建的景气度模型具备较强的操作指导意义。

然而，报告也指出模型存在一定局限及风险，尤其在分指标波动较大时可能失真，且面临新能源替代趋势和政策调整带来的长期结构性挑战，需结合未来数据变化谨慎调整。此外，策略的实际应用效果需关注市场环境变化、数据更新及时性及交易成本等因素。

综上，报告提供了一个结构清晰、逻辑严谨且数据驱动的煤炭行业景气分析和投资策略体系，对于专业投资者理解煤炭行业周期波动与把握投资机会具备重要参考价值[page::0-14]。

---

总结图表引用（Markdown格式）

• 

-

• 

-

• 

-

• 

-

• 

-

• 

-

• 

-

• 

-

• 

-

---

整体点评：报告逻辑性强，数据详实，分析框架清晰；成功将煤炭行业复杂的供需关系转化成可操作的量化指标体系，搭建了理论与实证结合的投资策略，具有较强的实用价值。未来应关注新能源结构替代和数据持续性问题对策略稳定性的影响，持续更新和验证模型假设。

报告