熱卷現貨價格預測量化模型實證研究

李恿生

(新疆八一鋼鐵股份有限公司銷售部)

近年來境內外資本市場互聯互通和人民幣國際化,加速黑色商品市場國際化進程。為適應鋼材市場國際化,針對鋼材現貨宏觀和行業基本面分析市場的方法體系需要進一步拓展。隨著大數據、云計算、人工智能算法等計算機技術的發展,為鋼材供應鏈價格和企業風險管理提供了數字化智能化的技術支持,以“科技+數據+貿易”推動鋼鐵產業智能制造,為鋼鐵企業智慧營銷奠定基礎。

鋼材價格由供給、需求、成本、外部環境等多方面因素綜合決定,鋼材價格的運行邏輯越來越受到來自產業、行業和宏觀層面的各方影響。因此對于鋼材現貨的基本面分析,除了要梳理下游相關行業之外,還要統籌兼顧好宏觀經濟環境對于市場的整體影響,包括貨幣政策以及財政政策對鋼材產業上下游供需的直接與間接影響。因此對鋼價的研判不再僅僅只關注傳統的現貨市場基本面的定性總結,更是一場對于宏觀和產業數據敏感度的比較,是企業智能化數字化發展深入程度的比拼。通過對數據的挖掘和分析,助力企業提前了解宏觀和產業環境可能對鋼價帶來的潛在影響,從而提前制定風險管理計劃,為企業經營管理保駕護航。

筆者在現有鋼材現貨市場分析框架的基礎上,通過對量化指標數據的分析,來驗證分析框架的有效性,探討分析框架進一步拓展的可能性。

1 量化模型的思路及建立

為了驗證利用宏觀和產業指標來預測熱卷價格的邏輯框架,選擇樣本數據建立計量模型進行分析。選取工業增加值當月同比(GY)、房屋竣工面積累計同比(JG)、挖掘機產量當月同比(WJ)、固定資產投資完成額累計同比(GD)、PPI-CPI、M2同比、家用洗衣機產量當月值(XYJ)、空調產量當月值(KT)、汽車產量當月值(QC)9個指標作為自變量,上海熱卷現貨對數收益率(LN_RJ)為因變量。自變量指標包含了宏觀貨幣、產業、下游需求等各個方面,利用樣本指標數據建立如下計量模型:

2 實證檢驗

建模時所用的熱卷價格和宏觀數據均來自Wind金融終端,所選數據的樣本區間為2011年5月-2022年5月,數據頻率為月度數據。

由于所使用的樣本數據均屬于時間序列數據,因此在進行回歸之前需要對各個樣本序列的平穩性進行檢驗,采用單位根檢驗的方法進行檢驗,并對非平穩的時間序列數據進行差分處理后,再次進行單位根檢驗。在統計學意義上,差分能夠保證模型中的數據做到平穩,從而提升信號精度,去除共有干擾和避免偽回歸;在經濟學意義上,差分可以理解為指標數據的環比變化。

檢驗結果見表1,差分處理的序列在名稱前添加D_作為區分。

表1 ADF檢驗結果

基于ADF檢驗的結果,對樣本數據進行模型擬合,同時不斷調整自變量的滯后階數,保證自變量回歸系數顯著,最終擬合結果見表2。

表2 多元線性回歸模型初次擬合結果

調整后的模型檢驗結果,其中自變量房屋竣工面積累計同比(JG)、工業增加值當月同比(GY) 、家用洗衣機產量當月值(XYJ)、空調產量當月值(KT) 在10%顯著性水平下顯著;自變量D_挖掘機產量當月同比(WJ)、D_固定資產投資不含農戶完成額累計同比(GD) 、D_M2同比、D_PPI-CPI、汽車產量當月值(QC) 在5%顯著性水平下顯著。對模型進一步做異方差和多重共線性檢驗,檢驗結果見表3。

表3 異方差檢驗結果

異方差檢驗結構顯示P值=0.6407,檢驗結果不顯著,滿足多元回歸不存在異方差現象的前提假設。多重共線性檢驗結果見表4。

表4 多重共線性檢驗結果

根據VIF判定的標準,所有自變量的VIF和均值VIF都小于10,且取值在1-2,檢驗結果表明模型不存在多重共線性。因此根據模型擬合以及后續檢驗的結果,最終獲得計量模型如下:

之后對建立的時間序列模型進行樣本外檢驗,根據預測的熱卷價格收益率來對下一期的熱卷價格進行預測,檢驗的結果見圖1。

圖1 樣本外檢驗結果

3 討論

從建立的螺紋鋼期貨價格模型來看,樣本期內影響熱卷現貨價格收益率的主要因素中,宏觀因素如工業增加值、M2同比、PPI-CPI的剪刀差的影響期在1個月左右會反映在價格上,宏觀貨幣和行業利潤的傳導會更快的作用于價格,其中工業增加值反應工業企業的生產利潤情況。

PPI-CPI反應整體大宗商品的行情,剪刀差越大,越說明大宗商品正在經歷一輪較為強勢的上漲行情。M2包括了一切可能成為現實購買力的貨幣形式,通常反映的是社會總需求變化和未來通脹的壓力狀態,M2的影響通過貨幣購買力也能較快反映到價格上。

產業層面的因素作用在價格上需要的傳導時間相對較長,在4～6個月,其中房屋竣工帶來的地產后周期對家電的需求反映到熱卷需求上,對價格形成支撐。其他家電、汽車、工程機械如挖掘機的產量也會對熱卷的需求產生影響。

4 結束語

熱卷屬于鋼鐵產品,其下游主要包含房地產、汽車、家電和機械制造等產業。因此在不同時期不同政策導向下,影響熱卷現貨價格的主要因素不盡相同。文中列舉的自變量在樣本期內主要通過模型和因子來對熱卷現貨價格進行預測,為后續的策略和業務提供參考。在不同年份其價格主導因素各不盡相同,需要具體問題具體對待。