熱卷現(xiàn)貨價(jià)格預(yù)測(cè)量化模型實(shí)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(nèi)外資本市場(chǎng)互聯(lián)互通和人民幣國(guó)際化,加速黑色商品市場(chǎng)國(guó)際化進(jìn)程。為適應(yīng)鋼材市場(chǎng)國(guó)際化,針對(duì)鋼材現(xiàn)貨宏觀和行業(yè)基本面分析市場(chǎng)的方法體系需要進(jìn)一步拓展。隨著大數(shù)據(jù)、云計(jì)算、人工智能算法等計(jì)算機(jī)技術(shù)的發(fā)展,為鋼材供應(yīng)鏈價(jià)格和企業(yè)風(fēng)險(xiǎn)管理提供了數(shù)字化智能化的技術(shù)支持,以“科技+數(shù)據(jù)+貿(mào)易”推動(dòng)鋼鐵產(chǎn)業(yè)智能制造,為鋼鐵企業(yè)智慧營(yíng)銷奠定基礎(chǔ)。

鋼材價(jià)格由供給、需求、成本、外部環(huán)境等多方面因素綜合決定,鋼材價(jià)格的運(yùn)行邏輯越來越受到來自產(chǎn)業(yè)、行業(yè)和宏觀層面的各方影響。因此對(duì)于鋼材現(xiàn)貨的基本面分析,除了要梳理下游相關(guān)行業(yè)之外,還要統(tǒng)籌兼顧好宏觀經(jīng)濟(jì)環(huán)境對(duì)于市場(chǎng)的整體影響,包括貨幣政策以及財(cái)政政策對(duì)鋼材產(chǎn)業(yè)上下游供需的直接與間接影響。因此對(duì)鋼價(jià)的研判不再僅僅只關(guān)注傳統(tǒng)的現(xiàn)貨市場(chǎng)基本面的定性總結(jié),更是一場(chǎng)對(duì)于宏觀和產(chǎn)業(yè)數(shù)據(jù)敏感度的比較,是企業(yè)智能化數(shù)字化發(fā)展深入程度的比拼。通過對(duì)數(shù)據(jù)的挖掘和分析,助力企業(yè)提前了解宏觀和產(chǎn)業(yè)環(huán)境可能對(duì)鋼價(jià)帶來的潛在影響,從而提前制定風(fēng)險(xiǎn)管理計(jì)劃,為企業(yè)經(jīng)營(yíng)管理保駕護(hù)航。

筆者在現(xiàn)有鋼材現(xiàn)貨市場(chǎng)分析框架的基礎(chǔ)上,通過對(duì)量化指標(biāo)數(shù)據(jù)的分析,來驗(yàn)證分析框架的有效性,探討分析框架進(jìn)一步拓展的可能性。

1 量化模型的思路及建立

為了驗(yàn)證利用宏觀和產(chǎn)業(yè)指標(biāo)來預(yù)測(cè)熱卷價(jià)格的邏輯框架,選擇樣本數(shù)據(jù)建立計(jì)量模型進(jìn)行分析。選取工業(yè)增加值當(dāng)月同比(GY)、房屋竣工面積累計(jì)同比(JG)、挖掘機(jī)產(chǎn)量當(dāng)月同比(WJ)、固定資產(chǎn)投資完成額累計(jì)同比(GD)、PPI-CPI、M2同比、家用洗衣機(jī)產(chǎn)量當(dāng)月值(XYJ)、空調(diào)產(chǎn)量當(dāng)月值(KT)、汽車產(chǎn)量當(dāng)月值(QC)9個(gè)指標(biāo)作為自變量,上海熱卷現(xiàn)貨對(duì)數(shù)收益率(LN_RJ)為因變量。自變量指標(biāo)包含了宏觀貨幣、產(chǎn)業(yè)、下游需求等各個(gè)方面,利用樣本指標(biāo)數(shù)據(jù)建立如下計(jì)量模型:

2 實(shí)證檢驗(yàn)

建模時(shí)所用的熱卷價(jià)格和宏觀數(shù)據(jù)均來自Wind金融終端,所選數(shù)據(jù)的樣本區(qū)間為2011年5月-2022年5月,數(shù)據(jù)頻率為月度數(shù)據(jù)。

由于所使用的樣本數(shù)據(jù)均屬于時(shí)間序列數(shù)據(jù),因此在進(jìn)行回歸之前需要對(duì)各個(gè)樣本序列的平穩(wěn)性進(jìn)行檢驗(yàn),采用單位根檢驗(yàn)的方法進(jìn)行檢驗(yàn),并對(duì)非平穩(wěn)的時(shí)間序列數(shù)據(jù)進(jìn)行差分處理后,再次進(jìn)行單位根檢驗(yàn)。在統(tǒng)計(jì)學(xué)意義上,差分能夠保證模型中的數(shù)據(jù)做到平穩(wěn),從而提升信號(hào)精度,去除共有干擾和避免偽回歸;在經(jīng)濟(jì)學(xué)意義上,差分可以理解為指標(biāo)數(shù)據(jù)的環(huán)比變化。

檢驗(yàn)結(jié)果見表1,差分處理的序列在名稱前添加D_作為區(qū)分。

表1 ADF檢驗(yàn)結(jié)果

基于ADF檢驗(yàn)的結(jié)果,對(duì)樣本數(shù)據(jù)進(jìn)行模型擬合,同時(shí)不斷調(diào)整自變量的滯后階數(shù),保證自變量回歸系數(shù)顯著,最終擬合結(jié)果見表2。

表2 多元線性回歸模型初次擬合結(jié)果

調(diào)整后的模型檢驗(yàn)結(jié)果,其中自變量房屋竣工面積累計(jì)同比(JG)、工業(yè)增加值當(dāng)月同比(GY) 、家用洗衣機(jī)產(chǎn)量當(dāng)月值(XYJ)、空調(diào)產(chǎn)量當(dāng)月值(KT) 在10%顯著性水平下顯著;自變量D_挖掘機(jī)產(chǎn)量當(dāng)月同比(WJ)、D_固定資產(chǎn)投資不含農(nóng)戶完成額累計(jì)同比(GD) 、D_M2同比、D_PPI-CPI、汽車產(chǎn)量當(dāng)月值(QC) 在5%顯著性水平下顯著。對(duì)模型進(jìn)一步做異方差和多重共線性檢驗(yàn),檢驗(yàn)結(jié)果見表3。

表3 異方差檢驗(yàn)結(jié)果

異方差檢驗(yàn)結(jié)構(gòu)顯示P值=0.6407,檢驗(yàn)結(jié)果不顯著,滿足多元回歸不存在異方差現(xiàn)象的前提假設(shè)。多重共線性檢驗(yàn)結(jié)果見表4。

表4 多重共線性檢驗(yàn)結(jié)果

根據(jù)VIF判定的標(biāo)準(zhǔn),所有自變量的VIF和均值VIF都小于10,且取值在1-2,檢驗(yàn)結(jié)果表明模型不存在多重共線性。因此根據(jù)模型擬合以及后續(xù)檢驗(yàn)的結(jié)果,最終獲得計(jì)量模型如下:

之后對(duì)建立的時(shí)間序列模型進(jìn)行樣本外檢驗(yàn),根據(jù)預(yù)測(cè)的熱卷價(jià)格收益率來對(duì)下一期的熱卷價(jià)格進(jìn)行預(yù)測(cè),檢驗(yàn)的結(jié)果見圖1。

圖1 樣本外檢驗(yàn)結(jié)果

3 討論

從建立的螺紋鋼期貨價(jià)格模型來看,樣本期內(nèi)影響熱卷現(xiàn)貨價(jià)格收益率的主要因素中,宏觀因素如工業(yè)增加值、M2同比、PPI-CPI的剪刀差的影響期在1個(gè)月左右會(huì)反映在價(jià)格上,宏觀貨幣和行業(yè)利潤(rùn)的傳導(dǎo)會(huì)更快的作用于價(jià)格,其中工業(yè)增加值反應(yīng)工業(yè)企業(yè)的生產(chǎn)利潤(rùn)情況。

PPI-CPI反應(yīng)整體大宗商品的行情,剪刀差越大,越說明大宗商品正在經(jīng)歷一輪較為強(qiáng)勢(shì)的上漲行情。M2包括了一切可能成為現(xiàn)實(shí)購(gòu)買力的貨幣形式,通常反映的是社會(huì)總需求變化和未來通脹的壓力狀態(tài),M2的影響通過貨幣購(gòu)買力也能較快反映到價(jià)格上。

產(chǎn)業(yè)層面的因素作用在價(jià)格上需要的傳導(dǎo)時(shí)間相對(duì)較長(zhǎng),在4～6個(gè)月,其中房屋竣工帶來的地產(chǎn)后周期對(duì)家電的需求反映到熱卷需求上,對(duì)價(jià)格形成支撐。其他家電、汽車、工程機(jī)械如挖掘機(jī)的產(chǎn)量也會(huì)對(duì)熱卷的需求產(chǎn)生影響。

4 結(jié)束語(yǔ)

熱卷屬于鋼鐵產(chǎn)品,其下游主要包含房地產(chǎn)、汽車、家電和機(jī)械制造等產(chǎn)業(yè)。因此在不同時(shí)期不同政策導(dǎo)向下,影響熱卷現(xiàn)貨價(jià)格的主要因素不盡相同。文中列舉的自變量在樣本期內(nèi)主要通過模型和因子來對(duì)熱卷現(xiàn)貨價(jià)格進(jìn)行預(yù)測(cè),為后續(xù)的策略和業(yè)務(wù)提供參考。在不同年份其價(jià)格主導(dǎo)因素各不盡相同,需要具體問題具體對(duì)待。