热卷现货价格预测量化模型实证研究

李恿生

(新疆八一钢铁股份有限公司销售部)

近年来境内外资本市场互联互通和人民币国际化,加速黑色商品市场国际化进程。为适应钢材市场国际化,针对钢材现货宏观和行业基本面分析市场的方法体系需要进一步拓展。随着大数据、云计算、人工智能算法等计算机技术的发展,为钢材供应链价格和企业风险管理提供了数字化智能化的技术支持,以“科技+数据+贸易”推动钢铁产业智能制造,为钢铁企业智慧营销奠定基础。

钢材价格由供给、需求、成本、外部环境等多方面因素综合决定,钢材价格的运行逻辑越来越受到来自产业、行业和宏观层面的各方影响。因此对于钢材现货的基本面分析,除了要梳理下游相关行业之外,还要统筹兼顾好宏观经济环境对于市场的整体影响,包括货币政策以及财政政策对钢材产业上下游供需的直接与间接影响。因此对钢价的研判不再仅仅只关注传统的现货市场基本面的定性总结,更是一场对于宏观和产业数据敏感度的比较,是企业智能化数字化发展深入程度的比拼。通过对数据的挖掘和分析,助力企业提前了解宏观和产业环境可能对钢价带来的潜在影响,从而提前制定风险管理计划,为企业经营管理保驾护航。

笔者在现有钢材现货市场分析框架的基础上,通过对量化指标数据的分析,来验证分析框架的有效性,探讨分析框架进一步拓展的可能性。

为了验证利用宏观和产业指标来预测热卷价格的逻辑框架,选择样本数据建立计量模型进行分析。选取工业增加值当月同比(GY)、房屋竣工面积累计同比(JG)、挖掘机产量当月同比(WJ)、固定资产投资完成额累计同比(GD)、PPI-CPI、M2同比、家用洗衣机产量当月值(XYJ)、空调产量当月值(KT)、汽车产量当月值(QC)9个指标作为自变量,上海热卷现货对数收益率(LN_RJ)为因变量。自变量指标包含了宏观货币、产业、下游需求等各个方面,利用样本指标数据建立如下计量模型:

建模时所用的热卷价格和宏观数据均来自Wind金融终端,所选数据的样本区间为2011年5月-2022年5月,数据频率为月度数据。

由于所使用的样本数据均属于时间序列数据,因此在进行回归之前需要对各个样本序列的平稳性进行检验,采用单位根检验的方法进行检验,并对非平稳的时间序列数据进行差分处理后,再次进行单位根检验。在统计学意义上,差分能够保证模型中的数据做到平稳,从而提升信号精度,去除共有干扰和避免伪回归;在经济学意义上,差分可以理解为指标数据的环比变化。

检验结果见表1,差分处理的序列在名称前添加D_作为区分。

表1 ADF检验结果

基于ADF检验的结果,对样本数据进行模型拟合,同时不断调整自变量的滞后阶数,保证自变量回归系数显著,最终拟合结果见表2。

表2 多元线性回归模型初次拟合结果

调整后的模型检验结果,其中自变量房屋竣工面积累计同比(JG)、工业增加值当月同比(GY) 、家用洗衣机产量当月值(XYJ)、空调产量当月值(KT) 在10%显著性水平下显著;自变量D_挖掘机产量当月同比(WJ)、D_固定资产投资不含农户完成额累计同比(GD) 、D_M2同比、D_PPI-CPI、汽车产量当月值(QC) 在5%显著性水平下显著。对模型进一步做异方差和多重共线性检验,检验结果见表3。

表3 异方差检验结果

异方差检验结构显示P值=0.6407,检验结果不显著,满足多元回归不存在异方差现象的前提假设。多重共线性检验结果见表4。

表4 多重共线性检验结果

根据VIF判定的标准,所有自变量的VIF和均值VIF都小于10,且取值在1-2,检验结果表明模型不存在多重共线性。因此根据模型拟合以及后续检验的结果,最终获得计量模型如下:

之后对建立的时间序列模型进行样本外检验,根据预测的热卷价格收益率来对下一期的热卷价格进行预测,检验的结果见图1。

图1 样本外检验结果

从建立的螺纹钢期货价格模型来看,样本期内影响热卷现货价格收益率的主要因素中,宏观因素如工业增加值、M2同比、PPI-CPI的剪刀差的影响期在1个月左右会反映在价格上,宏观货币和行业利润的传导会更快的作用于价格,其中工业增加值反应工业企业的生产利润情况。

PPI-CPI反应整体大宗商品的行情,剪刀差越大,越说明大宗商品正在经历一轮较为强势的上涨行情。M2包括了一切可能成为现实购买力的货币形式,通常反映的是社会总需求变化和未来通胀的压力状态,M2的影响通过货币购买力也能较快反映到价格上。

产业层面的因素作用在价格上需要的传导时间相对较长,在4~6个月,其中房屋竣工带来的地产后周期对家电的需求反映到热卷需求上,对价格形成支撑。其他家电、汽车、工程机械如挖掘机的产量也会对热卷的需求产生影响。

热卷属于钢铁产品,其下游主要包含房地产、汽车、家电和机械制造等产业。因此在不同时期不同政策导向下,影响热卷现货价格的主要因素不尽相同。文中列举的自变量在样本期内主要通过模型和因子来对热卷现货价格进行预测,为后续的策略和业务提供参考。在不同年份其价格主导因素各不尽相同,需要具体问题具体对待。

猜你喜欢 共线性宏观现货 美国大豆现货价格上涨今日农业(2021年16期)2021-11-26美国大豆现货报价稳中有降今日农业(2021年17期)2021-10-14豆粕:美豆新高后回落振荡,现货临近春节成交转淡当代水产(2021年2期)2021-03-29南瓜SWEET蛋白家族的全基因组鉴定与进化分析广西植物(2021年1期)2021-03-24银行不良贷款额影响因素分析科学与财富(2021年3期)2021-03-08宏观审慎框架下货币政策工具的选择安徽师范大学学报(人文社会科学版)(2020年1期)2020-02-23不完全多重共线性定义存在的问题及其修正建议温州大学学报(自然科学版)(2019年2期)2019-06-04我国寿险需求影响因素的岭回归分析现代商贸工业(2019年5期)2019-02-18宏观与政策中国机电工业(2016年5期)2016-12-01宏观审慎金融监管及发达国家相关政策研究当代经济(2015年4期)2015-04-16

推荐访问:量化 现货 模型