根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. 模型名称：煤炭行业利润预测模型 - 模型构建思路：基于动力煤价格指数和产能因子同比变化，预测煤炭行业月度营收和利润增速[10][14] - 模型具体构建过程： 1. 通过动力煤长协机制确定次月销售价格（价格因子） 2. 结合产能因子同比变化计算行业营收增速 3. 根据成本结构推导利润增速 公式： $\text{利润增速} = f(\text{价格因子}, \text{产能因子}, \text{成本结构})$ - 模型评价：对煤价变动敏感，但未考虑政策调控等非量化因素[14] 2. 模型名称：生猪供需缺口模型 - 模型构建思路：利用能繁母猪存栏量与6个月后生猪出栏的稳定比例关系预测供需缺口[15][17] - 模型具体构建过程： 1. 计算历史出栏系数： $\text{出栏系数} = \frac{\text{单季度生猪出栏}}{\text{6个月前能繁母猪存栏}}$ 2. 预测未来产能： $\text{潜在产能} = \text{当前能繁母猪存栏} \times \text{上年同期出栏系数}$ 3. 对比历史需求数据判断过剩/短缺[17] 3. 模型名称：普钢行业利润测算模型 - 模型构建思路：综合钢材售价与铁矿石、焦炭等成本指标预测单吨盈利[18][22] - 模型具体构建过程： 1. 跟踪普通钢材综合售价 2. 加权计算铁矿石、焦炭、喷吹煤、废钢等成本指标 3. 通过价差模型计算单吨毛利[22] 4. 模型名称：裂解价差模型（燃料型炼化） - 模型构建思路：通过成品油与原油价差测算炼化行业利润[30][35] - 模型具体构建过程： 1. 监测成品油（汽油/柴油）价格 2. 对比原油进口成本计算裂解价差 公式： $\text{裂解价差} = \text{成品油价格} - \text{原油成本}$ 3. 结合库存变动预测利润增速[35] 量化因子与构建方式 1. 因子名称：PMI滚动均值因子 - 因子构建思路：通过12个月PMI均值变化判断制造业景气周期[22][29] - 因子具体构建过程： $\text{PMI滚动均值} = \frac{\sum_{i=t-11}^{t} \text{PMI}_i}{12}$ 2. 因子名称：基建托底预期因子 - 因子构建思路：综合制造业PMI与商品房销售数据判断基建投资预期[25][29] - 因子具体构建过程： 1. 监测制造业PMI滚动均值 2. 跟踪商品房销售面积同比变化 3. 当两者同步走弱时触发信号[29] 模型回测效果 1. 煤炭行业利润预测模型 - 2025年3月预测准确率：78%（历史回溯）[14] - 信号滞后性：1-2个月[14] 2. 生猪供需缺口模型 - 历史周期识别准确率：2019-2024年猪周期全部捕捉[17] - 供给过剩预测误差：±5%[17] 3. 裂解价差模型 - 油价波动敏感度：β=1.2[35] - 库存损失预测准确率：83%[30] 因子回测效果 1. PMI滚动均值因子 - 普钢行业超额收益相关性：ρ=0.62[22] - 信号窗口期：3-6个月[22] 2. 基建托底预期因子 - 建筑装饰行业超额收益：信号触发后60天平均+4.2%[29] 注：所有测试结果基于2012-2025年历史数据回测[14][17][22][29][35]