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 - 构建思路：基于动力煤长协价格机制和产能因子同比变化，预测行业营收和利润增速[10][13] - 具体构建过程： 1. 价格因子：根据每月最后一期价格指数确定下月销售价格 2. 产能因子：结合历史产能数据计算同比变化 3. 利润预测公式： $\text{利润增速} = f(\text{价格因子}, \text{产能因子})$ 4. 输出结果为单季度利润同比增速预测值[11] - 模型评价：能够有效捕捉煤价与产能对利润的联动影响，但依赖长协价格机制的稳定性 2. 模型名称：生猪供需缺口预测模型 - 构建思路：利用能繁母猪存栏数据与6个月后生猪出栏的稳定比例关系，预测供需平衡[14][15] - 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： $\text{6个月后潜在产能} = \text{当前能繁母猪存栏} \times \text{上年同期出栏系数}$ 3. 供需缺口 = 潜在产能 - 上年同期出栏量[16] - 模型评价：经验证可识别价格上行周期，但对存栏数据质量敏感 3. 模型名称：普钢行业利润预测模型 - 构建思路：结合钢材售价与铁矿石、焦炭等成本指标，测算单吨盈利及利润增速[17][21] - 具体构建过程： 1. 单吨盈利 = 钢材综合售价 - (铁矿石成本 + 焦炭成本 + 喷吹煤成本 + 废钢成本) 2. 利润增速 = 单吨盈利同比变化 × 产量调整因子[19] - 模型评价：成本端覆盖全面，但需动态跟踪原材料价格波动 4. 模型名称：燃料型炼化利润预测模型 - 构建思路：通过成品油与原油价差（裂解价差）测算行业利润[28][31] - 具体构建过程： 1. 裂解价差 = 成品油价格 - 原油价格 2. 利润增速 = 裂解价差同比变化 × 产能利用率[29] - 模型评价：对油价波动敏感，需结合新钻井数据辅助判断 --- 量化因子与构建方式 1. 因子名称：PMI滚动均值因子 - 构建思路：监测制造业PMI的12期滚动均值变化，判断行业景气阈值[21] - 具体构建过程： $\text{PMI滚动均值} = \frac{\sum_{i=t-11}^{t} \text{PMI}_i}{12}$ 当环比变化超过设定阈值时触发信号[21] 2. 因子名称：玻璃/水泥盈利因子 - 构建思路：跟踪价格与成本指标计算毛利变化[23][26] - 具体构建过程： $\text{玻璃毛利} = \text{浮法玻璃价格} - (\text{纯碱成本} + \text{能源成本})$ $\text{水泥毛利} = \text{水泥价格} - \text{煤炭燃料成本}$[27] 3. 因子名称：基建托底预期因子 - 构建思路：综合商品房销售与PMI数据判断基建预期[23][27] - 具体构建过程： 1. 输入指标：商品房销售面积同比、制造业PMI滚动均值 2. 输出信号：当两者同步恶化时触发基建预期[27] --- 模型回测效果 1. 煤炭行业模型： - 预测25年7月利润同比增速：-5.2%（中性信号）[13] - 历史回测超额收益：-4.0%（2025年6月）[10] 2. 生猪供需模型： - 预测25Q4供需缺口：-18万头（均衡状态）[16] - 历史肉价周期识别准确率：78%（2012-2025）[15] 3. 普钢行业模型： - 预测25年6月利润增速：-3.8%（中性信号）[21] - 单吨盈利回测值：215元/吨（2025年6月）[19] 4. 炼化行业模型： - 预测25年6月利润增速：0.5%（同比持平）[31] - 裂解价差回测值：12美元/桶[29] --- 因子回测效果 1. PMI滚动均值因子： - 阈值触发准确率：62%（2010-2025）[21] 2. 玻璃盈利因子： - 25年6月毛利同比：-8.3%[26] 3. 基建托底因子： - 信号触发频率：年均1.2次（2011-2025）[27] --- 注：所有模型及因子均基于行业轮动系列报告方法论构建[9]，测试结果截至2025年6月[10][13][16][21][26][27][29][31]