根据提供的研报内容，以下是关于量化模型和因子的总结： 量化模型与构建方式 1. 模型名称：煤炭行业利润预测模型[10][15] * 模型构建思路：基于动力煤长协价格机制，利用价格因子和产能因子的同比变化来逐月估计煤炭行业的营收增速和利润增速[10] * 模型具体构建过程：模型的核心是跟踪价格因子（如动力煤销售价格）和产能因子的同比变化。具体地，根据每个月最后一期的价格指数确定下个月的销售价格，然后将此价格与上年同期进行比较。同时，结合产能因子的同比变化，综合估算出行业的月度营收增速和利润增速[10][15] 2. 模型名称：生猪供需预测模型[16][17][18] * 模型构建思路：利用生猪从出生到出栏约6个月的周期特性，通过当前能繁母猪存栏量来预测未来6个月后的生猪供需缺口，进而判断价格趋势[16][17] * 模型具体构建过程： 1. 计算历史出栏系数：$出栏系数 = \frac{单季度生猪出栏}{6个月前能繁母猪存栏量}$[16] 2. 预测未来潜在产能：$6个月后单季潜在产能 = 当前(t月)能繁母猪存栏量 \times (t+6月上年同期出栏系数)$[17] 3. 预测未来潜在需求：以预测目标季度（如26Q1）的上年同期单季度生猪出栏量作为需求预测值[17] 4. 比较潜在产能与潜在需求，判断供需缺口及价格走势[18] 3. 模型名称：普钢行业利润预测模型[19][23] * 模型构建思路：通过跟踪普通钢材的综合售价以及主要原材料（铁矿石、焦炭、喷吹煤、废钢）的成本价格，来测算普钢行业的月度利润增速和单吨盈利[19][23] * 模型具体构建过程：模型通过监测普钢价格指数和一系列成本价格指数，计算价格与成本的差值或比值，从而估算出行业单吨利润及其同比变化[19][23] 4. 模型名称：结构材料（玻璃、水泥）盈利跟踪模型[25][26] * 模型构建思路：根据浮法玻璃、水泥的产品价格指标和相应的成本指标，跟踪计算其毛利变化，并基于盈利变化设计行业配置信号[25][26] * 模型具体构建过程：模型持续跟踪玻璃和水泥的现货价格，并同步跟踪其生产成本（如原材料、能源等），通过（价格 - 成本）计算单吨毛利，并观察其同比变化[25][26] 5. 模型名称：燃料型炼化利润预测模型[27][33] * 模型构建思路：利用成品油燃料价格与原油价格的变化来测算行业利润增速和裂解价差（Crack Spread）[27][33] * 模型具体构建过程：模型通过监测成品油（如汽油、柴油）价格和原油价格的变动，计算其价差（裂解价差）。价差的扩大通常意味着炼化利润的改善。同时，也会考虑库存成本（如近期油价低位带来的成本下降）对利润的影响[27][33] 模型的回测效果 （注：研报中展示了部分模型的历史回测图表（如图2、图5、图9、图10），但未提供具体的、可总结的量化指标数值（如年化收益率、夏普比率、信息比率IR等），因此此部分跳过） 量化因子与构建方式 1. 因子名称：价格因子（煤炭）[10] * 因子构建思路：反映动力煤销售价格的变动情况，是预测煤炭行业利润的核心驱动因素之一[10] * 因子具体构建过程：直接采用或根据动力煤长协价格指数确定月度销售价格，并计算其同比变化率[10] 2. 因子名称：产能因子（煤炭）[10] * 因子构建思路：反映煤炭行业生产能力的变动情况，是预测营收和利润的另一核心因素[10] * 因子具体构建过程：具体构建方式未在提供片段中详细说明，但提及会跟踪其同比变化[10] 3. 因子名称：能繁母猪存栏量[16][18] * 因子构建思路：作为生猪供给的领先指标，能繁母猪的数量直接决定了约6个月后的生猪出栏潜力[16][18] * 因子具体构建过程：直接采用农业农村部或相关统计部门公布的月度能繁母猪存栏数据[16][18] 4. 因子名称：出栏系数[16][17] * 因子构建思路：衡量能繁母猪到生猪出栏的转换效率，受养殖技术、疫情等因素影响[16][17] * 因子具体构建过程：$出栏系数 = \frac{单季度生猪出栏总量}{6个月前能繁母猪存栏量}$[16] 5. 因子名称：PMI（采购经理指数）[23][26] * 因子构建思路：作为宏观经济景气度的衡量指标，尤其用于判断普钢、建筑等与宏观经济周期密切相关的行业的景气状况和投资预期[23][26] * 因子具体构建过程：采用官方发布的制造业PMI数据。在模型中，会使用其滚动均值（如12个月滚动均值）并与设定的阈值进行比较，以产生配置信号[23][26] 6. 因子名称：裂解价差（Crack Spread）[27] * 因子构建思路：反映炼油厂将原油炼制成成品油的加工利润，是燃料型炼化行业盈利能力的核心观测指标[27] * 因子具体构建过程：通常计算为一组成品油（如汽油和柴油）的价格与原油价格的加权差值[27] 7. 因子名称：油价同比变化[34][35] * 因子构建思路：油价的同比变化直接影响油服行业的收入预期和炼化行业的成本，是相关行业配置信号的重要依据[34][35] * 因子具体构建过程：计算当前油价与上年同期油价的变化率[34][35] 8. 因子名称：新钻井数[35] * 因子构建思路：反映油服行业的活动水平和未来收入潜力，新钻井数的增加通常意味着行业景气的提升[35] * 因子具体构建过程：采用诸如美国贝克休斯石油钻井数等市场常用指标，并观察其同比变化[35] 9. 因子名称：商品房销售面积[26] * 因子构建思路：作为房地产行业景气的同步或滞后指标，影响对水泥、玻璃、建筑装饰等下游行业的需求预期[26] * 因子具体构建过程：采用国家统计局或行业机构发布的月度商品房销售面积数据，并计算其同比增速[26] 因子的回测效果 （注：研报中未提供各个因子独立测试的量化绩效指标（如IC、IR、多空收益等），仅展示了基于这些因子构建的行业配置观点的历史回测图表。因此此部分跳过）