量化模型与构建方式 1. 模型名称：煤炭行业利润预测模型[9][10] * 模型构建思路：基于动力煤长协定价机制，利用价格因子和产能因子的同比变化，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：模型的核心是利用已确定的月度动力煤销售价格（由长协机制决定）以及产能数据。通过计算价格因子（如煤价指数）和产能因子（如产量）的同比变化，将这些变化映射到行业整体的营收和利润增速预测上。具体公式未在报告中明确给出，但逻辑是：营收增速 ≈ f(价格同比变化， 销量同比变化)；利润增速 ≈ g(营收增速， 成本变化)。报告根据此模型预测了2026年2月煤炭行业利润同比微负增长[10][14]。 2. 模型名称：生猪供需缺口测算模型（出栏系数法）[15][16] * 模型构建思路：利用生猪从出生到出栏约6个月的生长周期，建立当前能繁母猪存栏量与未来6个月后生猪潜在供给量之间的关系，并与历史同期需求进行对比，以测算未来供需缺口[15]。 * 模型具体构建过程： 1. 首先计算历史“出栏系数”，即单季度生猪出栏量与6个月前的能繁母猪存栏量之比。公式为： 出栏系数 = \frac{单季度生猪出栏}{能繁母猪存栏_{滞后6个月}}} 2. 利用当前（t月）的能繁母猪存栏量和上年同期（t+6月）的出栏系数，预测6个月后的潜在单季度生猪供给能力。公式为： $6个月后单季潜在产能 = t月能繁母猪存栏 \times (t+6月上年同期出栏系数)$ 3. 将预测的潜在供给与上年同期（t+6月）的实际单季度生猪出栏量（作为需求预测值）进行比较，判断供需缺口[15][16][17]。 3. 模型名称：普钢行业利润预测模型[18] * 模型构建思路：综合考虑普通钢材的综合售价以及铁矿石、焦炭、喷吹煤、废钢等主要成本指标，构建模型以预测普钢行业的月度利润增速和单吨盈利[18]。 * 模型具体构建过程：模型通过跟踪普钢综合售价和一系列关键原材料成本价格，计算单吨毛利或利润。具体公式未在报告中明确给出，但逻辑可表示为：单吨利润 ≈ 普钢综合售价 - (铁矿石成本 + 焦炭成本 + 喷吹煤成本 + 废钢成本 + 其他)。基于此模型，报告预测了2026年1月普钢行业利润同比微负增长[18][22]。 4. 模型名称：结构材料（玻璃、水泥）盈利跟踪模型[24] * 模型构建思路：根据浮法玻璃、水泥等产品的价格指标和相应的成本指标（如纯碱、煤炭等），跟踪计算行业的毛利或利润变化[24]。 * 模型具体构建过程：对于玻璃行业，通过浮法玻璃市场价格减去主要成本（如纯碱、燃料等）计算单吨毛利。对于水泥行业，通过水泥价格减去煤炭等成本估算利润。报告根据2026年1月数据，测算浮法玻璃毛利同比延续负增长，并预测水泥行业利润同比延续负增长[24][26]。 5. 模型名称：燃料型炼化行业利润预测模型[27] * 模型构建思路：利用成品油（燃料）价格变化和原油价格变化之间的差异（裂解价差）来测算行业利润增速[27]。 * 模型具体构建过程：模型核心是跟踪裂解价差，即成品油价格与原油成本价之差。利润增速与裂解价差的变动密切相关。报告基于此模型预测2026年1月燃料型炼化行业利润同比小幅下降[27][28]。 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：反映煤炭产品价格变动对行业营收的影响，是煤炭行业利润预测模型的关键输入之一[10]。 * 因子具体构建过程：采用动力煤价格指数，具体为根据长协机制确定的月度销售价格。通过计算该价格的同比变化，作为驱动营收预测的因子[10]。 2. 因子名称：产能因子（煤炭）[10] * 因子构建思路：反映煤炭产量或供给能力变动对行业营收的影响，是煤炭行业利润预测模型的另一关键输入[10]。 * 因子具体构建过程：采用煤炭产量或相关产能指标，计算其同比变化，与价格因子一同用于营收和利润预测[10]。 3. 因子名称：出栏系数[15] * 因子构建思路：衡量能繁母猪存栏转化为生猪出栏的效率，是连接当前存栏与未来供给的核心中间变量[15]。 * 因子具体构建过程：计算历史各季度“生猪出栏量”与“6个月前的能繁母猪存栏量”的比值。该系数用于预测未来的潜在产能[15]。 4. 因子名称：PMI滚动均值（普钢、建筑装饰）[22][26] * 因子构建思路：用于判断制造业景气周期，作为普钢和建筑装饰行业配置信号的依据之一[22][26]。 * 因子具体构建过程：计算制造业采购经理指数（PMI）过去12个月的滚动平均值，并观察其环比变化。报告指出，当该滚动均值环比变化未超过特定阈值时，维持中性观点[22][26]。 5. 因子名称：裂解价差（燃料型炼化）[27] * 因子构建思路：直接反映炼化企业将原油加工为成品油的盈利空间，是行业利润的核心驱动因子[27]。 * 因子具体构建过程：跟踪成品油（如汽油、柴油）价格与原油采购成本之间的价差。价差扩大通常意味着行业利润改善，反之则利润承压[27]。 6. 因子名称：油价同比变化（炼化、油服）[27][34][35] * 因子构建思路：油价变动直接影响炼化行业的成本和油服行业的收入预期，是这两个行业配置信号的关键观察因子[27][34][35]。 * 因子具体构建过程：计算原油价格的同比变化。报告指出，当油价保持同比下降时，对炼化和油服行业维持中性观点[34][35]。 7. 因子名称：新钻井数同比变化（油服）[35] * 因子构建思路：反映油气勘探开发活动的活跃度，是油服行业需求的前瞻性指标[35]。 * 因子具体构建过程：跟踪美国新钻井数量等指标，观察其同比变化。报告指出，当新钻井数同比变化不大时，对油服行业维持中性观点[35]。 模型的回测效果 报告未提供具体量化模型的回测绩效指标（如年化收益率、夏普比率、最大回撤等）。报告中的图表（如图2、图5、图9、图10）展示了基于模型产生的配置信号与行业指数历史超额收益的走势对比，但未给出统一的绩效汇总表或具体数值[11][20][28][37]。 因子的回测效果 报告未提供单个因子的独立测试结果（如IC、IR、多空收益等）。因子效果的评价融合在行业景气判断和配置观点中，例如指出“出栏系数法测算供需缺口能够有效识别生猪价格上行周期”[16]，但未给出该因子的具体量化指标。