根据提供的研报内容，以下是关于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**：社融自下而上预测框架 **模型构建思路**：从社融各子项的经济逻辑、高频数据、季节性特征等角度出发，分别预测各子项后汇总得到社融总量预测[8] **模型具体构建过程**： - **企业贷款+居民短贷**：以PMI与唐山钢厂产能利用率为自变量，对信贷大月和小月分别进行滚动回归预测[9] - **居民中长贷**：根据商品房销售代理指标与居民中长贷的三阶段特点进行预测[9] - **企业票据融资**：以转贴现利率为外生变量，使用5年窗口的滚动自回归预测 $$ \text{票据融资} = f(\text{转贴现利率}) $$ - **政府债券**：通过调整高频发行到期数据的口径（将月末新发债券计入下月）[9] - **企业债券**：使用5年窗口的滚动回归重新配权以降低口径差异[9] - **外币贷款**：采用过去3个月均值作为预测[9] - **信托贷款**：跟踪集合信托及单一信托的发行到期披露数据近似预测[9] - **委托贷款**：使用过去12个月均值预测，基建相关增量额外判断[9] - **未贴现银行承兑汇票**：采用过去三年同期平均值估计（因高频数据停更）[9] - **非金融企业股票融资**：扣除金融企业部分后汇总股权融资数据[9] - **贷款核销**：直接采用去年同期值[9] - **存款类金融机构ABS**：改用信贷ABS净融资高频跟踪（2023年12月起）[9] **模型评价**：该框架通过细分逻辑刻画细节，能够同时预测总量和结构信息，历史表现较为准确[8] 2. **衍生模型**：社融TTM环比与存量同比增速模型 **构建思路**：基于社融预测结果计算滚动12个月总和（TTM）及同比增速[9] **具体构建过程**： $$ \text{社融TTM环比} = \frac{\text{最新TTM值}}{\text{前一期TTM值}} - 1 $$ $$ \text{社融存量同比} = \frac{\text{当期存量}}{\text{去年同期存量}} - 1 $$ 模型的回测效果 1. **社融自下而上预测框架**： - 2025年7月预测新增社融1.53万亿元（实际待公布），同比多增0.76万亿元[9] - 社融TTM环比预测2.05%，存量同比增速预测9.11%[9] - 历史预测误差（示例）：2025年6月预测值42157亿元 vs 实际值41993亿元（偏差0.39%）[18] 2. **子项预测效果**： - **政府债券**：7月预测净融资1.18万亿元（同比+0.49万亿元），高频跟踪显示发行节奏延续[9][10] - **企业债券**：7月预测净融资0.39万亿元（同比+0.19万亿元），高频数据支持增长[9][10] - **人民币贷款**：7月预测新增362亿元（结构较弱，企业贷款+居民短贷减少0.51万亿元）[18] 关键因子说明 1. **因子名称**：PMI-信贷关联因子 **构建思路**：捕捉制造业PMI对企业信贷需求的领先关系[9] **具体构建**：在滚动回归中作为企业贷款预测的自变量 2. **因子名称**：商品房销售-居民中长贷因子 **构建思路**：利用商品房销售数据与居民中长贷的滞后相关性[9] **具体构建**：分三阶段（领先、同步、滞后）映射销售数据至贷款增量 3. **因子名称**：转贴现利率-票据融资因子 **构建思路**：利率下行时银行票据贴现意愿增强[9] **具体构建**：通过负相关关系建模 $$ \text{票据融资量} = \alpha - \beta \times \text{转贴现利率} $$ 因子回测效果 1. **PMI-信贷关联因子**：7月PMI 49.3%回落，对应企业贷款预测减少[10] 2. **商品房销售-居民中长贷因子**：7月大中城市新房销售同比环比均降，预测居民中长贷仅新增47亿元[10][18] 3. **转贴现利率-票据融资因子**：7月末利率大幅下行，预测票据融资新增5444亿元[10][18] （注：报告中未明确提及因子的独立测试指标如IC或IR，故未列出）