1、 HeaderTable_User 1122253200 HeaderTable_Stock 股票代码 投资评级 评级变化 行业 code HeaderTable_Excel 东方证券股份有限公司经相关主管机关核准具备证券投资咨询业务资格，据此开展发布证券研究报告业务。东方证券股份有限公司及其关联机构在法律许可的范围内正在或将要与本研究报告所分析的企业发展业务关系。因此，投资者应当考虑到本公司可能存在对报告的客观性产生影响的利益冲突，不应视本证券研究报告为作出投资决策的唯一因素。有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究
2、报告最后一页的免责申明。专题报告【金融工程证券研究报告】商品基本面量化研究之铁矿石-衍生品系列研究之（十一）研究结论研究结论 宏观指标作为外生变量主要通过影响下游产业的需求来影响铁矿石价格。之前的研究也多从宏观指标来研究对商品期货收益影响的因素，而本报告除宏观因子外，还从铁矿石产业链入手，从供给、需求、库存和成本四方面总结了影响铁矿石现货价格的基本面因素。我们使用向量自回归 VAR 模型研究发现与铁矿石收益显著负相关的分别是滞后二阶的中钢协会员企业粗钢产量季调值和沪市线螺终端采购量环比、滞后一阶的海外港口铁矿石发货量同比、滞后二阶的国内调查部分矿山铁精粉产量环比。另外通过格兰杰因果检验发现国内
3、调查部分矿山铁精粉产量环比与中钢协会员企业粗钢产量季调值与铁矿石收益率互为格兰杰原因。由于变量内生性和持续性强度问题，OLS 不能用于金融时间序列的预测。因此我们使用 Kostakis(2015)扩展的 IVX 回归来进行样本内和样本外预测。样本内结果表明废钢价格与铁矿石价格比、全国高炉开工率、中钢协会员企业粗钢产量季调值等是铁矿石收益率的显著预测指标。而宏观因子中影响铁矿石价格较为显著的是资源国兑美元的汇率，其它宏观因子则通过影响基本面因子来影响铁矿石。短线样本外预测有效预测占比虽高达 90%，但方向准确率只有 55%，指标的持续性不强。季度预测准确度提升明显，有效预测占比达 72%，方向准
4、确率 70.5%，且预测精度与 24 个月滚动均值预测结果相近。预测占比较高的显著因子分别是海外港口铁矿石发货量同比，美元指数环比变化、沪市线螺终端采购量、废钢价格与铁矿石价格比等因子。我们通过构建策略来验证样本外预测效果，季频加入阈值过滤和止损的等权组合优于单个起始日策略，回撤明显降低，年化收益率为 19.83%，夏普率为 1.10，最大回撤-15.4%。月频预测加入趋势过滤和止损策略年化 32.37%，夏普率 1.32，最大回撤-25.7%。季频和月频等权组合后策略进一步提升，策略年化 25.53%，夏普率 1.59，最大回撤为-16.2%。风险提示风险提示 量化模型失效风险 市场极端环境
5、的冲击 报告发布日期 2018 年 08 月 13 日 证券分析师 朱剑涛朱剑涛 021-63325888*6077 执业证书编号：S0860515060001 相关报告 商品组合的风险分析与风险管理 2017-12-14 商品市场宏观风险因子模型初探 2017-12-13 局部波动率模型场外期权定价与对冲 2017-12-12 金融工程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。商品基本面量化研究之铁矿石 2 目录 一、影响铁矿石价格的因素.3 1.1、产业链特点.3 1.2、基本面因素.6 1
6、.3、宏观因素.10 2、基本面因子与铁矿石收益率关系探讨.13 3、样本内预测结果.17 3.1、宏观因素.17 4、样本外预测结果.20 4.1、短线样本外滚动预测.20 4.2、长线样本外滚动预测.22 4.3、交易策略设计实证.24 5、主要结论.28 风险提示.29 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。商品基本面量化研究之铁矿石 3 一、一、影响铁矿石价格的因素影响铁矿石价格的因素 1.11.1、产业链特点产业链特点 铁矿石指存在利用价值的，含有铁元素或铁化合物的矿石，几乎只作为钢
7、铁生产原材料使用。钢铁是国民经济的支柱产业，铁矿石是钢铁生产最重要的原材料，生产生产 1 吨生铁约需要吨生铁约需要 1.6 吨铁矿石，吨铁矿石，铁矿石在生铁成本中占比超过铁矿石在生铁成本中占比超过 60%，由此可见，铁矿石也是与国民经济息息相关的重要原材料。根据物理形态不同，铁矿石分为原矿、块矿、粉矿、精矿和烧结矿、球团矿等。块矿块矿是可以直接入炉的高品位矿高品位矿；粉矿和精矿需人工造块后才能投入高炉，其中，粉矿是生产烧结矿的主要原料粉矿是生产烧结矿的主要原料，精矿是生产球团矿的主要原料。基于现货市场的需求，大商所铁矿石期货交易标的物选择为大商所铁矿石期货交易标的物选择为粉矿粉矿。目前我国是世
8、界最大的铁矿石消费国、进口国和第二大生产国，但国内并不具备铁矿石定价权。铁铁矿矿石石以第三方现货指数为依据定价，国际上比较有影响力的铁矿石指数有三种：环球钢讯的 TSI指数、金属导报的 MBIO 指数以及普氏能源资讯的 Platts 指数。普氏指数普氏指数 2008 年进入铁矿石市场年进入铁矿石市场并成为贸易定价主导并成为贸易定价主导，我国钢厂被迫接受普氏价格。全球铁矿石主产国相对集中，主要的生产国为澳大利亚和巴西，这两个国家的产量占了铁矿石产量的 60%以上。美国学者贝恩以 CR4 和 CR8 两个指标来判断市场结构，目前，在铁矿石生产供给方面，必和必拓、力拓和淡水河谷三大矿商必和必拓、力拓
9、和淡水河谷三大矿商已形成寡头垄断结构。三大矿商目前控制着全球。三大矿商目前控制着全球 78%的铁矿石海运贸易市场，形成了相对的寡头垄断市场结构的铁矿石海运贸易市场，形成了相对的寡头垄断市场结构，其产量的增长直接影响未来全球铁矿石贸易市场的供应量。印度铁矿石占世界铁矿石海运份额与三大矿商相比有着很大的差距，同时由于多方贸易中介转手以现货方式提供，印度铁矿石价格往往比三大矿商所提出的价格还要高。其余的如中国、俄罗斯等国家也有一定的比例。图 1：全球铁矿石主产国产量占比全球铁矿石主产国产量占比 图 2：中国铁矿石进口来源中国铁矿石进口来源 数据来源：Wind 资讯&东方证券研究所 数据来源：Wind
10、 资讯&东方证券研究所 41.00%21.00%7.00%6.00%5.00%20.00%澳大利亚巴西印度中国俄罗斯其他60.50%16.90%3.90%1.90%16.80%澳大利亚巴西南非印度其他 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。商品基本面量化研究之铁矿石 4 世界铁矿石进口目的地主要为亚洲的中、日、韩和中国台湾 4 个国家（地区）以及欧洲的英、法、德、意 4 个国家。在世界铁矿石进口贸易中，这 8 个主要国家（地区）的进口量占世界贸易的 80%左右。从国家和地区看，亚洲地区占据全球
11、铁矿石需求的 60%以上。2012 年，中国占全球铁矿石贸易量 60%70%，在铁矿石进口方面占有举足轻重的地位。但事实上，中国需求的绝对地位并没有形成垄断性的话语力量。由于中国钢铁的集中程度低下，CR8 始终徘徊在 40%左右，未能形成有效合力，对三大矿山影响有限，反而形成对生产方的依赖，加强了其在生产结构中的垄断话语权。下图为中国大陆铁矿石进口来源的结构变化，来自澳大利亚的进口从 2005 年的 40%左右一直攀升到 2015 年的 60%左右，随后趋于平衡，巴西的进口则相对比较平稳，而来自印度的进口逐年缩减，到 2013 年已经所剩无几，甚至被南非超越。图 3：中国大陆铁矿石进口来源结构
12、变化中国大陆铁矿石进口来源结构变化（20052005-20172017）数据来源：Wind 资讯&东方证券研究所 下图为黑色金属关系图，钢铁的冶炼原材料包括铁矿石、焦炭和焦煤以及铁合金等黑色系商品。一般而言，1 吨焦炭需要 1.33 吨左右的焦煤，而炼制 1 吨生铁则需要 1.6 吨左右的铁矿石和 0.5 吨左右的焦炭。从成本角度来看，铁矿石和焦炭占到生铁成本的 90%，是冶炼钢铁的主要原材料，而焦炭则是由炼焦煤转化而来。图 4：黑色金属关系图黑色金属关系图 数据来源：东方证券研究所 0%10%20%30%40%50%60%70%80%90%100%2005200620072008200920
13、102011201220132014201520162017澳大利亚巴西南非印度其它 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。商品基本面量化研究之铁矿石 5 黑色产业链的关系如下图所示，上游是铁矿石、煤炭、有色金属、电力等。中游即为钢铁行业，包括长材、板材和特钢。这三个品种对应的下游也不尽相同。长材主要用于基建和房地产，板材主要用于汽车、家电和造船等，特钢则用于特殊制造，比如机械、汽车、军工和核电等对钢材有特殊要求的行业。一般而言，钢铁产业链的传导是由下游到上游的，即下游需求影响钢铁产量，进而影
14、响对于上游原料的需求。对一般商品而言，需求的变化主要源于外生变量，如 GDP、经济景气、周期等因素，如果某种商品需求的突然增加无法被供给的相应增长所消化，就会导致商品价格的上涨。图 5：黑色产业链黑色产业链 数据来源：东方证券研究所 大商所铁矿石期货于2013年10月18日上市以来，铁矿石期价与现货基准价格之间的相关性很高，与黑色金属的相关性也很高，尤其是螺纹钢期货，常年相关性在 0.7 以上。图 6：I.DCEI.DCE 与其它黑色金属滚动相关系数（与其它黑色金属滚动相关系数（6 60 0daysdays）图 7：I.DCEI.DCE 与与 Platts(62%Fe,CFRPlatts(62
15、%Fe,CFR 中国北方中国北方)相关系数相关系数 数据来源：Wind 资讯&东方证券研究所 数据来源：Wind 资讯&东方证券研究所 00.10.20.30.40.50.60.70.80.9114/0114/0514/0915/0115/0515/0916/0116/0516/0917/0117/0517/0918/0118/05I-JI-JMI-RBI-ZC0.40.50.60.70.80.9113/1014/0214/0614/1015/0215/0615/1016/0216/0616/1017/0217/0617/1018/02I.DCE-I.platts 有关分析师的申明，见本报告最
16、后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。商品基本面量化研究之铁矿石 6 1.21.2、基本面因素基本面因素 大宗商品的价格和股票的价格取决因素不一样，股票价格主要取决于企业估值和盈利预期，而大宗商品价格则主要由供给和需求所决定，而库存则介于供给和需求之间，是二者博弈的结果，另外成本因素会综合影响供给和需求，因此也会影响大宗商品价格。（1）供给因素 国内铁矿石高度依赖进口，进口来源主要来自澳大利亚、巴西、南非、印度等国家。为了反映进口矿对铁矿石价格的影响，我们选择海外港口铁矿石发货量同比、铁矿石到货量北方港口合计环比、进口矿
17、库存使用天数环比这些变量。另外的供给则来自国产矿，因此我们用国内调查部分矿山铁精粉产量环比来反应国产矿的对矿价的影响。而国内废钢的供应也对铁矿石的供给造成一定的替代作用。在废钢利用崛起的年代，国内高成本矿山的市场份额将受到海外低成本矿山（国产矿对进口矿并无价格优势）和国内废钢供应的双重冲击。当铁矿石市场价格较高而替代产品如废钢价格相对较低时，铁矿石需求削弱，从而对铁矿石价格有一定压制作用，影响价格走低。因此我们采用废钢价格（唐山、上海和广州均价）与铁矿石价格之比作为废钢对铁矿石价格的影响因子。由于参数估计方法的限制以及后续研究需求，有些非平稳变量需经处理使其成为平稳序列。如果时间序列的某些统计
18、特性（比如均值和方差）随着时间变化而不改变则可以认为时间序列是平稳的，因此如果有一些时间序列有明显的向上趋势或者向下趋势则是不平稳的。时间序列的很多模型（OLS、VAR 等）都是基于时间序列平稳这个假设，因此平稳性检验或者将序列转化为平稳性序列至关重要。下图是铁矿石到货量北方港口合计的原始数据和环比数值的 ACF 和 PACF。原始数据自相关性较强，衰减也比较慢，数据经环比处理之后 ACF 和 PACF都迅速收敛到显著边界以内。图 8：原始数据原始数据 ACF ACF 和和 PACFPACF 图 9：环比数值环比数值 ACF ACF 和和 PACFPACF 数据来源：Wind 资讯&东方证券研
19、究所 数据来源：Wind 资讯&东方证券研究所 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。商品基本面量化研究之铁矿石 7 平稳性检验使用 ADF 检验（Augmented Dickey-Fuller 检验），其适用于检验变量是否满足平稳性条件。原假设是变量存在单位根（不满足平稳性条件），因此当检验的 P 值小于某个臵信度时，可以拒绝不平稳的原假设，而认为序列在某个臵信水平下是平稳的。经过环比处理后的铁矿石到货量北方港口合集指标 Test Statistic 为-6.07，绝对值明显高于 1%的Cr
20、itical Value 临界值-3.51，p-value 值也远低于 1%，因此拒绝不平稳的原假设，说明该指标的环比数据在 1%臵信水平下平稳。图 10：铁矿石到货量北方港口合计指标平稳性检验结果铁矿石到货量北方港口合计指标平稳性检验结果 数据来源：Wind 资讯&东方证券研究所 2）需求因素需求因素 铁矿石的需求直接来自中游钢铁行业的需求，因此我们选择钢铁行业相关指标作为需求因子。钢铁行业景气程度影响到铁矿石的需求，为了反映钢铁行业对铁矿石的需求综合比较下我们选择全国高炉开工率、全国盈利钢厂比例、中钢协会员企业粗钢产量季调值、沪市线螺终端采购量环比作为需求因子。而疏港量等指标由于样本长度过
21、短故不选入。其中钢厂开工率数据从 2012 年 8 月开始，之前的数据用唐山地区的高炉开工率代替。由于产业链以及下游需求通常有季节性特点，基本面因子很容易表现出较强的季节性。比如粗钢产量，有明显的季节性特征，因此需要对数据进行季节性调整。通常的方法是采用加法模型，也就是从序列中剥离趋势项和季节变化项的影响。季节调整的加法模型（基于移动平均）：Y(t)=Level+Trend+Seasonality+Noise Level:序列中的平均值。Trend:序列的增长或下降趋势。Seasonality:序列中短期循环项，也即季节性因素。Noise:序列中随机变化项。去除趋势（Trend）和季节性因素（
22、Seasonality）之后剩余的部分也就是我们需要的剩余部分Residual。粗钢产量的分解如下图所示，可以看出 Seasonality 中 4-8 月数值较大，而冬季数值较小，符合一般的粗钢生产规律。另外经过季节性处理后的数据通过平稳性检验，满足数据平稳性要求。指标Test Statisticp-valueNumbers Critical Value-1%Critical Value-5%Critical Value-10%原始值-2.0050.28589.000-3.504-2.894-2.584环比值-6.0690.00088.000-3.507-2.895-2.585 有关分析师的申
23、明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。商品基本面量化研究之铁矿石 8 图 11：粗钢产量的季节性调整粗钢产量的季节性调整 数据来源：Wind 资讯&东方证券研究所 图 12：粗钢产量原始值和季调后数值平稳性检验结果粗钢产量原始值和季调后数值平稳性检验结果 数据来源：Wind 资讯&东方证券研究所 （3）库存因素）库存因素 库存的变化也会影响铁矿石的市场价格，如地区库存量升高，贸易商愿意出货，价格会走低；地区库存量不足，贸易商囤货，将推动价格走高。库存既不属于供给因素，也不属于需求因素，而是供给和需求博弈的结
24、果，相当于蓄水池。铁矿石由生产到运输到下游对应的库存分别是港口库存、钢厂库存。库存是个比较复杂的变量，绝对水平和边际变化可能都会对价格造成影响。（4）成本因素）成本因素 铁矿石成本受一系列因素影响，如矿山开采设备价格、人工成本、开采所需水、电价格、相关税费、以及海运费用等。这些因素均会影响铁矿石到岸成本，从而对矿石市场价格造成影响。由于国内进口铁矿石主要来自澳大利亚和巴西，因此铁矿石海运费我们主要考虑这两个国家运到青岛（国内钢厂多分布于北方，故选青岛）的运价。两种铁矿石运价分别是:西澳西澳-青岛青岛(BCI-C5)日日 美美元元/吨和巴西图巴朗吨和巴西图巴朗-青岛青岛(BCI-C3)日日 美元
25、美元/吨吨。其中 BCI 是 Baltic Capesize Index 的英文缩写，是波罗的海海岬型船运价指数（也称波罗的海好望角型船运价指数）。另外国际干散货海运费价格的大幅波动对进口矿到岸价的推波助澜作用不容忽视。巴西矿到华海运费和澳洲矿到华海运费的价差在 10 美元/吨以上，进口巴西矿到岸价中超过 20%来自于海运费，海运费占比偏高。海运费如果走弱将有利于巴西和澳洲矿盈利进一步提升。基本面数据发布频率和发布时间都不太一致，因此需要对数据进行相关处理。-15-551525354513014015016017018019020010/0110/0410/0710/1011/0111/041
26、1/0711/1012/0112/0412/0712/1013/0113/0413/0713/1014/0114/0414/0714/1015/0115/0415/0715/1016/0116/0416/0716/1017/0117/0417/0717/1018/0118/04OriginalTrendSeasonality(右轴)Residual(右轴)指标Test Statisticp-valueNumbers Critical Value(1%)Critical Value(5%)CriticalValue10%Original-1.7540.40391.000-3.504-2.894-
27、2.584Residual-6.4870.00091.000-3.505-2.894-2.584 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。商品基本面量化研究之铁矿石 9 1.数据填充：数据空白时用上一期的数据填充下一期缺失数据。2.因子频率调整：高低频数据统一，有些是日频数据，有些是旬度数据，我们为了统一数据频率统一处理成月频数据。高频数据转为月频数据时以最靠近月底的数据作为该指标的月度值。3.平稳性处理：有些数据需进行环比处理，以保证数据平稳性和量纲统一。4.异常值处理：剔除异常值（中位数去极
28、值），季节性影响明显的用同比数据或者进行季调处理。经过处理后的基本面数据如下图所示，经过平稳性处理之后的数据可能对收益率解释变弱，改进参数估计方法之后我们将进一步检验原始数据的影响。图 13：预测收益率用到的基本面指标（月频）预测收益率用到的基本面指标（月频）数据来源：Wind 资讯&东方证券研究所 下表为经过数据处理后的基本面指标间的相关系数，除了少数指标相关性系数较大之外（SI 和和 Bfor相关系数为相关系数为-0.7，BCI_d 和和 BDI_d 相关系数为相关系数为 0.82），大部分基本面指标间的相关性较低。指标类型指标简称指标说明Ship _vol海外港口铁矿石发货量同比Arr_
29、vol铁矿石到货量北方港口合计环比Ud进口矿库存使用天数环比Iron_pd国内调查部分矿山铁精粉产量环比SI废钢价格与铁矿石价格比Bfor全国高炉开工率Pop全国盈利钢厂比例Cs_pd中钢协会员企业粗钢产量季调值Wsp沪市线螺终端采购量环比Iopi铁矿石港口库存合计环比（澳洲、巴西、印度、其它）Smi五大品种钢材市场库存合计环比（螺纹钢、线材、热轧、中厚板、冷轧）BCI_d西澳-青岛(BCI-C5)日 美元/吨和巴西图巴朗-青岛(BCI-C3)日 美元/吨 均价环比BDI_d波罗的海干散货指数环比供给因子需求因子库存因子成本因子 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明
30、之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。商品基本面量化研究之铁矿石 10 图 14：基本面指标基本面指标 P Pearsonearson 相关系数相关系数 数据来源：Wind 资讯&东方证券研究所 1.31.3、宏观宏观因素因素 黑色金属下游产业有房地产、汽车、交通运输、家用电器、机械制造和基础设施建设等。这种周期性行业受宏观经济或者经济周期影响较大，宏观经济的健康快速发展，对铁矿石市场具有很强的支撑和拉动作用。宏观经济指标作为一种外生变量，主要是通过影响下游产业的需求，进而影响铁矿石市场变化，换言之，宏观经济表现是铁矿石市场需求的晴雨表，对其价格变动有重要
31、影响，当宏观经济运行良好，建筑业、汽车制造业等相关行业对钢材的需求较为强劲，相应会带动铁矿石的需求，支撑其价格在高位运行。为了全面的反应宏观基本面的变化，我们综合选择了增长和景气、通胀、货币、利率和外汇等多个指标。外汇中除了美元指数指标外，我们还选取了资源国兑美元的汇率，作为主要矿产国，澳元和巴西雷亚尔兑美元贬值有利于海外矿山降低成本，扩大出口。汇率因子通过影响铁矿石生产国（澳大利亚和巴西）铁矿石的出口，因此对铁矿石的收益有影响较大。宏观数据参差不齐，发布时间不统一，因此需要经过处理后才能进一步分析。1.平稳性处理：有些数据需进行环比处理，以保证平稳性，保证量纲统一。2.异常值处理：剔除异常值
32、-中位数去极值，季节性影响明显的用同比数据或者进行季调处理。3.滞后性处理：上月数据于下月发布的进行滞后一阶处理。4.多重共线性处理：采用方差膨胀因子（VIF）方法，剔除方差膨胀系数最高的因子。常见的判断共线性的方法有条件数判别法和方差膨胀因子判别法。最直接的思路就是把共线性显著的自变量 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。商品基本面量化研究之铁矿石 11 剔除，比如利用方差膨胀因子法，每次将 VIF 最大的自变量剔除，计算剩余自变量的 VIF，直到所有自变量的 VIF 都在 10 以内，然
33、后进行回归。图 15：预测收益率用到的宏观指标（初始库）预测收益率用到的宏观指标（初始库）数据来源：Wind 资讯&东方证券研究所 上表为预测收益率用到的宏观指标初始库，由于宏观指标间可能相关性较强，因此我们需要进一步剔除相关性较高的指标来精简宏观因子库。Spearman 相关系数受分布影响较小，在数据非正态时会有更好的统计稳健性，因此这里选择用该方法计算相关系数。图 16：初始宏观指标初始宏观指标 VIFVIF 数据来源：Wind 资讯&东方证券研究所 指标类型指标指标说明滞后阶数IAV工业增加值变动同比PMI采购经理指数CILI_d宏观经济景气指数先行指数环比BDI_d波罗的海干散货指数环
34、比FA固定资产投资完成额累计同比EST房地产开发投资完成额累计同比CPI 当月同比PPI 全部工业品当月同比M1同比M2同比M2M1M2-M1BD3M中债国债到期收益率:3个月Termsd期限利差:中债国债到期收益率（10年）-中债国债到期收益率（3个月）Creditsd信用利差:中债企业债到期收益率(AAA,10年)-中债国债到期收益率(10年)UA_d美元兑澳元环比UB_d美元兑巴西雷亚尔环比UC_d美元兑人民币环比USDX_d美元指数环比0增长与景气10通胀货币利率外汇11指标IAVPMICILI_dBDI_dFAESTCPIPPIM1VIF2.5703.0601.2400.94043.
35、43030.8602.936.000inf指标M2M2M1BD3MTermsdCreditsdUA_dUB_dUC_dUSDX_dVIFinfinf5.4904.8503.4202.9302.231.3002.230 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。商品基本面量化研究之铁矿石 12 图 17：初始宏观指标初始宏观指标 S Spearmanpearman 相关系数相关系数 数据来源：Wind 资讯&东方证券研究所 在增长与景气指标中 IAV、FA 和 EST 相关性较高，因此剔除 EST，
36、剩余 FA（房地产开发投资完成额累计同比）和 IAV（工业增加值变动同比），而货币指标中剔除相关性比较高的 M1、M2，货币指标中剩下 M2M1。剔除后方差膨胀系数 VIF 没有超过 10，说明宏观指标之间的共线性基本符合要求。图 18：剔除相关性较高的宏观指标后剔除相关性较高的宏观指标后 VIFVIF 数据来源：Wind 资讯&东方证券研究所 2.59 2.67 1.14 0.94 5.11 2.73 3.62 5.34 4.27 3.00 2.94 2.26 1.32 2.16 4.00 0.001.002.003.004.005.006.00IAVPMICILI_dBDI_dFACPIP
37、PIBD3MtermsdcreditsdUA_dUB_dUC_dUSDX_dM2M1 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。商品基本面量化研究之铁矿石 13 2、基本面因子与铁矿石收益率关系探讨基本面因子与铁矿石收益率关系探讨 本节将探讨基本面因子与铁矿石收益率之间的关系，以期找到基本面因子中领先铁矿石收益率的指标，或者明确二者之间的相互影响关系。传统的线性回归假设前提是变量无内生性，因此没法解决变量内生的问题，另外也很难确定变量的滞后阶数问题（事前决定滞后阶数会导致模型设定偏误）。综合以上两
38、方面考虑我们选择向量自回归（Vector Autoregression）VAR 模型来进行研究。n 变量滞后阶数为 p 的 VAR 模型如下所示：1ptktkkYCA Y 1,11,1,1,1n,n,1,n,n,tkn ktktnkknyCAAYCAyCAALMMMOMML VAR 模型本身考虑了各种滞前滞后关系的组合，它不仅考虑了各变量自身的序列相关性，也考虑了不同变量的异期相关性，从而覆盖了各种可能的跨期相关关系。VAR 模型允许滞后相关系数在多阶上显著，这也允许我们观测复合逻辑下的变量关系，如偏短期内的与偏长期内的序列相关性可能不一致。VAR 模型的滞后阶数我们根据赤池信息准则（Akai
39、ke Information Criterion，AIC）和贝叶斯信息准则（Bayesian Information Criterion，BIC）来选择。滞后阶数越多，模型复杂度越高则 AIC 和BIC 变大，结果如下表所示。我们综合 AIC 和 BIC 两个参数并结合实际情况选择滞后阶数 p=2。图 19：根据信息准则选择模型根据信息准则选择模型 数据来源：Wind 资讯&东方证券研究所 脉冲响应函数（Impulse Response Function）反映了施加变量一个单位标准差的冲击对其他变量的动态影响，因此是一种相对短期的变量之间动态变化。为了观察不同变量对铁矿石收益率的影响，我们采用
40、如下式所示单位脉冲响应：0titiiYu TypeLag1.0002.0003.0004.0001.0002.00034.000AIC-20.153-19.643-19.807-19.850-12.719-12.646-12.338-11.927BIC-18.782-17.076-16.024-14.832-11.747-10.850-9.706-8.444供给&运费&库存因子需求&库存因子 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。商品基本面量化研究之铁矿石 14 脉冲响应图中的渐进性代表 95
41、%显著水平下的标准误差，计算时正交化参数设定为 False，因此得到的结果与变量先后顺序没有关系。图 20：VARVAR 模型得到供给模型得到供给&运费运费&库存因子间关系库存因子间关系(回归系数及显著水平回归系数及显著水平)注：回归系数后的*、*、*分别代表回归系数在 10%、5%和 1%的臵信度下显著不等于 0，其它则为不显著的结果。数据来源：Wind 资讯&东方证券研究所 图 21：VARVAR 模型得到需求模型得到需求&库存因子间关系库存因子间关系(回归系数及显著水平回归系数及显著水平)数据来源：Wind 资讯&东方证券研究所 Iron_retShip_volArr_volUdIron
42、_pdSISmiIopiBCI_dBDI_dL1.Iron_ret-0.0680.547*0.0720.2550.326*0.735-0.0780.0060.4830.681L1.Ship_vol-0.207*0.384*0.065-0.0240.0520.9880.054-0.019-0.078-0.302L1.Arr_vol0.0190.005-0.0050.021-0.024-1.038-0.0160.0000.1080.304*L1.Ud0.039-0.175-0.207-0.276*-0.024-1.7850.646*0.069-0.396-0.587*L1.Iron_pd0.118
43、-0.517*-0.045-0.426*-0.116-2.902-0.0640.138*1.0451.087*L1.SI-0.0050.011-0.010-0.0010.0040.923*0.0030.0020.0060.004L1.Smi-0.076-0.340*0.340*-0.075-0.1220.098-0.1580.3700.083*0.2490.245L1.Iopi0.3310.286-0.019-0.373-0.0820.499-0.0770.382*0.5160.907L1.BCI_d-0.0420.1670.275-0.255*-0.0795.138*-0.2380.029-
44、0.1660.421L1.BDI_d0.043-0.334*-0.1970.196*0.089-3.2730.008-0.015-0.244-0.620*L2.Iron_ret-0.014-0.011-0.1870.207-0.0561.6270.348*-0.096*0.3600.601*L2.Ship_vol-0.081-0.0610.2890.000-0.1040.548-0.040-0.021-0.212-0.094L2.Arr_vol-0.0040.121-0.026-0.089-0.0530.379-0.0140.051*0.0610.070L2.Ud0.0690.025-0.26
45、0-0.198-0.086-0.2650.1650.043-0.407-0.396L2.Iron_pd-0.569*0.115-0.157-0.231-0.0673.4940.0410.0320.082-0.222L2.SI0.009-0.016-0.0110.003-0.0070.004-0.003-0.004-0.006-0.005L2.Smi-0.1050.331*-0.020-0.0760.168*2.987-0.278*-0.038-0.092-0.041L2.Iopi-0.164-0.689-0.1920.2680.062-1.4320.3120.043-0.399-1.744*L
46、2.BCI_d-0.023-0.083-0.103-0.1850.0823.949-0.2470.124*0.1020.435L2.BDI_d0.0350.0860.2240.1750.029-2.0510.017-0.064-0.099-0.389VAR模型解释变量滞后一阶解释变量滞后二阶被解释变量Iron_retBforPopCs_pdWspIopiSmiL1.Iron_ret0.1740.0230.2905.894-1.309-0.0090.125L1.Bfor-0.2571.136*-0.61837.6804.5010.0380.512L1.Pop-0.0360.0261.012*0.
47、8861.532-0.058-0.107L1.Cs_pd0.001-0.001*-0.0050.0680.082*0-0.005L1.Wsp0.0150.005*0.0140.029-0.482*-0.007-0.016L1.Iopi0.1180.0220.10517.059-2.7820.352*0.102L1.Smi-0.104-0.002-0.060-6.087*6.047*-0.0180.325*L2.Iron_ret-0.1950.009-0.442*6.785-4.085*0.020.450*L2.Bfor0.127-0.1320.415-31.919-5.381-0.103-0.
48、653L2.Pop0.055-0.014-0.1884.773-2.375*0.0290.086L2.Cs_pd-0.008*-0.001-0.003-0.059-0.0040.004*0.010*L2.Wsp-0.017*0.001-0.028*0.263-0.121-0.004-0.001L2.Iopi-0.2520.0090.450-20.809*-4.2840.1790.183L2.Smi-0.100-0.0150.021-0.4735.169*0.036-0.291VAR模型被解释变量解释变量滞后一阶解释变量滞后二阶 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之
49、后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。商品基本面量化研究之铁矿石 15 观察系数及显著性矩阵和脉冲响应图，我们可以得出以下几个结论：1.与铁矿石收益率（Iron_ret）显著相关的变量较少，分别是滞后二阶滞后二阶的需求因子中钢协会员企业粗钢产量季调值（Cs_pd）和沪市线螺终端采购量环比（Wsp），且二者与 Iron_ret 显著负相关。供给因子中的滞后一阶滞后一阶的海外港口铁矿石发货量同比（Ship _vol）和滞后二阶滞后二阶的国内调查部分矿山铁精粉产量环比（Iron_pd）也与 Iron_ret 显著负相关。2.多数变量有显著自相关性现象（Bfor、P
50、op、Wsp、Iopi、Smi、Ship_vol、Ud、BDI_d），在滞后一阶的时候尤其明显，不过有些变量经平稳性处理之后回归系数不再接近 1，且在臵信度 1%下显著。3.不同变量间存在异期相关性，有的滞后相关系数在多阶上显著。例如 Ship_vol 与 L1.Smi 存在显著负相关关系（5%臵信度），而与 L2.Smi 则存在显著正相关关系（5%臵信度）。这种异期相关性关系在脉冲响应图里更加明显。4.某些变量间存在复杂变量关系。例如：Iron_ret 与 L1.Ship_vol 显著负相关（10%臵信度），Ship_vol 与 L1.Iron_ret 显著正相关（5%臵信度），Ship_v