煤炭行业资源禀赋与运输特征 [page::3]

• 我国煤炭资源主要集中在西北地区（山西、陕西、内蒙古、新疆约占73.1%），消费集中于东部，形成“北煤南运、西煤东调”的运输格局。

- 产地产量、港口库存、需求端库存指标间存在传导时差，价格变化对库存的影响具先后顺序。

煤炭分类与下游行业结构 [page::4]

• 动力煤占煤炭消费80%以上，电力行业动煤消费占比约60.5%，建材及化工分别约9.4%和5.6%，为核心下游需求。

煤炭相对全A指数领先动力煤现货价格约5日，反映行业超额收益 [page::4][page::5]

• 煤炭相对全A指数对动力煤价格具领先信号作用，可作为景气度预测目标。

先行指标传导时间与分化效果的时差匹配工具 [page::5][page::6][page::7]

• 利用时差匹配工具优化传导时间，使指标状态对煤炭相对全A指数的分化最大化以确定领先指标。

- 选取了运输（CBCFI指数、铁路煤炭发运量）、库存（六大发电集团、电厂库存、北方四港库存）及下游（电力、钢铁、建材、化工）多个优选指标。

煤炭景气度研究框架与库存周期分类 [page::9][page::10][page::11][page::12]

• 库存周期由产地产量、港口库存与需求端库存的不同状态组合定义，包括主动补库、被动补库、主动去库、被动去库4个阶段，状态对应煤炭相对全A指数的不同走势。

运输价格与下游需求对景气度的影响 [page::13][page::14][page::15]

• CBCFI综合指数海运价格对景气度负相关明显，3天传导时间效果最佳。

- 电力、建材、钢铁、化工等行业的多项指标被纳入下游需求，具有较强的景气度预测能力。

煤炭景气度投资策略设计与回测表现 [page::16][page::17][page::18]

• 基于库存周期指针、运输价格和下游需求联合判断设置三种目标权重组合，对应不同景气度状态。

- 回测区间2016/5/3-2022/8/29，策略Sharpe比率0.6709，最大回撤24.07%，年化收益23.24%，较中证煤炭指数表现显著优异。

煤炭相关ETF标的及成分分析 [page::18][page::19]

• 以最小生成树法聚类行业ETF指数，中证煤炭与上证资源、中证800能源、全指能源等相关性较高。

- 煤炭ETF成分股在煤炭行业占比超90%，能源ETF及能源ETF基金中煤炭占比40%-50%，资源ETF约20%。

结论与风险提示 [page::20]

• 策略基于煤炭行业供需关系与库存周期动态，量化景气度指标有效指导煤炭类ETF配置。

- 风险提示包含历史数据局限、模型误差及市场流动性、风格影响等因素，策略回测结果不代表未来表现。

金工专题基本面量化及策略系列报告（一）：煤炭行业——详尽解析

---

1. 元数据与概览

• 报告标题：金工专题基本面量化及策略系列报告（一）：煤炭行业

- 作者：刘飞彤，执业证书编号：S0530522070001

• 发布机构：财信证券

- 发布日期：2022年9月5日

• 报告主题：基于煤炭行业供需关系与景气度的量化分析，构建煤炭景气度投资策略，结合煤炭行业特性和上下游产业链，分析关键先行指标，制定相应ETF投资权重策略。

核心论点总结：

报告聚焦煤炭行业的供需关系，细致研究产地产量、港口库存、发电厂库存这三大库存指标的组合对煤炭景气度的指示作用；结合运输价格（如CBCFI综合指数）与下游需求（电力、建材、钢铁、化工等行业指标）的变化，形成多维度的景气度判断框架；基于此构建量化投资策略，实证回测显示该策略在2016年至2022年间年化收益达23.24%，回撤显著低于中证煤炭指数，具有较强的超额收益能力和风险控制效果，适用于煤炭及相关资源、能源类ETF投资决策参考。
风险提示中明确模型依赖历史数据，未来表现有不确定性，且ETF行情受市场多因素影响，模型无法完全捕捉。[page::0]

---

2. 逐节深度解读

2.1 我国煤炭资源禀赋特点（第3页）

• 关键论点：

- 煤炭资源“西多东少，北多南少”分布，全国煤炭储量以山西(31.3%)、陕西(18.1%)、内蒙古(12%)、新疆(11.7%)四省份居首，合计73.1%。
- 经济发达地区电力需求大，储量少，形成明显的产需地分离，导致煤炭运输呈“北煤南运，西煤东调”。
- 煤炭供应链受地理与运输限制，数据如产地产量、港口与电厂库存之间存在明显的时间传导关系，为景气度预测留出时差窗口。
- 产能扩张有限，煤炭价格受供需影响主导，研究核心为供需关系，结合库存周期、运输价格、下游需求推断行业景气度。

• 数据解读：

- 表1中储量数据详细列明主要省份资源优势，为产业链及运输行情提供基础支撑。
- 运输路径和时间传导延迟为后续时差匹配模型奠定逻辑基础。

以上观点说明景气度分析不能单纯靠单一指标，应税结合多维度供应端与需求端数据。[page::3]

2.2 煤炭分类及下游行业（第4页）

• 关键点：

- 煤炭主要分为动力煤（占80%以上）、焦煤（约10%）及无烟煤等。
- 动力煤下游主要是电力行业（年均占比60.5%）、建材（9.4%）、化工（5.6%）。
- 图1示意架构清晰，煤炭各分类及其主要消费行业分布突显了电力行业对煤炭消费的主导地位。

• 这一结构说明电力行业的变动对煤炭景气度影响最为关键，后续指标选择和策略偏重点应综合考虑电力行业变量。[page::4]

2.3 煤炭股价与现货价格关系（第4-5页）

• 关键点：

- 建立“煤炭相对全A指数”——中证煤炭指数扣除万得全A指数日涨跌幅，过滤市场整体影响，更突出煤炭行业的超额收益与β。
- 发现动力煤现货价格对该相对指数有约5日的领先性。
- 图2显示动力煤价格（曲线）与煤炭相对收益（曲线）走势高度相关，且滞后5日。
- 图3展现基于价格状态分离（上涨或下跌），相对指数在两个不同状态中走势显著分化。

• 推断：

- 煤炭行业投资机会可通过该指数表现提前洞察，动力煤价格领先性为其他指标时差匹配提供金融逻辑基础。
- 报告以该相对指数作为后续景气度建模的目标变量。[page::4,5]

2.4 煤炭景气度先行指标与时差匹配工具（第5-7页）

• 时差匹配工具核心：

- 针对指标与景气度的关系，找出指标状态（上升/下降）与未来煤炭相对收益指数分化程度最大的时间长度（传导时间）。
- 图4、图5为时差匹配结果典型案例，显示不同传导时间下指标对目标的分化能力明显差异。

• 指标精选及时差分布（表2、表3）：

- 固定投资（煤炭采掘工业增加值：28天时差）、运输指标（CBCFI运价指数3天，铁路煤炭发运量41天）、库存指标（六大发电集团存量35天，北方四港库存38天）。
- 下游需求行业指标覆盖电力、钢铁、化工、建材等，时差分布从3天至76天不等。
- 传导时间均为正数，意味着指标领先于景气度变化，具备有效预测价值。

• 解读：

- 精选指标反映了煤炭从产地到市场再到下游需求链的全流程重要信号。
- 利用传导时间可为测算景气度提供时间窗，避免因数据滞后导致误判。[page::5-7]

2.5 煤炭景气度研究框架（第8-14页）

• 整体框架（图6）：

- 以库存周期（产地产量、港口库存、电厂库存）、运输价格、下游需求变动作为主要因素，综合解释煤炭行业景气波动。

• 库存周期细分（第9-13页）：

- 库存分四个阶段：主动补库、被动补库、主动去库、被动去库。
- 三库存指标作为“库存周期指针”，联合判断煤炭库存周期的阶段（表4-6）。
- 图7-10展示8种库存组合状态与3个合并组合状态下，煤炭相对全A指数的走势，明确“库存合并组合2”对应景气度上升态势，“库存合并组合3”对应下降态势。

• 运输价格（CBCFI）：

- 运输价格变化直接反映供需紧张度，3天传导时间（图11）表现出运输指数状态与景气度正相关，低运价提示景气可能下降。

• 下游需求：

- 电力行业为最大动力煤消费，达到60%以上，建材、化工次之。
- 图12显示动力煤分行业消费结构长期稳定，构成景气度下游需求的重要基础。
- 表7列示下游行业指标，具有良好预测能力，被纳入景气度计算。

• 总结：

- 本研究将景气度视为产供销链条的综合体现，库存制度化周期与运输价格、需求端指标叠加，形成多角度、长短期结合的研究框架。[page::8-14]

2.6 煤炭景气度投资策略（第15-17页）

• 策略构建：

- 基于库存周期阶段判定景气度变化趋势（主动去库后半段及被动去库呈景气向上），运输价格及下游需求分别提供辅助判别信号。
- 以库存组合状态、运输指数、下游需求三个维度正负面影响叠加，构建ETF权重策略。
- 权重分配图（图13）展示了各状态及组合对应的目标投资权重设置，重点配置权重于景气度明确正向影响的状态上。

• 策略效果：

- 权重组合1（景气度乐观）对应煤炭相对全A指数持续上涨（图14）。
- 权重组合2及3对应景气度持平和下降，权重相应降低为0。
- 实际操作中，策略对组合2权重可适度调整，体现灵活性。

• 解读：

- 策略紧密结合理论库存周期和行业信号，体现了由定性判断向量化策略的转化，注重风险控制和收益提升双重目标。[page::15-17]

2.7 策略回测（第17-18页）

• 回测区间：2016年5月3日至2022年8月29日。
• 评价指标：

| 指标 | 中证煤炭指数 | 煤炭景气度投资策略 |
| -------------- | ------------ | ------------------ |
| Sharpe比率 | 0.4912 | 0.6709 |
| 最大回撤 | 50.54% | 24.07% |
| 年化收益 | 10.14% | 23.24% |
| 总复合回报 | 59.04% | 127.80% |

• 图示（图15）：

- 策略曲线表现出明显的超额收益和显著更低的回撤风险。

• 说明：

- 策略在历史行情下实现了年化收益翻倍，同时最大回撤减少约一半，表明量化模型严谨且有效，风险调整后表现优异。[page::17-18]

2.8 煤炭相关ETF标的及指数关联分析（第18-19页）

• 最小生成树模型应用：

- 利用行业主题ETF追踪指数的相关系数构建最小生成树，实现指数聚类。
- 发现中证煤炭指数与上证资源、中证800能源等指数相关度较高，形成能源资源板块核心联盟。

• ETF成分分析（图18、表9）：

- 煤炭ETF中煤炭成分占比超过90%，能源ETF及其基金中煤炭占比约40-50%，资源ETF中煤炭比约20%。
- 说明煤炭景气度策略适用范围广，不仅限于煤炭ETF，也对能源及资源类更广泛ETF具有参考价值。

• 意义：

- 该分析有助投资者理解不同ETF的行业暴露，合理选择配置，提升风险管理和收益稳定性。[page::18-19]

2.9 结语与风险提示（第20页）

• 结语：

- 报告总结以供需关系为核心，融合库存周期、运输价格及下游需求，构建煤炭景气度量化模型并制定投资策略。
- 策略有效性通过历史回测验证，适用于煤炭及相关资源能源类ETF投资。

• 风险提示：

- 历史数据的局限性，模型误差，市场风格和流动性影响。
- 回测结果不代表未来实际表现，投资者应谨慎对待。

• 评级系统说明及免责声明：

- 附带评级标准及声明，确保合规性和透明度。[page::20-21]

---

3. 重要图表深度解读

图1：煤炭分类及下游行业（第4页）

• 描述：展现煤炭的主要分类及其消费行业结构。动力煤、焦煤及无烟煤分类清晰，动力煤占比超80%，电力行业消费占比最大(60%)，图中色块明确标注下游分布。
• 解读：图表强调了动力煤和电力行业之间的密切联系，体现了煤炭价格波动对电力行业的直接影响，为下游指标选择提供直观依据。[page::4]

图2：煤炭相对全A指数与动力煤现货价格走势（第4页）

• 描述：蓝线为煤炭相对全A指数，红线为动力煤现货价格（5500K）。图示从2008年到2021年底走势。
• 解读：两者走势高度相关，动力煤价格领先煤炭相对指数约5天。价格大跌时指数跟随下跌，价格企稳指数亦反弹。图示验证了煤炭股价受现货价格驱动的本质。
• 意义：为论文后续使用动力煤价格作为预测煤炭行业景气度的重要变量奠定了实证基础。[page::4]

图3：不同动力煤价格状态下煤炭相对指数走势（第5页）

• 描述：橙色线为动力煤处于上升状态时相对全A指数走势，蓝线为下降状态时相对全A指数。
• 解读：两条曲线分化明显，处于上升状态时相对指数呈上涨趋势，处于下跌状态时指数明显下滑，验证动力煤价格状态对煤炭行业投资收益的强预测。
• 价值：用于后续景气度模型的状态分离与投资信号划分提供量化思路。[page::5]

图4 & 图5：时差匹配示例（第6页）

• 描述：图4为时差匹配效果好示例，状态分化明显；图5为效果差示例，状态分化不明显。
• 解读：直观说明了传导时间选择对指标预测能力的重要性，合理时差提升指数分化，增强策略信号质量。
• 启示：证实时差匹配工具在提高指标预测准确性的有效性。[page::6]

图6：煤炭行业景气度研究框架（第9页）

• 描述：以库存周期（产地产量、电厂库存、港口库存）、运输价格和下游需求为核心构成景气度追踪系统。
• 解读：结构清晰反映景气度多因子构成逻辑，库存组合为景气度提供周期性节奏，运输价格反映紧张度，下游需求影响持续性。
• 贡献：定义科学的景气度核心刻画，帮助投资者理解行业周期动态。[page::9]

图7-10：库存组合状态与煤炭相对全A指数走势（第11-13页）

• 描述：图7展示8种库存组合与相对指数点图，图8将8组合分别状态分离，图9、10将库存组合归并成3合并组合对应相对指数走势。
• 解读：

- 库存合并组合2（主动去库末期、被动去库）对应指数明显上行，反映景气回升。
- 合并组合3对应明显下行，景气下降。
- 结合库存周期理论，实现景气度状态划分并用数据验证。

• 价值：为策略时点的判定提供定量标准基础。[page::11-13]

图11：CBCFI综合指数不同状态下的煤炭相对全A指数走势（第14页）

• 描述：CBCFI指数状态1（上涨）、状态0（下跌）对应未来3天后煤炭相对全A指数的走势。
• 解读：状态分化明显，状态1对应景气度上升，状态0对应下降，反映运输价格对行业景气具有显著预测作用。
• 启示：交通运输价格可作为快速动态的领先指标。[page::14]

图12：动力煤累计消费量占比（第14页）

• 描述：2016-2021年电力行业约占60%，建材9.4%，化工5.6%的动力煤消费比重柱状图。
• 解读：长期稳定的消费结构印证了电力行业对煤炭需求的决定性影响，合理指导下游指标选择。
• 意义：为下游需求指标权重分配提供依据。[page::14]

图13：煤炭景气度投资策略框架图（第16页）

• 描述：库存周期、运输价格、下游需求三个指标正负影响叠加形成策略权重决策树。
• 解读：策略结合多重信号，权重灵活调整，体现策略逻辑严密、操作简便。
• 价值：图形化展示使策略逻辑易于理解和复制。[page::16]

图14：权重分配组合下煤炭相对全A指数走势（第17页）

• 描述：权重组合1（100%）对应指数稳步上涨，组合3对应明显下降，组合2波动不明。
• 解读：策略在实际分配时主要关注组合1，提高投资回报预期。
• 评估：模型清楚区分不同景气态势，提升操作效率。[page::17]

表8 & 图15：回测结果（第17-18页）

• 表8明显示策略相较中证煤炭指数在Sharpe比、最大回撤、年化收益均明显优异。

- 图15回测收益曲线直观表现策略效果优越。

图16-19 & 表9：ETF指标链路与分析（第18-19页）

• 描述：基于最小生成树方法描绘行业ETF指数关系，确定煤炭ETF及资源、能源ETF的相关关系及成分股权重分布。
• 分析：煤炭ETF权重高达90%，能源ETF占40-50%，资源ETF约20%，策略适用范围广泛。

---

4. 估值分析

报告未呈现传统DCF或市盈率等具体估值模型，而是通过量化指标的景气度建模间接影响价格表现及ETF权益分配，属于基于行业景气的量化策略估值框架。

关键输入包括：

• 产地产量、港口库存、电厂库存（及其组合状态）

- 运输价格（CBCFI）

• 下游需求指标（多行业月度及同比数据）

策略通过时差匹配确定各指标最佳传导时间，权重汇总形成ETF投资比重推荐，间接体现行业价值偏离。

---

5. 风险因素评估

报告明确指出以下风险：

• 历史数据局限：统计数据代表过去市场状况，未来可能不同。

- 模型误差：依赖历史规律和指标，模型本身存在误差，难以完全捕捉市场突发变化。

• 回测不代表未来：策略回测表现不保证未来，同类市场环境变动可能导致策略失效。

- ETF行情多因素影响：市场风格、流动性、宏观政策等影响ETF表现，模型未跟踪所有非基本面因素。

报告尽管没有详述缓解策略，但提醒投资者应谨慎使用结果，将策略作为参考工具之一。[page::0,20]

---

6. 审慎视角与细微差别

• 报告围绕煤炭行业的基本面和供需关系构建模型，逻辑严密，指标选取全面，但对宏观政策、国际环境（如全球能源政策、国外煤炭价格波动）影响未深入展开，可能掩盖外部风险。

- 运输价格、库存指标具有时滞，短期突变可能出现模型反应滞后。

• 下游需求指标繁多，如何在实际交易中权衡多个指标的冲突信号，报告未详细说明具体权重调节策略。

- 报告强调策略回测表现优异，但相关交易成本、税费和实际操作难度未讨论，可能影响实际收益。

• 报告主要面向ETF，未覆盖个股层面差异，多数ETF内个股权重分布与策略假设相符，但个股公司基本面风险差异大。

这些均为理解和应用时需要斟酌的潜在限制和注意点。[page::0,20]

---

7. 结论性综合

本报告以中国煤炭行业“西多东少”、“北煤南运”的资源禀赋为起点，构建了以库存周期（产地产量、电厂库存、港口库存）为核心，辅以运输价格（CBCFI综合指数）及下游需求（电力、建材、钢铁、化工行业指标）多维因素的煤炭景气度分析框架。

通过时差匹配工具优化确定各影响指标的合理传导时间，实现指标状态对煤炭相对全A指数的最大分化，增强预测能力。库存周期被划分为主动补库、被动补库、主动去库、被动去库四大阶段，结合运输和下游需求信号形成投资信号，指导煤炭ETF的目标权重调整。

策略内置严格的权重分配体系，重点关注库存处于“去库”阶段且运输价格上升、下游需求活跃等正向指标叠加的景气上升期，操作结果显示策略在2016-2022年区间内，年化回报达23.24%，峰值回撤24.07%，表现明显优于中证煤炭指数，且风险收益比（Sharpe比率）更高，体现了策略的稳定性和有效性。

ETF相关指数的分析及其成分股构成进一步肯定了该策略的应用广度，不仅适用于煤炭ETF，也为能源、资源领域ETF投资提供指导建议。

图表关键洞见包括：

• 图2-3确认煤炭现货价格对股价走势的领先影响；

- 图6详细描绘景气度核心框架；

• 图7-10通过多库存组合映射景气周期；

- 图11运输价格态势明确显示景气度正负影响；

• 图12、表7展现下游结构稳定且重要性突出；

- 图14-15与表8实证策略显著提高收益并减少风险；

• 图16-19和表9揭示ETF指数间的紧密关系及成分配置。

综合来看，报告立场客观，依托数据和模型支持明确推荐基于供需动态的煤炭ETF投资策略，适合作为行业景气度判定及量化资产配置辅助工具。

---

总体评价

此份报告在数据完整性、指标体系构建、逻辑推理严谨性以及策略实证层面具备较高专业水准。报告充分结合煤炭资源特色与产业链联动，精准抓取行业景气动态。尤其时差匹配工具的引入，有效解决信息传递时效问题，增强模型实用性。

不过，作为基于历史数据的量化模型，其对政策、环境及框架外事件响应有限，投资者需结合宏观经济和政策动态综合判断。该策略更适合长期观点，短期操作需警惕市场波动及突发风险。

最终，报告为煤炭行业的量化投资和ETF配置提供了坚实的理论与实务基础和可操作策略，具备很强的行业应用价值。[page::0-21]

---

参考文献与数据来源

报告中所有数据均来源于财信证券、wind及ifind等权威数据库，图表中数据提取截止至2022年8月底，保证了数据的时效性与准确性。[page::0-21]

---

此详尽分析涵盖报告所有主要论点、假设、数据引用及图表解析，呈现了一份完整、系统的煤炭行业量化策略理解与应用指导。

报告