本仪表盘展示海南橡胶初加工毛利率的完整研究过程，分为两个逻辑相连的研究部分。
研究期货与原料现货涨跌幅的非对称变换
基于研究1的 dS 支撑，测算牛市/非牛市毛利率
| 起始日 | 终止日 | 自然日 | F% | R% | G (pp) | dS (元/吨) | 起点价差 | 终点价差 | 趋势 | 幅度 |
|---|
| 起始日 | 结束日 | F% | R% | G (pp) | A | 幅度档 |
|---|
| 宏观窗口 | macro F% | macro R% | macro G | Σmicro G | ratio_G |
|---|
基于30-37天库存周期窗口数据，分析期货涨幅 3-5%、5-7%、≈10% 三种温和上涨场景下的期现价差利润
原料按干胶折算 · 每周期采购量 23万吨 · 数据区间 2020-06 ~ 2026-09
G = R − F，涨时 G 为负意味着原料涨幅始终低于期货涨幅。
三个场景的 G 中位分别为 -3.81pp、-3.66pp、-4.58pp， 说明原料价格对期货上涨的传导存在系统性滞后。
这种滞后正是期现价差利润的来源：期货涨了，但原料还没跟上，加工环节赚取了价差扩大带来的利润。
从3-5%到15%，dS中位从 +543 飙升至 +1,442 元/吨， 增幅 +165%，总利润从 1.25亿 → 3.32亿。
但超过15%后利润回落：20%涨幅时dS降至 +1,051， 正利润占比从85%骤降至 55.6%。
原因：15%时G达 -9.67pp（原料严重滞后），但20%时原料开始追赶（G缩至-6.93pp），且上涨趋势窗口dS中位为负（-947），利润被侵蚀。
三个场景的正利润占比分别为 80.2%、80.2%、90.1%。
这意味着在温和上涨环境下，约8-9成的库存周期都能实现正的价差利润，盈利概率非常高。
≈10%场景的正利润占比最高（90.1%），因为涨幅足够大时，原料滞后的确定性更强。
1. 样本量差异：3-5%有121个窗口，5-7%有81个，≈10%有91个。样本越多结论越可靠。
2. 趋势分类：数据以"震荡(range)"趋势为主（89%），上涨趋势窗口仅65个且F≥7.26%。3-5%区间无上涨趋势样本。
3. 极端值：P25-P75区间较宽，说明单个周期利润波动较大，中位数代表"典型"情况。
4. 停割季影响：1-3月无原料报价，端点取价可能滞后，影响dS计算准确性。
库存周期窗口样本.csv| 指标 | 3-5% | 5-7% | ≈10% | 15% | 20% |
|---|---|---|---|---|---|
| 样本数 (n) | 121 | 81 | 91 | 47 | 18 |
| F 中位 (%) | +4.20 | +6.04 | +9.87 | +15.75 | +18.91 |
| R 中位 (%) | +0.20 | +2.15 | +4.88 | +4.83 | +12.06 |
| G 中位 (pp) | -3.81 | -3.66 | -4.58 | -9.67 | -6.93 |
| dS 中位 (元/吨) | +543 | +604 | +748 | +1,442 | +1,051 |
| dS 均值 (元/吨) | +510 | +477 | +712 | +1,187 | +511 |
| P25 (元/吨) | +103 | +168 | +334 | +587 | -986 |
| P75 (元/吨) | +886 | +808 | +1,166 | +2,119 | +1,499 |
| 正利润占比 | 80.2% | 80.2% | 90.1% | 85.1% | 55.6% |
| 23万吨总利润 (万元) | 12,496 | 13,890 | 17,199 | 33,173 | 24,179 |
| 23万吨总利润 (亿元) | 1.25 | 1.39 | 1.72 | 3.32 | 2.42 |
期货下跌时，原料跌幅通常小于期货（G为正），价差收窄甚至倒挂，利润为负。 数据中最小跌幅为 -11.98%，无15%和20%跌幅样本。
| 涨幅 | 涨dS(元/吨) | 跌dS(元/吨) | 涨跌差(元/吨) | 涨利润(亿) | 跌利润(亿) | 差(亿) |
|---|---|---|---|---|---|---|
| 3-5% | +543 | -83 | +626 | 1.25 | -0.19 | +1.44 |
| 5-7% | +604 | -412 | +1,016 | 1.39 | -0.95 | +2.34 |
| ≈10% | +748 | -858 | +1,606 | 1.72 | -1.97 | +3.69 |
| 15% | +1,442 | — | — | 3.32 | — | — |
| 20% | +1,051 | — | — | 2.42 | — | — |
基于修正后参数和周期毛利率公式，分析牛市与非牛市环境下初加工业务的毛利率变化。
修正后参数：基差800元/吨 + 采购溢价500元/吨 + 加工成本1200元/吨
核心公式：周期毛利率 = 周期总利润 / 平均售价（dS不用于计算，仅用于解释差异）
研究背景：过往数据中期货价格从未站稳2万点以上（最高19,645元/吨），无法直接分析牛市毛利率。因此需要基于历史研究结论进行理论推导。
推导逻辑：
1️⃣ 从995个历史窗口中，提取不同涨跌幅下原料(R)与期货(F)的传导规律（G=R%-F%）
2️⃣ 假设牛市起点：F₀=20,000元/吨，R₀=15.88元/kg（基于历史比例推导）
3️⃣ 应用传导规律，推算各场景下的F₁和R₁
4️⃣ 用周期毛利率公式计算各场景的毛利率
5️⃣ 用相同公式回归测试非牛市实际数据，验证方法合理性
Step 1：确定输入参数
• 牛市起点：F₀ = 20,000元/吨，R₀ = 15.88元/kg
• 历史传导规律（C场景）：F涨幅中位=+9.87%，R涨幅中位=+4.88%，G=-4.58pp
• 修正参数：基差=800，采购溢价=500，加工成本=1,200元/吨
Step 2：推算期末价格
• F₁ = F₀ × (1+F涨幅) = 20,000 × 1.0987 = 21,974元/吨
• R涨幅 = F涨幅 + G = 9.87% + (-4.58%) = 5.29%
• R₁ = R₀ × (1+R涨幅) = 15.88 × 1.0529 = 16.72元/kg
Step 3：计算周期平均成本
• R_avg = (R₀+R₁)/2 = (15.88+16.72)/2 = 16.30元/kg
• 平均售价 = (F₀+F₁)/2 - 基差 = (20,000+21,974)/2 - 800 = 20,187元/吨
Step 4：计算周期总利润
• 周期总利润 = (F₁-基差) - (R_avg×1000+溢价) - 加工成本
= (21,974-800) - (16.30×1000+500) - 1,200
= 21,174 - 16,800 - 1,200 = 3,174元/吨
Step 5：计算周期毛利率
• 周期毛利率 = 周期总利润 / 平均售价 = 3,174 / 20,187 = 15.72%
• 23.85万吨总利润 = 3,174 × 238,500 = 7.57亿元
关键洞察：为什么C场景毛利率(15.72%)高于A场景(12.39%)？因为涨幅越大，原料滞后越明显（G越负），期现价差红利越大。
实际报告毛利率(~2%)不是"上限"，而是"平均情况"或"较差情况"的反映。
非牛市回归测试：下跌场景毛利率 -1.27% ~ 1.19% 与实际报告值(~2%)高度吻合
非牛市上涨场景：毛利率 6.49% ~ 12.00% 显著高于实际报告值，说明有额外盈利潜力
投资启示：不要用实际报告毛利率低估盈利潜力，通过优化运营有提升至6-12%的空间。
基于期现非对称研究结论，理论推导牛市中初加工的周期毛利率（包含上涨+下跌场景）：
核心发现：牛市中初加工毛利率完整区间为0.72% ~ 21.11%（波动20.39个百分点）。最终下限0.72%对应8-10%大幅下跌场景，原料明显抗跌，接近盈亏平衡。实际报告值(~2%)与非牛市下跌场景最接近，反映"平均/较差情况"，不是上限。非牛市上涨场景可达6-12%，有额外盈利潜力。D场景（12-18%涨幅）是利润效率最优区间，牛市周期毛利率达20.60%。
核心公式（R_avg均价成本法）：
R_avg = (R₀ + R₁) / 2
周期总利润 = (F₁-800) - (R_avg×1000+500) - 1200
周期毛利率 = 周期总利润 / ((F₀+F₁)/2 - 800)
关键点：dS不用于计算周期毛利率，仅用于解释差异来源
测试方法：用相同公式测试非牛市实际数据（995个窗口，F₀<2万）
测试结果：
• 非牛市毛利率：-1.27% ~ 12.00%
• 非牛市下跌场景与实际报告值(~2%)高度吻合
• 非牛市 < 牛市（符合经济逻辑）
结论：✅ 计算方法验证成功
1. 实际报告毛利率(~2%)的真相：
不是"上限"，而是"平均情况"或"较差情况"的反映。非牛市下跌场景(-1.27%~1.19%)与实际报告值高度吻合。
2. 上涨场景有显著额外盈利潜力：
非牛市上涨场景毛利率6.49%~12.00%，显著高于实际报告值(~2%)，说明有+4~10pp的盈利潜力未被充分捕捉。
3. 牛市潜力更大，但风险也更高：
牛市理论区间0.72%~21.11%（波动20.39pp），非牛市-1.27%~12.00%（波动13.27pp）。牛市上限更高，但下限也更低。
4. 投资启示：
不要用实际报告毛利率低估潜力；关注库存周期涨跌方向；通过优化运营和期现套利，有潜力将毛利率提升至6-12%。
基于相同的周期毛利率计算公式，对比牛市理论推导（F₀≥2万）与非牛市回归测试（实际数据）的结果， 揭示实际报告毛利率(~2%)的真实含义
使用相同的周期毛利率公式，对比牛市理论推导与非牛市回归测试的结果
| 场景 | 涨跌幅 | 牛市毛利率 | 非牛市毛利率 | 差异 | 牛市利润(亿) |
|---|---|---|---|---|---|
| E · ≥18%上涨 | +18.91% | 21.11% | 7.95% | -13.16pp | 10.62 |
| D · 12-18%上涨 | +15.75% | 20.60% | 12.00% | -8.60pp | 10.21 |
| C · 8-12%上涨 | +9.87% | 15.72% | 10.13% | -5.59pp | 7.57 |
| B · 5-7%上涨 | +6.04% | 13.32% | 6.66% | -6.66pp | 6.30 |
| A · 3-5%上涨 | +4.20% | 12.39% | 6.49% | -5.90pp | 5.80 |
| F · 3-5%下跌 | -3.92% | 6.31% | 1.19% | -5.12pp | 2.83 |
| G · 5-7%下跌 | -6.02% | 4.07% | -1.27% | -5.34pp | 1.80 |
| H · 8-10%下跌 ⭐下限 | -9.08% | 0.72% | 0.13% | -0.59pp | 0.31 |
琥珀色 = 牛市理论推导值 ｜ 青色 = 非牛市回归测试值 ｜ 绿色虚线 = 实际报告值(~2%)
非牛市下跌场景毛利率(-1.27%~1.19%)与实际报告值(~2%)高度吻合！
实际报告毛利率(~2%)不是"上限"，而是"平均情况"或"较差情况"的反映。
非牛市上涨场景毛利率(6-12%)显著高于实际报告值，说明有+4~10pp额外盈利潜力未被捕捉。
实际报告毛利率(~2%)反映的是"平均/较差情况"。上涨周期的毛利率可达6-12%，有巨大提升空间。
涨跌导致毛利率差异超过13个百分点。判断库存周期的涨跌方向，对毛利率预期至关重要。
通过优化库存管理和期现套利能力，有潜力将毛利率从~2%提升至6-12%。
说明：牛市理论推导基于F₀=20,000元/吨的假设，使用期现非对称研究结论（G传导缺口）推导各场景的原料价格变化。非牛市回归测试使用相同公式，对2020-2026年995个实际窗口数据进行计算。两者使用完全相同的计算口径和参数。