上游涨价通过产业链成本传导机制影响下游企业的盈利预期，进而改变其股票收益率对特定因子的暴露程度。通过产业链因子分析，特别是Fama-MacBeth回归方法，可以将上游价格变量纳入模型，检验下游个股收益率是否被显著解释，从而量化传导效应。
上游涨价对下游成本的影响机制
上游原材料或中间品价格上涨，会通过成本推动路径向下游传导。传导效率取决于三个关键因素：下游行业的成本转嫁能力（如品牌溢价、产品差异化程度）、市场集中度（龙头议价权更强）以及供需弹性（需求刚性越强，转嫁越顺利）。
当传导顺畅时，下游企业可通过提价维持利润率，其盈利因子暴露变化不大；当传导受阻（如竞争激烈、需求疲软），下游企业毛利率将被压缩，导致其盈利因子（如净资产收益率ROE）恶化，股价对盈利因子的敏感度上升。
将上游价格变量纳入因子模型
传统的Fama-MacBeth回归分为两步：第一步，在每个截面期（如月度）对个股收益率做横截面回归，估计各因子暴露的系数；第二步，对时间序列上的系数取均值并检验显著性。
纳入上游价格的具体做法：在第一步回归中，除市值、账面市值比、动量等常规因子外，额外加入上游价格因子（如行业PPI、大宗商品指数月度涨幅）。该因子暴露用个股与该上游价格的历史相关性（如过去36个月滚动相关系数）来度量。回归模型如下：
R_i = α + β_mkt·MKT_i + β_size·SIZE_i + β_value·VALUE_i + β_upstream·UPSTREAM_i + ε_i
其中 UPSTREAM_i 是个股i对上游价格的敏感度暴露。如果第二步中 β_upstream的均值显著为负，说明上游涨价对下游个股收益率有显著负向压制，即成本传导已影响定价。
Fama-MacBeth回归的应用步骤
- 准备数据：收集下游行业个股的月度收益率、常规因子值（市值、账面市值比、动量等），以及上游价格指数（如铜价、原油、化工品价格）的月度数据。
- 计算暴露度：对每只个股，用过去36个月数据滚动计算其收益率与上游价格涨幅的相关系数，作为UPSTREAM因子暴露。
- 截面回归：每月进行横截面回归，得到该月的系数估计值（包括上游价格因子的系数）。
- 时间序列检验：将所有月份的系数估计值取均值，计算t统计量，检验其是否显著异于零。
- 解读结果：若上游价格因子系数显著，说明上游涨价已通过成本传导影响下游定价；若不显著，则传导可能受阻或被其他因素对冲。
关键结论：使用Fama-MacBeth回归分析产业链因子联动时，上游价格因子的显著性是判断传导是否有效的核心指标。投资者可据此动态调整对下游行业的因子暴露配置。
常见问题
上游价格因子暴露如何计算更合理？
通常采用过去36个月的滚动相关系数。也可尝试用24个月或60个月窗口，并检查稳定性。对于周期性强的行业，可改用行业PPI指数替代大宗商品价格，更贴合实际成本结构。
如果上游价格因子不显著，是否意味着没有传导？
不一定是。可能传导存在时滞（比如6-12个月），或者下游企业通过库存管理、套期保值等工具暂时化解了成本压力。此时可尝试滞后变量（如将上游价格滞后1-2个季度）重新检验。
该模型能用于挑选个股吗？
可以辅助判断。如果某只个股对上游价格的负向暴露显著高于行业均值，且上游涨价趋势持续，该个股的盈利因子可能面临更大压力。但需结合公司基本面（如成本转嫁能力）综合评估，不构成直接买卖建议。