如何利用发电耗煤数据辅助预判PMI走势
如何利用发电耗煤数据辅助预判PMI3月经济金融数据全面超预期之后，市场对于经济短周期的判断一度转暖；与此同时，政策定调上，4月的政治局会议对于宽松的提法有所淡化，政策步入观望期。4月数据较3月数据已经有所回落，即将出炉的5月数据可能进一步修正市场对短周期底部的预期。
经济指标方面，PMI数据无疑是十分重要的。首先，PMI数据在每月月底披露，时间上领先于CPI、PPI、消费、投资、社融、信贷、工业企业利润等其他关键指标。其次，PMI指标包含十个细分指标，涵盖生产端、需求端、就业、进出口、企业预期各个方面，并区分制造业PMI、非制造业PMI和综合PMI，能够较全面地反映经济短周期的景气度。第三，PMI数据的获取方式是直接对采购和供应经理进行问卷调查，数据来源于一线，并进行季节性调整，因此更加真实和可靠。
因此，能够预判PMI将有助于把握短期景气度。对PMI做预测的一个思路，是从更加高频的宏观数据（比如日度、周度数据）中获取信息。比如我们在高频数据的跟踪过程中发现，发电耗煤同样作为一个标杆性的指标，与PMI走势具有较高的相关性。因为目前我国的发电结构，火电占到70%以上，因此能够很大程度上反映生产情况；且发电耗煤是日度高频数据，因此可以尝试用以对PMI进行预判。
下图来看，对发电耗煤每日数据进行月度平均处理后的同比数据，与PMI走势虽不是一一对应，但趋势上高度相关，尤其是2015年以来的数据。
但考虑到PMI问卷调查的搜集时间一般截止到每月25日，因此我们另外对月度数据的区间做一个调整，以前一月的26日至后一月的25日作为周期。调整后如下图：
我们对两个图形都进行简单回归，数据最多可回溯至2010年10月。结果显示，截止月末数据回归模型R²为0.256，截止25日数据回归模型R²为0.284，我们将这两个模型分别编号为模型一和模型二。
由于图形上显示15年之后吻合度更高，因此对15年以来的数据再次拟合。结果显示，截止月末数据回归模型R²为0.541，截止25日数据回归模型R²为0.511，我们将这两个模型分别编号为模型三和模型四。
最终四个图形预测和实际比对如下：
如上，虽然模型无法做到精确，但是在方向上还是具有一定参考价值。换言之，我们可以通过日度可得的电厂发电耗煤数据，来模拟出PMI的大致方向。至于在模型的选择上各有优劣，采用10年以来数据样本更大，采用15年以来数据图形更温和，采用调整区间后（上月26日至当月25日）的模型更加贴合PMI的调查周期。
根据这个思路，最终对5月的预测如下：
总体而言，由于5月发电耗煤同比下降幅度较大（按月末同比-18.62%，按截止25日同比-16.40%），且四个模型都预测PMI向下。我们判断5月PMI数据将较4月份进一步回落，且很有可能回到荣枯线下方。市场对短周期企稳的预期将得到修正。
本文作者：刘晨明、李如娟、许向真，来源：天风策略 (ID:fenxishixubiao)，华尔街见闻专栏作者，节选自《【天风策略】如何利用发电耗煤数据辅助预判PMI走势》
