有个关于经济学家的笑话:
一位数学家、一位会计师和一位经济学家申请同一份工作。面试官问:“2+2等于多少?”数学家回答:“等于4。”会计师说:“通常等于4,但可能有上下10%的浮动。”经济学家则站起来,关上门,拉上窗帘,低声问面试官:“你想让它等于几?”
所以本篇文章的标题其实有点哗众取宠的意思。
想起以前上金融学的时候,老师说,千万不要用一个指标来判断结果,是非常危险的。
但是,把一个复杂的事情简单化,是人类惰性的本能。
如果真要用一个指标看经济,甚至是股市的涨跌,我们看什么?
我的答案是PMI。
昨天财新公布了8月PMI数据,2024年8月,财新中国制造业PMI录得50.4,较前月上升0.6个百分点(较去年8月同比下降1.18%),重回扩张区间,制造业景气度有所改善。
什么是PMI?
全称叫做采购经理指数(purchasing managers index,PMI)。
PMI数据采集方法很简单,就是向各个行业战斗在第一线的采购经理们发放问卷,问他们的新增订单是在增加还是减少,库存是在下降还是上升,人员是在扩招还是减员,等等。如果在所有被问到的采购经理中有55%表示他们的行业状况指标呈上升趋势,那么PMI=55。如果在所有被问到的采购经理中,有45%表示他们的行业状况指标呈上升趋势,那么PMI=45。
PMI>50表示经济整体向好,而PMI<50表示整体经济看跌。宏观经济趋势好坏的分水岭就是PMI=50。
我画了两条线,一条是财新的制造业PMI指数、一条是官方的制造业PMI指数。两条线大体趋势是一致的,红色那条50的线就是荣枯线,线上表示经济景气,线下表示不景气。
那经济指标跟股市到底有关系么?
我重新画了两条线,由于众所周知的原因,我只选了财新的PMI数据来跟沪深300指数做对比,YoY代表月度同比数据。
这张图就比较有意思了,我们发现,蓝线PMI和红线沪深300,在这么多年里,整体趋势大体看上去是比较一致的。PMI涨,沪深300涨;PMI跌,沪深300跌。
如果构建一个方程,用财新的PMI指数作为X,沪深300作为Y。
Y=aX+b
这个方程的意思就是能不能用变量X来计算Y。本质就是当我们知道了PMI,能否大致预测股市的涨跌?
用统计学的简单线性回归计算后,16年至今的这个方程的解得相关系数Adjusted R Square=0.16。0.16的意思就是PMI实际上大致可以解释16%的沪深300涨跌。在统计学上,相关系数在0.3以上就认为是相关的。0.16貌似还是低了点。
我们仔细观察这个图发现,如果我们把这几年分成三个阶段,那结果就会不一样了。
1)2016年,股灾后的重建(年初熔断)
Adjusted R Square=0.32
2)2017年-2021年(震荡上升)
Adjusted R Square=0.40
3)2022年至今(三年熊市)
Adjusted R Square=0.38
均超过了0.3!也就是说,就凭一个PMI指标,我们大概能解释32-40%的沪深300涨跌。
影响股市涨跌的因素千千万,而PMI可以解释32-40%的因素,所以极其的重要。
我们再回头看看财新的这个新闻:
2024年8月,财新中国制造业PMI录得50.4,较前月上升0.6个百分点(较去年8月同比下降1.18%),三点:
1)指标高于荣枯线,经济整体向好;
2)但是同比是下降的,按照我们的方程,所以8月股市下跌也不奇怪。
3)去年9月的PMI是50.6,假如今年9月的PMI大于50.6,9月份股市上涨的概率就是蛮大的。
还是老师教的:一个指标是危险的,就像看基本面只看净利润或者现金流都是不行的。
但好的指标可以让我们一叶知秋。
聪明的读者会发现这里有个巨大的bug。财新每月的第一个工作日公布上月的PMI,上面的分析都是拿历史回归历史,那如果用T-1月的PMI,算T月的指数会怎么样呢?相关性会是更高还是更低?